eksistensi hukum okun di indonesia

EKSISTENSI HUKUM OKUN DI INDONESIA Oleh: Muhammad Fajar#

1. Latar Belakang

Keberhasilan kinerja perekonomian suatu Negara bisa dilihat dengan output, tingkat

pengangguran, dan inflasi. Tiga variabel makro tersebut saling berkaitan, jika output riil

yang dihasilkan suatu negara melebihi output potensial, maka akan menimbulkan inflasi.

Output riil yang melebihi output potensial berarti dalam prosesnya telah terjadi pemakaian

tenaga kerja lebih dari seperti biasanya yang digunakan untuk mendorong output melebihi

output potensialnya.

Hubungan negatif antara kesenjangan output riil dengan output potensial terhadap

pengangguran digambarkan oleh hukum Okun. Beberapa penelitian yang telah dilakukan

dan memberikan satu kesimpulan bahwa hukum Okun memang terbukti ada walaupun

terjadi variasi koefisien Okun di setiap Negara.

Tujuan dari paper ini untuk membuktikan keberadan hukum Okun dan jika memang

terbukti ada, maka seberapa besar koefisien Okun yang tercipta di Indonesia.

2. Kajian Literatur

Sejak Okun menemukan hubungan negatif antara tingkat pengangguran dengan

kesenjangan output, penurunan setiap 1 persen tingkat pengangguran untuk setiap

kenaikan 3 persen kesenjangan PDB, tetapi Barreto dan Howland (1993) menunjukan

bahwa koefisien Okun atas tingkat pengangguran telah berubah, bukan dari 2 atau 2.5

sampai 3 lagi tetapi bisa berbeda dari angka tersebut. Ngoo Yee Ting dan Loi Siew Ting

(2009) menemukan hubungan dua arah antara tingkat pengangguran dengan output

nasional untuk kasus Malaysia. Rubcova (2010) menunjukan tidak adanya hubungan

antara output dan tingkat pengangguran untuk kasus Negara-negara di Kawasan Baltik

karena data tidak reliable dan ukuran sampelnya kecil serta struktur pasar tenaga kerja

yang kaku dan inelastisnya tingkat pengangguran terhadap pergeseran output. Soegner

dan Stiassny (2002) menguji hukum Okun dan menunjukan adanya hubungan negatif

antara tingkat pengangguran dengan PDB riil.

Moosa (2008) menemukan bahwa tidak ada hubungan antara tingkat pengangguran

dengan output untuk kasus Algeria, Mesir, Maroko, dan Tunisia karena tiga alasan:

pertama, pengangguran yang terjadi bukan sikis tetapi lebih kepada pengangguran

structural dan atau friksional, kedua, kekakuan pasar tenaga kerja yang terjadi di empat

Negara tersebut dimana pasar tenaga kerja didominasi Pemerintah sebagai sumber utama

permintaan tenaga kerja, ketiga, struktur perekonomian yang didominasi Pemerintah.

Petkov(2008) di Inggris hukum Okun dapat diterapkan dimana terjadi hubungan jangka

panjang antara tingkat pengangguran dengan kesenjangan PDB. Apergis dan Rezitis (2003)

menyelidiki hukum Okun dengan perubahan struktual, kesimpulannya bahwa

pengangguran mempunyai respon rendah terhadap perubahan output.

3. Metodologi

3.1 Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data PDB Riil (tahun dasar 2000) dan

tingkat pengangguran terbuka (TPT) pada periode 1980 – 2009, yang bersumber dari

Badan Pusat Statistik. Data PDB riil dan TPT ditransformasi dengan logaritma natural.

3.2 Metode Analisis

3.2.1 Spesifikasi Model

Model Spesifikasi untuk pengujian hukum Okun:

a. Model first difference 𝑌𝑡 − 𝑌𝑡−1 = 𝛼 + 𝛽 𝑈𝑡 − 𝑈𝑡−1 + 휀𝑡 … (1)

∆𝑌𝑡 = 𝛼 + 𝛽∆𝑈𝑡 + 휀𝑡 … (2)

Dimana: 𝑌𝑡 ∶ PDB Riil pada tahun t 𝑌𝑡−1 ∶ PDB Riil pada tahun t − 1 𝑈𝑡 ∶ tingkat pengangguran terbuka pada tahun t 𝑈𝑡−1 ∶ tingkat pengangguran terbuka pada tahun t − 1

b. Model Gap 𝑌𝑡 − 𝑌𝑡

∗

𝑌𝑡∗ = 𝜃 + 𝛿 𝑈𝑡 − 𝑈∗ + 𝜂𝑡 … (3)

Dimana: 𝑌𝑡∗ ∶ PDB Potensial pada tahun t

𝑈∗ ∶ tingkat pengangguran alamiah pada periode observasi Untuk mendapatkan perkiraan tingkat pengangguran alamiah, kita gunakan bentuk

persamaan asli Hukum Okun, yakni:

𝜔 𝑈∗ − 𝑈𝑡 = 𝑌𝑡 − 𝑌𝑡

∗

𝑌𝑡∗ … (4)

Kita tidak dapat langsung mengukur 𝑈∗ (tingkat pengangguran alamiah) dari pers.(4),

maka kita harus menyusun ulang kembali pers.(4) menjadi:

𝑈𝑡 = 𝑈∗ −1

𝜔 𝑌𝑡 − 𝑌𝑡

∗

𝑌𝑡∗ + 𝜇𝑡 … 5

𝑈𝑡 = 𝑈∗ −𝜑𝐺𝑡 + 𝜇𝑡 … (6)

Konstanta dari pers.(5) adalah perkiraan tingkat pengangguran alamiah. Sehingga jika

telah mendapatkan nilai 𝑈∗, kita masukan ke pers.(3). Pada pers.(3) dan (5) data tidak

ditransformasi logaritma natural.

3.2.1 Hodrick Prescot Filter (HP filter)

HP Filter adalah metode yang digunakan untuk mendapatkan perkiraan trend yang lebih

smooth pada PDB riil sehingga dari sinilah PDB potensial diperoleh. Metode ini dikembangkan

oleh Hodrick dan Prescott pada tahun 1980.

Metode ini menerapkan filter dua sisi untuk mendapatkan series s yang telah dismoothkan

dari series y. Hal ini dilakukan dengan meminimalkan varians y disekitar s dengan parameter λ

sebagai konstrain dari jumlah kuadrat second difference series s. Dengan demikian HP Filter

memilih s untuk meminimumkan:

(𝑦𝑡 − 𝑠𝑡)2

𝑇

𝑡=1

+ 𝜆 𝑠𝑡+1 − 𝑠𝑡 − 𝑠𝑡 − 𝑠𝑡−1 2

𝑇−1

𝑡=2

… (7)

Untuk data level tahun program Eviews 5.1 merekomendasikan nilai λ = 100.

3.2.2 Normalitas Variabel Sifat normalitas diperlukan agar menghasilkan parameter-parameter yang dihasilkan

bisa diujikan dan mengsinkronisasikan dengan alat uji statistik parametrik yang berakar

pada asumsi normalitas. Penulis merekomendasikan uji Jarque Bera untuk menguji

normalitas tingkat suku bunga dan inflasi.

Untuk memeriksa kenormalan residual pada model regresi maka digunakan uji Jarque

Bera. Dalam uji Jarque Bera diasumsikan bahwa distribusi variabel yang sedang diuji

mempunyai sifat kontinyu.

Hipotesis yang digunakan:

Ho :distribusi variabel mengikuti distribusi normal

H1 :distribusi variabel tidak mengikuti distribusi normal

Statistik Uji:

𝐽𝐵 =𝑁 − 𝑘

6 𝑆2 +

𝐾 − 3 2

4 … (8)

Dimana: S adalah skewness data, K adalah kurtosis data, N adalah banyaknya titik data.

Dengan cara membandingkan nilai JB terhadap nilai 𝜒2 dengan 2 derajat bebas

pada tabel Chi Square dengan level signifikansi (α) sebesar 0,05, maka aturan pengambilan

keputusan dalam uji ini adalah sebagai berikut:

Jika JB ≤ 𝜒2,0.052 , maka Ho diterima

Jika JB > 𝜒2,0.052

, maka Ho ditolak

Atau

Jika P value dari JB > 0.05, maka Ho diterima

Jika P value dari JB ≤ 0.05, maka Ho ditolak

Asumsi ini harus terpenuhi karena jika asumsi ini tidak terpenuhi maka analisis yang

dilakukan tidak sah dalam statistik parametrik.

3.2.3 Pengujian Unit Root Stasioneritas sangat diperlukan dalam analisis time series agar tidak terjadi spurious

pada analisis. Karena pada periode penelitian terjadi dua shock krisis, maka penulis

merekomendasikan uji Philip-Perron untuk memeriksa stsioneritas dan alat uji ini mampu

merespon adanya shock yang terjadi.

Prosedur pengujian akar unit dengan menggunakan uji Philips-Perron adalah sebagai

berikut:

1. Misal terdapat persamaan:

𝑦𝑡 = 𝜌𝑦𝑡−1 + 𝑢𝑡 … (9),

Dimana ρ adalah koefisien otoregresif, 𝑢𝑡 adalah white noise term1. Jika nilai ρ = 1,

maka 𝑦𝑡 memiliki sebuah akar unit. Dalam ekonometrika, suatu time series yang

memiliki akar unit disebut random walk time series. Apabila dinyatakan dalam bentuk

hipotesis, menjadi:

Ho : 𝜌 = 1, berarti data mengandung akar unit (nonstasioner)

H1 : 𝜌< 1, berarti data tidak mengandung akar unit (stasioner)

Jika data asli dari suatu series sudah stasioner, maka data tersebut berintegrasi pada

order 0 atau dilambangkan I(0) tetapi bila data asli nonstasioner maka harus di-

difference2-kan sehingga diperoleh data yang stasioner pada order d ( I(d) ).

2. Persamaan di atas dapat juga dinyatakan dalam bentuk turunan pertama (first

difference), sebagai berikut:

∆𝑦𝑡 = 𝜌 − 1 𝑦𝑡−1 + 𝑢𝑡 … (10)

∆𝑦𝑡 = 𝛼𝑦𝑡−1 + 𝑢𝑡 … (11) , 𝛼 = 𝜌 − 1

Sehingga hipotesis yang diuji mempunyai bentuk:

Ho : 𝛼 = 1, berarti data mengandung akar unit (non stasioner)

H1 : 𝛼< 1, berarti data tidak mengandung akar unit (stasioner)

3. Untuk mengetahui ada atau tidaknya akar unit, lakukan penghitungan nilai statistik uji

Philips-Perron berdasarkan uji t-statistik yang disesuaikan:

1Kondisi dimana 𝑢𝑡 mempunyai mean sama dengan nol, varians konstan, dan kovarians sama dengan nol.

2 Membuat deret angka baru yang terdiri dari perbedaan angka antara periode yang berturut-turut dengan rumus: 𝑋𝑡

, = 𝑋𝑡 − 𝑋𝑡−1.

𝑡𝛼 = 𝑡𝛼 𝛾0

𝑓0

1/2

−𝑇 𝑓0 − 𝛾0 𝑠𝑒(𝛼 )

2𝑓01/2

𝑠… (12)

𝑡𝛼 =𝛼

𝑠𝑒 𝛼 … (13)

se α adalah standar eror dari koefisien yt−1 dan s adalah standar eror dari persamaan

(11). 𝛾0merupakan estimasi yang konsisten dari varians eror pada persamaan (11),

dihitung dengan rumus :

𝛾0 = 𝑇 − 𝑘 𝑠2

𝑇… 14 , dimana𝑠2 =

𝑢𝑡2

𝑇 − 𝑘

𝑇

𝑡=1

Dimana k adalah banyaknya variabel independen dan T adalah banyaknya

observasi.𝑓0diestimasi dari persamaan:

𝑓0 = 𝛾 𝑗 𝐾(𝑗/𝑙)

𝑇−1

𝑗=−(𝑇−1)

… (15)

𝛾 𝑗 adalah sampel otokovariansi ke-j dari residual 𝑢𝑡 ,yang dirumuskan sebagai

berikut:

𝛾 𝑗 = 𝑢 𝑡𝑢 𝑡−𝑗

𝑇

𝑇

𝑡=𝑗+1

… (16)

l adalah koefisien Newey-West bandwisth, K merupakan fungsi kernel yang dapat

dirumuskan sebagai berikut:

𝐾 𝑥 = 1 − 𝑥 … (17) , jika 𝑥 ≤ 1

= 0 , lainnya

Selanjutnya nilai statistik Philips-Perron, yaitu 𝑡𝛼 dibandingkan dengan nilai kritis

tabel Mc Kinnon. Jika nilai statistik Philips-Perron lebih negatif dari nilai kritis tabel Mc

Kinnon atau nilai probabilitas statistik Philips-Perron kurang dari level signifikansi (α)

sebesar 0.05; maka Ho ditolak sehingga dapat disimpulkan bahwa data time series telah

stasioner.

3.2.4 Kointegrasi Engel-Granger Prosedur dua langkah Engel-Granger cocok digunakan bila dalam penelitian hanya

terdapat dua variabel. Langkah- langkah metode Engel-Granger, yaitu:

a. uji stasioneritas dari kedua variabel yang digunakan dan ketahui kedua variabel

tersebut berintegrasi pada order yang sama.

b. uji stasioneritas residual dari hasil regresi linear pers.(2), jika residual dari kedua

variabel tersebut stasioner pada level atau berintegrasi pada order 0, maka dapat

dikatakan bahwa kedua variabel tersebut memiliki keseimbangan jangka panjang atau

kointegrasi jangka panjang.

4 Pembahasan 4.1 Stasioneritas Variabel

Variabel

Phillips Perron Test

None Konstan Konstan dan Trend

adj t-stat P value adj t-stat P value adj t-stat P value

PDB Riil 5.561249 1.0000 1.45482 0.9987 -1.38941 0.8427

TPT 0.575494 0.8348 -0.910481 0.7703 -1.62507 0.7578

Ln PDB Riil 5.518136 1.0000 -0.715023 0.8275 -1.77613 0.6901

Ln TPT 1.242336 0.9416 -1.165657 0.6753 -2.03062 0.5609

D PDB Riil -2.20482 0.0288 -3.650896 0.0109 -3.87668 0.0269

D TPT -4.66005 0.0000 -4.724158 0.0008 -4.63764 0.0048

D Ln PDB Riil -2.3327 0.0215 -4.111344 0.0036 -4.03142 0.0192

D Ln TPT -5.96622 0.0000 -6.196261 0.0000 -6.05675 0.0002

Berdasarkan hasil pengujian Phillip-Perron menunjukkan bahwa baik data PDB riil

dan TPT dalam level maupun dalam transformasi logaritma terintegrasi pada order 1 (I

(1)) atau dengan lain kata telah stasioner pada bentuk first difference.

4.2 Normalitas

Variabel Jarque Bera Test

JB P Value

PDB Riil 1.567076 0.456787

TPT 3.598118 0.165454

Ln PDB Riil 2.018238 0.364540

Ln TPT 2.905057 0.233978

Berdasarkan hasil pengujian Jarque Bera membuktikan bahwa baik data PDB riil dan

TPT dalam level maupun dalam transformasi logaritma mengikuti distribusi normal.

4.3 Analisis 4.3.1 Model First Difference

Hasil estimasi model first difference pers.(2) pada lampiran no. 1 adalah:

∆𝑌𝑡 = 0.049 − 0.025∆𝑈𝑡 … (18) Variabel dalam persamaan (18) terintegrasi pada orde 1 dan residual dari pers.(17) telah

stasioner pada level (lihat lampiran 7.a), berarti adanya keseimbangan jangka panjang

antara output dengan tingkat pengangguran terbuka dalam bentuk first difference. Tetapi

koefisien pers.(18) yang juga disebut koefisien Okun, tidak signifikan pada level α sebesar

lima persen.

Berdasarkan model first difference ini diindikasikan memang terjadi kointegrasi

antara output dalam hal ini PDB riil dengan tingkat pengangguran terbuka akan tetapi

hukum Okun dapat dikatakan tidak terjadi di Indonesia karena koefisien Okun tidak

signifikan.

4.3.2 Model Gap

Hasil estimasi persamaan (5) adalah sebagai berikut:

𝑈𝑡 = 5 − 0.104𝐺𝑡 … (19) Intersep pada persamaan (19) adalah nilai estimasi tingkat pengangguran alamiah

Indonesia pada periode 1980 – 2009 sebesar lima persen, signifikan pada level α sebesar

lima persen. Sedangkan koefisien persamaan (19) tidak signifikan.

Hasil estimasi model Gap adalah:

𝐺𝑡 = −0.105 − 0.282 𝑈𝑡 − 5 … (20)

Intersep dan koefisien pada pers.(20) tidak signifikan. Variabel pada persamaan (20)

terintegrasi pada order 1 dan residual dari persamaan tersebut stasioner pada level

sehingga dapat disimpulkan bahwa terdapat kointegrasi antara kesenjangan output dengan

tingkat pengangguran terbuka, hal ini senada dengan hasil model sebelumnya. Artinya

bahwa hukum Okun di Indonesia tidak terjadi, hal ini didukung oleh koefisien pers.(18)

yang tidak signifikan. Penjelasan tidak signifikannya hukum Okun di Indonesia dapat

dijelaskan sebagai berikut: Pertama, ukuran sampel data yang digunakan terlalu kecil

sehingga kurang power full jika digunakan oleh alat uji. Kedua, adanya shock krisis ekonomi

1997/1998 yang tidak diakomodir dalam kedua model hukum Okun. Ketiga, pertumbuhan

ekonomi yang sedikit sekali mengurangi pengangguran yang terjadi.

5 Kesimpulan

Berdasarkan pembahasan sebelumnya dapat disimpulkan:

1. Tingkat pengangguran alamiah Indonesia yang ditaksir dari model gap hukum Okun

untuk periode 1980 – 2009 sebesar lima persen.

2. Terdapat hubungan jangka panjang antara kesenjangan output dengan tingkat

pengangguran terbuka tetapi bukan dalam bentuk hukum Okun.

3. Hukum Okun tidak terjadi di Indonesia diindikasikan oleh koefisien okun yang tidak

signifikan dapat dijelaskan: Pertama, ukuran sampel data yang digunakan terlalu kecil

sehingga kurang power full jika digunakan oleh alat uji. Kedua, adanya shock krisis

ekonomi 1997/1998 yang tidak diakomodir dalam kedua model hukum Okun. Ketiga,

pertumbuhan ekonomi sedikit sekali mengurangi pengangguran yang terjadi

(pertumbuhan ekonomi yang tidak berkualitas).

# Alumnus Sekolah Tinggi Ilmu Statistik Angkatan 46, sekarang bekerja sebagai PLT Kasie Statistik Sosial BPS Kabupaten Waropen

. Karya ini dibuat Desember tahun 2010

6. Referensi Apergis, Nicholas dan Rezitis, Anthony. (2003). An examination of Okun’s law: evidence

from regional areas in Greece. Applied Economics, 35, 1147-1151. Barreto, H. dan Howand, F. (1993). There are two Okun’s law relationship between output

and unemployment. Wabash College, Crawfordsville, USA. Gujarati, Damodar. 1995. Basic Econometrics. New York: McGraw-Hill. Hodrick, R. dan Prescott E. C. (1997). Postwar U.S. bussines cycle: an empirical

investigation. Journal of Money, Credit, and Banking, 29(1), 1 – 16. Lal, I.,Sulaiman, D., Jalil, M.A., dan Hussain, A. (2010) Test of Okun’s law in some Asian

countries: Cointegration approach. European Journal of Scientific Research, 40(1). 73– 80.

Moosa, I.A. (2008). Economic growth and unemployment in Arab countries: Is Okun’s law

valid?. International conference on the unemployment crisis in the Arab countries. Okun, A.M. (1962). Potential GNP: Its measurement and significance. Proceeding of the

Business and Economics Statistics Section, 98-104. Petkov, Boris. (2008). The labour market and output in the UK – Does Okun’s law still

stand?. Bulgarian National Bank. Bulgaria. Rubcova, Anna. (2010). Okun’s law: evidence from the Baltic States. SSE Riga Student

Research Papers (126). Soegner, Leopold dan Stiassny, Alfred. (2002). An Analysis on the structural stability of

Okun’s law. Applied Economics, 14, 1775-1787. Ting, Ngoo Yee dan Ting, Loi Siew. (2009). Okun’s law in Malaysia: approach ARDL with HP

Filter. University Putra Malaysia, Malaysia.

7. Lampiran a. Model first Difference Dependent Variable: D(LPDB) Method: Least Squares Date: 12/19/10 Time: 09:39 Sample (adjusted): 1981 2008 Included observations: 28 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C(1) 0.048517 0.008392 5.781657 0.0000

D(LTPT) -0.024839 0.045454 -0.546463 0.5894 R-squared 0.011355 Mean dependent var 0.047132

Adjusted R-squared -0.026670 S.D. dependent var 0.041775 S.E. of regression 0.042329 Akaike info criterion -3.417946 Sum squared resid 0.046585 Schwarz criterion -3.322788 Log likelihood 49.85124 Durbin-Watson stat 1.572493

b. Estimasi Persamaan (7) Dependent Variable: TPT Method: Least Squares Date: 12/19/10 Time: 09:59 Sample (adjusted): 1980 2008 Included observations: 29 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C(1) 5.000081 0.571455 8.749733 0.0000

GR -0.104063 0.115249 -0.902936 0.3745 R-squared 0.029311 Mean dependent var 5.011371

Adjusted R-squared -0.006640 S.D. dependent var 3.066479 S.E. of regression 3.076644 Akaike info criterion 5.152028 Sum squared resid 255.5749 Schwarz criterion 5.246324 Log likelihood -72.70440 Durbin-Watson stat 0.080002

Tingkat Pengangguran Alamiah (NAIRU)

First Difference

C. Stasioner residual dari Model First Difference Null Hypothesis: RESID_FD has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 1 (Newey-West using Bartlett kernel) Adj. t-Stat Prob.*

Phillips-Perron test statistic -4.084581 0.0176

Test critical values: 1% level -4.339330

5% level -3.587527

10% level -3.229230

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

Residual variance (no correction) 0.001601

HAC corrected variance (Bartlett kernel) 0.001673

d. Model Gap Dependent Variable: GR Method: Least Squares Date: 12/19/10 Time: 10:18 Sample (adjusted): 1980 2008 Included observations: 29 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C(1) -0.105316 0.939941 -0.112045 0.9116

TPT-5.000081 -0.281666 0.311945 -0.902936 0.3745 R-squared 0.029311 Mean dependent var -0.108496

Adjusted R-squared -0.006640 S.D. dependent var 5.044978 S.E. of regression 5.061701 Akaike info criterion 6.147754 Sum squared resid 691.7621 Schwarz criterion 6.242051 Log likelihood -87.14244 Durbin-Watson stat 0.622148

E. Stasioneritas Residual dari model gap

Null Hypothesis: RESID_GAP has a unit root





5% level -3.580623

10% level -3.225334




F. Hasil Pengujian Phillips Perron beberapa variabel

Null Hypothesis: D(GR) has a unit root





5% level -3.580623

10% level -3.225334




Null Hypothesis: LPDB_R has a unit root Exogenous: Constant, Linear Trend Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.* Phillips-Perron test statistic -1.776133 0.6901

Test critical values: 1% level -4.309824 5% level -3.574244

10% level -3.221728

*MacKinnon (1996) one-sided p-values. Residual variance (no correction) 0.001469


Null Hypothesis: D(LPDB_R) has a unit root Exogenous: Constant, Linear Trend Bandwidth: 1 (Newey-West using Bartlett kernel)



10% level -3.225334



Null Hypothesis: LPDB_P has a unit root Exogenous: Constant, Linear Trend Bandwidth: 4 (Newey-West using Bartlett kernel)



10% level -3.221728

*MacKinnon (1996) one-sided p-values. Residual variance (no correction) 4.11E-05


Null Hypothesis: D(LPDB_P) has a unit root Exogenous: Constant, Linear Trend Bandwidth: 4 (Newey-West using Bartlett kernel)



10% level -3.225334

*MacKinnon (1996) one-sided p-values. Residual variance (no correction) 5.43E-06

HAC corrected variance (Bartlett kernel) 1.89E-05

Null Hypothesis: LGAP has a unit root Exogenous: Constant, Linear Trend Bandwidth: 1 (Newey-West using Bartlett kernel)



10% level -3.221728



Null Hypothesis: D(LGAP) has a unit root Exogenous: Constant, Linear Trend Bandwidth: 4 (Newey-West using Bartlett kernel)



10% level -3.225334



Null Hypothesis: TPT has a unit root Exogenous: Constant, Linear Trend Bandwidth: 2 (Newey-West using Bartlett kernel)



10% level -3.221728



Null Hypothesis: LTPT has a unit root Exogenous: Constant, Linear Trend Bandwidth: 0 (Newey-West using Bartlett kernel)



10% level -3.221728



Null Hypothesis: D(TPT) has a unit root Exogenous: Constant, Linear Trend Bandwidth: 2 (Newey-West using Bartlett kernel)



10% level -3.225334



Null Hypothesis: D(LTPT) has a unit root Exogenous: Constant, Linear Trend Bandwidth: 0 (Newey-West using Bartlett kernel)



10% level -3.225334



G. Normalitas Test for normality of PDB_Riil: Doornik-Hansen test = 2.22732, with p-value 0.328355 Shapiro-Wilk W = 0.947618, with p-value 0.145919 Lilliefors test = 0.10898, with p-value ~= 0.47 Jarque-Bera test = 1.56708, with p-value 0.456787 Test for normality of TPT: Doornik-Hansen test = 14.2026, with p-value 0.000824046 Shapiro-Wilk W = 0.853016, with p-value 0.000717537 Lilliefors test = 0.221223, with p-value ~= 0 Jarque-Bera test = 3.59812, with p-value 0.165454

eksistensi hukum okun di indonesia

Documents