pengaruh 18,44 dan LOGGDP sebesar 8,36 serta LOGINF sebesar 9,71. Pada jangka menengah atau periode 40, LOGM1D sudah mempunyai pengaruh
0,39 dan LOGGDP sebesar 38,88 serta LOGINF sebesar 10,03. Pada jangka panjang atau periode 100, LOGM1D mempunyai pengaruh 10,36 dan
LOGGDP sebesar 47,17 serta LOGINF sebesar 9,06. Secara keseluruhan diperoleh hasil bahwa variabel GDP memberikan kontribusi yang lebih besar dalam
menjelaskan variabilitas INR dibandingkan M1D dan INF dalam jangka menengah dan panjang. Dari hasil variance decomposition suku bunga deposito 3 bulan INR
diproleh hasil bahwa jangka menengah dan panjang kontribusi Produk Domestik Bruto GDP cukup besar terhadap suku bunga deposito.
Tabel 4.20. Variance Decomposition INR
Variance Decomposition of LOGINR:
Period S.E.
LOGM1D LOGGDP
LOGINR LOGINF
1 0.109576
16.57758 1.660522
81.76190 0.000000
2 0.172319
15.68900 5.389833
73.84702 5.074146
3 0.218281
17.85755 6.891808
67.17756 8.073082
4 0.249875
18.44592 8.358423
63.48669 9.708966
5 0.271977
18.57885 9.771556
61.00949 10.64011
6 0.287794
18.43833 11.19381
59.17651 11.19135
7 0.299485
18.17091 12.61709
57.69038 11.52162
8 0.308432
17.84229 14.03228
56.41030 11.71513
9 0.315526
17.49007 15.42725
55.26311 11.81957
10 0.321348
17.13479 16.79152
54.20991 11.86379
40 0.388198
12.06791 38.88228
39.01962 10.03018
100 0.420217
10.35728 47.16686
33.41534 9.060518
Sumber : Data diolah dengan Eviews
D. Variance Decomposition dari INF
Dari tabel 4.21 dan gambar 4.2 ditunjukkan bahwa LOGINR pada periode 1, perkiraan error variance LOGINF sebesar 41,66 sedangkan LOGM1D sudah
Wahid Sulaiman : Analisis Permintaan Uang di Indonesia Dengan Pendekatan Stok Penyangga, 2008 USU e-Repository © 2008
mempunyai pengaruh terhadap perkiraan error variance sebesar 6,84 sedangkan variabel LOGGDP sebesar 23,72 dan LOGINR mempunyai pengaruh sebesar
27,78. Pada periode 2, LOGM1D sudah mempunyai pengaruh terhadap perkiraan error variance sebesar 22,29 dan LOGGDP sebesar 18,29 serta LOGINR
sebesar 22,35. Sampai dengan jangka pendek atau periode 4, LOGM1D sudah mempunyai pengaruh 22,21 dan LOGGDP sebesar 18,20 serta LOGINR
sebesar 22,28. Pada jangka menengah atau periode 40, LOGM1D sudah mempunyai pengaruh 22,16 dan LOGGDP sebesar 18,36 serta LOGINR
sebesar 22,28. Pada jangka panjang atau periode 100, LOGM1D mempunyai pengaruh 22,13 dan LOGGDP sebesar 18,44 serta LOGINR sebesar 22,25.
Secara keseluruhan diperoleh hasil bahwa variabel INR dan M1D memberikan kontribusi yang lebih besar dalam menjelaskan variabilitas INF dibandingkan GDP
dalam pendek, menengah dan panjang. Dari hasil variance decomposition inflasi INF diperoleh hasil bahwa baik dalam jangka pendek, menengah dan panjang yang
memberikan kontribusi adalah perubahan pada harga-harga barang dan pada keempat variabel yang ada memberikan nilai yang konvergen.
Wahid Sulaiman : Analisis Permintaan Uang di Indonesia Dengan Pendekatan Stok Penyangga, 2008 USU e-Repository © 2008
Tabel 4.21. Variance Decomposition INF
Variance Decomposition of LOGINF:
Period S.E.
LOGM1D LOGGDP
LOGINR LOGINF
1 0.708750
6.842675 23.71542
27.77856 41.66335
2 0.807864
22.28828 18.29014
22.35131 37.07027
3 0.811425
22.14383 18.22971
22.31317 37.31329
4 0.812085
22.21405 18.20211
22.27693 37.30691
5 0.812132
22.21177 18.20217
22.28251 37.30355
6 0.812229
22.20800 18.20450
22.29150 37.29600
7 0.812342
22.20576 18.20696
22.29839 37.28889
8 0.812445
22.20343 18.21056
22.30310 37.28292
9 0.812533
22.20116 18.21496
22.30596 37.27792
10 0.812607
22.19888 18.22000
22.30747 37.27365
40 0.813457
22.15567 18.35825
22.27655 37.20953
100 0.813908
22.13155 18.44365
22.25273 37.17207
Sumber : Data diolah dengan Eviews
20 40
60 80
100
5 10
15 20
25 30
35 40
LOGM1D LOGGDP
LOGINR LOGINF
Variance Decomposition of LOGM1D
20 40
60 80
100
5 10
15 20
25 30
35 40
LOGM1D LOGGDP
LOGINR LOGINF
Variance Decom position of LOGGDP
10 20
30 40
50 60
70 80
90
5 10
15 20
25 30
35 40
LOGM1D LOGGDP
LOGINR LOGINF
Variance Decomposition of LOGINR
5 10
15 20
25 30
35 40
45
5 10
15 20
25 30
35 40
LOGM1D LOGGDP
LOGINR LOGINF
Variance Decom position of LOGINF
Gambar 4.2. Gambar Variance Decomposition
Wahid Sulaiman : Analisis Permintaan Uang di Indonesia Dengan Pendekatan Stok Penyangga, 2008 USU e-Repository © 2008
Untuk menguji stabilitas model, dalam penelitian ini menggunakan lag structure – AR roots Roots of Characteristic Polynomial dan Inverse Roots of AR
Characteristic Polynomial, hal ini dapat ditunjukkan pada lampiran 3 bahwa nilai modulus pada semua nilai root di bawah 1 dan pada gambar Inverse Roots of AR
Characteristic Polynomial semua root berada didalam lingkaran.
4.3.9 Uji Signifikansi
Uji autokorelasi ini dilakukan untuk mengetahui adanya saling ketergantungan antara faktor penganggu yang berhubungan dengan observasi yang
dipengaruhi oleh unsur gangguan yang berhubungan dengan pengamatan lainnya. Untuk mengetahui adanya autokorelasi atau tidak dengan menggunakan uji Lagrange
Multiplier Test LM Test. Hasil estimasi dengan menggunakan uji LM test dengan menggunakan lag 1 diperoleh hasil bahwa nilai probabilitas 0,05 maka dapat
disimpulkan tidak dapat menolak Ho atau dengan kata lain tidak terjadi autokorelasi. lihat lampiran 4
Wahid Sulaiman : Analisis Permintaan Uang di Indonesia Dengan Pendekatan Stok Penyangga, 2008 USU e-Repository © 2008
