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