1

ANALISIS EKSPOR, KURS DAN TINGKAT SUKU BUNGA TERHADAP

NILAI PENDAPATAN DOMESTIK BRUTO INDONESIA

TAHUN 1970 - 2013

(Suatu Pendekatan Model VECM)

Oleh :

Prasetyo Ardi Nugroho

Mahasiswa Ilmu Ekonomi Universitas Muhammadiyah Yogyakarta

Dosen Pembimbing : Agus Tri Basuki, SE., M.Si

Abstrak

Metode Penelitian ini menggunakan analisa deskriptif melalui studi

kepustakaan yang didukung oleh analisa kuantitatif yaitu dengan menggunakan

model ekonometrika, yaitu VECM (Vector Error Correction Model). Perangkat lunak

yang digunakan dalam penelitian ini adalah program Eviews 7.2.

Penelitian ini bertujuan untuk mengetahui hubungan keterkaitan antara

ekspor, kurs dan tingkat suku bunga terhadap Pendapatan Domestik Bruto (PDB)

lewat uji kausalitas granger. Selanjutnya dibentuk model empiris VECM, untuk

mengetahui pengaruh variabel independen terhadap variabel dependen dalam jangka

pendek maupun jangka panjang.

Dalam penelitian ini didaptkan bahwa terdapat keterkaitan antara Ekspor

dan PDB. Selain itu, didapatkan hubungan dua arah antara PDB dengan Kurs, serta

hubungan antara tingkat bunga dan kurs. Hubungan antara tingkat bunga dengan

PDB bersifat negatif. Kenaikan suku bunga dikhawatirkan oleh para kreditur dan

tingkat penjualan perumahan yang semakin menurun karena membuat pajak

pinjaman modal dan kredit perumahan semakin meningkat, tanpa didukung dalam

kelancaran produksi dan bisnis yang menunjang, akan berimbas pada kredit macet.

Apabila terjadi secara luas, kredit macet akan berdampak pada perekonomian yang

selanjutnya akan merembet pada Pendapatan Domestik Bruto (PDB).

Kata Kunci: Ekspor, Kurs, Tingkat Suku Bunga, Pendapatan Domestik Bruto, VECM.

2

LATAR BELAKANG

Pertumbuhan ekonomi merupakan indikator makroekonomi yang menjadi

sasaran utama untuk dicapai pemerintah. Bila tercipta pertumbuhan ekonomi,

mengindikasikan berbagai sisi kegiatan ekonomi mengalami peningkatan sehingga

dicapai tingkat produksi dan aktivitas yang lebih tinggi. Jika terjadi pertumbuhan

ekonomi optimal, berarti aktivitas perekonomian akan meningkat yang ditandai

dengan kenaikan pemanfaatan sumber daya dan dana yang tersedia. Pertumbuhan ini

merupakan cirri optimalisasi bagi fungsi kesejahteraan masyarakat (Wijono, 2005).

Pada kurun waktu lima tahun terakhir, secara historis pertumbuhan ekonomi

Indonesia melambat. Pada 2011 pertumbuhan ekonomi menjadi 6,46 persen

merupakan pertumbuhan ekonomi tertinggi selama 10 tahun terkahir. Pertumbuhan

turun menjadi 6,3 persen pada 2012 karena salah satu faktor penyebab adanya

guncangan pada perekonomian dunia pada 2011. Pertumbuhan itu masih lebih tinggi

dari pada pertumbuhan ekonomi dunia (3,3 persen) dan pertumbuhan eknomi Negara-

negara berkembang yang mencapai 5,3 persen. Seterusnya pertumbuhan ekonokmi

turun menjadi 5,73 persen dan 5,07 persen pada 2013 dan 2014. Sementara kinerja

pertumbuhan ekonomi pada 2015 hanya berkisar 4,7 persen.

Variabel-variabel ekonomi seringkali memiliki keterkaitan antara satu dengan

yang lain. Perubahan atau guncangan terhadap satu variabel ekonomi akan berakibat

pula terhadap perubahan variabel lainnya. Hubungan tersebut seringkali pula tidak

merupakan hubungan searah saja, akan tetapi merupakan hubungan timbal balik

(Supriana, (2004), Halwani, (2002), Edwar (2006), Achsani and Fauzi (2010).

Keterkaitan antara variabel-variabel ekonomi, mengisyaratkan bahwa

pemerintah harus jeli dalam mengatur dan mengamati perubahan varibel-variabel

ekonomi untuk menjunjang pertumbuhan dan perkembangan ekonomi. Ketika

pertumbuhan ekonomi meningkat, harapanya kesejahteraan masyarakat juga terus

meningkat dan dibarengi dengan pemerataan pendapatan serta pembangunan.

Salah satu variabel ekonomi yang terus diupayakan agar berada dalam kondisi

stabil adalah kurs (nilai tukar) rupiah. Kestabilan nilai tukar dirasakan amat penting

karena akan dapat berkaitan dengan variabel makroekonomi lainnya. Ketika nilai

tukar mengalami perubahan, baik menguat (apresiasi) atau melemah (apresiasi), maka

kondisi ini secara teoritis akan dapat berdampak pada variabel ekonomi lainnya

seperti impor, ekspor, inflasi dan lain sebagainya (Tambunan, 2012).

Dalam perkembangannya saat ini, nilai tukar rupiah (kurs) mengalami gejolak

yang cukup dinamis. Saat ini nilai tukar rupiah terhadap dolar Amerika Serikat

3

sekitar mendekati angka Rp.14.000 (empat belas ribu rupiah) per US$ 1. Sebagian

ekonom berpendapat bahwa nilai tukar rupiah yang demikian bisa dimanfaatkan

untuk mendorong ekspor, sementara sebagian lagi melihat bahwa keterpurukan nilai

rupiah tersebut bisa berdampak kurang baik, karena dapat menambah membebani

kinerja impor.

Depresiasi nilai rupiah tersebut dapat berdampak negatif terhadap ekspor.

Salah satu alasannya adalah bahwa depresiasi rupiah akan berimbas pada kenaikan

biaya produksi bahan ekspor yang menggunakan komponen impor sebagai bagian

dari input produksi. Disamping itu jika kondisi itu terus terjadi, cadangan devisa akan

tergerus dan dapat menyebabkan pertumbuhan dan pembangunaan ekonomi

terhambat. Jika nilai tukar rupiah terus terdepresiasi, kondisi ini dapat pula

berpengaruh terhadap PDB.

Berdasarkan survey literature, reatif banyak penelitian (Bakhromov (2011),

Genc and Artar (2014), Choudhri and Hakura (2012),yang menunjukkan bahwa nilai

tukar berkaitan langsung dengan ekspor,dan impor. Namun demikian, belum banyak

penelitian yang melihat keterkaitan antara nilai tukar dengan PDB.Padahal nilai tukar

juga akan berpengaruh terhadap PDB (Haryadi, 2014).

Pada penelitian kali ini, kan melihat hubungan antara varibel-variabel

ekonomi terhadap Pendapatan Domestik Bruto (PDB). Selain itu juga dapat

mengetahui arah kausalitas antara varibel- variabel ekonomi (eskpor, kurs dan

bunga). Penilian akan menggunkan data dalam rentang waktu 43 tahun untuk

mengetahui dampak-dampak serta hubunngan antara varibel-variabel makroekonomi.

TINJAUAN PUSTAKA

Secara teoritis, nilai tukar dipengaruhi oleh empat faktor yakni suku bunga,

tingkat inflasi, jumlah uang beredar, dan neraca pembayaran. Achsani and Fauzi,

(2010) menyebutkan bahwa tiga faktor pertama yakni suku bunga, tingkat inflasi, dan

jumlah uang beredar merupakan faktor-faktor yang sangat penting sebagai

determinan nilai tukar. Dilain pihak neraca pembayaran merupakan faktor yang

cukup kompleks mengingat cukup banyak faktor lain yang mempengaruhinya (Noor,

2011)

Hubungan antara nilai tukar dan ekspor pernah diteliti oleh Mousafi dan

Leelavathi (2013). Hasil penelitiannya menunjukkan bahwa tidak ada hubungan yang

signifikan antara nilai tukar dan ekspor, baik dalam hubungan searah maupun

hubungan timbal balik.

4

Dalam teori ekonomi makro (macroeconomic theory), hubungan antara

ekspor dengan tingkat pertumbuhan ekonomi atau pendapatan nasional merupakan

suatu persamaan identitas karena ekspor merupakan bagian dari tingkat pendapatan

nasional (Oiconita, 2006).

Penelitian yang dilakukan oleh Aliman dan A. Budi Purnomo (2001)

mengenai kausalitas antara ekspor dan pertumbuhan ekonomi adalah terjadi

kausalitas satu arah, dari tingkat pendapatan nasional riil ke tingkat ekspor riil selama

periode penelitian. Dengan demikian mendukung hipotesis bahwa pertumbuhan

ekonomi dalam negeri merupakan penggerak bagi ekspor (internally generated

export).

Hasil penelitian yang dilakukan oleh Badikenita (2008) dengan judul analisis

kausalitas antara ekspor dan pertumbuhan ekonomi di negara ASEAN tahun 1960-

2002, memberikan kesimpulan bahwa di negara Indonesia dan Malaysia terjadi

pertumbuhan ekonomi mempengaruhi ekspor, sedangkan di negara Thailand dan

Philipina terjadi ekspor yang mempengaruhi pertumbuhan ekonomi. Sementara itu, di

negara Singapura tidak terdapat kausalitas antara ekspor dan pertumbuhan ekonomi.

METODE PENELITIAN

Metode penelitian yang digunakan dalam penyusunan Tugas Akhir ini adalah

metode analisa deskriptif melalui studi kepustakaan yang didukung oleh analisa

kuantitatif yaitu dengan menggunakan model ekonometrika, yaitu VECM (Vector

Error Correction Model). Perangkat lunak yang digunakan dalam penelitian ini

adalah program Eviews 7.2.

Sebagian besar studi empiris terkini yang mengkaji transmisi kebijakan

moneter menggunakan VAR dan VECM (Fung, 2002; Warjio dan Agung, 2002

dalam Amaluddin, 2005). Hal ini terkait dengan dua hal, yaitu :

a Keunggulan model VAR dan VECM yang hanya menuntut sedikit landasan

teori (atheoritic) karena data menspesifikasikan struktur dinamis model.

(Pindyck dan Rubinfeld, 1998; Warjio dan Agung, 2002; dan Julaihah dan

Insukindro, 2004 dalam Amaluddin, 2005).

b Ketidakjelasan mekanisme transmisi moneter yang oleh para ekonom

seringkali dianggap sebagai “black box”. (Bernanke dan Gertler, 1995 dan

Wijoyo Agung, 2002 dalam Amaluddin, 2005)

5

a. Uji Stasioneritas Data

Data ekonomi time series pada umumnya bersifat stokastik (memiliki trend

yang tidak stasioner/data tersebut memiliki akar unit). Jika data memiliki akar unit,

maka nilainya akan cenderung berfluktuasi tidak di sekitar nilai rata-ratanya sehingga

menyulitkan dalam mengestimasi suatu model. (Rusydiana, 2009). Uji Akar Unit

merupakan salah satu konsep yang akhir-akhir ini makin popular dipakai untuk

menguji kestasioneran data time series. Uji ini dikembangkan oleh Dickey dan Fuller,

dengan menggunakan Augmented Dickey Fuller Test (ADF). Uji stasioneritas yang

akan digunakan adalah uji ADF (Augmented Dickey Fuller) dengan menggunakan

taraf nyata 5%.

b. Uji Panjang Lag Optimal

Estimasi VAR sangat peka terhadap panjang lag yang digunakan. Penentuan

jumlah lag (ordo) yang akan digunakan dalam model VAR dapat ditentukan

berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Information

Criterion (SC) ataupun Hannan Quinnon (HQ). Selain itu pengujian panjang lag

optimal sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem

VAR, sehingga dengan digunakannya lag optimal diharapkan tidak lagi muncul

masalah autokorelasi. (Nugroho, 2009).

c. Uji Stabilitas Model VAR

Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis lebih

jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model

koreksi kesalahan tidak stabil, maka Impulse Response Function dan Variance

Decomposition menjadi tidak valid (Setiawan, 2007 dalam Rusydiana, 2009).

d. Uji Kointegrasi

Jika fenomena stasioneritas berada pada tingkat first difference atau I(1),

maka perlu dilakukan pengujian untuk melihat kemungkinan terjadinya kointegrasi.

Konsep kointegrasi pada dasarnya untuk melihat keseimbangan jangka panjang di

antara variabel-variabel yang diobservasi. Terkadang suatu data yang secara individu

tidak stasioner, namun ketika dihubungkan secara linier data tersebut menjadi

stasioner. Hal ini yang kemudian disebut bahwa data tersebut terkointegrasi.

(Rusydiana, 2009) Metode yang dapat digunakan dalam menguji keberadaan

kointegrasi ini adalah metode Johansen Cointegration.

6

e. Analisis Kausalitas Granger

Uji kausalitas dilakukan untuk mengetahui apakah suatu variabel endogen

dapat diperlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan

keterpengaruhan antar variabel. Jika ada dua variabel y dan z, maka apakah y

menyebabkan z atau z menyebabkan y atau berlaku keduanya atau tidak ada

hubungan keduanya. Variabel y menyebabkan variabel z artinya berapa banyak nilai

z pada periode sekarang dapat dijelaskan oleh nilai z pada periode sebelumnya dan

nilai y pada periode sebelumnya.

f. Model Empiris VAR/VECM

Setelah diketahui adanya kointegrasi maka proses uji selanjutnya dilakukan

dengan menggunakan metode error correction. Jika ada perbedaan derajat integrasi

antarvariabel uji, pengujian dilakukan secara bersamaan (jointly) antara persamaan

jangka panjang dengan persamaan error correction, setelah diketahui bahwa dalam

variabel terjadi kointegrasi. Perbedaan derajat integrasi untuk variabel yang

terkointegrasi disebut Lee dan Granger (Hasanah, 2007 dalam Rusydiana, 2009)

sebagai multicointegration. Namun jika tidak ditemui fenomena kointegrasi, maka

pengujian dilanjutkan dengan menggunakan variabel first difference. (Rusydiana,

2009)

VECM merupakan bentuk VAR yang terestriksi karena keberadaan bentuk

data yang tidak stasioner namun terkointegrasi. VECM sering disebut sebagai desain

VAR bagi series nonstasioner yang memiliki hubungan kointegrasi. Spesifikasi

VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar

konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan

dinamisasi jangka pendek. (Departemen Keuangan,2008).

g. Analisis Impuls Response Function

Analisis IRF adalah metode yang digunakan untuk menentukan respon suatu

variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga digunakan

untuk melihat guncangan dari satu variabel lain dan berapa lama pengaruh tersebut

terjadi. (Nugroho, 2009)

Melalui IRF, respon sebuah perubaha independen sebesar satu standar deviasi

dapat ditinjau. IRF menelusuri dampak gangguan sebesar satu standar kesalahan

(standard error) sebagai inovasi pada sesuatu variabel endogen terhadap variabel

endogen yang lain. Suatu inovasi pada satu variabel, secara langsung akan berdampak

7

pada variabel yang bersangkutan, kemudian dilanjutkan ke semua variabel endogen

yang lain melalui struktur dinamik dari VAR. (Nugroho, 2009)

h. Analisis Variance Decomposition

Forecast Error Variance Decomposition (FEVD) atau dekomposisi ragam

kesalahan peramalan menguraikan inovasi pada suatu variabel terhadap komponen-

komponen variabel yang lain dalam VAR. Informasi yang disampaikan dalam FEVD

adalah proporsi pergerakan secara berurutan yang diakibatkan oleh guncangan sendiri

dan variabel lain. (Nugroho, 2009)

ANALISIS DAN PEMBAHASAN

a. Hasil Uji Stasioneritas Data

Dalam pengujian menggunakan software eviews, panduan yang diambil adalah jika

nilai ADF lebih besar dari nilai kritis, maka menerima Ho yang berarti terdapat akar

unit dan tidak stasioner sebaliknya jika nilai ADF lebih kecil dari nilai kritis (5%),

maka menolak Ho yang berarti tidak ada akar unit dan stasioner.

Tabel 1. Uji Stasionieritas

Variabel

Uji Akar Unit

Level 1st Difference

ADF Prob ADF Prob

PDB 4.322025 1.0000 -3.391648 0.0169

EKSPOR 0.762529 0.9922 -7.800228 0.0000

KURS 0.251544 0.9728 -5.666969 0.0000

BUNGA -2.621350 0.0966 -6.741858 0.0000

Sumber : Hasil Olahan Eviews 7.2

Dari hasil uji stasioneritas berdasarkan uji Dickey-Fuller diperoleh data yang

belum stasioner pada data level atau integrasi derajal nol, I (0), maka syarat

stasioneritas model ekonomi runtut waktu dapat diperoleh dengan cara differencing

data, yaitu mengurangi data tersebut dengan data periode sebelumnya. Dengan

demikian melalui differencing pertama (first difference) diperoleh data selisih atau

deltanya (∆).

Setelah mengetahui bahwa data tidak stasioner pada tingkat level, maka

langkah selanjutnya adalah melakukan uji akar pada tingkat 1st

Difference. Dan dari

hasil uji akar unit maka seluruh variabel lolos uji akar unit pada tingkat 1st Difference

atau stasioner pada 1st Difference.

8

b. Hasil Uji Panjang Lag Optimal

Tabel 2. Uji Panjang Lag

VAR Lag Order Selection Criteria

Endogenous variables: D(PDB) D(EKSPOR) D(KURS) D(BUNGA)

Exogenous variables: C

Date: 01/04/16 Time: 21:44

Sample: 1970 2013

Included observations: 40 Lag LogL LR FPE AIC SC HQ 0 -2174.267 NA 2.35e+42 108.9133 109.0822 108.9744

1 -2137.942 63.56785 8.54e+41 107.8971 108.7415* 108.2024*

2 -2118.867 29.56676* 7.52e+41* 107.7433* 109.2633 108.2929

3 -2107.853 14.86805 1.03e+42 107.9927 110.1882 108.7865 * indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

FPE: Final prediction error

AIC: Akaike information criterion

SC: Schwarz information criterion

HQ: Hannan-Quinn information criterion

Sumber : Hasil Olahan Eviews 7.2

Terdapat 5 (lima) kretiria yang menjadi pertimbangan untuk menentukan

panjang lag yakni LR model (LR), Final prediction error (FPE), Akaike Information

Criterion (AIC), Swachrz information criterion (SC), dan Hannan-Quinn information

Criterion (HQ). Penentuan lag yang dipilih ditentukan berdasarkan lag yang paling

banyak memiliki tanda bintang. Jika uji panjang lag menunjukkan bahwa sebagian

besar tanda bintang berada pada lag yang sama, maka panjang lag berada pada lag

tersebut.

Berdasarkan uji panjang lag pada Tabel 2 (VAR Order Selection Lag

creteria), maka panjang lag maksimum adalah 2 mengingat tanda bintang berada pada

lag 2, baik untuk kriteria LR (sequential modified LR test statistic (each test at 5%

level), Final Predition Error (FPE), maupun Schwarz information criterion (SC).

Dua kriteria yang berbeda yakni 3 masing –masing adalah AIC d an HQ

merekomendasikan bahwa optimum lag berada pada lag 3. Berdasarkan hasil uji

panjang lag secara keseluruhan, maka karena sebagian besar kriteria menunjukkan

optimum lag adalah 2, maka dalam penelitian ini lag yang digunakan adalah 2.

9

c. Hasil Uji Stabilitas Model VAR

Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka

dilakukan pengecekan kondisi VAR Stability berupa roots of characteristic

polynominal. Suatu sistem VAR dikatakan stabil apabila seluruh roots-nya memiliki

modulus lebih kecil dari satu (Gudjarati, 2003 dalam Rusydiana, 2009). Berikut ini

hasil uji stabilitas VAR yang dapat dilihat pada Tabel 3.

Tabel 3. Uji Stabilitas VAR

Roots of Characteristic Polynomial Endogenous variables: D(PDB) D(EKSPOR) D(KURS) D(BUNGA)

Exogenous variables: C

Lag specification: 1 2

Date: 01/04/16 Time: 21:46 Root Modulus -0.263708 - 0.723177i 0.769758

-0.263708 + 0.723177i 0.769758

0.680994 0.680994

0.502295 - 0.411340i 0.649231

0.502295 + 0.411340i 0.649231

-0.353802 - 0.282058i 0.452474

-0.353802 + 0.282058i 0.452474

0.336029 0.336029 No root lies outside the unit circle.

VAR satisfies the stability condition.

Sumber : Hasil Olahan Eviews 7.2

Berdasarkan hasil uji stabilitas model VAR, model VAR yang dibentuk sudah

stabil pada lag optimalnya, yaitu lag 1. Jadi, estimasi VAR yang akan digunakan

untuk analisis IRF dan VD stabil dan valid.

d. Hasil Uji Kointegrasi

Dalam uji Johansen, penentuan kointegrasi dilihat dari nilai trace statistic dan

max eigen statistic setelah didahului dengan mencari panjang lag yang akan

diketahui. Nilai trace statistic dan max eigen statistic yang melebihi nilai kritisnya

mengindikasikan bahwa terdapat kointegrasi dalam model yang digunakan.

10

Tabel 4. Uji Kointegrasi Johansen

Date: 01/04/16 Time: 21:47

Sample (adjusted): 1974 2013

Included observations: 40 after adjustments

Trend assumption: Linear deterministic trend

Series: D(PDB) D(EKSPOR) D(KURS) D(BUNGA)

Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.518698 58.61326 47.85613 0.0036

At most 1 0.379479 29.36286 29.79707 0.0560

At most 2 0.199227 10.27504 15.49471 0.2602

At most 3 0.034103 1.387931 3.841466 0.2388 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.518698 29.25040 27.58434 0.0303

At most 1 0.379479 19.08782 21.13162 0.0943

At most 2 0.199227 8.887110 14.26460 0.2957

At most 3 0.034103 1.387931 3.841466 0.2388 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Sumber : Hasil Olahan Eviews 7.2

Berdasarkan table diatas dapat dilihat bahwa nilai trace statistic dan maximum

eigenvalue pada r = 0 lebih besar dari critical value dengan tingkat signifikansi 1%

dan 5%. Hal ini berarti hipotesis nol yang menyatakan bahwa tidak ada kointegrasi

ditolak dan hipotesis alternativ yang menyatakan bahwa ada kointegrasi diterima.

Berdasarkan analisis ekonometrik diatas dapat dilihat bahwa diantara kelima variabel

dalam penelitian ini, terdapat dua kointegrasi pada tingkat signifikansi 1% dan 5%.

Dengan demikian, dari uji kointegrasi mengindikasikan bahwa diantara pergerakan

PDB EKSPOR KURS dan BUNGA memiliki hubungan stabilitas atau keseimbangan

dan kesamaan pergerakan dalam jangka panjang. Dengan kalimat lain, dalam setiap

11

periode jangka pendek, seluruh variabel cenderung saling menyesuaikan untuk

mencapai ekuilibrium jangka panjangnya.

e. Hasil Analisis Kausalitas Granger

Uji Kausalitas Granger antarvariabel penelitian dimaksudkan untuk

mengetahui dan membuktikan arah hubungan jangka pendek antarvariabel

(Wisarjono, 2007:244 dalam Natsir) dan (Hirawan, 2007 dalam Natsir, 2008). Dalam

pengujian Kausalitas Granger, jika nilai probabilitas kurang dari lima persen, artinya

variabel tersebut mempunyai hubungan kausalitas.

Tabel 5. Uji Kausalitas Granger

Pairwise Granger Causality Tests

Date: 01/04/16 Time: 21:49

Sample: 1970 2013

Lags: 2 Null Hypothesis: Obs F-Statistic Prob. EKSPOR does not Granger Cause PDB 42 0.75880 0.4754

PDB does not Granger Cause EKSPOR 3.42775 0.0431 KURS does not Granger Cause PDB 42 5.20312 0.0102

PDB does not Granger Cause KURS 4.23594 0.0221 BUNGA does not Granger Cause PDB 42 0.43008 0.6537

PDB does not Granger Cause BUNGA 3.21546 0.0516 KURS does not Granger Cause EKSPOR 42 0.41457 0.6637

EKSPOR does not Granger Cause KURS 2.09613 0.1373 BUNGA does not Granger Cause EKSPOR 42 0.16485 0.8486

EKSPOR does not Granger Cause BUNGA 0.22685 0.7981 BUNGA does not Granger Cause KURS 42 3.13437 0.0553

KURS does not Granger Cause BUNGA 5.06085 0.0114

Sumber : Hasil Olahan Eviews 7.2

Dari hasil yang diperoleh diatas, diketahui bahwa yang memiliki hubungan

kausalitas adalah yang memiliki nilai probabilitas yang lebih kecil dari pada alpha

0,05 sehingga nanti Ho akan ditolak yang berarti suatu variabel akan mempengaruhi

variabel lain. Dari pengujian granger diatas, kita mengetahui hubungan timbal balik

atau kausalitas senagai berikut :

Variabel PDB secara statistik tidak signifikan mempengaruhi EKSPOR dan

sementaa variabel EKSPOR secara statistik signifikan mempengaruhi variabel PDB

12

yang dibuktikan dengan nilai probabilitasnya (Prob) kurang dari 0,05 yaitu 0.0431.

Sehingga disimpulkan bahwaterjadi kausalitas searah antara variabel PDB dan

EKSPOR.

Variabel PDB secara statistik signifikan mempengaruhi KURS (Prob=

0.0102) sehingga kita menolak hipotesis nol, sedangkan KURS secara statistik

signifikan mempengaruhi PDB (Prob =0.0221) sehingga kita menolak hipoesis nol.

Dengan demikian, dapat disimpulkan bahwa terjadi kausalitas dua arah antara

variabel PDB dan KURS.

Variabel BUNGA secara statistik signifikan mempengaruhi KURS (Prob

=0.0114) sehingga kita menolak hipotesis nol sedangkan KURS secara statistic tidak

signifikan mempengaruhi BUNGA (Prob=0.0553) sehingga kita menerima hipotesis

nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel

BUNGA dan KURS.

f. Model Empiris VECM

Setelah didapati hubungan kointegrasi pada variabel penelitian, maka tahap

selanjutnya adalah membentuk model VECM. VECM menunjukkan hubungan

jangka pendek dan jangka panjang. Dalam jangka pendek, variabel-variabel dalam

penelitian akan cenderung beradaptasi dengan variabel lainnya membentuk

keseimbangan jangka panjang.

Tabel 6. Model VECM

Vector Error Correction Estimates

Date: 01/04/16 Time: 21:52

Sample (adjusted): 1973 2013

Included observations: 41 after adjustments

Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 PDB(-1) 1.000000

EKSPOR(-1) 0.019805

(0.00719)

[ 2.75602]

KURS(-1) -188442.9

(37407.7)

[-5.03755]

BUNGA(-1) -5145612.

(8023402)

[-0.64133]

13

C -1.06E+09 Error Correction: D(PDB) D(EKSPOR) D(KURS) D(BUNGA) CointEq1 0.096963 7.619442 8.40E-07 -2.41E-09

(0.03530) (4.68623) (5.9E-07) (3.3E-09)

[ 2.74718] [ 1.62592] [ 1.41814] [-0.72368]

D(PDB(-1)) -0.381658 -76.00094 2.92E-06 8.25E-08

(0.31375) (41.6570) (5.3E-06) (3.0E-08)

[-1.21644] [-1.82444] [ 0.55469] [ 2.78623]

D(PDB(-2)) -0.032717 16.56690 -5.78E-06 -2.79E-08

(0.32103) (42.6234) (5.4E-06) (3.0E-08)

[-0.10191] [ 0.38868] [-1.07322] [-0.92062]

D(EKSPOR(-1)) -0.000944 -0.430518 -1.62E-08 -4.59E-11

(0.00163) (0.21678) (2.7E-08) (1.5E-10)

[-0.57844] [-1.98593] [-0.59118] [-0.29751]

D(EKSPOR(-2)) -0.001227 -0.049327 -2.48E-08 -8.80E-11

(0.00152) (0.20164) (2.5E-08) (1.4E-10)

[-0.80825] [-0.24463] [-0.97209] [-0.61395]

D(KURS(-1)) -30148.64 -118529.2 0.488448 0.002645

(10764.4) (1429204) (0.18070) (0.00102)

[-2.80077] [-0.08293] [ 2.70316] [ 2.60290]

D(KURS(-2)) 8314.159 -717234.7 -0.144847 -0.001259

(10538.9) (1399256) (0.17691) (0.00100)

[ 0.78890] [-0.51258] [-0.81876] [-1.26503]

D(BUNGA(-1)) -2297706. -4.66E+08 -40.97098 0.346728

(2437799) (3.2E+08) (40.9217) (0.23016)

[-0.94253] [-1.44013] [-1.00120] [ 1.50646]

D(BUNGA(-2)) -4425319. -85428833 81.45134 -0.113800

(2211321) (2.9E+08) (37.1200) (0.20878)

[-2.00121] [-0.29097] [ 2.19427] [-0.54508]

C 91815071 6.70E+09 446.0772 -3.443530

(2.8E+07) (3.7E+09) (465.521) (2.61829)

[ 3.31078] [ 1.82090] [ 0.95823] [-1.31518] R-squared 0.518688 0.206321 0.517558 0.456122

Adj. R-squared 0.378952 -0.024102 0.377494 0.298222

Sum sq. resids 6.36E+16 1.12E+21 17923749 567.0021

S.E. equation 45297858 6.01E+09 760.3851 4.276726

F-statistic 3.711919 0.895400 3.695161 2.888676

Log likelihood -775.2246 -975.6582 -324.4318 -112.0257

Akaike AIC 38.30364 48.08089 16.31375 5.952473

Schwarz SC 38.72158 48.49883 16.73169 6.370417

Mean dependent 61029550 2.23E+09 287.1707 -0.207805

S.D. dependent 57479781 5.94E+09 963.7445 5.105186

14

Determinant resid covariance (dof adj.) 1.55E+41

Determinant resid covariance 5.08E+40

Log likelihood -2154.133

Akaike information criterion 107.2260

Schwarz criterion 109.0650

Sumber : Hasil Olahan Eviews 7.2

Tabel 7. Faktor-faktor yang Mempengaruhi Perubahan Nilai PDB Pada Jangka

Pendek

Variabel Koefisien T statistik

CointEq1 0.096963 [ 2.74718]

D(PDB(-1)) -0.381658 [-1.21644]

D(PDB(-2)) -0.032717 [-0.10191]

D(EKSPOR(-1)) -0.000944 [-0.57844]

D(EKSPOR(-2)) -0.001227 [-0.80825]

D(KURS(-1)) -30148.64 [-2.80077]

D(KURS(-2)) 8314.159 [ 0.78890]

D(BUNGA(-1)) -2297706. [-0.94253]

D(BUNGA(-2)) -4425319. [-2.00121]

C 91815071 [ 3.31078]

Berdasarkan hasil yang disajikan pada tabel, pada jangka pendek terdapat

empat variabel signifikan pada taraf nyata lima persen. Variabel yang signifikan pada

taraf lima persen adalah Kurs pada lag 1 dan Bunga pada lag 2.

Hasil estimasi jangka pendek menunjukkan bahwa variabel Kurs pada lag ke

1 berpengaruh positif, pada taraf nyata lima persen sebesar -3.01. Artinya jika terjadi

kenaikan Kurs sebesar 1 persen pada satu tahun sebelumnya, maka akan menurunkan

PDB sebesar 3.01 pada tahun sekarang. Sementara itu, Kurs pada lag ke 1

berpengaruh positif, pada taraf nyata lima persen sebesar -4.4. Artinya jika terjadi

kenaikan pendapatan Bunga pada 2 tahun sebelumnya maka akan menurunkan PDB

sebesar 4.4 persen pada tahun sekarang.

Tabel 8. Faktor-faktor yang Mempengaruhi Perubahan Nilai PDB Pada Jangka

Panjang

Variabel Koefisien T statistik

EKSPOR(-1) 0.019805 [ 2.75602]

KURS(-1) -188442.9 [-5.03755]

BUNGA(-1) -5145612. [-0.64133]

15

Pada jangka panjang, variabel Ekspor dan kurs signifikan pada taraf nyata

lima persen yang mempengaruhi PDB. variabel Ekspor mempunyai pengaruh positif

terhadap PDB yaitu sebesar 0.019805. Artinya jika terjadi kenaikan Ekspor maka

akan menyebabkan PDB naik sebesar 0.019805 persen. Variabel KURS mempunyai

pengaruh negatif terhadap PDB yaitu sebesar -18.8. Artinya jika terjadi kenaikan

KURS maka akan menyebabkan PDB turun sebesar -18.8 persen.

g. Hasil Analisis Impuls Response Function (IRF)

Impulse Response Function (IRF) dapat memberikan gambaran respon dari

suatu variabel di masa yang akan datang terhadap gangguan atau kejutan (shock)

variabel lain. Dengan demikian, lama pengaruh dari shock suatu variabel terhadap

variabel lain sampai pengaruhnya hilang atau kembali ke titik keseimbangan dapat

dilihat atau diketahui. Hasil uji IRF ini memperlihatkan seberapa cepat waktu yang

dibutuhkan suatu variabel merespon perubahan variabel lainnya.

Panel 1 :

Pada gambar ini diuraikan mengenai analisis hubungan antara PDB terhadap shock

variabel Ekspor. Bahwa variabel PDB baru mulai merespon perubahan/shock yang

terjadi pada pada periode pertama. PDB merespon Shock dari Ekspor berjalan relatif

stabil sampai pada lag ke 2 meskipun trend cenderung positif. PDB mulai mengalami

peningkatan mulai pada lag ke 3 dan relatif konstan/permanen pada periode

selanjutnya.

16

Panel 2:

Pada gambar ini menunjukkan bahwa respon PDB terhadap Kurs adalah negatif.

variabel PDB baru mulai merespon perubahan/shock yang terjadi pada pada periode

pertama. Respon ini semakin melebar seiring dengan bertambhanya waktu dan relatif

konstan/permanen pada periode selanjutnya. Respon ini disebabkan karen pengaruh

yang negative antara kurs dengan PDB. Hal itu disebabkan karena semakin tinggi

kurs(depresiasi) akan semakin memberat kenerja impor, karena alokasi cadangan

devisa semakin banyak yang digunkan untuk membiayai impor, sehingga PDB

mengalami penurunan.

h. Hasil Analisis VD

Setelah menganalisis perilaku dinamis melalui impulse response, selanjutnya

akan dilihat karakteristik model melalui variance decomposition. Pada bagian ini

dianalisis bagaimana varian dari suatu variabel ditentukan oleh peran dari variabel

lainnya maupun peran dari dirinya sendiri. Variance decomposition digunakan untuk

menyusun forecast error variance suatu variabel, yaitu seberapa besar perbedaan

antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri

maupun shock dari variabel lain untuk melihat pengaruh relatif variabel-variabel

penelitian terhadap variabel lainnya. Prosedur variance decomposition yaitu dengan

mengukur persentase kejutan-kejutan atas masing-masing variabel.

17

Tabel 9. Variance Decompotision

Variance Decomposition of PDB:

Period S.E. PDB EKSPOR KURS BUNGA 1 45297858 100.0000 0.000000 0.000000 0.000000

2 84281514 90.12341 0.032747 9.059414 0.784429

3 1.19E+08 83.63823 0.100232 13.90978 2.351757

4 1.55E+08 80.87632 1.642898 14.00799 3.472799

5 1.91E+08 78.02929 2.800110 14.65030 4.520299

6 2.25E+08 75.74850 3.538489 15.44846 5.264556

7 2.58E+08 74.11677 4.391533 15.85319 5.638499

8 2.91E+08 72.87579 5.034263 16.15761 5.932337

9 3.23E+08 71.77717 5.493738 16.53546 6.193631

10 3.54E+08 70.80088 5.930022 16.88289 6.386206 Variance Decomposition of EKSPOR:

Period S.E. PDB EKSPOR KURS BUNGA 1 6.01E+09 0.544787 99.45521 0.000000 0.000000

2 7.72E+09 1.944772 94.24312 0.760292 3.051813

3 9.49E+09 1.438119 93.67594 1.548382 3.337564

4 1.12E+10 1.235443 93.99913 2.123846 2.641580

5 1.27E+10 1.116888 93.56466 2.651642 2.666812

6 1.42E+10 1.484972 91.37390 4.123907 3.017225

7 1.57E+10 1.639718 89.60864 5.499220 3.252419

8 1.73E+10 2.091424 88.30147 6.147666 3.459443

9 1.88E+10 2.744858 86.55937 6.926358 3.769414

10 2.03E+10 3.254736 84.90067 7.792544 4.052051 Variance Decomposition of KURS:

Period S.E. PDB EKSPOR KURS BUNGA 1 760.3851 45.85068 3.056602 51.09272 0.000000

2 1148.466 30.36681 4.799184 63.72585 1.108151

3 1374.158 40.10353 4.077747 55.00600 0.812727

4 1615.657 46.55176 3.749144 48.23135 1.467745

5 1732.442 44.38468 5.510751 48.24306 1.861501

6 1758.116 43.73304 6.980800 47.47855 1.807607

7 1788.658 42.37946 9.926994 45.87122 1.822319

8 1860.971 39.43634 16.25614 42.38893 1.918585

9 1972.830 36.94276 22.29281 38.16301 2.601419

10 2119.229 34.70634 27.24416 34.46430 3.585201 Variance Decomposition of BUNGA:

Period S.E. PDB EKSPOR KURS BUNGA 1 4.276726 57.30871 3.109534 0.630437 38.95132

2 6.303495 39.98951 4.902794 4.056181 51.05151

3 7.127233 31.60737 9.242592 3.173282 55.97676

4 8.055370 26.29610 14.38143 5.460730 53.86173

18

5 8.696989 23.83380 14.20453 5.362345 56.59932

6 9.102396 21.77826 13.70997 5.352524 59.15925

7 9.514835 19.93215 14.04231 6.831578 59.19396

8 9.921037 18.38474 13.75439 8.106811 59.75406

9 10.26361 17.18153 13.17579 8.760989 60.88169

10 10.59260 16.24364 12.79680 9.914242 61.04531 Cholesky Ordering: PDB EKSPOR KURS BUNGA

Sumber: Hasil Olahan Eviews 7.2

Pada periode pertama forecast error variance PDB ditentukan oleh variabel

PDB itu sendiri. Varibel lainnya tidak begitu signifikan mempengaruhi. Sampai pada

periode 10, kontribusi variabel lain dalam menyusun PDB sebesar 5.9 persen dari

Ekspor, 16.8 persen dari Kurs dan 6.3 persen dari Bunga. Pada periode pertama

forecast error variance Ekspor ditentukan oleh 0.54 persen dari PDB dan 99.45

persen dari Ekspor itu sendiri. Sampai pada periode 10, kontribusi dalam menyusun

Ekspor sebesar 3.25 persen dari PDB, 84.9 persen dari Ekspor, 7.79 dari Kurs dan

4.0 persen dari Bunga. Sementara itu pada periode pertama forecast error variance

Kurs ditentukan oleh 45.85 persen PDB, 3.05 persen Ekspor dan 51.09 dari Kurs itu

sendiri. Selanjutya pada periode pertama forecast error variance Bunga,

komposisinya ditentukan oleh 57.30 persen PDB, 3.10 persen Ekspor, 0.63 persen

Kurs dan 38.95 persen dari Bunga itu sendiri.

KESIMPULAN DAN SARAN

Kesimpulan

Setelah melakukan analisis dan pembahasan terhadap hasil penelitian

sebagaimana diuraikan dalam babbab sebelumnya, maka dapat diambil kesimpulan

sebagai berikut:

1. Terdapat keterkaitan antara Ekspor dan PDB. Dalam teori ekonomi makro

(macroeconomic theory), hubungan antara ekspor dengan tingkat

pertumbuhan ekonomi atau pendapatan nasional (PDB) merupakan suatu

persamaan identitas karena ekspor merupakan bagian dari tingkat pendapatan

nasional.

2. Terdapat hubungan dua arah antara PDB dengan Kurs. Ketika nilai tukar

(Kurs) mengalami perubahan, baik menguat (apresiasi) atau melemah

(apresiasi), maka kondisi ini secara teoritis akan dapat berdampak pada

variabel ekonomi lainnya seperti impor, ekspor, inflasi dan lain sebagainya.

Sementara itu, hubungan yang terjadi antara kurs dan PDB dalam jangka

19

panjang akan berhubungan negatif. Hal itu disebabkan karena apabila kurs

mengalami peningkatan (Depresiasi) dalam jangka panjang akan

memperberat cadangan devisa Negara yang digunakan untuk membiayai

impor. Terlebih pada Negara berkembang yang masih mengandalkan input

bahan baku impor. Sehinga secara tidak langsung akan berdampak pada

pendapatan domestik bruto.

3. Terdapat hubungan antara tingkat bunga dan kurs. Tingkat bunga menentukan

nilai tambah mata uang suatu negara. Semakin tinggi suku bunga suatu mata

uang, akan semakin tinggi pula permintaan akan mata uang negara tersebut.

Tingkat bunga diatur oleh bank sentral, dan jika dalam jangka panjang bank

sentral selalu menaikkan suku bunga maka trend nilai tukar mata uang

negara tersebut terhadap negara lain akan cenderung naik.

4. Terdapat hubungan yang negatif antara tingkat bunga dengan PDB.

Seyogyanya kedua variabel tersebut berhubungan positif. Kenaikan suku

bunga yang dilakukan oleh bank Sentral, maka akan direspon oleh para

pelaku pasar dan para penanam modal untuk memanfaatkan moment tersebut

guna meningkatkan produksi dan menanamkan investasinya. Seiring dengan

itu, akan berdampak juga pada jumlah produksi yang bertambah dan tenaga

kerja yang juga akan semakin bertambah. Akibatnya ekspor bertambah dan

jumlah pengangguran menurun, sehingga devisa yang masuk ke negara

tersebut semakin menguatkan dollar terhadap mata uang lain. Kesemuanya

akan berdampak pada peningkatan PDB. Tetapi dari penelitian yang

dilakukan penulis, terdapat hubungan negatif antar tingkat bunga dan PDB.

Jika dikaji secara mendalam, peristiwa itu bisa terjadi lewat jalur sektor

keuangan. Kenaikan suku bunga sangatlah dikhawatirkan oleh para kreditur

dan tingkat penjualan perumahan yang semakin menurun karena membuat

pajak pinjaman modal dan kredit perumahan semakin meningkat, tanpa

didukung dalam kelancaran produksi dan bisnis yang menunjang, akan

berimbas pada kredit macet. Apabila terjadi secara luas, kredit macet akan

berdampak pada perekonomian yang selanjutnya akan merembet pada

pendapatan domestik bruto (PDB).

Saran

1. Sebaiknya penelitian berikutnya menggunakan variabel lain yang

mempengaruhi Pendapatan Domestik Bruto.

2. Memberbanyak objek yang menjadi kajian penelitian, tidak hanya lingkup

nasional, harapnya penelitian berikutnya dapat mengakat kajian ekonomi

daerah, agar dapat mengetahui perkembangan dan faktor-faktor yang

mempengaruhi Pendapatan Domestik Regional Bruto.

20

3. Penelitian berikutnya sebaiknya menggunkan data panel beberapa Negara atau

daerah guna dapat membandingkan faktor-fakor yang mempengaruhi

kontribusi terhadap perubahan Pendapatan Domestik Bruto atau Pendapatan

Domestik Regional Bruto.

21

DAFTAR PUSTAKA

Agus Tri Basuki dan Nano Prawoto, 2016, Analisis Regresi dalam Penelitian

ekonomi dan Bisnis (dilengkapi Aplikasi SPSS dan Eviews), Cetakan pertama,

edisi pertama, PT Rajawali Pers, Jakarta.

Achsani, N.A., and Fauzi, A.J. 2010.The Relationship between Inflation and Real

Exchange Rate: Comparative Study between ASEAN+3, The EU and North

America. European Journal of Economics Financ e and Administrative

Sciences, 19: 69-76.

Aliman, dan A. Budi Purnomo. 2001. Kausalitas Antara Ekspor dan Pertumbuhan

Ekonomi. Jurnal Ekonomi dan Bisnis Indonesia, Vol. 16, No. 2, pp. 122-137.

Amaluddin, Friady. 2005. Efektivitas Transmisi Kebijakan Moneter antara Bank

Syariah dan Bank Konvensional. Skripsi pada Program Pascasarjana

Fakultas Ekonomi Universitas Indonesia. Universitas Indonesia.

Badikenita. 2004. Analisis Kausalitas Antara Ekspor Dan Pertumbuhan Ekonomi Di

Negara – Negara Asean. Tesis Dipublikasikan. Ekonomi Pembangunan.

Universitas Sumatera Utara.

Bakhromov, N. 2011.The Exchange Rate Volatility and the Trade Balance: Case of

Uzbekistan,.Jouurnal of Applied Economics and Business Research. Vol.3

(1).pp.149- 161.

Choudhri and Hakura, 2012.The Exchange Rates Pass Trough to Import and Export

Prices: The Role of Nominal Rigidities and Currency Choice. IMF Working

Paper.pp.1-34.

Departemen Keuangan RI. 2008. Analisis Hubungan Kointegrasi dan Kausalitas serta

Hubungan Dinamis antara Aliran Modal Asing, Perubahan Nilai Tukar dan

Pergerakan IHSG di Pasar Modal Indonesia. Jakarta : Badan Pengawas Pasar

Modal dan Lembaga Keuangan Departemen Keuangan RI.

Edwar,M.S. 2006. Public opinion regarding Economics and Cultural Globalization:

Evidence from a Cross National Survey. Review of International Political

Economy, 13 (4). Pp.587-608

Halwani, R.H. Ekonomi Internasional dan globalisasi ekonomi. Ghalia Indonesia:

Jakarta.

22

Hariyadi. Respon Ekspor Terhadap Nilai Tukar, Pdbdan Impor Indonesia : Suatu

Pendekatan Vector Error Correction Model. Jurnal Paradigma Ekonomika.

Vol.9, No.2, Oktober 2014.

Mousavi, S and Leelavathi D.S. 2013.Agriculture Export and Exchange Rates in

India: The Gralnger C ausality Approach. International Journal of Scientific

and Research Publications, Vol 3(2), February 2013.

Natsir, M. 2008. Analisis Empiris Efektivitas Mekanisme Transmisi Kebijakan

Moneter di Indonesia melalui Jalur Nilai Tukar Periode 1990:2-2007:1.

Unhalu Kendari.

Noor, Z.Z. 2011.Pengaruh Inflasi, Suku Bunga, dan Jumlah Uang Beredar terhadap

Nilai Tukar. Trikonomika. Vol.10(2). Pp. 139- 147, Desember.

Nugroho, Ris Yuwono Yudo. 2009. Analisis Faktor-faktor Penentu Pembiayaan

Perbankan Syariah di Indonesia : Aplikasi Model Vector Error Correction.

Tesis. Institut Pertanian Bogor.

Rusydiana, Aam Slamet. (2009). Mekanisme Transmisi Syariah pada Sistem Moneter

Ganda di Indonesia. Bank Indonesia: Buletin Ekonomi Moneter dan

Perbankan, April 2009. p.345-368.

Supriana, T. 2004. Dampak Guncangan Struktual Terhadap Fluktuasi Ekonomimakro

Indonesia: Suatu Kajian Business Cycle Dari Sisi Permintaan.

Tambunan, T. 2012. Trade respon to economic shocks in Indonesia. Journal of

Business Management and Economics, Vol 8 (3) August.

Oiconita, Naomi. 2006. Analisis Ekspor dan Output Nasional Di Indonesia : Periode

1980-2004, Kajian Tentang Kausalitas dan Kointegrasi. Tesis Dipublikasikan,

Ilmu Ekonomi, Universitas Indonesia.

Wijono, W.W. 2005. Mengungkap sumber-sumber pertumbuhan ekonomi Indonesia

dalam lima tahun terakhir. Jurnal manajemen dan fiskal, 5(2), Jakarta.