Vol4No1_Luki

JURNAL KEUANGAN PUBLIK Vol. 4, No. 1, April 2006

Hal 25 – 66

Analisis Hubungan Pengeluaran Pemerintah dan Produk Domestik Bruto dengan Menggunakan Pendekatan Granger Causality

dan Vector Autoregression

Luky Alfirman* Edy Sutriono**

Abstraksi

Penelitian ini berusaha mengetahui adanya hubungan timbal balik antara

pengeluaran pemerintah dan produk domestik bruto di Indonesia periode 1970-2003. Metode yang dipakai adalah Granger Causality dan Vector Autoregression (VAR) dengan memperlakukan kedua variabel sebagai variabel endogen. Hasil penelitian menyebutkan terdapat hubungan kausalitas antara total pengeluaran pemerintah dengan produk domestik bruto. Pengeluaran rutin tidak signifikan mempengaruhi produk domestik bruto karena lebih bersifat konsumtif dan tidak produktif serta sebagian besar bersifat kontraktif seperti belanja untuk pembayaran bunga utang. Sementara pengeluaran pembangunan memiliki hubungan kausalitas positif dan signifikan terhadap produk domestik bruto. Hal ini dapat dijelaskan oleh pengaruh positif pengeluaran sektor pertanian, infrastruktur dan transportasi serta pendidikan terhadap produk domestik bruto dan pengaruh positif perubahan produk domestik bruto terhadap pengeluaran pemerintah di sektor infrastruktur dan transportasi. Klasifikasi JEL : E62,H50,C32 Kata-kata kunci: Pengeluaran pemerintah, Produk Domestik Bruto (PDB), Vector autoregression (VAR)

* Dr. Luky Alfirman saat ini bertugas di Direktorat Jenderal Pajak Departemen Keuangan. ** Edy Sutriono, SE, MM, MSE saat ini bertugas di Direktorat Jenderal Perbendaharaan Departemen

Keuangan.

1. PENDAHULUAN Latar Belakang

Keadaan perekonomian Indonesia

setelah krisis telah menunjukkan kemajuan dalam tiga tahun terakhir. Hal ini dapat dilihat dari produk domestik bruto yang meningkat selama periode tahun 2001 hingga 2003. Berdasarkan Laporan Perekonomian Indonesia 2004 dari Badan Pusat Statistik (BPS) , angka Produk Domestik Bruto (PDB) di tahun 2002 mengalami peningkatan 3.69% dibanding tahun 2001 dan di tahun 2003 mengalami peningkatan 4.1% dibanding tahun 2002. Akan tetapi ditengah kemajuan tersebut, ujian terhadap fundamental perekonomian Indonesia belum kunjung usai. Peningkatan harga minyak dunia hingga diatas $ 60 per barel dan berdampak pada peningkatan depresiasi rupiah terhadap dollar Amerika, hingga kurs menyentuh level psikologis Rp.10.000 per US dollar menyebabkan pelambatan terhadap besarnya produk domestik bruto di tahun 2005. Hal ini disebabkan di satu sisi tingginya konsumsi BBM dan di sisi lain tingginya impor BBM. Kondisi lain yang ikut memperburuk perekonomian adalah belum pulihnya stabilitas keamanan, ditandai dengan masih maraknya aksi terorisme dan intimidasi seperti peledakan bom Bali II dan peristiwa di Poso. Kejadian ini sedikit banyak akan mempengaruhi iklim sektor investasi terutama investasi asing, yang masih dibutuhkan untuk menggerakkan roda ekonomi. Dampak lain yang ditimbulkan adalah berkurangnya penerimaan negara khususnya devisa dari sektor pariwisata. Belum lagi masih maraknya praktek korupsi dan ekonomi biaya tinggi lainnya. Hal-hal ini menunjukkan bahwa kondisi funda-mental ekonomi Indonesia khususnya belum terlalu kuat.

Sektor swasta sangat sulit diharapkan untuk berkontribusi lebih besar dalam menggerakkan perekono-mian dengan

kondisi-kondisi diatas. Rencana kenaikan tarif dasar listrik (TDL) pada tahun 2006 ini dan peningkatan upah minimum propinsi/ kabupaten/kota akan memper-berat dunia usaha. Biaya operasional perusahaan akan meningkat, sementara itu daya beli masyarakat terasa terus mengalami penurunan. Di tengah sektor dunia usaha atau swasta yang seperti ini maka untuk memperbaiki dan meningkatkan produk domestik bruto diperlukan peran pemerintah yang lebih besar. Sesuai dengan pendapat Keynes, untuk mengatasi keadaan seperti ini maka sangat diperlukan campur tangan pemerintah dengan mempengaruhi agregat demand. Kebijakan pemerintah dapat dilakukan dua cara yaitu mempengaruhi agregat demand dan agregat supply. Kebijakan yang mempengaruhi agregat supply dilakukan lebih untuk mempengaruhi kondisi sektor riil melalui peraturan-peraturan. Hanya saja kebijakan ini akan efektif dalam jangka waktu yang agak lama dan akan lebih baik bila dilakukan dengan kebijakan moneter dan sektor riil. Sementara itu kebijakan yang mempengaruhi agregat demand dilakukan melalui pengeluaran pemerintah (Anggaran Pendapatan dan Belanja Negara / APBN). Kebijakan ini efektif dalam waktu yang tidak lama karena pemerintah sendiri sebagai pemberi kebijakan dan sekaligus pelaku. Dalam perspektif lain kebijakan ini dikenal dengan kebijakan fiskal. Kebijakan lain yang dapat dilakukan melalui kebijakan moneter. Hanya saja saat ini kebijakan moneter bersifat not by design artinya tidak dapat dipengaruhi karena Bank Indonesia tidak dapat membantu APBN bila terjadi defisit. Kebijakan moneter juga akan efektif dalam jangka waktu yang agak lama.

Kebijakan fiskal melalui pengeluaran pemerintah dalam APBN diharapkan dapat menstimulus produk domestik bruto. Pengeluaran pemerintah dapat menstimulus perekonomian melalui peningkatan konsumsi dan investasi. Konsumsi dan investasi merupakan

Luky Alfirman dan Edy Sutriono

26 Jurnal Keuangan Publik Vol. 4, No. 1, April 2006

Analisis Hubungan Pengeluaran Pemerintah dan PDB dengan Menggunakan Pendekatan Granger Causality dan Vector Autoregression

Jurnal Keuangan Publik Vol. 4, No. 1, April 2006 27

komponen Produk Domestik Bruto (PDB). Seperti kita ketahui dalam konsep makroekonomi dan pembangunan ekonomi bahwa PDB(Y) terdiri dari konsumsi rumah tangga(C), investasi (I), pengeluaran pemerintah (G) dan net ekspor (X-M) atau (Y = C + I + G + (X-M)). Pengeluaran rutin pemerintah digunakan untuk pengeluaran yang tidak produktif dan mengarah kepada konsumsi sedang pengeluaran pembangunan lebih bersifat investasi.

Hal ini menuntut produktivitas masing-masing komponen pengeluaran pemerintah untuk dapat memberikan kontribusi kepada PDB untuk periode berikutnya secara berkesinambungan. Tentunya pengeluaran komponen-komponen tersebut harus dialokasikan kepada pengeluaran-pengeluaran yang bersifat produktif dan investasi.

Bertolak dari hal-hal tersebut diatas maka perlu diketahui hubungan pengeluaran pemerintah terhadap produk domestik bruto. Pengeluaran pemerintah memang sebagai salah satu komponen dari PDB, akan tetapi apakah pengeluaran pemerintah di suatu periode, katakanlah tahun 2000 mampu memberikan stimulus baik bagi investasi, konsumsi maupun pengeluaran pemerintah sendiri di tahun itu dan pada gilirannya akan memberikan kontribusi kepada PDB untuk tahun 2001 dan seterusnya. Demikian sebaliknya apakah kontribusi dari komponen lain yang terakumulasi pada PDB atau singkatnya PDB akan mempengaruhi pengeluaran pemerintah. Apakah peningkatan PDB di tahun 2000 menyebabkan membaiknya perekono-mian dan dunia usaha sehingga meningkatkan penerimaan negara dari sektor pajak misalnya di tahun 2001, dan pada akhirnya dapat meningkatkan pengeluaran pemerintah di tahun 2001. Demikian efek tersebut akan saling mempengaruhi antar periode secara kesinambungan . Implikasi bagi pemerintah adalah mengetahui ada tidaknya hubungan antara pengeluaran pemerintah dengan produk domestik bruto

dan sifat dari hubungan tersebut (searah atau timbal balik). Pengetahuan tersebut diperlukan bagi pemerintah dalam menyusun langkah-langkah dan kebijakan fiskal berikutnya dalam meningkatkan peranannya dalam meningkatkan produk domestik bruto.

Identifikasi Masalah

Penelitian ini akan mencoba mengangkat permasalahan yaitu : 1. Apakah ada hubungan antara

pengeluaran pemerintah dengan produk domestik bruto ?

2. Bagaimana sifat hubungan tersebut, apakah searah atau timbal balik antara pengeluaran pemerintah dengan produk domestik bruto?

3. Bagaimana hubungan per jenis pengeluaran pemerintah (total, rutin dan pembangunan) dengan produk domestik bruto?

Hipotesa Kerangka Pikir Analisis

Pengeluaran pemerintah terdiri dari pengeluaran rutin dan pembangunan. Pengeluaran rutin biasanya lebih banyak untuk konsumsi seperti gaji pegawai sedang pembangunan lebih cenderung untuk investasi. Akan tetapi dalam kenyataannya, komponen pengeluaran pembangunan juga mengandung gaji / honor dan upah. Pengeluaran pemerintah ini sebagai stimulus perekonomian akan meningkatkan PDB. Asumsikan kondisi ini terjadi pada waktu t-1. Peningkatan PDB pada waktu t-1 dan membaiknya kondisi perekonomian akan mempengaruhi kondisi pelaku ekonomi pada waktu t (rumah tangga, perusahaan dan pemerintah sendiri). Peningkatan kesejahteraan rumah tangga akan meningkatkan pendapatan yang berdampak pada peningkatan konsumsi dan tabungan (investasi). Di sisi dunia usaha atau perusahaan akan meningkatkan penjualan



dan keuntungan serta investasi. Peningkatan pendapatan rumah tangga dan perusahaan akan membawa dampak peningkatan penerimaan pemerintah dari pajak. Peningkatan penerimaan pemerintah akan meningkatkan pengeluaran pemerintah. Peningkatan konsumsi ,investasi serta pengeluaran pemerintah akan kembali meningkatkan PDB. Jadi pengeluaran pemerintah dan PDB pada periode t-1 akan mempengaruhi PDB dan pengeluaran pemerintah pada periode t. Jadi dalam hal ini sangat dibutuhkan lag untuk analisis. Berdasarkan kerangka pikir diatas, maka hipotesa yang diajukan adalah: 1. Terdapat hubungan timbal balik antara

pengeluaran pemerintah dengan produk domestik bruto (PDB).

2. Terdapat hubungan timbal balik antara pengeluaran rutin pemerintah dengan produk domestik bruto (PDB).

3. Terdapat hubungan timbal balik antara pengeluaran pembangunan pemerintah dengan produk domestik bruto (PDB).

4. Terdapat hubungan timbal balik antara pengeluaran pembangunan pemerintah di sektor pertanian dan kehutanan dengan produk domestik bruto (PDB).

5. Terdapat hubungan atau pengaruh timbal balik antara pengeluaran pembangunan pemerintah di sektor transportasi, meteorologi dan geofisika dengan produk domestik bruto (PDB).

6. Terdapat hubungan atau pengaruh timbal balik antara pengeluaran pembangunan pemerintah di sektor pendidikan, kebudayaan nasional, kepercayaan terhadap Tuhan Yang Maha Esa, Pemuda dan Olahraga dengan produk domestik bruto (PDB).

Metodologi Penelitian

Metode analisis yang digunakan dalam penelitian ini adalah Vector Autoregression (VAR). Vector Autoregression merupakan alat analisis atau metode ekonometrika yang biasa digunakan

untuk menganalisis dampak dinamis dari faktor-faktor gangguan yang terdapat dalam sistem variabel. Sedangkan Granger Causality merupakan alat analisis yang sangat berguna di dalam memahami adanya hubungan timbal balik antara variabel-variabel ekonomi. Keterbatasan Penelitian

Data yang digunakan adalah periode tahunan dari tahun 1970 sampai dengan 2003.Dalam hal penetapan jenis pengeluaran ,karena periode analisisnya sampai dengan tahun 2003 maka penelitian ini masih menggunakan jenis pengeluaran sesuai periode waktu itu yaitu pengeluaran pemerintah dibagi rutin dan pembangunan sedang pengeluaran pembangunan dibagi per sektoral. Keterbatasan lain adalah bahwa mulai tahun fiskal 2005 pemerintah menerapkan unified budget yang tidak lagi membagi rutin dan pembangunan. Penelitian ini belum menggunakan sistem baru karena belum ada data yang mendukung (belum ada konversi data sebelum 2005 ke bentuk unified budget). Sampai saat ini data pengeluaran pemerintah yang ada baru konversi dari T-account menjadi I-account. 2. TINJAUAN LITERATUR Peranan pemerintah dalam perekonomian

Keynes berpendapat tingkat kegiatan dalam perekonomian ditentukan oleh perbelanjaan agregat. Pada umumnya perbelanjaan agregat dalam suatu periode tertentu adalah kurang dari perbelanjaan agregat yang diperlukan untuk mencapai tingkat full employment. Keadaan ini disebabkan karena investasi yang dilakukan para pengusaha biasanya lebih rendah dari tabungan yang akan dilakukan dalam perekonomian full employment. Keynes berpendapat sistem pasar bebas tidak akan



dapat membuat penyesuaian-penyesuaian yang akan menciptakan full employment. Untuk mencapai kondisi tersebut diperlukan kebijakan pemerintah. Tiga bentuk kebijakan pemerintah yaitu kebijakan fiskal, moneter dan pengawasan langsung. Kebijakan fiskal melalui pengaturan anggaran pengeluaran dan penerimaan pemerintah. Dalam masa inflasi biasanya kebijakan fiskal akan berbentuk mengurangi pengeluaran pemerintah dan meningkatkan pajak. Sebaliknya apabila pengangguran serius maka pemerintah berusaha menambah pengeluaran dan berusaha mengurangi pajak. Kebijakan moneter dilakukan dengan mempengaruhi jumlah uang beredar dan tingkat suku bunga. Pengawasan langsung dilakukan dengan membuat peraturan-peraturan.

Alasan peranan pemerintah dibutuhkan dalam perekonomian adalah: 1. untuk menyediakan legal system atau

peraturan-peraturan yang tidak dapat disediakan oleh sektor privat

2. untuk membetulkan bila terjadi kegagalan pasar. Adapun kegagalan pasar diantaranya : a. Kompetisi tidak sempurna Di dalam pasar yang tidak sempurna

dan cenderung monopoli, harga yang terjadi biasanya lebih tinggi dan jumlah produksi lebih sedikit. Pemerintah diharapkan dapat mengatur dan memperbaiki agar kesejahteraan masyarakat tidak berkurang.

b. Public goods (barang publik) Barang publik mempunyai

karakteristik non exludable dan non rivalry. Dengan adanya sifat barang publik seperti itu maka akan timbul fenomena free rider artinya orang akan berlomba-lomba untuk tidak membayar dalam menikmati barang tersebut. Sistem penyediaan barang seperti ini tidak dapat dilakukan oleh sektor privat, sehingga peme-rintah yang menyediakannya.

c. Ekternalitas Market economy bersifat selfish

sehingga yang dipikirkan adalah meminimalkan biaya sedangkan dampak secara tidak langsung seperti dampak sosial tidak diperhitungkan.

d. Adanya kegagalan informasi Dalam beberapa hal masyarakat sangat membutuh-kan informasi yang tidak dapat disediakan oleh pihak swasta, misalnya prakiraan cuaca. Bidang pertanian dan kelautan sangat membutuhkan informasi cuaca , akan tetapi pihak swasta tidak ada yang menyediakannya. Pemerintah yang harus menyediakan informasi cuaca tersebut.

3. Peranan pemerintah adalah mendistribusikan pendapatan dari yang kaya kepada yang miskin secara lebih adil

4. menyediakan merit goods. Musgrave (1959) menyebutkan merit goods adalah barang-barang yang seharusnya disediakan meskipun masyarakat tidak memintanya. Masyarakat sering tidak bijaksana atau tidak mempunyai pengetahuan yang cukup untuk mengalokasikan sumber ekonomi yang dimiliki. Peranan pemerintah adalah membantu masyarakat untuk mengalokasikannya untuk kebaikan masyarakat. Contohnya adalah pemerintah menyediakan helm agar masyarakat terhindar dari bahaya manakala terjadi kecelakaan, demikian juga pemerintah menggalakkan asuransi untuk masyarakat.

Secara umum fungsi pemerintah dalam perekonomian modern dapat dibagi menjadi : 1. Fungsi alokasi

Pemerintah mengusahakan agar alokasi sumber-sumber ekonomi dilaksanakan secara efisien.

2. Fungsi distribusi



Kaldor mengatakan bahwa suatu tindakan dikatakan bermanfaat apabila golongan yang memperoleh manfaat dari tindakan tersebut memberikan kompensasi bagi golongan yang mengalami kerugian sehingga posisi golongan yang rugi tetap sama seperti halnya sebelum adanya tindakan yang bersangkutan.

3. Fungsi stabilisasi Perekonomian yang sepenuhnya diserahkan kepada sektor privat sangat peka terhadap guncangan keadaan yang akan menimbulkan pengangguran dan inflasi.

Teori perkembangan pengeluaran pemerintah 1. Model pembangunan tentang per-

kembangan pengeluaran pemerintah. Model ini dikembangkan oleh Rostow

dan Musgrave yang menghubungkan perkembangan pengeluaran pemerintah dengan tahap-tahap pembangunan ekonomi yaitu tahap awal, tahap menengah dan tahap lanjut. Pada tahap awal perkembangan ekonomi, prosentase investasi pemerintah terhadap total investasi besar sebab pada tahap ini pemerintah harus menyediakan prasarana seperti pendidikan, kesehatan, prasarana transportasi. Pada tahap menengah pembangunan ekonomi, investasi pemerintah tetap diperlukan untuk meningkatkan pertumbuhan ekonomi agar dapat tinggal landas, namun pada tahap ini peranan investasi swasta sudah semakin besar. Peranan pemerintah tetap besar pada tahap menengah, oleh karena peranan swasta semakin besar akan menimbulkan banyak kegagalan pasar dan juga menyebabkan pemerintah harus menyediakan barang dan jasa publik dalam jumlah yang lebih banyak. Selain itu pada tahap ini perkembangan ekonomi menyebabkan terjadinya

hubungan antarsektor yang makin komplek. Misalnya pertumbuhan ekonomi yang ditimbulkan oleh perkembangan sektor industri akan menimbulkan semakin tingginya pencemaran atau polusi. Pemerintah harus turun tangan mengatur dan mengurangi dampak negatif dari polusi. Pemerintah juga harus melindungi buruh dalam meningkatkan kesejahteraannya. Musgrave(1980)1 berpendapat bahwa dalam suatu proses pembangunan, investasi swasta dalam prosentase terhadap PDB semakin besar dan prosentase investasi pemerintah terhadap PDB akan semakin kecil. Pada tingkat ekonomi lebih lanjut, Rostow mengatakan bahwa aktivitas pemerintah dalam pembangunan ekonomi beralih dari penyediaan prasarana ke pengeluaran-pengeluaran untuk aktivitas sosial seperti program kesejahteraan hari tua dan pelayanan kesehatan masyarakat.

2. Hukum Wagner Wagner mengemukakan suatu teori mengenai perkembangan penge-luaran pemerintah yang semakin besar dalam prosentase terhadap PDB. Wagner mengemukakan pendapatnya bahwa dalam suatu perekonomian apabila pendapatan per kapita meningkat maka secara relatif pengeluaran pemerintah pun akan meningkat. Hukum Wagner dikenal dengan “The Law of Expanding State Expenditure”. Dasar dari hukum tersebut adalah pengamatan empiris dari negara-negara maju (Amerika Serikat, Jerman, Jepang). Dalam hal ini Wagner menerangkan mengapa peranan pemerintah menjadi semakin besar , terutama disebabkan karena pemerintah harus mengatur hubungan

1 Musgrave,Richard & Peggy. ‘ The Public

Finance in theory and practice. Mc.Graw Hill.1980.hal.151-154.



yang timbul dalam masyarakat. Kelemahan hukum Wagner adalah karena hukum tersebut tidak didasarkan pada suatu teori mengenai pemilihan barang-barang publik. Wagner mendasarkan pandangannya dengan suatu teori yang disebut teori organis mengenai pemerintah (organic theory of the state) yang menganggap pemerintah sebagai individu yang bebas bertindak, terlepas dari anggota masyarakat lainnya. Hukum Wagner diformulasikan sebagai berikut:

1 2...

1 2

P kP P P kP P P kP P n

P P K P P K P P K n

< < <

PkPP : pengeluaran pemerintah per kapita

PPK : pendapatan per kapita 1,2,…,n : jangka waktu (tahun)

Hukum Wagner ditunjukkan dalam Gambar 1 dimana kenaikan pengeluaran pemerintah mempunyai bentuk ekponential yang ditunjukkan oleh kurva 1 dan bukan kurva 2.

3. Teori Peacock dan Wiseman

Peacock dan Wiseman adalah dua orang yang mengemukakan teori mengenai perkembangan penge-luaran pemerintah yang terbaik2. Teori mereka didasarkan pada suatu pandangan bahwa pemerintah senantiasa berusaha untuk memperbesar pengeluaran sedang-kan masyarakat tidak suka membayar pajak yang semakin besar untuk membiayai pengeluaran pemerintah yang semakin besar tersebut. Teori Peacock dan

2 Peacock, A.t. and Wiseman,J.”The Growth of

Public Expenditure in the United Kingdom. London: Oxford University Press,1961

Wiseman merupakan dasar teori pemungutan suara. Peacock dan Wiseman mendasarkan teori mereka pada suatu teori bahwa masyarakat mempunyai suatu tingkat toleransi pajak, yaitu suatu tingkat dimana masyarakat dapat memahami besarnya pungutan pajak yang dibutuhkan oleh pemerintah untuk membiayai pengeluaran pemerintah. Jadi masyarakat menyadari bahwa pemerintah membutuhkan dana untuk membiayai aktivitas pemerintah sehingga mereka mempunyai tingkat kesediaan masyarakat untuk membayar pajak. Tingkat toleransi ini merupakan kendala bagi pemerintah untuk menaikkan pemungutan pajak secara semena-mena. Teori Peacock dan Wiseman adalah sebagai berikut: Pertumbuhan ekonomi (PDB) menyebabkan pemungutan pajak semakin meningkat walaupun tarif pajak tidak berubah; dan meningkatnya penerimaan pajak menyebabkan pengeluaran pemerintah juga semakin meningkat. Oleh karena itu, dalam keadaan normal, meningkatnya PDB menyebabkan penerimaan pemerintah yang semakin besar, begitu juga dengan pengeluaran pemerintah menjadi semakin besar. Apabila keadaan normal tersebut terganggu, misalnya karena adanya perang, maka pemerintah harus memperbesar pengeluarannya untuk membiayai perang. Karena itu penerimaan pemerintah dari pajak juga



meningkat dan pemerintah meningkat-kan penerimaannya tersebut dengan cara menaikkan tarif pajak sehingga dana swasta untuk investasi dan konsumsi menjadi berkurang. Keadaan ini disebut efek pengalihan (displacement effect) yaitu adanya gangguan sosial menyebabkan aktivitas swasta dialihkan pada aktivitas pemerintah. Perang tidak hanya dibiayai dengan pajak, akan tetapi pemerintah juga melakukan pinjaman ke negara lain. Akibatnya setelah perang sebetulnya pemerintah dapat kembali menurunkan tarif pajak, namun tidak dilakukan karena pemerintah masih mempunyai kewajiban untuk mengembalikan pinjaman tersebut.

Sehingga pengeluaran pemerintah meningkat karena PDB yang mulai meningkat , pengembalian pinjaman dan aktivitas baru setelah perang. Ini yang disebut efek inspeksi (inspection effect). Adanya gangguan sosial juga akan menyebabkan terjadinya konsentrasi kegiatan ke tangan pemerintah dimana kegiatan ekonomi tersebut semula dilaksanakan untuk swasta. Ini disebut efek konsentrasi (concentration effect). Adanya ketiga efek tersebut menyebabkan aktivitas pemerintah bertambah. Setelah perang selesai dan keadaan kembali normal maka tingkat pajak akan turun kembali. Jadi berbeda dengan pandangan Wagner, perkembangan pengeluaran pemerintah versi Peacock dan Wiseman tidaklah berbentuk suatu garis,tetapi seperti tangga. Bird mengkritik hipotesa yang dikemukakan oleh Peacock dan

waktu

PkPP PPK

kurva 1

kurva 2

0

Gambar 1. Pertumbuhan Pengeluaran Pemerintah menurut Wagner



Wiseman3. Bird menyatakan bahwa selama terjadinya gangguan sosial memang terjadi pengalihan aktivitas pemerintah dari pengeluaran sebelum gangguan ke pengeluaran yang berhubungan dengan gangguan tersebut. Hal ini akan diikuti oleh peningkatan prosentase pengeluaran pemerintah terhadap PDB. Akan tetapi setelah terjadinya gangguan, prosentase pengeluaran pemerintah terhadap PDB akan menurun secara perlahan-lahan kembali ke keadaan semula. Jadi menurut Bird ,efek pengalihan merupakan gejala dalam jangka pendek, tetapi tidak terjadi dalam jangka panjang. Satu hal yang perlu dicacat dari teori Peacock dan Wiseman adalah bahwa mereka mengemukakan adanya toleransi pajak, yaitu suatu limit perpajakan, akan tetapi mereka tidak menyatakan pada tingkat berapa toleransi pajak tersebut. Clarke menyatakan bahwa limit perpajakan adalah sebesar 25 persen dari pendapatan nasional . Apabila limit dilampaui maka akan terjadi inflasi dan gangguan lainnya.

4. Menurut Dr. Guritno Mangkoesoe-broto, M.Ec, perkembangan penge-luaran pemerintah ditentukan oleh beberapa faktor yaitu : a. Perubahan permintaan akan barang

publik. b. Perubahan aktivitas pemerintah

dalam menghasilkan barang publik, dan juga perubahan dari kombinasi faktor produksi yang digunakan dalam proses produksi.

c. Perubahan kualitas barang publik. d. Perubahan harga-harga faktor-faktor

produksi.

3 Bird,R.M.”The Displacement Effect: A Critical

Note.Finanzarchiv.N.F.Band 30,1972,hal 434-463

Hubungan kausalitas pengeluaran pemerintah dan produk domestik bruto a. pengeluaran pemerintah sebagai

variabel dependen Atinya produk domestik bruto mempengaruhi pengeluaran pemerintah. Teori perkembangan pengeluaran pemerintah yang telah diuraikan diatas menunjukkan bahwa produk domestik bruto (PDB) akan mempengaruhi besarnya pengeluaran pemerintah.

b. pengeluaran pemerintah sebagai variabel independen Artinya pengeluaran pemerintah mempengaruhi produk domestik bruto (PDB). John Due(1968) mengemukakan bahwa pemerintah dapat mempengaruhi tingkat PDB nyata dengan mengubah persediaan berbagai faktor yang dapat dipakai dalam produksi melalui program-program pengeluaran pemerintah seperti pendidikan. Sementara Atep Adya Barata(2004) mengatakan bahwa kegiatan yang dilakukan pemerintah yang mendorong besaran jumlah pengeluaran negara mempunyai pengaruh terhadap perekonomian masyarakat. Landau (1986) membuktikan bahwa pengeluaran pemerintah di bidang militer dan pendidikan berkorelasi negatif terhadap pertumbuhan ekonomi, sementara untuk pendidikan sendiri berkorelasi kuat dan investasi pemerintah berkorelasi positif tetapi tidak signifikan. Steven A.Y.Lin (1994) mengatakan bahwa pengeluaran pemerintah akan meningkatkan pertumbuhan ekonomi (PDB) dengan laju yang semakin mengecil. Lin juga menyatakan bahwa Hukum Wagner hanya berlaku untuk negara maju.



Produk Domestik Bruto Pengertian Produk Domestik Bruto

Produk domestik bruto pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu negara tertentu atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi. PDB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga yang berlaku setiap tahun, sedang PDB atas dasar harga konstan menunjukkan nilai tambah barang dan jasa tersebut yang dihitung menggunakan harga yang berlaku pada satu tahun tertentu sebagai dasar.

Untuk menghitung angka PDB digunakan tiga pendekatan yaitu :

1. Pendekatan Produksi

PDB adalah jumlah nilai tambah atas barang dan jasa yang dihasilkan oleh berbagai unit produksi di wilayah suatu negara dalam jangka waktu tertentu (biasanya satu tahun). Unit-unit produksi tersebut dalam penyajiannya dikelompokkan men-jadi 9 lapangan usaha (sektor) yaitu: pertanian, pertambangan, industri pengolahan, listrik,gas dan air bersih, bangunan, pengangkutan, keuangan dan jasa.

2. Pendekatan Pendapatan PDB merupakan jumlah balas jasa yang diterima oleh faktor-faktor produksi yang ikut serta dalam proses produksi di suatu negara dalam jangka waktu tertentu. Balas jasa faktor produksi yang dimaksud adalah upah dan gaji, sewa tanah, bunga modal dan keuntungan; semuanya sebelum dipotong pajak penghasilan dan pajak langsung lainnya. Dalam definisi PDB mencakup juga penyusutan dan pajak tidak langsung netto (pajak tak langsung dikurangi subsidi).

3. Pendekatan Pengeluaran PDB adalah semua komponen permintaan akhir yang terdiri dari: pengeluaran konsumsi rumah tangga dan lembaga swasta nirlaba, konsumsi pemerintah, pembentukan modal tetap domestik bruto, perubahan stok dan ekspor netto (ekspor dikurangi impor). Secara konsep ketiga pendekatan akan menghasilkan angka yang sama. Jadi jumlah pengeluaran akan sama dengan jumlah barang dan jasa akhir dan harus sama pula dengan jumlah pendapatan untuk faktor-faktor produksi.

Hasil Studi Empiris Hubungan atau Pengaruh Pengeluaran Pemerintah terhadap Produk Domestik Bruto (Pertumbuhan Ekonomi)

Studi yang menunjukkan hubungan negatif antara pengeluaran pemerintah dan pertumbuhan diantaranya: Barro dan Salla-i-Martin (1992) yang membagi pengeluaran pemerintah menjadi pengeluaran produktif dan tidak produktif. Pengeluaran produktif apabila pengeluaran tersebut mempunyai efek langsung terhadap pertumbuhan ekonomi. Kebanyakan studi mengenai hubungan antara pengeluaran pemerintah dengan pertumbuhan ekonomi mengasumsikan semua pengeluaran pemerintah bersifat produktif (Barro,1990). Landau (1983) meneliti 27 negara berkembang menyimpulkan bahwa pengeluaran pemerintah yang besar terutama pengeluaran konsumsi justru akan menurunkan pertumbuhan pendapatan per kapita. Hasil yang sama ditemukan oleh Landau (1986) terhadap 65 negara berkembang. Devarajan dan Vinaya (1993) menemukan hubungan negatif dan tidak signifikan hubungan antara pengeluaran produktif dengan pertumbuhan. Sementara itu Lin (1994) menyatakan pengeluaran non-produktif mempunyai hubungan negatif dan



tidak signifikan terhadap pertumbuhan di negara industri tetapi positif dan signifikan di negara berkembang. Hal ini terjadi karena pelayanan pemerintah yang bersifat non produktif di negara berkembang sebagian besar digunakan untuk konsumsi. Josaphat P Kweka dan Oliver Morrisey (1999) meneliti hubungan keduanya terhadap negara Tanzania periode 1965-1996. Hasil yang diperoleh bahwa pengeluaran pemerintah berdampak negatif terhadap pertumbuhan. Dampak negatif disebabkan karena tidak efisiennya pengeluaran pemerintah di Tanzania. Penelitian lain menunjukkan bahwa pengeluaran konsumsi pemerintah mempunyai dampak negatif terhadap pertumbuhan (Grier dan Tullock,1989, Barro,1991). Studi terhadap negara-negara maju juga meyimpulkan hasil yang sama seperti Hannson dan Henrekson (1994). Pada mayoritas studi, pengeluaran pemerintah total mempunyai efek negatif terhadap pertumbuhan (Romer,1990;Folster dan Henrekson,2001). Folster dan Henrekson mengatakan bahwa pada tingkat pengeluaran pemerintah yang rendah di negara miskin terutama untuk pengeluaran produktif dan rendah pula pajaknya, biasanya tidak efisien dalam pengumpulan pajak dan pengeluaran pemerintahnya.

Studi yang menunjukkan hubungan positif antara pengeluaran pemerintah dan pertumbuhan diantaranya: Ram (1986) dan Grossman(1988) menemukan hubungan positif antara pengeluaran pemerintah dengan pertumbuhan ekonomi. Diamond (1989) menyatakan bahwa pengeluaran sosial mempunyai hubungan positif yang signifikan dan pengeluaran investasi mempunyai efek negatif terhadap pertumbuhan ekonomi. Dampak tersebut sangat dipengaruhi oleh efisiensi penggunaan dana.

3. METODOLOGI PENELITIAN Sumber Data

Penelitian ini menggunakan data sekunder runtun waktu (time series) periode 1970 sampai dengan 2003, yang diperoleh dari berbagai laporan dan kompilasi data serta bentuk publikasi lainnya, seperti dari Badan Pusat Statistik (BPS) dan Nota Keuangan dan RAPBN beberapa seri dan laporan Bappeki dari Departemen Keuangan.

Definisi Operasional Variabel –Variabel 1. PDB = Produk Domestik Bruto riil.

PDB yang digunakan adalah PDB atas dasar harga konstan 2000 dari tahun 1970 sampai dengan 2003.

2. TOTAL = Total pengeluaran pemerintah riil dalam APBN tahun 1970 sampai dengan 2003. Data yang diambil adalah realisasinya (Perhitungan Anggaran Negara) , dengan tujuan untuk mengetahui pengeluaran yang sebenarnya.

3. RTN = Realisasi pengeluaran rutin riil dalam APBN dari tahun 1970 sampai dengan 2003.

4. PEMB = Realisasi pengeluaran pembangunan riil dalam APBN setelah dilakukan dari tahun 1970 sampai dengan 2003.

5. SKTR1 = Realisasi pengeluaran pembangunan riil di sektor pertanian dan kehutanan dalam APBN dari tahun 1970 sampai dengan 2003.

6. SKTR2 = Realisasi pengeluaran pembangunan riil di sektor transportasi,meteorologi dan geofisika dalam APBN tahun 1970 sampai dengan 2003.

7. SKTR3 = Realisasi pengeluaran pembangunan riil di sektor pendidikan, kebudayaan nasional, kepercayaan terhadap Tuhan Yang Maha Esa, Pemuda dan Olahraga dalam APBN



setelah dilakukan konversi ke I-account dari tahun 1970 sampai dengan 2003.

Data yang bersumber dari APBN sebelum tahun 2000 disesuaikan dengan berdasarkan tahun kalender yaitu dari Januari sampai Desember (dimana sebelum tahun 2000, tahun fiskal dimulai dari April sampai Maret tahun berikutnya), jumlah pengeluaran berasal dari penjumlahan realisasi tiap triwulanan. Hal ini dilakukan karena PDB dihitung dari Januari sampai Desember. Spesifikasi Model Empiris Yang Digunakan Model yang dipakai adalah Vector Autoregression (VAR) seperti yang dilakukan oleh Wing Yuk dari University of Victoria Canada yang melakukan studi bulan Januari 2005 tentang “Government Size and Economic Growth: Time-Series Evidence For The United Kingdom,1980-1993.” dan dalam pengolahan datanya menggunakan software Eviews 4.1. t - ity Ψ o + ΣΓ iy + ε t=

( )( . )

D PDByt D Peng Pem=

12αΨo α=

12

εt εε=

11 1221 22

β βi iΓi= β i β i

Model 1 Hubungan D(PDB) dan

D(TOTAL) Model 2 Hubungan D(PDB) dan D(RTN) Model 3 Hubungan D(PDB) dan

D(PEMB) Model 4 Hubungan D(PDB) dan

D(SKTR1) Model 5 Hubungan D(PDB) dan

D(SKTR2)

Model 6 Hubungan D(PDB) dan D(SKTR3)

Keterangan : D( ) = first difference

Granger Causality dan Vector Autoregression Model persamaan biasanya menggunakan teori ekonomi untuk menggambarkan hubungan antara variabel yang terkait. Hasil dari model kemudian diestimasi dan digunakan untuk menguji relevansi empiris dari teori tersebut. Sayangnya teori ekonomi mungkin tidak cukup untuk menentukan spesifikasi yang benar. Hal ini disebabkan karena mungkin teorinya terlalu rumit sehingga sulit bagi kita untuk menurunkan spesifikasi secara persis. Atau mungkin saja teorinya adalah sesuai dengan struktur selang yang dibangun tetapi struktur-struktur selang ini dapat menghasilkan model dengan perilaku dinamis yang berbeda. Atau mungkin juga terdapat perbedaan antar teori yang mendasari model tersebut. Walhasil adakalanya kita mesti membiarkan data itu sendiri berbicara. Alasan pemilihan metode VAR : 1. Berdasarkan kerangka pikir diatas,

diasumsikan bahwa baik pengeluaran pemerintah dan produk domestik bruto merupakan faktor endogen. Kedua variabel tidak dapat dipastikan secara pasti apakah endogen atau eksogen. Penelitian menunjukkan adanya hubungan antara pengeluaran pemerintah dengan produk domestik bruto (Keynesian) sedang Wagner’s Law menunjukkan adanya pengaruh produk domestik bruto terhadap pengeluaran pemerintah. Oleh karena itu kedua variabel diperlakukan sebagai variabel endogen.

2. Berdasarkan kerangka pikir diatas, nilai masing-masing variabel selain dipengaruhi oleh nilai variabel itu



sendiri di masa lampau tetapi juga dipengaruhi oleh nilai masa lampau dari semua variabel endogen lain dalam model. Dari hal tersebut berusaha dibuat model yang bersifat dinamis dengan menspesifikasi masing-masing variabel dengan struktur selang atau lag. Sementara itu teori ekonomi tidak cukup banyak memberi spesifikasi yang jelas dari hubungan dinamis antar variabel. Model persamaan simultan pada umumnya bersifat struktural atau berdasarkan teori yang ada, kemudian dilakukan estimasi dan dicocokkan dengan teori tersebut. Persamaan simultan biasanya juga tidak memasukkan variabel endogen di kedua sisi persamaan dan tidak memasukkan lag dari masing-masing variabel tersebut. Selain itu dalam persamaan simultan, antar persamaan terdapat keterkaitan sehingga dapat dilakukan reduced form. Penelitian ini menggunakan VAR karena VAR merupakan model yang dapat menjelaskan spesifikasi struktur dinamis tersebut, meskipun terkesan ateoritik. VAR ditandai oleh model tiap variabel endogen dalam system sebagai fungsi dari nilai lag untuk keseluruhan variabel endogen dalam sistem. VAR lebih cocok digunakan untuk membangun model-model yang bersifat non struktural (ateoritik). Persamaan satu dengan yang lain berdiri sendiri sehingga dalam estimasi masing-masing persamaan dapat dilakukan dengan ordinary least square (OLS).

Stationeritas Data

Suatu series dikatakan stationer apabila rata-rata, varian dan autocovariance nilainya konstan dari waktu ke waktu (untuk berbagai lag yang berbeda nilainya sama, tidak masalah di titik mana memulai mengukur). Singkatnya, ketiga ukuran

tersebut tidak tergantung dari waktu (t) atau dalam literatur disebut time invariant. Secara matematis time series (misal Y) bersifat stationer memiliki properties sbb: Rata-rata = E(Yt) = μ

Varian = Var(Yt)= E (Yt – μ)2= σ2

Covariance = γk= E[ (Yt- μ) (Yt+k - μ)

Dalam analisis time series, informasi apakah data bersifat stationer merupakan hal yang sangat penting. Variabel-variabel ekonomi yang terus menerus meningkat sepanjang waktu adalah contoh dari variabel yang tidak stationer. Dalam estimasi koefisien regresi, mengikutsertakan variabel yang non stationer dalam persamaan mengakibatkan standard error yang dihasilkan menjadi bias. Adanya bias ini menyebabkan kriteria konvensional yang biasa digunakan untuk menjustifikasi kausalitas antara dua variabel menjadi tidak valid. Jika suatu variabel terdapat unit root (non stationer), dalam banyak kasus mengikutsertakan variabel non stationer dalam analisis regresi menghasilkan kesimpulan yang tidak benar. Banyak ditemukan bahwa koefisien estimasi signifikan tetapi sesungguhnya tidak ada hubungan sama sekali (spurious regression).

Cara untuk menguji stationeritas sering disebut uji unit root. Ada beberapa uji diantaranya Dickey Fuller (DF) test dan Phillip Peron (PP) test. Prosedur pengujian unit root dengan DF test sebagai berikut: Yt = β Yt-1 + ut , -1 < β < 1 Yt - Yt-1 = β Yt-1 - Yt-1 + ut Δ Yt = ( β – 1) Yt-1 + ut……...1) Δ Yt = Yt-1 + ut Persamaan 1 merupakan dasar dari pengujian unit root dengan Dickey Fuller. Statistik testnya adalah t-statistik pada lag dependen variabel. Jika β > 1 maka koefisien pada lag dependen variabel (δ) bernilai positif. Jika β = 1 maka δ = 0. Hipotesis nol (Ho) pada prosedur pengujian unit root dengan DF test adalah bahwa β = 1 artinya series mempunyai unit root dan tidak stationer. Hipotesa alternatifnya (Ha) adalah β < 1 yaitu ( β – 1 ) bernilai negatif yang menunjukkan Yt mengikuti proses stationer. Null hypothesis :

Ho: series mempunyai unit root dan non stationer

Ha: series stationer Jika kita menolak hipotesa nol, maka kita mempunyai series yang bersifat stationer. Bila terdapat korelasi antar residual dalam suatu series (serial correlation), maka hasil uji DF akan menjadi bias. Karena bias dalam pengujian merupakan masalah yang penting, maka DF test dilakukan modifikasi. Untuk itu dikembangkan Augmented Dickey Fuller (ADF) test. Ide dasarnya adalah dengan mengikutsertakan sejumlah lag variabel dependen dalam prosedur standar DF test agar korelasi antar residual dapat dihilangkan. Kita dapat menggunakan salah satu dari beberapa teknik untuk memilih jumlah lag yang perlu disertakan dalam pengujian ADF sedemikian rupa sehingga serial correlation dapat dihilangkan. Cara termudah adalah dengan menggunakan kriteria seleksi secara otomatis yang telah disediakan oleh Eviews. Prosedur ini dilakukan dengan cara memilih jumlah lag yang rasional mulai dari yang terbesar kemudian menguji sampai semua lag tersebut signifikan.

Alternatif uji stationeritas dengan ADF test adalah dengan menggunakan Phillip Peron (PP) test. Uji ini memodifikasi test statistik yang digunakan oleh DF test sedemikian rupa sehingga tidak perlu ada tambahan lag variabel dependen untuk menghilangkan pengaruh serial korelasi.

Pemilihan Panjang Lag

Dalam memilih panjang lag, kita ingin lag yang cukup panjang untuk menangkap sepenuhnya dinamika sistem yang dimodelkan. Namun semakin panjang lag semakin banyak jumlah parameter yang harus diestimasi dan semakin sedikit derajat kebebasannya (jumlah total parameter yang diestimasi = n(1+np) ,dimana n=jumlah persamaan,p=panjang lag endogenous variabel). Jadi kita menghadapi trade off 38 Jurnal Keuangan Publik Vol. 4, No. 1, April 2006




antara mempunyai jumlah lag yang memadai dan mempunyai derajat kebebasan yang cukup. Dalam praktek kita membatasi jumlah lag menjadi lebih sedikit dari yang secara ideal diberikan pada model dinamis (Gujarati). Penentuan jumlah lag dapat dibantu dengan menggunakan Akaike information criteria (AIC) dan Schwart Bayesian criterion(SBC). AIC ditentukan oleh

ln( ) 2AIC T

SSR k nT

= +

( ) ln( ) ln( )SBC k T

SSR k n TT

= +

dimana: T = jumlah observasi yang residual

kuadrat K = panjang lag SSR = residual sum of squares N = jumlah parameter yang diestimasi Baik Akaike information criteria (AIC) atau SBC adalah ukuran baik buruknya kecocokan yang mengoreksi karena derajat kebebasan akan berkurang jika lag-lag ditambahkan kedalam suatu model. Statistik-statistik ini dapat digunakan untuk membantu menentukan jumlah lag yang dimasukkan kedalam VAR. Granger Causality

Granger Causality test dilakukan untuk mengetahui apakah suatu variabel endogen dapat diperlakukan sebagai variabel eksogen. Granger causality dilakukan bermula dari ketidaktahuan keterpengaruhan antar variabel. Jika ada dua variabel X dan Y, maka apakah X menyebabkan Y atau Y menyebabkan X atau berlaku keduanya atau tidak ada hubungan keduanya. Variabel X menyebabkan variabel Y artinya berapa banyak nilai Y pada periode sekarang dapat dijelaskan oleh nilai Y pada periode sebelumnya dan nilai X pada periode

sebelumnya. Granger Causality hanya menguji hubungan diantara variabel dan tidak melakukan estimasi terhadap model. Untuk bivariate regression : Yt = 0 + α1 Yt-1 + …+ αn Yt-n + β1 Xt-

1 +… + βn Xt-n + ε1 …2) Xt = 0 + α1 Xt-1 + …+ αn Xt-n + β1

Yt-1 +… + βn Yt-n + u1 …3) F-statistics adalah Wald statistics dengan hipotesis untuk masing-masing persamaan : β1 = β2 = ….….= βn = 0 Null hipotesis adalah Ho= X tidak Granger menyebabkan Y untuk regresi pertama dan Y tidak Granger menyebabkan X untuk regresi kedua. Jika tidak menolak bahwa X tidak Granger menyebabkan Y tetapi menolak hipotesis Y tidak Granger menyebabkan X maka Granger causality hanya searah yaitu Y menyebabkan X. Dengan demikian terdapat empat kemungkinan : a. Bila β1 = β2 = ….= βn # 0 untuk

persamaan 1 dan β1 = β2 = ….= βn = 0 untuk persamaan 2, berarti X Granger menyebabkan Y dan tidak sebaliknya.

b. Bila β1 = β2 = ….= βn = 0 untuk persamaan 1 dan β1 = β2 = ….= βn # 0 untuk persamaan 2, berarti Y Granger menyebabkan X dan tidak sebaliknya.

c. Bila β1 = β2 = ….= βn # 0 untuk persamaan 1 dan β1 = β2 = ….= βn # 0 untuk persamaan 2, berarti X Granger menyebabkan Y dan Y menyebabkan X.

d. Bila β1 = β2 = ….= βn = 0 untuk persamaan 1 dan β1 = β2 = ….= βn = 0 untuk persamaan 2, berarti X dan Y tidak ada hubungan.

Impulse Response Impulse response function menelusuri pengaruh kontemporer dari satu standar deviasi shock dari satu inovasi terhadap nilai-nilai variabel endogen saat ini



atau nilai mendatang. Suatu shock dari variabel endogen langsung berpengaruh terhadap variabel itu sendiri dan juga diteruskan terhadap variabel endogen lainnya melalui struktur dinamis dari VAR. Impulse response function (IRF) memberikan arah hubungan dan besarnya pengaruh antar variabel endogen karena menunjukkan pengaruh satu standar deviasi shock variabel endogen terhadap variabel endogen lainnya maupun variabel itu sendiri. Dengan demikian shock atas suatu variabel dengan datangnya informasi baru akan mempengaruhi variabel itu sendiri dan variabel-variabel lainnya dalam sistem. Variance Decomposition Cara lain untuk memahami karakteristik dari perilaku dinamis adalah dengan variance decomposition. Jika impulse response functions dapat melacak pengaruh dari suatu shock yang terjadi terhadap endogenous variabel dalam sistem, maka variance decomposition memisahkan varian yang ada dalam variabel endogen menjadi komponen-komponen shock pada variabel endogen dalam VAR. Variance decomposition digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri maupun shock dari variabel lain atau untuk melihat pengaruh relatif variabel-variabel penelitian terhadap variabel lainnya. Prosedurnya dengan mengukur persentase kejutan-kejutan atas masing-masing variabel. Misalnya bila ada shock terhadap PDB, perubahan yang terjadi dapat dijelaskan berapa persen oleh PDB sendiri dan berapa persen lagi oleh TOTAL. Lebih penting menurut Sims (1982) variance decomposition menunjukkan kekuatan hubungan Granger causality yang mungkin ada diantara variabel-variabel. Dengan kata lain , jika suatu variabel menjelaskan porsi yang besar dari forecast error variance dari variabel lain atau sebaliknya,

mengindikasikan hubungan Granger causality yang kuat. Jika forecast error periode ke-n dapat dinyatakan dalam persamaan : Yt+n – EtYt+n = θ11(0)εyt+n+ θ11(1)εyt+n-

1+..+θ11(n-1)εyt+1 +θ12(0)εzt+n+θ12(1)εzt+n-1+…+ θ12(n-1)εzt+1

Variance dari forecast error yt+n adalah σy(n)² = σ²y[ θ11(0) ² + θ11(1) ² + …+ θ11(n-1)

²] + σ²z[ θ12(0) ² + θ12(1) ² + ..+ θ12(n-1) ²]

selanjutnya dapat dicari proporsi forecast error yang berasal dari error term dari y (εy) sendiri dan yang berasal dari shock z(εz) ,masing-masing :

σ²y[ θ11(0) ² + θ11(1) ² + …+ θ11(n-1) ²] σy(n)²

dan

σ²z[ θ12(0) ² + θ12(1) ² + ..+ θ12(n-1) ²]

σy(n)² Forecast error dari variance decomposition menjelaskan tentang proporsi dari variance suatu variabel yang terdiri atas variance dari variabel itu sendiri dan variance dari variabel lainnya. 4. HASIL PENELITIAN DAN

PEMBAHASAN Hasil uji unit root keenam variabel

pada levelnya seperti terlihat pada Lampiran 1. Nilai ADF test untuk semua variabel lebih besar dibandingkan nilai kritis untuk 1%, 5% maupun 10%. Kesimpulannya tidak menolak Ho artinya nilai keenam variabel mempunyai unit root atau tidak stationer. Sedang uji ADF terhadap first difference



keenam variabel seperti Lampiran .2. Nilai ADF test untuk PDB, TOTAL, RTN, PEMB, SKTR1, SKTR2, SKTR3 lebih kecil dibandingkan nilai kritis pada level 1%. Artinya dengan kepercayaan 99% memberi kesimpulan untuk menolak Ho yaitu first difference dari PDB, TOTAL, RTN, PEMB, SKTR1, SKTR2, SKTR3 tidak terdapat unit root atau stationer. Kriteria yang digunakan untuk menentukan panjang lag adalah : Akaike information critetion (AIC) dan Schwartz information criterion (SC).Pemilihan lag ditentukan dengan nilai terkecil dari masing-masing kriteria. Dengan bantuan Eviews 4.1 dan dengan menggunakan panjang lag tertentu diperoleh nilai-nilai dari masing-masing kriteria. Dengan lag sebesar 8 diperoleh angka untuk masing-masing kriteria sebagai berikut: Dalam mencari jumlah lag yang optimal untuk kelima model diatas, pertimbangan mengikutsertakan jumlah lag yang berbeda: 1. Untuk model 1, 2, 3, 4 dan 5

mengikutsertakan sampai 6 lag untuk memilih lag optimal adalah dengan asumsi prioritas kebijakan fiskal yaitu pengeluaran pemerintah yang berlainan dalam suatu pemerintahan (setiap 5 tahun masa pemerintahan), berkaitan dengan Propenas.

2. Untuk model 6 mengikutsertakan sampai 9 lag karena pendidikan biasanya mempunyai dampak yang lebih lama. Berdasarkan pemilihan lag optimal diatas maka disimpulkan penggunaan lag untuk masing-masing model cenderung menggunakan AIC (karena lebih stabil) yaitu untuk model 1 menggunakan sampai lag 2, model 2 dengan 3 lag , model 3 dengan 6 lag, model 4 dengan 3 lag , model 5 dengan 3 lag dan model 6 dengan 9 lag. (Dalam praktek, kita membatasi lag menjadi lebih sedikit dari pada yang secara ideal diberikan pada model dinamis (Gujarati) (1995))

Granger Causality Hasil pengujian Granger causality dengan Eviews 4.1 ditunjukkan Lampiran 3. Secara ringkas dapat disarikan dalam Tabel berikut ini

Hasil Uji Kausalitas

D(PDB) D(TOTAL)

D(PDB) D(RTN)

D(PDB) D(PEMB)

D(PDB) D(SKTR1)

D(PDB) D(SKTR2)

D(PDB) D(SKTR3)

Kesimpulan dari hasil uji Granger Causality diatas:: 1. D(PDB) mempunyai hubungan timbal

balik dengan D(TOTAL) artinya variabel D(PDB) Granger menyebabkan variabel D(TOTAL), dan D(TOTAL) Granger menyebabkan variabel D(PDB).

2. D(PDB) mempunyai hubungan searah dengan D(RTN) artinya variabel D(PDB) Granger menyebabkan variabel

Model Jumlah lag yang

dipilih

Model 1 2

Model 2 3

Model 3 6

Model 4 3

Model 5 3

Model 6 9



D(RTN), sedangkan D(RTN) tidak Granger menyebabkan variabel D(PDB).

3. D(PDB) mempunyai hubungan timbal balik dengan D(PEMB) yaitu variabel D(PDB) Granger menyebabkan variabel D(PEMB), demikian sebaliknya D(PEMB) Granger menyebabkan variabel D(PDB).

4. D(PDB) mempunyai hubungan searah dengan D(SKTR1) yaitu variabel D(PDB) tidak Granger menyebabkan variabel D(SKTR1), akan tetapi sebaliknya D(SKTR1) Granger menyebabkan variabel D(PDB).

5. D(PDB) mempunyai hubungan timbal balik dengan D(SKTR2) yaitu variabel D(PDB) Granger menyebabkan variabel D(SKTR2), dan sebaliknya D(SKTR2) Granger menyebabkan variabel D(PDB).

6. D(PDB) mempunyai hubungan searah dengan D(SKTR3) yaitu variabel D(PDB) tidak Granger menyebabkan variabel D(SKTR3), akan tetapi sebaliknya D(SKTR3) Granger menyebabkan variabel D(PDB).

Estimasi VAR Berdasarkan hasil Granger Causality dan penentuan jumlah lag maka langkah selanjutnya adalah melakukan estimasi terhadap model-model yang mempunyai hubungan. Masing-masing persamaan dalam VAR terdiri dari variabel-variabel yang sama di sisi sebelah kanan dan ordinary least square (OLS) merupakan estimator yang paling efisien (Pindyck & Rubinfeld,1998). Dari persamaan diatas terlihat hanya sebagian lag yang signifikan pada setiap persamaan. Hasil estimasi VAR ditunjukkan dalam Lampiran 4. Keadaan ini merupakan tipikal dalam VAR (Pindyck,1998).

D(PDB) D(TOTAL)

Tanda Signifikan D(PDB)(-2) + Ya

D(TOTAL) D

(PDB) Tanda Signifikan

D(TOTAL)(-2)

+ Tidak

D(PDB) D(RTN) Tanda Signifikan

D(PDB)(-1) + Ya D(PDB) D(PEMB)

Tanda Signifikan D(PDB)(-1) D(PDB)(-2) D(PDB)(-6)

+ + +

Ya Tidak

Ya

D(PEMB) D(PDB) Tanda Signifikan

D(PEMB(-3) + Ya D(SKTR1) D(PDB)

Tanda Signifikan D(SKTR1)(-3) + Ya D(SKTR2) D(PDB)

Tanda Signifikan D(SKTR2)(-2) + Ya D(PDB) D(SKTR2)

Tanda Signifikan D(PDB)(-1) + Tidak

D(SKTR3) D(PDB) Tanda Signifikan

D(SKTR3)(-1) D(SKTR3)(-9)

+ +

Tidak Ya

Impulse Respon Hasil dari perhitungan impulse response antara D(PDB) dan D(TOTAL) disarikan dalam Lampiran 5 dan Gambar A. Tes dilakukan 2 tahap, pertama untuk mengetahui pengaruh kontemporer dari variabel D(PDB) terhadap variabel D(TOTAL) dan kedua digunakan untuk melihat pengaruh kontemporer dari variabel D(TOTAL) terhadap variabel D(PDB). Tabel tersebut menunjukkan bahwa pada periode pertama, satu standar deviasi dari D(PDB) sebesar 53421.11 tidak membawa dampak apapun terhadap variabel D(TOTAL) (standar deviasinya sama dengan nol = tidak ada kejutan). Setelah satu periode ,standar deviasi dari D(PDB) menjadi 16232.48 diatas rata-ratanya,



membawa pengaruh terhadap penurunan standar deviasi dari variabel D(TOTAL) sebesar 3258.578 dibawah rata-rata. Dilain pihak satu standar deviasi dari variabel D(TOTAL) sebesar 15430.81 menyebabkan dampak negatif terhadap variabel D(PDB) sebesar 1183.898. Setelah periode kedua , penurunan standar deviasi dari variabel D(TOTAL) sebesar 1629.230 menyebabkan kenaikan standar deviasi dari variabel D(PDB) menjadi 3870.209 diatas rata-ratanya. Jika dikaji lebih dalam , kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam D(PDB) akan berpengaruh baik terhadap D(PDB) sendiri maupun terhadap D(TOTAL). Demikan juga kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam D(TOTAL) akan berpengaruh baik terhadap D(TOTAL) sendiri maupun terhadap D(PDB). Bila dilihat gambar A di lampiran bahwa shock terhadap PDB akan membawa pengaruh terhadap TOTAL dan akan konvergen lagi setelah periode ke tujuh, sedangkan shock terhadap TOTAL akan membawa pengaruh terhadap PDB dan akan konvergen setelah periode keenam. Hasil dari perhitungan impulse response antara D(PDB) dan D(RTN) ditunjukkan dalam Lampiran 5. Tabel tersebut menunjukkan bahwa pada periode pertama, satu standar deviasi dari D(PDB) sebesar 55926.34 tidak membawa dampak apapun terhadap variabel D(RTN) (standar deviasinya sama dengan nol = tidak ada kejutan). Setelah satu periode, standar deviasi dari D(PDB) menjadi 15318.51 diatas rata-ratanya, membawa pengaruh terhadap penurunan standar deviasi dari variabel D(RTN) sebesar 1632.650 dibawah rata-rata. Apabila ada shock terhadap PDB maka akan direspon oleh RTN. Demikian pula hubungan D(PDB) dengan D(PEMB) maupun dengan D(SKTR1) , D(SKTR2) dan D(SKTR3) , setiap shock terhadap D(PDB) akan direspon oleh masing-masing variabel, demikian pula shock terhadap D(PEMB) dan D(SKTR2)

akan direspon oleh D(PDB). Dari gambar impulse response function pada Lampiran 5 terlihat bahwa impulse respon tersebut akan menuju keseimbangan (konvergen) dan tidak eksplosif. Variance Decomposition Dalam lampiran 6 ditunjukkan tabel variance decomposition hasil pengolahan menggunakan Eviews 4.1 D(PDB) dan D(TOTAL). Tabel tersebut menunjukkan bahwa pada periode pertama forecast error variance dari D(PDB) yang dapat dijelaskan oleh D(PDB) sendiri sebesar 100% sedangkan yang dapat dijelaskan oleh D(TOTAL) sebesar 0%. Pada periode kedua forecast error variance dari D(PDB) yang dapat dijelaskan oleh D(PDB) sendiri sebesar 99.66053% sedangkan yang dapat dijelaskan oleh D(TOTAL) sebesar 0.339469%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh D(PDB) menurun menjadi 93.52448% dan yang dapat dijelaskan oleh D(TOTAL) hanya sebesar 6.475518%. Hasil ini menyimpulkan bahwa fluktuasi dari D(PDB) dipengaruhi oleh D(PDB) dan D(TOTAL) meskipun tidak signifikan (cateris paribus). Sementara itu pada periode pertama forecast error variance dari D(TOTAL) yang dapat dijelaskan oleh D(TOTAL) sendiri sebesar 99.41480% dan sudah terpengaruh oleh D(PDB) sebesar 0.585197%. Pada periode kedua forecast error variance dari D(TOTAL) yang dapat dijelaskan oleh D(TOTAL) sendiri menurun menjadi sebesar 93.62999% sedangkan yang dapat dijelaskan oleh D(PDB) meningkat menjadi sebesar 6.370010%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh D(TOTAL) menurun menjadi 80.92555% dan yang dapat dijelaskan oleh D(PDB) sebesar 19.07445%. Hasil ini menyimpulkan bahwa fluktuasi dari D(TOTAL) dipengaruhi oleh D(PDB) dan D(TOTAL) (cateris paribus).



Sementara pada Lampiran 6 menunjukkan bahwa pada periode pertama forecast error variance dari D(PDB) yang dapat dijelaskan oleh D(PDB) sendiri sebesar 100% sedangkan yang dapat dijelaskan oleh D(RTN) sebesar 0%. Pada periode kedua forecast error variance dari D(PDB) yang dapat dijelaskan oleh D(PDB) sendiri sebesar 99.92079% sedangkan yang dapat dijelaskan oleh D(RTN) hanya sebesar 0.079212%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh D(PDB) sebesar 99.90216% dan yang dapat dijelaskan oleh D(RTN) sebesar 0.097839%. Hasil ini menyimpulkan bahwa fluktuasi dari D(PDB) lebih banyak dipengaruhi oleh D(PDB) sendiri dan D(RTN) hampir tidak mempunyai pengaruh . Sementara itu pada periode pertama forecast error variance dari D(RTN) yang dapat dijelaskan oleh D(RTN) sendiri sebesar 81.60653% dan sudah terpengaruh oleh D(PDB) sebesar 18.39347%. Pada periode kedua forecast error variance dari D(RTN) yang dapat dijelaskan oleh D(RTN) sendiri menurun menjadi sebesar 79.51457% sedangkan yang dapat dijelaskan oleh D(PDB) meningkat menjadi sebesar 2048543%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh D(RTN) menjadi 56.52548% dan yang dapat dijelaskan oleh D(PDB) sebesar 43.47452%. Hasil ini menyimpulkan bahwa fluktuasi dari D(RTN) dipengaruhi oleh D(PDB) dan D(RTN) (cateris paribus). Sedangkan pada Lampiran 6 juga menunjukkan bahwa bila ada shock terhadap D(PDB) maka dampak dari shock tersebut dapat dijelaskan oleh D(PDB) sendiri dengan porsi yang semakin menurun dengan bertambahnya periode dan semakin besarnya dampak yang dapat dijelaskan oleh D(PEMB). Pada sepuluh periode mendatang yang dapat dijelaskan D(PDB) sebesar 90.63020% dan oleh D(PEMB) sebesar 9.369801%. Demikian sebaliknya apabila

ada shock D(PEMB) maka efek dari shock tersebut dapat dijelaskan baik oleh D(PDB) maupun oleh D(PEMB). Pada Lampiran 6 , baik shock terhadap D(PDB) maupun D(SKTR1) masing-masing lebih banyak dijelaskan oleh variabel itu sendiri. Pada sepuluh periode mendatang shock terhadap D(PDB) hanya dapat dijelaskan oleh D(SKTR1) sebesar 2.433968%. Sementara variance decomposition D(PDB) dengan D(SKTR2), shock terhadap masing-masing variabel dapat dijelaskan baik oleh variabel itu sendiri maupun oleh variabel yang lain. Demikian pula untuk D(PDB) dengan D(SKTR3). PEMBAHASAN Hubungan Total Pengeluaran Pemerintah terhadap Produk Domestik Bruto

Granger causality menyimpulkan

bahwa terdapat hubungan timbal balik antara produk domestik bruto dengan total pengeluaran pemerintah. Hasil estimasi menunjukkan bahwa secara signifikan produk domestik bruto berpengaruh positif terhadap pengeluaran pemerintah dan total pengeluaran pemerintah tidak signifikan berpengaruh positif terhadap produk domestik bruto.

Produk domestik bruto mempengaruhi total pengeluaran pemerintah Bila produk domestik bruto meningkat maka akan berdampak kepada peningkatan kegiatan ekonomi utamanya sektor riil dan dunia usaha pada umumnya. Peningkatan kegiatan ekonomi akan membawa pengaruh peningkatan penerimaan pemerintah melalui perpajakan, karena bergairahnya perekonomian sehingga aktivitas dunia usaha meningkat dan pada akhirnya keuntungan perusahaan meningkat pula. Peningkatan aktivitas dan keuntungan perusahaan ini tentunya akan meningkatkan perpajakan baik dari pajak penghasilan,



pajak pertambahan nilai maupun cukai. Jika penerimaan pemerintah meningkat maka akan membawa konsekuensi peningkatan pengeluaran pemerintah. Peningkatan pengeluaran pemerintah juga didasari alasan bahwa dengan peningkatan pertumbuhan ekonomi, maka menuntut peningkatan penyediaan barang publik oleh pemerintah. Dengan demikian untuk kasus Indonesia Wagner’s Law berlaku, dimana peningkatan produk domestik bruto akan mengakibatkan peningkatan pengeluaran pemerintah. Peningkatan pertumbuhan ekonomi akan mempunyai efek terhadap pengeluaran pemerintah setelah periode dua tahun (cateris paribus).

Hasil impulse respon juga menunjukkan bahwa apabila terjadi shock terhadap produk domestik bruto maka pengeluaran pemerintah akan merespon setelah tahun pertama dan setelah tahun ketujuh akan mengarah menuju konvergen kembali. Sementara hasil variance decomposition menunjukkan bahwa shock terhadap PDB dapat dijelaskan baik oleh selisih PDB sendiri maupun total pengeluaran pemerintah.

Total pengeluaran pemerintah tidak signifikan mempengaruhi produk domestik bruto

Peningkatan pengeluaran peme-rintah secara tidak signifikan juga membawa dampak kenaikan produk domestik bruto di Indonesia. Hal ini dapat dijelaskan dengan struktur dan komposisi pengeluaran pemerintah. Pengeluaran pemerintah dalam APBN terdiri dari pengeluaran rutin dan pembangunan. Secara rata-rata pengeluaran komposisi pengeluaran keduanya tahun 1970 sampai 2003 adalah 56% pengeluaran rutin dan 44% pengeluaran pembangunan. Sekitar 30% dari pengeluaran rutin digunakan untuk belanja pegawai dan kurang lebih 40% untuk membayar bunga utang dalam dan luar negeri. Porsi belanja pegawai terhadap PDB juga hanya sekitar 2% (sangat kecil porsinya

terhadap konsumsi rumah tangga). Belum lagi terdapat pengeluaran yang bersifat kontraksi seperti belanja pegawai luar negeri dan belanja barang luar negeri. Pengeluaran subsidi juga merupakan pengeluaran yang konsumtif dan tidak produktif.

Pengeluaran pembangunanlah yang berperan dalam meningkatkan produk domestik bruto. Hanya saja dengan keterbatasan dana serta banyaknya obligatory expenditure pada pengeluaran rutin membuat pemerintah tidak bisa berbuat terlalu jauh dalam pengeluarannya. Oleh karena wajar bila hasil estimasi menyimpulkan bahwa pengeluaran pemerintah secara tidak signifikan berpengaruh terhadap produk domestik bruto. Dengan demikian pendapat Keynes berlaku di Indonesia , dimana pengeluaran pemerintah sebagai campur tangan pemerintah dapat menstimulus perekonomian.

Hasil impulse respon juga menunjukkan bahwa apabila terjadi shock terhadap pengeluaran pemerintah maka produk domestik bruto akan merespon mulai tahun pertama dimana shock timbul dan setelah enam tahun akan menuju keseimbangan kembali. Sementara hasil variance decomposition menunjukkan bahwa shock terhadap pengeluaran pemerintah dapat dijelaskan baik oleh pengeluaran pemerintah sendiri maupun produk domestik bruto.

Hubungan Pengeluaran Rutin Pemerintah terhadap Produk Domestik Bruto.

Granger causality menyimpulkan bahwa terdapat hubungan searah antara produk domestik bruto dengan pengeluaran rutin pemerintah. Hasil estimasi menunjukkan bahwa secara signifikan produk domestik bruto berpengaruh positif terhadap pengeluaran rutin pemerintah.



Produk Domestik Bruto mempengaruhi pengeluaran rutin pemerintah

Karena pengeluaran rutin merupakan bagian dari pengeluaran total pemerintah yang besar dibandingkan pengeluaran pembangunan , maka dengan alasan yang sama dengan diatas bahwa peningkatan produk domestik bruto akan meningkatkan pengeluaran rutin pemerintah. Pengeluaran rutin pemerintah tahun 2003 sebesar Rp.188.584,3 M atau sebesar 74,3% dari total pengeluaran pemerintah. Peningkatan produk domestik bruto (pertumbuhan ekonomi) menuntut peningkatan public goods yang harus disediakan pemerintah. Demikian juga pelayanan yang tentunya meningkatkan kebutuhan secara kelembagaan seperti kebutuhan jumlah pegawai dan gaji pegawai, sarana dan prasarana pelayanan , belanja barang dan pemeliharaan dan sebagainya. Selang waktu yang relatif lama yaitu tiga tahun disebabkan perubahan pengeluaran rutin memang tidak secepat pengeluaran pembangunan, karena pengeluaran rutin relatif tetap dan untuk keperluan-keperluan yang sudah tetap/ periodic Setiap kenaikan selisih PDB tiga tahun yang lalu akan meningkatkan selisih pengeluaran rutin pemerintah tahun ini.

Hasil impulse respon juga menunjukkan bahwa apabila terjadi shock terhadap produk domestik bruto maka pengeluaran rutin pemerintah akan merespon setelah tahun pertama dimana shock timbul dan lambat laun akan menuju keseimbangan kembali. Sementara hasil variance decomposition menunjukkan bahwa shock terhadap produk domestik bruto dapat dijelaskan baik oleh produk domestik bruto sendiri maupun pengeluaran rutin.

Sementara itu pengeluaran rutin pemerintah tidak berpengaruh terhadap produk domestik bruto karena komposisi pengeluaran rutin lebih bersifat tidak produktif seperti belanja pegawai, tunjangan beras, uang makan/lauk-pauk, belanja

barang dan subsidi. Sementara sumbangan belanja pegawai terhadap PDB dalam bentuk konsumsi rumah tangga juga kecil yaitu hanya sekitar 2%. Pengeluaran rutin lainnya yang membuat kontra produktif adalah pembayaran bunga utang luar terutama utang luar negeri. Dalam tahun 2003 misalnya total pembayaran bunga utang sebesar Rp.81,9 trilyun. Artinya dari penerimaan negara dari pajak dan bukan pajak sebesar Rp.336 trilyun, sebesar Rp.81,9 trilyun (24,4%) hanya digunakan untuk membayar bunga utang. Dengan demikian apabila diteliti lebih jauh maka dari pengeluaran rutin, sangat kecil porsi pengeluaran yang betul-betul dapat produktif dan mempengaruhi produk domestik bruto. Belanja pegawai pun tidak begitu berpengaruh terhadap konsumsi rumah tangga secara keseluruhan. Kalau dilihat jumlah belanja pegawai jauh lebih kecil dibanding porsi konsumsi rumah tangga dalam PDB (sekitar 2%). Belanja pegawai berjumlah Rp.50 trilyun, sementara konsumsi rumah tangga dalam PDB sebesar Rp.1.372 trilyun. Hal ini menunjukkan bahwa konsumsi rumah tangga yang berasal dari sektor swasta lebih banyak berperan.

Hubungan Pengeluaran Pembangunan Pemerintah dan tiga sektor pembangunan dengan produk domestik bruto.

Sejalan dengan alasan-alasan diatas maka pada dasarnya peningkatan produk domestik akan memberi dampak kepada peningkatan pengeluaran pemerintah tak terkecuali pengeluaran pembangunan, tergantung periode waktu pengaruhnya. Peningkatan pengeluaran pembangunan akan memberikan dampak terhadap peningkatan produk domestik bruto setelah tiga periode ( tiga tahun). Sedangkan peningkatan produk domestik bruto akan memberikan efek terhadap peningkatan pengeluaran pembangunan setelah satu dan dua periode.



Secara umum pengeluaran pembangunan merupakan pengeluaran investasi pemerintah. Tentunya tidak cepat memberikan pengaruh terhadap produk domestik bruto. Sebagai contoh pembangunan jalan akan memberikan dampak setelah melewati beberapa periode. Dalam penelitian ini ditemukan bahwa pengeluaran pembangunan mempunyai dampak setelah tiga periode.

Penelitian ini menggunakan data dari tahun 1970 sampai 2003, sehingga wajar bahwa dalam penelitian ini sektor pertanian memberikan dampak atau pengaruh yang signifikan dan positif terhadap produk domestik bruto. Tidak dapat dipungkiri bahwa selama periode tersebut secara rata-rata sektor pertanian memiliki sumbangan yang besar dalam produk domestik bruto. Hal ini mendukung penelitian Shergen Fan & Nertha Rao (2003) yang menyatakan bahwa sektor pertanian memberikan hasil positif dan signifikan terhadap pertambahan output. Varina Hisbah (2000) dalam penelitiannya menggunakan Sistem Neraca Sosial Ekonomi (SNSE) 1998 memberikan hasil bahwa pengeluaran pemerintah ke sektor pertanian memberikan dampak yang lebih baik.

Sebaliknya porsi pengeluaran pemerintah untuk sektor pertanian makin menurun sejalan berkembangnya sektor manufaktur dan semakin berkurangnya nilai tambah dari sektor pertanian yang disebabkan tidak efisien. Hal ini dibuktikan dari hasil uji kausalitas bahwa pengeluaran pembangunan tidak banyak berpengaruh terhadap sektor pertanian. Bustanul Arifin dalam tulisannya Ekonomi Politik menyatakan bahwa merupakan fenomena biasa dimana pendapatan negara yang semakin meningkat maka alokasi untuk sektor yang berhubungan dengan bahan pokok akan berkurang (Engle Law).

Sektor infrastruktur dan transportasi merupakan sektor penting dalam pertumbuhan investasi. Dengan infrastruktur dan transportasi yang kondusif maka akan

meningkatkan perdagangan dan investasi yang pada gilirannya akan meningkatkan pertumbuhan ekonomi. Pertumbuhan sektor infrastruktur sangat dibutuhkan khususnya di luar Jawa. Akses ke sumber bahan baku maupun ke pasar tujuan tidak dapat dilepaskan dari peranan sektor infrastruktur dan transportasi. Infrastruktur berfungsi memfasilitasi sirkulasi barang, menyebarkan penduduk, memperluas perdagangan, mengurangi kemiskinan dan memperbaiki kondisi lingkungan.

Menurut Mauritz H.M.Sibarani dalam penelitiannya berjudul “Kontribusi Infrastruktur terhadap Pertumbuhan Ekonomi Industri (26 Propinsi di Indonesia Tahun 1983-1997)” menyatakan bahwa infrastruktur (jalan,listrik dan telepon) memberikan pengaruh yang signifikan dan positif terhadap agregat output yang diwakili oleh variabel pendapatan per kapita. Sementara menurut Munnel (1992) pengeluaran publik (infrastruktur) mempunyai pengaruh timbal balik dengan pertumbuhan ekonomi. Hanya saja menurut Munnel infrastruktur terjadi sebelum adanya aktifitas ekonomi.

Peningkatan produk domestik bruto akan membawa dampak kepada peningkatan secara signifikan dan positif terhadap pengeluaran pembangunan merupakan hal yang logis. Pemerintah bahkan pada tahun-tahun ke depan akan meningkatkan anggaran pembangunan khususnya infrastruktur.

Pengeluaran pemerintah di sektor pendidikan akan memberikan dampak yang positif dan signifikan setelah sembilan periode (tahun). Hal ini disebabkan sektor pendidikan merupakan investasi jangka panjang, yang tidak secara cepat mempengaruhi perekonomian. Sektor pendidikan akan mempengaruhi produk domestik bruto melalui peningkatan ilmu pengetahuan dan teknologi. Sebagaimana teori pertumbuhan endogen bahwa pertumbuhan yang berkesinambungan dapat terjadi dengan teknologi melalui investasi pemerintah dan swasta dengan R & D.



Dengan teknologi maka akan terjadi perbaikan proses produksi yang lebih efektif dan efisien. Elizabeth Tiur Manurung dalam penelitiannya “Peranan Pendidikan dalam Pertumbuhan Ekonomi di Indonesia 1969- 1993” mengatakan bahwa peran pendidikan dalam pertumbuhan ekonomi di Indonesia melalui : 1) peningkatan kualitas dan produktivitas 2) dalam proses adopsi dan pengembangan

teknologi. Berdasarkan hasil penelitian ini

mengindikasikan bahwa di Indonesia alokasi untuk sektor pendidikan relatif masih kecil sehingga pertumbuhan ekonomi tidak begitu berpengaruh terhadap pengeluaran pembangunan di sektor pendidikan. Hal ini mengingat pemerintah masih mempunyai masalah utang dan hal lain yang lebih mendesak seperti subsidi BBM yang lebih diprioritaskan.

5. KESIMPULAN DAN SARAN Kesimpulan 1. Granger causality menyimpulkan bahwa

terdapat hubungan timbal balik antara produk domestik bruto dengan total pengeluaran pemerintah. Artinya fluktuasi dan dinamika produk domestik bruto dapat dijelaskan oleh total pengeluaran pemerintah, demikian sebaliknya. Hal ini juga ditunjukkan oleh impulse response function dan variance decomposition. Hanya saja berdasarkan estimasi VAR dampak total pengeluaran pemerintah ternyata tidak signifikan terhadap produk domestik bruto. Hal ini banyak dijelaskan oleh besarnya pengeluaran rutin sementara pengeluaran rutin banyak tidak produktif dan bersifat kontraksi seperti pembayaran bunga utang.

2. Granger causality menyimpulkan bahwa terdapat hubungan searah antara produk domestik bruto dengan pengeluaran rutin pemerintah. Fluktuasi dan dinamika pengeluaran rutin dapat

dijelaskan oleh produk domestik bruto. Hal ini juga ditunjukkan oleh impulse response function dan variance decomposition.

3. Granger Causality menyimpulkan bahwa terdapat hubungan timbal balik antara pengeluaran pembangunan dan produk domestik bruto. Hal ini dapat dijelaskan karena pengeluaran pembangunan pemerintah merupakan pengeluaran investasi dan lebih produktif. Hasil estimasi VAR dari ketiga sektor pengeluaran pembangunan yang dipilih, menyimpulkan bahwa alokasi ke ketiga sektor tersebut memberikan pengaruh positif dan signifikan terhadap produk domestik bruto. Sementara itu produk domestik bruto lebih banyak memberikan dampak terhadap pengeluaran pemerintah di sektor infrastruktur dan transportasi.

Saran dan Implikasi Kebijakan 1. Pemerintah harus mengalokasikan

anggaran dengan efektif ke pos-pos pengeluaran yang dapat meningkatkan produk domestik bruto sebagai salah satu indikator pertumbuhan ekonomi. Pemerintah perlu mempertimbangkan peng-hematan pengeluaran utamanya pengeluaran rutin. Hal ini dapat dilakukan dengan mengurangi laju pertumbuhan jumlah pegawai sehingga dapat mengurangi belanja pegawai. Hal lain yang dapat dilakukan adalah perlunya dipikirkan perlunya pengurangan subsidi BBM yang memberatkan APBN. Skala prioritas ini memang membawa dampak terhadap kemiskinan dan pengangguran. Literatur keuangan negara memang memberikan acuan bahwa terdapat trade off dalam kebijakan pemerintah yaitu efisiensi dan equality. Bila sudut pandangnya dari pertumbuhan ekonomi (efisien) maka equality akan berkurang. Hal ini dapat dikurangi dengan mengalokasikan ke proyek-proyek pembangunan yang



bersifat padat karya. Tetapi hal ini juga menimbulkan dampak ketidak-efisienan dibanding menggunakan padat modal. Memang pada akhirnya pemerintah harus bijaksana untuk mengambil kebijakan dengan mempertimbangkan dampak ter-dapat efisiensi dan equality. Disamping itu perlunya manajemen pinjaman luar negeri sehingga semakin lama pinjaman semakin berkurang, dan mencari alternatif pembiayaan yang lain sehingga diharapkan dapat menekan pengeluaran obligatory dan memperlebar ruang gerak APBN dalam melakukan ekspansi fiskal yang pada gilirannya dapat meningkatkan pertumbuhan ekonomi.

2. Pemerintah perlu lebih memberi perhatian kepada pengeluaran pembangunan karena pengeluaran pembangunan dapat menstimulus produk domestik bruto (pertumbuhan ekonomi).

3. Peningkatan pengeluaran pemerintah di sektor infrastruktur dan transportasi akan meningkatkan investasi yang pada gilirannya dapat membawa dampak positif terhadap peningkatan produk domestik bruto. Sektor pendidikan meskipun memberi dampak dalam jangka panjang (setelah 9 tahun atau sesuai program wajib belajar 9 tahun) perlu mendapat perhatian pemerintah, bahkan UUD 1945 mensyaratkan alokasi ke sektor pendidikan sebesar 20%.

4. Penelitian ini menggunakan struktur APBN I-account sebelum 2005 karena analisisnya juga dibatasi hanya sampai tahun 2003. Oleh karena sistem unified budget baru diterapkan tahun 2005 ini, sehingga data konversi belum tersedia, maka untuk penelitian selanjutnya disarankan untuk menggunakan struktur APBN I-account dengan unified budget system.

- o0o -

LAMPIRAN 1 Uji ADF level PDB, TOTAL, RTN,PEMB, SKTR1, SKTR2 DAN SKTR3

Variabel Nilai ADF 1% 5% 10%

PDB 0.25 -3.64 -2.95 -2.61

TOTAL -1.045 -3.70 -2.98 -2.63

RTN -1.12 -3.64 -2.95 -2.63

PEMB -0.87 -3.64 -2.95 -2.63

SKTR1 -1.57 -3.64 -2.95 -2.63

SKTR2 -1.73 -3.64 -2.95 -2.63

SKTR3 -0.001 -3.64 -2.95 -2.63

LAMPIRAN 2 Uji ADF first difference PDB, TOTAL, RTN,PEMB,SKTR1, SKTR2 DAN SKTR3

Variabel Nilai ADF 1% 5% 10%

PDB -4.36 -3.64 -2.95 -2.61

TOTAL -3.76 -3.65 -2.96 -2.62

RTN -7.03 -3.65 -2.96 -2.62

PEMB -6.68 -3.65 -2.96 -2.62

SKTR1 -5.16 -3.65 -2.96 -2.62

SKTR2 -6.21 -3.65 -2.96 -2.62

SKTR3 -5.41 -3.65 -2.96 -2.62

LAMPIRAN 3 Hasil Pengujian Granger Causality

Variabel F Statistik Nilai-p Kesimpulan

D(TOTAL) D(PDB)

D(PDB) D D(TOTAL)

2.62136

3.98969

0.09111 c

0.03034 b

Menolak Ho

Menolak Ho

D(RTN) D(PDB)

D(PDB) D(RTN)

0.05747

25.1185

0.98146

1.9E-07 a

Tidak

Menolak Ho

Menolak Ho

D(PEMB) D(PDB)

D(PDB) D(PEMB)

3.95153

2.45664

0.01601 b

0.07781 b

Menolak Ho

Menolak Ho

D(SKTR1) D(PDB)

D(PDB) D(SKTR1)

3.95153

0.14809

0.03975 b

0.92986

Menolak Ho

Tidak

menolak Ho

D(SKTR2) D(PDB)

D(PDB) D(SKTR2)

2.498890

2.78984

0.08489 c

0.06331 c

Menolak Ho

Menolak Ho

D(SKTR3) D(PDB)

D(PDB) D(SKTR3)

3.56443

0.67798

0.08764 c

0.71182

Menolak Ho

Tidak

menolak Ho

Keterangan : Jika nilai-p lebih kecil dari taraf uji, maka Ho ditolak. Tanda a menyatakan nyata pada taraf 1%, b pada taraf 5% dan c pada taraf 10%



1. Untuk model 1 Lag LR FPE AIC SC

0 NA 1.21E+20 51.91711 52.01227 1 4.417418 1.18E+18 47.27679 47.75258 2 125.4921* 1.06E+18* 47.18314* 47.46861* 3 6.583511 1.16E+18 47.24900 47.91511 4 6.014170 1.15E+18 47.21818 48.07460 5 3.425953 1.31E+18 47.30237 48.34910 6 2.081320 1.62E+18 47.44933 48.68638


0 NA 2.47E+18 48.02613 48.12212 1 3.177392 2.91E+18 48.19003 48.47800 2 14.63487 2.03E+18 47.82111 48.30105 3 29.22007* 6.43E+17* 46.65640* 47.32832* 4 4.209140 7.04E+17 46.71886 47.58275 5 1.695271 8.93E+17 46.90920 47.96507 6 3.831848 9.83E+17 46.93179 48.17963


0 NA* 5.99E+17 46.60929 46.70528* 1 2.673491 7.22E+17 46.79419 47.08216 2 3.857217 8.20E+17 46.91516 47.39510 3 8.424411 7.35E+17 46.79024 47.46215 4 7.420816 6.74E+17 46.67426 47.53816 5 7.235547 6.04E+17 46.51834 47.57421 6 7.115366 5.26E+17* 46.30639* 47.55424


0 NA 2.62E+16 43.38001 44.43588 1 0.918571 3.55E+16 43.61069 44.85854 2 3.857217 8.20E+17 46.91516 47.39510 3 2.67239* 1.23E+16* 42.72416* 42.82014* 4 1.631306 1.55E+16 42.95248 43.24045 5 1.350601 1.97E+16 43.18739 43.66733 6 7.560938 1.85E+16 43.10564 43.77755


0 NA 8.07E+16* 44.60535 44.70133* 1 5.135280 8.78E+16 44.68767 44.97564 2 8.366748 8.13E+16 44.60366 45.08360 3 1.936760 1.01E+17 44.80312 45.47504 4 2.531348 1.21E+17 44.95879 45.82268 5 10.94960* 8.62E+16 44.57073* 45.62660 6 0.712173 1.19E+17 44.81616 46.06400


0 NA* 4.86E+16* 44.09907 44.19724* 1 1.594736 6.31E+16 44.35646 44.65098 2 4.971372 6.84E+16 44.42815 44.91900 3 2.856778 8.26E+16 44.59343 45.28063 4 3.180431 9.72E+16 44.71474 45.59828 5 2.468913 1.20E+17 44.85816 45.93804 6 4.905838 1.20E+17 44.74550 46.02173 7 2.243026 1.56E+17 44.82961 46.30218 8 5.312519 1.33E+17 44.40401 46.07292 9 8.405846 5.34E+16 43.05618* 44.92143

* jumlah lag yang dipilih berdasarkan kriteria





GAMBAR A IMPULSE RESPONSE

- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

6 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( T O T A L )

R e s p o n s e o f D ( P D B ) t o C h o l e s k yO n e S . D . I n n o v a t i o n s

- 8 0 0 0

- 4 0 0 0

0

4 0 0 0

8 0 0 0

1 2 0 0 0

1 6 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( T O T A L )

R e s p o n s e o f D ( T O T A L ) t o C h o l e s k yO n e S . D . I n n o v a t i o n s

- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

6 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( R T N )


- 1 5 0 0 0

- 1 0 0 0 0

- 5 0 0 0

0

5 0 0 0

1 0 0 0 0

1 5 0 0 0

2 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( R T N )

R e s p o n s e o f D ( R T N ) t o C h o l e s k yO n e S . D . I n n o v a t i o n s

- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

6 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( P E M B )


- 4 0 0 0

0

4 0 0 0

8 0 0 0

1 2 0 0 0

1 6 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( P E M B )

R e s p o n s e o f D ( P E M B ) t o C h o l e s k yO n e S . D . I n n o v a t i o n s

- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

6 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 1 )


- 4 0 0

0

4 0 0

8 0 0

1 2 0 0

1 6 0 0

2 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 1 )

R e s p o n s e o f D ( S K T R 1 ) t o C h o l e s k yO n e S . D . I n n o v a t i o n s

- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 2 )


- 3 0 0 0

- 2 0 0 0

- 1 0 0 0

0

1 0 0 0

2 0 0 0

3 0 0 0

4 0 0 0

5 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 2 )


- 1 0 0 0 0

0

1 0 0 0 0

2 0 0 0 0

3 0 0 0 0

4 0 0 0 0

5 0 0 0 0

6 0 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 3 )


- 1 0 0 0

0

1 0 0 0

2 0 0 0

3 0 0 0

4 0 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 3 )




GAMBAR B VARIANCE DECOMPOSITION

0

2 0

4 0

6 0

8 0

1 0 0

1 2 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( T O T A L )

V a r i a n c e D e c o m p o s i t i o n o f D ( P D B )

0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( T O T A L )

V a r i a n c e D e c o m p o s i t i o n o f D ( T O T A L )

0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( R T N )


1 0

2 0

3 0

4 0

5 0

6 0

7 0

8 0

9 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( R T N )

V a r i a n c e D e c o m p o s i t i o n o f D ( R T N )

0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( P E M B )


2 0

3 0

4 0

5 0

6 0

7 0

8 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( P E M B )

V a r i a n c e D e c o m p o s i t i o n o f D ( P E M B )

0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 1 )


0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 1 )

V a r i a n c e D e c o m p o s i t i o n o f D ( S K T R 1 )

0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 2 )


1 0

2 0

3 0

4 0

5 0

6 0

7 0

8 0

9 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 2 )


0

2 0

4 0

6 0

8 0

1 0 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 3 )


1 0

2 0

3 0

4 0

5 0

6 0

7 0

8 0

9 0

1 2 3 4 5 6 7 8 9 1 0

D ( P D B ) D ( S K T R 3 )




LAMPIRAN 4

Hasil estimasi VAR antara D(PDB) dan D(TOTAL)

D(PDB) D(TOTAL)

D(PDB(-1)) 0.299179 0.070107 (0.18478) (0.05353) [ 1.61907] [ 1.30963] 0.1175 0.2018

D(PDB(-2)) -0.188046 0.125291 (0.18537) (0.05370) [-1.01444] [2.33307] 0.3197 0.0277

D(TOTAL(-1)) -0.211173 -0.105583 (0.61031) (0.17681) [-0.34601] [-0.59717] 0.7321 0.5556

D(TOTAL(-2)) 0.930008 -0.072686 (0.62590) (0.18132) [ 1.48587] [-0.40086] 0.1493 0.6918

C 37201.01 13064.07 (16200.8) (4693.39) [ 2.29625]

0.0300 [ 2.78351]

0.0099 R-squared 0.162701 0.219277 Adj. R-squared 0.033886 0.099166 Sum sq. resides 7.42E+10 6.23E+09 S.E. equation 53421.11 15476.16 F-statistic 1.263062 1.825617 Log likelihood -378.7256 -340.3195 Akaike AIC 24.75649 22.27868 Schwarz SC 24.98778 22.50997 Mean dependent 49635.13 9067.721 S.D. dependent 54349.90 16305.75 Determinant Residual Covariance 6.80E+17 Log Likelihood (d.f. adjusted) -724.4068 Akaike Information Criteria 47.38108 Schwarz Criteria 47.84366



Hasil estimasi VAR antara D(PDB) dengan D(RTN)

Standard errors in ( ) & t-statistics in [ ]

D(RTN)

D(RTN(-1)) 0.224894 (0.13800) [ 1.62964] 0.1168

D(RTN(-2)) -0.128692 (0.13358) [-0.96339] 0.3454

D(RTN(-3)) -0.207502 (0.14360) [-1.44504] 0.1619

C 471.5692 (6097.78) [ 0.07733] 0.9390

D(PDB(-1)) 0.155455 (0.05144) [ 3.02220] 0.0061

D(PDB(-2)) -0.391284 (0.04970) [-7.87264] 0.0000

D(PDB(-3)) 0.362014 (0.06241) [ 5.80100]

0.0000

R-squared 0.791339 Adj. R-squared 0.736906 Sum sq. resids 4.03E+09 S.E. equation 13238.38 F-statistic 14.53781 Log likelihood -323.3089 Akaike AIC 22.02059 Schwarz SC 22.34754 Mean dependent 4744.578 S.D. dependent 25809.49



Hasil estimasi VAR antara D(PDB) dengan D(PEMB)

Standard errors in ( ) & t-statistics in [ ]

D(PDB) D(PEMB)

D(PDB(-1)) 0.244222 0.026370 (0.23906) (0.06202) [ 1.02159] [ 0.42519] 0.3243 0.6772

D(PDB(-2)) -0.308211 0.029130 (0.21126) (0.05481) [-1.45890] [ 0.53149] 0.1667 0.6034

D(PDB(-3)) -0.324034 -0.136164 (0.22972) (0.05960) [-1.41055] [-2.28473] 0.1802 0.0384

D(PDB(-4)) -0.070709 -0.013793 (0.25561) (0.06631) [-0.27663] [-0.20799] 0.7861 0.8382

D(PDB(-5)) -0.523435 -0.116304 (0.23829) (0.06182) [-2.19664] [-1.88134] 0.0454 0.0809

D(PDB(-6)) 0.358137 0.159224 (0.34811) (0.09031) [ 1.02881] [ 1.76308] 0.3210 0.0997

D(PEMB(-1)) -0.702591 -0.345154 (0.97621) (0.25326) [-0.71971] [-1.36284] 0.4835 0.1945

D(PEMB(-2)) 0.249654 -0.025990 (1.01677) (0.26378) [ 0.24554] [-0.09853] 0.8096 0.9229

D(PEMB(-3)) 2.826507 0.743623 (0.92865) (0.24092) [ 3.04368] [ 3.08658] 0.0088 0.0080

D(PEMB(-4)) 1.782801 -0.137219 (1.03137) (0.26757) [ 1.72857] [-0.51283] 0.1059 0.6161

D(PEMB(-5)) 1.580656 0.021185 (1.13465) (0.29437) [ 1.39307] [ 0.07197] 0.1853 0.9436

D(PEMB(-6)) -2.804871 -0.536266 (1.16994) (0.30352) [-2.39744] [-1.76682] 0.0310 0.0990

C 75378.61 7829.516 (35299.8) (9157.90) [ 2.13539]

0.0509 [ 0.85495]

0.4070

R-squared 0.681879 0.684449 Adj. R-squared 0.409204 0.413978 Sum sq. resids 2.72E+10 1.83E+09 S.E. equation 44072.65 11433.87 F-statistic 2.500699 2.530575 Log likelihood -318.1719 -281.7419 Akaike AIC 24.53125 21.83273 Schwarz SC 25.15517 22.45665 Mean dependent 53354.58 4568.996 S.D. dependent 57339.01 14936.06

Determinant Residual Covariance 2.40E+17 Log Likelihood (d.f. adjusted) -616.8694 Akaike Information Criteria 47.61995 Schwarz Criteria 48.86780



Hasil estimasi VAR antara D(PDB) dengan D(SKTR1)

D(PDB)

D(PDB(-1)) 0.266864 (0.17670) [ 1.51025] 0.1446

D(PDB(-2)) -0.103351 (0.17974) [-0.57499] 0.5709

D(PDB(-3)) -0.088699 (0.17433) [-0.50880] 0.6157

C 45829.25 (15458.9) [ 2.96458] 0.0069

D(SKTR1(-1)) -5.799660 (5.28469) [-1.09745] 0.2838

D(SKTR1(-2)) -1.417503 (5.31268) [-0.26682] 0.7920

D(SKTR1(-3)) 15.86950 (5.29864) [ 2.99501]

0.0065 R-squared 0.354063 Adj. R-squared 0.185558 Sum sq. resids 5.66E+10 S.E. equation 49604.35 F-statistic 2.101197 Log likelihood -362.9376 Akaike AIC 24.66251 Schwarz SC 24.98945 Mean dependent 50673.45 S.D. dependent 54965.42



Hasil estimasi VAR antara D(PDB) dengan D(SKTR2)

D(PDB) D(SKTR2)

D(PDB(-1)) 0.366199 0.033448 (0.23888) (0.02273) [ 1.53301] [ 1.47156] 0.1389 0.1547

D(PDB(-2)) -0.582250 -0.030982 (0.24088) (0.02292) [-2.41720] [-1.35174] 0..0240 0.1896

D(PDB(-3)) 0.061591 -0.033982 (0.25772) (0.02452) [ 0.23898] [-1.38576] 0.8132 0.1791

D(SKTR2(-1)) -0.084481 -0.530098 (2.70642) (0.25752) [-0.03122] [-2.05847] 0.9754 0.0510

D(SKTR2(-2)) 7.576596 0.383269 (2.91393) (0.27727) [ 2.60013] [ 1.38232] 0.0160 0.1802

D(SKTR2(-3)) -1.297165 0.290587 (3.27421) (0.31155) [-0.39618] [ 0.93272] 0.6956 0.3607

C 54983.10 1694.709 (19452.8) (1850.97) [ 2.82649]

0.0096 [ 0.91558]

0.3694 R-squared 0.305500 0.310029 Adj. R-squared 0.124326 0.130037 Sum sq. resids 6.08E+10 5.51E+08 S.E. equation 51435.24 4894.147 F-statistic 1.686225 1.722456 Log likelihood -364.0250 -293.4565 Akaike AIC 24.73500 20.03043 Schwarz SC 25.06194 20.35738 Mean dependent 50673.45 228.6294 S.D. dependent 54965.42 5247.187

Determinant Residual Covariance 5.16E+16 Log Likelihood (d.f. adjusted) -662.3577 Akaike Information Criteria 45.09051 Schwarz Criteria 45.74440



Hasil estimasi VAR antara D(PDB) dengan D(SKTR3) D(PDB)

D(PDB(-1)) 0.786946 (0.38719) [ 2.03247] 0.0978

D(PDB(-2)) 0.152787 (0.49211) [ 0.31047] 0.7687

D(PDB(-3)) 0.538040 (0.50569) [ 1.06397] 0.3360

D(PDB(-4)) 0.483060 (0.53364) [ 0.90522] 0.4068

D(PDB(-5)) -0.516003 (0.28128) [-1.83448] 0.1260

D(PDB(-6)) 1.237558 (1.60894) [ 0.76917] 0.4765

D(PDB(-7)) 1.722918 (0.66791) [ 2.57955] 0.0495

D(PDB(-8)) -2.012290 (0.55493) [-3.62621] 0.0151

D(PDB(-9)) -0.315381 (0.98647) [-0.31971] 0.7621

C 30678.64 (91956.4) [ 0.33362] 0.7522

D(SKTR3(-1)) 1.893198 (4.11824) [ 0.45971] 0.6650

D(SKTR3(-2)) -14.32911 (13.1788) [-1.08729] 0.3265

D(SKTR3(-3)) -28.39142 (14.5677) [-1.94892] 0.1088

D(SKTR3(-4)) -3.481935 (10.3612) [-0.33606] 0.7505

D(SKTR3(-5)) -17.88928 (16.3391) [-1.09488] 0.3235

D(SKTR3(-6)) -36.35476 (20.7168) [-1.75484] 0.1396

D(SKTR3(-7)) -9.168616 (11.3334) [-0.80899] 0.4553

D(SKTR3(-8)) -7.612239 (9.68638) [-0.78587] 0.4675



D(SKTR3(-9)) 32.91617 (14.2643) [2.30758]

0.0691

R-squared 0.907150 Adj. R-squared 0.572888 Sum sq. resids 7.70E+09 S.E. equation 39241.80 F-statistic 2.713891 Log likelihood -269.0911 Akaike AIC 24.00759 Schwarz SC 24.94022 Mean dependent 53824.31 S.D. dependent 60045.16

LAMPIRAN 5

Impulse respon D(PDB) dan D(TOTAL)

Response of D(PDB):

Period D(PDB) D(TOTAL)

1 53421.11 0.000000 2 16232.48 -3258.578 3 -7107.536 13719.93 4 -338.3347 3451.049 5 -3767.952 -2983.684 6 -3425.133 288.2248 7 1149.769 -679.6829 8 749.7019 -930.3099 9 34.78227 401.1110 10 377.3226 203.4928

Response of D(TOTAL): Period D(PDB) D(TOTAL)

1 -1183.898 15430.81 2 3870.209 -1629.230 3 -5877.725 -1178.028 4 -2192.789 1612.938 5 1525.534 -1561.709 6 -223.4571 -593.9096 7 144.6713 570.2546 8 510.7116 -100.8031 9 -155.9336 -10.86976 10 -112.1495 153.1545

Cholesky Ordering: D(PDB) D(TOTAL)



Impulse respon D(PDB) dan D(RTN)

Response of D(PDB): Period D(PDB) D(RTN)

1 55926.34 0.000000 2 15318.51 -1632.650 3 -5887.764 713.4352 4 -2707.798 358.7655 5 -164.5136 -172.8034 6 78.00153 -23.46046 7 174.3328 21.13616 8 60.00617 -7.167125 9 -32.02390 0.075369 10 -13.42219 2.485090

Response of D(RTN): Period D(PDB) D(RTN)

1 -9356.881 19708.87 2 4364.998 -5034.637 3 -14179.69 -1083.805 4 -1125.106 1321.948 5 3403.286 -385.4369 6 -31.28848 -157.0547 7 -345.2771 129.9418 8 77.52071 -7.853735 9 -23.00869 -19.04848 10 -20.12388 7.674277

Cholesky Ordering: D(PDB) D(RTN) Impulse respon D(PDB) dan D(PEMB)

Response of D(PDB): Period D(PDB) D(PEMB)

1 52923.15 0.000000 2 16249.88 -3100.240 3 -3031.002 17130.89 4 -6440.610 1952.914 5 -1296.311 -3606.732 6 1287.378 -1480.293 7 738.2251 379.3592 8 -86.98118 508.9541 9 -217.4733 71.91660 10 -49.29954 -107.8728

Response of D(PEMB): Period D(PDB) D(PEMB)

1 7261.507 12544.57 2 179.9078 -3363.487 3 -190.2447 1304.172 4 -401.0208 261.9395 5 -96.30114 -293.0553 6 90.75626 -95.96431 7 50.30401 28.90106 8 -6.767448 34.23567 9 -14.91311 4.603054 10 -3.217550 -7.485233

Cholesky Ordering: D(PDB) D(PEMB)



Impulse respon D(PDB) dan D(SKTR1)

Response of D(PDB): Period D(PDB) D(SKTR1)

1 55320.62 0.000000 2 14833.36 -8486.530 3 -5741.353 -3285.865 4 -3185.099 -22.20851 5 533.9448 319.1152 6 707.6960 -35.05415 7 59.71541 -94.03617 8 -104.6248 -23.61359 9 -27.85589 7.767251 10 13.66384 4.108584

Response of D(SKTR1): Period D(PDB) D(SKTR1)

1 116.0240 1843.948 2 3.944218 88.95456 3 -226.3107 128.0814 4 -73.17985 48.10770 5 5.670765 24.79114 6 8.817755 4.503302 7 -1.472743 0.530345 8 -2.473391 0.478264 9 -0.467268 0.456783 10 0.254816 0.153656

Cholesky Ordering: D(PDB) D(SKTR1) Impulse respon D(PDB) dan D(SKTR2)


1 49127.80 0.000000 2 16759.59 -1285.263 3 -6999.609 33203.00 4 -2354.652 -3591.843 5 -5573.133 -226.1727 6 -665.2755 -1640.635 7 1037.795 -3013.928 8 455.9730 743.1068 9 536.9098 97.29000 10 -58.36530 311.8340


1 1889.721 4403.760 2 1185.910 -2031.683 3 -1139.640 2527.452 4 -6.963204 -481.4489 5 -235.9033 -336.4721 6 -31.34196 112.2501 7 125.4069 -236.9063 8 0.994289 91.75054 9 23.20772 23.05106 10 -6.409345 -2.559517

Cholesky Ordering: D(PDB) D(SKTR2)



Impulse respon D(PDB) dan D(SKTR3)


1 51734.19 0.000000 2 17257.52 -9115.450 3 -4295.326 16827.64 4 -2200.681 8364.096 5 -3439.246 -1596.117 6 -2639.579 -597.2152 7 110.0806 -840.0717 8 646.4038 -1055.713 9 352.6711 -76.78526 10 228.4384 224.2014


1 1212.778 3242.556 2 494.8348 -105.7579 3 -790.4648 268.9654 4 -326.3383 344.8652 5 -9.509591 -248.6226 6 -25.17027 -145.8830 7 44.77083 4.550991 8 52.35151 -12.45825 9 7.622528 7.658906 10 -4.381852 19.75928


LAMPIRAN 6

Variance Decomposition D(PDB) dan D(TOTAL)

Variance Decomposition of D(PDB): Period S.E. D(PDB) D(TOTAL)

1 53421.11 100.0000 0.000000 2 55927.87 99.66053 0.339469 3 58023.10 94.09344 5.906558 4 58126.62 93.76197 6.238032 5 58324.99 93.54263 6.457369 6 58426.18 93.56255 6.437453 7 58441.45 93.55238 6.447617 8 58453.66 93.52975 6.470253 9 58455.05 93.52535 6.474654

10 58456.62 93.52448 6.475518

Variance Decomposition of D(TOTAL): Period S.E. D(PDB) D(TOTAL)

1 15476.16 0.585197 99.41480 2 16035.73 6.370010 93.62999 3 17119.58 17.37676 82.62324 4 17334.64 18.54842 81.45158 5 17471.58 19.02120 80.97880 6 17483.10 19.01248 80.98752 7 17492.99 18.99782 81.00218 8 17500.74 19.06617 80.93383 9 17501.43 19.07259 80.92741

10 17502.46 19.07445 80.92555

Cholesky Ordering: D(PDB) D(TOTAL)



Variance Decomposition D(PDB) dan D(RTN)

Variance Decomposition of D(PDB): Period S.E. D(PDB) D(RTN)

1 55926.34 100.0000 0.000000 2 58009.29 99.92079 0.079212 3 58311.69 99.90664 0.093362 4 58375.63 99.90307 0.096934 5 58376.11 99.90219 0.097809 6 58376.17 99.90217 0.097825 7 58376.43 99.90216 0.097837 8 58376.47 99.90216 0.097839 9 58376.47 99.90216 0.097839 10 58376.48 99.90216 0.097839

Variance Decomposition of D(RTN): Period S.E. D(PDB) D(RTN)

1 21817.21 18.39347 81.60653 2 22812.09 20.48543 79.51457 3 26881.77 42.57616 57.42384 4 26937.77 42.57380 57.42620 5 27154.63 43.46725 56.53275 6 27155.11 43.46587 56.53413 7 27157.61 43.47402 56.52598 8 27157.72 43.47447 56.52553 9 27157.74 43.47449 56.52551 10 27157.75 43.47452 56.52548

Cholesky Ordering: D(PDB) D(RTN)

Variance Decomposition D(PDB) dan D(PEMB)

Variance Decomposition of D(PDB):

Period S.E. D(PDB) D(PEMB)

1 52923.15 100.0000 0.000000 2 55448.44 99.68738 0.312617 3 58113.55 91.02570 8.974305 4 58501.96 91.03303 8.966969 5 58627.37 90.69289 9.307114 6 58660.18 90.63961 9.360385 7 58666.06 90.63731 9.362693 8 58668.33 90.63051 9.369494 9 58668.77 90.63050 9.369501 10 58668.89 90.63020 9.369801

Variance Decomposition of D(PEMB): Period S.E. D(PDB) D(PEMB)

1 14494.68 25.09785 74.90215 2 14880.90 23.82659 76.17341 3 14939.15 23.65736 76.34264 4 14946.82 23.70505 76.29495 5 14950.01 23.69910 76.30090 6 14950.59 23.70094 76.29906 7 14950.70 23.70171 76.29829 8 14950.74 23.70161 76.29839 9 14950.75 23.70168 76.29832 10 14950.75 23.70168 76.29832

Cholesky Ordering: D(PDB) D(PEMB)



Variance Decomposition D(PDB) dan D(SKTR1)

Variance Decomposition of D(PDB): Period S.E. D(PDB) D(SKTR1)

1 55320.62 100.0000 0.000000 2 57900.09 97.85167 2.148334 3 58276.76 97.56143 2.438566 4 58363.74 97.56868 2.431317 5 58367.05 97.56597 2.434031 6 58371.35 97.56629 2.433708 7 58371.46 97.56604 2.433959 8 58371.56 97.56603 2.433967 9 58371.56 97.56603 2.433968 10 58371.56 97.56603 2.433968

Variance Decomposition of D(SKTR1): Period S.E. D(PDB) D(SKTR1)

1 1847.595 0.394350 99.60565 2 1849.739 0.393891 99.60611 3 1867.928 1.854135 98.14586 4 1869.980 2.003216 97.99678 5 1870.153 2.003765 97.99624 6 1870.179 2.005932 97.99407 7 1870.180 2.005992 97.99401 8 1870.182 2.006164 97.99384 9 1870.182 2.006170 97.99383 10 1870.182 2.006171 97.99383




Period S.E. D(PDB) D(SKTR2)

1 49127.80 100.0000 0.000000 2 51923.76 99.93873 0.061271 3 62028.30 71.30375 28.69625 4 62176.81 71.10696 28.89304 5 62426.49 71.33630 28.66370 6 62451.59 71.29032 28.70968 7 62532.89 71.13262 28.86738 8 62538.97 71.12411 28.87589 9 62541.35 71.12607 28.87393 10 62542.15 71.12433 28.87567


1 4792.092 15.55052 84.44948 2 5338.377 17.46572 82.53428 3 6015.402 17.34475 82.65525 4 6034.642 17.23446 82.76554 5 6048.617 17.30702 82.69298 6 6049.740 17.30328 82.69672 7 6055.675 17.31227 82.68773 8 6056.370 17.30829 82.69171 9 6056.458 17.30926 82.69074 10 6056.462 17.30935 82.69065






Period S.E. D(PDB) D(SKTR3)

1 51734.19 100.0000 0.000000 2 55293.21 97.28223 2.717770 3 57956.52 89.09600 10.90400 4 58598.29 87.29617 12.70383 5 58720.83 87.27525 12.72475 6 58783.16 87.29190 12.70810 7 58789.26 87.27412 12.72588 8 58802.29 87.24753 12.75247 9 58803.40 87.24784 12.75216 10 58804.27 87.24676 12.75324


1 3461.936 12.27226 87.72774 2 3498.721 14.01589 85.98411 3 3596.974 18.09001 81.90999 4 3628.175 18.58924 81.41076 5 3636.696 18.50291 81.49709 6 3639.708 18.47709 81.52291 7 3639.986 18.48939 81.51061 8 3640.384 18.50603 81.49397 9 3640.400 18.50631 81.49369 10 3640.456 18.50588 81.49412


- o0o -

Documents

Vol4No1_Luki