ANALISIS INTERDEPENDENSI FAKTOR-FAKTOR YANG MEMPENGARUHI ... fileANALISIS INTERDEPENDENSI...

Jurnal Pendidikan Riama

ISSN 2089-287X (Media Cetak)

Vol. 3 No. 02. 2018

94 | P a g e

JURNAL PENDIDIKAN RIAMA

LPPM - STKIP Riama Medan

Sekolah Tinggi Keguruan dan Ilmu Pendidikan “STKIP” Riama Medan

ANALISIS INTERDEPENDENSI FAKTOR-FAKTOR YANG MEMPENGARUHI

PENAWARAN UANG KARTAL DI INDONESIA

Oleh

Margareta Waty Sibarani 1)

e-mail: [email protected]

Abstrak

Hasil penelitian menunjukkan interpretasi model VAR dengan nilai terbesar adalah suku bunga variabel, sedangkan nilai VAR terkecil adalah variabel cadangan

minimum. Hasil pengujian Impulse Response Function (IRF) menunjukkan bahwa

pengaruh terbesar pada penawaran mata uang adalah variabel cadangan minimum, dalam jangka menengah dan suku bunga variabel jangka panjang adalah variabel stok

uang dalam arti luas. Sedangkan hasil uji Forecast Error Variance Decomposition

(FEDV) menunjukkan bahwa dampak terbesar dari kesalahan varians dalam jangka pendek, jangka menengah dan dalam jangka panjang yang paling berdampak adalah

variabel suku bunga.

Keywords : MDK, TSB, GWM, IHU, HPM, VAR, IRF, FEDV.

A. PENDAHULUAN

Di dalam sistem perekonomian uang memiliki peranan strategis terutama

karena fungsi utamanya sebagai media untuk bertransaksi, sehingga pada awalnya

sering diartikan bahwa uang adalah sesuatu yang dapat diterima umum sebagai

alat pembayaran. Namun sejalan dengan perkembangan perekonomian, fungsi

uang yang semula hanya sebagai alat pembayaran berkembang menjadi alat

satuan hitung dan sebagai alat penyimpan kekayaan.

Keberadaan uang dalam sistem perekonomian akan mempengaruhi

perekonomian suatu negara, yang biasanya berkaitan dengan kebijakan-kebijakan

moneter. Bank Indonesia (BI) sebagai lembaga yang mempunyai otoritas moneter

dalam menentukan kebijakan dalam kondisi ekonomi suatu wilayah, disamping

bank umum yang juga ikut menentukan kondisi perputaran uang dengan

ekspektasi dan konsumsi yang dilakukan.

Salah satu kebijakan moneter yang dilaksanakan oleh BI adalah jumlah

uang yang tersedia dalam suatu perekonomian, dimana kebijakan ini bertujuan

untuk mengatur penawaran uang/ mengatur jumlah uang yang beredar. Jadi,

penawaran uang merupakan tugas pemerintah melalui bank sentral (Bank

Indonesia).

mailto:[email protected]



Vol. 3 No. 02. 2018

95 | P a g e




Penawaran uang yang dimaksud adalah jumlah uang yang beredar di

masyarakat. Perubahan jumlah uang yang beredar secara garis besar dipengaruhi

oleh uang inti dan pelipat uang. Besarnya uang inti sangat tergantung pada

tindakan-tindakan yang ditentukan oleh pemerintah khususnya bank sentral.

Sedangkan pelipat uang, dilain pihak, disamping dipengaruhi oleh perilaku bank

sentral juga ditentukan oleh perilaku agen-egen ekonomi lainnya seperti bank

umum dan masyarakat domestik. (Mishkin, 2001)

Konsep uang sangat terkait pada konsep likuiditas, suatu asset likuid adaah

asset yang dengan mudah dapat diuangkan dengan tanpa kehilangan resiko rugi.

Pada satu sisi ekstrim dari spectrum likuiditas, uang tunai adalah asset yang paling

likuid dengan daya beli penuh. Pada tingkat spectrum likuiditas moderat, uang

kuasi yang secara definitif tidak secara langsung berfungsi sebagai medium of

exchange. Pada sisi ekstrim lainnya, asset-asset fisik yang sangat tidak likuid

sebagai alat seperti rumah, tanah, obligasi jangka panjang dan sebagainya.

(Mishkin, 2011)

Sebagai salah satu variabel ekonomi, penawaran uang atau jumlah uang

beredar yang terjadi dalam suatu negara dalam kurun waktu tertentu dipengaruhi

oleh beberapa faktor, yang dapat menggeser kondisi perekonomian dari baik

keburuk atau sebaliknya. Faktor-faktor yang dapat mempengaruhi naik turunnya

jumlah uang beredar di Indonesia baik dalam arti luas (M2) maupun dalam arti

sempit (M1), antara lain tingkat suku bunga, giro wajib minimum dan stok uang

dalam arti penting. Dalam perkembangannya jumlah uang beredar harus dibatasi,

hal ini dilakukan guna membatasi konsumen untuk bersifat konsumtif dan

menekan tingkat inflasi (Nilawati, 2000)

Jumlah uang beredar (M1) yaitu uang dalam arti sempit yang terdiri dari

uang kartal dan uang giral, dan M2 (uang dalam arti luas) yang terdiri dari M1

ditambah uang kuasi (Nilawati, 2000). Uang kartal (currencies) adalah uang yang

dikeluarkan oleh pemerintah atau bank sentral dalam bentuk uang kertas atau uang

logam. Sedangkan uang giral (deposit money) adalah uang yang dikeluarkan oleh

suatu bank umum.

Perkembangan uang kartal yang beredar di Indonesia selama tahun 2005-

2014 disajikan dalam Gambar 1 berikut.



Vol. 3 No. 02. 2018

96 | P a g e




Sumber : Bank Indonesia Tahun 2006-2015 Gambar 1. Perkembangan Uang Kartal di Indonesia Tahun 2005-

2014

Gambar 1 menjelaskan perkembangan jumlah uang kartal yang beredar di

Indonesia menunjukkan peningkatan selama tahun 2005 hingga tahun 2007.

Kondisi ini terjadi sebagai akibat dari stabilnya perekonomian nasional dan

memberikan dampak positif bagi iklim perbankan di tanah air.

Namun demikian ketika perekonomian dunia dilanda krisis ekonomi

global, dampaknya mulai terasa di Indonesia yang meyebabkan iklim

perekonmian di tanah air juga ikut berimbas, puncaknya terjadi di tahun 2008.

Dimana krisis global memberikan dampak yang cukup signifikan terhadap

peredaran uang kartal di Indonesia, bahkan di tahun 2009 pemerintah dalam hal

ini Bank Indonesia terpaksa melakukan kebijakan moneter dengan mengurangi

peredaran uang kartal di masyarakat. Dengan berkurangnya uang yang beredar

dalam masyarakat menimbulkan turunnya suku bunga bank serta meningkatkan

harga-harga kebutuhan barang dan jasa yang pada gilirannya melemahkan daya

beli masyarakat.

Selepas krisis ekonomi global, kondisi perekonomian Indonesia kembali

mulai pulih sehingga pemerintah dalam hal ini BI mengeluarkan kebijakan untuk

menambah jumlah uang untuk digunakan masyarakat dalam aktfitas ekonomi.

Perekonomian mulai kembali pulih menggerakkan kembali sektor riil dan sektor-

sektor lainnya yang akhirnya meningkatkan daya beli masyarakat, stabilnya harga

barang dan jasa serta dan lainnya.

Kondisi ini bertahan hingga tahun 2011, dimana ketika harga-harga

kebutuhan barang pokok dan jasa yang ditandai dengan meningkatnya indeks

14,963

26,663

32,313

26,780

16,259

30,370

47,533

36,38939,511

43,537

0

10000

20000

30000

40000

50000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Tahun

Milyar Rp



Vol. 3 No. 02. 2018

97 | P a g e




harga umum menimbulkan pendapatan masyarakat yang sebagian besar habis di

konsumsi untuk kebutuhan pokok, seperti pangan, pendidikan dan kesehatan.

Berfluktuatifnya jumlah uang kartal yang beredar dalam masyarakat

dipengaruhi oleh banyak factor, dalam penelitian ini faktor-faktor tersebut

diantaranya adalah tingkat suku bunga, giro wajib minimum dan indeks harga.

Keynes dalam Mankiw (2003) menyatakan bahwa dalam jangka pendek

ketika tingkat suku bunga naik (kebijakan moneter ketat) maka akan mengurangi

jumlah uang yang beredar dan mendorong peningkatan suku bunga. Disisi lain,

Keynes juga menyatakan bahwa jumlah uang beredar dapat menaikkan harga-

harga, tetapi kenaikan harga-harga itu tidak selalu sebanding dengan kenaikan

dalam uang beredar.

Sedangkan menurut Dornbusch (2008) menyatakan bahwa apabila suku

bunga dinaikkan atau mengalami peningkatan, maka jumlah uang beredar akan

mengalami penurunan. Sebaliknya apabila suku bunga diturunkan atau mengalami

penurunan, maka jumlah uang beredar akan mengalami peningkatan.

Indikator lainnya yang dianalisis dalam penelitian ini adalah Giro Wajib

Minimum (GWM) yang salah satu bentuk kegiatan perbankan yang ditetapkan

pemerintah (BI) yang menjalankan fungsinya sebagai lembaga intermediasi.

Sebagai lembaga intermediasi, perbankan dituntut untuk menghimpun dan

menyalurkan dana dari masyarakat yang kelebihan dana kepada masyarakat yang

membutuhkan dana dalam rangka meningkatkan taraf hidup masyarakat banyak.

Bank Indonesia telah banyak merubah kebijakan pemenuhan giro wajib

minumum (GWM) pada bank-bank di Indonesia. Setidaknya ada empat Peraturan

Bank Indonesia tentang pemenuhan giro wajib minimum pada bank umum sejak

November 2010. Peraturan Bank Indonesia yang terakhir, nomor 15/15/PBI/2013,

tentang pemenuhan GWM pada bank umum menetapkan persentase pemenuhan

GWM dalam Rupiah sebesar 8% (GWM premier) dan 4% (GWM sekunder) sertta

8% GWM dalam valuta asing (BI, Laporan Perbankan, 2013)

Dalam rangka mencapai tujuan tersebut, otoritas moneter menggunakan

berbagai target antara melalui pengandalian jumlah uang beredar dan suku bunga.

Pemenuhan GWM merupakan instrumen kebijakan moneter untuk mengendalikan

baik jumlah uang beredar maupun suku bunga. Otoritas moneter meningkatkan



Vol. 3 No. 02. 2018

98 | P a g e




persentase GWM untuk menurunkan jumlah uang beredar dalam masyarakat.

Perbankan diwajibkan menyisihkan sebagian dananya pada Bank Indonesia.

Dengan demikian, dana yang tersalurkan sebagai pinjaman atau kredit

akan berkurang. Sehingga jumlah uang beredar dalam masyarakat akan berkurang.

Di samping itu, peningkatan GWM akan mengakibatkan suku bunga pinjaman

meningkat karena cost of loanable fund yang tinggi. Strategi ini biasa disebut

dengan strategi kontraksi moneter. Sebaliknya, strategi ekspansi moneter

dilakukan dengan menurunkan persentase GWM, sehingga perbankan dapat

menyalurkan dananya lebih banyak dan jumlah uang beredar dalam masyarakat

akan meningkat.

Tabel 1. Suku Bunga, Indeks Harga Umum dan Giro

Wajib Minimum Tahun 2005– 2014 Tahun Suku Bunga

(Persen)

Indeks Harga Umum

(Persen)

Giro Wajib Minimum

(Persen)

2005 5.33 136.86 12,81

2006 6.34 145.89 12,36

2007 6.12 155.50 14,36

2008 9.87 113.86 6.12

2009 6.34 117.03 6.16

2010 5.74 125.17 9.56

2011 4.83 129.91 10.28

2012 4.23 135.49 11.32

2013 6.08 146.84 12.20

2014 5.83 119.00 13.93

Sumber : Bank Indonesia Tahun 2005-2014

Tabel 1, jelas terlihat perkembangan beberapa indikator yang

mempengaruhi jumlah uang kartal yang beredar. Berdasarkan data yang ada

terlihat bahwa jika suku bunga meningkat, maka indeks harga umum dan giro

wajib minimum juga ikut meningkat. Stabilnya perekonomian menyebabkan

kondisi ini terjadi.

Di tahun 2008 sebagai dampak dari krisis global, dari ke 3 indikator yang

dianalisis hanya indikator indeks harga umum dan giro wajib minimum

menunjukkan pola penurunan sementara suku bunga terus meningkat. Namun

sebaliknya, dampak krisis global baru berimbas kepada suku bunga yang relatif

terus mengalami penurunan suku bunga sedangkan kedua variabel lainnya

mengalami peningkatan.



Vol. 3 No. 02. 2018

99 | P a g e




Peningkatan yang terjadi pada indeks harga umum dan giro wajib

minimum disebabkan salah satunya adalah kebijakan moneter oleh bank sentral

yang meningkatkan jumlah uang kartal. Peningkatan jumlah uang kartal dalam

masyarakat secara langsung maupun tidak langsung menyebabkan harga-harga

barang dan jasa akan meningkat pula yang pada gilirannya akan memicu inflasi.

Suku bunga yang terus menurun menunjukkan bahwa jumlah uang yang

beredar dalam masyarakat lebih besar dibandingkan dengan uang yang berada

dalam lembaga perbankan, hal ini menyebabkan masyarakat lebih banyak

menghabiskan dananya untuk konsumsi baik konsumsi barang dan jasa kebutuhan

pokok maupun investasi dalam bentuk asset tak bergerak.

Hingga tahun 2013 kondisi perekonomian mulai menunjukkan tanda-tanda

peningkatan kearah yang lebih baik, dimana ke 3 indikator menunjukkan pola

peningkatan yang relatif prporsional. Namun di akhir tahun 2014 suku bunga bank

dan indeks harga umum mengalami penurunan, hanya giro wajib minimum yang

mengalami peningkatan.

Jadi dengan menaikkan tingkat suku bunga (kebijakan moneter ketat) akan

mengurangi jumlah uang yang beredar dan mendorong peningkatan suku bunga

jangka pendek. Dan apabila credible, akan timbul ekspektasi masyarakat bahwa

inflasi akan turun atau suku bunga riil jangka panjang akan meningkat. Inflasi

yang cenderung mengalami penuruan akan berdampak pada turunnya harga

barang dan jasa yang pada akhirnya akan mempengaruhi penawaran uang yang

beredar.

Oleh sebab itu jumlah uang yang beredar dalam masyarakat harus sesuai

dengan porsinya, manakala jumlah uang beredar berlebih akan memicu

peningkatan harga-harga dan akan terjadi inflasi yang tinggi. Sebaliknya, jumlah

uang yang beredar terlalu kecil akan menghambat perekonomian itu sendiri.

Dari data dan informasi di atas menunjukkan bahwa selama tahun 200

hingga tahun 2014 suku bunga relatif menurun, sedangkan indeks harga umum

dan giro wajib minimum cenderung meningkat, sementara penawaran uang kartal/

jumlah uang kartal yang beredar menunjukkan pola peningkatan di Indonesia.

Atas dasar itulah penulis tertarik untuk melakukan penelitian dengan judul



Vol. 3 No. 02. 2018

100 | P a g e




”Analisis Interdependensi Faktor-Faktor yang Mempengaruhi Penawaran Uang

Kartal di Indoensia”.

A. METODE PENELITIAN

Penelitian ini terfokus pada analisis interdependensi tingkat suku bunga,

giro wajib minimum, indeks harga umum, stok uang dalam arti penting dan

penawaran uang kartal di Indonesia dan dalam penelitian ini akan dikaji 5 (lima)

variabel endogen yang dianggap memiliki interdependensi antar variabel, yaitu:

a) Penawaran Uang Kartal (MDK)

b) Tingkat Suku Bunga (TSB)

c) Giro Wajib Minimum (GWM)

d) Indeks Harga Umum (IHU)

e) Stok Uang Dalam Arti Luas (HPM)

Penelitian ini menggunakan data sekunder yang dikeluarkan oleh Bank

Indonesia (BI) dalam beberapa publikasi dari tahun 1999-2014. Analisis yang

digunakan adalah analisis model Vector Autoregression (VAR) untuk melihat

interdependensi antar variabel endogen. Sims (1980), mengembangkan suatu

model dengan metode Vector Autoregression (VAR) yang muncul sebagai jalan

keluar atas permasalahan rumitnya proses estimasi dan inferensi karena

keberadaan variabel endogen yang berada di kedua sisi persamaan (endogenitas

variabel), yaitu di sisi dependen dan independen. Sementara teori ekonomi saja

(sebagai dasar pembentukan persamaan simultan) tidak akan cukup lengkap dalam

menyediakan spesifikasi yang ketat dan tepat atas hubungan dinamis antar

variabel (Yahya, 2007)

B. HASIL PENELITIAN

1. Penawaran Uang Kartal

Penawaran uang kartal diukur dari banyaknya jumlah uang kartal yang

beredar dan merupakan salah satu indikator kinerja perekonomian dalam hal ini

pada sektor keuangan, dimana jika jumlah uang yang beredar tidak meningkat

maka penawaran uang kartal tidak akan terjadi, meskipun terjadi kenaikan harga.



Vol. 3 No. 02. 2018

101 | P a g e




Dalam penelitian ini jumlah uang yang beredar dimaksud adalah jumlah

uang kartal yang beredar. Perkembangan penawaran uang kartal di Indonesia

selama tahun 1999 – 2014 disajikan dalam Gambar 2.

Sumber : Bank Indonesia, 2000-2014

Gambar 2. Penawaran Uang Kartal di Indonesia Tahun 2000 – 2014

Gambar 2 terlihat bahwa penawaran uang kartal di Indonesia selama tahun

2000 sampai dengan 2014 mengalami kenaikan. Tahun 1999 hingga tahun 2000

penawaran uang kartal di Indonesia masih stabil, yaitu sebesar Rp. 13.856 milyar

di tahun 1999 menjadi sebesar Rp. 14.018 milyar di tahun 2000. Tahun 2001 –

2002 penawaran uang karal mengalami penurunan seiring dengan menurunannya

jumlah uang yang beredar, dimana kebijakan ini diambil oleh pemerintah untuk

mengendalikan laju penawaran uang kartal yang terjadi. Penawaran uang kartal di

tahun 2001 turun menjadi sebesar Rp. 3.971 milyar dan di tahun 2002 menjadi

sebesar Rp. 4.344 milyar. Penawaran uang kartal kembali dinaikkan di tahun 2003

hingga tahun 2005, yaitu menjadi sebesar Rp. 31.856 milyar di tahun 2003,

sebesar Rp. 14.723 milyar di tahun 2004 dan tahun 2005 menjadi sebesar Rp.

14.963 milyar.

Bank Indonesia sebagai lembaga regulasi perbankan di Indonesia kembali

meningkatkan penawaran uangkartal di tahun 2006 dan 2007 seiring dengan

turunya laju penawaran uang kartal, tercatat penawaran uang kartal di tahun 2006

menjadi sebesar Rp. 26.663 milyar dan di tahun 2007 sebesar Rp. 32.313 milyar.

Namun di tahun 2008 dan 2009 penawaran uang kartal kembali turun menjadi

sebesar Rp. 26.780 milyar di tahun 2007 dan menjadi sebesar Rp, 16.259 milyar

di tahun 2008. Penawaran uang kartal kembali meningkat di tahun 2010 dan 2011,

dimana penawaran uang kartal di tahun 2010 menjadi sebesar Rp. 30.370 milyar

13,8

56

14,0

18

3,97

1

4,34

4 13,8

56

14,7

23

14,9

63

26,6

63

32,3

13

26

,78

0

16

,25

9 30,3

70 47,5

33

36,3

89

39,5

11

43,5

37

-

10,000

20,000

30,000

40,000

50,000

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

Tahun

Milyar Rp



Vol. 3 No. 02. 2018

102 | P a g e




dan menjadi sebesar Rp. 47.533 milyar di tahun 2011. Hingga akhir tahun 2012-

2014penawaran uang kartal pada posisi Rp. 36.389 milyar di tahun 2012, sebesar

Rp, 39.511 milyar di tahun 2013 dan sebesar Rp. 43.537 milyar di tahun 22014.

2. Tingkat Suku Bunga

Giro wajib minimum merupakan kompensasi yang harus dibayar oleh

pihak peminjam dana kepada pihak yang meminjamkan. Perkembangan giro

wajib minimum bank disajikan pada Gambar 3.

Sumber: Bank Indonesia, 1999-2014

Gambar 3. Suku Bunga Bank di Indonesia Tahun 1999 – 2014

Gambar 3 terlihat bahwa suku bunga perbankan mengalami penurunan

selama tahun 1999 sampai dengan tahun 2014. Dari data BI, tercatat giro wajib

minimumdi Indonesia tahun 1999 mencapai 24,90 persen. Suku bunga bank yang

cukup tinggi di tahun 1999 mengindikasikan bahwa dampak krisis ekonomi yang

terjadi di tahun 1998 masih menyisakan pengaruh negatifnya terhadap

perekonomian Indonesia secara makro. Tahun 2000 selepas krisis ekonomi,

perekonomian Indonesia mulai menunjukkan pertumbuhan positif, dimana salah

satu indikatornya yaitu suku bunga bank menunjukkan penurunan menjadi sebesar

12,33 persen di tahun 2000 dan menjadi sebesar 16,22 persen di tahun 2001.

Tahun 2002 hingga 2004, suku bunga bank kembali mengalami penurunan,

tercatat di tahun 2002 suku bunga bank sebesar 12,47 persen, tahun 2003 sebesar

8,27 persen dan tahun 2004 sebesar 5,05 persen. Meskipun terjadi peningkatan di

tahun 2005, namun peningkatan tersebut relatif kecil dimana suku bunga bank

menjadi sebesar 5,33 persen. Hingga tahun 2007. Suku bunga bank menunjukkan

kestabilannya dan berada pada posisi sebesar 6,34 persen di tahun 2006 dan

menjadi sebesar 6,12 persen di tahun 2007.

24.9

0

12

.33

16.2

2

12.4

7

8.27

5.05

5.33

6.34

6.12 9.

87

6.34

5.74

4.83

4.23 6.

08

5.83

-

5.00

10.00

15.00

20.00

25.00

30.00

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

Tahun

Persen



Vol. 3 No. 02. 2018

103 | P a g e




Krisi ekonomi global yang terjadi di tahun 2008 tidak memberikan

dampak yang signifikan terhadap suku bunga bank, meskipun terjadi peningkatan

namun peningkatan tersebut masih relatif rendah. Suku bunga bank tahun 2008

sebesar 9,87 persen dan terus mengalami penurunan hingga tahun 2012, dimana

suku bunga bank tahun 2009 sebesar 6,34 persen, tahun 2010 sebesar 5,74 persen,

tahun 2011 sebesar 4,83 persen dan tahun 2012 sebesar 4,23 persen. Tahun 2013

terjadi peningkatan meskipun kecil, yaitu menjadi sebesar 6,08persen. Hingga

akhir tahun 2014 giro wajib minimumbank menjadi sebesar 5,83 persen.

3. Giro Wajib Minimum

Giro wajib minimum merupakan instrumen otoritas TSBeter untuk

mempengaruhi sirkulasi mata uang dalam perekonomian. Perkembangan giro

wajib minimum di Indonesia selama tahun 1999 hingga 2014 disajikan dalam

Gambar 4.


Gambar 4. Giro Wajib Minimumdi Indonesia Tahun 1999 – 2014

Gambar 4 menjelaskan perkembangan giro wajib minimum di Indonesia

selama kurun waktu 1999 hingga 2000, tercatat dari data BI sebagai lembaga

otoritas perbankan di Indonesia, giro wajib minimum tahun 1999 sebesar 6,82

persen. Hingga tahun 2002 giro wajib minimum masih dikisaran 7,28 persen di

tahun 2000, sebesar 6,66 persen di tahun 2001 dan sebesar 7,10 persen di tahun

2002. Pola peningkatan giro wajib minimum mulai ditunjukkan di tahun 2003,

dimana pada tahun 2003 giro wajib minimum meningkat cukup signifikan

menjadi sebesar 9,12 persen. Peningkatan giro wajib minimum yang cukup

signifikan ini terjadi hingga tahun 2005, dimana tahun 2004 giro wajib minimum

sebesar 10,93 persen, meningkat kembali di tahun 2005 menjadi sebesar 12,81

persen.

6.8

2

7.2

8

6.6

6

7.1

0

9.1

2 1

0.9

3 1

2.8

1

12.3

6

14.3

6

6.1

2

6.1

6

9.5

6

10.2

8

11.3

2

12.2

0 13.9

3

-

2.00

4.00

6.00

8.00

10.00

12.00

14.00

16.00

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

Persen

Tahun



Vol. 3 No. 02. 2018

104 | P a g e




Meskipun terjadi penurunan giro wajib minimum di tahun 2006 menjadi

sebesar 12,36 persen, namun tahun 2007 giro wajib minimum kembali mengalami

peningkatan menjadi sebesar 14,36 persen. Angka ini merupakan nilai tertinggi

dari giro wajib minimum selama periode penelitian. Dampak krisis global tahun

2008 sangat mempengaruhi nilai giro wajib minimum di Indonesia, tercatat giro

wajib minimum di tahun 2008 secara signifikan turun drastis menjadi sebesar 6,12

persen bahkan lebih rendah dari tahun-tahun selama periode penelitian. Kondisi

ini tidak mengalami banyak perubahan di tahun 2009, dimana giro wajib

minimum sebesar 6,16 persen. Selepas krisis global tahun 2008, giro wajib

minimum hingga akhir tahun 2014 terus mengalami peningkatan. Tercatat tahun

2010 giro wajib minimum sebesar 9,56 persen, tahun 2011 sebesar 10,28 oersen,

tahun 2012 sebesar 11,32 persen dan tahun 2013 sebesar 12,20 persen serta tahun

2014 sebesar 13,93 persen.

4. Indeks Harga Umum

Perkembangan indeks harga umum di Indonesia selama tahun 1999-2014

disajikan dalam Gambar 5 berikut.


Gambar 5. Indeks Harga Umum di Indonesia Tahun 1999-2014

Gambar 5 menunjukkan perkembangan indeks harga umum di Indonesia

selama tahun 1999 hingga 2014 menunjukkan pola yang berfluktuatif.

Berdasarkan data BI, tercatat penawaran uang kartal di tahun 1999 indeks harga

umum sebesar 202,45 persen. Kondisi ini sebagai dampak yang terjadi di tahun

1998 yang pada saat itu terjadi krisis ekonomi yang berakibat pada hancurnya

perekonomian nasional. Tidak hanya secara makro dampak krisis ekonomi ini

juga berimbas pada sektor lainnya. Jika dilihat dalam Gambar 5 akan terlihat

202.

45

221.

37

249.

15

27

4.1

3

109.

83

116.

86

136.

86

145.

89

15

5.5

0

113.

86

117.

03

125.

17

129.

91

135.

49

146.

8411

9.00

-

50.00

100.00

150.00

200.00

250.00

300.00

1… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2… 2…

Rupiah

Tahun



Vol. 3 No. 02. 2018

105 | P a g e




bahwa indeks harga umumhingga tahun 2002 terus mengalami peningkatan yang

cukup signifikan. Tercatat indeks harga umum tahun 2000 sebesar 221,37 persen

dan meningkat signifikan di tahun 2001 menjadi sebesar 249,15 persen serta

menjadi 274,13 persen tahun 2002.

Perekonomian kembali mulai pulih di tahun 2003 yang diindikasikan dari

turunnya indeks harga umum secara signifikan yaitu menjadi sebesar 109,83

persen. Namun, kondisi ini tidak lama karena indeks harga umumkembali naik

meskipun relatif rendah hingga akhir tahun 2007, dimana indeks harga umumdi

tahun 2004 sebesar 116,86 persen, tahun 2005 sebesar 136,86 persen dan tahun

2006 sebesar 145,89 persen serta tahun 2007 menjadi sebesar 155,50 persen.

Krisis ekonomi global yang terjadi di tahun 2008 juga memberikan

dampak negatif meskipun relatif jauh lebih rendah dibandingkan dengan dampak

yang terjadi pada saat krisis ekonomi di tahun 1998, dimana indeks harga umumdi

tahun 2008 sebesar 113,86 persen dan terus meningkat hingga tahun 2013, tercatat

di tahun 2009 indeks harga umum sebesar 117,03 persen sementara tahun 2010

indeks harga umum menjadi sebesar 125,17 persen, tahun 2011 sebesar 129,91

persen, tahun 2012 sebesar 135,49 persen serta tahun 2013 sebesar 146,84 persen.

Hingga akhir tahun 2014 indeks harga umum kembali turun menjadi sebesar

119,00 persen.

5. Stok Uang Dalam Arti Luas

Stok uang dalam arti luas (High-Powered TSBey) adalah Stok uang dalam

arti luas yang merupakan penjumlahan mata uang dalam sirkulasi ditambah

cadangan bank, dalam persen.


Gambar 6. Stok Uang Dalam Arti Luas di IndonesiaTahun 1999-2014

64

8,8

11

75

8,8

21

85

8,7

62

91

6,2

63

99

0,8

99

1,0

70

,19

3

1,2

38

,63

6

1,4

32

,55

1

1,7

17

,06

0

1,9

61

,81

6

2,2

21

,96

3

2,5

50

,77

5

2,9

66

,18

7

3,4

03

,27

1

3,8

32

,75

6

4,2

82

,68

2

-

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

4,000,000

4,500,000

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

milyar Rp

TAHUN



Vol. 3 No. 02. 2018

106 | P a g e




Gambar 6 menunjukkan bahwa nilai stok uang dalam arti luas di Indoensia

yang tercatat di BI selama tahun 1999 hingga 2014 terus mengalami peningkatan.

Stok uang dalam arti luas selama tahun 1999 sebesar Rp. 648,811 milyar hingga

akhir tahun 2014 stok uang dalam arti luas menjadi sebesar Rp. 4.282.682 milyar.

Kondisi ini merupakan salah satu regulasi yang diterapkan BI sebagai lembaga

otoritas TSBeter untuk menjamin seluruh pembiayaan dan tanggung jawab secara

finansil lembaga perbankan terhadap konsumen sebagai nasabahnya.

6. Uji Stasioner

Hasil uji akar-akar unit (unit roots test) variabel yang diteliti ditingkat

level disajikan pada Tabel 2 berikut.

Tabel 2. Hasil Uji Akar Unit Pada Tingkat Level

No. Variabel Nilai ADF Nilai Kritis Probabilita Kesimpulan

(Stasioner/

Tidak)

1. MDK -0.272597 1% -4.057910 0.9050 Tidak Stasioner

5% -3.119910

10% -2.701103

2. TSB -4.576550 1% -3.959148 0.0032 Stasioner

5% -3.081002

10% -2.681330

3. GWM -1.766607 1% -3.959148 0.3809 Tidak Stasioner 5% -3.081002

10% -2.681330

4. IHU -1.947141 1% -4.004425 0.3037 Tidak Stasioner

5% -3.098896

10% -2.690439

5. HPM 1.078592 1% -4.004425 0.9947 Tidak Stasioner

5% -3.098896

10% -2.690439

Sesuai dengan kestasioneran data dapat dibaca bahwa hanya variabel

tingkat suku bunga yang sudah stasioner berarti secara alami pergerakan data

tersebut tidak memilki trend tertentu dan dapat langsung diolah ke tahap

berikutnya. Namun tidak demikian halnya dengan variabel lainnya, meskipun

tingkat toleransi α dinaikkan menjadi 10 persen, data variabel tersebut tidak

memenuhi kriteria stasioneritas data sehingga uji akar unit dilanjutkan pada first

Difference.

Akibat tidak stasionernya data variabel yang diteliti, kecuali variabel

tingkat suku bungayang sudah stasioner di tingkat level tetap di uji pada tingkat

first Defference sehingga nantinya semua variabel berada pada tingkat yang sama.



Vol. 3 No. 02. 2018

107 | P a g e




Uji derajat integrasi dilakukan sebagai konsekuensi dari tidak terpenuhinya

asumsi stasioneritas pada derajat tertentu. Pada uji ini, data dideferensiasikan pada

derajat tertentu, sampai semua data menjadi stasioner pada derajat yang sama.

Hasil uji derajat integrasi pada first difference selengkapnya disajikan

padalampiran 2. Berikut hasil uji derajat integrasi pada first difference, sebagai

berikut :

Tabel 3. Hasil Uji Akar Unit Pada Tingkat First Difference


(Stasioner/ Tidak)

1. MDK -5.744185 1% -4.057910 0.0006 Stasioner

5% -3.119910

10% -2.701103

2. GWM -3.732035 1% -4.004425 0.0163 Stasioner

5% -3.098896

10% -2.690439

3. IHU -4.0044723 1% -4.004425 0.0093 Stasioner

5% -3.098896 10% -2.690439

4. HPM 0.037653 1% -4.004425 0.9472 Tidak Stasioner

5% -3.098896

10% -2.690439

Hasil uji derajat integrasi pada tingkat first difference, hanya variabel stok

uang dalam arti luas yang belum stasioner dan variabel lainnya sudah stasioner,

sehingga uji derajat integrasi dilanjutkan pada tingkat second difference.

Tabel 4. Hasil Uji Akar Unit Pada Tingkat Second Difference


(Stasioner/ Tidak)

1. HPM -3.528140 1% -4.200056 0.0287 Stasioner

5% -3.175352

10% -2.728985

Dari hasil uji akar unit tingkat second difference atau dari hasil uji derajat

integrasi, terlihat bahwa semua data yang dipergunakan dengan model ADF baik

dengan intersep, menggunakan intersep dan trend serta yang tidak menggunakan

intersep dan trend dalam penelitian ini sudah stasioner, karena nilai probabilitas

semua variabel bernilai dibawah 1 persen atau niali ADF pada variabel-variabel

tersebut lebih besar dari nilai kritis McKinnon.

7. Hasil Uji Kointegrasi

Hasil uji Kointegrasi disajikan pada Tabel 5.



Vol. 3 No. 02. 2018

108 | P a g e




Tabel 5. Hasil Uji Kointegrasi

Hypothesized Tracev 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.982380 119.9794 69.81889 0.0000

At most 1 * 0.923343 59.39854 47.85613 0.0029

At most 2 0.502078 20.87239 29.79707 0.3656

At most 3 0.348211 10.41271 15.49471 0.2503

At most 4 * 0.233673 3.992190 3.841466 0.0457

Trace test indicates 2 cointegratingeqn(s) at the 0.05 level

Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.982380 60.58085 33.87687 0.0000

At most 1 * 0.923343 38.52614 27.58434 0.0013

At most 2 0.502078 10.45968 21.13162 0.7007

At most 3 0.348211 6.420522 14.26460 0.5599

At most 4 * 0.233673 3.992190 3.841466 0.0457

Max-eigenvalue test indicates 2 cointegratingeqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

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

Tabel 5 menunjukkan bahwa pada persamaan I dengan nilai probabilita

sebesar 0,0000, persamaan II dengan nilai probabilita sebesar 0.0029, persamaan

III sebesar 0.3656, persamaan IV sebesar 0.2503 dan persamaan V dengan nilai

probabilita sebesar 0.0457, dimana hanya 3 persamaan (bertanda *), yaitu pada

persamaan I, persamaan II dan persamaan V terkointegrasi pada level 5 persen.

8. Uji Panjang Lag

Uji panjang Lag berguna untuk menghilangkan masalah autokorelasi

dalam system VAR. sehingga dengan digunakannya uji panjang Lagini

diharapkan tidak muncul lagi masalah autokorelasi dan heteroskedasitas (Enders,

1989). Hasil uji panjang lag optimum berdasarkan kriteria AIC dan SC disajikan

pada Tabel 6.

Tabel 6. Hasil Uji Panjang Lag

Lag LogL LR FPE AIC SC HQ

0 -520.7223 NA 1.91e+24 70.09630 70.33232 70.09379

1 -447.2125 88.21176* 3.75e+21* 63.62833* 65.04443* 63.61324*



Vol. 3 No. 02. 2018

109 | P a g e




* 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

Dari hasil perhitungan yang disajikan pada Tabel 6, menunjukkan untuk

kriteria Akaike Information Criterion(AIC) nilai terkecil pada lag 1 dengan nilai

sebesar 63.62833, untuk kriteria Schwarz Criteria (SC) nilai terkecil pada lag 1

dengan nilai sebesar 65.04443 dan untuk kriteria Hannan-Quinn Information

Criterion (HQ) nilai terkecil juga pada lag 1 dengan nilai sebesar 63.61324.

Disamping itu, rekomendasi dari EViews semua tanda bintang berada pada AIC,

SC dan HQ yang ada pada lag1, hal ini menunjukkan bahwa lag optimal yang

direkomendasikan EViews adalah lag 1.

9. Hasil Uji VAR

Hasil estimsi model VAR disajikan dalam Tabel 7 berikut.

Tabel 7. Hasil Estimasi Model VAR MDK TSB GWM IHU HPM

MDK(-1) -0.675958 -8.65E-05 4.46E-05 0.001793 0.828169

(0.42867) (2.9E-05) (0.00028) (0.00435) (2.90548)

[-1.57686] [-2.95620] [ 0.15694] [ 0.41173] [ 0.28504]

TSB(-1) -1870.486 1.037989 -0.388466 26.94017 -8166.616

(1288.09) (0.08791) (0.85309) (13.0849) (8730.46)

[-1.45214] [ 11.8075] [-0.45536] [ 2.05887] [-0.93542]

GWM(-1) -315.1380 0.870749 0.269943 15.61635 -10237.51

(1035.44) (0.07067) (0.68576) (10.5184) (7018.03)

[-0.30435] [ 12.3220] [ 0.39364] [ 1.48467] [-1.45874]

IHU(-1) 20.83356 -0.016122 0.013223 -0.486012 131.7195

(58.3331) (0.00398) (0.03863) (0.59257) (395.372)

[ 0.35715] [-4.04967] [ 0.34228] [-0.82017] [ 0.33315]

HPM(-1) 0.164278 1.97E-05 -3.74E-05 -0.000160 1.669648

(0.06671) (4.6E-06) (4.4E-05) (0.00068) (0.45212)

[ 2.46274] [ 4.32573] [-0.84653] [-0.23664] [ 3.69296]

C 23689.33 -9.139063 10.41021 46.45967 269435.9

(15253.4) (1.04101) (10.1022) (154.950) (103385.)

[ 1.55305] [-8.77906] [ 1.03049] [ 0.29984] [ 2.60615]

R-squared 0.975142 0.997995 0.735053 0.799658 0.999829



Vol. 3 No. 02. 2018

110 | P a g e




Adj. R-squared 0.892280 0.991313 -0.148103 0.131852 0.999257

Sum sq. resids 63528564 0.295899 27.86568 6555.716 2.92E+09

S.E. equation 4601.759 0.314059 3.047714 46.74654 31189.93

F-statistic 11.76838 149.3550 0.832303 1.197440 1749.161

Log likelihood -127.1607 7.132411 -24.68351 -62.90839 -153.9519

Akaike AIC 19.73725 0.552513 5.097644 10.55834 23.56456

Schwarz SC 20.23936 1.054629 5.599760 11.06046 24.06668

Mean dependent 25086.57 7.337143 10.20786 148.2514 2103130.

S.D. dependent 14020.92 3.369655 2.844355 50.17098 1144181. Determinant resid covariance (dof

adj.) 0.000000

Determinant resid covariance 0.000000

Hasil estimasi model VAR menunjukkan bahwa :

1. Variabel Penawaran Uang Kartal (MDK)

Etimasi dengan model VAR , dengan df = 14 pada α = 0,05 diperoleh nilai t

tabel = 1.761 sehinga masing-masing intrumen dapat dijelaskan sebagai berikut :

a. Instrumen MDKt-1 dengan nilai t statistik sebesar -1.57686 < t tabel

menunjukkan bahwa MDKt-1 mepengaruhi MDK secara negatif sebesar

1,57686 namun tidak signifikan pada tingkat kepercayaan sebesar 95 %

b. Instrumen TSBt-1 dengan nilai t statistik sebesar -1.45214 < t tabel

menunjukkan bahwa TSBt-1 mepengaruhi MDK secara negatif sebesar 1.45214

namun tidak signifikan pada tingkat kepercayaan sebesar 95 %

c. Instrumen GWMt-1 dengan nilai t statistik sebesar -0.30435 < t tabel

menunjukkan bahwa GWMt-1 mepengaruhi MDK secara negatif sebesar

0,30435 namun tidak signifikan pada tingkat kepercayaan sebesar 95 %

d. Instrumen IHUt-1 dengan nilai t statistik sebesar 0.35715 < t tabel menunjukkan

bahwa IHUt-1 mepengaruhi MDK secara positif sebesar 0,35715 namun tidak

signifikan pada tingkat kepercayaan sebesar 95 %

e. Instrumen HPMt-1 dengan nilai t statistik sebesar 2.46274 > t tabel

menunjukkan bahwa HPMt-1 mepengaruhi MDK secara positif sebesar 2,46274

dan signifikan pada tingkat kepercayaan sebesar 95 %

Dari hasil estimasi tersebut diperoleh variabel yang mempengaruhi MDK

dengan nilai koefisien terbesar adalah variabel HPMt-1 sebesar 2,46274,

sedangkan variabel yang mempengaruhi MDK dengan nilai koefisien terkecil

adalah variabel GWMt-1 dengan nilai koefisien sebesar 0.30435.



Vol. 3 No. 02. 2018

111 | P a g e




Dengan R2 sebesar 0.975142 menunjukkan bahwa instrumen yang

digunakan berpengaruh sebesar 97,51 % terhadap Penawaran uang kartal di

Indonesia. Nilai AIC sebesar 19.73725dan SC sebesar 20.23936 merupakan nilai

tertinggi kedua setelah variabel HPM.

Hasil ini juga menjelaskan bahwa instrumen yang digunakan yaitu MDKt-1,

TSBt-1, GWMt-1, IHUt-1 dan HPMt-1 mempengaruhi variabel permintaan uang kartal

(MDK) sebesar 97,51 % dengan tingkat kepercayaan sebesar 95 %, sedangkan

sisanya sebesar 2,49 % dipengaruhi oleh instrumen lainnya diluar model yang

digunakan. Secara parsial, hanya instrumen HPMt-1 yang signifikan

mempengaruhi permintaan uang kartal (MDK) secara positif dengan tingkat

kepercayaan sebesar 95 %. Artinya, ketika instrumen HPMt-1 meningkat sebesar 1

% akan meningkatkan permintaan uang kartal (MDK) sebesar 0,16 % dan

sebaliknya ketika HPMt-1 mengalami penurunan sebesar 1 % maka akan

menurunkan permintaan uang kartal (MDK) sebesar 0,16 % .

2. Variabel Tingkat Suku Bunga (TSB)

Etimasi dengan model VAR , dengan df = 14 pada α = 0,05 diperoleh nilai t

tabel = 1.761 sehinga masing-masing intrumen dapat dijelaskan sebagai berikut :

a. Instrumen MDKt-1 dengan nilai t statistik sebesar -2.95620 > t tabel

menunjukkan bahwa MDKt-1 mepengaruhi TSB sebesar 2,95620 secara negatif


b. Instrumen TSBt-1 dengan nilai t statistik sebesar 11.8075 > t tabel menunjukkan

bahwa TSBt-1 mepengaruhi TSB sebesar 11,8075 secara positif dan signifikan

pada tingkat kepercayaan sebesar 95 %

c. Instrumen GWMt-1 dengan nilai t statistik sebesar 12.3220 > t tabel

menunjukkan bahwa GWMt-1 mepengaruhi TSB sebsar 12,3220 secara positif


d. Instrumen IHUt-1 dengan nilai t statistik sebesar -4.04967 > t tabel

menunjukkan bahwa IHUt-1 mepengaruhi TSB sebesar 4,04967 secara negatif



menunjukkan bahwa HPMt-1 mepengaruhi TSB sebesar 4,32573 secara positif




Vol. 3 No. 02. 2018

112 | P a g e




Dari hasil estimasi tersebut diperoleh variabel yang mempengaruhi MDk

dengan nilai koefisien terbesar adalah variabel GWMt-1 sebesar 12,3220,


adalah variabel MDKt-1 dengan nilai koefisien sebesar 2,95620.

Dengan R2 sebesar 0.997995menunjukkan bahwa instrumen yang

digunakan berpengaruh sebesar 99,80 % terhadap tingkat suku bungadi Indonesia.

Nilai AIC sebesar 0.552513dan SC sebesar 1.054629merupakan nilai terendah

dari seluruh variabel.


TSBt-1, GWMt-1, IHUt-1 dan HPMt-1 mempengaruhi variabel Tingkat Suku Bunga

(TSB) sebesar 99,80 % dengan tingkat kepercayaan sebesar 95 %, sedangkan


digunakan. Secara parsial, bahwa seluruh instrumen yang digunakan signifikan

mempengaruhi Tingkat Suku Bunga (TSB) dengan tingkat kepercayaan sebesar

95 %,

Instrumen MDKt-1 secara negatif, artinya ketika instrumen MDKt-1 meningkat

sebesar 1 % akan menurunkan Tingkat Suku Bunga (TSB) sebesar 0,0008 %

dan sebaliknya ketika MDKt-1 mengalami penurunan sebesar 1% maka akan

meningkatkan Tingkat Suku Bunga (TSB) sebesar 0,0008 % .

Instrumen TSBt-1 secara positif, artinya ketika instrumen TSBt-1 meningkat

sebesar 1 % akan meningkatkan Tingkat Suku Bunga (TSB) sebesar 1,04%

dan sebaliknya ketika TSBt-1 mengalami penurunan sebesar 1% maka akan

menurunkan Tingkat Suku Bunga (TSB) sebesar 1,04 %.

Instrumen GWMt-1 secara negatif, artinya ketika instrumen GWMt-1

meningkat sebesar 1 % akan menurunkan Tingkat Suku Bunga (TSB) sebesar

0,87 % dan sebaliknya ketika GWMt-1 mengalami penurunan sebesar 1% maka

akan meningkatkan Tingkat Suku Bunga (TSB) sebesar 0,87 %.

Instrumen IHUt-1 secara negatif, artinya ketika instrumen IHUt-1 meningkat

sebesar 1 % akan menurunkan Tingkat Suku Bunga (TSB) sebesar 0,02 % dan

sebaliknya ketika IHUt-1 mengalami penurunan sebesar 1% maka akan

meningkatkan Tingkat Suku Bunga (TSB) sebesar 0,02 %



Vol. 3 No. 02. 2018

113 | P a g e




Instrumen HPMt-1 secara positif, artinya ketika instrumen MDKt-1 HPMt-1

meningkat sebesar 1 % akan meningkatkan Tingkat Suku Bunga (TSB)

sebesar 0,0002 % dan sebaliknya ketika HPMt-1 mengalami penurunan sebesar

1% maka akan meningkatkan Tingkat Suku Bunga (TSB) sebesar 0,0002 %

3. Variabel Giro Wajib Minimum (GWM)

Etimasi dengan model VAR , dengan df = 14 pada α = 0,05 diperoleh nilai

t tabel = 1.761 sehinga masing-masing intrumen dapat dijelaskan sebagai berikut

:

a. Instrumen MDKt-1 dengan nilai t statistik sebesar 0.15694 < t tabel

menunjukkan bahwa MDKt-1 mepengaruhi GWM sebesar 0,15694 secara

positif namun tidak signifikan pada tingkat kepercayaan sebesar 95 %

b. Instrumen TSBt-1dengan nilai t statistik sebesar -0.45536 < t tabel

menunjukkan bahwa TSBt-1 mepengaruhi GWM sebesar 0,45526 secara negatif


c. Instrumen GWMt-1 dengan nilai t statistik sebesar 0.39364 < t tabel

menunjukkan bahwa GWMt-1 mepengaruhi GWM sebesar 0,39364 secara

positif namun tidak signifikan pada tingkat kepercayaan sebesar 95 %


bahwa IHUt-1 mepengaruhi GWM sebesar 0,34228 secara positif namun tidak


e. Instrumen HPMt-1 dengan nilai t statistik sebesar -0.84653 < t tabel

menunjukkan bahwa HPMt-1 mepengaruhi GWM sebesar 0,84653 secara

negatif namun tidak signifikan pada tingkat kepercayaan sebesar 95 %





Dengan R2 sebesar 0.735053menunjukkan bahwa instrumen yang

digunakan berpengaruh sebesar 73,51 % terhadap giro wajib minimum di

Indonesia. Nilai AIC sebesar 5.097644dan SC sebesar 5.599760merupakan nilai

terendah kedua dari seluruh variabel.



Vol. 3 No. 02. 2018

114 | P a g e





TSBt-1, GWMt-1, IHUt-1 dan HPMt-1 mempengaruhi variabel giro wajib minimum

(GWM) sebesar 73,51 % dengan tingkat kepercayaan sebesar 95 %, sedangkan


digunakan. Secara parsial, seluruh instrumen yang digunakan tidak signifikan

mempengaruhi giro wajib minimum (GWM) dengan tingkat kepercayaan sebesar

95 %.

4. Variabel Indeks Harga Umum (IHU)



:


menunjukkan bahwa MDKt-1 mepengaruhi IHU sebesar 0,41173 secara positif


b. Instrumen TSBt-1 dengan nilai t statistik sebesar 2.05887 > t tabel menunjukkan

bahwa TSBt-1 mepengaruhi IHU sebesar 2,05887 secara positif dan signifikan

pada tingkat kepercayaan sebesar 95 %

c. Instrumen GWMt-1 dengan nilai t statistik sebesar 1.48467 < t tabel

menunjukkan bahwa GWMt-1 mepengaruhi IHU sebesar 1,48467 secara positif


d. Instrumen IHUt-1 dengan nilai t statistik sebesar -0.82017 < t tabel

menunjukkan bahwa IHUt-1 mepengaruhi IHU sebesar 0,82017 secara negatif


e. Instrumen HPMt-1 dengan nilai t statistik sebesar -0.23664 < t tabel

menunjukkan bahwa HPMt-1 mepengaruhi IHU sebesar 0,23664 secara negatif

namun tidak signifikan pada tingkat kepercayaan sebesar 95 % .


dengan nilai koefisien terbesar adalah variabel TSBt-1 sebesar 2,05887, sedangkan

variabel yang mempengaruhi MDK dengan nilai koefisien terkecil adalah variabel

HPMt-1 dengan nilai koefisien sebesar 0,23664.



Vol. 3 No. 02. 2018

115 | P a g e





digunakan berpengaruh sebesar 79,97 % terhadap indeks harga umumdi

Indonesia. Nilai AIC sebesar 10.55834 dan SC sebesar 11.06046.


TSBt-1, GWMt-1, IHUt-1 dan HPMt-1 mempengaruhi variabel indeks harga umum

(IHU) sebesar 79,97 % dengan tingkat kepercayaan sebesar 95 %, sedangkan


digunakan. Secara parsial, hanya instrumen TSBt-1 yang signifikan mempengaruhi

indeks harga umum (IHU) secara positif dengan tingkat kepercayaan sebesar 95

%. Artinya, ketika instrumen TSBt-1 meningkat sebesar 1 % akan meningkatkan

indeks harga umum (IHU) sebesar 26,94 % dan sebaliknya ketika TSBt-1

mengalami penurunan sebesar 1 % maka akan menurunkan indeks harga umum

(IHU) sebesar 26,94 %

5. Variabel Stok Uang Dalam Arti Luas (HPM)



:


menunjukkan bahwa MDKt-1 mepengaruhi HPM sebesar 0,28504 secara positif


b. Instrumen TSBt-1 dengan nilai t statistik sebesar -0.93542 > t tabel

menunjukkan bahwa TSBt-1 mepengaruhi HPM sebesar 0,93542 secara negatif


c. Instrumen GWMt-1 dengan nilai t statistik sebesar -1.45874 < t tabel

menunjukkan bahwa GWMt-1 mepengaruhi HPM sebesar 1,45874 secara

negatif namun tidak signifikan pada tingkat kepercayaan sebesar 95 %


bahwa IHUt-1 mepengaruhi HPM sebesar 0,33315 secara positif namun tidak



menunjukkan bahwa HPMt-1 mepengaruhi HPM sebesar 3,69296 secara positif

dan signifikan pada tingkat kepercayaan sebesar 95 %.



Vol. 3 No. 02. 2018

116 | P a g e









digunakan berpengaruh sebesar 99,98 % terhadap stok uang dalam arti luas di

Indonesia. Nilai AIC sebesar 23.56456dan SC sebesar 24.06668 merupakan nilai

tertinggi dari seluruh variabel.


TSBt-1, GWMt-1, IHUt-1 dan HPMt-1 mempengaruhi variabel Stok Uang Dalam Arti

Luas (HPM) sebesar 99,98 % dengan tingkat kepercayaan sebesar 95 %,

sedangkan sisanya sebesar 0,02 % dipengaruhi oleh instrumen lainnya diluar

model yang digunakan. Secara parsial, hanya instrumen HPMt-1 yang signifikan

mempengaruhi Stok Uang Dalam Arti Luas (HPM) secara positif dengan tingkat

kepercayaan sebesar 95 %. Artinya, ketika instrumen HPMt-1 meningkat sebesar 1

% akan meningkatkan Stok Uang Dalam Arti Luas (HPM) sebesar 1,67 % dan

sebaliknya ketika HPMt-1 mengalami penurunan sebesar 1 % maka akan

menurunkan Stok Uang Dalam Arti Luas (HPM) sebesar 1,67 %

10. Hasil Uji Impulse Response Function (IRF)

Hasil estimasi menunjukkan bahwa Impulse Response Function (IRF) dari

masing-masing variabel sebagai berikut:


o Dalam jangka pendek (periode 1 – 4) dengan pemberian shock satu standar

deviasi terhadap variabel MDK menyebabkan peningkatan masing-masing

variabel TSB = 1407,79, GWM = 2143,65, IHU = 1277,32 dan HPM =

155,141 terhadap variabel MDK.

o Dalam jangka menengah (periode 20 – 25) dengan pemberian shock satu

standar deviasi terhadap variabel MDK menyebabkan penurunan variabel

TSB = 2455,65 dan variabel GWM = 2019,91 dan meningkatkan variabel

IHU = 1796,52 serta variabel HPM = 1232,89 terhadap variabel MDK

o Dalam jangka panjang (periode 40 – 60) dengan pemberian shock satu

standar deviasi terhadap variabel MDK menyebabkan peningkatan



Vol. 3 No. 02. 2018

117 | P a g e




masing-masing variabel TSB = 524193, variabel GWM = 393067, variabel

IHU = 267226, variabel HPM = 624658 terhadap variabel MDK



deviasi terhadap variabel TSB menyebabkan peningkatan masing-masing

variabel MDK = 0,43349, GWM = 0.74684, IHU = 0.29537 dan HPM =

0.07662 terhadap variabel TSB.


standar deviasi terhadap variabel TSB menyebabkan penurunan variabel

MDK = 0.13377, variabel IHU = 0.07453 dan variabel HPM = 0.05114

serta meningkatkan variabel GWM = 0.08380 terhadap variabel TSB


standar deviasi terhadap variabel TSB menyebabkan peningkatan masing-

masing variabel MDK = 125.146, variabel GWM = 56.0214, variabel IHU

= 31.8118, variabel HPM = 89.5057 terhadap variabel TSB.



deviasi terhadap variabel GWM menyebabkan peningkatan masing-

masing variabel MDK = 0.55394, TSB = 0.48777, IHU = 0.35267 dan

HPM = 0.07639 terhadap variabel GWM.


standar deviasi terhadap variabel GWM menyebabkan penurunan variabel

TSB = 0.27791 dan dan meningkatkan variabel MDK = 0.36492, IHU =

0.20332 serta variabel HPM = 0.13953 terhadap variabel GWM.


standar deviasi terhadap variabel GWM menyebabkan peningkatan

masing-masing variabel MDK = 120.020, TSB = 79.6581, variabel IHU =

35.9995, variabel HPM = 85.6355 terhadap variabel GWM.



deviasi terhadap variabel IHU menyebabkan peningkatan masing-masing



Vol. 3 No. 02. 2018

118 | P a g e




variabel MDK = 10.4018, TSB = 8.29268, GWM = 11.7272 dan HPM =

1.21218 terhadap variabel IHU.


standar deviasi terhadap variabel IHU menyebabkan penurunan variabel

MDK = 5.87767, variabel HPM = 2.24739 dan meningkatkan variabel

TSB = 4.47631 serta variabel GWM = 3.68202 terhadap variabel IHU.


standar deviasi terhadap variabel MDK menyebabkan peningkatan

masing-masing variabel MDK = 2365.20, TSB = 1541.28, variabel GWM

= 1088.33 dan variabel HPM = 1755.59 terhadap variabel IHU.



deviasi terhadap variabel HPM menyebabkan peningkatan masing-masing

variabel MDK = 26397.2, TSB = 27089.6, GWM = 48709.1 dan IHU =

21347.0 terhadap variabel HPM.


standar deviasi terhadap variabel HPM menyebabkan penurunan variabel

TSB = 267195 dan variabel GWM = 219781 dan meningkatkan variabel

MDK = 350842. serta variabel IHU = 195474 .terhadap variabel HPM.


standar deviasi terhadap variabel HPM menyebabkan peningkatan masing-

masing variabel MDK = 7.4E+07, TSB = 5.0E+07, variabel GWM =

4.2E+07 dan variabel IHU = 2.7E+07 terhadap variabel HPM

Secara grafik, hasil uji Impulse Response Function (IRF) disajikan dalam

Gambar 7 berikut.



Vol. 3 No. 02. 2018

119 | P a g e




Gambar 7. Impulse Response Function (IRF)

Hasil estimasi dengan model Impulse Response Function (IRF) juga

menjelaskan bahwa dengan pemberian shock satu standar deviasi pada masing-

masing variabel adalah :

Dalam Jangka Pendek dengan pemberian shock satu standar deviasi pada

variabel MDK menyebabkan peningkatan variabel TSB, GWM, IHU dan

HPM, pada variabel TSB menyebabkan peningkatan variabel MDK, GWM,

IHU dan HPM, pada variabel GWM menyebabkan peningkatan variabel

MDK, TSB, IHU dan HPM, pada variabel IHU menyebabkan peningkatan

variabel MDK, TSB, GWM dan HPM, pada variabel HPM menyebabkan

peningkatan variabel MDK, TSB, GWM dan IHU

Dalam Jangka Menengah dengan pemberian shock satu standar deviasi : pada

variabel MDK menyebabkan penurunan variabel TSB dan GWM serta

meningkatkan variabel IHU dan HPM, pada variabel TSB menyebabkan

penurunan variabel MDK, IHU dan HPM serta meningkatkan variabel GWM,

ada variabel GWM menyebabkan penurunan variabel TSB serta meningkatkan

variabel MDK, IHU dan HPM, pada variabel IHU menyebabkan penurunan

variabel MDK dan HPM serta meningkatkan variabel TSB dan GWM, pada

variabel HPM menyebabkan penurunan variabel TSB dan GWM serta

meningkatkan variabel MDK dan HPM



Vol. 3 No. 02. 2018

120 | P a g e




Dalam Jangka Panjang dengan pemberian shock satu standar deviasi : pada

variabel MDK menyebabkan peningkatan variabel TSB, GWM, IHU dan

HPM, pada variabel TSB menyebabkan peningkatan variabel MDK, GWM,

IHU dan HPM, pada variabel GWM menyebabkan peningkatan variabel

MDK, TSB, IHU dan HPM, pada variabel IHU menyebabkan peningkatan

variabel MDK, TSB, GWM dan HPM, pada variabel HPM menyebabkan

peningkatan variabel MDK, TSB, GWM dan IHU.

Hasil penelitian ini sejalan dengan penelitian sebelumnya oleh Hariyanti

(1999), dengan menggunakan variabel pendapatan nasional, jumlah uang beredar,

suku bunga dalam negeri dan nilai tukar yang menyimpulkan bahwa jumlah uang

beredar di Indonesia dapat menerangkan dengan baik fenomena dari variabel

tingkat suku bunga, tingkat pendapatan dan tingkat nilai tukar. Di sini jumlah

uang beredar dalam jangka panjang di pengaruhi oleh tingkat pendapatan

nasional, nilai tukar secara positif dan tingkat suku bunga secara negatif.

Rendra (2006) dengan hasil yang menyatakan bahwa suku bunga

domestik berpengaruh signifikan dan negatif terhadap jumlah uang beredar di

Indonesia. Oktavia, Sentosa dan Aimon (2013) dimana hasil penelitian

menunjukkan bahwa suku bunga berpengaruh signifikan terhadap jumlah uang

beredar di Indonesia. Secara parsial, suku bunga berpengaruh signifikan dan

negatif terhadap jumlah uang beredar di Indonesia.

11. Hasil Uji Forecast Error Decomposition Variance (FEDV)

Hasil estimasi menunjukkan bahwa Forecast Error Decomposition

Variance (FEDV) dari masing-masing variabel sebagai berikut:


o Dalam jangka pendek (periode 1-4) dengan pemberian shock erros

varianvce terhadap variabel MDK berdampak pada masing-masing

variabel MDK sebesar 66.4410, TSB sebesar 22.22059, GWM sebesar

6.476118, IHU sebesar 4.150156 dan HPM sebesar 0.509033 terhadap

variabel MDK.

o Dalam jangka menengah (periode 20-25) dengan pemberian shock erros

varianvce terhadap variabel MDK berdampak pada variabel MDK sebesar

47.65551, variabel TSB sebesar 19.39087, variabel GWM sebesar



Vol. 3 No. 02. 2018

121 | P a g e




9.858861, variabel IHU sebesar 3.378134 dan variabel HPM sebesar

19.71662 terhadap variabel MDK

o Dalam jangka panjang (periode 40-60) dengan pemberian shock erros

varianvce terhadap variabel MDK berdampak pada masing-masing

variabel MDk sebesar 45.72490, TSB sebesar 19.07012, variabel GWM

sebesar 9.869685, variabel IHU sebesar 2.781223 dan variabel HPM

sebesar 22.55408 terhadap variabel MDK



varianvce terhadap variabel TSB berdampak pada masing-masing variabel

MDK sebesar 15.75832, TSB sebesar 80.01890, GWM sebesar


variabel TSB.


varianvce terhadap variabel TSB berdampak pada variabel MDK sebesar



2.311937 terhadap variabel TSB.


varianvce terhadap variabel TSB berdampak pada masing-masing variabel

MDK sebesar 45.67498, TSB sebesar 19.16403, variabel GWM sebesar


22.51714 terhadap variabel TSB



varianvce terhadap variabel GWM berdampak pada masing-masing



variabel GWM.


varianvce terhadap variabel GWM berdampak pada variabel MDK sebesar




Vol. 3 No. 02. 2018

122 | P a g e





8.767178 terhadap variabel GWM.


varianvce terhadap variabel GWM berdampak pada masing-masing

variabel MDK sebesar 45.71540, TSB sebesar 19.06853, variabel GWM


sebesar 22.54803 terhadap variabel GWM.



varianvce terhadap variabel IHU berdampak pada masing-masing variabel

MDK sebesar 10.56655, TSB sebesar 44.41086, GWM sebesar 15.63600,

IHU sebesar 29.31184 dan HPM sebesar 0.074743 terhadap variabel IHU.

o Dalam jangka menengah (periode 20 – 25) dengan pemberian shock erros

varianvce terhadap variabel IHU berdampak pada variabel MDK sebesar





varianvce terhadap variabel IHU berdampak pada masing-masing variabel

MDK sebesar 45.71241, TSB sebesar 19.07867, variabel GWM sebesar





varianvce terhadap variabel HPM berdampak pada masing-masing



variabel HPM.


varianvce terhadap variabel HPM berdampak pada variabel MDK sebesar




Vol. 3 No. 02. 2018

123 | P a g e





22.53706 terhadap variabel HPM

o Dalam jangka panjang (periode 40 – 60) dengan pemberian shock erros

varianvce terhadap variabel HPM berdampak pada masing-masing

variabel MDK sebesar 45.72449, TSB sebesar 19.07005, variabel GWM


sebesar 22.55468 terhadap variabel HPM.

Secara grafik, hasil uji Forecast Error Decomposition Variance (FEDV)

disajikan dalam Gambar 8 berikut.

Gambar 8. Forecast Error Decomposition Variance (FEDV)



Vol. 3 No. 02. 2018

124 | P a g e




Hasil estimasi dengan model Forecast Error Decomposition Variance

(FEDV) juga menjelaskan bahwa dengan pemberian shock erros varianvce pada

masing-masing variabel adalah :

Dalam Jangka Pendek dengan pemberian shock erros varianvce pada variabel

MDK dampak terbesar adalah pada variabel MDK dan dampak yang terendah

pada variabel HPM, pada variabel TSB dampak terbesar adalah pada variabel

TSB dampak terendah adalah pada variabel HPM, pada variabel GWM

dampak terbesar pada variabel GWM dan dampak terndah pada variabel

HPM, pada variabel IHU dampak terbesar adalah pada variabel TSB dan

dampak terendah pada variabel HPM, pada variabel HPM dampak terbesar

adalah pada variabel MDK dan dampak terendah pada variabel TSB.

Dalam Jangka Menengah dengan pemberian shock erros varianvce : pada

variabel MDK dampak yang terbesar adalah pada variabel MDK dan dampak

yang terendah adalah pada variabel IHU, pada variabel TSB dampak terbesar

adalah pada TSB dan dampak terendah pada variabel HPM, pada variabel

GWM dampak terbesar pada variabel GWM dan dampak terendah pada

variabel IHU, pada variabel IHU dampak terbesar pada variabel TSB dan

dampak terendah adalah pada variabel GWM, pada variabel HPM dampak

terbesar pada variabel MDK dan dampak terendah pada variabel IHU.

Dalam Jangka Panjang dengan pemberian shock erros varianvce : pada

variabel MDK dampak terbesar adalah pada variabel MDK dan dampak yang

terendah pada variabel IHU, pada variabel TSB dampak terbesar pada variabel

HPM dan dampak terendah pada variabel IHU, pada variabel GWM dampak

terbesar adalah pada variabel HPM dan dampak terendah pada variabel IHU,

pada variabel IHU dampak terbesar adalah pada variabel MDK dan dampak

terendah pada variabel IHU, pada variabel HPM dampak terbesar adalah pada

variabel MDK dan dampak terendah pada variabel IHU.

C. KESIMPULAN

1. Berdasarkan hasil interpretasi model VAR, secara umum diperoleh nilai VAR

terbesar adalah variabel tingkat suku bunga sedangkan nilai VAR terkecil

adalah variabel giro wajib minimum.



Vol. 3 No. 02. 2018

125 | P a g e




2. Berdasarkan hasil uji Impulse Response Function (IRF) pengaruh terbesar

pada penawaran uang kartal adalah variabel giro wajib minimum, dalam

jangka menengah adalah variabel tingkat suku bunga dan pada jangka panjang

adalah variabel stok uang dalam arti luas.

3. Berdasarkan hasil uji Forecast Error Decomposition of Variance (FEDV)

diperoleh hasil bahwa dampak error variance terbesar baik dalam jangka

pendek, jangka menengah maupun dalam jangka panjang yang paling

berdampak adalah variabel tingkat suku bunga

SARAN

1. Pemerintah melalaui Bank Indonesia dalam upaya menentukan besaran jumlah

uang yang beredar serta dalam upaya menstabilkan tingkat suku bunga, harus

melakukan analisis dan kajian yang mendalam untuk selanjutnya membuat

kebijakan serta regulasi yang mampu menyeimbangkan jumlah uang yang

beredar sesuai dengan kebutuhannya serta mampu untuk menstabilkan tingkat

suku bunga, karena variabel tingkat suku bunga yang mempengaruhi

penawaran uang kartal di Indonesia relatif masih belum stabil mengingat

tingkat suku bunga juga dipengaruhi oleh variabel ekonomi makro lainnya.

2. Kebijakan regulasi yang diambil oleh BI sebaiknya memenuhi seluruh aspek

aktifitas perbankan di Indonesia, termasuk dalam hal menetapkan batas

minimum rekening giro wajib lembaga perbankan serta tetap konsisten dalam

menentukan besaran stok uang yang harus disediakan oleh lembaga perbankan

di Indonesia. Disamping itu pemerintah bersama BI selalu menyeimbangkan

antara permintan dan penawaaran uang sehingga tidak menimbulkan gejolak

harga di pasaran.

3. Pada peneliti selanjutnya yang ingin melakukan jenis penelitian yang sama

sebaiknya dilaksanakan dengan memperbaiki tahapan-tahapan metode ini atau

mengkombinasikannya dengan metode lain.

REFERENSI

Astuti, Esther, S. 2000. “Permintaan Berbagai Jenis Uang di Indonesia. Sebelum

dan Sesudah Krisis”, Media Indonesia dan Bisnis FE UNDIP, Vol. XIV.

No.2/12/2002.



Vol. 3 No. 02. 2018

126 | P a g e




Bank Indonesia. 1999-2014. “Laporan Tahunan 1999-2014”.

Boediono. 1985. “Demand For Money In Indonesia 1975-1984”. Bulletin of

Indonesian Economic Studies, Vol. XXI. No. 2. Jakarta: Salemba Empat.

Boediono. 1992. “Ekonomi Moneter Seri Sinopsis Pengantar Ilmu

Ekonomi”,No.5, Yogyakarta, Penerbit BPFE .

Darmawan, Dhani, Agung. 2005. “Analisis Permintaan Uang Kuasi di Indonesia

Priode 1983-2005 :Pendekatan Error Corection Model (ECM)”,Jurnal

Ekonomi dan Pembangunan Vol. XIII, 2 , Tahun 2005.

Dornbush, Rudiger Julius and Stanley Fisher. 2008. “Macroeconomics”, Fourth

Edition. Singapura: McGraw-Hill. Gujarati, Damodar, N. 2007. “Dasar-

dasar Ekonometrika Jilid 2”, Jakarta, Erlangga.

Gujarati, Damodar, N. 2010. “Dasar-dasar Ekonometrika Edisi 5”, Jakarta,

Salemba Empat.

Hariyanti, Dini. 1999. “Analisa Variabel yang Mempengerahui Jumlah Uang

Beredar”, Media Ekonomi, Vol. 7, No. 2, Agustus 1999.

Imamudin Yuliadi. 2008. Ekonomi Moneter. Jakarta : PT. Indeks.

Kirana, Wihana. 1997. “Integrasi Pasar Keungan Indonesia di ASEAN

Pendekatan Forward Looking”, Jurnal Ekonomi dan Bisnis Indonesia

(Yogyakarta), Vol. 12, 1, tahun 1997.

Mankiw, Gregory N. 2003. “Teori Ekonomi Makro, Seri Terjemahan”, Jakarta,

Erlangga.

-------------------------. 2006. “Teori Ekonomi Makro, Seri Terjemahan”, Jakarta,

Erlangga.

Manurung, J, dan A.H. 2009. “Ekonomi Keuangan dan Kebijakan Moneter”,

Jakarta, Penerbit Salemba Empat.

______________, 2005. “Ekonometrika Teori dan Apliksi”, Jakarta, PT. Elex

Media Komputindo.

Mishkin, Frederick S. 2001. “Economic of Money, Banking, Financial Market,

Addison Wesley Longman”, Singapura.

Nilawati. 2000. “Pengaruh Pengeluaran Pemerintah, Cadangan Devisa Dan Angka

Pengganda Uang Terhadap Perkembangan Jumlah Uang Beredar Di

Indonesia”, Jurnal Bisnis dan Akuntansi. Vol. 2. Agustus. Hal 64-72.



Vol. 3 No. 02. 2018

127 | P a g e




Nopirin. 1998. “Analisis Permintaan Akan Uang Kas di Indonesia 1975-1996”,

Jurnal Ekonomi dan Bisnis Indonesia (Yogyakarta), Vol. 13 , 2, tahun

1998.

Nopirin. 2007. “EkonomiMoneter”, Yogyakarta, Penerbit BPFE.

Oktavia, Sentosa, Aimon, 2000, “Analisis Kurs dan Money Supply di Indonesia”,

Jurnal Kajian Ekonomi, Vol 1 No. 02

Prayitno, Lily. 2002. “Faktor- Faktor Yang Berpengaruh Terhadap Jumlah Uang

Beredar di Indonesia Sebelum dan Sesudah Krisis”, Jurnal Manajemen &

Kewirausahaan Vol. 4, No. 1, Maret 2002. Hal. 46 – 55.

Rendra, 2008, “Analisis Faktor- Faktor Yang Mempengaruhi Jumlah Uang

Beredar di Indonesia”, Thesis

Subagyo, Sri Fatmawati, Rudy Badrudin, Astuti Purnamawati, Algifari. 1997.

“Bank dan Lembaga Keuangan Lainnya”, Edisi ke-1, Yogyakarta, Sekolah

Tinggi Ilmu Ekonomi YKPN, April.

Sugiyanto, Catur. 1994. “Penyesuaian Nominal dan Penyesuain Riil Permintaan

Uang di Indonesia”, Jurnal Ekonomi dan bisnis Indonesia NO. 1 Tahun

VIII 1993.

Sukirno, Sadono. 2000. “Pengantar Teori Makro ekonomi”, Jakarta, Penerbit PT

Raja Grafindo Persada.

ANALISIS INTERDEPENDENSI FAKTOR-FAKTOR YANG MEMPENGARUHI ... fileANALISIS INTERDEPENDENSI...

Documents

Transcript of ANALISIS INTERDEPENDENSI FAKTOR-FAKTOR YANG MEMPENGARUHI ... fileANALISIS INTERDEPENDENSI...