Dampak ketidakstabilan nilai tukar terhadap permintaan uang di indonesia

1

DAMPAK KETIDAKSTABILAN NILAI TUKAR

TERHADAP PERMINTAAN UANG DI INDONESIA

Sastyo Aji Darmawan

Magister Perencanaan dan Kebijakan Publik

Fakultas Ekonomi Universitas Indonesia

I. Latar Belakang

Menjelang akhir triwulan III-2008, perekonomian dunia dihadapkan pada satu

babak baru yaitu runtuhnya stabilitas ekonomi global, seiring dengan meluasnya krisis

finansial ke berbagai negara. Krisis finansial global mulai muncul sejak bulan

Agustus 2007, yaitu pada saat salah satu bank terbesar Perancis BNP Paribas

mengumumkan pembekuan beberapa sekuritas yang terkait dengan kredit perumahan

berisiko tinggi AS (subprime mortgage). Pembekuan ini lantas mulai memicu gejolak

di pasar finansial dan akhirnya merambat ke seluruh dunia. Di penghujung triwulan

III-2008, intensitas krisis semakin membesar seiring dengan bangkrutnya bank

investasi terbesar AS Lehman Brothers, yang diikuti oleh kesulitan keuangan yang

semakin parah di sejumlah lembaga keuangan berskala besar di AS, Eropa, dan

Jepang (Bank Indonesia, 2009).

Krisis keuangan dunia tersebut telah berimbas ke perekonomian Indonesia

sebagaimana tercermin dari gejolak di pasar modal dan pasar uang Bersamaan dengan

itu, nilai tukar Rupiah ikut terkoreksi tajam hingga mencapai level Rp10.900/USD

pada akhir Desember 2008.

Gambar 1. Kurs Rupiah terhadap USD 2005:2 – 2014:2

Sumber : Bank Indonesia (data diolah)

-

2.000,00

4.000,00

6.000,00

8.000,00

10.000,00

12.000,00

14.000,00

20

05

Q2

20

05

Q4

20

06

Q2

20

06

Q4

20

07

Q2

20

07

Q4

20

08

Q2

20

08

Q4

20

09

Q2

20

09

Q4

20

10

Q2

20

10

Q4

20

11

Q2

20

11

Q4

20

12

Q2

20

12

Q4

20

13

Q2

20

13

Q4

20

14

Q2

Exchange Rate

2

Perekonomian Indonesia juga mengalami perlambatan pertumbuhan ekonomi

Indonesia pada tahun 2008. Pertumbuhan ekonomi Indonesia secara keseluruhan

tumbuh mencapai 6,1% pada tahun 2008 atau sedikit lebih rendah dibandingkan

dengan tahun 2007 sebesar 6,3%. Dampak negatif dari krisis global tersebut, antara

lain menurunnya kinerja neraca pembayaran, dan dorongan pada laju inflasi

(setneg.go.id, 2009).

Gambar 2. Pergerakan Inflasi Indonesia

Sumber : Bank Indonesia

Kondisi non stasioner tersebut menunjukkan bahwa secara teoritis terdapat

masalah yang berkaitan dengan stabilitas. Stabilitas merupakan syarat utama dari

stasioneritas data, terutama data time series. Kondisi non stasioner terjadi jika nilai

rata-rata (mean), variance dan covariance tidak konsisten sepanjang waktu.

Stabilisasi pada data time series berhubungan erat dengan stabilitas ekonomi makro.

Jika ada permasalahan yang berhubungan dengan variabel non stasioner maka hasil

estimasi akan mengalami regresi lancung (spurious regression atau spurious

correlation problem). Sejauh ini perdebatan akademik menyangkut kelancungan

pertama kali dikemukakan oleh Granger dan Newbold pada tahun 1974 dan tahun

1977 serta dikaji lebih lanjut oleh Phillips pada tahun 1986. Dampak yang

ditimbulkan oleh regresi lancung antara lain: koefisien penaksir tidak efisien,

peramalan berdasarkan regresi tersebut akan meleset dan uji baku umum menjadi

tidak sahih (Lestari, 2013).

Untuk mencapai stabilisasi ekonomi maka diperlukan target-antara di

antaranya jumlah uang beredar. Di sisi lain pengendalian jumlah uang beredar (JUB)

sulit diukur. Pengendalian JUB berkaitan erat dengan perilaku permintaan uang

3

masyarakat terutama untuk jangka panjang. Salah satu variabel penentu yang cukup

berarti dalam dalam teori ekonomi adalah kurs atau nilai tukar yang sifatnya

fluktuatif. Variabel ini menjadi lebih dominan pada masa krisis. Perekonomian suatu

negara dikatakan bebas dari krisis apabila mampu mencapai nilai kurs yang stabil

(Lestari, 2013).

II. Rumusan Masalah

Berangkat dari kondisi nilai tukar yang sangat fluktuatif tersebut,

permasalahan yang akan dibahas dalam penelitian ini adalah :

1. Bagaimana pengaruh ketidakstabilan nilai tukar terhadap permintaan uang di

Indonesia? 2. Seberapa besar kecepatan penyesuaian (speed of adjustment) jangka panjang

permintaan uang riil? 3. Bagaimana kondisi jumlah peredaran uang riil dan nilai tukar riil Rupiah

terhadap US Dollar pada kuartal kedua 2015?

III. Tujuan Penelitian

Tujuan dilakukannya penelitian ini adalah :

1. Menganalisis permintaan uang di Indonesia pada saat terjadi ketidakstabilan

nilai tukar;

2. Mengukur besarnya kecepatan penyesuaian (speed of adjustment) jangka

panjang permintaan uang.

IV. Metode Penelitian

Penggunaan model perekonomian terbuka dapat diterima untuk kasus

permintaan uang di Indonesia, mengingat bahwa transaksi terhadap luar negeri bebas

dilakukan oleh masyarakat Indonesia. Masyarakat telah dibebaskan untuk memegang

valuta asing dengan sistem kurs mengambang terkendali (managed floating exchange

rate) sejak awal tahun 1980-an dan sekarang sistem kurs mengambang penuh (free

floating exchange rate). Kebijakan ini memungkinkan masyarakat di dalam negeri

untuk merelokasikan kekayaannya dengan memasukkan mata uang asing sebagai

salah satu bentuk kekayaan yang dipegang sehingga memungkinkan maksimisasi

return dari asset yang mereka pegang.

4

Perdebatan pemilihan variabel kunci dalam menjelaskan perilaku permintaan

uang tidak terlalu banyak variasinya. Penelitian yang dilakukan oleh Hendry dan

Erricson (1991), dan Morimune dan Zhao (1997) menggunakan 4 variabel yaitu M, π ,

Y dan R yang masing-masing menunjukkan M1 riil, tingkat laju inflasi, output riil,

dan tingkat bunga berjangka. Selanjutnya melihat kondisi keterbukaan yang dialami

Indonesia sejak awal tahun 1980-an maka berbeda dengan penelitian Morimune dan

Zhao (1997), model yang akan digunakan dalam penelitian ini dapat diperluas untuk

memasukkan variabel nilai tukar dan permintaan uangnya dipilih M2 karena memiliki

skala yang lebih luas dibandingkan M1. Dengan demikian model penelitian ini dapat

dituliskan sebagai berikut:

Md = f (Yt,ERt, rt, Inft)

dimana

Md = permintaan uang M2

Yt = output atau pendapatan nasional riil

ERt = adalah nilai tukar rupiah terhadap dolar

Rt = adalah tingkat suku bunga pasar dan

Inft = adalah tingkat inflasi.

Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat

Statistik, Statistik dan Keuangan Indonesia, Bank Indonesia, penelitian terdahulu dan

beberapa sumber literatur lainnya. Rentang waktu yang digunakan dalam penelitian

adalah mulai kuartal 3 tahun 2005 sampai kuartal 3 tahun 2014.

Penelitian ini menggunakan 4 (empat) tahapan metode, yaitu pertama,

pengujian awal variabel yang dilakukan dengan menggunakan uji akar unit (unit root

test) menggunakan metode uji Augmented Dickey-Fuller (ADF) dan identifikasi jenis

tren (trend). Model uji stasioner Dickey-Fuller yang digunakan untuk menentukan

stasioner/tidaknya data time series dengan regresi model berikut ini:

.............................................................................................................(1)

...........................................................................(2)

................................................................(3)

5

Dimana :

Asumsi dari persamaan diatas adalah residual еt tidak saling berhubungan.

Dalam banyak kasus residual еt seringkali saling berhubungan dan mengandung

autokorelasi. Dickey-Fuller selanjutnya mengembangkan uji akar unit dengan

memasukkan unsur autokorelasi yang dikenal dengan Augmented Dickey FUler

(ADF). Formulasi DF adalah sebagai berikut:

................................................(4)

................................................(5)

............(6)

Dimana:

εt= white noise error, δ = (ρ-1) dan Δ adalah first difference operator sebagai contoh:

................................................(7)

Perbedaan dari ketiga persamaan diatas menunjukkan keberadaan trend

deterministik, yaitu a1 dan a2.. Dari persamaan diatas lalu dihitung nilai statistik DF

(Dickey-Fuller) dan ADF (Augmented Dickey Fuller). Kemudian nilai statistik DF

dan ADF dibandingkan dengan nilai kritisnya dengan ketentuan sebagai berikut:

DF(ADF) stat < DF (ADF) kritis : Terima Ho, non stasioner.

DF (ADF) stat > DF (ADF) kritis : Tolak Ho, stasioner.

Jika sebagian atau seluruh data tidak stasioner, maka perlu dilanjutkan pada uji

derajat integrasi. Uji ini dilakukan sebagai konsekuensi dari tidak terpenuhinya

asumsi stasioneritas pada derajat nol atau I(0). Pada uji ini, data didiferensiasikan

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

Uji ini untuk mengetahui pada derajat atau order diferensi ke berapa data yang

diamati akan stasioner.

6

Pada prinsipnya, pendekatan kointegrasi berkaitan erat dengan pengujian

terhadap kemungkinan adanya hubungan keseimbangan jangka panjang antara

variabel-variabel ekonomi seperti yang dikehendaki oleh teori ekonomi. Dalam

konsep kointegrasi, dua atau lebih variabel (series) non-stasioner akan terkointegrasi

bila kombinasinya juga linier sejalan dengan berjalannya waktu, meskipun bisa terjadi

masing-masing variabelnya bersifat non stasioner. Bila variabel (series) tersebut

terkointegrasi maka terdapat hubungan yang stabil dalam jangka panjang, bila dua seri

non stasioner yang terdiri atas Xt dan Yt terkointegrasi, maka ada representasi khusus

sebagai berikut:

............................................................................(8)

Sedemikian rupa hingga εt (error term) stasioner, I(0). Adanya kemungkinan dari

kombinasi linier variabel-variabel yang terintegrasi menjadi stasioner, variabel-

variabel tersebut dinyatakan berkointegrasi. Equilibrium jangka panjang dari

himpunan variabel-variabel (static equilibrium), direpresentasikan dalam persamaan

berikut:

......................(9)

apabila keseimbangan (equilibrium) baik, maka hal itu pasti merupakan kasus dimana

error stasioner.

Dalam uji kointegrasi diasumsikan bahwa terdapat satu himpunan variabel

yang tersusun secara runtut waktu (time series) berupa variabel Xt, komponen dari

vektor Xt, dikatakan berkointegrasi pada order (d,b) atau ditulis dengan Xt (d,b),

apabila:

1. Seluruh komponen dari Xt terintegrasi pada orde d

2. Terdapat vektor β’ yang didapat dari kombinasi linear β’Xt dari orde (d,b),

dimana b>0 (β’ disebut vektor kointegrasi), sehingga jika X=I(1) dan Y=I(2)

maka tidak terkointegrasi.

Jika dua variabel atau lebih mempunyai derajat kointegrasi yang berbeda,

maka kedua variabel tersebut dikatakan tidak berkointegrasi. Dari uraian-uraian

tersebut, dapat diambil beberapa poin kunci dari konsep kointegrasi, antara lain:

7

i. Kointegrasi merupakan kombinasi linier dari variabel-variabel yang tidak

stasioner.

ii. Semua variabel harus terintegrasi dalam order yang sama

iii. Apabila Xt mempunyai n komponen, maka diduga terdapat n-1 vektor

kointegrasi independent yang berhubungan linier.

Untuk menguji hipotesa nol tidak adanya kointegrasi, digunakan uji

kointegrasi dan ADF ditaksir dengan regresi kointegrasi dengan metode kuadrat

terkecil (Ordinary Least Square=OLS) dan kemudian didapatkan residual.

Metode ketiga adalah metode Vector Error Correction Model (VECM).

Derivasi vektor error correction model (VECM) didasarkan pada teorema Johansen

(1988) sebagaimana dikutip Muhajir (2008). Misalkan {Z} adalah tingkat derajat

VAR ke-p dan Zt = {Y:X}, dimana Y adalah vektor variabel endogen dan X adalah

vektor variabel eksogen. Hal ini dapat dinyatakan sebagai berikut:

................................................................(10)

dimana

εt = Gaussian error term

Wt = vektor variabel-variabel stasioner

Satu vektor time series Zt mempunyai representasi error correction jika ia dapat

diekspresikan sebagai berikut:

..........................................................(11)

Dimana:

8

Metode terakhir adalah melakukan estimasi-estimasi yang menyertai metode

VAR atau VECM, yaitu uji fungsi respon terhadap shock (impulse Response

Function/ IRF), dan dekomposisi varian (Forecast Error Variance Decomposition/

FEVD). Secara umum tahapan pengujian dengan metode VAR Dapat digambarkan

sebagai berikut (Sahabat, 2009).

Gambar 4. Proses Pembentukan VAR

V. Hasil Analisa dan Pembahasan

Sebelum melakukan tahapan-tahapan penelitian seperti dijelaskan diatas, perlu

diketahui statistik deskriptif dari data-data yang akan digunakan pada model, yaitu

sebagai berikut:

Data Time Series

Uji Stationeritas Data

Seluruh Data Stationer

VAR in level

Seluruh Data Stationer Pada

1st/2nd Difference

Uji Kointegrasi Data Pada Level

Data tidak Terkointegrasi

Seluruh Data diambil

Difference

VAR in Difference

Terjadi Kointegrasi

VECM

Sebagian Data Stationer Pada

Level

Seluruh Data diambil

Difference

9

Tabel 1. Statistik deskriptif MDR ER BIR INC INF Mean 12222.16 93.04703 7.851351 498622.1 0.587027

Median 12608.45 94.66000 7.500000 481067.0 0.470000

Maximum 29321.36 102.1600 12.75000 652296.0 3.320000

Minimum 2072.900 78.69000 5.750000 379100.0 -0.050000

Std. Dev. 6290.429 6.127432 1.977705 85007.20 0.579549

Skewness 0.763779 -0.678786 1.166357 0.247499 2.999722

Kurtosis 3.788037 2.557594 3.624693 1.822375 14.52313

Jarque-Bera 4.554758 3.143037 8.990692 2.515727 260.1961

Probability 0.102553 0.207730 0.011161 0.284261 0.000000

Sum 452219.9 3442.740 290.5000 18449017 21.72000

Sum Sq. Dev. 1.42E+09 1351.635 140.8074 2.60E+11 12.09157

Observations 37 37 37 37 37

5

6

7

8

9

10

11

12

13

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

BIR

75

80

85

90

95

100

105

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

ER

350,000

400,000

450,000

500,000

550,000

600,000

650,000

700,000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

INC

-0.5

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

INF

0

5,000

10,000

15,000

20,000

25,000

30,000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

MDR

10

Berdasarkan hasil uji unit root, diketahui bahwa nilai t-statistik atau nilai

hitung ADF untuk variabel pendapatan nasional riil dan inflasi sudah stasioner pada

tingkat level, sedangkan variabel nilai tukar, suku bunga dan permintaan uang riil

stationer pada derajat integrasi satu. Hal ini menunjukkan ada masalah dengan akar

unit yang menggambarkan situasi non stasioner.

Tabel 1. Uji unit root ER 1st Difference

Null Hypothesis: D(ER) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.066682 0.0012

Test critical values: 1% level -4.243644

5% level -3.544284

10% level -3.204699

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

Tabel 2. Uji unit root BIR 1st difference

Null Hypothesis: D(BIR) has a unit root




5% level -3.574244

10% level -3.221728


Tabel 3. Uji unit root INC level

Null Hypothesis: INC has a unit root




5% level -3.540328

10% level -3.202445


11

Tabel 4. Uji unit root INF level

Null Hypothesis: INF has a unit root




5% level -3.540328

10% level -3.202445


Tabel 5. Uji unit root MDR 1st difference

Null Hypothesis: D(MDR) has a unit root




5% level -3.544284

10% level -3.204699


Untuk selanjutnya perlu dilakukan uji kointegrasi pada tingkat level untuk

mengetahui apakah terjadi kointegrasi pada data tersebut. Hasil uji kointegrasi dapat

dilihat pada tabel 7 dibawah ini.

Tabel 7. Uji Kointegrasi

Date: 12/24/14 Time: 20:59

Sample (adjusted): 2005Q4 2014Q2

Included observations: 35 after adjustments

Trend assumption: Linear deterministic trend

Series: MDR ER BIR INC INF

Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.652883 77.99308 69.81889 0.0096

At most 1 0.424262 40.95985 47.85613 0.1900

At most 2 0.294433 21.63627 29.79707 0.3192

At most 3 0.142808 9.429903 15.49471 0.3271

At most 4 * 0.108930 4.036638 3.841466 0.0445 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

12

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

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.652883 37.03323 33.87687 0.0203

At most 1 0.424262 19.32357 27.58434 0.3899

At most 2 0.294433 12.20637 21.13162 0.5274

At most 3 0.142808 5.393265 14.26460 0.6916

At most 4 * 0.108930 4.036638 3.841466 0.0445 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

Dari hasil uji kointegrasi, diindikasikan terdapat 1 persamaan kointegrasi

dengan dibuktikan besarnya nilai Trace Statistic dan Max-eigenvalue pada Hipotesis

None lebih besar dari nilai kritis pada tingkat keyakinan 95%, yaitu 77,99308 >

69,81889. Selain itu jika membandingkan nilai probability trace statistic, maka

hasilnya pun menunjukan signifikansi, yaitu dengan nilai probablity 0,0096 lebih

kecil dari nilai alpha 0,05.

Setelah mengetahui bahwa pada data-data tersebut ada 1 persamaan

kointegrasi, maka dapat disimpulkan bahwa model dapat diestimasi dengan metode

VECM.

Tabel 8. Estimasi VECM

Vector Error Correction Estimates

Date: 12/24/14 Time: 21:09

Sample (adjusted): 2006Q2 2014Q2

Included observations: 33 after adjustments

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

D(ER(-1)) -65.97095

(194.359)

[-0.33943]

D(BIR(-1)) 684.5668

(934.823)

[ 0.73230]

D(INC(-1)) 0.381988

(0.04649)

[ 8.21729]

D(INF(-1)) 4436.728

(2256.76)

[ 1.96598]

13

C -3342.608

Error Correction: D(MDR,2) D(ER,2) D(BIR,2) D(INC,2) D(INF,2) CointEq1 -0.061444 0.000176 6.01E-07 -6.595615 -6.48E-05

(0.07066) (0.00022) (2.7E-05) (1.30222) (2.4E-05)

[-0.86955] [ 0.79750] [ 0.02221] [-5.06488] [-2.75350]

D(MDR(-1),2) -0.280363 0.001403 0.000139 5.874574 -0.000183

(0.25729) (0.00080) (9.9E-05) (4.74160) (8.6E-05)

[-1.08968] [ 1.74511] [ 1.40652] [ 1.23894] [-2.13162]

D(MDR(-2),2) -0.081744 -3.39E-05 -0.000108 2.307478 9.91E-05

(0.14081) (0.00044) (5.4E-05) (2.59496) (4.7E-05)

[-0.58054] [-0.07704] [-2.01021] [ 0.88922] [ 2.11352]

D(ER(-1),2) -193.2279 -0.166415 0.080961 1725.024 -0.031688

(59.0220) (0.18444) (0.02262) (1087.72) (0.01965)

[-3.27383] [-0.90229] [ 3.57969] [ 1.58591] [-1.61264]

D(ER(-2),2) 5.135589 -0.144002 0.029440 474.1080 -0.059844

(70.4968) (0.22029) (0.02701) (1299.19) (0.02347)

[ 0.07285] [-0.65368] [ 1.08981] [ 0.36493] [-2.54978]

D(BIR(-1),2) 1007.112 -0.240098 0.175076 4075.457 -0.472037

(476.669) (1.48953) (0.18266) (8784.53) (0.15870)

[ 2.11281] [-0.16119] [ 0.95850] [ 0.46394] [-2.97448]

D(BIR(-2),2) 695.4253 -1.610667 -0.272558 3542.459 0.380330

(530.163) (1.65669) (0.20315) (9770.38) (0.17651)

[ 1.31172] [-0.97222] [-1.34163] [ 0.36257] [ 2.15478]

D(INC(-1),2) 0.016020 -6.59E-05 -2.55E-06 0.828488 1.22E-05

(0.02093) (6.5E-05) (8.0E-06) (0.38565) (7.0E-06)

[ 0.76554] [-1.00794] [-0.31803] [ 2.14827] [ 1.75538]

D(INC(-2),2) 0.013514 -5.95E-05 -4.65E-06 0.336369 5.55E-06

(0.01136) (3.6E-05) (4.4E-06) (0.20937) (3.8E-06)

[ 1.18950] [-1.67640] [-1.06714] [ 1.60654] [ 1.46819]

D(INF(-1),2) -150.6465 0.134893 0.031640 25134.86 -0.732013

(502.138) (1.56912) (0.19242) (9253.91) (0.16717)

[-0.30001] [ 0.08597] [ 0.16444] [ 2.71613] [-4.37872]

D(INF(-2),2) 262.0186 2.151522 0.098385 16162.00 -0.358100

(425.991) (1.33117) (0.16324) (7850.59) (0.14182)

[ 0.61508] [ 1.61627] [ 0.60271] [ 2.05870] [-2.52497]

C 30.10869 -0.370934 0.036828 158.7483 0.006890

(215.069) (0.67207) (0.08241) (3963.52) (0.07160)

[ 0.14000] [-0.55193] [ 0.44687] [ 0.04005] [ 0.09623] R-squared 0.752147 0.546362 0.500793 0.835335 0.840215

Adj. R-squared 0.622320 0.308742 0.239303 0.749081 0.756518

Sum sq. resids 30597621 298.7817 4.492866 1.04E+10 3.391440

S.E. equation 1207.075 3.771962 0.462543 22245.20 0.401867

F-statistic 5.793434 2.299309 1.915154 9.684673 10.03877

Log likelihood -273.5337 -83.17787 -13.92370 -369.6933 -9.283298

Akaike AIC 17.30508 5.768356 1.571133 23.13293 1.289897

Schwarz SC 17.84926 6.312540 2.115318 23.67711 1.834081

14

Mean dependent -118.7542 -0.184242 0.000000 1134.848 0.022424

S.D. dependent 1964.138 4.536775 0.530330 44408.89 0.814421 Determinant resid covariance (dof adj.) 1.19E+14

Determinant resid covariance 1.24E+13

Log likelihood -731.5886

Akaike information criterion 48.27810

Schwarz criterion 51.22576

Hasil estimasi model VECM selengkapnya disajikan pada Tabel 8. diatas

Keseluruhan variabel memiliki nilai koefisien determinasi 75 persen, artinya sebanyak

75 persen variasi variabel independen mampu menjelaskan variabel dependennya.

Berdasarkan hasil estimasi VECM diatas maka diperoleh persamaan jangka

panjang Pertumbuhan Permintaan Uang Riil sebagai berikut:

D(MDR-1) = -3342,608 – 65,97095 D(ER(-1)) + 684,5668 D(BIR(-1)) + 0,381988

D(INC-1)) + 4436,728 D(INF(-1))

Sedangkan persamaan jangka pendek pertumbuhan permintaan uang riil

adalah sebagai berikut:

D(MDR,2) = 30,10869 – 0,280363 D(MDR(-1),2) – 0,081744 D(MDR(-2),2) –

193,2279 D(ER(-1),2) + 5,135589 D(ER(-2),2) + 1007,112 D(BIR(-1),2) + 695,4253

D(BIR(-2),2) + 0,016020 D(INC(-1),2) + 0,013514 D(INC(-2),2) – 150,6465 D(INF(-

1),2) + 262,0186 D(INF(-2),2) – 0,061444

Angka koreksi kesalahan (error correction term) atau ECTt-1/CointEq1

memiliki koefisien yang negatif yang menunjukkan adanya penyesuaian menuju

keseimbangan jangka panjang (long run equilibrium) dengan nilai t-statistik yang

signifikan. Koefisien ECT lebih kecil dari keseluruhan koefisien masing-masing

variabel. Hal ini menunjukkan kecepatan penyesuaian menuju keseimbangan jangka

panjang lebih rendah dari kecepatan penyesuaian pendapatan nasional, inflasi dan

suku bunga.

Kecepatan penyesuaian jangka panjang permintaan uang dapat dihitung

dengan cara = 1/ CointEq1 atau 1/ 0.061444 atau 1,6. Artinya speed of adjustment

dari permintaan uang membutuhkan waktu 1 sampai 2 kuartal.

Pengujian Impulse Respon

Impulse Response Function menggambarkan respon dari setiap variabel

terhadap struktural inovasi variabel lainnya dalam model pada periode waktu

15

bersamaan. Estimasi impulse response dapat dilihat pada masa sekarang dan diwaktu

yang akan datang.

Gambar 3. Impulse Respon

Berdasarkan Gambar 3 dapat dilihat bahwa respon variabel pertumbuhan

Permintaan Uang Riil terhadap pertumbuhan Nilai Tukar Riil adalah ketika ada shock

dari kenaikkan nilai tukar maka dampaknya terhadap pertumbuhan permintaan uang

sangat fluktuatif mula-mula mengalami penurunan pada kuartal ke-2 kemudian naik

sampai titik tertinggi di kuartal ke-4 hingga melewati titik keseimbangan, namun

turun kembali pada kuartal ke-5. Pada kuartal ke-5 sampai kuartal ke-18 kondisinya

terus berfluktuasi namun tidak jauh dari titik keseimbangan, baru pada kuartal 20 dan

seterusnya kondisinya relatif stabil.

Respon pertumbuhan permintaan uang riil terhadap pertumbuhan suku bunga

maka ketika ada kenaikkan pertumbuhan suku bunga, dimulai dengan peningkatan

pertumbuhan permintaan uang pada kuartal ketiga lalu menurun hingga mencapai titik

terendah dikuartal ketujuh dan meningkat kembali pada kuartal kedelapan. Setelah

kuartal kedelapan respon pertumbuhan permintaan uang nampak mulai stabil namun

selalu berada diatas titik keseimbangan.

-800

-400

0

400

800

5 10 15 20 25 30

Response of D(MDR) to D(ER)

-800

-400

0

400

800

5 10 15 20 25 30

Response of D(MDR) to D(BIR)

-800

-400

0

400

800

5 10 15 20 25 30

Response of D(MDR) to D(INC)

-800

-400

0

400

800

5 10 15 20 25 30

Response of D(MDR) to D(INF)

Response to Cholesky One S.D. Innovations

16

Sementara itu respon pertumbuhan Permintaan Uang Riil terhadap variabel

pertumbuhan pendapatan nasional riil adalah ketika ada shock kenaikan pertumbuhan

pendapatan nasional riil maka dampaknya akan mengalami penurunan pertumbuhan

permintaan uang riil yang besarannya cukup fluktuatif. Kondisi ini berlanjut hingga

periode-periode berikutnya bahwa fluktuasi pertumbuhan permintaan uang selalu

berada dibawah titik keseimbangan.

Dari gambar 3 tersebut juga dapat dilihat bahwa respon variabel pertumbuhan

permintaan uang riil terhadap pertumbuhan inflasi yaitu apabila ada kenaikan shock

dari variabel pertumbuhan inflasi maka akan berdampak terhadap pertumbuhan

peningkatan pertumbuhan permintaan uang yang besarannya cukup fluktuatif.

Diawali dengan penurunan pertumbuhan permintaan uang pada kuartal ke-2,

kemudian merangkak naik pada kuartal ke-3 dan menurun kembali pada kuartal

keempat. Fluktuasinya mulai nampak stabil setelah kuartal ke-8, yaitu konsisten

dibawah titik keseimbangan.

Variance Decomposition

Dari hasil analisis diketahui bahwa kontribusi shock variabel pertumbuhan

nilai tukar riil terhadap pertumbuhan permintaan uang riil mula-mula yaitu hampir 15

kali lipat pada kuartal ke-2 setelah itu mengalami penurunan sampai hanya 3,5 kali

lipat di kuartal ke-30.

Kontribusi shock variabel pertumbuhan tingkat suku bunga terhadap

pertumbuhan permintaan uang riil sebesar 6 kali lipat pada kuartal kedua, setelah itu

kontribusinya mengalami kenaikan yang signifikan sejak kuartal ketiga dengan 18

kali lipat dan terus meningkat hingga kuartal ke-30 dengan besaran 28 kali lipat.

Kontribusi shock variabel pertumbuhan pendapatan nasional riil terhadap

pertumbuhan permintaan uang riil sebesar 0,3 persen dikuartal ke-2, kemudian turun

dikuartal ke-3 dengan 0,25 persen, setelah itu kontribusinya meningkat drastis dengan

313% dikuartal ke-4.

Kontribusi shock variabel pertumbuhan inflasi terhadap pertumbuhan

permintaan uang riil mula-mula hanya sebesar 62 persen pada kuartal kedua, setelah

itu kontribusinya cenderung mengalami kenaikan sampai ke puncak tertingginya di

kuartal ke-5 dengan 128%, namun selanjutnya cenerung menurun hingga kuartal ke-

30 dengan 51%.

17

Tabel 9. Variance Decomposition dari MDR

Period S.E. D(MDR) D(ER) D(BIR) D(INC) D(INF) 1 1207.075 100.0000 0.000000 0.000000 0.000000 0.000000

2 1672.208 77.26728 14.84063 6.977625 0.292200 0.622266

3 1805.735 68.14323 12.78040 18.28777 0.251751 0.536853

4 2061.013 60.81096 13.70435 21.12470 3.137883 1.222108

5 2260.604 63.95025 11.70815 20.18649 2.870623 1.284490

6 2323.682 64.08674 11.50078 20.43805 2.739648 1.234772

7 2430.282 63.79582 10.56156 21.81156 2.687449 1.143615

8 2622.189 62.89788 9.072319 22.07520 4.882627 1.071971

9 2724.772 62.80038 8.630853 23.05234 4.523107 0.993319

10 2801.523 62.62316 8.219922 23.80530 4.368342 0.983273

11 2905.508 63.28821 7.659471 24.05357 4.083986 0.914765

12 3019.416 63.22810 7.182641 24.12921 4.588869 0.871177

13 3100.944 63.18654 6.860658 24.77051 4.353389 0.828899

14 3188.321 63.12100 6.519276 25.20877 4.332590 0.818363

15 3280.093 63.46040 6.161661 25.44078 4.163916 0.773241

16 3364.656 63.46625 5.882078 25.64672 4.252404 0.752549

17 3440.295 63.56898 5.631646 26.00764 4.069424 0.722310

18 3523.353 63.60299 5.370442 26.21488 4.105481 0.706210

19 3602.674 63.76598 5.147012 26.43168 3.979103 0.676226

20 3677.537 63.77409 4.944469 26.63679 3.981090 0.663566

21 3749.822 63.89101 4.757112 26.86271 3.848798 0.640368

22 3825.269 63.93293 4.571995 26.99745 3.871415 0.626211

23 3896.342 64.03428 4.414585 27.17400 3.771665 0.605461

24 3966.139 64.05460 4.262143 27.32916 3.758967 0.595126

25 4034.542 64.14773 4.120716 27.48645 3.667718 0.577385

26 4103.557 64.18058 3.985040 27.59787 3.670193 0.566319

27 4169.420 64.25444 3.864535 27.73681 3.593179 0.551035

28 4235.151 64.28119 3.746694 27.85079 3.579382 0.541946

29 4299.529 64.35099 3.637723 27.96898 3.513975 0.528328

30 4363.693 64.37829 3.533367 28.06361 3.505208 0.519524 Cholesky Ordering: D(MDR) D(ER) D(BIR) D(INC) D(INF)

Selanjutnya untuk mengetahui berapa perkiraan jumlah uang beredar riil pada

kuartal ketiga 2014 sampai kuartal kedua 2015, dilakukan forecasting pada model

VECM diatas. Hasil forecasting menggunakan aplikasi Eviews.6 sebagai berikut.

Tabel 10. Forecasting

obs MDR ER BIR INC INF 2014Q1 28034.13 85.72000 7.500000 614414.0 0.190000

2014Q2 29321.36 86.52000 7.500000 652296.0 0.560000

2014Q3 31146.92 80.51444 7.603537 621737.7 -0.163407

2014Q4 35222.87 76.84097 7.613590 620565.0 -0.121393

2015Q1 37246.03 76.39750 8.018109 632931.5 -0.249324

2015Q2 40058.03 71.34519 8.256178 655014.9 -0.260765

18

Gambar 4. Grafik Forecasting

Hasil forecasting menunjukan bahwa pada kuartal ke-3 Tahun 2014 tren

permintaan uang riil terus berlanjut hingga kuartal ke-2 tahun 2015 hampir

menyentuh angka 40 Trilyun Rupiah. Sedangkan tingkat nilai tukar riil juga

meneruskan tradisi penurunan tren pada kuartal ke-3 tahun 2014 sampai kuartal ke-2

tahun 2015, hingga nyaris menyentuh 70 poin, atau dengan kata lain nilai tukar rupiah

terhadap USD terus mengalami depresiasi hinggal kuartal ke-2 tahun 2015.

Tingkat suku bunga juga akan mengalami peningkatan namun tidak terlalu

tajam, pendapatan nasional riil pun demikian, tetap berfluktuasi namun trennya tetap

positif. Sedangkan tingkat inflasi justru mengalami penurunan meskipun tidak

signifikan.

0

10,000

20,000

30,000

40,000

50,000

05 06 07 08 09 10 11 12 13 14 15

MDR_0

70

80

90

100

110

05 06 07 08 09 10 11 12 13 14 15

ER_0

4

6

8

10

12

14

05 06 07 08 09 10 11 12 13 14 15

BIR_0

350,000

400,000

450,000

500,000

550,000

600,000

650,000

700,000

05 06 07 08 09 10 11 12 13 14 15

INC_0

-1

0

1

2

3

4

05 06 07 08 09 10 11 12 13 14 15

INF_0

19

VI. Kesimpulan

Dari hasil analisis dapat ditarik tiga kesimpulan sebagai berikut:

1. Respon variabel pertumbuhan Permintaan Uang terhadap pertumbuhan Nilai

Tukar adalah ketika ada shock dari kenaikkan nilai tukar maka dampaknya

terhadap pertumbuhan permintaan uang sangat fluktuatif mula-mula

mengalami kenaikan pada kuartal ke-2 kemudian turun pada kuartal 3 hingga

melewati titik keseimbangan. Kondisi ini berlanjut hingga kuartal ke 15 dan

selanjutnya masih sedikit berfluktuasi namun tidak jauh dari titik

keseimbangan. Sedangkan kontribusi shock variabel pertumbuhan nilai tukar

terhadap pertumbuhan permintaan uang mula-mula hanya sebesar 0,33 persen

pada kuartal ke-2 setelah itu mengalami kenaikan 0,63 persen pada kuartal

ketiga, kemudian cenderung meningkat sampai kuartal ke-10 sebesar 1,33

persen.

2. Kecepatan penyesuaian menuju keseimbangan di antara variabel-variabel

permintaan uang riil, pendapatan nasional, kurs, inflasi dan suku bunga

membutuhkan waktu satu sampai dua kuartal. Speed of Adjustment permintaan

uang lebih kecil dari keseluruhan koefisien masing-masing variabel. Hal ini

menunjukkan kecepatan penyesuaian permintaan uang menuju keseimbangan

jangka panjang lebih rendah dari kecepatan penyesuaian pendapatan nasional,

inflasi dan suku bunga.

3. Hasil forecasting menunjukan bahwa pada kuartal ke-3 Tahun 2014 tren

permintaan uang riil terus berlanjut hingga kuartal ke-2 tahun 2015 hampir

menyentuh angka 40 Trilyun Rupiah. Sedangkan tingkat nilai tukar riil juga

meneruskan tradisi penurunan tren pada kuartal ke-3 tahun 2014 sampai

kuartal ke-2 tahun 2015, hingga nyaris menyentuh 70 poin, atau dengan kata

lain nilai tukar rupiah terhadap USD terus mengalami depresiasi hinggal

kuartal ke-2 tahun 2015.

VII. Daftar Pustaka

Hayati, Banatul, (2006), Analisis Stabilitas Permintaan Uang dan Stabilitas Harga di

Indonesia Tahun 1989 – 2002, Magister Ilmu Ekonomi dan Studi Pembangunan,

Universitas Diponegoro.

Insukindro. 1991. Regresi Linier Lancung dalam Analisis Ekonomi: Suatu tinjauan

dengan Studi Kasus Indonesia. Jurnal Ekonomi dan Bisnis Indonesia. 18-23.

20

Kementerian Sekretariat Negara RI, (2009), Perekonomian Indonesia Tahun 2008

Tengah Krisis Keuangan Global, terdapat di http://www.setneg.go.id/, diakses

tanggal 11 Desember 2014.

Lestari, Etty Puji, (2008), Dampak Ketidakstabilan Nilai Tukar Rupiah Terhadap

Permintaan Uang M2 di Indonesia, Jurnal Ekonomi Pembangunan Vol. 9, No.

2, Desember 2008, hal. 121 – 136.

Sahabat, Imaduddin, (2009), Pengaruh Inovasi Sistem Pembayaran Terhadap

Pemintaan Uang di Indonesia, Fakultas Ekonomi Universitas Indonesia.

http://www.setneg.go.id/

21

STATEMENT OF AUTHORSHIP

“Saya yang bertandatangan dibawah ini menyatakan bahwa paper terlampir adalah murni hasil pekerjaan

saya sendiri. Tidak ada pekerjaan orang lain yang saya gunakan tanpa menyebutkan sumbernya."

Materi ini tidak/belum pernah disajikan/digunakan sebagai bahan untuk paper orang lain kecuali saya

menyatakan dengan jelas bahwa saya menyatakan menggunakannya.

Saya memahami bahwa paper yang saya kumpulkan ini dapat diperbanyak dan atau dikomunikasikan untuk

tujuan mendeteksi adanya plagiarisme.”

Nama : Sastyo Aji Darmawan

NPM : 1306355422

Mata Kuliah : Ekonometrika Terapan 2

Judul Paper : Dampak ketidak stabilan nilai tukar terhadap permintaan uang di

Indonesia

Tanggal : 29 Desember 2014

Dosen : Khairunorrofiq

Salemba, 29 Desember 2014

(Sastyo Aji Darmawan)

Dampak ketidakstabilan nilai tukar terhadap permintaan uang di indonesia

Economy & Finance

Transcript of Dampak ketidakstabilan nilai tukar terhadap permintaan uang di indonesia