Download - Makalah ekonometrika -ECM
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Pertumbuhan ekonomi merupakan pertumbuhan output yang dibentuk oleh
berbagai sektor ekonomi sehingga dapat menggambarkan bagaimana kemajuan atau
kemunduran yang telah dicapai oleh sektor ekonomi tersebut pada suatu waktu tertentu .
Pertumbuhan ekonomi menunjukkan sejauh mana aktivitas perekonomian akan
menghasilkan tambahan pendapatan masyarakat pada suatu periode tertentu, karena pada
dasarnya aktivitas perekonomian adalah suatu proses penggunaan faktor-faktor produksi
untuk menghasilkan output, maka proses ini pada gilirannya akan menghasilkan suatu
aliran balas jasa terhadap faktor produksi yang dimiliki masyarakat sebagai pemilik
faktor produksi juga akan turut meningkat.
Pertumbuhan ekonomi mutlak harus ada, sehingga pendapatan masyarakat akan
bertambah, dengan demikian tingkat kesejahteraan masyarakat diharapkan akan
meningkat. Agar pertumbuhan ekonomi terus meningkat dan dapat dipertahankan dalam
jangka panjang maka perlu diketahui faktor-faktor apa yang dapat mempengaruhi
pertumbuhan ekonomi dan faktor apa yang perlu dihindari agar pertumbuhan ekonomi
tidak berjalan ditempat atau mengalami kemunduran. Kondisi perekonomian Daerah
Istimewa Yogyakarta menunjukkan perkembangan yang positif. Pada tahun 2008
pertumbuhan PDRB mencapai 8,68 % dan pada tahun 2009 meningkat 10,11 %.
Investasi merupakan salah satu hal penting bagi pertumbuhan ekonomi,
percepatan pembangunan ekonomi di suatu negara dan perbaikan bagi produktifitas
kerja. Investasi dapat digunakan sebagai alat untuk memulihkan perekonomian,
menciptakan lapangan kerja dan mengurangi kemiskinan. Tanpa investasi akan sulit
untuk melakukan ekspansi usaha. Penanaman Modal Dalam Negeri ( PMDN ) merupakan
salah satu solusi untuk memenuhi kebutuhan akan investasi. Namun ada beberapa faktor
yang menghambat investor untuk menanamkan modalnya di suatu daerah, baik dari
keadaan ekonomi, ketidakpastian hukum, situasi politik hingga pelayanan perizinan.
Pembangunan tidak dapat terlepas dari unsur tenaga kerja, dengan kondisi tenaga
kerja yang produktif maka pembangunan dapat berjalan lancar dan harapannya taraf
kehidupan penduduk juga akan meningkat. Tanpa tenaga kerja tidak mustahil
2
pembangunan tidak dapat berjalan , tenaga kerja menjadi penggerak dalam roda
pembangunan. Tenaga kerja dengan sumber daya manusianya bisa memberikan
sumbangan yang sangat berarti dalam proses pembangunan. Semakin tingginya angkatan
kerja tentu memerlukan lapangan pekerjaan yang layak, namun pada kenyataanya
lapangan pekerjaan tidak selalu tersedia. Semakin banyaknya penduduk, meningkatnya
jumlah angkatan kerja. Sumeber daya yang baik, keterampilan yang bagus menjadi modal
utama bagi angkatan kerja untuk mendapatkan pekerjaan yang layak.
Disisi lain faktor nilai tukar sering menjadi perhatian oleh para investor mengingat
acapkali mempengaruhi keputusan investor untuk menanamkan modalnya. Disini
kestabilan nilai tukar akan mempengaruhi nilai rupiah dengan secara tidak langsung akan
mempengaruhi para pemodal untuk menanamkan modalnya atau hanya ditabung di bank.
Hal ini akan berdampak juga terhadap pertumbuhan investasi domestik yang selanjutnya
mempengaruhi produk domestik bruto atau pendapatan suatu negara atau daerah.
Dengan melihat latar belakang dari permasalahan diatas dan melihat dari
fenomena yang ada, mendorong peneliti untuk mengamati lebih lanjut mengenai faktor-
faktor yang mempengaruhi pertumbuhan ekonomi di Daerah Istimewa Yogyakarta. Oleh
karena itu akan dicoba dibahas secara mendalam melalui penelitian dengan judul “
ANALISIS EFEKTIVITAS INVESTASI DOMESTIK, ANGKATAN KERJA
NILAI KURS TERHADAP PRODUK DOMESTIK REGIONAL BRUTO DI
DAERAH ISTIMEWA YOGYAKARTA PERIODE TAHUN 1990 – 2010.”
1.2. Batasan Masalah
Sehubungan dengan faktor keterbatasan yang ada dan mengingat banyaknya
faktor yang mempengaruhi produk domestik regional bruto, maka penelitian hanya
membahas pada :
1 Variabel-variabel yang dianggap berpengaruh terhadap besar kecilnya pertumbuhan
produk domestik regional bruto di Daerah Istimewa Yogyakarta yaitu pada investasi
domestik, angkatan kerja dan nilai kurs.
2 Data yang digunakan adalah data tahunan yaitu dari tahun 1990 sampai 2010 terdiri
atas :
a) Produk Domestik Regional Bruto
b) Tingkat Penanaman Modal Dalam Negeri
3
c) Banyaknya Penduduk Angkatan Kerja
d) Nilai Tukar Rupiah Terhadap Dollar US
1.3. Rumusan Masalah
Dari latar belakang masalah yang telah disampaikan diatas, maka dapat diambil
suatu perumusan masalah yang akan dibahas dalam penelitian ini yaitu sebagai berikut :
a. Pada Jangka Panjang
1 Apakah tingkat investasi atau penanaman modal dalam negeri berpengaruh
terhadap produk domestik regional bruto di D.I. Yogyakarta ?
2 Apakah angkatan kerja berpengaruh terhadap produk domestik regional bruto
di D.I. Yogyakarta?
3 Apakah nilai kurs berpengaruh terhadap produk domestik regional bruto di
D.I. Yogyakarta?
4 Apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh
secara simultan terhadap produk domestik regional bruto di D.I. Yogyakarta ?
b. Pada Jangka Pendek
1. Apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh
secara partial terhadap produk domestik regional bruto di D.I. Yogyakarta ?
1.4. Tujuan Penelitian
Tujuan yang diharapkan dilakukannya penelitian ini adalah sebagai berikut :
a. Pada Jangka Panjang
1. Untuk Mengidentifikasi Apakah tingkat investasi atau penanaman modal
dalam negeri berpengaruh terhadap produk domestik regional bruto di Daerah
Istimewa Yogyakarta ?
2. Untuk Mengidentifikasi Apakah angkatan kerja berpengaruh terhadap produk
domestik regional bruto di Daerah Istimewa Yogyakarta ?
3. Untuk Mengidentifikasi Apakah nilai kurs berpengaruh terhadap produk
domestik regional bruto di Daerah Istimewa Yogyakarta ?
4
4. Untuk Mengidentifikasi apakah tingkat investasi domestik, angkatan kerja,
dan nilai kurs berpengaruh secara simultan terhadap produk domestik regional
bruto di Daerah Istimewa Yogyakarta ?
b. Pada Jangka Pendek
5. Untuk Mengidentifikasi Apakah tingkat investasi domestik, angkatan kerja,
dan nilai kurs berpengaruh secara partial terhadap produk domestik regional
bruto di Daerah Istimewa Yogyakarta ?
1.5. Manfaat Penelitian
Penelitian ini diharapkan memberikan manfaat kepada berbagai pihak yang terkait
dalam studi ini. Manfaat tersebut sebagai berikut :
1. Hasil penelitian ini diharapkan bisa digunakan sebagai bahan pertimbangan
pemerintah daerah untuk meningkatkan minat investor menanamkan modalnya di
D.I. Yogyakarta
2. Bagi dunia akademik, hasil penelitian diharapkan dapat digunakan sebagai
referensi pembanding dan stimulan bagi penelitian selanjutnya.
5
BAB II
TINJAUAN PUSTAKA
2.1. Landasan Teori dan Penelitian Terdahulu
2.1.1. Pengertian Investasi
Sadono Sukirno (2000) mendefinisakan investasi sebagai pengeluaran-
pengeluaran untuk membeli barang-barang modal dan peralatan-peralatan produksi
dengan tujuan untuk mengganti dan terutama menambah barang-barang modal dalam
perekonomian yang akan digunakan untuk memproduksi barang dan jasa di masa
depan. Dengan kata lain, investasi berarti kegiatan perbelanjaan untuk meningkatkan
kapasitas memproduksi suatu perekonomian.
Menurut Dornbusch dan Fischer (2004), investasi adalah arus pengeluaran
yang menambah stock modal fisik. Dimana modal merupakan stock ketika nilai uang
dari gedung-gedung, mesin-mesin, dan inventaris lain adalah tetap pada suatu waktu.
Dengan membagi investasi dalam tiga kategori yaitu, investasi bisnis tetap, investasi
perumahan, dan investasi inventori.
Menurut Paul A. Samuelson dan William D. Nordhaus (1998), investasi
adalah pengeluaran yang dilakukan oleh para penanam modal yang menyangkut
penggunaan sumber-sumber seperti peralatan, gedung, peralatan produksi dan mesin-
mesin baru lainnya atau persediaan yang diharapkan akan memberikan keuntungan
dari investasi tersebut. Kekuatan ekonomi utama yang menentukan investasi adalah
hasil biaya investasi yang ditentukan oleh kebijakan tingkat bunga dan pajak, serta
harapan mengenai masa depan.
2.1.1.1. Teori Investasi Klasik
Teori ekonomi klasik menyatakan bahwa keinginan individu atau masyarakat
untuk menabung adalah sama dengan keinginan perusahaan untuk melakukan
investasi. Pandangan ini dapat ditulis sebagai :
I = S..............................................................................................................(2.1)
Dalam teori investasi klasik diasumsikan bahwa :
6
1. Tabungan adalah fungsi dari tingkat bunga
Yaitu semakin tinggi tingkat bunga, semakin tinggi pula keinginan masyarakat
untuk menabung. Artinya bahwa pada tingkat bunga yang lebih tinggi, masyarakat
akan terdorong untuk mengurangi pengeluaran untuk konsumsi dengan maksud untuk
menambah tabungan.
2. Investasi juga merupakan fungsi dari tingkat bunga
Yaitu semakin tinggi tingkat bunga, keinginan untuk melakukan investasi akan
semakin rendah. Dimana investasi akan dilakukan apabila pendapatan dari investasi
(return on investment) lebih besar dari tingkat bunga yang berlaku atau tingkat riil
sebab tingkat bunga merupakan biaya atau ongkos penggunaan dana (Cost of
Capital).
Dengan demikian, teori klasik merupakan hubungan antara tabungan dan
investasi dengan tingkat bunga yang digambarkan sebagai berikut :
Gambar 2.1.
Hubungan Investasi dan Tabungan Dengan Tingkat Bunga
Menurut Klasik
Dari gambar diatas dapat diterangkan bahwa kurva tabungan (S) menunjukkan
tingkat tabungan pada kesempatan kerja penuh atau full employment pada berbagai
E0
E1
Tingkat Bunga
R0
R1
I1
I0
I0=S1
I0=S0
Investasi dan Tabungan
S
I0
7
tingkat bunga sedangkan keinginan berinvestasi perusahaan ditunjukkan oleh kurva I0.
Sehingga bila pada mulanya keseimbangan diantara tabungan dan investasi (I0 = S0)
dicapai pada titik E0, dimana keseimbangan tingkat bunga ada pada titik R0.
Apabila misalnya permintaan investasi berubah dari I0 menjadi I1 maka pada
tinhkat bunga R0 sebanyak S0 tabungan ditawarkan dalam pasar, sedangkan investasi
yang terjadi akan merosot menjadi I0. Kelebihan tabungan inilah yang akan
menurunkan tingkat bunga menjadi R1 sehingga terjadi keseimbangan baru pada titik
E1, dimana tabungan yang baru telah lama kembali dengan permintaan investasi (I1 =
S1). Hal ini terjadi karena pada saat terjadi kelebihan tabungan maka para penabung
akan saling bersaing untuk meminjamkan dananya sehingga akan menekan tingkat
bunga. Demikian juga bila terjadi kondisi sebaliknya.
Teori investasi klasik ini dapat disimpulkan bahwa terdapat fleksibilitas
tingkat bunga yang akan menjamin terwujudnya keadaan tabungan selalu sama
dengan investasi (I = S) sehingga keseimbangan antara tabungan dan investasi selalu
tercapai. Dengan kata lain, tingkat bunga merupakan hasil interaksi antara tabungan
(S) dan investasi (I).
2.1.1.2. Teori Investasi Keynes : The Marginal Efficiency of Capital
Dasar teori permintaan dari Keynes adalah konsep Marginal Efficiency of
Capital (MEC). MEC didefinisikan sebagai tingkat pendapatan bersih yang
diharapkan diperoleh dari tambahan pengeluaran investasi. Dimana angka MEC ini
adalah angka yang menyamakan harga investasi dengan nilai sekarang (Present
Value) dari semua penerimaan yang diharapkan dari pengoprasian suatu proyek
investasi ditambah nilai sekarang dari nilai sisa (residu) investasi tersebut.
Rumus MEC adalah :
.................................2.2
Keterangan :
C = Pengeluaran untuk memperoleh investasi hingga siap pakai
R1, R2,..Rn = Penerimaan bersih yang diperkirakan diperoleh dari proyek investasi
1,2.......n = periode waktu dari masing-masing penerimaan
8
S = Nilai residu
r = MEC atau internal rate of return
Keputusan menjalankan investasi :
Bila MEC > suku bunga, maka proyek dijalankan
Bila MEC = suku bunga, maka proyek dijalankan atau tidak sama saja
Bila MEC < suku bunga, maka proyek tidak dijalankan
2.1.2. Produk Domestik Regional Bruto
Menurut Sadono Sukirno (2011), Produk Domestik Bruto (PDB) adalah nilai
barang dan jasa dalam suatu negara yang diproduksikan oleh faktor-faktor produksi
milik warga negara tersebut dan negara asing dalam satu tahun tertentu.
Menurut Susanti, dkk (2000 :23-24) indikator yang digunakan untuk
mengukur pertumbuhan ekonomi adalah tingkat pertumbuhan Produk Domestik Bruto
(PDB). Ada bebarapa alasan yang mendasari pemilihan pertumbuhan ekonomi
menggunakan Produk Domestik Bruto (PDB) bukan indikator lainnya yaitu :
1. PDB merupakan jumlah nilai tambah yang dihasilkan oleh seluruh aktivitas
produksi didalam perekonomian. Hal ini berarti peningkatan PDB juga
mencerminkan peningkatan balas jasa kepada faktor-faktor produksi yang
digunakan dalam aktivitas produksi tersebut.
2. PDB dihitung atas dasar konsep aliran (flow concept), artinya perhitungan
PDB hanya mencakup nilai produk yang dihasikan kepada suatu priode
tertentu.
3. Batas wilayah perhitungan PDB adalah negara (perekonomian domestik)
Menurut Todaro (2000:137) ada tiga faktor komponen utama dalam
pertumbuhan ekonomi dari setiap bangsa, yaitu :
1. Akumulsi modal, yakni meliputi semua bentuk atau jenis investasi yang
ditanamkan pada tanah, peralatan fisik dan modal atau sumber daya manusia.
2. Pertumbuhan penduduk, yang beberapa tahun selanjutnya akan
memperbanyak angkatan kerja.
3. Kemajuan teknologi.
9
Pada kenyataan terdapat kaitan yang sangat erat antara investasi dengan
pendapatan dalam suatu daerah tertentu. Terdapat hubungan yang positif apabila
pendapatan naik maka pengeluaran investasi juga akan naik. Begitu pula sebaliknya.
Meningkatnya pendapatan suatu daerah (PDRB) mempunyai tendensi meningkatnya
permintaan akan barang dan jasa konsumsi, yang berarti akan memerlukan produksi
barang-barang dan jasa konsumsi yang lebih banyak. Ini berarti memerlukan yang
sudah ada maupun menambah proyek investasi. Dengan demikian meningkatnya
tingkat pendapatan mengakibatkan meningkatnya jumlah proyek investasi yang
dilaksanakan oleh masyarakat.
2.1.3. Angkatan Kerja
Tenaga kerja merupakan seluruh penduduk yang dianggap memiliki potensi
untuk bekerja secara produktif (Adioetomo :2010). Hal ini berarti penduduk yang
mampu menghasilkan barang dan jasa dapat disebut sebagai tenaga kerja. Terdapat
tiga pendekatan pemberdayaan yang didasarkan pada pengukuran kegiatan ekonomi
yang dijadikan tolok ukur untuk analisis ketenagakerjaan yaitu Gainful Worker
Approach, Labor Force Approach dan Labor Utilization Approach. Masing-masing
konsep tersebut atau teori tersebut dijelaskan sebagai berikut.
1) Konsep Gainful Worker Approach
Konsep ini menjelaskan tentang aktivitas ekonomi orang yang pernah bekerja
atau biasa dilakukan seseorang(usual activity). Kata biasa dalam hal ini dapat
disimpulkan bahwa usaha tidak menggangap penting kegiatan-kegiatan lain yang
tidak termasuk biasa dilakukan. Contohnya orang yang biasanya sekolah namun pada
kondisi sekarang sedang mencari kerja maka hal ini diklasifikasikan sebagai orang
yang sekolah. Teori ini tidak dapat menggambarkan secara statistik mengenai kondisi
mereka yang bekerja dan sedang mencari pekerjaan sehingga angka pengangguran
terbuka relatif kecil.
2) Konsep Angkatan Kerja (Labor Force Approach)
Pendekatan ini memberikan batas yang jelas tentang kegiatan yang dilakukan
dalam semiggu ini, sehingga secara tegas dapat diketahui kegiatan apa yang benar-
10
benar dilakukan sebagai kegiatan utamanya. Pendekatan ini lebih dikenal sebagai
pendekatan aktivitas kini dengan jangka waktu tertentu (Mantra ,2009) .
Menurut Adioetomo, 2010 terdapat dua perbaikan yang diusulkan dalam
konsep yaitu :
a. Activity Concept, bahwa yang termasuk dalam angkatan kerja (labor force)
haruslah orang yang secara aktif bekerja atau sedang aktif mencari pekerjaan.
b. Aktivitas tersebut dilakukan dalam suatu batasan waktu tertentu sebelum
wawancara. Dengan kata lain, konsep angkatan kerja umumnya disertai
dengan referensi waktu.
Berdasarkan konsep tersebut , angkatan kerja (labor force) dibagi menjadi dua yaitu :
1. Bekerja
2. Mencari pekerjaan (menganggur), yang dapat dibedakan antara :
a) Mencari pekerjaan, tetapi sudah pernah bekerja sebelumnya
b) Mencari pekerjaan untuk pertama kalinya (belum pernah bekerja
sebelumnya)
Angkatan kerja dapat dikatakan sebagai bagian dari tenaga kerja yang
sesungguhnya terlibat atau berusaha untuk terlibat dalam kegiatan produktif, yaitu
memproduksi barang dan jasa dalam kurun waktu tertentu. Oleh karena itu, dalam
konsep angkatan kerja ini harus ada referensi waktu yang pasti, misalnya satu minggu
sebelum pencacahan.
3) Konsep Pemanfaatan Tenaga Kerja ( Labor Utilization Approach)
Pendekatan ini awalnya dikembangkan oleh Philip M Hauser untuk
memperbaiki konsep Labor Force, Pendekatan Labor Utilization dimaksudkan untuk
lebih menyempurnakan konsep angkatan kerja, terutama supaya lebih sesuai dengan
keadaan negara berkembang. Pendekatan dalam konsep ini lebih ditujukan untuk
melihat potensi tenaga kerja, apakah telah dimanfaatkan secara penuh. Dengan konsep
ini, angkatan kerja dikelompokkan sebagai berikut :
a) Pemanfaatan penuh (Full Utilized)
11
b) Pemanfaatan kurang (Under-Utilized), karena jumlah jam kerja yang rendah,
pendapatan upah atau gaji yang rendah dan tidak sesuai dengan kemampuan atau
keahliannya, biasa disebut setengah penganggur. Untuk point a dan b didasarkan
pada jumlah jam kerja seminggu.
c) Pengangguran terbuka (Open Unemployment)
2.1.4. Nilai Kurs
Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga
mata uang negara lain. Menurut Krugman (2000) mengartikan nilai tukar adalah harga
sebuah mata uang dari sebuah negara yang diukur dan dinyatakan dengan mata uang
lain. Nilai tukar mata uang dapat didefinisikan sebagai harga relatif dari mata uang
terhadap mata uang negara lainnya. Menurut Nopirin (2011) Kurs adalah pertukaran
antara dua mata uang yang berbeda, maka akan mendapat perbandingan nilai / harga
antara kedua mata uang tersebut.
Ada beberapa faktor penentu yang mempengaruhi pergerakan nilai tukar, yaitu
(MaduraJeff, 1993) :
1. Faktor Fundamental
Faktor fundamental berkaitan dengan indikator ekonomi seperti inflasi, suku
bunga, perbedaan relatif pendapatan antar negara, ekspektasi pasar dan
intervensi bank sentral.
2. Faktor Teknis
Faktor teknis berkaitan dengan kondisi permintaan dan penawaran devisa pasa
saat tertentu. Apabila ada kelebihan permintaan, sementara penawran tetap,
maka harga valuta asingakan terapresiasi, sebaliknya apabila ada kekurangan
permintaan, sementara penawaran tetap maka nilai tukar valuta asing akan
terdepresiasi.
3. Sentimen Pasar
Sentimen pasar lebih banyak disebabkan oleh rumor atau berita politik yang
bersifat insidentil, yang dapat mendorong harga valuta asing naik atau turun
12
secara tajam dalam jangka pendek. Apabila rumor atau beritasudah berlalu,
maka nilai tukar akan kembali normal.
2.2. Penelitian Terdahulu
Purbadharmaja (2006) dalam penelitiannya mengenai implikasi variabel
pengeluaran dan investasi terhadap pertumbuhan ekonomi provinsi bali dengan
menggunakan data deret waktu dari tahun 1999 – 2002 dengan menggunakan
autocorrelation function metode correlogram. Setelah itu uji analisis faktor metode
principal component analisys (PCA). Hasil penelitian menunjukkan bahwa variabel-
variabel ekonomi yang berpotensi mempengaruhi PDRB Propinsi Bali adalah
variabel pengeluaran (konsumsi rumah tangga, pengeluaran konsumsi pemerintah,
nilai tukar rupiah terhadap US dollar, jumlah kredit modal kerja, ekspor netto, nilai
hasil produksi pertanian dan jumlah wisatawan asing) dimana variabel pengeluaran
berpengaruh nyata dan positif terhadap PDRB Bali. Sedangkan variabel investasi (
investasi swasta domestik, investasi swasta asing, jumlah angkatan kerja )
berpengaruh negatif atau tidak nyata disebabkan investasi di Bali tidak efisien.
Swaramarinda dan Indriani (2011) dalam penelitiannya mengenai pengaruh
pengeluaran konsumsi dan investasi pemerintah terhadap pertumbuhan ekonomi di
Indonesia dengan menggunakan data tahunan, dari tahun 1997 sampai tahun 2007.
Dari hasil penelitian dapat dijelaskan bahwa pengeluaran konsumsi pemerintah dan
pengeluaran investasi pemerintah di Indonesia mempunyai kecenderungan untuk
meningkat setiap tahunnya. Terdapat hubungan positif pengeluaran konsumsi
pemerintah dengan pertumbuhan ekonomi pada periode penelitian. Pengeluaran
investasi pemerintah mempunyai dampak yang positif terhadap pertumbuhan
ekonomi.
De Fretes (2007), dalam penelitiannya mengenai analisis tentang pengaruh
investasi terhadap pembangunan ekonomi di Propinsi Papua. Adapun variabel yang di
teliti yaitu investasi dalam negeri dan luar negeri, kesempatan kerja dan pendapatan
perkapita dari tahunn 1990 – 2004. Berdasarkan hasil analisis investasi luar negeri
berpengaruh nyata terhadap penyediaan kesempatan kerja dan pendapatan per kapita
13
sedangkan investasi dalam negeri tidak berpengaruh terhadap kesempatan kerja dan
pendapatan per kapita.
2.3. Hipotesis
Sejalan dengan latar belakang pada penelitian ini dapat diambil suatu hipotesis
atau dugaan sementara sebagai berikut :
a. Pada Jangka Panjang
1) Diduga investasi atau penanaman modal dalam negeri mempengaruhi produk
domestik regional bruto di Daerah Istimewa Yogyakarta.
2) Diduga tingkat angkatan kerja mempengaruhi produk domestik regional bruto
di Daerah Istimewa Yogyakarta.
3) Diduga tingkat nilai kurs mempengaruhi produk domestik regional bruto di
Daerah Istimewa Yogyakarta
4) Diduga investasi domestik, angkatan kerja dan nilai kurs berpengaruh secara
simultan terhadap produk domestik regional bruto di Daerah Istimewa
Yogyakarta
b. Pada Jangka Pendek
1. Diduga investasi domestik, angkatan kerja dan nilai kurs berpengaruh secara
partial terhadap produk domestik regional bruto di Daerah Istimewa
Yogyakarta
14
BAB III
METODE PENELITIAN
3.1. Variabel Penelitian dan Definisi Operasional
3.1.1. Variabel Penelitian
Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
produk domestik regional bruto (Y) Sedangkan variabel bebasnya (independent variabel)
yaitu penanaman modal dalam negeri (PMDN), nilai kurs terhadap dollar US (KURS) dan
angkatan kerja (AK).
3.1.2. Definisi Operasional Variabel
Variabel yang akan digunakan dalam analisis ini didefinisikan sebagai berikut :
1. Produk Domestik Regional Bruto (PDRB)
PDRB adalah keseluruhan nilai tambah barang dan jasa yang dihasilkan oleh seluruh unit
usaha atau seluruh unit ekonomi di suatu wilayah atas dasar harga konstan.
2. Penanaman Modal Dalam Negeri (PMDN)
Penanaman Modal Dalam Negeri adalah realisasi investasi perseorangan atau perusahaan
yang berasal dari dalam negeri/domestik pada perusahaan yang berlokasi di propinsi
Daerah Istimewa Yogyakarta.
3. Angkatan Kerja (AK)
Angkatan Kerja yang dimaksudkan disini adalah jumlah penduduk berumur 10 tahun
keatas yang bekerja berdasarkan kegiatan selama seminggu yang lalu di Daerah
Istimewa Yogyakarta, yang dinyatakan salam bentuk satuan orang.
4. Nilai Tukar Rupiah Terhadap Dollar US (KURS)
Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga mata uang
negara lain / harga sebuah mata uang dari sebuah negara yang diukur dan dinyatakan
15
dengan mata uang lain. Nilai tukar yang digunakan kurs rupiah terhadap dollar selama
periode 1990 – 2010 yang dinyatakan dalam rupiah.
3.2. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data runtut
waktu (time series) dengan rentang waktu 21 tahun. Data yang dipilih adalah data dari tahun
1990 sampai 2010. Sedangkan metode pengumpulan data yang digunakan dalam penelitian
ini adalah dengan cara mencari data yang berhubungan dengan variabel penelitian secara urut
sesuai dengan tahun penelitian dan mendokumentasikannya, data-data tersebut dikumpulkan
dari berbagai sumber yaitu , Badan Pusat Statistik (BPS-Yogyakarta) dan Bank Indonesia
Daerah Yogyakarta.
3.3. Metode Pengumpulan Data
Metode yang dipakai dalam pengumpulan data adalah melalui studi pustaka. Studi
pustaka merupakan teknik untuk mendapatkan informasi melalui catatan, literatur,
dokumentasi dan lain-lain yang masih relevan dengan penelitian ini. Data yang digunakan
dalam penelitian ini adalah data sekunder yang diperoleh dalam bentuk sudah jadi dari Badan
Pusat Statistik Yogyakarta. Data yang diperoleh adalah data dalam bentuk tahunan untuk
masing – masing variabel.
3.4. Metode Analisis
Dalam penelitian ini dilakukan dua analisis, yaitu analisis keseimbangan jangka
panjang dengan menggunakan persamaan kointegrasi (cointegration test) dan analisis jangka
pendek dengan metode regresi linier ECM (Error Correction Methode). Sebelum melakukan
analisis harus dilakukan uji terhadap kestationeran data. Konsep terkini yang banyak dipakai
untuk menguji kestationeran data runtut waktu adalah uji akar unit (unit root test) atau
dikenal juga dengan Uji Augmented Dickey Fuller (ADF). Pengujian akar-akar unit untuk
semua variabel yang digunakan dalam analisis runtut waktu perlu dilakukan untuk memenuhi
keshahihan analisis ECM (Error Correction Methode). Ini berarti bahwa data yang
digunakan harus bersifat stasioner, atau dengan kata lain perilaku data yang stasioner
memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati
nilai rata-ratanya. Hipotesis yang dikemukan adalah :
16
H0 : = 0 artinya terjadi unit root (data tidak stasioner)
H1 : ≠ 0 artinya tidak terjadi unit root (data stasioner)
Teknik pengujian adalah dengan membuat regresi antara dan Yt-1 sehingga akan
didapat koefisien regresinya, yaitu . Regresi metode yang sama secara parsial juga akan
dilakukan terhadap semua variabel independen yang digunakan. Namun signifikansi tidak
dapat dilakukan dengan uji t karena hipotesis diatas tidak mengikuti distribusi t. Dickey-
Fuller membuktikan bahwa Uji t terhadap hipotesis diatas mengikuti statistik ɩ (tau). Statistik
ini selanjutnya dikembangkan oleh Mc Kinnon. Model yang akan digunakan adalah model
dengan intersep (Nachrowi, 2006), yaitu :
∑
Keterangan :
m = panjangnya lag yang digunakan.
H0 ditolak bila nilai ADF lebih kecil atau lebih besar dibandingkan dengan nilai kritis mutlak
Mc Kinnon pada level 1%, 5%, dan 10%, yang juga berarti bahwa distribusi (t) mengarah
pada kondisi yang signifikan.
Selanjutnya dilakukan uji derajat integrasi. Uji derajat integrasi merupakan kelanjutan
dari uji akar unit, apabila setelah dilakukan pengujian akar unit ternyata data belum stasioner,
maka dilakukan pengujian ulang dan menggunakan data nilai perbedaan pertamanya (first
difference). Apabila dengan data first difference belum juga stasioner maka selanjutnya
dilakukan pengujian dengan data dari perbedaan kedua (second difference) dan seterusnya
hingga data stasioner. (Gujarati,1999)
3.4.1. Pengujian Kointegrasi
Jika semua variabel lolos dari uji akar unit, maka selanjutnya dilakukan uji
kointegrasi (cointegration test) untuk mengetahui kemungkinan terjadinya keseimbangan
atau kestabilan jangka panjang diantara variabel-variabel yang diamati. Dalam penelitian ini
digunakan metode Engel dan Granger untuk menguji kointegrasi variabel-variabel yang ada
dengan memanfaatkan uji statistik DF-ADF untuk melihat apakah residual regresi kointegrasi
17
stasioner atau tidak. Untuk menghitung nilai DF dan ADF terlebih dahulu adalah membentuk
persamaaan regresi kointegrasi dengan metode kuadrat terkecil biasa (OLS). Persamaan
regresi yang akan diujikan pada penelitian ini adalah seperti yang dikemukakan
Nachrowi(2006).
Yt = β0 + β1PMDNt + β2AKt + β3KURSt + et
Keterangan :
β0 = intersep/konstanta
β1, β2, β3 = koefisien regresi
Yt = Produk Domestik Regional Bruto pada periode t
PMDN = nilai investasi domestik pada periode t
AKt = Angkatan Kerja pada periode t
KURSt = nilai tengah kurs rupiah terhadap dolar Amerika pada periode t
et = error term
Dari regresi terhadap persamaan diatas didapatkan nilai residunya. Kemudian nilai
residu (et) tersebut diuji menggunakan metode Augmented Dickey Fuller untuk melihat
apakah nilai residual tersebut stasioner atau tidak. Nilai residu dikatakan stasioner apabila
nilai hitung mutlak ADF lebih kecil atau lebih besar daripada nilai kritis mutlak Mc Kinnon
pada α = 1%, 5%, atau 10% dan dapat dikatakan regresi tersebut adalah regresi yang
terkointegrasi. Dalam ekonometrika variabel yang saling terkointegrasi dikatakan dalam
kondisi keseimbangan jangka panjang. Pengujian ini sangat penting apabila model dinamis
akan dikembangkan. Dengan demikian, interpretasi denga menggunakan model diatas tidak
akan menyesatkan, khususnya untuk analisis jangka panjang.
3.4.2. Analisis Error Corecction Model (ECM)
Teknik untuk mengoreksi ketidakseimbangan jangka pendek menuju pada
keseimbangan jangka panjang disebut Error Corecction Model (ECM). Metode ini adalah
suatu regresi tunggal menghubungkan diferensi pertama pada variabel terikat ( dan
18
diferensi pertama untuk semua variabel bebas dalam model. Metode ini dikembangkan oleh
Engel dan Granger pada tahun 1987. Bentuk umum metode ECM (Nachrowi:2006) adalah
sebagai berikut :
Untuk mengetahui spesifikasi model dengan ECM merupakan model yang valid,
dapat terlihat pada hasil uji statistik terhadap koefisien atau residual dari regresi pertama,
yang selanjutnya akan disebut Error Corecction Term (ECT). Jika hasil pegujian terhadap
koefisien ECT signifikan, maka spesifikasi model yang diamati valid. Pada penelitian ini
model analisis ECM yang digunakan dapat dirumuskan secara lengkap sebagai berikut :
Yt = f (PMDNt , AKt, KURSt, ECTt-1)
Keterangan :
Yt = Produk Domestik Regional Bruto pada periode t
PMDNt = nilai investasi domestik pada periode t
AKt = Angkatan Kerja pada periode t
KURSt = rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t
= error correction term pada periode sebelumnya
Berdasarkan hasil perhitungan dengan analisis regresi linear ECM diatas, maka dapat
diketahui nilai variabel ECT (error correction term), yaitu variabel yang menunjukkan
keseimbangan investasi. Hal ini dapat menjadikan indikator bahwa spesipikasi model baik
atau tidak melalui tingkay signifikansi koefisien koreksi kesalahan(Wing Wahyu, 2007). Jika
variabel ECT signifikansi pada α = 5%, maka koefisien tersebut akan menjadi penyesuaian
bila terjadi fluktuasi variabel yang diamati menyimpang dari hubungan jangka panjang.
Dengan kata lain spesipikasi model sudah shahih (valid) dan dapat menjelaskan variasi
variabel tak bebas.
19
BAB IV
ANALISIS DATA DAN PEMBAHASAN
Dari hasil penelitian yang dilakukan oleh penulis memperoleh suatu hasil pengujian
berdasarkan data yang sudah diolah. Berdasarkan hasil data olahan tersebut dapat ditarik hasil
antara analisis dan pembahasan adalah sebagai berikut :
4.1. Uji Stasioneritas
4.1.1. Uji Akar Unit
Data deret waktu dikatakan stasioner jika menunjukkan pola yang konstan dari waktu
ke waktu. Adapun uji akar unit yang digunakan dalam penelitian ini adalah uji Augmented
Dickey Fuller (ADF). Apabila nilai t-statistik ADF lebih besar daripada nilai kritis
MacKinnon, maka variabel tersebut memiliki akar unit sehingga dikatakan tidak stasioner
(nonstasioner) pada taraf nyata tertentu. Sebaliknya, Apabila nilai t-statistik ADF lebih kecil
daripada nilai kritis MacKinnon, maka variabel tersebut tidak memiliki akar unit sehingga
dikatakan stasioner pada taraf nyata tertentu.
ADF t-statistik > t-critical MacKinnon = memiliki akar unit atau tidak stasioner
ADF t-statistik < t-critical MacKinnon = tidak memiliki akar unit atau stasioner
Uji akar unit dilakukan satu persatu atau setiap variabel yang akan di analisis baik
variabel dependent maupun independent. Dari hasil pengolahan data yang menggunakan
bantuan program eviews 3.1. diperoleh hasil uji akar unit pada tingkat level, dapat dilihat
pada tabel 4.1.
Tabel 4.1. Hasil Augmented Dickey Fuller Pada Tingkat Level
Variabel ADF t-statistik Nilai Kritis MacKinnon
Keterangan 1 % 5 % 10 %
Y -1.678657 -4.5348 -3.6746 -3.2762 Nonstasioner
PMDN -5.813617 -4.5348 -3.6746 -3.2762 Stasioner
AK -2.258751 -4.5348 -3.6746 -3.2762 Nonstasioner
KURS -1.263614 -4.5348 -3.6746 -3.2762 Nonstasioner
20
Tabel 4.1. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada
tingkat level, yakni variabel Y (PDRB), AK (anngkatan kerja), dan KURS (nilai kurs) pada
tingkat signifikansi 5 persen. Sedangkan variabel PMDN (investasi domestik) stasioner pada
tingkat signifikansi 5 persen dengan nilai ADF t-statistik -5.813617. Oleh karena rata-rata
variabel tidak signifikan pada tingkat level maka perlu di uji dengan derajat integrasi.
4.1.2. Uji Derajat Integrasi
Uji derajat integrasi merupakan kelanjutan dari uji akar unit, apabila setelah dilakukan
pengujian akar unit ternyata data belum stasioner, maka dilakukan pengujian ulang dan
menggunakan data nilai perbedaan pertamanya (first difference). Apabila dengan data first
difference belum juga stasioner maka selanjutnya dilakukan pengujian dengan data dari
perbedaan kedua (second difference) dan seterusnya hingga data stasioner.
Berdasarkan hasil pada uji Augmented Dickey Fuller pada tingkat level, diketahui
bahwa tidak semua variabel stasioner maka perlu dilakukan uji Augmented Dickey Fuller
pada tingkat first difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada
tingkat first difference, dapat dilihat pada tabel 4.2.
Tabel 4.2. Hasil Augmented Dickey Fuller Pada Tingkat First Difference
Variabel ADF t-statistik Nilai Kritis MacKinnon
Keterangan 1 % 5 % 10 %
Y -2.653597 -4.5743 -3.6920 -3.2856 Nonstasioner
PMDN -9.549377 -4.5743 -3.6920 -3.2856 Stasioner
AK -3.448001 -4.5743 -3.6920 -3.2856 Nonstasioner
KURS -3.368889 -4.5743 -3.6920 -3.2856 Nonstasioner
Tabel 4.2. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada
tingkat first difference, yakni variabel Y (PDRB), AK (angkatan kerja, KURS (nilai kurs)
pada tingkat signifikansi 5 persen. Dan satu variabel stasioner, yakni PMDN (investasi
domestik) pada tingkat signifikansi 5 persen dengan nilai ADF t-statistik -9.549377.
Berdasarkan hal tersebut, maka kembali dilakukan pengujian Augmented Dickey Fuller pada
tingkat second difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada
tingkat second difference, dapat dilihat pada tabel 4.3.
21
Tabel 4.3. Hasil Augmented Dickey Fuller Pada Tingkat Second Difference
Variabel ADF t-statistik Nilai Kritis MacKinnon
Keterangan 1 % 5 % 10 %
Y -4.044107 -4.6193 -3.7119 -3.2964 stasioner
PMDN -9.021135 -4.6193 -3.7119 -3.2964 stasioner
AK -5.161322 -4.6193 -3.7119 -3.2964 stasioner
KURS -6.210772 -4.6193 -3.7119 -3.2964 stasioner
Tabel 4.3. memperlihatkan bahwa empat variabel sudah stasioner pada tingkat second
difference, yakni variabel Y (PDRB), PMDN (investasi domestik), AK (anngkatan kerja),
KURS (nilai kurs) pada tingkat signifikansi 5 persen. Oleh karena itu dapat dikatakan semua
data yang digunakan dalam penelitian ini terintegrasi pada derajat dua (second diffrence).
4.2.Uji Kointegrasi
Uji kointegrasi Engle-Granger digunakan untuk mengestimasi hubungan jangka
panjang antara Y (PDRB) dengan investasi domestik (PMDN), angkatan kerja (AK), dan
nilai kurs (KURS). Uji kointegrasi dilakukan dengan terlebih dahulu memastikan bahwa
semua variabel yang digunakan dalam model memiliki derajat integrasi yang sama. Dari hasil
pengujian seluruh data dalam penelitian ini memiliki derajat integrasi yang sama, yaitu
berintegrasi I(2). Oleh karena itu maka uji kointegrasi dapat dilakukan. Tahap awal dari uji
kointegrasi Engle-Granger adalah dengan meregresi persamaan OLS antara variabel
dependent dan variabel independent. Kemudian seteleh meregresi persamaan didapatkan
residual dari persamaan tersebut. Persamaan regresi sebagai berikut :
..................... (4.2.1)
Hasil persamaan uji kointegrasi Engle-Granger adalah sebagai berikut :
Y = + PMDN + AK + KURS
Y = -8222.048058 - 7.138215608*PMDN + 0.01397932444*AK + 0.001514738805*KURS
22
Tabel 4.4 Hasil Uji Engle Granger Cointegration Test
Variabel Koefisien (t-stat)
Konstanta
-8222.048
(-1.6099)
PMDN -7.138216
(-1.8039)***
AK
KURS
0.013979
(4.0796)**
0.001515
(0.00749)
R-square 0,8078
F- stat 23,8191**
DW stat 0,7100
*signifikan pada level 1%
**signifikan pada level 5%
***signifikan pada level 10%
Berdasarkan pada tabel 4.4 di atas variabel PMDN dan AK memberikan pengaruh
yang signifikan terhadap variabel Y(PDRB). Hasil analisis persamaan pengaruh terhadap
PDRB di Daerah Istimewa Yogyakarta adalah :
a. Pengaruh Investasi Domestik (PMDN) terhadap Y (PDRB)
Koefisien PMDN yang negatif sebesar -7,138216, artinya jika PMDN naik sebesar
satu persen maka Y(PDRB) di Daerah Istimewa Yogyakarta akan turun sebesar 7,138216
persen. Hal ini menunjukkan dalam jangka panjang, peningkatan investasi domestik akan
meningkatkan juga pengeluaran pemerintah sehingga mengurangi pendapatan daerah. Nilai
probabilitas sebesar 0,089 menunjukkan PMDN secara partial signifikan dan mempengaruhi
variabel dependennya, karena nilai probabilitasnya kurang dari taraf nyata 10 persen.
b. Perubahan Angkatan Kerja (AK)
Koefisien AK sebesar 0,013979, artinya jika AK naik sebesar satu persen maka
Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,013979 persen. Hal ini
menunjukkan dalam jangka panjang, meningkatnya jumlah tenaga kerja mendorong
23
pertumbuhan produk domestik regional di Daerah Istimewa Yogyakarta . Nilai probabilitas
sebesar 0,0008 menunjukkan AK secara partial signifikan dan mempengaruhi variabel
dependennya, karena nilai probabilitasnya kurang dari taraf nyata 5 persen.
c. Perubahan Nilai Kurs (KURS)
Koefisien KURS sebesar 0,001515, artinya jika KURS naik sebesar satu persen maka
Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,001515 persen. Hal ini
menunjukkan dalam jangka panjang, nilai tukar kurang dominan atau kecil kontribusinya
dalam mempengaruhi pertumbuhan produk domestik regional di Daerah Istimewa
Yogyakarta . Nilai probabilitas sebesar 0,9941 menunjukkan KURS secara partial tidak
signifikan dan tidak mempengaruhi variabel dependennya, karena nilai probabilitasnya lebih
besar dari taraf nyata 5 persen.
Nilai konstanta (C) dalam pemodelan adalah negatif sebesar -8222,048. Hal ini berarti
jika semua variabel diasumsikan bernilai nol, maka Y(PDRB) di Daerah Istimewa
Yogyakarta cenderung akan menurun sebesar 8222,048 persen. Nilai probabilitas C adalah
0,1258, sehingga menunjukkan bahwa C tidak memberikan pengaruh yang signifikan dalam
permodelan.
Hasil estimasi dari persamaan jangka panjang menunjukkan nila R-Square sebesar
0,8078, artinya bahwa 80,78 persen model PDRB dapat dijelaskan oleh variabel
independennya yakni, PMDN, AK, dan KURS. Sedangkan sisanya sebesar 19,22 persen
dijelaskan oleh variabel lain diluar persamaan.
Hasil estimasi dari persamaan jangka panjang menunjukkan nilai F-statistik sebesar
23,8191 dengan nilai probabilitas sebesar 0,000003. Nilai ini lebih kecil dari taraf nyata 5
persen sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang
signifikan antara variabel independent secara keseluruhan yang terdiri dari investasi
domestik, angkatan kerja, dan kurs terhadap variabel dependen yaitu produk domestik
regional bruto.
Hasil estimasi dari persamaan jangka panjang menunjukkan nilai D-W (Durbin
Watson) sebesar 0,710005. Hal ini menunjukkan pada model tidak mengandung autokorelasi
karena nilai D-W berada diantara -2 sampai +2.
Dari persamaan regresi (4.2.1) kemudian diestimasi variabel residualnya yaitu :
......... (4.2.2)
24
Langkah berikutnya adalah menaksir model persamaan autoregressive dari residual
berdasarkan persamaan berikut :
∑ ...................................................... (4.2.3)
Berdasarkan persamaan autoregressive akan diperoleh nilai AEG hitung yang nantinya
dibandingkan dengan nilai ADF tabel. Adapun hipotesa yang akan diuji adalah :
H0 : ut = I(1), artinya tidak ada kointegrasi
Ha : ut ≠ I(1), artinya ada kointegrasi
Setelah memiliki variabel residual yang berasal dari persamaan (4.2.2), maka
dilanjutkan dengan menguji variabel residual, apakah stasioner atau nonstasioner. Dari hasil
pengolahan data diperoleh hasil uji kointegrasi, dapat dilihat pada tabel 4.4.
Tabel 4.5. Hasil Augmented Dickey Fuller Pada Persamaan Residual
Variabel ADF t-statistik Nilai Kritis MacKinnon
Keterangan 1 % 5 % 10 %
e -5.229615 -2.7158 -1.9627 -1.6262 Berkointegrasi
Tabel 4.5. memperlihatkan bahwa variabel e sudah stasioner pada tingkat second
difference. Ini berarti ada indikasi bahwa variabel e untuk data second difference dan panjang
lag 1 tidak mengandung akar unit, dengan kata lain variabel e sudah stasioner, sehingga
disimpulkan bahwa terjadi kointegrasi diantara semua variabel yang disertakan dalam model
Y (PDRB). Hal ini mempunyai makna bahwa dalam jangka panjang akan terjadi
keseimbangan atau kestabilan antar variabel yang diamati.
4.3. Uji Error Correction Model (ECM)
Setelah lolos dari uji kointegrasi, langkah selanjutnya adalah membentuk persamaan
error correction model (ECM). Persamaan yang akan dibentuk sebagai berikut :
........(4.2.4)
Keterangan :
Yt = Produk Domestik Regional Bruto pada periode t
25
PMDNt = nilai investasi domestik pada periode t
AKt = Angkatan Kerja pada periode t
KURSt = rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t
= persamaan residual
Persamaan (4.2.4) dibangun berdasarkan hasil pengujian bahwa semua variabel sudah
stasioner dalam data beda kedua (second difference) yang diperlihatkan oleh notasi . Error
correction model (ECM) digunakan untuk mengestimasi model dinamis jangka pendek dari
variabel produk domestk regional bruto. Penggunaan metode estimasi ECM dapat
mengabungkan efek jangka pendek dan panjang yang disebabkan oleh fluktuasi dan time lag
dari masing-masing variabel independent. Berdasarkan hasil dari uji ECM didapat hasil
sebagai berikut :
Tabel 4.6 Hasil Uji ECM
Variabel Koefisien (t-stat)
Konstanta
1018.416
(5.496)**
DPMDN(-1) 3.984735
(2.215)**
DPMDN(-2)
DPMDN(-3)
DAK(-3)
DKURS(-1)
E(-1)
2.566027
(1.728)
5.068831
(2.903)**
-0.005566
(-1.625)
-0.216619
(-2.434)**
-0.296772
(-2.908)**
R-square 0,7245
F- stat 4,3829**
DW stat 1,1621
*signifikan pada level 1%
**signifikan pada level 5%
26
Adapun persamaan yang diperoleh dari hasil uji ECM adalah :
D(Y) = β0 + β1 DPMDN(-1) + β2 DPMDN(-2) + β3 DPMDN(-3) + β4 DAK(-3) + β5
DKURS(-1) + E(-1)
D(Y) = 1018.415588 + 3.984735024*DPMDN(-1) + 2.566027377*DPMDN(-2) +
5.068830587*DPMDN(-3) - 0.005565664801*DAK(-3) - 0.2166186576*DKURS(-1) -
0.2967723124*E(-1)
Persamaan di atas merupakan model dinamik Y(PDRB) untuk jangka pendek, dimana
variabel PDRB tidak hanya dipengaruhi oleh DPMDN(-1), DPMDN(-3), dan DKURS(-1)
tetapi juga dipengaruhi oleh variabel error term et. Kelihatan disini nilai koefisien et signifikan
untuk ditempatkan dalam model sebagai koreksi jangka pendek untuk mencapai
keseimbangan jangka panjang. Semakin kecil nilai et maka semakin cepat proses koreksi
menuju keseimbangan jangka panjang. Oleh karena itu dalam ECM variabel et sering
dikatakan pula sebagai faktor kelambanan, yang memiliki nilai lebih kecil dari nol, et < 0.
Pada model ini, nilai koefisien et mencapai -0.296772, yang menandakan bahwa nilai
Y(PDRB) berada di atas nilai jangka panjangnya.
Hasil pengujian terhadap model dinamis (jangka pendek) produk domestik regional
bruto di Daerah Istimewa Yogyakarta dari tahun 1990 dampai dengan tahun 2010 dapat
diinterpretasikan berdasarkan hasil estimasi pada tabel 4.5 adalah sebagai berikut :
a. Perubahan Investasi Domestik (PMDN)
Pengaruh investasi domestik terhadap Y(PDRB) pada jangka pendek berpengaruh
secara signifikan pada tahun pertama dan ketiga sebelumnya. Peningkatan satu persen PMDN
pada tahun pertama sebelumnya akan meningkatkan PDRB sebesar 3,984735 persen. Nilai
probabilitas variabel PMDN adalah 0,05. Nilai ini sama dengan dari taraf nyata 5 persen,
sehingga variabel PMDN pada tahun pertama sebelumnya signifikan dan mempengaruhi
varaiabel dependennya. Begitu juga Peningkatan satu persen PMDN pada tiga tahun
sebelumnya akan meningkatkan PDRB sebesar 5.068831 persen. Nilai probabilitas variabel
PMDN adalah 0,0157. Nilai ini lebih kecil dari taraf nyata 5 persen, sehingga variabel PMDN
pada tiga tahun sebelumnya signifikan dan mempengaruhi variabel dependennya. Secara
keseluruhan dalam jangka pendek, ketika terjadi peningkatan PMDN sebesar satu persen
maka akan meningkatkan PDRB sebesar 9,053566 persen.
27
b. Perubahan Angkatan Kerja (AK)
Pengaruh Angkatan Kerja terhadap PDRB pada jangka pendek tidak berpengaruh
secara signifikan pada tiga tahun sebelumnya. Peningkatan satu persen AK pada tiga tahun
sebelumnya akan menurunkan PDRB sebesar 0.005566 persen. Nilai probabilitas variabel
AK adalah 0,1352. Nilai ini lebih besar dari taraf nyata 5 persen, sehingga variabel AK pada
tiga tahun sebelumnya tidak signifikan dan tidak mempengaruhi variabel dependennya.
c. Perubahan Nilai Kurs (KURS)
Pengaruh nilai kurs terhadap PDRB pada jangka pendek berpengaruh secara
signifikan pada tahun pertama sebelumnya. Peningkatan satu persen KURS pada tahun
pertama sebelumnya akan menurunkan PDRB sebesar 0.216619 persen. Nilai probabilitas
variabel KURS adalah 0,0352. Nilai ini lebih kecil dari taraf nyata 5 persen, sehingga
variabel KURS pada tahun pertama sebelumnya signifikan dan mempengaruhi variabel
dependennya.
Dilihat dari nilai koefisien ECT (E-1) adalah negatif sebesar 2.908. Hal ini
mengindikasikan ketidakseimbangan dalam PDRB. Nilai koefisien ECT (E-1) sebesar
0.296772 menunjukkan bahwa disequilibrium periode sebelumnya terkoreksi pada periode
sekarang 0,29 persen. ECT menentukan seberapa cepat equilibrium tercapai kembali ke
keseimbangan jangka panjang.
Hasil estimasi dari persamaan jangka pendek menunjukkan nila R-Square sebesar
0,7245, artinya bahwa 72,45 persen model PDRB dapat dijelaskan oleh variabel perubahan
PMDN, AK, dan KURS pada periode tahun sebelumnya. Sedangkan sisanya sebesar 27,55
persen dijelaskan oleh variabel lain diluar model.
Hasil estimasi dari persamaan jangka pendek menunjukkan nilai F-statistik sebesar
4,3829 dengan nilai probabilitas sebesar 0,0198. Nilai ini lebih kecil dari taraf nyata 5 persen
sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang signifikan
antara variabel independent secara keseluruhan yang terdiri dari investasi domestik, angkatan
kerja, dan kurs terhadap variabel dependent yaitu produk domestik regional bruto.
Hasil estimasi dari persamaan jangka pendek menunjukkan nilai D-W (Durbin
Watson) sebesar 1,1621. Hal ini menunjukkan pada model tidak mengandung autokorelasi
karena nilai D-W berada diantara -2 sampai +2.
28
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
a. Jangka Panjang
Pada jangka panjang faktor yang mempengaruhi Produk Domestik Regional Bruto di
Daerah Istimewa Yogyakarta secara negatif dan signifikan adalah investasi domesik (PMDN)
dan secara positif dan signifikan adalah angkatan kerja (AK). Sedangkan faktor nilai kurs
tidak terlalu mempengaruhi pertumbuhan Produk Domestik Regional Bruto di Daerah
Istimewa Yogyakarta.
b. Jangka Pendek
Pada jangka pendek faktor investasi domestik lebih dominan mempengaruhi Produk
Domestik Regional Bruto di Daerah Istimewa Yogyakarta, diikuti oleh faktor nilai kurs.
Sedangkan faktor angkatan kerja tidak begitu mempengaruhi pertumbuahn Produk Domestik
Regional Bruto di Daerah Istimewa Yogyakarta.
5.2. Saran
1. Pada jangka panjang perlu adanya kebijakan pemerintah yang lebih memperhatikan
kemudahan, keamanan dan kenyamanan para investor dalam menanamkan modalnya serta
menyediakan infrastruktur yang memadai untuk menunjang dan meningkatkan investasi
domestik di Daerah Istimewa Yogyakarta.
2. Pada jangka pendek perlunya pemerintah memperhatikan ketersediaan lapangan pekerjaan
karena masih banyak tenaga kerja yang belum terserap oleh perusahaan secara maksimal.
29
DAFTAR PUSTAKA
Adioetomo, Sri Murtiningsih. 2010. Dasar-dasar Demografi.Salemba Empat. Jakarta.
Badan Pusat Statistik Yogyakarta. Bpsyogyakarta.go.id
De Fretes, Pieter N.2007.Analisis Tentang Pengaruh Investasi Terhadap
Pembangunan Ekonomi di Propinsi Papua.Jurnal Aplikasi Manajemen, Volume 5,
Nomor 1.
Fajar Cahyono, Eko dan David Kaluge. Analisis Pengaruh Infrastruktur Publik
Terhadap Produk Domestik Bruto Perkapita Di Indonesia. Fakultas Ekonomi
Universitas Brawijaya Malang.
Jhingan.M.L.1999. Ekonomi Pembangunan dan Perencanaan, (terjemahan oleh
D,Guritno). PT.Raja Grapindo Persada. Jakarta
Mantra, Ida Bagus. 2009. Demografi Umum. Pustaka Pelajar. Yogyakarta.
Putu Purbadharmaja, Ida Bagus.Implikasi Variabel Pengeluaran dan Investasi
Terhadap Pertumbuhan Ekonomi Propinsi Bali.Buletin Studi Ekonomi Volume 11
Nomor 1.
Saptutyningsih, Endah & Hermanto. (2002). Electronic Data Processing, UPFE-
UMY, Yogyakarta.
Suparmoko, M dan Irawan. 2002. Ekonomika Pembangunan, Edisi Keenam. BPFE
Yogyakarta.
Susanti, H, Moh. Iksan dan Widyanti. 2000. Indikator-indikator Makro Ekonomi.
Edisi Kedua. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta.
Swaramarinda, Darma Rika dan Indriani, Susi.Pengaruh Pengeluaran Konsumsi dan
Investasi Pemerintah Terhadap Pertumbuhan Ekonomi di Indonesia.EconoSains
Volume IX Nomor 2.
Winarno, Wing Wahyu, 2011, Analisis Ekonometrika dan Statistika Dengan Eviews.
Edisi 3. UPP STIM YKPN. Yogyakarta.
Wiwin Setyari, Ni Putu dkk. Determinan Investasi Di Indonesia. Fakultas Ekonomi
Universitas Udayana Denpasar.
.
30
LAMPIRAN
Data investasi (PMDN), pertumbuhan ekonomi /PDRB (Y), dan angkatan kerja (AK), nilai
kurs (KURS) tahun 1990-2010
Tahun PDRB (milyar) Invt
(PMDN)milyar AK Nilai Kurs
1990 9.260,92 420.3 1535884 1901
1991 9.741,80 353.1 1571361 1992
1992 10.417,48 116.9 1594028 2062
1993 11.084,25 220.6 1546471 2110
1994 11.983,02 422.9 1589905 2200
1995 12.952,21 39.6 1491917 2308
1996 13.961,91 222.5 1513978 2383
1997 14.691,10 235.6 1556268 4650
1998 13.048,62 60 1507040 8025
1999 13.177,67 34.6 1584106 7100
2000 13.705,55 119.9 1724775 9595
2001 14.167,05 105.5 1699175 10400
2002 14.687,28 43.4 1739164 8940
2003 15.360,41 23 1756662 8465
2004 16.146,42 77 1815362 9290
2005 16.910,88 64.7 1850842 9900
2006 17.535,75 89.6 1868523 9020
2007 18.291,51 40 1889445 9419
2008 19.212,48 18.1 1999734 10950
2009 20.064,26 33.4 2016694 9400
2010 21.044,04 10 1882296 8991
Sumber BPS-Yogyakarta, diolah
31
Uji Akar Unit Pada Variabel Y Pada tingkat level
ADF Test Statistic -1.678657 1% Critical Value* -4.5348 5% Critical Value -3.6746 10% Critical Value -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 01/04/13 Time: 21:00 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
Y(-1) -0.312927 0.186415 -1.678657 0.1139 D(Y(-1)) 0.407976 0.257346 1.585322 0.1337
C 3092.576 1685.135 1.835210 0.0864 @TREND(1990) 166.7955 93.89589 1.776388 0.0960
R-squared 0.220811 Mean dependent var 594.8547 Adjusted R-squared 0.064973 S.D. dependent var 582.3120 S.E. of regression 563.0771 Akaike info criterion 15.68937 Sum squared resid 4755837. Schwarz criterion 15.88820 Log likelihood -145.0491 F-statistic 1.416926 Durbin-Watson stat 2.023428 Prob(F-statistic) 0.276832
Uji Akar Unit Pada Variabel Investasi (PMDN) tingkat level
ADF Test Statistic -5.813617 1% Critical Value* -4.5348 5% Critical Value -3.6746 10% Critical Value -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN) Method: Least Squares Date: 01/04/13 Time: 21:18 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
PMDN(-1) -1.792306 0.308294 -5.813617 0.0000 D(PMDN(-1)) 0.405906 0.194515 2.086762 0.0544
C 474.3691 100.8801 4.702305 0.0003 @TREND(1990) -24.11580 5.704448 -4.227543 0.0007
R-squared 0.755216 Mean dependent var -18.05789 Adjusted R-squared 0.706260 S.D. dependent var 135.9048 S.E. of regression 73.65741 Akaike info criterion 11.62139 Sum squared resid 81381.22 Schwarz criterion 11.82022 Log likelihood -106.4032 F-statistic 15.42621 Durbin-Watson stat 1.572137 Prob(F-statistic) 0.000075
32
Uji Akar Unit Pada Variabel angkatan kerja (AK) tingkat level
ADF Test Statistic -2.258751 1% Critical Value* -4.5348 5% Critical Value -3.6746 10% Critical Value -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK) Method: Least Squares Date: 01/04/13 Time: 21:21 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
AK(-1) -0.507132 0.224519 -2.258751 0.0392 D(AK(-1)) 0.050686 0.297599 0.170315 0.8670
C 720957.2 317030.6 2.274093 0.0381 @TREND(1990) 14242.05 6387.344 2.229730 0.0415
R-squared 0.273729 Mean dependent var 16365.00 Adjusted R-squared 0.128474 S.D. dependent var 65883.02 S.E. of regression 61505.44 Akaike info criterion 25.07630 Sum squared resid 5.67E+10 Schwarz criterion 25.27513 Log likelihood -234.2249 F-statistic 1.884479 Durbin-Watson stat 1.842704 Prob(F-statistic) 0.175581
Uji Akar Unit Pada Variabel Kurs tingkat level
ADF Test Statistic -1.263614 1% Critical Value* -4.5348 5% Critical Value -3.6746 10% Critical Value -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS) Method: Least Squares Date: 01/04/13 Time: 21:22 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
KURS(-1) -0.294316 0.232916 -1.263614 0.2257 D(KURS(-1)) 0.123953 0.280767 0.441480 0.6652
C 1020.515 712.8035 1.431692 0.1727 @TREND(1990) 116.8116 143.2318 0.815542 0.4275
R-squared 0.136868 Mean dependent var 368.3684 Adjusted R-squared -0.035758 S.D. dependent var 1311.705 S.E. of regression 1334.951 Akaike info criterion 17.41584 Sum squared resid 26731418 Schwarz criterion 17.61467 Log likelihood -161.4505 F-statistic 0.792859 Durbin-Watson stat 1.964168 Prob(F-statistic) 0.516645
33
Uji Derajat Integrasi Pada tingkat 1st Difference ,
variabel Y(PDRB) tingkat 1st Difference
ADF Test Statistic -2.653597 1% Critical Value* -4.5743 5% Critical Value -3.6920 10% Critical Value -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,2) Method: Least Squares Date: 01/04/13 Time: 21:25 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(Y(-1)) -0.881370 0.332141 -2.653597 0.0189 D(Y(-1),2) 0.130518 0.265394 0.491788 0.6305
C 294.4795 387.8465 0.759268 0.4603 @TREND(1990) 19.57952 28.67145 0.682893 0.5058
R-squared 0.402415 Mean dependent var 16.89444 Adjusted R-squared 0.274361 S.D. dependent var 735.0781 S.E. of regression 626.1724 Akaike info criterion 15.91026 Sum squared resid 5489286. Schwarz criterion 16.10812 Log likelihood -139.1923 F-statistic 3.142539 Durbin-Watson stat 2.019562 Prob(F-statistic) 0.058934
Variabel PMDN 1st Difference
ADF Test Statistic -9.549377 1% Critical Value* -4.5743 5% Critical Value -3.6920 10% Critical Value -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN,2) Method: Least Squares Date: 01/04/13 Time: 21:27 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(PMDN(-1)) -2.458733 0.257476 -9.549377 0.0000 D(PMDN(-1),2) 0.693368 0.151511 4.576350 0.0004
C -65.24385 46.72473 -1.396345 0.1844 @TREND(1990) 2.627678 3.617271 0.726426 0.4795
R-squared 0.907635 Mean dependent var 11.82222 Adjusted R-squared 0.887843 S.D. dependent var 232.6283 S.E. of regression 77.90691 Akaike info criterion 11.74204 Sum squared resid 84972.82 Schwarz criterion 11.93990 Log likelihood -101.6783 F-statistic 45.85767 Durbin-Watson stat 2.887817 Prob(F-statistic) 0.000000
34
Variabel Angkatan Kerja 1st Difference
ADF Test Statistic -3.448001 1% Critical Value* -4.5743 5% Critical Value -3.6920 10% Critical Value -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK,2) Method: Least Squares Date: 01/04/13 Time: 21:32 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(AK(-1)) -1.879483 0.545093 -3.448001 0.0039 D(AK(-1),2) 0.495671 0.332291 1.491678 0.1580
C -7946.999 40152.57 -0.197920 0.8460 @TREND(1990) 4020.073 3680.669 1.092212 0.2932
R-squared 0.564179 Mean dependent var -8725.833 Adjusted R-squared 0.470788 S.D. dependent var 93825.78 S.E. of regression 68255.37 Akaike info criterion 25.29303 Sum squared resid 6.52E+10 Schwarz criterion 25.49089 Log likelihood -223.6373 F-statistic 6.041085 Durbin-Watson stat 1.541950 Prob(F-statistic) 0.007375
Variabel Kurs 1st Difference
ADF Test Statistic -3.368889 1% Critical Value* -4.5743 5% Critical Value -3.6920 10% Critical Value -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS,2) Method: Least Squares Date: 01/04/13 Time: 21:34 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(KURS(-1)) -1.317734 0.391148 -3.368889 0.0046 D(KURS(-1),2) 0.230351 0.273273 0.842934 0.4134
C 1287.574 847.3713 1.519492 0.1509 @TREND(1990) -65.29253 64.50491 -1.012210 0.3286
R-squared 0.563039 Mean dependent var -26.61111 Adjusted R-squared 0.469405 S.D. dependent var 1922.535 S.E. of regression 1400.413 Akaike info criterion 17.52005 Sum squared resid 27456185 Schwarz criterion 17.71791 Log likelihood -153.6805 F-statistic 6.013161 Durbin-Watson stat 1.904973 Prob(F-statistic) 0.007505
35
Uji Derajat Integrasi Pada tingkat 2nd
Difference ,
Variabel Y tingkat 2nd
Difference
ADF Test Statistic -4.044107 1% Critical Value* -4.6193 5% Critical Value -3.7119 10% Critical Value -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,3) Method: Least Squares Date: 01/09/13 Time: 10:18 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(Y(-1),2) -1.723387 0.426148 -4.044107 0.0014 D(Y(-1),3) 0.310771 0.262759 1.182720 0.2581
C -158.4948 486.2147 -0.325977 0.7496 @TREND(1990) 15.76887 37.57191 0.419698 0.6816
R-squared 0.690963 Mean dependent var 8.053529 Adjusted R-squared 0.619647 S.D. dependent var 1226.098 S.E. of regression 756.1685 Akaike info criterion 16.29673 Sum squared resid 7433281. Schwarz criterion 16.49278 Log likelihood -134.5222 F-statistic 9.688731 Durbin-Watson stat 2.126485 Prob(F-statistic) 0.001259
Variabel PMDN 2nd
Difference
ADF Test Statistic -9.021135 1% Critical Value* -4.6193 5% Critical Value -3.7119 10% Critical Value -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN,3) Method: Least Squares Date: 01/09/13 Time: 10:23 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(PMDN(-1),2) -2.627175 0.291224 -9.021135 0.0000 D(PMDN(-1),3) 0.731440 0.163925 4.462039 0.0006
C 35.87717 86.60178 0.414278 0.6854 @TREND(1990) -2.346080 6.661758 -0.352171 0.7304
R-squared 0.911344 Mean dependent var -22.27059 Adjusted R-squared 0.890885 S.D. dependent var 404.5328 S.E. of regression 133.6275 Akaike info criterion 12.83031 Sum squared resid 232132.1 Schwarz criterion 13.02636 Log likelihood -105.0577 F-statistic 44.54479 Durbin-Watson stat 2.849015 Prob(F-statistic) 0.000000
36
Variabel AK 2nd
Difference
ADF Test Statistic -5.161322 1% Critical Value* -4.6193 5% Critical Value -3.7119 10% Critical Value -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK,3) Method: Least Squares Date: 01/09/13 Time: 10:24 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(AK(-1),2) -2.462596 0.477125 -5.161322 0.0002 D(AK(-1),3) 0.650776 0.274575 2.370125 0.0339
C 40011.77 49668.73 0.805573 0.4350 @TREND(1990) -3544.061 3848.046 -0.921003 0.3738
R-squared 0.802079 Mean dependent var -4772.588 Adjusted R-squared 0.756405 S.D. dependent var 155926.4 S.E. of regression 76958.05 Akaike info criterion 25.54223 Sum squared resid 7.70E+10 Schwarz criterion 25.73828 Log likelihood -213.1090 F-statistic 17.56092 Durbin-Watson stat 1.929453 Prob(F-statistic) 0.000074
Variabel KURS 2nd
Difference
ADF Test Statistic -6.210772 1% Critical Value* -4.6193 5% Critical Value -3.7119 10% Critical Value -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS,3) Method: Least Squares Date: 01/09/13 Time: 10:25 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(KURS(-1),2) -2.382059 0.383537 -6.210772 0.0000 D(KURS(-1),3) 0.660691 0.236120 2.798116 0.0151
C 591.6443 995.7699 0.594158 0.5626 @TREND(1990) -52.60870 77.06518 -0.682652 0.5068
R-squared 0.827280 Mean dependent var 68.41176 Adjusted R-squared 0.787422 S.D. dependent var 3346.520 S.E. of regression 1542.954 Akaike info criterion 17.72311 Sum squared resid 30949202 Schwarz criterion 17.91916 Log likelihood -146.6464 F-statistic 20.75545 Durbin-Watson stat 2.173774 Prob(F-statistic) 0.000031
37
Uji Kointegrasi
Dependent Variable: Y Method: Least Squares Date: 01/22/13 Time: 23:10 Sample: 1990 2010 Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -8222.048 5107.022 -1.609950 0.1258 PMDN -7.138216 3.956908 -1.803988 0.0890
AK 0.013979 0.003427 4.079638 0.0008 KURS 0.001515 0.202022 0.007498 0.9941
R-squared 0.807817 Mean dependent var 14640.22 Adjusted R-squared 0.773903 S.D. dependent var 3320.742 S.E. of regression 1579.002 Akaike info criterion 17.73662 Sum squared resid 42385201 Schwarz criterion 17.93557 Log likelihood -182.2345 F-statistic 23.81918 Durbin-Watson stat 0.710005 Prob(F-statistic) 0.000003
Residual (E)
ADF Test Statistic -5.229615 1% Critical Value* -2.7158 5% Critical Value -1.9627 10% Critical Value -1.6262
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(E,3) Method: Least Squares Date: 01/09/13 Time: 10:27 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(E(-1),2) -1.837310 0.351328 -5.229615 0.0001 D(E(-1),3) 0.467398 0.215364 2.170276 0.0465
R-squared 0.737106 Mean dependent var -84.30480 Adjusted R-squared 0.719579 S.D. dependent var 2361.492 S.E. of regression 1250.522 Akaike info criterion 17.21064 Sum squared resid 23457080 Schwarz criterion 17.30867 Log likelihood -144.2904 Durbin-Watson stat 1.806610
38
Error Correction Model
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:11 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1170.955 428.6237 2.731896 0.0718 DPMDN -0.572573 4.396254 -0.130241 0.9046
DPMDN(-1) 2.515950 6.307697 0.398870 0.7167 DPMDN(-2) 1.129587 5.984314 0.188758 0.8623 DPMDN(-3) 3.779539 4.317331 0.875434 0.4458
DAK -0.000699 0.006258 -0.111700 0.9181 DAK(-1) -0.001660 0.004402 -0.377196 0.7311 DAK(-2) -0.002607 0.005100 -0.511215 0.6444 DAK(-3) -0.005629 0.007000 -0.804146 0.4801 DKURS -0.074882 0.424638 -0.176343 0.8713
DKURS(-1) -0.206659 0.211868 -0.975415 0.4013 DKURS(-2) -0.054044 0.182950 -0.295404 0.7870 DKURS(-3) -0.083316 0.230732 -0.361095 0.7420
E(-1) -0.375554 0.476099 -0.788815 0.4878
R-squared 0.807360 Mean dependent var 585.8700 Adjusted R-squared -0.027411 S.D. dependent var 616.9732 S.E. of regression 625.3719 Akaike info criterion 15.62703 Sum squared resid 1173270. Schwarz criterion 16.31320 Log likelihood -118.8297 F-statistic 0.967164 Durbin-Watson stat 1.467129 Prob(F-statistic) 0.590077
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:12 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1191.823 345.2616 3.451942 0.0260 DPMDN(-1) 3.168922 3.324237 0.953278 0.3944 DPMDN(-2) 1.783847 2.824468 0.631569 0.5620 DPMDN(-3) 4.010617 3.418229 1.173303 0.3058
DAK -0.000732 0.005430 -0.134834 0.8993 DAK(-1) -0.001584 0.003789 -0.418104 0.6973 DAK(-2) -0.002899 0.003980 -0.728438 0.5067 DAK(-3) -0.005585 0.006072 -0.919799 0.4097 DKURS -0.075814 0.368734 -0.205606 0.8471
DKURS(-1) -0.201266 0.180452 -1.115343 0.3272 DKURS(-2) -0.044679 0.146100 -0.305811 0.7750 DKURS(-3) -0.074303 0.191158 -0.388699 0.7173
E(-1) -0.361937 0.403384 -0.897250 0.4203
R-squared 0.806271 Mean dependent var 585.8700 Adjusted R-squared 0.225085 S.D. dependent var 616.9732 S.E. of regression 543.1169 Akaike info criterion 15.51502 Sum squared resid 1179904. Schwarz criterion 16.15218 Log likelihood -118.8777 F-statistic 1.387285 Durbin-Watson stat 1.489000 Prob(F-statistic) 0.405957
39
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:13 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1205.946 304.2336 3.963879 0.0107 DPMDN(-1) 3.321625 2.913406 1.140117 0.3059 DPMDN(-2) 2.033220 2.293528 0.886503 0.4159 DPMDN(-3) 4.480171 2.286856 1.959096 0.1074
DAK -0.001648 0.002791 -0.590423 0.5806 DAK(-1) -0.001852 0.003199 -0.579015 0.5877 DAK(-2) -0.003015 0.003543 -0.850939 0.4337 DAK(-3) -0.005338 0.005352 -0.997457 0.3643
DKURS(-1) -0.177021 0.122819 -1.441321 0.2091 DKURS(-2) -0.034867 0.124159 -0.280826 0.7901 DKURS(-3) -0.102118 0.121435 -0.840926 0.4387
E(-1) -0.432390 0.191379 -2.259337 0.0734
R-squared 0.804224 Mean dependent var 585.8700 Adjusted R-squared 0.373516 S.D. dependent var 616.9732 S.E. of regression 488.3388 Akaike info criterion 15.40788 Sum squared resid 1192374. Schwarz criterion 15.99604 Log likelihood -118.9670 F-statistic 1.867215 Durbin-Watson stat 1.333257 Prob(F-statistic) 0.254223
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:14 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1233.885 264.5179 4.664655 0.0035 DPMDN(-1) 3.646819 2.459626 1.482672 0.1887 DPMDN(-2) 2.246234 1.991398 1.127969 0.3024 DPMDN(-3) 4.684228 1.994967 2.348023 0.0572
DAK -0.001636 0.002568 -0.637209 0.5475 DAK(-1) -0.001987 0.002910 -0.682959 0.5201 DAK(-2) -0.003353 0.003064 -1.094327 0.3158 DAK(-3) -0.006190 0.004057 -1.525904 0.1779
DKURS(-1) -0.182563 0.111530 -1.636897 0.1528 DKURS(-3) -0.104769 0.111387 -0.940585 0.3832
E(-1) -0.454840 0.159979 -2.843119 0.0294
R-squared 0.801136 Mean dependent var 585.8700 Adjusted R-squared 0.469696 S.D. dependent var 616.9732 S.E. of regression 449.2921 Akaike info criterion 15.30589 Sum squared resid 1211181. Schwarz criterion 15.84503 Log likelihood -119.1000 F-statistic 2.417136 Durbin-Watson stat 1.409692 Prob(F-statistic) 0.146083
40
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:14 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1219.928 252.1778 4.837572 0.0019 DPMDN(-1) 4.351464 2.101744 2.070406 0.0772 DPMDN(-2) 2.794327 1.718167 1.626342 0.1479 DPMDN(-3) 4.924264 1.874121 2.627506 0.0340
DAK(-1) -0.001893 0.002780 -0.680833 0.5179 DAK(-2) -0.002659 0.002740 -0.970508 0.3641 DAK(-3) -0.006840 0.003756 -1.820839 0.1114
DKURS(-1) -0.211937 0.097154 -2.181464 0.0655 DKURS(-3) -0.095578 0.105660 -0.904586 0.3957
E(-1) -0.428431 0.147817 -2.898393 0.0230
R-squared 0.787678 Mean dependent var 585.8700 Adjusted R-squared 0.514693 S.D. dependent var 616.9732 S.E. of regression 429.8080 Akaike info criterion 15.25372 Sum squared resid 1293144. Schwarz criterion 15.74385 Log likelihood -119.6566 F-statistic 2.885426 Durbin-Watson stat 1.251337 Prob(F-statistic) 0.088146
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:15 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1151.481 223.3825 5.154750 0.0009 DPMDN(-1) 3.766114 1.852430 2.033066 0.0765 DPMDN(-2) 2.568210 1.628259 1.577273 0.1534 DPMDN(-3) 4.856952 1.807673 2.686854 0.0276
DAK(-2) -0.002097 0.002523 -0.831018 0.4301 DAK(-3) -0.006378 0.003569 -1.787231 0.1117
DKURS(-1) -0.227331 0.091263 -2.490952 0.0375 DKURS(-3) -0.118482 0.096745 -1.224688 0.2555
E(-1) -0.386927 0.130068 -2.974810 0.0177
R-squared 0.773619 Mean dependent var 585.8700 Adjusted R-squared 0.547237 S.D. dependent var 616.9732 S.E. of regression 415.1468 Akaike info criterion 15.20019 Sum squared resid 1378775. Schwarz criterion 15.64131 Log likelihood -120.2016 F-statistic 3.417323 Durbin-Watson stat 1.282538 Prob(F-statistic) 0.050793
41
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:15 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1055.593 187.9578 5.616119 0.0003 DPMDN(-1) 3.670022 1.816760 2.020092 0.0741 DPMDN(-2) 2.166894 1.528034 1.418093 0.1898 DPMDN(-3) 4.726264 1.769593 2.670820 0.0256
DAK(-3) -0.005696 0.003413 -1.668948 0.1295 DKURS(-1) -0.230403 0.089607 -2.571271 0.0301 DKURS(-3) -0.094341 0.090680 -1.040371 0.3253
E(-1) -0.325739 0.105361 -3.091649 0.0129
R-squared 0.754076 Mean dependent var 585.8700 Adjusted R-squared 0.562803 S.D. dependent var 616.9732 S.E. of regression 407.9483 Akaike info criterion 15.16535 Sum squared resid 1497796. Schwarz criterion 15.55745 Log likelihood -120.9054 F-statistic 3.942391 Durbin-Watson stat 1.309051 Prob(F-statistic) 0.030092
Hasil Akhir ECM Terbaik
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:17 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1018.416 185.2879 5.496395 0.0003 DPMDN(-1) 3.984735 1.798762 2.215266 0.0511 DPMDN(-2) 2.566027 1.485168 1.727769 0.1147 DPMDN(-3) 5.068831 1.745835 2.903385 0.0157
DAK(-3) -0.005566 0.003424 -1.625306 0.1352 DKURS(-1) -0.216619 0.088986 -2.434301 0.0352
E(-1) -0.296772 0.102033 -2.908588 0.0156
R-squared 0.724501 Mean dependent var 585.8700 Adjusted R-squared 0.559201 S.D. dependent var 616.9732 S.E. of regression 409.6250 Akaike info criterion 15.16126 Sum squared resid 1677926. Schwarz criterion 15.50435 Log likelihood -121.8707 F-statistic 4.382958 Durbin-Watson stat 1.162085 Prob(F-statistic) 0.019832