Uji Kointegrasi Metode Pengumpulan Data

50 Tabel 4.2. Hasil Uji Stasioneritas – ADF Test pada First Difference Tanpa Tren Variabel t-statistic Keterangan Nilai ADF McKinnon 1 5 10 M1 -6.889905 -3.584743 -2.928142 -2.602225 Stasioner M2 -8.787332 -3.581152 -2.926622 -2.601424 Stasioner VTATM -5.666488 -3.600987 -2.935001 -2.605836 Stasioner VTKK -5.713612 -3.600987 -2.935001 -2.605836 Stasioner VTE -9.927890 -3.581152 -2.926622 -2.601424 Stasioner VTKLIRING -8.553965 -3.584743 -2.928142 -2.602225 Stasioner VTRTGS -6.517804 -3.592462 -2.931404 -2.603944 Stasioner NTATM -6.499457 -3.600987 -2.935001 -2.605836 Stasioner NTKK -5.530286 -3.600987 -2.935001 -2.605836 Stasioner NTE -8.520118 -3.584743 -2.928142 -2.602225 Stasioner NTKLIRING -9.953422 -3.584743 -2.928142 -2.602225 Stasioner NTRTGS -7.388482 -3.581152 -2.926622 -2.601424 Stasioner Keterangan: data stasioner pada taraf nyata 1 persen, 5 persen, dan 10 persen data stasioner pada taraf nyata 5 persen dan 10 persen data stasioner pada taraf nyata 10 persen Sumber: Data Olahan Eviews, Lampiran 3 Dengan demikian, sesuai dengan hasil uji unit root pada Tabel 4.2. diatas dapat disimpulkan bahwa seluruh variabel yang digunakan dalam penelitian ini telah stasioner pada tingkat first-difference. Dengan kata lain, variabel tersebut terintegrasi pada derajat yang sama yaitu pada derajat intergrasi satu I1.

4.2.2. Uji Kointegrasi

Uji kointegrasi ini dilakukan dalam rangka untuk memperoleh hubungan jangka panjang yang stabil antar variabel. Berdasarkan hasil pengujian unit root seluruh variabel telah terintegrasi pada derajat yang sama yaitu derajat satu, I1, dengan demikian seluruh varabel telah memenuhi persyaratan untuk proses integrasi dan pengujian kointegrasi dapat dilakukan. Pada penelitian ini pengujian kointegrasi dilakukan dengan metode Johansen Cointegration Test. Universitas Sumatera Utara Universitas Sumatera Utara 51 Pada Tabel 4.3 berikut ini menunjukkan hasil pengujian Johansen Cointegration pada persamaan M1 dengan menngunakan asumsi deterministic 3 linear, intercept no trend. Bedasarkan uji trace statistic dan max-eigenvalues statistic data variabel pada persamaan M1 menunjukkan terdapat sejumlah hubungan kointergrasi pada tingkat signifikansi 5 persen. Berdasarkan uji trace statistic menunjukkan terdapat delapan hubungan kointegrasi, sedangkan berdasarkan uji max-eigenvalues statistic menunjukkan terdapat dua hubungan kointegrasi pada persamaan M1. Hal ini terlihat dari perbandingan nilai trace statistic-nya dan max-eigenvalues statistic-nya yang lebih besar dibandingkan nilai kritisnya. Tabel 4.3. Hasil Uji Kointegrasi Variabel-Variabel Persamaan M1 Cointegration Rank Test Trace Cointegration Rank Test Maximum Eigenvalue Hypothesized No. of CEs Trace Statistic 0.05 Critical Value Hypothesized No. of CEs Max-Eigen Statistic 0.05 Critical Value None 392.6288 285.1425 None 93.01939 70.53513 At most 1 299.6094 239.2354 At most 1 67.83643 64.50472 At most 2 231.7730 197.3709 At most 2 52.47754 58.43354 At most 3 179.2954 159.5297 At most 3 47.22422 52.36261 At most 4 132.0712 125.6154 At most 4 27.93523 46.23142 At most 5 104.1360 95.75366 At most 5 26.79110 40.07757 At most 6 77.34487 69.81889 At most 6 25.55443 33.87687 At most 7 51.79044 47.85613 At most 7 23.62044 27.58434 At most 8 28.17000 29.79707 At most 8 18.17695 21.13162 At most 9 9.993051 15.49471 At most 9 9.415337 14.26460 At most 10 0.577714 3.841466 At most 10 0.577714 3.841466 Trace test indicates 8 cointegrating eqns at the 0.05 level. denotes rejection of the hypothesis at the 0.05 level. Max-eigenvalue test indicates 2 cointegrating eqns at the 0.05 level. denotes rejection of the hypothesis at the 0.05 level. Sumber: Data Olahan Eviews, Lampiran 4 Universitas Sumatera Utara Universitas Sumatera Utara 52 Pada Tabel 4.4 berikut ini menunjukkan hasil pengujian Johansen Cointegration pada persamaan M2 dengan menngunakan asumsi deterministic 3 linear, intercept no trend. Bedasarkan uji trace statistic dan max-eigenvalues statistic data variabel pada persamaan M2 menunjukkan terdapat sejumlah hubungan kointergrasi pada tingkat signifikansi 5 persen. Berdasarkan uji trace statistic menunjukkan terdapat delapan hubungan kointegrasi, sedangkan berdasarkan uji max-eigenvalues statistic menunjukkan terdapat dua hubungan kointegrasi pada persamaan M2. Hal ini terlihat dari perbandingan nilai trace statistic-nya dan max-eigenvalues statistic-nya yang lebih besar dibandingkan nilai kritisnya. Tabel 4.4. Hasil Uji Kointegrasi Variabel-Variabel Persamaan M2 Cointegration Rank Test Trace Cointegration Rank Test Maximum Eigenvalue Hypothesized No. of CEs Trace Statistic 0.05 Critical Value Hypothesized No. of CEs Max- Eigen Statistic 0.05 Critical Value None 404.2748 285.1425 None 85.61264 70.53513 At most 1 318.6621 239.2354 At most 1 71.54004 64.50472 At most 2 247.1221 197.3709 At most 2 56.31920 58.43354 At most 3 190.8029 159.5297 At most 3 53.61780 52.36261 At most 4 137.1851 125.6154 At most 4 33.43892 46.23142 At most 5 103.7462 95.75366 At most 5 28.40735 40.07757 At most 6 75.33883 69.81889 At most 6 26.08026 33.87687 At most 7 49.25858 47.85613 At most 7 20.49609 27.58434 At most 8 28.76249 29.79707 At most 8 18.77738 21.13162 At most 9 9.985107 15.49471 At most 9 7.840782 14.26460 At most 10 2.144325 3.841466 At most 10 2.144325 3.841466 Trace test indicates 8 cointegrating eqns at the 0.05 level. denotes rejection of the hypothesis at the 0.05 level. Max-eigenvalue test indicates 2 cointegrating eqns at the 0.05 level. denotes rejection of the hypothesis at the 0.05 level. Sumber: Data Olahan Eviews, Lampiran 5 Universitas Sumatera Utara Universitas Sumatera Utara 53 Berdasarkan hasil uji kointegrasi yang telah dilakukan menunjukkan adanya hubungan kointegrasi pada persamaan M1 dan persamaan M2 pada tingkat signifikansi 5 persen. Hal ini berarti terdapat hubungan jangka panjang antara jumlah uang beredar dalam arti sempit M1-narrow money dan jumlah uang beredar dalam arti luas M2-broad money dengan variabel-variabel yang mempengaruhinya yakni pembayaran non tunai yang didekati dengan empat pilihan transaksi yaitu BI-RTGS, SKNBI, APMK dan e-money. 4.2.3. Analisis Error Correction Model ECM Dalam penelitian ini Error Correction Model digunakan untuk mengestimasi model jangka pendek dinamis. Setelah melakukan uji kointegrasi dari Johansen terbukti bahwa terdapat keseimbangan jangka panjang antara M1 dengan variabel-variabel pembayaran non tunai dan M2 dengan variabel pembayaran non tunai. Hasil estimasi persamaan M1 dan persamaan M2 dalam jangka panjang ditunjukkan pada Tabel 4.5 berikut ini. Universitas Sumatera Utara Universitas Sumatera Utara 54 Tabel 4.5. Hasil Estimasi Jangka Panjang Pengaruh Pembayaran Non Tunai terhadap Jumlah Uang Beredar Dependen Variabel: M1 Dependen Variabel: M2 Variable Coefficient t-Statistic Variable Coefficient t-Statistic VTATM 0.020456 0.102460 VTATM 0.255092 1.614049 VTKK -0.344789 -1.355340 VTKK -0.200554 -0.995897 VTE 0.076006 2.156282 VTE 0.109413 3.921194 VTKLIRING 0.050884 0.388221 VTKLIRING -0.198711 -1.915181 VTRTGS 0.001617 0.012109 VTRTGS 0.063721 0.602639 NTATM 0.478318 1.982533 NTATM 0.103944 0.544244 NTKK 0.212455 0.849588 NTKK 0.154473 0.780339 NTE 0.008671 0.256933 NTE -0.022422 -0.839296 NTKLIRING -0.107266 -0.988351 NTKLIRING 0.099067 1.153103 NTRTGS 0.043215 1.731694 NTRTGS 0.037065 1.876263 C 5.320534 2.787913 C 7.116031 4.710326 R-squared 0.977036 R-squared 0.984299 Adjusted R-squared 0.970830 Adjusted R-squared 0.980056 Keterangan: signifikan pada α =1 persen signifikan pada α =5 persen signifikan pada α = 10 persen Sumber: Data Olahan Eviews, Lampiran 6, Lampiran 7 Berdasarkan Tabel 4.5 diatas, terdapat tiga variabel yang signifikan mempengaruhi jumlah uang beredar M1 dan M2. Penggunaan e-money melalui proxy volume transaksi e-money berpengaruh positif dan signifikan terhadap jumlah uang beredar M1 dan M2. Pengaruh yang positif dan signifikan juga ditunjukkan oleh penggunaan APMK melalui proxy nilai transaksi ATMDebet terhadap M1. Penggunaan SKNBI melalui proxy volume transaksi kliring berpengaruh negatif dan signifikan terhadap M2. Selanjutnya transaksi BI-RTGS melalui proxy nilai transaksi BI-RTGS menunjukkan pengaruh yang positif dan signifikan terhadap jumlah uang beredar M1 dan M2. Setelah melihat hunbungan jangka panjang selanjutnya adalah melihat hubungan jangka pendek dari variabel-variabel yang digunakan dalam model ECM. Hasil estimasi persamaan jangka pendek M1 dan M2 digunakan untuk Universitas Sumatera Utara Universitas Sumatera Utara 55 melihat perilaku jangka pendek dari persamaan dengan mengestimasi dinamika error correction term, yaitu ECT1-1 dan ECT2-1. Hasil estimasi jangka pendek dengan pendekatan ECM Engle-Granger persamaan M1 ditunjukkan dalam Tabel 4.6 berikut ini. Tabel 4.6. Hasil Estimasi ECM Pengaruh Pembayaran Non Tunai terhadap Jumlah Uang Beredar dalam Arti Sempit M1-Narrow Money Variabel Coefficient Std. Error t-Statistic Prob. C 0.011108 0.003913 2.838336 0.0093 DM1-1 0.245064 0.152274 1.609365 0.1212 DVTATM -0.124728 0.127368 -0.979278 0.3376 DVTATM-1 -0.012256 0.242011 -0.050640 0.9600 DVTKK 0.035009 0.171820 0.203752 0.8403 DVTKK-1 0.388537 0.148280 2.620286 0.0153 DVTE -0.030918 0.038454 -0.804041 0.4296 DVTE-1 0.062610 0.044326 1.412489 0.1712 DVTKLIRING 0.321420 0.091010 3.531688 0.0018 DVTKLIRING-1 0.076207 0.090520 0.841890 0.4085 DVTRTGS -0.097746 0.091035 -1.073718 0.2941 DVTRTGS-1 0.015482 0.077939 0.198637 0.8443 DNTATM 0.343695 0.129857 2.646722 0.0144 DNTATM-1 -0.025600 0.209154 -0.122398 0.9036 DNTKK -0.201127 0.143673 -1.399896 0.1749 DNTKK-1 -0.309514 0.151996 -2.036330 0.0534 DNTE 0.045129 0.018580 2.428843 0.0234 DNTE-1 -0.058135 0.020854 -2.787742 0.0105 DNTKLIRING -0.252364 0.104203 -2.421842 0.0237 DNTKLIRING-1 -0.139797 0.094230 -1.483570 0.1515 DNTRTGS 0.095399 0.026541 3.594349 0.0015 DNTRTGS-1 -0.021663 0.030208 -0.717150 0.4805 ECT1-1 -0.509278 0.135039 -3.771339 0.0010 R-squared 0.850237 Akaike info criterion -5.169282 Adjusted R-squared 0.706985 Schwarz criterion -4.254961 F-statistic 5.935268 Durbin-Watson stat 2.004579 Sumber: Data Olahan Eviews, Lampiran 8 Bersarkan hasil estimasi persamaan jangka pendek pada Tabel 4.6 di atas memperlihatkan bahwa banyak variabel yang tidak signifikan secara statistik. Salah satu kelebihan dari model ECM adalah dapat mengeliminiasi variabel- Universitas Sumatera Utara Universitas Sumatera Utara 56 variabel yang tidak signifikan tanpa menimbulkan masalah terhadap diagnostic statistic, untuk meningkatkan efisiensi dari estimasi. Oleh karena itu, hasil estimasi persamaan jangka pendek dapat dilakukan dengan melakukan retriksi terhadap variabel-variabel yang berpengaruh signifikan. Hasil estimasi ECM yang signifikan dapat dilihat pada Tabel 4.7 berikut ini. Tabel 4.7. Hasil Estimasi ECM Pengaruh Pembayaran Non Tunai terhadap Jumlah Uang Beredar dalam Arti Sempit M1- Narrow Money yang Signifikan Variabel Coefficient Std. Error t-Statistic Prob. C 0.010654 0.002760 3.860257 0.0005 DVTKK-1 0.247947 0.123461 2.008297 0.0522 DVTKLIRING 0.156273 0.053863 2.901285 0.0063 DNTATM 0.149253 0.058072 2.570161 0.0144 DNTKK-1 -0.193687 0.094660 -2.046135 0.0481 DNTE 0.045916 0.014762 3.110388 0.0036 DNTE-1 -0.022367 0.014190 -1.576189 0.1237 DNTKLIRING -0.185082 0.058708 -3.152594 0.0033 DNTRTGS 0.059069 0.023727 2.489570 0.0175 ECT1-1 -0.547199 0.119603 -4.575108 0.0001 R-squared 0.707856 Akaike info criterion -5.066306 Adjusted R-squared 0.634820 Schwarz criterion -4.668775 F-statistic 9.691861 Durbin-Watson stat 1.940775 Sumber: Data Olahan Eviews, Lampiran 10 Hasil estimasi model ECM menunjukan nilai ECT yang signifikan secara statistik , dengan p value sebesar 0.0001. Hal ini berarti model spesifikasi ECM yang digunakan dalam penelitian ini adalah valid. Berdasarkan Tabel 4.7, koefisien koreksi kesalahan ECT1-1 memiliki nilai negatif dan secara absolut kurang dari satu. Nilai koefisien ECt adalah 0.547199 mempunyai makna bahwa perbedaan antara nilai aktual M1 dengan nilai keseimbangannya sebesar 0.547199 akan disesuaikan dalam waktu dua bulanan. Universitas Sumatera Utara Universitas Sumatera Utara 57 Hasil estimasi jangka pendek dengan pendekatan ECM Engle-Granger persamaan M2 ditunjukkan dalam Tabel 4.6 berikut ini. Tabel 4.8. Hasil Estimasi ECM Pengaruh Pembayaran Non Tunai terhadap Jumlah Uang Beredar dalam Arti Luas M2- Broad Money Variabel Coefficient Std. Error t-Statistic Prob. C 0.011179 0.002461 4.542666 0.0001 DM2-1 0.328503 0.160962 2.040868 0.0529 DVTATM -0.042485 0.060858 -0.698108 0.4921 DVTATM-1 -0.009238 0.114834 -0.080449 0.9366 DVTKK 0.075834 0.080573 0.941184 0.3564 DVTKK-1 0.111950 0.070933 1.578256 0.1282 DVTE -0.027757 0.018176 -1.527068 0.1404 DVTE-1 0.006962 0.021146 0.329241 0.7450 DVTKLIRING 0.132765 0.042827 3.100000 0.0050 DVTKLIRING-1 0.073887 0.042158 1.752603 0.0930 DVTRTGS 0.075871 0.043746 1.734353 0.0962 DVTRTGS-1 -0.066704 0.039388 -1.693498 0.1039 DNTATM 0.043595 0.061326 0.710868 0.4843 DNTATM-1 0.006514 0.099706 0.065331 0.9485 DNTKK 0.025744 0.066286 0.388378 0.7013 DNTKK-1 -0.036794 0.073133 -0.503117 0.6197 DNTE 0.012962 0.008895 1.457213 0.1586 DNTE-1 -0.037523 0.010014 -3.747226 0.0011 DNTKLIRING -0.233121 0.052070 -4.477045 0.0002 DNTKLIRING-1 -0.094546 0.045314 -2.086474 0.0482 DNTRTGS 0.049908 0.013308 3.750141 0.0010 DNTRTGS-1 0.020076 0.014147 1.419084 0.1693 ECT2-1 -0.288223 0.092501 -3.115889 0.0049 R-squared 0.864734 Akaike info criterion -6.646855 Adjusted R-squared 0.735349 Schwarz criterion -5.732534 F-statistic 6.683424 Durbin-Watson stat 2.021831 Sumber: Data Olahan Eviews, Lampiran 9 Untuk mengefisienkan hasil estimasi ECM maka variabel yang tidak signifikan dapat dieliminasi. Oleh karena itu, hasil estimasi persamaan jangka pendek dilakukan dengan melakukan retriksi terhadap variabel-variabel yang Universitas Sumatera Utara Universitas Sumatera Utara 58 berpengaruh signifikan. Hasil estimasi ECM yang signifikan dapat dilihat pada Tabel 4.9 berikut ini. Tabel 4.9. Hasil Estimasi ECM Pengaruh Pembayaran Non Tunai terhadap Jumlah Uang Beredar dalam Arti Luas M2- Broad Money yang Signifikan Variabel Coefficient Std. Error t-Statistic Prob. C 0.012429 0.001992 6.239739 0.0000 DM2-1 0.150724 0.139486 1.080566 0.2871 DVTKLIRING 0.131727 0.032521 4.050469 0.0003 DVTKLIRING-1 0.065982 0.030357 2.173526 0.0364 DVTRTGS 0.063317 0.033415 1.894888 0.0662 DNTE-1 -0.023347 0.007166 -3.258136 0.0025 DNTKLIRING -0.181153 0.035203 -5.145958 0.0000 DNTKLIRING-1 -0.090592 0.031414 -2.883799 0.0066 DNTRTGS 0.058353 0.011433 5.103747 0.0000 ECT2-1 -0.248492 0.081252 -3.058303 0.0042 R-squared 0.746728 Akaike info criterion -6.584853 Adjusted R-squared 0.683410 Schwarz criterion -6.187322 F-statistic 11.79332 Durbin-Watson stat 2.087185 Sumber: Data Olahan Eviews, Lampiran 11 Hasil estimasi model ECM menunjukan nilai ECT yang signifikan secara statistik, dengan p value sebesar 0.0042. Hal ini berarti model spesifikasi ECM yang digunakan dalam penelitian ini adalah valid. Berdasarkan Tabel 4.9, koefisien koreksi kesalahan ECT1-1 memiliki nilai negatif dan secara absolut kurang dari satu. Nilai koefisien ECt adalah 0.248492 mempunyai makna bahwa perbedaan antara nilai aktual M1 dengan nilai keseimbangannya sebesar 0.248492 akan disesuaikan dalam waktu empat bulanan. Dengan kata lain, jumlah uang beredar dalam ati luas M2 tidak terlalu responsif terhadap error di waktu sebelumnya, ketidakseimbangan dikoreksi dengan lambat.

4.2.4. Uji Asumsi Klasik