analisis permintaan uang di indonesia dengan pendekatan stok

ANALISIS PERMINTAAN UANG DI INDONESIA DENGAN PENDEKATAN STOK PENYANGGA

TESIS

Oleh WAHID SULAIMAN

067018067/EP

SEKOLAH PASCASARJANA UNIVERSITAS SUMATERA UTARA

MEDAN 2008

Wahid Sulaiman : Analisis Permintaan Uang di Indonesia Dengan Pendekatan Stok Penyangga, 2008 USU e-Repository © 2008

ANALISIS PERMINTAAN UANG DI INDONESIA DENGAN PENDEKATAN STOK PENYANGGA

TESIS

Untuk Memperoleh Gelar Magister Sains dalam Program Studi Magister Ekonomi Pembangunan pada Sekolah Pascasarjana Universitas Sumatera Utara

Oleh

WAHID SULAIMAN 067018067/EP

SEKOLAH PASCASARJANA UNIVERSITAS SUMATERA UTARA

MEDAN 2008


Judul Tesis : ANALISIS PERMINTAAN UANG DI INDONESIA DENGAN PENDEKATAN STOK PENYANGGA Nama Mahasiswa : Wahid Sulaiman Nomor Pokok : 067018067 Program Studi : Ekonomi Pembangunan

Menyetujui Komisi Pembimbing

(Dr. Jonni Manurung, MS) (Drs. Iskandar Syarief, MA) Ketua Anggota Ketua Program Studi, Direktur (Dr. Murni Daulay, M.Si) (Prof. Dr. Ir. T. Chairun Nisa B, M.Sc) Tanggal lulus : 27 Maret 2008


Telah diuji pada Tanggal : 27 Maret 2008 PANITIA PENGUJI TES Ketua : 1. Dr. Jonni Manurung, MS Anggota : 2. Drs. Iskandar Syarief, MA 3. Dr. Murni Daulay, M.Si. 4. Dr. Dede Ruslan, M.Si. 5. Wahyu Ario Pratomo, SE, M.Ec.


ABSTRAK

Dalam keadaan/ situasi yang jarang ditemui keadaan seimbang antara jumlah

uang yang dipegang dengan jumlah yang diinginkan atau diharapkan maka permasalahan permintaan uang menjadi sangat menarik untuk dilakukan penelitian. Dalam keadaan dinamis, masyarakat harus melakukan tindakan penyesuaian. Dalam melakukan tindakan penyesuaian tersebut, masyarakat menanggung biaya penyesuaian atau adjustment cost.

Analisis permintaan uang (M1) dengan pendekatan stok penyangga menggunakan error koreksi mechanism (ECM) dan uji kointegrasi. Model Vector Autoregression (VAR) digunakan untuk membangun model ekonometrika dan metode Ordinary Least Square (OLS) digunakan untuk estimasi model.

Dalam jangka panjang, Produk Domestik Bruto (GDP), suku bunga deposito 3 bulan dan inflasi mempengaruhi permintaan uang (M1) signifikan secara statistik. Disamping itu, hasil estimasi dengan menggunakan Ordinary Least Square (OLS) juga konsisten dengan hasil estimasi koefisien kointegrasi yang menyatakan Produk Domestik Bruto dan inflasi mempunyai pengaruh positif dan suku bunga deposito 3 bulan mempunyai pengaruh negatif.

Hasil estimasi dengan menggunakan Error Correction Mechanism (ECM), menunjukkan hasil bahwa Produk Domestik Bruto, suku bunga deposito 3 bulan dan inflasi mempunyai pengaruh terhadap permintaan uang (M1) signifikan secara statistik. Sedangkan koefisien regresi ECT(-1) bertanda negatif dan signifikan hal ini sesuai dengan harapan teoritik dengan demikian spesifikasi model yang terbentuk adalah stabil.

Hasil estimasi dengan menggunakan Vector Autoregression (VAR) diperoleh hasil bahwa dari hasil variance decomposition M1D diperoleh hasil bahwa dalam jangka pendek dan menengah kontribusi Produk Domesti Bruto (GDP) terhadap permintaan uang M1 lebih besar dibanding inflasi dan suku bunga, hal ini mengindikasikan bahwa sebagian besar permintaan uang (M1) dipergunakan untuk motif transaksi. Untuk jangka panjang permintaan uang (M1) sebagian besar digunakan untuk motif transaksi kemudian berjaga-jaga dan spekulatif. Hal ini ditandai dengan kontribusi pada nilai variance docomposition M1D yaitu yang terbesar GDP kemudian diikuti inflasi dan suku bunga deposito 3 bulan.

Kata kunci: uang M1, GDP, inflasi, Suku bunga deposito 3 bulan, goncangan, biaya penyesuaian, ECM, VAR


ABSTRACT In unusual condition/ situation in which there is inequilibrium between the hold money and the demand money so that the demand money to be an interest issue for studied. In dynamics condition, the people do the adjustment process, the people take charge all the adjustment cost. Analysis on money demand (M1) by buffer stock using error correction mechanism (ECM) and cointegration test. Vector Autoregression Model (VAR) is used to build an econometrica model and Ordinary Least Square (OLS) is used to build estimation model. In a long-term, Gross Domestic Product (GDP), interest rate of deposite in 3 months and inflation has significant influence to the demand on money statistically. In addition, the results estimation using Ordinary Least Square (OLS) is consistent to the estimation of cointegration coefficient that state the Gross Domestic Bruto and inflation has a positive influence and the interest rate of deposit 3 months has a negative influence. The result of estimation using Error Correction Mechanism (ECM) show that the Gross Domestic Product, interest of deposite 3 months and inflation has a significant influence to the money demand statistically. While regression coefficient ECT(-1) with negative sign and significant according to the theoritical estimation. So, the model spesification is stable. The result of estimation using Vector Autoregression (VAR) show that the results of variance decomposition M1D indicate that on the short-term and middle-term, the contribution of Gross Domestic Product (GDP) to demand of money is higher than the inflation and interest rate that indicate most of the money demand (M1) is used for transaction motive. In long-term, the demand on money (M1) is used for transaction motive and for precautionary and speculative. This indicated by a contribution on variance decomposition M1D, i.e. the higher of GDP and followed by inflation and deposit interest rate 3 month. Keywords : Money M1, GDP, Inflation, Deposite interest rate 3 months, In equilibrium, adjustment cost, ECM, VAR


KATA PENGANTAR

Tiada kata yang dapat penulis ucapkan, selain puji syukur yang sangat

dalam kehadirat Tuhan Yang Maha Esa yang karena limpahan Rahmat dan

hidayah-Nya, sehingga penulis dapat menyelesaikan penulisan tesis ini dengan

judul: Analisis Permintaan Uang Di Indonesia Dengan Pendekatan Stok

Penyangga.

Tugas akhir ini disusun sebagai salah satu syarat untuk menyelesaikan

pendidikan di Program Studi Ekonomi Pembangunan Sekolah Pasca Sarjana

Universitas Sumatera Utara.

Sudah tentu dalam penyusunan tugas akhir ini tidak lepas dari bantuan

semua pihak yang telah memberikan bantuan moril maupun materil hingga

penulis dapat menyelesaikan penulisan tesis ini. Dengan segala kerendahan

hati, pada kesempatan ini perkenankan penulis menyampaikan rasa terima

kasih yang sebesar-besarnya kepada semua pihak yang telah membantu penulis

yaitu kepada;

1. Bapak Dr. Jonni Manurung, M.S sebagai ketua komisi pembimbing dan

Bapak Drs. Iskandar Syarief, M.A. sebagai anggota komisi pembimbing,

dimana kedua beliaunya dengan ketulusan hati, kesabaran dan kerendahan


hati memberikan bimbingan dan arahan mulai dari penulisan proposal

sampai dengan selesainya penulisan tesis ini.

2. Khusus kepada Ibu Dr. Murni Daulay, M.Si, selaku Ketua Program Studi

Ekonomi Pembangunan dan juga sebagai dosen, saya mengucapkan beribu-

ribu banyak terima kasih kepada beliau dikarenakan selama saya menjadi

mahasiswa beliau banyak memberi dorongan dan masukkan yang

membangun bagi diri saya.

3. Bapak dan Ibu staf pengajar pada Program Studi Ekonomi Pembangunan

Sekolah Pasca Sarjana Universitas Sumatera Utara, yang tidak bisa

disebutkan satu persatu yang telah banyak membantu saya dalam

menyelesaikan kuliah dan tulisan ini.

4. Bapak Prof. Chairuddin P. Lubis, DTM&H, Sp.A(K), selaku Rektor

Universitas Sumatera Utara.

5. Ibu Prof. Dr. Ir. T. Chairun Nisa B. M.Sc, selaku Direktur Sekolah

Pascasarjana Universitas Sumatera Utara.

6. Para Staf Administrasi Sekolah Pascasarjana Universitas Sumatera Utara.

7. Teman-teman khususnya angkatan XI yang telah mendorong dan

mengingatkan saya untuk menyelesaikan tesis ini.

8. Rasa terima kasih yang mendalam khususnya penulis sampaikan kepada

orang tuaku Alm. Abu Bakar dan Sukarti serta mertuaku Hardjimin dan

Sutarti, istriku tercinta Tuti Hendarwati , anak-anakku Amalia Khoirunnisa


Putriwati serta Khofifah Khoirunnisa Putriwati serta adik-adikku yang

senantiasa mendoakan dan memberikan semangat, perhatian dan kasih

sayang dalam menyelesaikan studi ini.

9. Semua pihak yang tidak dapat disebutkan satu per satu, yang telah

membantu dan memberikan dorongan baik langsung maupun tidak

langsung kepada penulis dalam menyelesaikan tesis ini.

Akhir kata penulis menyadari bahwa apa yang tertuang dalam tesis ini

masih banyak kekurangan. Oleh karena itu saran dan kritik yang membangun

untuk perbaikan tesis ini senantiasa penulis harapkan.

Mudah-mudahan penulisan tesis ini dapat memberikan banyak manfaat

sehingga memperkaya khazanah ilmu pengetahuan di bidang ekonomi

pembangunan khususnya bagi rekan-rekan mahasiswa Program Studi Ekonomi

Pembangunan Universitas Sumatera Utara yang akan menyusun penulisan tesis.

Akhir kata semoga segala usaha dan niat baik yang telah kita lakukan

mendapat ridho dari Tuhan yang Maha Kuasa.


Medan, Maret 2008

Penulis,

WAHID SULAIMAN


RIWAYAT HIDUP 1. Nama : Wahid Sulaiman

2. Agama : Islam

3. Tempat/Tgl. Lahir : Surabaya, 20 Maret 1970

4. Pekerjaan : Karyawan

5. Nama orangtua

Ayah : Alm. Abu Bakar

Ibu : Sukarti

6. Pendidikan

a. SD Negeri VI Kertajaya Surabaya : Lulus Tahun 1983

b. SMP Gana Putra Surabaya : Lulus Tahun 1986

c. SMAN X Surabaya : Lulus Tahun 1989

d. ITS Surabaya : Lulus Tahun 1995

e. Sekolah Pascasarjana USU : Lulus Tahun 2008


DAFTAR ISI

Halaman

ABSTRAK ..................................................................................................... i ABSTRACT .................................................................................................. ii KATA PENGANTAR ................................................................................ iii RIWAYAT HIDUP ...................................................................................... vi DAFTAR ISI ............................................................................................... vii DAFTAR TABEL ....................................................................................... ix DAFTAR GAMBAR ................................................................................... xi DAFTAR LAMPIRAN ............................................................................... xii BAB 1. PENDAHULUAN ................................................................... 1

1.1 Latar Belakang ................................................................... 1 1.2 Perumusan Masalah ........................................................... 6 1.3 Tujuan Penelitian ................................................................ 7 1.4 Manfaat Penelitian ............................................................. 7

BAB II. TINJAUAN PUSTAKA ......................................................... 9

2.1 Teori Permintaan Uang .................................................... 9 2.2 Pendekatan Stok Penyangga Permintaan Uang .................... 12 2.3 Penelitian Sebelumnya .......................................................... 15 2.4 Penurunan Model Permintaan Uang .................................... 21 2.5 Kerangka Pemikiran............................................................... 31 2.6 Hipotesa Penelitian ................................................................ 31 BAB III. METODE PENELITIAN .......................................................... 33

3.1 Ruang Lingkup Penelitian ..................................................... 33 3.2 Jenis dan Sumber Data Penelitian ........................................ 33 3.3 Model Analisis ...................................................................... 33 3.4 Definisi Operasional .............................................................. 35 3.5. Metode dan Analisis Data .................................................... 36 3.5.1 Uji Stasioneritas ........................................................... 37 3.5.2 Uji Kointegrasi ............................................................. 38 3.5.3 Error Correction Mechanism....................................... 40 3.5.4 Uji Signifikansi ............................................................ 40


BAB IV. HASIL DAN PEMBAHASAN ................................................ 42 4.1. Perkembangan Beberapa Indikator Ekonomi ................... 42 4.2. Perkembangan Moneter ................................................... 45 4.3. Hasil Penelitian ................................................................ 46

4.3.1 Permintaan Uang (M1)................................................. 46 4.3.2 Produk Domestik Bruto ............................................... 48 4.3.3 Suku Bunga .................................................................. 49 4.3.4 Inflasi ........................................................................... 50 4.3.5 Hasil Uji Akar-Akar Unit dan Derajat Integrasi .......... 52 4.3.6 Hasil Estimasi Model Permintaan Uang ...................... 57 4.3.7 Hasil Estimasi Model Permintaan Uang dengan Error Correction Mechanism (ECM) .......................... 60 4.3.8 Hasil Estimasi Vector Autoregression ......................... 66 4.3.8.1 Impulse Response Function (IRF)................... 68 4.3.8.2 Variance Decomposition................................. 77

4.3.9 Uji Signifikansi ........................................................ 84 BAB V. KESIMPULAN DAN SARAN ................................................ 85

5.1. Kesimpulan......................................................................... 85 5.2. Saran................................................................................... 86

DAFTAR PUSTAKA ................................................................................ 88


DAFTAR TABEL

Nomor Judul Halaman

4.1 Pertumbuhan Beberapa Indikator Ekonomi ................................................... 43 4.2 Perkembangan Jumlah Uang (M1) Periode 1999:1 – 2006:4 ........................ 47 4.3 Perkembangan Produk Domestik Bruto (GDP) Konstan Atas Dasar Harga

Tahun 2000 Periode 1999:1 – 2006:4 ............................................................ 49 4.4 Perkembangan Suku Bunga Deposito 3 bulan Periode 1999:1 – 2006:4 ...... 51 4.5 Perkembangan Inflasi Periode 1999:1 – 2006:4 ............................................ 52 4.6 Unit Root Test dan Derajat Integrasi dengan ADF Test Pada M1 ................. 53 4.7 Unit Root Test dan Derajat Integrasi dengan ADF Test Pada GDP............... 54 4.8 Unit Root Test dan Derajat Integrasi dengan ADF Test Pada INR ............... 55 4.9 Unit Root Test dan Derajat Integrasi dengan ADF Test Pada INF ................ 56 4.10 Hasil Model Estimasi Permintaan Uang ....................................................... 57 4.11 Hasil Estimasi Permintaan Uang Dengan ECM............................................ 60 4.12 Hasil Estimasi Model Permintaan Dengan Pendekatan Stok Penyangga ..... 63 4.13 Hasil Estimasi VAR dengan Dasar Lag 1 ..................................................... 69 4.14 Tabel Impulse Response Function M1D....................................................... 71 4.15 Tabel Impulse Response Function GDP ....................................................... 73 4.16 Tabel Impulse Response Function INR......................................................... 75 4.17 Tabel Impulse Response Function INF......................................................... 76 4.18 Variance Decomposition M1D ..................................................................... 79


4.19 Variance Decomposition GDP...................................................................... 80 4.20 Variance Decomposition INR....................................................................... 81 4.21 Variance Decomposition INF ....................................................................... 83


DAFTAR GAMBAR

Nomor Judul Halaman

1.1 Perkembangan Beberapa Indikator Ekonomi DI Indonesia Tahun 1999:4 – 2006:4 .................................................................................. 3 2.1 Keterkaitan Antara Uang, Harga dan Tingkat Bunga .................................... 12 2.2 Kerangka Pemikiran Penelitian...................................................................... 31 4.1 Impulse Response Function (IRF).................................................................. 77 4.2 Variance Decomposition................................................................................ 83


DAFTAR LAMPIRAN

Nomor Judul Halaman

1 Data Penelitian ................................................................................................ 90 2 Model Vector Autoregression ......................................................................... 91 3 Uji Stabilitas Vector Autoregression............................................................... 92 4 Uji Autocorrelation ......................................................................................... 93


BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam keadaan/ situasi yang jarang ditemui keadaan seimbang antara jumlah

uang yang dipegang dengan jumlah yang diinginkan atau diharapkan maka

permasalahan permintaan uang menjadi sangat menarik untuk dilakukan penelitian.

Dalam keadaan dinamis, masyarakat harus melakukan tindakan penyesuaian. Dalam

melakukan tindakan penyesuaian tersebut, masyarakat menanggung biaya

penyesuaian atau adjustment cost.

Fungsi permintaan uang adalah persamaan yang menunjukkan apa yang

menentukan kuantitas keseimbangan uang riil yang ingin ditahan orang. Fungsi

permintaan terhadap keseimbangan uang riil adalah proporsional terhadap pendapatan.

Fungsi permintaan uang mirip dengan fungsi permintaan untuk barang tertentu.

Disini “barang” adalah kenyamanan mempertahankan keseimbangan uang riil. Sama

seperti memiliki mobil akan mempermudah seseorang bepergian, memegang uang

mempermudah orang untuk melakukan transaksi. Karena itu, pendapatan yang lebih

tinggi mendorong permintaan yang lebih besar terhadap permintaan uang riil.

Uang yang disimpan dalam dompet tidak memperoleh bunga. Padahal jika

uang tersebut dipergunakan untuk membeli obligasi pemerintah atau didepositokan

dalam rekening tabungan maka akan memperoleh tingkat bunga nominal. Tingkat


bunga nominal adalah biaya peluang atau opportunity cost dari memegang uang:

biaya yang timbul karena lebih suka memegang uang ketimbang obligasi atau

mendepositokan.

Cara lain untuk melihat bahwa biaya memegang uang sama dengan tingkat

bunga nominal adalah dengan membandingkan pengembalian pada asset-aset

alternatif. Aset selain uang, seperti obligasi pemerintah, memperoleh pengembalian

riil r. Uang memperoleh pengembalian riil yang diharapkan dari -πe, karena nilai riil

menurun pada tingkat inflasi. Bila memegang uang akan menghilangkan perbedaan

di antara kedua pengembalian ini. Jadi biaya memegang uang adalah r – (-πe), yang

dinyatakan dalam persamaan Fisher sebagai tingkat bunga nominal i.

Ketika jumlah beras yang diinginkan bergantung pada harga beras, jumlah

uang yang diinginkan bergantung pada harga dari memegang uang. Maka,

permintaan uang riil bergantung pada tingkat pendapatan dan tingkat bunga nominal.

Dari gambar 1.1 merupakan perkembangan beberapa indikator ekonomi di

Indonesia pada tahun 1999:4 – 2006:4 dapat dilihat bahwa peningkatan jumlah uang

(M1) yang beredar meningkat seiring dengan peningkatan GDP sedangkan untuk

suku bunga deposito 3 bulan (INR) perkembangan fluktuatif namun mulai 2001:4 –

2004:1 mengalami kecenderungan menurun dan mulai 2004:2 – 2005 mengalami

kecenderungan kenaikan. Untuk inflasi menggunakan inflasi kumulatif (y to y) yang

tiap tahun mengalami kenaikan. Jika melihat dari sisi moneter menunjukkan bahwa

perkembangan jumlah uang beredar mendorong peningkatan Produk Domestik Bruto


(GDP) dengan melihat bahwa pada tahun 1999 – 2006 kondisi sektor riil relatif tidak

berkembang.

0

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

900,000

1,000,000

1999

:4

2000

:1

2000

:2

2000

:3

2000

:4

2001

:1

2001

:2

2001

:3

2001

:4

2002

:1

2002

:2

2002

:3

2002

:4

2003

:1

2003

:2

2003

:3

2003

:4

2004

:1

2004

:2

2004

:3

2004

:4

2005

:1

2005

:2

2005

:3

2005

:4

2006

:1

2006

:2

2006

:3

2006

:4

Tahun

Mily

ar R

p

0.00

2.00

4.00

6.00

8.00

10.00

12.00

14.00

16.00

18.00

20.00

Per

sen

(%)

M1 GDP INR INF

Gambar 1.1. Perkembangan Beberapa Indikator Ekonomi di Indonesia Tahun 1999:4 – 2006:4

Analisis ekonomi moneter telah dipusatkan pada pertanyaan “ apakah bentuk

model yang sesuai dan layak untuk mengamati perilaku permintaan uang

masyarakat?”. Isu ini menjadi sangat penting dan krusial karena perbedaan teori yang

dipilih oleh peneliti akan mengakibatkan perbedaan bentuk fungsi model permintaan

uang dan akan memberikan mekanisme ekonomi makro dan implikasi kebijakan

ekonomi yang berbeda pula.


Berkaitan dengan variabel moneter, banyak peneliti baik di negara maju

maupun di negara sedang berkembang memilih mengamati permintaan uang dalam

arti sempit (M1) dan uang dalam arti luas (M2). Sedangkan variabel yang dipilih

untuk menganalisis perilaku permintaan uang adalah pendapatan dan suku bunga atau

inflasi sebagai proksi biaya memegang uang atau cost of holding money.

Peneliti banyak menggunakan pendapatan dengan konsep yang berbeda,

seperti misalnya: Produk Domestik Bruto (PDB) riil sebagai proksi untuk pendapatan

dan ada juga dengan besaran ekonomi pendapatan nasional riil. Sedangkan untuk

variabel suku bunga, paling tidak ada 2 pandangan yang menjadi perdebatan dalam

analisis ekonomi makro. Kelompok pertama yang diwakili oleh kelompok moneteris

berpendapat bahwa suku bunga secara mendasar ditentukan oleh kekuatan di sektor

riil diluar sistem moneter. Misalnya suku bunga ditentukan oleh kekuatan antara

permintaan dan penawaran kapital. Di sisi lain, kelompok Keynessian menyatakan

bahwa suku bunga merupakan fenomena moneter, sedangkan perekonomian

diharapkan melakukan penyesuaian yang telah ditetapkan oleh sistem moneter dan

bukan sebaliknya. Dengan demikian, secara umum dapat dikatakan bahwa pemilihan

variabel-variabel penentu permintaan uang tersebut dipengaruhi oleh motif

masyarakat memegang uang seperti yang dikembangkan oleh kelompok ekonom

klasik dan Keyness serta pengikut-pengikutnya dalam memungkinkan munculnya

pendekatan stok penyangga (buffer stock approach) dalam analisis permintaan uang.

Ide dasar dari pendekatan stok penyangga menyatakan bahwa masyarakat

bersedia memegang uang cash dimaksudkan untuk menghilangkan kesenjangan atau


gap yang tidak terantisipasi antara saat seseorang menerima pendapatan dan saat

mereka membelanjakannya (Laidler, 1984, 1987, 1997, 2000; Milbourne, 1988,

Davidson dan Ireland, 1989 dan Mizen, 1997). Dengan demikian dalam pendekatan

ini dianalisis faktor-faktor penyebab terjadinya perbedaan antara jumlah uang yang

diinginkan dengan jumlah yang senyatanya dipegang. Adanya kejutan penawaran

(supply shock), seperti munculnya isu-isu mengenai penambahan uang beredar dan

berbagai kemudahan yang diberikan oleh lembaga keuangan, dipandang sebagai

penyebab adanya ketidakseimbangan antara permintaan dan penawaran uang.

Kesenjangan yang tidak terantisipasi seperti ini dapat menyebabkan perubahan

perilaku permintaan uang masyarakat. Berkaitan dengan itu, pendekatan stok

penyangga sering disebut pula sebagai pendekatan ketidakseimbangan uang

(disequilibrium money approach ).

Secara umum dapat dikatakan bahwa model koreksi kesalahan sering

dipandang sebagai salah satu model dinamik yang sangat terkenal dan banyak

diterapkan dalam studi empirik, terutama sejak kegagalan model penyesuaian parsial

atau Partial Adjustment Model (PAM) tahun 1970an dalam menjelaskan perilaku

dinamik permintaan uang berdasarkan konsep stok penyangga (buffer stock

approach) dan munculnya pendekatan kointegrasi dalam analisis ekonomi time seties.

Insukindro (1999) mengemukakan bahwa ECM relatif lebih unggul bila dibandingkan

dengan PAM, misalnya, karena kemampuan yang dimiliki oleh model koreksi

kesalahan dalam meliputi lebih banyak variabel dalam menganalisis fenomena

ekonomi jangka pendek dan jangka panjang dan mengkaji konsisten tidaknya model


empirik dengan teori ekonomika, serta dalam usaha mencari pemecahan terhadap

persoalan variabel time series yang tidak stasioner (non stationary) dan regresi

lancung (spurious regression) dalam analisis ekonometrika. Selain itu dapat pula

dibuktikan secara matematika dan statistika bahwa model penyesuaian parsial

hanyalah bentuk khusus dari model koreksi kesalahan (Insukindro, 1999).

Studi permintaan uang di Indonesia telah dilakukan oleh beberapa ekonom

yaitu Aghevli (1977), Nasution (1983) dan Gupta dan Moazzami (1990) serta Reza

Anglikusumo (2005) menyimpulkan bahwa variasi jumlah uang yang diminta

berhubungan negatif dengan tingkat bunga dan inflasi dan positif dengan pendapatan.

Gupta dan Moazzmi (1990) menggunakan konsumsi agregat sebagai skala ekonomi

dan menemukan bahwa perkembangan jumlah uang yang diminta searah dengan

perkembangan konsumsi agregat. Reza Anglikusumo (2005) menggunakan

pengeluaran konsumsi rumah tangga swasta sebagai skala ekonomi dan menemukan

bahwa perkembangan jumlah uang yang diminta searah dengan dengan

perkembangan pengeluaran konsumsi rumah tangga swasta.

1.2 Perumusan Masalah

Berdasarkan latar belakang diatas, dibawah ini model permintaan uang yang

diajukan peneliti bahwa permintaan uang dipengaruhi oleh pendapatan nasional, suku

bunga dan inflasi. Dari model permintaan uang yang diajukan oleh peneliti maka

perumusan masalah adalah sebagai berikut:


a) Bagaimana pengaruh Produk Domestik Bruto terhadap permintaan uang di

Indonesia.

b) Bagaimana pengaruh tingkat suku bunga deposito 3 bulan terhadap

permintaan uang di Indonesia

c) Bagaimana pengaruh inflasi terhadap permintaan uang di Indonesia.

1.3 Tujuan Penelitian

Dari perumusan masalah diatas, tujuan penelitian ini mengumpulkan data dan

informasi yang berhubungan dengan penentuan permintaan uang di Indonesia dan

juga bertujuan sebagai berikut:

a) Untuk menganalisis pengaruh Produk Domestik Bruto terhadap permintaan

uang di Indonesia.

b) Untuk menganalisis pengaruh tingkat suku bunga deposito 3 bulan terhadap

permintaan uang di Indonesia.

c) Untuk menganalisis pengaruh inflasi terhadap permintaan uang di Indonesia.

1.4 Manfaat Penelitian

1) Hasil penelitian ini diharapkan dapat memberikan masukkan bagi pengambil

keputusan dalam hal ini Pemerintah, investor dan pelaku usaha agar dapat

mengetahui variabel-variabel yang berpengaruh terhadap permintaan uang di

Indonesia.


2) Untuk menambah wawasan , baik penulis sendiri, maupun pemerhati moneter

lainnya terutama di dalam menganalisa variabel-variabel yang

mempengaruhinya permintaan uang di Indonesia serta juga berguna sebagai

referensi bagi peneliti sejenis lainnya.


BAB II

TINJAUAN PUSTAKA

2.1 Teori Permintaan Uang

Konsep permintaan uang selalu memegang peranan penting dalam teori

moneter dan juga merupakan bidang yang menjadi diskusi dan perdebatan antar

berbagai aliran teori moneter. Dalam bidang ini, teori moneter modern terpecah

menjadi 2 aliran besar, yaitu aliran yang bersumber pada teori kuantitas (klasik) dan

aliran keynesian. Berbagai variasi dari kedua aliran besar ini dapat dijumpai dalam

literature ekonomi moneter. Banyak peneliti mencoba mencari titik temu antara

kedua aliran ini, namun sampai saat ni masih dapat dilihat adanya penggolongan para

ekonom kedalam dua aliran tersebut. Perbedaan antara aliran klasik dan keynesian

terletak pada pandangan mereka tentang harapan akan perubahan di masa depan, serta

mekanisme penyesuaian terhadap saldo kas riil yang dikehendaki.

Aliran klasik memandang bahwa harapan akan perubahan di masa depan

penting peranannya dalam jumlah uang yang diminta, sedang aliran keynessian tidak.

Menurut aliran Klasik, apabila terjadi kelebihan saldo kas yang dipegang masyarakat

akan menyesuaikannya dengan membeli barang-barang. Pembelian akan barang-

barang ini dapat meningkatkan produksi apabila kapasitas produksi masyarakat belum

sepenuhnya dipergunakan dan akan menaikkan harga-harga bila perekonomian sudah

bekerja pada kapasitas penuh.


Menurut aliran Keynesian, kelebihan saldo kas yang dipegang masyarakat

akan ditukarkan dengan surat-surat berharga. Perilaku ini akan menurunkan suku

bunga yang dapat mendorong naiknya investasi. Kenaikkan investasi ini dapat

menaikkan permintaan agregat akan meningkatkan produksi atau harga-harga

tergantung apakah perekonomian sudah bekerja pada kapasitas penuh atau belum.

Perbedaan teori klasik dan Keynesian juga menyangkut kondisi lembaga

keuangan yang ada di masyarakat. Mekanisme penyesuaian teori klasik cocok untuk

perekonomian yang sektor keuangannya belum maju. Kondisi ini menyebabkan

hanya ada dua pilihan bentuk kekayaan masyarakat yaitu uang dan barang.

Disamping itu, mekanisme ini cocok untuk perekonomian yang telah mengalami

inflasi dalam kurun waktu yang lama, sehingga harapan perubahan harga berpengaruh

penting dalam penentuan saldo kas yang dipegang. Mekanisme keyness cocok untuk

perekonomian yang telah mempunyai sektor keuangan yang maju. Dengan demikian

perekonomian ini mampu melayani perilaku pembelian surat-surat berharga,

mekanisme ini diperuntukkan bagi perekonomian yang tidak mengalami inflasi dalam

waktu yang lama, karena faktor harapan perubahan harga tidak penting dalam

penentuan saldo kas yang dipegang masyarakat.

Ketika jumlah roti yang diinginkan bergantung pada harga roti, jumlah uang

yang diinginkan bergantung pada harga dari memegang uang. Maka, permintaan

terhadap keseimbangan riil bergantung pada tingkat pendapatan dan tingkat bunga

nominal. Dengan demikian persamaan permintaan uang secara umum dapat ditulis

sebagai berikut :


(M/P)d = L(i, Y) (2.1)

Huruf L digunakan untuk menyatakan permintaan uang karena uang adalah asset

perekonomian yang paling likuid (asset yang paling mudah digunakan untuk

melakukan transaksi). Persamaan diatas menyatakan bahwa permintaan terhadap

likuiditas keseimbangan uang riil adalah fungsi dari pendapatan dan tingkat bunga

nominal. Semakin tinggi tingkat pendapatan, semakin besar permintaan terhadap

keseimbangan uang riil. Semakin tinggi tingkat tingkat bunga nominal i, semakin

rendah permintaan permintaan terhadap keseimbangan uang riil.

Keyness menerangkan mengapa seseorang memegang uang kas berdasarkan

kegunaan uang. Berdasarkan kegunaannya uang dapat berfungsi sebagai alat tukar

(transaksi) dan penyimpan kekayaan. Dalam teorinya tentang permintaan akan uang

kas, Keyness membedakan antara motif transaksi dan berjaga-jaga serta spekulasi.

Seseorang memerlukan uang, pertama, karena akan melakukan transaksi dan

kedua untuk berjaga-jaga (kalau sakit, musibah dan sebagainya yang pada akhirnya

merupakan kegiatan transaksi. Motif yang ketiga adalah motif spekulasi. Dalam hal

ini seseorang berusaha supaya hasil dari uang yang dipegang maksimum, dengan cara

mengkombinasikan uang yang dipegang dengan bentuk kekayaan lainnya.

Keterkaitan antara uang, harga dan tingkat bunga dapat diilustrasikan sebagai

berikut :


Penawaran

uang

Tingkat harga

Tingkat inflasi

Tingkat bunga nominal

Permintaan uang

Gambar 2.1. Keterkaitan antara Uang, Harga dan Tingkat Bunga

Pada gambar 2.1 menunjukkan hubungan diantara uang, harga dan tingkat

bunga. Penawaran dan permintaan uang menentukan tingkat harga. Perubahan

dalam tingkat harga menentukan tingkat inflasi. Tingkat inflasi mempengaruhi

tingkat bunga nominal. Karena merupakan biaya dari memegang uang, tingkat bunga

nominal bisa mempengaruhi permintaan uang. Hubungan terakhir ini (ditunjukkan

oleh panah dibawah) dihilangkan dari teori kuantitas uang dasar.

2.2 Pendekatan Stok Penyangga Permintaan Uang

Pembicaraan, diskusi dan perdebatan mengenai model permintaan uang telah

difokuskan pada pendekatan stok penyangga (Laidler, 1984, 1987, 1997, 2000;

Milbourne, 1988; Davidson dan Ireland, 1989 dan Mizen 1997). Milbourne (1988),

misalnya berpendapat bahwa konsep stok penyangga berasal dari ide bahwa

masyarakat bersedia memegang uang dengan maksud mengabsorpsi adanya variasi


hari ke hari yang tidak diantisipasi atau diharapkan antara penerimaan dan

pengeluaran masyarakat. Davidson dan Ireland (1989) berpendapat bahwa hipotesis

yang mendasari adanya pendekatan stok penyangga permintaan uang pada dasarnya

merupakan perumusan atau pernyataan kembali konsep tradisional mengenai motif

permintaan uang untuk tujuan transaksi dan berjaga-jaga atau transaction and

precautionary motives. Lebih lanjut Laidler (1997), menyatakan bahwa motif agen

ekonomi memegang uang untuk tujuan transaksi, berjaga-jaga dan bahkan spekulasi

dapat dianalisis dengan pendekatan stok penyangga. Dengan kata lain, mereka ingin

mengatakan bahwa konsep stok penyangga mengenai permintaan uang tidak berbeda

dengan konsep persediaan atau inventory.

Baumol (1952) dan Tobin (1956), mengembangkan lebih lanjut motif

permintaan uang untuk tujuan transaksi. Keduanya memberikan dasar dan alasan

teori mengapa permintaan uang tidak hanya dipengaruhi oleh pendapatan tetapi juga

oleh suku bunga. Dalam kasus ini dianggap bahwa permintaan uang untuk tujuan

transaksi dapat juga dinyatakan sebagai bentuk persediaan. Keduanya beranggapan

bahwa memegang uang untuk tujuan transaksi berkaitan dengan biaya oportunitas

atau opportunity cost karena pelaku ekonomi tidak mewujudkan kekayaannya dalam

bentuk investasi yang memberikan penghasilan di saat yang akan datang. Pelaku

ekonomi akan selalu berusaha untuk mengatur bentuk-bentuk aktiva atau portofolio

yang mereka miliki dan meminimumkan biaya oportunitas.

Miller dan Orr (1966, 1968) mengembangkan model Baumol dalam

menganalisis perilaku agen ekonomi dalam memegang uang atau aktiva untuk


kegiatan bisnisnya. Keduanya berpendapat bahwa anggapan yang digunakan Baumol

sangat tepat diterapkan untuk sektor rumah tangga, tetapi kurang cocok untuk sektor

bisnis.

Arkelof (1979) menggunakan model Miller dan Orr menganalisis permintaan

uang sebagai suatu masalah keseimbangan umum atau general equilibrium problem.

Miller dan Orr serta Arkelof beranggapan bahwa perilaku pelaku ekonomi dalam

memegang uang yang diinginkan bukanlah suatu fungsi pemilihan yang sederhana,

tetapi terdiri atas suatu batasan memegang uang yang dapat diterima dan

diklasifikasikan menjadi 2 yaitu ambang batas atas dan bawah.

Dalam menganalisis keinginan pelaku ekonomi untuk memegang uang,

Arkelof membedakan transaksi moneter menjadi 2 yaitu transaksi yang bersifat

otonom dan induksi. Transaksi otonom berkaitan dengan fungsi uang sebagai media

pertukaran atau medium of exchange dan transaksi induksi dilakukan untuk

penyesuaian stok uang. Jika stok uang yang dimiliki oleh agen-agen ekonomi

melampaui batas atas atau bawah bawah, maka mereka akan melakukan transaksi

induksi untuk menyesuaikan stok uang mereka ke suatu nilai target tertentu. Dalam

kondisi ini, mereka mungkin menghadapi biaya penyesuian atau adjustment cost

dalam rangka dicapainya kondisi optimal atau keseimbangan.

Barangkali, deskripsi sederhana yang cukup jelas mengenai model stok

penyangga yang diungkapkan oleh Laidler (1984, 1987). Menurut pendapat Laidler,

bahwa jumlah uang yang ingin dipegang oleh yang bersangkutan pada suatu waktu,

tetapi lebih ditunjukkan oleh nilai rata-rata atau target dari suatu persediaan atau


inventory, suatu stok penyangga atau kas keseimbangan atau cash balances. Dalam

situasi ini mungkin saja terjadi fluktuasi jumlah aktual uang yang dipegang oleh

pelaku ekonomi sebagai akibat adanya komponen stokastik dari pola pembayaran dan

penerimaan yang dihadapi oleh mereka. Dengan kata lain, alasan mengapa orang

bersedia memegang uang sebagai stok penyangga karena uang berfungsi sebagai

media pertukaran dan dapat menghilangkan kejutan dan kesenjangan-kesenjangan

dalam perekonomian yang mungkin terjadi antara pengaruh kejutan dan atau

kesejangan. Adanya aliran dana masuk yang tidak diantisipasi atau tidak

diperkirakan, mungkin dipandang sebagai kelebihan memegang uang pada suatu

waktu tertentu. Hal ini karena periode pemegangan uang diharapkan hanya dalam

waktu pendek atau sementara atau mungkin agen ekonomi akan menghadapi biaya

penyesuaian jika mereka melakukan penyesuian portofolio secara berkesinambungan.

Fenomena ini selanjutnya dipergunakan untuk menjelaskan mengapa pelaku ekonomi

bersedia menerima uang atau membiarkan adanya penyimpangan temporer antara

jumlah aktual uang yang dipegang dan jumlah uang yang diinginkan. Dengan kata

lain, ide mengenai uang sebagai stok penyangga adalah relevan jika perekonomian

yang diamati berada dalam keadaan tidak seimbang atau disequilibrium

2.3 Penelitian Sebelumnya

Achyar Iljas (1998) dengan judul “The Transmission Mechanism of Monetary

Policy in Indonesia”. Menggunakan sample data 3 bulan periode 1983 – 1996,

menggunakan metode kointegrasi dan error correction mechanism (ECM) model


menunjukkan bahwa permintaan uang (M1) secara relatif stabil dengan nilai koefisien

determinasi yang baik. Permintaan uang yang stabilitas harus diinterpretasikan secara

hati-hati, yang mana tingkah laku permintaan uang cukup sensitive pada perubahan

struktur keuangan.

Dengan menggunakan kointegrasi dan model koreksi kesalahan untuk

mengestimasi fungsi permintaan uang, diperoleh persamaan jangka panjang

(persamaan kointegrasi) permintaan uang M1 dan persamaan jangka pendek

(persamaan dinamis koreksi kesalahan) permintaan uang M1.

Produk Domestik Bruto (PDB) berpengaruh secara signifikan terhadap

permintaan uang dalam arti sempit (M1) dan perkembangannya searah dengan

perubahan permintaan uang.. Pengukuran PDB terhadap permintaan uang sesuai

dengan yang diharapkan karena koefisien regresi bertanda positif.

Perubahan pemintaan uang dalam arti sempit (M1) tahun sebelumnya,

perubahan permintaan uang dalam arti sempit (M1) 2 tahun sebelumnya, perubahan

produk domestik bruto (PDB), perubahan tingkat harga (indeks harga konsumen),

perubahan tingkat suku bunga deposito 3 bulanan tahun sebelumnya, perubahan rasio

indeks keuangan (M1/PDB) berpengaruh secara signifikan secara statistik terhadap

perubahan permintaan uang dalam arti sempit (M1). Dengan R2 = 0,88.

Pengukuran terhadap Produk Domestik Bruto (PDB) dan indeks harga

konsumen tanda koefisien regresinya sesuai yang diharapkan, sedangkan koefisien

regresi suku bunga deposito 3 bulanan (t-1) bertanda posititf padahal menurut teori

ekonomi antara permintaan uang dengan suku bunga bertanda negatif. Sedangkan


nilai koreksi kesalahan (ECT) secara statistik signifikan dan bernilai negatif yang

berarti model yang terbentuk konsisten, hal ini juga mencerminkan bahwa permintaan

uang stabil.

Keith Cuthbertson dan Bredin (2001), dengan judul “Money demand in the

Czech Republic Since Transition”. Menggunakan data bulanan tahun 1992-1997 dan

menggunakan model Non Linear Least Squares (NLLS) atau Nonlinear Instrumental

Variables (NLIV). Dari estimasi diperoleh hasil bahwa error correction term (ECT)

secara statistik signifikan, hal ini hubungan dalam jangka panjang antara permintaan

uang riil dan pendapatan riil serta inflasi konsisten. Koefisien tanda regresi dari

pendapatan dan inflasi sesuai yang diharapkan (teori). Model yang diperoleh sahih

dikarenakan variabel errornya tidak terjadi autokorelasi dan berdistribusi normal serta

ECT stationer. Dari persamaan yang diperoleh dalam jangka panjang elastisitas

pendapatan dan inflasi sebesar 1,15 dan -4,04. Elastistas pendapatan sebesar 1,15

berada dalam range estimasi tipikal dari Negara-negara berkembang (Boughton,

1991) dan nilai ECT sebesar 0,06.

Petra Gerlach-Kristen (2001), dengan judul “The Demand for Money in

Switzerland”. Menggunakan data tahunan tahun 1938-1990 dan dalam estimasi

permintaan uang menggunakan uji akar-akar unit, kointegrasi dan koreksi kesalahan

(ECM) diperoleh hasil bahwa error correction term (ECT) secara statistik signifikan

dan bernilai (-), hal ini menandakan bahwa model yang terbentuk konsisten.

Perubahan permintaan uang riil ditentukan secara signifikan oleh lag perubahan

permintaan uang riil tahun sebelumnya, lag pertumbuhan pendapatan, perbedaan


tingkat pengembalian (yield) surat berharga dengan tingkat suku bunga deposito dan

lag perubahan perbedaan suku bunga Swiss dengan Amerika Serikat (US).

George Kararach (baku), dengan judul “Evidence on the demand for money

function in Uganda”. Menggunakan data tahunan 1981-1998 dan dalam estimasi

permintaan uang menggunakan persamaan koreksi kesalahan (error corrected) dan

menggunakan Cochrane-Orcutt method.

Estimasi permintaan uang dalam jangka panjang dengan menggunakan

metode Cochrane-Orcutt diperoleh hasil bahwa permintaan uang dipengaruhi oleh

pendapatan dan inflasi sebelumnya (t-1) signifikan secara statistik, sedangkan nilai

tukar riil, suku bunga dan inflasi sekarang secara statistik tidak signifikan

mempengaruhi permintaan uang.

Estimasi ECM dengan metode OLS atau Ordinary Least Squares pada

kointegrasi VAR(4) diperoleh hasil signifikan secara statistik dan bernilai negatif (-).

Dari persamaan tersebut diperoleh hasil bahwa permintaan uang dipengaruhi tingkat

pendapatan dan tingkat suku bunga signifikan secara statistik, sedangkan inflasi tidak

berpengaruh signifikan secara statistik.

Pedro Teles dan Ruilin Zhou (2005), dengan judul “A Stable Money Demand:

Looking for The Right Monetary Aggregate”. Persamaan permintaan yang diperoleh

dari Lucas (2000) adalah sebagai berikut: Mt/Pt = α Yt it-γ , dimana Mt = M1, Pt =

tingkat harga, Y = aggregate output, i = suku bunga dalam jangka pendek, γ = 0,5 dan

α = konstanta. Dengan menggunakan metode Ordinary Least Square (OLS)


diperoleh hasil bahwa elastisitas suku bunga adalah 0,24. Arti dari persamaan diatas

bahwa setiap kenaikan 1 persen biaya oportunitas akan mengakibatkan penurunan

saldo uang riil.

Barry Harrison dan Yulia Vymyatnina (2005), dengan judul “Demand for

Money During Transaction: The Case of Russia”. Menggunakan data bulanan juli

1995 – juli 2004 dan dalam estimasi permintaan uang menggunakan uji kointegrasi

dan vector koreksi kesalahan model (VECM) diperoleh hasil bahwa semua variabel

(total perdagangan dan nilai tukar) dalam hubungan kointegrasi mempunyai tanda

sesuai yang diharapkan. Artinya sesuai dengan teori bahwa total perdagangan

(pendapatan) akan bertanda positif terhadap permintaan uang dan juga nilai tukar

mempunyai tanda negtif terhadap permintaan uang.

Dan diperoleh juga hubungan secara langsung antara keseimbangan uang riil

dan total transaksi riil. Sebagaimana yang diharapkan, elastisitas pendapatan dan

elastisitas nilai tukar lebih tinggi pada agregat M2 dibandingkan agregat M1.

Insukindro (1998), dengan judul “Pendekatan Stok Penyangga Permintaan:

Tinjauan Teori dan Sebuah Studi Empirik di Indonesia”. Data yang digunakan dalam

studi ini adalah data kuartalan tahun 1987:1 – 1997:4. Variabel shock adalah jumlah

uang beredar M1 yang tidak diantisipasi selaras dengan konsep Carr-Darby (1981)

dan diestimasi dengan menggunakan pendekatan AR(2) dan deviasi trend kuadrat.

Dalam estimasi permintaan uang menggunakan uji kointegrasi dan Insukindro-

koreksi kesalahan model (I-ECM) diperoleh hasil bahwa koefisien regresi pendapatan

bertanda positif dan suku bunga bertanda negatif sesuai harapan (teori) dan statistik


CRDW (cointegrating regression Durbin-Watson) dan DF (Dickey Fuller) untuk uji

kointegrasi memberi indikasi bahwa variabel permintaan uang kartal, pendapatan dan

suku bunga berkointegrasi atau mempunyai hubungan keseimbangan jangka panjang.

Dengan demikian residu regresi kointegrasi atau kesalahan ketidakseimbangan

stasioner atau I(0). Hasil studi empirik memperoleh hasil koefisien regresi ECT(-1)

bertanda negatif dan signifikan secara statistik berarti sesuai dengan harapan (teori).

Sedangkan untuk pendapatan koefisien regresi bertanda positf dan suku bunga

bertanda negatif dan ini semua semua dengan harapan teori. Sedangkan hasil

estimasi koefisien regresi variabel shock ternyata hanya signifikan untuk jangka

pendek dan ini sekaligus mendukung harapan studi bahwa pendekatan stok

penyangga melandasi permintaan uang kartal di Indonesia.

Catur Sugiyanto (1994), tentang analisis permintaan uang M1, M2 dan uang

kuasi dengan menggunakan metode PAM dan ECM. Data yang digunakan dalam

studi ini antara tahun 1960 – 1990. Dengan menggunakan variabel-variabel uang M1,

uang M2, uang kuasi, konsumsi agregat, suku bunga deposito 12 bulan, indeks harga

konsumen, tingkat inflasi dan kurs US dollar terhadap rupiah. Dalam estimasi

permintaan uang M1 diperoleh hasil bahwa koefisien regresi ECT(-1) bertanda

negatif dan signifikan secara statistik dan ini sesuai dengan harapan teori. Sedangkan

untuk variabel-variabel dependent konsumsi agregat, inflasi dan indeks harga

konsumen signifikan secara statistik dan untuk suku bunga deposito 12 bulan secara

statistik tidak signifikan.


2.4 Penurunan Model Permintaan Uang

Pada umumnya penurunan model permintaan uang dalam studi empirik telah

mengabaikan peranan penawaran uang atau supply of money sebagai variabel

independen dan telah mengadopsi pandangan bahwa stok uang nominal sebagai

variabel tak bebas. Deskripsi ini telah mendorong peneliti untuk mengatakan

penawaran uang ditentukan permintaan uang dan kedua besaran ekonomi tersebut

berada dalam keadaan seimbang. Hal ini berbeda dengan konsep stok penyangga

seperti yang diungkapkan Laidler (1984, 1987) yang mengatakan bahwa perubahan

penawaran uang merupakan variabel endogen dari permintaan uang. Disini dianggap

bahwa jumlah uang yang ditawarkan dalam perekonomian tidak selalu sama dengan

jumlah uang yang diminta masyarakat. Fenomena ini juga mencerminkan adanya

konsep ketidakseimbangan jangka pendek dan perkembangan pendekatan stok

penyangga sebagai tanggapan atas kegagalan pendekatan yang tradisional.

Berkaitan dengan pendekatan stok penyangga, Carr dan Darby (1981),

misalnya mengusulkan suatu model permintaan uang yang meliputi perubahan

penawaran uang yang tidak diantisipasi. Keduanya berpendapat bahwa perubahan

penawaran uang yang diantisipasi dapat disesuaikan secepatnya melalui perubahan

harga, sedangkan perubahan penawaran uang yang tidak teantisipasi akan mendorong

perubahan temporer uang yang ingin dipegang. Model mereka merupakan perluasan

Model Penyesuaian Parsial (PAM) dengan menambahkan perubahan uang beredar

yang tidak diantisipasi pada sisi kanan dari model yang diamati. Lebih lanjut Browne

(1989) memperkenalkan sebuah uji baru mengenai stok penyangga uang dengan


menganggap bahwa adanya perubahan penciptaan uang yang eksogen secara

potensial dapat menjadi ketidak seimbangan.

Berkaitan dengan pendekatan ketidakseimbangan uang, akhir-akhir ini telah

muncul berbagai bentuk model stok penyangga permintaan uang baik yang meliputi

perilaku masa lalu atau backward looking behaviour maupun perilaku masa yang

akan datang atau forward looking behaviour.

Pendekatan pada perilaku masa lalu umumnya berpendapat bahwa pelaku

ekonomi berusaha mengoptimalisasikan fungsi biaya kuadrat periode tunggal atau

single period quadratic cost function (Domowitz dan Elbadawi, 1987; Insukindro,

1992, 1993). Pendekatan pada perilaku masa yang akan datang menyatakan bahwa

pelaku ekonomi menghadapi fungsi biaya kuadrat berganda atau multi period

quadratic cost function (Cuthbertson, 1988, 1997; Price dan Insukindro, 1994).

Model yang akan diturunkan dibawah ini pada prinsipnya sejalan dengan

pendekatan perilaku masa lalu dan merupakan perluasan dari pendekatan koreksi

kesalahan yang baku atau standard error correction model = ECM. Untuk

mengilustrasikan penurunan modelnya adalah sebagai berikut:

Adanya unsur ketidakpastian menyebabkan individu menentukan keputusan

untuk memegang stok uang kas dan aktiva keuangan lainnya [obligasi, saham, deposit

dan pinjaman sistem perbankan] pada periode tertentu. Individu membagi endowment

nominal (y) dalam bentuk kas (Mt) dan aktiva keuangan lainnya (Bt). Pada periode

[t+1] dan [t+2] mengandung unsur ketidakpastian dalam konsumsi, sehingga

expected utility maksimum adalah


][)1(][)( 21 ++ −+= tt cuqcuquE (2.2)

dimana:

q = probabilitas mengkonsumsi periode [t + 1], dan

1 - q = probabilitas mengkonsumsi periode [t + 2].

Konsumsi periode [t+1] adalah (Mt / Pt+1), konsumsi periode [t+2] adalah

[Mt + Bt × (1 + R)] / Pt+2] dan tingkat bunga nominal (R). Persamaan (16) dapat

ditulis kembali dalam bentuk persamaan:

21

)1()1()(++

++−+=

t

tt

t

t

PRBMuq

PMuquE (2.3)

Berdasarkan clower or cash in advance constraint [Y = Mt + Bt], fungsi

lagrange dari expected utility dan FOC atau First Order Condition masing-masing

adalah

][)1()1(21,,

ttt

tt

t

t

BtMtBMY

PRBMuq

PMuqL −−+

++−+=

++

λλ

0)1(2

2

1

1 =−′−+′+

+

+

+ λt

t

t

t

PCuq

PCuq

0)1()1(2

2 =−+′−+

+ λRPCuq

t

t

Y - Mt - Bt = 0


)1()1()1(2

2

2

2

1

1 RPCuq

PCuq

PCuq

t

t

t

t

t

t +′−=′−+′+

+

+

+

+

+

2

2

1

1 )1(+

+

+

+ ′−=′t

t

t

t

PCuqr

PCuq

2211

)]1()([)1(++++

+−+′−=′tt

tt

tt

t

PPRMYMuqR

PPMuq (2.4)

Diasumsikan bahwa individu atau rumahtangga adalah constant relative risk

aversion (CRRA) sehingga fungsi utilitas individu:

γ

γ

−=

−

1)(

1CCU (2.5)

Koefisien constant relative risk aversion: γ−=−

=)(')("

CUCCUCRRA . Oleh

sebab itu persamaan (2.4) dapat ditulis dalam bentuk (Manurung, 2002):

12

2

11

1

)1)(()1( −+

−

+

−+

−

+⎥⎦

⎤⎢⎣

⎡ +−+′−=⎥⎦

⎤⎢⎣

⎡′ t

t

ttt

t

t PP

RMYMuqRPPMuq

γγ

γγ /1

2

1

1

2

/11

1

)1()1(⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −+⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡

+

+

−

+

−

+ t

t

t

t

t

t

PP

PRMRY

qqR

PM

γγ /1

2

1

1

2

/1

1 )1()1(⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −+⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡

+

+

−

+

+

t

t

t

t

t

t

PP

PRMRY

qqR

MP

γγ /1

2

12

/1

1

)1()1(

⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡−+⎥

⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡

+

+++

t

t

t

t

t

t

PP

RMRYP

qqR

MP


γγ /1

2

1

1

2

/1)1()1(

⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡ −+

+

+

+

+

t

t

t

t

t

t

PP

PP

qqR

MRMRY

γγγ /)1(

2

1

/1)1()1(

−

+

+⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡ −+

t

t

t

t

PP

qqR

MRMRY

γγγ /)1(

1

2

/1)1()1(

−

+

+⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡ −+

t

t

t

t

PP

qqR

MRMRY

γγγ

π /)1(/1

]1[)1()1( −+⎥

⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡ −+q

qRM

RMRY

t

t

RRq

q

RYMt

+⎥⎦

⎤⎢⎣

⎡ −+

+=

−

γγγ

π/1

/)1( )1()1(

)1( (2.6A)

xY

RRq

q

RM t

+⎥⎦

⎤⎢⎣

⎡ −+

+=

−γ

γγπ

/1/)1( )1()1(

)1( (2.6B)

RRq

q

Rq

q

YBt

+⎥⎦

⎤⎢⎣

⎡ −+

−⎥⎦

⎤⎢⎣

⎡ −+

=−

−

γ

γγ

γγγ

π

π

/1

/)1(

/1/)1(

1)1(

11)1( (2.6C)

xY

RRq

q

Rq

q

Bt

+⎥⎦

⎤⎢⎣

⎡ −+

−⎥⎦

⎤⎢⎣

⎡ −+

=−

−

γ

γγ

γγγ

π

π

/1

/)1(

/1/)1(

1)1(

11)1( (2.6D)


Persamaan (2.6A), (2.6B), (2.6C) dan (2.6D) masing-masing menjelaskan

permintaan uang untuk transaksi dan berjaga-jaga serta permintaan uang untuk

spekulasi [obligasi dan aktiva keuangan lainnya]. Diketahui bahwa [0 < q < 1] dan

rumah tangga risk averse [γ > 1] maka permintaan uang untuk berjaga-jaga dan

transaksi fungsi menurun dari inflasi (π) dan tingkat bunga nominal (R). Permintaan

uang untuk spekulasi [obligasi atau aktiva keuangan lainnya] merupakan fungsi

menurun dari tingkat bunga nominal (R) dan fungsi meningkat dari tingkat inflasi (π).

Permintaan uang untuk spekulasi [obligasi atau aktiva keuangan lainnya] akan naik

jika inflasi naik disebut Tobin Effect. Oleh sebab itu unsur ketidakpastian dan

preferensi mengkonsumsi individu berpengaruh signifikan terhadap permintaan stok

uang dan obligasi. Menurut persamaan (2.6A), (2.6B), (2.6C) dan (2.6D), elastisitas

permintaan stok uang dan obligasi terhadap output agregat bersifat uniter jika [q = 1].

Dari uraian diatas diperoleh hasil bahwa permintaan uang nominal ditentukan

oleh tingkat pendapatan, suku bunga dan tingkat harga. Dengan demikian peneliti

menyajikan model sebagai berikut :

M1Dt* = a0 + a1 GDPt + a2 INRt + a3 INFt (2.7)

a1 > 0, a2 < 0 dan a3 < 0

Dalam keadaan seimbang persamaan (2.7) terpenuhi, namun dalam keadaan

sistem ekonomi pada umumnya jarang sekali terjadi keseimbangan. Diasumsikan


bahwa perekonomian yang diamati berada dalam ketidak seimbangan, maka pelaku

ekonomi akan menemukan bahwa jumlah aktual uang yang diminta berbeda dengan

jumlah uang yang mereka inginkan atau rencanakan. Dalam kasus ini dianggap

bahwa perbedaan tersebut terjadi karena adanya variabel shock dan keterlambatan

penyesuaian yang mengikutinya. Dengan demikian besarnya perbedaan tersebut

adalah:

DE = M1Dt - a0 - a1 GDPt - a2 INRt – a3 INFt (2.8)

Nilai perbedaan (DE) dikenal sebagai kesalahan ketidak seimbangan atau

disequilibrium error.

Sesuai dengan pendekatan yang diajukan Domowitz dan Elbadawi (1987)

yang menawarkan fungsi biaya tunggal yang cocok untuk menurunkan model koreksi

kesalahan yaitu dengan memasukkan vector yang mempengaruhi variabel tak bebas

dengan bobot tertentu dan diasumsikan secara linier tergantung kepada kepada

variabel tak bebas pada komponen biaya penyesuaian. Maka fungsi biaya yang

dihadapi oleh pelaku ekonomi adalah sebagai berikut:

Ct = b1 (M1Dt – M1Dt*)2 + b2 {(1-B) M1Dt – ft (1-B) Zt}2 (2.9)

dimana:

Ct = fungsi biaya yang dihadapi pelaku ekonomi

M1Dt = permintaan uang aktual

M1Dt* = permintaan uang yang diinginkan atau diharapkan

B = operasi kelambanan waktu

Zt = vektor variabel yang mempengaruhi permintaan uang riil


ft = vector deret yang merupakan bobot pada komponen biaya penyesuaian

untuk persamaan terkait

Fungsi biaya diatas terdiri atas 2 komponen. Komponen pertama adalah biaya

ketidak seimbangan dan komponen kedua disebut biaya penyesuaian. Sedangkan

parameter b1 dan b2 adalah bobot yang diberikan pelaku ekonomi atas kedua fungsi

biaya tersebut.

Selanjutnya, dengan minimisasi fungsi biaya persamaan (2.9) terhadap Mt

(∂Ct/∂M1Dt = 0), maka diperoleh persamaan berikut:

0})1(1)1{(2)11(21 2

*1 =−−−+−=

∂∂

tttttt

t ZBfDMBbDMDMbDM

C

0})1(1)1{()11( 2*

1 =−−−+− ttttt ZBfDMBbDMDMb

0)1(1)1(11 22*

11 =−−−+− ttttt ZBfbDMBbDMbDMb

ttttt ZBfbDMbDMBbDMb )1(11)1(1 2*

121 −+=−+

tttttt ZBfbDMbDBMbDMbDMb )1(1111 2*

1221 −+=−+

tttt ZBfbDMbDMBbb )1(11)1([ 2*

121 −+=−+

tttt ZBfBbb

bDMBbb

bDM )1()1(

1)1(

121

2*

21

1 −−+

+−+

=

M1Dt = c M1Dt* + d ft (1-B) Zt + μt (2.10)


dimana:

)1(21

1

Bbbbc

−+=

)1(21

2

Bbbbd

−+=

Substitusikan persamaan (2.7) kedalam persamaan (2.10) maka diperoleh

persamaan sebagai berikut:

M1Dt = c a0 + c a1 GDPt + c a2 INRt + c a3 INFt + d f1 (1-B) [ a0

+ a1 GDPt + a2 INRt + a3 INFt ] + μt (2.11)

M1Dt = α0 + α1 GDPt + α2 INRt + α3 INFt + μt (2.12)

Persamaan (2.12) mencerminkan hubungan jangka pendek (short run) atau

ketidak seimbangan yang meliput nilai level dan kelambanan M1Dt, GDPt, INRt dan

INFt. Permasalahan utama dalam mengestimasi persamaan (2.12) adalah berkaitan

dengan level variabel yang mungkin tidak stasioner. Jika level variabel tidak

stasioner, maka estimasi persamaan (2.11) dengan menggunakan metode OLS dapat

menyebabkan munculnya regresi lancung (Insukindro, 1999). Untuk mengatasi

masalah tersebut, persamaan (2.12) diparameterisasi ulang menjadi:

dM1Dt = α1 dGDPt + α2 dINRt + α3 dINFt + α4 εt (2.13)


dimana:

dM1Dt = M1Dt – M1Dt-1

dGDPt = GDPt – GDPt-1

dINRt = INRt – INRt-1

εt = μt – μt-1

Persamaan (2.13) menjelaskan bahwa perubahan jumlah permintaan uang riil

yang diminta masa sekarang (dM1Dt) dipengaruhi oleh perubahan tingkat pendapatan

nasional (dGDPt), perubahan tingkat suku bunga (dINRt) dan perubahan harapan

inflasi (dINFt) serta kesalahan keseimbangan atau komponen koreksi kesalahan

(error correction term) periode sebelumnya. Jika diamati lebih lanjut akan terlihat

bahwa persamaan (2.13) hanya meliput kelambanan satu periode sehingga model

koreksi kesalahan ini dikenal sebagai first order error correction model. Lebih lanjut,

dari persamaan (2.13) dapat dikemukakan arti dari parameter-parameter yang ada.

Adapun arti dari parameter α1, α2 dan α3 menjelaskan pengaruh jangka pendek GDPt,

INRt dan INFt terhadap permintaan uang riil, dan α4 menjelaskan pengaruh jangka

panjang GDPt, INRt dan INFt terhadap permintaan uang riil.

Persamaan (2.13) ini dalam analisis deret waktu atau time series dikenal

sebagai model koreksi kesalahan yang baku atau standar error correction model.


2.5 Kerangka Pemikiran

Penelitian ini mengembangkan pandangan dari teori permintaan uang dengan

menggunakan pendekatan stok penyangga yang menyatakan bahwa permintaan uang

dipengaruhi oleh pendapatan dan tingkat suku bunga. Dalam penelitian ini, penulis

memasukkan variabel inflasi. Alasan pemilihan memasukkan variabel inflasi

mempengaruhi perilaku masyarakat terhadap permintaan uang disebabkan karena

harapan inflasi merupakan opportunity cost dari memegang uang yang nantinya akan

mempengaruhi permintaan akan uang di masyarakat.

PENDAPATAN

NASIONAL

SUKU BUNGA PERMINTAAN UANG

INFLASI

Gambar 2.2. Kerangka Pemikiran Penelitian

2.6 Hipotesis Penelitian

Berdasarkan perumusan masalah dan dari beberapa penelitian empiris yang

dilakukan oleh peneliti-peneliti sebelumnya, maka hipotesisnya adalah sebagai

berikut:


a) Terdapat pengaruh positif antara Produk Domestik Bruto (PDB) terhadap

permintaan uang di Indonesia, ceteris paribus.

b) Terdapat pengaruh negatif antara suku bunga deposito 3 bulan terhadap

permintaan uang di Indonesia, ceteris paribus.

c) Terdapat pengaruh positif antara inflasi terhadap permintaan uang di

Indonesia, ceteris paribus.


BAB 3

METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah perkembangan permintaan uang di

Indonesia dengan pendekatan stok penyangga selama kurun waktu tahun 1999:4 –

2006:4 dan faktor-faktor yang mempengaruhinya.

3.2 Jenis dan Sumber Data Penelitian

Penelitian ini menggunakan data sekunder. Data sekunder bersumber dari

Bank Indonesia (BI) dan Badan Pusat Statistik (BPS). Adapun data yang diperlukan

adalah data uang kartal (M1), pendapatan nasional (proksi Produk Domestik Bruto

berlaku), suku bunga deposito 3 bulan dan inflasi.

3.3 Model Analisis

Model analisis yang digunakan dalam penelitian ini adalah model hasil

penurunan model dinamik yang dihasilkan pada persamaan (2.12). yaitu :


Berdasarkan persamaan (3.1) lebih lanjut dapat dikemukakan ciri khas dari

model koreksi kesalahan, dimana koefisien error correction model (ECT) = α4 harus

signifikan secara statistik.


dimana:

dM1Dt = perubahan permintaan uang M1 (Rp Milyar)

dGDPt = perubahan Produk Domestik Bruto (Rp Milyar)

dINRt = perubahan tingkat suku bunga depostito 3 bulan (Persen)

dINFt = perubahan inflasi (Persen)

αi = koefisien regresi

εt = error term [M1Dt – M1D*t]

Apabila terdapat hubungan yang simultan antar variabel yang diamati,

variabel-variabel tersebut diperlakukan sama, sehingga tidak ada lagi variabel

endogen dan eksogen. Pernyataan ini merupakan jiwa dari vector autoregressive

(VAR) model. (Enders, 2004)

Dengan mengidentifikasikan variabel permintaan uang M1 (M1D), Produk

Domestik Bruto (GDP), suku bunga deposito (INR) dan inflasi (INF) dari suatu

model ekonomi makro, dimana keempat variabel tersebut adalah variabel endogen

dalam persamaan simultan. Keempat variabel saling mempengaruhi satu sama lain

sehingga aplikasi model VAR dapat dilakukan sebagai berikut:

M1Dt = α1 + β1j M1Dt-j + λ1jGDPt-j + γ1jINRt-j + ω1jINFt-j + ε1 (3.2A)

GDPt = α2 + β2j GDPt-j + λ2jM1Dt-j + γ2jINRt-j + ω2jINFt-j + ε2 (3.2B)


INRt = α3 + β3j INRt-j + λ3jM1Dt-j + γ3jGDPt-j + ω3jINFt-j + ε3 (3.2C)

INFt = α4 + β4j INFt-j + λ4jM1Dt-j + γ4jGDPt-j + ω4jINRt-j + ε4 (3.2D)

dimana εt adalah disturbance term error yang disebut sebagai impulse or innovation

or shock dalam studi vector autoregressive (VAR). Masalah yang muncul adalah

penentuan panjang lag-time untuk mencapai stabilitas model. Pengujian stabilitas

model VAR menggunakan root of Characteristic Polynomial, dimana root dan

modulus lebih kecil dari satu. (Enders, 2004)

3.4 Definisi Operasional

Untuk memudahkan pemahaman terhadap istilah dan variabel yang digunakan

dalam penelitian ini maka perlu diberikan definisi operasional sebagai berikut:

1. Variabel tak bebas adalah jumlah uang kartal dan giral (M1D) riil yang

dipegang masyarakat.

2. Variabel pendapatan nasional diproksi dengan Produk Domestik Bruto (PDB)

dengan harga konstan.

3. Variabel suku bunga diukur dengan suku bunga deposito 3 bulan.

4. Variabel inflasi adalah kenaikan harga umum secara terus menerus dan

persisten dari suatu perekonomian. Ada beberapa indicator inflasi yang dapat

digunakan yaitu: Perubahan Indeks harga konsumen (IHK). Perubahan Indeks

Harga Perdagangan besar (IHPB), dan Perubahan Deflator PDB. Inflasi yang

digunakan dalam penelitian ini yaitu berdasarkan pada Indeks Harga

Konsumen yang diperoleh dengan formula:

Π = IHKt – IHKt-1 / IHKt-1


Dalam penelitian ini penulis membatasi ruang lingkup permintaan uang

dipengaruhi oleh Produk Domestik Bruto (PDB), tingkat suku bunga dan inflasi.

3.5 Metode dan Analisis Data

Metode yang digunakan dalam penelitian ini adalah metode kointegrasi

dengan Error Correction Model (ECM). Digunakannya metode ini adalah untuk

melihat hubungan maupun kestabilan dan perubahan struktur jangka panjang antara

variabel-variabel ekonomi. Selain itu agar diperoleh suatu model kandidat yang baik,

hasil estimasi dari ECM juga harus lolos dari berbagai uji diagnosisdan juga

dilakukan metode vector autoregressive (VAR) untuk menguji hubungan antar

variabel yang mengacu pada teori.

3.5.1 Uji Stasioneritas

Karena data yang digunakan dalam penelitian ini adalah data runtun waktu,

maka mengharuskan kita menggunakan data yang stasioner. Dengan demikian dapat

dimengerti mengapa stasioneritas menjadi masalah penting dalam analisis data time

series. Uji akar unit digunakan untuk mendeteksi apakah data yang digunakan dari

model autoregresif stasioner atau tidak. Uji ini berisi regresi dari diferensi pertama

data runtut waktu terhadap lag variabel tersebut, lagged difference terms, konstanta

dan trend.

Stasioner adalah apabila suatu data runtut waktu memiliki rata-rata dan

memiliki kecenderungan bergerak menuju rata-rata (Kennedy, 2000). Oleh sebab itu,


kurva data stasioner terhadap waktu akan sering melewati sumbu horizontal dan

autokorelasinya akan menurun dengan teratur untuk lag yang cukup besar.

Sebaliknya data yang tidak stasioner, varians menjadi semakin besar bila jumlah data

runtut waktu diperluas, tidak sering melewati sumbu horizontal dan autokorelasinya

cenderung tidak menurun.

Uji akar unit model autoregresif dalam penelitian ini (Dickey dan Fuller, 1979,

1981) dengan nama Augmented Dickey-Fuller (ADF) test kemudian ditaksir dengan

OLS (Ordinary Least Square) seperti persamaan berikut (model dengan intercept dan

trend):

t

m

ititt YYtY εαδββ +Δ+++=Δ ∑

=−−

11121 (3.7)

Dimana: m = panjang lag yang digunakan

Dari hasil persamaan diatas diperoleh nilai ADF statistik. Hasil ini kemudian

dibandingkan dengan nilai kritis dari Mackinon. Jika nilai ADF statistic lebih kecil

daripada nilai kritis Mackinnon pada derajat kepercayaan berarapun, maka dapat

disimpulkan bahwa data tersebut adalah tidak stasioner. Solusi yang harus dilakukan,

jika data yang diperoleh tidak stasioner adalah dengan menciptakan variabel baru

dengan cara first difference, lalu dilakukan kembali uji akar-akar unit.

3.5.2 Uji Kointegrasi


Pengujian ini dilakukan untuk mengetahui pada derajat atau order diferensi

keberapa data yang diamati akan stasioner. Pengujian ini dilakukan bila pada uji

akar-akar unit (langkah pertama diatas) dari data yang diamati tidak stasioner.

Uji kointegrasi bertujuan untuk mengetahui apakah seluruh variabel

mempunyai hubungan keseimbangan jangka panjang (berkointegrasi) atau tidak. Jika

berkointegrasi maka residual kointegrasi atau kesalahan ketidak seimbangannya

adalah stasioner.

Untuk melakukan pengujian kointegrasi harus diyakini terlebih dahulu bahwa

variabel terkait dalam pendekatan ini mempunyai derajat integrasi yang sama atau

tidak. Secara umum sebagian besar pengujian mengenai isu terkait lebih memusatkan

perhatian pada variabel yang berintegrasi nol I(0) atau satu I(1). Dalam penelitian ini,

uji statistik yang digunakan untuk menguji hipotesa nol yaitu tidak adanya kointegrasi

adalah uji Engle-Granger atau uji Augmented Engle-Granger dan uji CRDW

(Cointegration-Regression Durbin Watson). Untuk menghitung CRDW dan ADF

ditaksir regresi kointegrasi berikut dengan OLS. Dari persamaan (3.1) yaitu:


(i) Uji-Engle-Granger atau Uji Augmented Engle Granger

Dengan menggunakan DF atau ADF test dilakukan tahapan-tahapan sebagai

berikut:

1) Estimasi model regresi

2) Hitung residual-nya


3) Apakah residualnya stasioner? Jika stasioner, berarti regresi tersebut

merupakan regresi kointegrasi, atau variabel terikat dan bebas yang tidak

stasioner tersebut terkointegrasi sehingga menghasilkan residual yang

stasioner.

(ii) Uji Kointegrasi Durbin-Watson

Pengujian ini relatif sederhana, dengan tahapan sebagai berikut:

1) Hitung statistic Durbin-Watson (d). Mengingat d = 2(1-ρ), maka pada saat ρ

= 1, maka d = 0. Oleh karenanya hipotesis yang digunakan:

H0: d =0

2) Bandingkan nilai dhitung dengan dtabel, dengan kriteria sebagai berikut:

dhitung > dtabel maka tolak H0 , yang berarti μt stasioner dan terjadi kointegrasi

antar variabel.

3.5.3 Error Correction Mechanism

Dalam jangka panjang model permintaan uang M1 terhadap pendapatan

nasional, suku bunga deposito 3 bulan dan inflasi merupakan regresi kointegrasi atau

mengalami keseimbangan jangka panjang. Dalam jangka pendek, permintaan uang

mungkin tidak mengalami keseimbangan atau disequilibrium. Oleh sebab itu

disturbance term error pada persamaan (3.1) digunakan untuk menyatakan bahwa


dua atau lebih variabel terkointegrasi maka hubungan dua atau lebih variabel tersebut

dapat dijelaskan sebagai error correction mechanism (ECM).

Jika estimasi koefisien regresi komponen koreksi kesalahan tidak signifikan,

maka hubungan keseimbangan seperti yang diinginkan oleh teori tidak dapat ditaksir

dan dapat diduga akan adanya kemungkinan kesalahan spesifikasi. Kesalahan ini

dapat terjadi antara lain karena kesalahan memilih variabel yang relevan, kesalahan

bentuk fungsi, kesalahan membuat definisi operasional dan cara mengukurnya serta

kesalahan pemilihan atau pengambilan sampel. Dengan sendirinya estimasi koefisien

regresi koreksi kesalahan dapat dijadikan peringatan awal sebelum peneliti membahas

lebih lanjut hasil penelitiannya.

3.5.4 Uji Signifikansi

Setelah dinyatakan model tersebut valid, lalu dilakukan uji asumsi klasik

dengan uji autokorelasi. Autokorelasi dapat didefinisikan sebagai korelasi antara

anggota serangkaian observasi yang diurutkan menurut waktu seperti data dalam time

series. Sehingga terdapat saling ketergantungan antara faktor penganggu yang

berhubungan dengan observasi yang dipengaruhi oleh unsur gangguan yang

berhubungan dengan pengamatan lainnya. Oleh sebab itu masalah autokorelasi

biasanya muncul dalam data runtut waktu (time series), meskipun tidak menutup

kemungkinan terjadi dalam data cross sectional.

Uji untuk melihat autokorelasi dapat dilakukan dengan uji Durbin-Watson

Test ataupun dengan uji Langrange Multiplier Test (LM Test). Namun uji D-W Test


tidak bisa diterapkan terhadap model regresi yang mempunyai kelambanan (lagged)

dari variabel indenpenden. Oleh sebab itu, penelitian ini menggunakan uji LM Test.

Dengan membandingkan nilai χ2 hitung terhadap χ2 tabel dinyatakan penilaian

sebagai berikut:

1. Jika nilai χ2 hitung > χ2 tabel, maka hipotesisnya yang menyatakan bahwa tidak

ada masalah autokorelasi dalam model empiris yang digunakan ditolak.

2. Jika nilai χ2 hitung < χ2 tabel, maka hipotesisnya yang menyatakan bahwa tidak

ada masalah autokorelasi dalam model empiris yang digunakan tidak dapat

ditolak.


BAB IV

HASIL DAN PEMBAHASAN

4.1 Perkembangan Beberapa Indikator Ekonomi

Perekonomian Indonesia tahun 2006 menunjukkan perkembangan yang

semakin mantap, bahkan lebih baik dibandingkan tahun-tahun sebelumnya.

Pertumbuhan ekonomi yang meningkat, perkembangan tersebut didukung oleh

semakin terjaganya kestabilan makro ekonomi melalui penerapan kebijakan yang

konsisten. Optimisme pelaku ekonomi juga memberikan sumbangan positif yang

dalam perkembangannya semakin diperkuat oleh proses pemilihan umum yang

berlangsung secara demokratis, aman dan lancar. Meskipun demikian kerja keras

masih harus ditingkatkan mengingat perbaikan yang terjadi belum sepenuhnya

mampu mengatasi permasalahan yang dihadapi, terutama dalam hal penyerapan

tenaga kerja dan peningkatan daya saing ekonomi.

Kegiatan ekonomi mencatat pertumbuhan tertinggi kedua pasca krisis, yaitu

sebesar 5,48 persen sedangkan yang tertinggi tahun 2005 sebesar 5,68 persen, yang

ditunjukkan pada tabel 4.1. Konsumsi mengalami pertumbuhan yang relatif stabil ,

sedangkan kegiatan investasi meningkat tajam, demikian pula pertumbuhan ekspor

barang dan jasa terus meningkat, seiring dengan meningkatnya volume perdagangan

dunia yang diikuti dengan melonjaknya harga-harga komoditi minyak dan gas bumi

(migas) serta non migas. Sementara itu meningkatnya kegiatan investasi didorong


oleh membaiknya permintaan domestik dan dukungan pembiayaan. Sejalan dengan

meningkatnya permintaan domestik dan ekspor, kegiatan impor barang dan jasa juga

turut mengalami peningkatan. Perkembangan tersebut berhasil memperbaiki tingkat

kesejahteraan masyarakat yang tercermin pada peningkatan pendapatan per kapita.

Pertumbuhan ekonomi yang tinggi tersebut didukung dan dicapai dengan

stabilitas makro ekonomi yang terjaga. Perkembangan inflasi tahun 2006 lebih

rendah dibandingkan tahun 2005. Berikut ini dapat dilihat perkembangan beberapa

indicator makro ekonomi dari tahun 1999 sampai dengan tahun 2006.

Tabel 4.1. Pertumbuhan Beberapa Indikator Ekonomi

Pertumbuhan (Persen) 1999 2000 2001 2002 2003 2004 2005 2006

M1 beredar 23,16 30,13 9,58 7,99 16,60 13,41 11,07 28,08

Produk Domestik Bruto

(GDP)

0,79 4,91 3,64 4,50 4,78 5,03 5,68 5,48

Inflasi 2,01 9,35 12,55 10,03 5,06 6,40 17,11 6,60

Suku Bunga Deposito 3

bulan

12,95 13,24 17,24 13,63 7,14 6,71 11,75 9,71

Sumber : Bank Indonesia dan Badan Pusat Statistik

Ditengah kemajuan yang dicapai dan dinamika ekonomi yang berlangsung

pada tahun 2006, masih terdapat sejumlah permasalahan yang belum dapat

diselesaikan. Pemerintah masih harus berupaya keras untuk mengatasi iklim investasi

yang belum kondusif, ditengah kapasitas produksi yang belum optimal, efisiensi yang


masih rendah yang mengakibatkan rendahnya daya saing perekonomian dan kondisi

infrastruktur yang belum memadai.

Selain permasalahan di atas, perekonomian Indonesia tahun 2006 juga

dihadapkan pada berbagai tantangan yang dapat menghambat aktivitas perekonomian.

Disisi eksternal, kecenderungan suku bunga global yang meningkat diperberat juga

oleh peningkatan harga minyak yang tinggi serta perubahan persepsi global yang

berdampak pada aliran modal khusunya yang berjangka pendek, pada gilirannya

dapat mempengaruhi neraca pembayaran Indonesia. Selain itu kenaikan harga

minyak juga berdampak pada peningkatan defisit Anggaran dan Belanja Negara

(APBN) karena meningkatnya beban subsidi serta imported inflation yang

memberikan tekanan pada inflasi.

Berbagai tantangan yang melingkupi perekonomian menghadapkan para

pengambil kebijakan yang harus dilakukan secara hati-hati. Disektor moneter,

tantangan tersebut berupa meningkatnya potensi tekanan inflasi yang bersumber dari

depresiasi nilai tukar dan ekspetasi inflasi yang tinggi. Di bidang perbankan, struktur

dan kelembagaan yang belum kuat serta intermediasi perbankan yang belum berjalan

optimal mengakibatkan terhambatnya dukungan perbankan dalam pembiayaan riil,

meskipun tahun 2006 mencatat adanya perbaikan, sementara itu kebijakan fiskal

dihadapkan pada tantangan untuk mengurangi defisit APBN akibat tingginya subsidi

BBM. Di sektor riil, tantangan kebijakannya adalah untuk meningkatkan konsistensi

antar berbagai ketentuan, memperkuat pelaksanaan kebijakan di lapangan dan

menyelaraskan peraturan pemerintah pusat dan daerah.


Untuk merespon berbagai tantangan tersebut Bank Indonesia dan Pemerintah

telah menempuh berbagai kebijakan untuk memperkokoh stabilitas makro ekonomi

sekaligus tetap mendorong pertumbuhan ekonomi. Kebijakan moneter diarahkan

untuk tetap konsisten mencapai inflasi yang diharapkan. Begitu pula kebijakan

secara garis besar masih difokuskan pada upaya peningkatan stabilitas perbankan dan

meningkatkan peran perbankan dalam perekonomian terutama penyaluran kredit.

4.2 Perkembangan Moneter

Kondisi moneter pada tahun 2006 secara umum cukup stabil. Meskipun

dibayangi tantangan yang terutama bersumber dari sektor eksternal. Kestabilan

tersebut tercermin pada pertumbuhan uang primer yang relatif terkendali dan

pergerakan suku bunga yang cenderung menurun. Komitmen dan konsistensi Bank

Indonesia untuk mencapai sasaran inflasi dengan tetap mendukung percepatan

perbaikan perekonomian disertai semakin membaiknya kondisi sosial politik dan

iklim usaha mendorong tercapainya stabilitas moneter.

Respon kebijakan moneter pada tahun 2006 menjadi dua episode meskipun

secara keseluruhan bernuansa akomodatif. Pada episode pertama dengan

mempertimbangkan prospek perekonomian tahun 2006 yang kondusif Bank

Indonesia tetap melanjutkan kebijakan moneter yang longgar. Suku bunga instrumen

moneter mengalami penurunan secara bertahap ditengah upaya Bank Indonesia untuk

tetap mengoptimalkan penyerapan akses likuiditas. Kebijakan moneter menghadapi

tantangan yang bersumber dari perubahan sentiment eksternal yang bila tidak disikapi


oleh Bank Indonesia berpotensi menghadapi tekanan inflasi ke depan. Dalam upaya

menjawab tantangan ini kebijakan moneter secara perlahan bergulir menuju ketat

seperti tercermin pada tertahannya penurunan suku bunga. Sementara itu upaya

pengendalian likuiditas perbankan tetap dilakukan secara optimal.

Secara keseluruhan kebijakan yang telah ditempuh Bank Indonesia telah

memberikan sumbangan pada realisasi pertumbuhan uang primer yang relatif

terkendali, meskipun sedikit melampui perkiraan indikatifnya, sedangkan jumlah

uang yang beredar mengalami perkembangan yang positif baik dari segi nilai nominal

maupun pertumbuhan. Sementara itu masih cukup besarnya likuiditas perbankan

mendorong suku bunga instrumen moneter cenderung menurun.

4.3 Hasil Penelitian

Bagian ini menguraikan hasil-hasil selama periode penelitian, yaitu mengenai

hasil analisis terhadap faktor-faktor yang mempengaruhi permintaan uang dalam arti

sempit (M1) yaitu Produk Domestik Bruto, tingkat bunga deposito dan inflasi.

4.3.1 Permintaan Uang (M1)

Permintaan uang (M1) adalah jumlah uang kartal dan giral yang pegang

masyarakat. Rata-rata pertumbuhan jumlah uang (M1) yang dipegang oleh

masyarakat selama periode 1999 sampai dengan 2006 secara keseluruhan mengalami

perkembangan yang fluktuatif. Rata-rata pertumbuhan jumlah uang (M1) yang

dipegang masyarakat pada tahun 1999 sebesar 23,16 persen kemudian meningkat


pada tahun 2000 sebesar 30,13persen dan pada tahun 2001 mengalami penurunan

menjadi 9,58 persen dan turun lagi menjadi 7,99 persen pada tahun 2002. Pada tahun

2003 mengalami peningkatan menjadi 16,60 persen kemudian menurun pada tahun

2004 menjadi 13,41 persen dan turun lagi menjadi 11,07 persen pada tahun 2005

kemudian meningkat pada tahun 2006 menjadi 28,08 persen.

Pertumbuhan tersebut mencerminkan semakin membaiknya daya beli

perekonomian seiring pertumbuhan ekonomi ekonomi dan terkendalinya inflasi.

Tabel 4.2. Perkembangan Jumlah Uang (M1) Periode 1999:1 – 2006:4

Tahun M1 (Milyar Rp) Tahun M1(Milyar Rp)

1999:1 105.705 2003:1 181.239

1999:2 105.964 2003:2 194.878

1999:3 118.124 2003:3 207.587

1999:4 124.633 2003:4 223.799

2000:1 124.663 2004:1 218.998

2000:2 133.832 2004:2 234.726

2000:3 135.832 2004:3 240.911

2000:4 162.186 2004:4 253.818

2001:1 148.375 2005:1 250.492

2001:2 160.142 2005:2 267.635

2001:3 164.237 2005:3 273.954

2001:4 177.731 2005:4 281.905

2002:1 166.173 2006:1 277.293

2002:2 174.017 2006:2 313.153

2002:3 181.791 2006:3 333.905

2002:4 191.939 2006:4 361.073 Sumber: Bank Indonesia dan Badan Pusat Statistik (BPS)


4.3.2 Produk Domestik Bruto (GDP)

Produk Domestik Bruto (GDP) konstan yang merupakan proksi pendapatan

atau juga merupakan sebuah ukuran yang memberikan gambaran umum tentang

perkembangan perekonomian suatu negara selama periode 1999 sampai dengan 2006

secara umum mengalami perkembangan yang meningkat. Dari tabel 4.3 ditunjukkan

rata-rata pertumbuhan ekonomi pada tahun 1999 sebesar 0,79 persen kemudian

meningkat menjadi 4,91 persen pada tahun 2000 dan pada tahun 2001 turun menjadi

3,64 persen. Pada tahun 2002 meningkat menjadi 4,50 persen dan kemudian

meningkat menjadi 4,78 persen pada tahun 2003 dan terus meningkat hingga tahun

2005 menjadi 5,68 persen dan turun menjadi 5,48 persen pada tahun 2006.

Meningkatnya pertumbuhan Produk Domestik Bruto (GDP) ini akibat dari

semakin menurunnya tingkat suku bunga moneter dan terkendalinya tingkat inflasi

serta adanya perbaikan iklim investasi oleh pemerintah sehingga terjadinya

peningkatan investasi.


Tabel 4.3. Perkembangan Produk Domestik Bruto (GDP) Konstan Atas Dasar Harga Tahun 2000 Periode 1999:1 – 2006:4

Tahun GDP (Milyar) Tahun GDP(Milyar)

1999:1 329.334,7 2003:1 386.743,9

1999:2 326.857,0 2003:2 394.620,5

1999:3 339.291,4 2003:3 405.607,6

1999:4 330.342,5 2003:4 390.199,3

2000:1 342.852,4 2004:1 402.597,3

2000:2 340.865,2 2004:2 411.935,5

2000:3 355.289,5 2004:3 423.852,3

2000:4 350.762,8 2004:4 418.131,7

2001:1 356.114,9 2005:1 427.003,0

2001:2 360.553,0 2005:2 436.110,0

2001:3 367.517,4 2005:3 448.492,5

2001:4 356.240,4 2005:4 439.050,6

2002:1 368.650,4 2006:1 448.276,8

2002:2 375.720,9 2006:2 457.724,7

2002:3 387.919,6 2006:3 474.797,5

2002:4 372.925,5 2006:4 465.855,9 Sumber: Bank Indonesia dan Badan Pusat Statistik (BPS)

4.3.3 Suku Bunga

Dari tabel 4.4 ditunjukkan bahwa suku bunga deposito 3 bulan sebagai

instrumen moneter mengalami penurunan pada tahun 2006 yaitu sebesar 9,71 persen


dibandingkan tahun 2005 sebesar 11,75 persen. Untuk tahun 2003 sebesar 7,14

persen dan tahun 2004 sebesar 6,71persen.

Selama krisis suku bunga yang lebih tinggi banyak dipengaruhi oleh kalangan

likuiditas yang dialami oleh bank-bank yang kurang sehat atau tidak sehat yang

secara structural mengandalkan sumber dana pada pasar uang antar bank.

Sebagaimana telah kita ketahui bahwa sektor perbankan telah mengidap

berbagai kelemahan tercermin pada besarnya jumlah kredit macet pada sejumlah

bank dengan terjadinya krisis yang telah mengakibatkan pemerintah mengambil

kebijkan ketat, disamping serbuan rush berulang-ulang sector perbankan menjadi

semakin terpuruk karena disintermediasi perbankan sudah terjadi sejak akhir 1997

dan kualitas aktiva produktif juga semakin buruk.

4.3.4 Inflasi

Perkembangan harga-harga barang dan jasa di tingkat konsumen selama 2006

relatif masih terkendali dan mengalami kecenderungan menurun bila dibandingkan

tahun 2005. Dari tabel 4.5 ditunjukkan bahwa inflasi pada tahun 2006 sebesar 6,60

persen lebih rendah bila dibandingkan dengan inflasi tahun 2005 sebesar 17,11 persen.

Namun inflasi tahun 2006 lebih tinggi dibandingkan inflasi tahun 2003 dan 2004

yang sebesar 5,06 persen dan 6,40 persen.


Tabel 4.4. Perkembangan Suku Bunga Deposito 3 bulan Periode 1999:1 – 2006:4

Tahun INR

(Persen)

Tahun INR

(Persen)

1999:1 34,85 2003:1 12,90

1999:2 27,39 2003:2 11,55

1999:3 15,88 2003:3 8,58

1999:4 12,95 2003:4 7,14

2000:1 12,40 2004:1 6,11

2000:2 11,69 2004:2 6,31

2000:3 12,84 2004:3 6,61

2000:4 13,24 2004:4 6,71

2001:1 14,86 2005:1 6,93

2001:2 15,00 2005:2 7,19

2001:3 16,16 2005:3 8,51

2001:4 17,24 2005:4 11,75

2002:1 17,02 2006:1 11,61

2002:2 15,85 2006:2 11,34

2002:3 14,36 2006:3 11,05

2002:4 13,63 2006:4 9,71 Sumber: Bank Indonesia dan Badan Pusat Statistik (BPS)


Tabel 4.5. Perkembangan Inflasi Periode 1999:1 – 2006:4

Tahun INF

(Persen)

Tahun INF

(Persen)

1999:1 4.17 2003:1 0,77

1999:2 2.27 2003:2 1,23

1999:3 -0,04 2003:3 2,48

1999:4 2,01 2003:4 5,06

2000:1 0,93 2004:1 0,92

2000:2 2,86 2004:2 3,29

2000:3 4,65 2004:3 3,80

2000:4 9,35 2004:4 6,40

2001:1 2,11 2005:1 3,19

2001:2 5,46 2005:2 4,28

2001:3 8,16 2005:3 6,39

2001:4 12,55 2005:4 17,11

2002:1 3,50 2006:1 1,98

2002:2 4,46 2006:2 2,87

2002:3 6,17 2006:3 4,06

2002:4 10,03 2006:4 6,60 Sumber: Badan Pusat Statistik (BPS)

4.3.5 Hasil Uji Akar-Akar Unit dan Derajat Integrasi


Penelitian ini dimulai dengan uji stasioner terhadap variabel-variabel yang

digunakan dalam penelitian yaitu permintaan uang (M1D), Pendapatan Domestik

Bruto (PDB), suku bunga deposito (INR) dan inflasi (INF). Dengan mengikuti

metode yang dikembangkan Dickey dan Fuller maka hasil estimasi akar-akar unit

ditunjukkan pada tabel 4.6 sampai dengan tabel 4.9 adalah sebagai berikut :

Tabel 4.6. Unit Root Test dan Derajat Integrasi dengan ADF Test Pada M1.

Null Hypothesis: D(LOG(M1D)) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1)

t-Statistic Augmented Dickey-Fuller test statistic -8.396028 Test critical values: 1% level -3.699871

5% level -2.976263 10% level -2.627420

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LOG(M1D),2) Method: Least Squares Date: 03/04/08 Time: 23:36 Sample(adjusted): 2000:2 2006:4 Included observations: 27 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. D(LOG(M1D(-1))) -1.424447 0.169657 -8.396028 0.0000

C 0.017368 0.014008 1.239855 0.2265R-squared 0.738202 Mean dependent var 0.006874Adjusted R-squared 0.727730 S.D. dependent var 0.138940S.E. of regression 0.072498 Akaike info criterion -2.339323Sum squared resid 0.131400 Schwarz criterion -2.243335Log likelihood 33.58087 F-statistic 70.49329Durbin-Watson stat 2.193201 Prob(F-statistic) 0.000000Sumber : Data diolah dengan Eviews

Bedasar tabel 4.6 di atas, diperoleh hasil bahwa nilai ADF test statistic sebesar

-8,396028. Nilai ADF test < nilaia kritis atau dengan kata lain (-8,396028 < -


3,699871) maka kita bisa mengambil keputusan untuk menolak hipotesis. Sehingga

kesimpulan data time series adalah stasioner. Dengan demikian variabel M1D yang

diamati adalah stasioner pada diferensi pertama dengan kata lain variabel M1D

dalam penelitian berintegrasi satu atau I(1).

Tabel 4.7. Unit Root Test dan Derajat Integrasi dengan ADF Test Pada GDP.

Null Hypothesis: D(LOG(GDP)) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1)


5% level -2.976263 10% level -2.627420


Augmented Dickey-Fuller Test Equation Dependent Variable: D(LOG(GDP),2) Method: Least Squares Date: 03/04/08 Time: 23:45 Sample(adjusted): 2000:2 2006:4 Included observations: 27 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. D(LOG(GDP(-1))) -1.515541 0.174235 -8.698268 0.0000

C 0.018281 0.004735 3.860564 0.0007R-squared 0.751639 Mean dependent var -0.002081Adjusted R-squared 0.741704 S.D. dependent var 0.042085S.E. of regression 0.021389 Akaike info criterion -4.780706Sum squared resid 0.011437 Schwarz criterion -4.684718Log likelihood 66.53953 F-statistic 75.65987Durbin-Watson stat 2.222163 Prob(F-statistic) 0.000000Sumber : Data diolah dengan Eviews





kesimpulan data time series adalah stasioner. Dengan demikian variabel GDP yang

diamati adalah stasioner pada diferensi pertama dengan kata lain variabel GDP

dalam penelitian berintegrasi satu atau I(1).

Tabel 4.8. Unit Root Test dan Derajat Integrasi dengan ADF Test Pada INR. Null Hypothesis: D(LOG(INR)) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1)


5% level -2.976263 10% level -2.627420


Augmented Dickey-Fuller Test Equation Dependent Variable: D(LOG(INR),2) Method: Least Squares Date: 03/04/08 Time: 23:52 Sample(adjusted): 2000:2 2006:4 Included observations: 27 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. D(LOG(INR(-1))) -0.422643 0.141476 -2.987386 0.0086

C -0.005664 0.019312 -0.293295 0.7717R-squared 0.202227 Mean dependent var -0.003181Adjusted R-squared 0.170316 S.D. dependent var 0.110026S.E. of regression 0.100219 Akaike info criterion -1.691732Sum squared resid 0.251096 Schwarz criterion -1.595744Log likelihood 24.83839 F-statistic 6.337234Durbin-Watson stat 1.912577 Prob(F-statistic) 0.018602Sumber : Data diolah dengan Eviews


-2,987386. Nilai ADF test < nilai kritis atau dengan kata lain (-2,987386 < -

2,976263) maka kita bisa mengambil keputusan untuk menolak hipotesis, sehingga


kesimpulan data time series adalah stasioner. Dengan demikian variabel INR yang

diamati adalah stasioner pada diferensi pertama dengan kata lain variabel INR dalam

penelitian berintegrasi satu atau I(1).

Tabel 4.9. Unit Root Test dan Derajat Integrasi dengan ADF Test Pada INF. Null Hypothesis: D(LOG(INF)) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1)


5% level -2.976263 10% level -2.627420


Augmented Dickey-Fuller Test Equation Dependent Variable: D(LOG(INF),2) Method: Least Squares Date: 03/05/08 Time: 00:10 Sample(adjusted): 2000:2 2006:4 Included observations: 27 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. D(LOG(INF(-1))) -1.365805 0.184232 -7.413491 0.0000

C 0.082104 0.185321 0.443040 0.6615R-squared 0.687343 Mean dependent var 0.046540Adjusted R-squared 0.674837 S.D. dependent var 1.688144S.E. of regression 0.962632 Akaike info criterion 2.832895Sum squared resid 23.16649 Schwarz criterion 2.928883Log likelihood -36.24408 F-statistic 54.95985Durbin-Watson stat 2.134803 Prob(F-statistic) 0.000000Sumber : Data diolah dengan Eviews





kesimpulan data time series adalah stasioner. Dengan demikian variabel INF yang

diamati adalah stasioner pada diferensi pertama dengan kata lain variabel INF dalam

penelitian berintegrasi satu atau I(1).

4.3.6 Hasil Estimasi Model Permintaan Uang

Hasil estimasi OLS ditunjukkan pada tabel 4.10, dimana permintaan uang

(M1D) secara signifikan ditentukan oleh Produk Domestik Bruto, tingkat bunga

deposito 3 bulan (INR) dan inflasi (INF) yang meliput variabel-variabel berintegrasi

sama yaitu I(1), sehingga regresi ini dikenal sebagai regresi ko-integrasi atau

cointegrating regression (Engle dan Granger) diperoleh hasil estimasi sebagai

berikut:

Tabel 4.10. Hasil Model Estimasi Permintaan Uang Dependent Variable: LOG(M1D) Method: Least Squares Sample: 1999:4 2006:4 Included observations: 29

Variable Coefficient Std. Error t-Statistic Prob. C 8.153310 2.322804 3.510115 0.0017

LOG(GDP) 0.555477 0.114998 4.830335 0.0001LOG(INR) -0.137008 0.036680 -3.735202 0.0010LOG(INF) 0.038748 0.013126 2.951979 0.0068

R-squared 0.789009 Mean dependent var 18.87223Adjusted R-squared 0.763690 S.D. dependent var 0.105855S.E. of regression 0.051458 Akaike info criterion -2.968667Sum squared resid 0.066198 Schwarz criterion -2.780075Log likelihood 47.04567 F-statistic 31.16275Durbin-Watson stat 1.883770 Prob(F-statistic) 0.000000Sumber : Data diolah dengan Eviews


LOG(M1D) = 8,153310 + 0,555477 LOG(GDP) – 0,137008 INR + 0,038748

INF

t-stat (4,830335)*** (-3,735202)***

(2,951979)***

Keterangan :

*** = signifikan pada α = 1%

Dari tabel 4.10 diperoleh hasil bahwa R2 = 0,7890 yang berarti bahwa variabel

bebas mampu menjelaskan variansi dari variabel terikat sebesar 78,90% sedangkan

sisanya 21,10% diterangkan oleh variabel lain yang tidak dimasukkan dalam model.

Dari hasil estimasi di atas menunjukkan bahwa tanda koefisien regresi

LOG(GDP) bertanda positif, LOG(INR) bertanda negatif dan LOG(INF) bertanda

positif hal ini sesuai dengan harapan dari teori. Dengan memperhatikan nilai statistik

DW = 1,883770 terlihat bahwa disturbance term error dari LOG(M1D) tidak

autokorelasi sehingga tidak terjadi spurious regression. Secara serentak variabel

LOG(GDP), LOG(INR) dan LOG(INF) signifikan secara statistik mempengaruhi

LOG (M1D) dimana F-stat = 31,16275. Dengan kata lain, residual regresi ko-

integrasi pada model tersebut stasioner. Dengan demikian, residual ko-integrasi atau

kesalahan ketidakseimbangan stasioner atau I(0).

Hasil estimasi dari regresi ko-integrasi menunjukkan bahwa variabel-variabel

Produk Domestik Bruto, suku bunga deposito 3 bulan dan inflasi mempunyai

hubungan keseimbangan jangka panjang. Dengan demikian dapat dikatakan bahwa


variabel yang mampu menjelaskan variasi permintaan uang (M1) adalah Produk

Domestik Bruto, suku bunga deposito 3 bulan dan inflasi. Dalam jangka panjang

meningkatnya Produk Domestik Bruto akan mendorong peningkatan permintaan

uang (M1). Demikian juga dengan meningkatnya inflasi akan mendorong

peningkatan permintaan uang (M1). Disisi lain terdapat indikasi dengan

meningkatnya suku bunga deposito akan mendorong penurunan permintaan uang

(M1).

Secara parsial diperoleh hasil bahwa Produk Domestik Bruto (GDP)

berpengaruh secara signifikan pada tingkat α = 1% terhadap permintaan uang (M1),

ceteris paribus. Produk Domestik Bruto (GDP) mempunyai pengaruh positif

terhadap permintaan uang (M1) dengan koefisien 0,555477 berarti bahwa GDP tidak

elastis (inelastic) terhadap permintaan uang (M1), ceteris paribus. Dengan kata lain

apabila GDP naik 1% maka permintaan uang (M1) naik 0,555477%, ceteris paribus.

Secara parsial diperoleh hasil bahwa suku bunga deposito 3 bulan (INR)


ceteris paribus. Suku bunga deposito 3 bulan (INR) mempunyai pengaruh negatif

terhadap permintaan uang (M1) dengan koefisien -0,137008 berarti bahwa INR tidak


apabila GDP naik 1% maka permintaan uang (M1) turun 0,137008%, ceteris paribus.

Secara parsial diperoleh hasil bahwa inflasi (INF) berpengaruh secara

signifikan pada tingkat α = 1% terhadap permintaan uang (M1), ceteris paribus.


Inflasi (INF) mempunyai pengaruh positif terhadap permintaan uang (M1) dengan

koefisien 0,038748 berarti bahwa INF tidak elastis (inelastic) terhadap permintaan

uang (M1), ceteris paribus. Dengan kata lain apabila GDP naik 1% maka permintaan

uang (M1) naik 0,038748%, ceteris paribus.

4.3.7 Hasil Estimasi Model Permintaan Uang dengan Error Correction

Mechanism (ECM)

Hasil estimasi Error Correction Mechanism dari perintaan uang (M1D) selama

periode 1999:4 – 2006:4 sebagai fungsi dari Produk Domestik Bruto, suku bunga

deposito 3 bulan dan inflasi.

Tabel 4.11. Hasil Estimasi Permintaan Uang Dengan ECM

Dependent Variable: DLOG(M1D) Method: Least Squares Sample(adjusted): 2000:1 2006:4 Included observations: 28 after adjusting endpoints


DLOG(GDP) 0.175984 0.092824 1.895875 0.0706DLOG(INR) -0.304936 0.069670 -4.376866 0.0002DLOG(INF) 0.037145 0.008892 4.177306 0.0004

ECT(-1) -0.967226 0.185495 -5.214297 0.0000R-squared 0.790394 Mean dependent var 0.009043Adjusted R-squared 0.753941 S.D. dependent var 0.082714S.E. of regression 0.041030 Akaike info criterion -3.388595Sum squared resid 0.038720 Schwarz criterion -3.150702Log likelihood 52.44033 F-statistic 21.68241Durbin-Watson stat 1.777807 Prob(F-statistic) 0.000000


LOG(M1D) = 0,003784 + 0,175984 LOG(GDP) – 0,304936 INR + 0,037145

INF

t-stat (1,895875)* (-4,376866)***

(4,177306)***

-0,967226 ECT(-1)

t-stat (-5,214297)***

Keterangan:

* = signifikan pada α = 10%


Dari tabel 4.11 diperoleh hasil bahwa R2 = 0,7904 yang berarti bahwa variabel

bebas mampu menjelaskan variansi dari variabel terikat sebesar 79,04% sedangkan

sisanya 20,96% diterangkan oleh variabel lain yang tidak dimasukkan dalam model.



positif. Hal ini sesuai dengan harapan dari teori. Dengan memperhatikan nilai

statistik DW = 1,777807 terlihat bahwa disturbance term error dari LOG(M1D) tidak



LOG (M1D) dimana F-stat = 21,68241.








Secara parsial diperoleh hasil bahwa suku bunga deposito 3 bulan (INR)


ceteris paribus. Suku bunga deposito 3 bulan (INR) mempunyai pengaruh negatif

terhadap permintaan uang (M1) dengan koefisien -0,304936 berarti bahwa INR tidak


apabila GDP naik 1% maka permintaan uang (M1) turun 0,304936%, ceteris paribus.







Dari hasil estimasi di atas menunjukkan hasil bahwa variabel-variabel

penelitian lolos dari berbagai uji diagnosis dan koefisien ECT(-1) signifikan secara

statistik dan tanda koefisien regresi sesuai dengan harapan teori. Nilai ECT (-1)

bertanda negatif memberikan arti bahwa masyarakat akan melakukan penyesuaian

pada periode berikutnya dengan mengurangi uang (M1) yang ingin dipegang. Hal ini


disebabkan jumlah uang yang beredar atau aktual lebih kecil dari rata-rata uang M1

yang diharapkan atau dipegang. Hasil ini memberi indikasi bahwa spesifikasi model

adalah sahih dan selaras dengan hasil yang diperoleh dengan regresi kointegrasi,

sehingga model ECM ini dapat dipakai untuk mengamati perilaku permintaan uang

(M1).

Perilaku permintaan uang (M1D) dengan pendekatan stok penyangga adalah

memasukkan variabel D(U) dan U(-1) pada model ECM, dimana :

D(U) = shock dalam jangka pendek

U(-1) = shock dalam jangka panjang.

Model ini berfungsi untuk mengestimasi variabel shock yang meliput jumlah

variabel shock yang meliput jumlah uang beredar (M1D) yang tidak dapat diantisipasi

masyarakat dan ditaksir dengan menggunakan AR(2) yaitu : LM1 = β0 + β1 LM1t-1 +

β2 LM1t-2. Hasil estimasi model ECM dengan pendekatan stok penyangga

ditunjukkan pada tabel 4.12.

Tabel 4.12. Hasil Estimasi Model Permintaan Uang Dengan Pendekatan Stok Penyangga

Dependent Variable: DLOG(M1D) Method: Least Squares Sample(adjusted): 2000:3 2006:4 Included observations: 26 after adjusting endpoints


DLOG(GDP) 0.411137 0.116219 3.537609 0.0022DLOG(INR) -0.006649 0.005773 -1.151711 0.2637DLOG(INF) 0.004606 0.001687 2.729925 0.0125

ECT(-1) -0.246938 0.115191 -2.143729 0.0437


D(U) 0.683838 0.087588 7.807407 0.0000U(-1) 0.560517 0.579329 0.570329 0.3443

R-squared 0.949459 Mean dependent var 0.009043Adjusted R-squared 0.935019 S.D. dependent var 0.082714S.E. of regression 0.021085 Akaike info criterion -4.668186Sum squared resid 0.009336 Schwarz criterion -4.335135Log likelihood 72.35461 F-statistic 65.75094Durbin-Watson stat 1.749971 Prob(F-statistic) 0.000000Sumber : Data diolah dengan Eviews

LOG(M1D) = 0,015879 + 0,411137 LOG(GDP) – 0,006649 INR + 0,004606

INF

t-stat (3,537609)*** (-1,151711)

(2,72995)**

-0,246938 ECT(-1) + 0,683838 D(U) + 0,560517 U(-1)

t-stat (-2,143729)** (7,807407)*** (0,570329)

Keterangan:

** = signifikan pada α = 5%


Dari tabel 4.12 diperoleh hasil bahwa R2 = 0,949459 yang berarti bahwa

variabel bebas mampu menjelaskan variansi dari variabel terikat sebesar 94,95%

sedangkan sisanya 5,05% diterangkan oleh variabel lain yang tidak dimasukkan

dalam model.



positif hal ini sesuai dengan harapan dari teori. Dengan memperhatikan nilai

statistik DW = 1,749971 terlihat bahwa disturbance term error dari LOG(M1D) tidak




LOG (M1D) dimana F-stat = 65,75094.







Secara parsial diperoleh hasil bahwa suku bunga deposito 3 bulan (INR) tidak

berpengaruh secara signifikan terhadap permintaan uang (M1), ceteris paribus karena

dalam jangka pendek hasrat masyarakat untuk memegang uang tidak terlalu sensitif

terhadap suku bunga deposito. Hal ini memberi indikasi bahwa permintaan uang

dalam jangka pendek lebih ditujukan untuk motif transaksi dan berjaga-jaga.Suku

bunga deposito 3 bulan (INR) mempunyai pengaruh negatif terhadap permintaan

uang (M1) dengan koefisien -0,006649 berarti bahwa INR tidak elastis (inelastic)

terhadap permintaan uang (M1), ceteris paribus. Dengan kata lain apabila GDP naik

1% maka permintaan uang (M1) turun 0,006649%, ceteris paribus.








Dari hasil estimasi di atas menunjukkan hasil bahwa variabel-variabel

penelitian lolos dari berbagai uji diagnosis dan koefisien ECT(-1) signifikan secara

statistik dan tanda koefisien regresi sesuai dengan harapan dari teori. Hasil ini

memberi indikasi bahwa spesifikasi model adalah sahih dan selaras dengan hasil yang

diperoleh dengan regresi kointegrasi, sehingga model ECM ini dapat dipakai untuk

mengamati perilaku permintaan uang (M1). Pendapatan riil bertanda positif terhadap

permintaan uang (M1) hasil ini sesuai dengan harapan dari teori. Di sisi lain, suku

bunga berpengaruh negatif terhadap permintaan uang (M1) dalam jangka panjang

sesuai dengan harapan teori. Namun dalam jangka pendek hasrat masyarakat untuk

memegang uang tidak terlalu sensitif terhadap suku bunga deposito. Fenomena ini

memberi indikasi bahwa permintaan uang dalam jangka pendek lebih ditujukan untuk

motif transaksi dan berjaga-jaga. Pernyataan ini juga didukung oleh hasil koefisien

regresi variabel shock ternyata hanya signifikan untuk jangka pendek dan sekaligus

mendukung hasil teori dari pendekatan stok penyangga yang melandasi permintaan

uang (M1) di Indonesia.

Hasil estimasi OLS, ECM dan ECM dengan pendekatan stok penyangga telah

membuktikan bahwa variabel permintaan uang (M1D), Produk Domestik Bruto

(GDP), tingkat bunga deposito 3 bulan (INR) dan inflasi (INF) saling terkointegrasi.

Berarti keempat indicator ekonomi tersebut saling mempengaruhi dan mencapai


keseimbangan dalam jangka panjang. Untuk mengetahui berapa periode keempat

variabel mencapai keseimbangan dan berapa pengaruh antar variabel digunakan

analisis Vector Autoregression (VAR).

4.3.8 Hasil Estimasi Vector Autoregression

Hasil estimasi VAR dan uji stabilitas VAR ditunjukkan pada lampiran 2 dan

lampiran 3. Dari hasil peramalan M1D, GDP, INR dan INF ditunjukkan pada

lampiran 2, dimana data periode dari tahun 1999:4 sampai tahun 2006:4 dengan GDP

konstan tahun 2000 = 100. Model VAR dari M1D, GDP, INR dan INF masing-

masing adalah :

Berdasarkan hasil penelitian yang ditunjukkan pada tabel 4.13 dengan

menggunakan dasar lag = 1 terlihat bahwa adanya hubungan antara Produk Domestik

Bruto (GDP), suku bunga deposito 3 bulan (INR) dan inflasi (INF) dengan lag 1, hal

ini dapat disimpulkan bahwa dengan mengamati t-statistik dari masing-masing

koefisien, hubungan timbal balik antara variabel permintaan uang (M1D), Produk

Domestik Bruto (GDP), suku bunga deposito 3 bulan dan inflasi secara statistik

signifikan.

Dari tabel 4.13 ditunjukkan bahwa variabel yang mempengaruhi permintaan

uang (M1D) pada tahun t secara signifikan adalah Produk Domestik Bruto pada t-1

dan suku bunga deposito 3 bulan pada t-1.

Variabel yang mempengaruhi Produk Domestik Bruto (GDP) pada tahun t

secara signifikan adalah Produk Domestik Bruto pada tahun t-1.


Variabel yang mempengaruhi suku bunga deposito 3 bulan (INR) pada tahun t

secara signifikan adalah suku bunga deposito 3 bulan pada tahun t-1 serta inflasi pada

tahun t-1.

Variabel yang mempengaruhi inflasi pada tahun t secara signifikan adalah

permintaan uang pada tahun t-1, Produk Domestik Bruto tahun t-1 dan inflasi pada

tahun t-1.

Dimana dapat ditunjukkan pada lampiran 2 bahwa variabel masa lalu (t-1)

berpengaruh signifikan terhadap dirinya sendiri dan variabel lain, kecuali variabel

permintaan uang (M1D) yang tidak signifikan terhadap variabel masa lalu M1D(-1).

Dari hasil estimasi tersebut di atas beserta uraianya ternyata hubungan timbal balik

antara variabel Produk Domestik Bruto, suku bunga deposito 3 bulan, inflasi terhadap

permintaan uang (M1) menjadi semakin jelas dan dengan demikian hipotesa adanya

hubungan timbal balik antara Produk Domestik Bruto, suku bunga deposito 3 bulan

dan inflasi terhadap permintaan uang (M1) sebagai variabel yang diamati dalam

penelitian ini terbukti. Model VAR sesuai dengan ekspetasi perekonomian Indonesia

di masa mendatang, hal tersebut dapat ditunjukkan pada trend suku bunga deposito

yang semakin menurun.

4.3.8.1 Impulse Response Function (IRF)

Impulse response function ini digunakan untuk melihat pengaruh perubahan

dari satu variabel pada variabel itu sendiri atau variabel lainnya. Estimasi yang

dilakukan untuk IRF ini dititikberatkan pada respon suatu variabel pada perubahan


satu standar deviasi dari variabel itu sendiri maupun dari variabel lainnya yang

terdapat dalam model.

Tabel 4.13. Hasil Estimasi VAR dengan Dasar Lag 1 Vector Autoregression Estimates Sample(adjusted): 2000:1 2006:4 Included observations: 28 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]

LOG(M1D) LOG(GDP) LOG(INR) LOG(INF) LOG(M1D(-1)) -0.116212 0.136215 -0.613691 -7.625895

(0.20667) (0.10226) (0.44829) (2.89961) [-0.56231] [ 1.33206] [-1.36896] [-2.62997]

LOG(GDP(-1)) 0.899445 0.878880 0.128670 6.054664 (0.15698) (0.07767) (0.34051) (2.20245) [ 5.72976] [ 11.3152] [ 0.37788] [ 2.74905]

LOG(INR(-1)) -0.075177 0.010112 0.790824 -0.685801 (0.03934) (0.02309) (0.10124) (0.65483) [-1.91072] [ 0.43787] [ 7.81140] [-1.04729]

LOG(INF(-1)) -0.009655 -0.006245 0.084849 0.394982 (0.01503) (0.00744) (0.03259) (0.21083) [-0.64251] [-0.83989] [ 2.60314] [ 1.87348]

C 3.461429 -0.176823 9.410131 26.53223 (3.06566) (1.51688) (6.64987) (43.0123) [ 1.12910] [-0.11657] [ 1.41509] [ 0.61685]

R-squared 0.811421 0.945964 0.906827 0.294927 Adj. R-squared 0.778625 0.936567 0.890622 0.172306


Sum sq. resids 0.058692 0.014369 0.276156 11.55352 S.E. equation 0.050515 0.024995 0.109576 0.708750 F-statistic 24.74124 100.6612 55.96287 2.405184 Log likelihood 46.61698 66.31793 24.93561 -27.33727 Akaike AIC -2.972642 -4.379852 -1.423972 2.309805 Schwarz SC -2.734748 -4.141958 -1.186079 2.547699 Mean dependent 18.87399 19.79920 2.380563 1.350175 S.D. dependent 0.107364 0.099242 0.331322 0.779037 Determinant Residual Covariance 2.89E-09 Log Likelihood (d.f. adjusted) 116.3461 Akaike Information Criteria -6.881862 Schwarz Criteria -5.930287 Sumber : Data diolah dengan Eviews

A. Respon variabel LOG(M1D) pada perubahan variabel lain

Dari hasil penelitian yang ditunjukkan pada tabel 4.14 dan gambar 4.1

diperoleh hasil bahwa satu standar deviasi dari M1D sebesar 0,050515 tidak

membawa efek apapun terhadap variabel GDP, INR dan INF (standar deviasinya

sama dengan nol). Setelah satu periode, standar deviasi menjadi 0,012017 di bawah

rata-rata membawa pengaruh terhadap kenaikan standar deviasi dari variabel GDP

sebesar 0,025512 di atas rata-rata, sedangkan pada variabel INR dan INF membawa

pengaruh terhadap penurunan standar deviasi dari variabel INR sebesar 0,011055 dan

variabel INF sebesar 0,004417 di bawah rata-rata. Pada periode 4 (dalam jangka

pendek) standar deviasi variabel M1D sebesar 0,002232 di atas rata-rata membawa

pengaruh terhadap kenaikan standar deviasi variabel GDP sebesar 0,021601 di atas

rata-rata, sedangkan pada variabel INR membawa pengaruh pengaruh kenaikan


standard deviasi sebesar 0,008671 di bawah rata-rata dan INF membawa pengaruh

terhadap penurunan standar deviasi sebesar 0,006907 di bawah rata-rata. Pada

periode 40 (dalam jangka menengah) standar deviasi variabel M1D sebesar 0,000836

di bawah rata-rata membawa pengaruh terhadap penurunan standar deviasi variabel

GDP sebesar 0,012947 di atas rata-rata, sedangkan pada variabel INR dan INF

membawa pengaruh terhadap penurunan standar deviasi dari variabel INR sebesar

0,001178 dan variabel INF sebesar 0,002450 di bawah rata-rata. Pada periode 100

(dalam jangka panjang) standar deviasi variabel M1D sebesar 0,000350 di bawah

rata-rata membawa pengaruh terhadap penurunan standar deviasi variabel GDP

sebesar 0,005390 di atas rata-rata, sedangkan pada variabel INR dan INF membawa

pengaruh terhadap kenaikan standar deviasi dari variabel INR sebesar 0,000488 dan

variabel INF sebesar 0,001019 di bawah rata-rata.

Tabel 4.14. Tabel Impulse Response Function M1D

Response of LOG(M1D): Period LOG(M1D) LOG(GDP) LOG(INR) LOG(INF)

1 0.050515 0.000000 0.000000 0.000000 (0.00675) (0.00000) (0.00000) (0.00000)

2 -0.012017 0.025512 -0.011055 -0.004417 (0.01090) (0.00684) (0.00547) (0.00690)

3 0.006463 0.020070 -0.008954 -0.006719 (0.00893) (0.00532) (0.00460) (0.00416)

4 0.002232 0.021601 -0.008671 -0.006907 (0.00674) (0.00539) (0.00540) (0.00471)

5 0.002817 0.021097 -0.007550 -0.006687 (0.00678) (0.00600) (0.00647) (0.00497)

6 0.001984 0.020980 -0.006640 -0.006281 (0.00688) (0.00662) (0.00745) (0.00498)

7 0.001512 0.020716 -0.005803 -0.005871 (0.00712) (0.00733) (0.00834) (0.00500)

8 0.001028 0.020466 -0.005099 -0.005494 (0.00734) (0.00805) (0.00906) (0.00503)

9 0.000640 0.020202 -0.004506 -0.005164


(0.00755) (0.00880) (0.00964) (0.00509) 10 0.000314 0.019936 -0.004010 -0.004879

(0.00772) (0.00954) (0.01008) (0.00516) 40 -0.000836 0.012947 -0.001178 -0.002450

(0.00605) (0.02480) (0.00867) (0.00606) 100 -0.000350 0.005390 -0.000488 -0.001019

(0.00287) (0.02638) (0.00428) (0.00531)Sumber : Data diolah dengan Eviews

B. Respon variabel LOG(GDP) pada perubahan variabel lain


diperoleh hasil bahwa satu standar deviasi dari GDP sebesar 0,023479 membawa

pengaruh terhadap penurunan standar deviasi dari M1D sebesar 0,008572 di bawah

rata-rata dan tidak membawa efek apapun terhadap variabel INR dan INF (standar

deviasinya sama dengan nol). Setelah satu periode, standar deviasi menjadi 0,022648

di atas rata-rata membawa pengaruh terhadap kenaikan standar deviasi dari variabel

M1D sebesar 0,0002262 di bawah rata-rata, sedangkan pada variabel INR dan INF

membawa pengaruh terhadap penurunan standar deviasi dari variabel INR sebesar

0,001331 dan variabel INF sebesar 0,002857 di bawah rata-rata. Pada periode 4

(dalam jangka pendek) standar deviasi variabel GDP sebesar 0,022609 di atas rata-

rata membawa pengaruh terhadap kenaikan standar deviasi variabel M1D sebesar

0,001448 di bawah rata-rata, sedangkan pada variabel INR dan INF membawa

pengaruh terhadap penurunan standar deviasi dari variabel INR sebesar 0,002216 dan

variabel INF sebesar 0,004190 di bawah rata-rata. Pada periode 40 (dalam jangka

menengah) standar deviasi variabel GDP sebesar 0,013426 di atas rata-rata membawa

pengaruh terhadap kenaikan standar deviasi variabel M1D sebesar 0,000871 di bawah


rata-rata, sedangkan pada variabel INR dan INF membawa pengaruh terhadap

kenaikan standar deviasi dari variabel INR sebesar 0,001215 dan variabel INF

sebesar 0,002538 di bawah rata-rata. Pada periode 100 (dalam jangka panjang)

standar deviasi variabel GDP sebesar 0,005589 di atas rata-rata membawa pengaruh

terhadap kenaikan standar deviasi variabel M1D sebesar 0,000363 di bawah rata-rata,

sedangkan pada variabel INR dan INF membawa pengaruh terhadap kenaikan standar

deviasi dari variabel INR sebesar 0,000506 dan variabel INF sebesar 0,001056 di

bawah rata-rata.

Tabel 4.15. Tabel Impulse Response Function GDP

Response of LOG(GDP): Period LOG(M1D) LOG(GDP) LOG(INR) LOG(INF)

1 -0.008572 0.023479 0.000000 0.000000 (0.00458) (0.00314) (0.00000) (0.00000)

2 -0.002262 0.022648 -0.001331 -0.002857 (0.00635) (0.00411) (0.00263) (0.00342)

3 -0.002066 0.022904 -0.002060 -0.003848 (0.00590) (0.00450) (0.00392) (0.00425)

4 -0.001448 0.022609 -0.002216 -0.004190 (0.00629) (0.00522) (0.00530) (0.00458)

5 -0.001358 0.022346 -0.002243 -0.004266 (0.00653) (0.00593) (0.00653) (0.00469)

6 -0.001296 0.022036 -0.002205 -0.004245 (0.00685) (0.00670) (0.00761) (0.00478)

7 -0.001284 0.021726 -0.002151 -0.004190 (0.00716) (0.00750) (0.00851) (0.00488)

8 -0.001278 0.021415 -0.002095 -0.004123 (0.00744) (0.00831) (0.00925) (0.00499)

9 -0.001275 0.021107 -0.002041 -0.004054 (0.00768) (0.00913) (0.00984) (0.00510)

10 -0.001271 0.020803 -0.001991 -0.003986 (0.00787) (0.00994) (0.01030) (0.00522)


40 -0.000871 0.013426 -0.001215 -0.002538 (0.00628) (0.02608) (0.00900) (0.00634)

100 -0.000363 0.005589 -0.000506 -0.001056 (0.00298) (0.02755) (0.00445) (0.00554)

Sumber : Data diolah dengan Eviews

C. Respon variabel LOG(INR) pada perubahan variabel lain


diperoleh hasil bahwa satu standar deviasi dari INR sebesar 0,099081 membawa

pengaruh terhadap penurunan standar deviasi dari M1D sebesar 0,044614 di bawah

rata-rata dan penurunan standar deviasi dari GDP sebesar 0,014120 di bawah rata-rata

serta tidak membawa efek apapun terhadap variabel INF (standar deviasinya sama

dengan nol). Setelah satu periode, standar deviasi menjadi 0,110051 di atas rata-rata

membawa pengaruh terhadap penurunan standar deviasi dari variabel M1D sebesar

0,051655 di bawah rata-rata dan penurunan standar deviasi GDP sebesar 0,037413 di

bawah rata-rata, sedangkan pada variabel INF membawa pengaruh terhadap

peningkatan standar deviasi sebesar 0,038816 di atas rata-rata. Pada periode 4 (dalam

jangka pendek) standar deviasi variabel INR sebesar 0,087360 di atas rata-rata

membawa pengaruh terhadap penurunan standar deviasi variabel M1D sebesar


bawah rata-rata, sedangkan pada variabel INF membawa pengaruh terhadap

peningkatan standar deviasi dari variabel INF sebesar 0,047069 di atas rata-rata.

Pada periode 40 (dalam jangka menengah) standar deviasi variabel INR sebesar

0,002771 di atas rata-rata membawa pengaruh terhadap peningkatan standar deviasi


variabel M1D sebesar 0,001873 di atas rata-rata dan peningkatan standar deviasi

GDP sebesar 0,029753 di bawah rata-rata, sedangkan pada variabel INF membawa

pengaruh terhadap penurunan standar deviasi dari variabel INF sebesar 0,005663 di

atas rata-rata. Pada periode 100 (dalam jangka panjang) standar deviasi variabel INR

sebesar 0,001120 di atas rata-rata membawa pengaruh terhadap penurunan standar

deviasi variabel M1D sebesar 0,000804 di atas rata-rata dan kenaikan standar deviasi

GDP sebesar 0,012387 di bawah rata-rata, sedangkan pada variabel INF membawa

pengaruh terhadap penurunan standar deviasi dari variabel INF sebesar 0,002341 di

atas rata-rata.

Tabel 4.16. Tabel Impulse Response Function INR

Response of LOG(INR): Period LOG(M1D) LOG(GDP) LOG(INR) LOG(INF)

1 -0.044614 -0.014120 0.099081 0.000000 (0.01983) (0.01882) (0.01324) (0.00000)

2 -0.051655 -0.037431 0.110051 0.038816 (0.03159) (0.02555) (0.01993) (0.01579)

3 -0.062047 -0.041027 0.100397 0.048372 (0.03293) (0.02774) (0.02567) (0.02368)

4 -0.054851 -0.043990 0.087360 0.047069 (0.03312) (0.02979) (0.03147) (0.02629)

5 -0.047179 -0.044826 0.074095 0.042528 (0.03223) (0.03163) (0.03653) (0.02570)

6 -0.039097 -0.045201 0.062319 0.037399 (0.03176) (0.03372) (0.04043) (0.02422)

7 -0.032033 -0.045223 0.052250 0.032628 (0.03154) (0.03591) (0.04292) (0.02286)

8 -0.025993 -0.045083 0.043816 0.028473 (0.03133) (0.03809) (0.04406) (0.02188)

9 -0.020955 -0.044832 0.036808 0.024950


(0.03091) (0.04015) (0.04411) (0.02117) 10 -0.016781 -0.044506 0.031007 0.021998

(0.03022) (0.04204) (0.04336) (0.02059) 40 0.001873 -0.029753 0.002771 0.005663

(0.01406) (0.06501) (0.02016) (0.01515) 100 0.000804 -0.012387 0.001120 0.002341


D. Respon variabel LOG(INR) pada perubahan variabel lain


diperoleh hasil bahwa satu standar deviasi dari INF sebesar 0,457478 membawa

pengaruh terhadap peningkatan standar deviasi dari M1D sebesar 0,185398 di atas

rata-rata dan penurunan standar deviasi dari GDP sebesar 0,345151 di bawah rata-rata

serta peningkatan satandar deviasi terhadap variabel INF sebesar 0,373549 di atas

rata-rata. Setelah satu periode, standar deviasi menjadi 0,180696 di atas rata-rata

membawa pengaruh terhadap penurunan standar deviasi dari variabel M1D sebesar


atas rata-rata, sedangkan pada variabel INF membawa pengaruh terhadap penurunan

standar deviasi sebesar 0,079596 di atas rata-rata. Pada periode 4 (dalam jangka

pendek) standar deviasi variabel INF sebesar 0,018912 di atas rata-rata membawa

pengaruh terhadap penurunan standar deviasi variabel M1D sebesar 0,026464 di

bawah rata-rata dan peningkatan standar deviasi GDP sebesar 0,003642 di atas rata-

rata, sedangkan pada variabel INR membawa pengaruh terhadap penurunan standar

deviasi dari variabel INF sebesar 0,000318 di bawah rata-rata. Pada periode 40

(dalam jangka menengah) standar deviasi variabel INF sebesar 0,000955 di bawah


rata-rata membawa pengaruh terhadap penurunan standar deviasi variabel M1D

sebesar 0,000314 di bawah rata-rata dan kenaikan standar deviasi GDP sebesar

0,05001 di atas rata-rata, sedangkan pada variabel INR membawa pengaruh terhadap

penurunan standar deviasi dari variabel INR sebesar 0,000469 di bawah rata-rata.

Tabel 4.17. Tabel Impulse Response Function INF

Response of LOG(INF): Period LOG(M1D) LOG(GDP) LOG(INR) LOG(INF)

1 0.185398 -0.345151 0.373549 0.457478 2 -0.333303 0.015513 0.079596 0.180696 3 -0.018280 -0.025629 0.032213 0.061136 4 -0.026464 0.003642 -0.000318 0.018912 5 0.001375 0.003774 -0.007332 0.002494 6 0.003193 0.006641 -0.009719 -0.003012 7 0.005096 0.007049 -0.009293 -0.004646 8 0.004675 0.007366 -0.008279 -0.004807 9 0.004092 0.007420 -0.007119 -0.004491

10 0.003386 0.007419 -0.006052 -0.004051 40 -0.000314 0.005011 -0.000469 -0.000955 100 -0.000135 0.002086 -0.000189 -0.000394



-.02

-.01

.00

.01

.02

.03

.04

.05

.06

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Response of LOG(M1D) to CholeskyOne S.D. Innovations

-.010

-.005

.000

.005

.010

.015

.020

.025

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Response of LOG(GDP) to CholeskyOne S.D. Innovations

-.08

-.04

.00

.04

.08

.12

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Response of LOG(INR) to CholeskyOne S.D. Innovations

-.4

-.3

-.2

-.1

.0

.1

.2

.3

.4

.5

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Response of LOG(INF) to CholeskyOne S.D. Innovations

Gambar 4.1. Impulse Response Function (IRF)

4.3.8.2 Variance Decomposition

Variance decomposition bertujuan utnutk mengukur perkiraan varians error

suatu variabel, yaitu seberapa besar perbedaan sebelum dan sesudah shocks, baik

yang berasal dari sendiri maupun dari variabel lain. Dengan menggunakan metode

variance decomposition dalam Eviews diperoleh hasil sebagai berikut :


A. Variance Decomposition dari M1D

Dari tabel 4.18 dan gambar 4.2 ditunjukkan bahwa LOG(M1D) pada periode

1, perkiraan error variance seluruhnya (100%) dijelaskan oleh LOG(M1D) itu sendiri.

Namun pada periode 2, LOG(GDP) sudah mempunyai pengaruh terhadap perkiraan

error variance sebesar 18,65% dan LOG(INR) sebesar 3,50% serta LOG(INF) sebesar

0,56%. Sampai dengan jangka pendek atau periode 4, LOG(GDP) sudah mempunyai

pengaruh 32,67% dan LOG(INR) sebesar 4,99% serta LOG(INF) sebesar 2,41%.

Pada jangka menengah atau periode 40, LOG(GDP) sudah mempunyai pengaruh

74,96% dan LOG(INR) sebesar 3,66% serta LOG(INF) sebesar 3,96%. Pada jangka

panjang atau periode 100, LOG(GDP) sudah mempunyai pengaruh 79,77% dan

LOG(INR) sebesar 2,98% serta LOG(INF) sebesar 3,83%. Secara keseluruhan

diperoleh hasil bahwa variabel GDP memberikan kontribusi yang lebih besar dalam

menjelaskan variabilitas M1D dibandingkan INR dan INF. Dari hasil variance

decomposition LOG(M1D) diperoleh hasil bahwa dalam jangka pendek dan

menengah kontribusi Produk Domesti Bruto (GDP) terhadap permintaan uang M1

lebih besar dibanding inflasi dan suku bunga, hal ini mengindikasikan bahwa

sebagian besar permintaan uang dipergunakan untuk motif transaksi. Untuk jangka

panjang permintaan uang (M1) sebagian besar digunakan untuk motif transaksi

kemudian berjaga-jaga dan spekulatif. Hal ini ditandai dengan kontribusi pada nilai

variance docomposition M1D yaitu yang terbesar GDP kemudian diikuti inflasi (INF)

dan suku bunga deposito 3 bulan (INR).


Tabel 4.18. Variance Decomposition M1D

Variance Decomposition of LOG(M1D):

Period S.E. LOG(M1D) LOG(GDP) LOG(INR) LOG(INF) 1 0.050515 100.0000 0.000000 0.000000 0.000000 2 0.059066 77.28215 18.65563 3.503051 0.559167 3 0.063708 67.46003 25.96051 4.986536 1.592924 4 0.068214 58.94878 32.67133 5.965149 2.414734 5 0.072166 52.82187 37.73776 6.424210 3.016160 6 0.075733 48.03116 41.94054 6.601849 3.426452 7 0.078963 44.21942 45.46296 6.612898 3.704723 8 0.081922 41.09827 48.47887 6.531179 3.891689 9 0.084656 38.49196 51.09224 6.399351 4.016448

10 0.087202 36.27902 53.37983 6.242740 4.098403 40 0.126344 17.41230 74.96465 3.658493 3.964554 100 0.144440 13.41691 79.76605 2.982872 3.834169


B. Variance Decomposition dari GDP

Dari tabel 4.19 dan gambar 4.2 ditunjukkan bahwa LOG(GDP) pada periode 1,

perkiraan error variance LOG(GDP) sebesar 88,23773% sedangkan LOG(M1D)

sudah mempunyai pengaruh terhadap perkiraan error variance sebesar 11,76%

sedangkan variabel LOG(INR) dan LOG(INF) belum mempunyai pengaruh. Pada

periode 2, LOG(M1D) sudah mempunyai pengaruh terhadap perkiraan error variance

sebesar 6,82% dan LOG(INR) sebesar 0,15% serta Log(INF) sebesar 0,71%. Sampai

dengan jangka pendek atau periode 4, LOG(M1D) sudah mempunyai pengaruh

3,80% dan LOG(INR) sebesar 0,49% serta LOG(INF) sebesar 1,81%. Pada jangka

menengah atau periode 40, LOG(M1D) sudah mempunyai pengaruh 0,92% dan

LOG(INR) sebesar 0,78% serta LOG(INF) sebesar 3,19%. Pada jangka panjang atau

periode 100, LOG(M1D) mempunyai pengaruh 0,78% dan LOG(INR) sebesar

0,78% serta LOG(INF) sebesar 3,25%. Secara keseluruhan diperoleh hasil bahwa


variabel INF memberikan kontribusi yang lebih besar dalam menjelaskan variabilitas

GDP dibandingkan M1D dan INR. Dari hasil variance decomposition GDP

diperoleh hasil bahwa kontribusi variabel GDP itu sangat besar hal ini ditandai

nilaisangat tinggi dibandingkan variabel yang lain dan dalam jangka panjang menuju

konsatan pada nilai 95%.

Tabel 4.19. Variance Decomposition GDP

Variance Decomposition of LOG(GDP):


10 0.071906 1.837685 94.65035 0.734203 2.777759 40 0.118781 0.921516 95.11262 0.776186 3.189681 100 0.139204 0.780230 95.19329 0.777403 3.249080


C. Variance Decomposition dari INR

Dari tabel 4.20 dan gambar 4.2 ditunjukkan bahwa LOG(INR) pada periode 1,

perkiraan error variance LOG(INR) sebesar 81,76% sedangkan LOG(M1D) sudah

mempunyai pengaruh terhadap perkiraan error variance sebesar 16,58% sedangkan

variabel LOG(GDP) sebesar 1,66% dan LOG(INF) belum mempunyai pengaruh.

Pada periode 2, LOG(M1D) sudah mempunyai pengaruh terhadap perkiraan error

variance sebesar 15,69% dan LOG(GDP) sebesar 5,39% serta Log(INF) sebesar

5,07%. Sampai dengan jangka pendek atau periode 4, LOG(M1D) sudah mempunyai


pengaruh 18,44% dan LOG(GDP) sebesar 8,36% serta LOG(INF) sebesar 9,71%.

Pada jangka menengah atau periode 40, LOG(M1D) sudah mempunyai pengaruh

0,39% dan LOG(GDP) sebesar 38,88% serta LOG(INF) sebesar 10,03%. Pada

jangka panjang atau periode 100, LOG(M1D) mempunyai pengaruh 10,36% dan

LOG(GDP) sebesar 47,17% serta LOG(INF) sebesar 9,06%. Secara keseluruhan

diperoleh hasil bahwa variabel GDP memberikan kontribusi yang lebih besar dalam

menjelaskan variabilitas INR dibandingkan M1D dan INF dalam jangka menengah

dan panjang. Dari hasil variance decomposition suku bunga deposito 3 bulan (INR)

diproleh hasil bahwa jangka menengah dan panjang kontribusi Produk Domestik

Bruto (GDP) cukup besar terhadap suku bunga deposito.

Tabel 4.20. Variance Decomposition INR

Variance Decomposition of LOG(INR):


10 0.321348 17.13479 16.79152 54.20991 11.86379 40 0.388198 12.06791 38.88228 39.01962 10.03018 100 0.420217 10.35728 47.16686 33.41534 9.060518


D. Variance Decomposition dari INF

Dari tabel 4.21 dan gambar 4.2 ditunjukkan bahwa LOG(INR) pada periode 1,

perkiraan error variance LOG(INF) sebesar 41,66% sedangkan LOG(M1D) sudah


mempunyai pengaruh terhadap perkiraan error variance sebesar 6,84% sedangkan

variabel LOG(GDP) sebesar 23,72% dan LOG(INR) mempunyai pengaruh sebesar

27,78%. Pada periode 2, LOG(M1D) sudah mempunyai pengaruh terhadap perkiraan

error variance sebesar 22,29% dan LOG(GDP) sebesar 18,29% serta LOG(INR)

sebesar 22,35%. Sampai dengan jangka pendek atau periode 4, LOG(M1D) sudah

mempunyai pengaruh 22,21% dan LOG(GDP) sebesar 18,20% serta LOG(INR)

sebesar 22,28%. Pada jangka menengah atau periode 40, LOG(M1D) sudah

mempunyai pengaruh 22,16% dan LOG(GDP) sebesar 18,36% serta LOG(INR)

sebesar 22,28%. Pada jangka panjang atau periode 100, LOG(M1D) mempunyai

pengaruh 22,13% dan LOG(GDP) sebesar 18,44% serta LOG(INR) sebesar 22,25%.

Secara keseluruhan diperoleh hasil bahwa variabel INR dan M1D memberikan

kontribusi yang lebih besar dalam menjelaskan variabilitas INF dibandingkan GDP

dalam pendek, menengah dan panjang. Dari hasil variance decomposition inflasi

(INF) diperoleh hasil bahwa baik dalam jangka pendek, menengah dan panjang yang

memberikan kontribusi adalah perubahan pada harga-harga barang dan pada keempat

variabel yang ada memberikan nilai yang konvergen.


Tabel 4.21. Variance Decomposition INF

Variance Decomposition of LOG(INF):


10 0.812607 22.19888 18.22000 22.30747 37.27365 40 0.813457 22.15567 18.35825 22.27655 37.20953 100 0.813908 22.13155 18.44365 22.25273 37.17207


0

20

40

60

80

100

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Variance Decomposition of LOG(M1D)

0

20

40

60

80

100

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Variance Decomposition of LOG(GDP)

0

10

20

30

40

50

60

70

80

90

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Variance Decomposition of LOG(INR)

5

10

15

20

25

30

35

40

45

5 10 15 20 25 30 35 40

LOG(M1D)LOG(GDP)

LOG(INR)LOG(INF)

Variance Decomposition of LOG(INF)

Gambar 4.2. Gambar Variance Decomposition


Untuk menguji stabilitas model, dalam penelitian ini menggunakan lag

structure – AR roots/ Roots of Characteristic Polynomial dan Inverse Roots of AR

Characteristic Polynomial, hal ini dapat ditunjukkan pada lampiran 3 bahwa nilai

modulus pada semua nilai root di bawah 1 dan pada gambar Inverse Roots of AR

Characteristic Polynomial semua root berada didalam lingkaran.

4.3.9 Uji Signifikansi

Uji autokorelasi ini dilakukan untuk mengetahui adanya saling

ketergantungan antara faktor penganggu yang berhubungan dengan observasi yang

dipengaruhi oleh unsur gangguan yang berhubungan dengan pengamatan lainnya.

Untuk mengetahui adanya autokorelasi atau tidak dengan menggunakan uji Lagrange

Multiplier Test (LM Test). Hasil estimasi dengan menggunakan uji LM test dengan

menggunakan lag 1 diperoleh hasil bahwa nilai probabilitas > 0,05 maka dapat

disimpulkan tidak dapat menolak Ho atau dengan kata lain tidak terjadi autokorelasi.

(lihat lampiran 4)


BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, maka dapat

diambil kesimpulan sebagai berikut :

1. Dalam jangka panjang, Produk Domestik Bruto (GDP), suku bunga deposito 3

bulan dan inflasi mempengaruhi permintaan uang (M1) signifikan secara

statistik. Disamping itu, hasil estimasi dengan menggunakan Ordinary Least

Square (OLS) juga konsisten dengan hasil estimasi koefisien kointegrasi yang

menyatakan Produk Domestik Bruto dan inflasi mempunyai pengaruh positif

dan suku bunga deposito 3 bulan mempunyai pengaruh negatif.

2. Hasil estimasi dengan menggunakan Error Correction Mechanism (ECM),

menunjukkan hasil bahwa Produk Domestik Bruto, suku bunga deposito 3

bulan dan inflasi mempunyai pengaruh terhadap permintaan uang (M1)

signifikan secara statistik. Sedangkan koefisien regresi ECT(-1) bertanda

negatif dan signifikan hal ini sesuai dengan harapan teoritik dengan demikian

spesifikasi model yang terbentuk adalah stabil.

3. Hasil estimasi koefisien variabel shock yang diestimasi dengan menggunakan

AR(2) memberikan hasil signifikan pada jangka pendek dan tidak signifikan

pada jangka panjang. Hasil ini menunjukkan bahwa hal ini mendukung dari


teori pendekatan stok penyangga yang melandasi permintaan uang (M1) di

Indonesia.

4. Hasil estimasi dengan menggunakan Vector Autoregression (VAR),

menunjukkan hasil bahwa Produk Domestik Bruto, suku bunga deposito 3

bulan dan inflasi mempunyai pengaruh terhadap permintaan uang (M1).

Dengan menggunakan Vector Autoregression Pairwise Granger Casuality

Test mempunyai hubungan timbal balik. Hasil peramalan untuk permintaan

uang (M1), Produk Domestik Bruto, suku bunga deposito 3 bulan dan inflasi

dengan menggunakan model VAR ternyata sesuai dengan ekspetasi

perekonomian Indonesia dimasa mendatang, hal ini dapat ditunjukkan pada

trend suku bunga deposito yang semakin menurun.

5. Dari hasil variance decomposition LOG(M1D) diperoleh hasil bahwa dalam

jangka pendek dan menengah kontribusi Produk Domesti Bruto (GDP)

terhadap permintaan uang M1 lebih besar dibanding inflasi dan suku bunga,

hal ini mengindikasikan bahwa sebagian besar permintaan uang (M1)

digunakan untuk motif transaksi. Untuk jangka panjang permintaan uang

(M1) sebagian besar digunakan untuk motif transaksi kemudian berjaga-jaga

dan spekulatif. Hal ini ditandai dengan kontribusi pada nilai variance

docomposition M1 yaitu yang terbesar GDP kemudian diikuti inflasi (INF)

dan suku bunga deposito 3 bulan (INR).

6. Dari spesifikasi model yang terbentuk dengan menggunakan Roots of

Characteristic Polynomial dan Inverse Roots of AR Characteristic Polynomial


diperoleh hasil stabil, hal ini dapat ditunjukkan bahwa hanya satu unit root

yang menempel pada gambar Inverse Roots of AR Characteristic Polynomial.

6.2 Saran

1. Pertumbuhan ekonomi, suku bunga dan inflasi mempengaruhi permintaan

uang (M1) secara nyata tidak saja dalam jangka pendek, tetapi juga untuk

jangka panjang. Hal ini menunjukkan bahwa kebijakan moneter mempunyai

peranan dalam melakukan stimulasi terhadap permintaan uang dan nantinya

bermuara pada pertumbuhan ekonomi yaitu dengan menjaga tingkat inflasi

yang rendah. Dengan menjaga atau mengendalikan inflasi sesuai dengan yang

diharapkan maka momentum untuk menjaga kesinambungan pertumbuhan

ekonomi dapat dipertahankan sehingga jumlah uang (M1) yang dipegang oleh

masyarakat dapat menggerakkan aktivitas perekonomian.

2. Karena Produk Domestik Bruto (GDP) memberikan kontribusi yang dominan

dibandingkan suku bunga deposito 3 bulan dan inflasi terhadap permintaan

uang (M1) maka Bank Indonesia sebagai pengendali moneter diharapkan

dalam memanage jumlah uang (M1) beredar lebih memperhatikan variabel

Produk Domestik Bruto (GDP).


DAFTAR PUSTAKA

Baumol, G.A. (1979), “Irving Fisher on his head: The Consequences of Constant Threshold – Target Monitoring of Money Holding”, Quarterly Journal Of Economics, XCIII: 169-187.

Carr, J. and M.R. Darby (1981), ”The Role of Money Supply Shocks in the Short-run

Demang for Money”, Journal of Monetary Economics, 8: 183-199. Cuthberson, K. (1988), “The Demanf for M1: A Forward Looking Buffer Stock

Model”, Oxford Economic Paper, 40: 110-131. Cuthberson, K and Bredin (2001), ”Money Demand in the Czech Republic Since

Transition”, Technical Paper No. 3/RT/01. Dickey, D.A and W.A. Fuller (1981), “Likelihood Ratio Statistics for Autoregressive

Time Series with Unit Root”, Econometrica, 49:1057-1072. Davidson, J and J. Ireland (1987), ”Buffer Stock Model of the Monetary Sector”,

National Institute of Economic Review, August:67-71. Domowitz, I and L. Elbadawi (1987), ”An Error Correction approach to Money

Demand: The Case of the Sudan”, Journal of Development Economics, 5:26-46. Dornbusch, Fisher (1984), “ Macroeconomics” 4th ed, New York, Mc Graw-Hill. Enders, W. (2004),”Applied Econometrics time Series”, 2nd ed., John Wiley & Sons,

Inc. Engle, R.F and C.W.J Granger (1991), “Long Run Economic Relationships, Reading

in Cointegration”, Oxford University Press. Gujarati, D.N. (2003), “Basic Econometrics”, 4th ed., New York, Mc Graw-Hill. Gerlach, P-K (2001), “The Demand for Money in Switzerland”, Journal Vol. 137 (4):

535-554. Harrison, B, and Vymyatnina, Y. (2005), “ Demand for Money During Transaction:

The Case of Russia”, Working Paper Series #2005/01.


Iljas, A. (1998), “The Transmission Mechanism of Monetary Policy in Indonesia”, Bank for International settlements, Policy Paper No. 3.

Insukindro (1992b), “Pembentukan Model dalam Penelitian Ekonomi”, Jurnal

Ekonomi dan Bisnis Indonesia, 7:1-17. Kararach, G., “Evidence on the Demand for Money function in Uganda”, E41, O23. Laidler, D. (1987), “Buffer Stock Money and Transmission Mechanism”, Economic

Review, Federal Reserve Bank of Atlanta, March/April: 11-23. Laidler, D. (1997). “Notes on the Microfoundationof Monetary Economics”,

Economic Journal, 107:1213-1223. Levi, M.D. (2001), “Keuangan Internasional”, buku 2, Penerbit Andi and Mc Graw-

Hill. Mankiw, N.G. (2003), “Teori Makro Ekonomi”, edisi kelima, Harvard University,

Erlangga. Manurung, J., Manurung, A.H., Saragih, F.D. (2005), “Ekonometrika Teori dan

Aplikasi”, Elex Media Komputindo. Manurung, J. “Makroekonomi Moneter”, Modul. Milbourne, R.D. (1987), “Re-examining Buffer Stock Model of Money”, Economic

Journal, 97, Suplement: 130-142. Miller, M and D. Orr (1968), “The Demand for Money by Firm:Extensions of

Analytic Results”, Journal of Finance, 23: 735-759. Mizen, P. (1997), “Microfoundations for a Stable Demand for Money Function”,

Economic Journal, 107:1202-1212. Nachrowi, D.N., Usman, H. (2006), “Pendekatan Populer dan Praktis Ekonometrika

Untuk Analisisi Ekonomi dan Keuangan”, LPFE, UI, Jakarta. Sugiyanto, Catur (1994), “Ekonometrika Terapan”, BPFE, Yogyakarta. Teles, P and Zhou R. (2005), “A Stable Money Demand: Looking for the Right

Monetary Aggregat”, Federal Reserve Bank of Chicago, 50-63.


Lampiran 1. Data Penelitian

M1 GDPL/DGDP INR INF Obs. (Juta) (Juta) (%) (%)

1999:4 124,633,000 330,342,500 12.95 2.01 2000:1 124,663,000 342,852,400 12.40 0.93 2000:2 133,832,000 340,865,200 11.69 2.86 2000:3 135,430,000 355,289,500 12.84 4.65 2000:4 162,186,000 350,762,800 13.24 9.35 2001:1 148,375,000 356,114,900 14.86 2.11 2001:2 160,142,000 360,553,000 15.00 5.46 2001:3 164,237,000 367,517,400 16.16 8.16 2001:4 177,731,000 356,240,400 17.24 12.55 2002:1 166,173,000 368,650,400 17.02 3.50 2002:2 174,017,000 375,720,900 15.85 4.46 2002:3 181,791,000 387,919,600 14.36 6.17 2002:4 191,939,000 372,925,500 13.63 10.03 2003:1 181,239,000 386,743,900 12.90 0.77 2003:2 194,878,000 394,620,500 11.55 1.23 2003:3 207,587,000 405,607,600 8.58 2.48 2003:4 223,799,000 390,199,300 7.14 5.06 2004:1 218,998,000 402,597,300 6.11 0.92 2004:2 234,726,000 411,935,500 6.31 3.29 2004:3 240,911,000 423,852,300 6.61 3.80 2004:4 253,818,000 418,131,700 6.71 6.40 2005:1 250,492,000 427,003,000 6.93 3.19 2005:2 267,635,000 436,110,000 7.19 4.28 2005:3 273,954,000 448,492,500 8.51 6.39 2005:4 281,905,000 439,050,600 11.75 17.11 2006:1 277,293,000 448,276,800 11.61 1.98 2006:2 313,153,000 457,724,700 11.34 2.87 2006:3 333,905,000 474,797,500 11.05 4.06 2006:4 361,073,000 465,855,900 9.71 6.60

Sumber : Data Bank Indonesia (BI) dan Badan Pusat Statistik (BPS)


Lampiran 2. Model Vector Autogression

Vector Autoregression Estimates Date: 03/03/08 Time: 05:19 Sample(adjusted): 2000:1 2006:4 Included observations: 28 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]

LOG(M1D) LOG(GDP) LOG(INR) LOG(INF) LOG(M1D(-1)) -0.116212 0.136215 -0.613691 -7.625895

(0.20667) (0.10226) (0.44829) (2.89961) [-0.56231] [ 1.33206] [-1.36896] [-2.62997]

LOG(GDP(-1)) 0.899445 0.878880 0.128670 6.054664 (0.15698) (0.07767) (0.34051) (2.20245) [ 5.72976] [ 11.3152] [ 0.37788] [ 2.74905]

LOG(INR(-1)) -0.075177 0.010112 0.790824 -0.685801 (0.03934) (0.02309) (0.10124) (0.65483) [-1.91072] [ 0.43787] [ 7.81140] [-1.04729]

LOG(INF(-1)) -0.009655 -0.006245 0.084849 0.394982 (0.01503) (0.00744) (0.03259) (0.21083) [-0.64251] [-0.83989] [ 2.60314] [ 1.87348]

C 3.461429 -0.176823 9.410131 26.53223 (3.06566) (1.51688) (6.64987) (43.0123) [ 1.12910] [-0.11657] [ 1.41509] [ 0.61685]

R-squared 0.811421 0.945964 0.906827 0.294927 Adj. R-squared 0.778625 0.936567 0.890622 0.172306 Sum sq. resids 0.058692 0.014369 0.276156 11.55352 S.E. equation 0.050515 0.024995 0.109576 0.708750 F-statistic 24.74124 100.6612 55.96287 2.405184 Log likelihood 46.61698 66.31793 24.93561 -27.33727 Akaike AIC -2.972642 -4.379852 -1.423972 2.309805 Schwarz SC -2.734748 -4.141958 -1.186079 2.547699 Mean dependent 18.87399 19.79920 2.380563 1.350175 S.D. dependent 0.107364 0.099242 0.331322 0.779037 Determinant Residual Covariance

2.89E-09

Log Likelihood (d.f. adjusted) 116.3461 Akaike Information Criteria -6.881862 Schwarz Criteria -5.930287


Lampiran 3. Uji Stabilitas Vector Autogression Roots of Characteristic Polynomial Endogenous variables: LOG(M1D) LOG(GDP) LOG(INR) LOG(INF) Exogenous variables: C Lag specification: 1 1 Date: 03/03/08 Time: 05:23 Root Modulus 0.985499 0.985499 0.823403 0.823403 0.388824 0.388824 -0.249251 0.249251 No root lies outside the unit circle. VAR satisfies the stability condition.

-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

Inverse Roots of AR Characteristic Polynomial


Lampiran 4. Uji Autocorrelation

sts

lag order h

In obs : 28 L

VAR Residual Serial Correlation LM TeH0: no serial correlation atSample: 1999:4 2006:4

cluded ervationsags LM-Stat Prob 1 23.81551 0.0936 2 22.84263 0.1180 3 13.26583 0.6532

Probs from chi-square with 16 df.


analisis permintaan uang di indonesia dengan pendekatan stok

Documents