101
pelaku usaha melakukan penyesuaian produksi yang berdampak pula pada penurunan impor, walaupun keadaan ini tidak bertahan lama sehingga
impor kembali meningkat pada periode berikutnya Bank Indonesia, 2012: 57.
B. Analisis dan Pembahasan
1. Analisis dan Interpretasi Alat analisis yang digunakan dalam penelitian ini adalah Vector
Autoregressive VAR. Berikut akan disajikan hasil uji dan
pembahasannya. a. Uji Stasioneritas Data Derajat Integrasi
1 Uji Stasioneritas Data Langkah pertama yang harus dilakukan dalam estimasi
model ekonomi dengan data time series adalah dengan menguji stasioneritas pada data atau disebut juga stationary stochastic
process . Uji stasioneritas data ini dapat dilakukan dengan
menggunakan Augmented Dickey Fuller ADF pada derajat yang sama level atau different hingga diperoleh suatu data yang
stasioner, yaitu data yang variansnya tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya.
Shochrul R. Ajija, dkk, 2011: 165.
102
Tabel 4.1 Uji Stasioneritas Data
Variabel Probabilitas ADF
t-Statistic ADF Critical Value 5 level
PDB 0.1188
-3.098546 -3.510740
Ekspor Neto 0.5213
-2.121370 -3.504330
Inflasi 0.1078
-3.146727 -3.508508
PMDN 0.0010
-4.963673 -3.502373
PMA 0.0000
-6.479385 -3.500495
Sumber: Lampiran 2
Berdasarkan Tabel. 4.1, terlihat bahwa variabel PMDN dan PMA telah stasioner pada tingkat level atau I0. Hal ini
disebabkan karena nilai probabilitas variabel PMDN dan PMA lebih kecil dari
= 5. Hal ini juga dapat dibuktikan dengan melihat pada Critical Value 5 level yang nilainya lebih kecil
dibandingkan dengan t-Statistic ADF. Artinya, variabel PMDN dan PMA telah stasioner pada tingkat level atau I0. Sedangkan
untuk variabel PDB, Ekspor neto dan inflasi, karena nilai probabilitasnya lebih besar daripada
= 5 dan Critical Value 5 level yang nilainya lebih besar dibandingkan dengan t-
Statistic ADF, maka variabel PDB, Ekspor Neto dan inflasi belum
stasioner pada tingkat level atau I0. Dengan demikian, pengujian dilanjutkan dengan uji derajat integrasi.
2 Uji Derajat Integrasi Setelah dilakukan uji stasioneritas dan hasilnya adalah
variabel PDB, Ekspor Neto dan inflasi belum stasioner pada
103
tingkat level atau I0, maka dilakukanlah uji derajat integrasi. Uji derajat integrasi dilakukan dengan melihat probabilitas pada ADF
Unit Root Test dan dengan melihat pada tingkat differencekeberapa
variabel tersebut stasioner. Tabel 4.2
Uji Derajat Integrasi First Difference
Variabel Probabilitas ADF
t-Statistic ADF Critical Value 5 level
PDB 0.0023
-4.693650 -3.508508
Ekspor Neto 0.0000
-15.54215 -3.502373
Inflasi 0.0005
-5.200760 -3.508508
Sumber: Lampiran 3
Berdasarkan Tabel. 4.2 Uji Derajat Integrasi First Difference
, terlihat bahwa variabel PDB, Ekspor Netodan inflasi telah stasioner di tingkat derajat pertama first difference atau I1.
Hal ini disebabkan karena nilai probabilitas variabel PDB, Ekspor Neto dan inflasilebih kecil daripada
= 5. Hal ini juga dapat dibuktikan lagi dengan melihat Critical Value 5 level yang
nilainya lebih kecil dibandingkan dengan t-Statistic ADF. Artinya, variabel PDB, ekspor neto dan inflasi telah stasioner di tingkat
derajat pertama first difference pada = 5.
b. Penentuan Lag Length Dalam penentuan lag optimal, dipilih kriteria yang mempunyai
final prediction error correction FPE atau jumlah dari AIC, SIC dan
HQ yang paling kecil di antara berbagai lag yang diajukan Shochrul
104
R. Ajija, dkk, 2011: 166. Atau bisa juga dengan menggunakan lag optimal yang direkomendasikan EViews, yaitu dengan melihat di lag
keberapa yang terdominasi oleh tanda bintang. Shochrul R. Ajija, dkk, 2011: 175
Tabel 4.3 Uji Penentuan Lag Length
VAR Lag Order Selection Criteria Endogenous variables: LN_PDB LN_PMA LN_PMDN INF
LN_NETEKS Exogenous variables: C
Date: 060613 Time: 18:44 Sample: 1 52
Included observations: 48 Lag
LogL LR
FPE AIC
SC HQ
-292.0636 NA
0.163375 12.37765
12.57257 12.45131
1 -161.7066
228.1248 0.002040
7.987775 9.157275
8.429731 2
-128.0633 51.86675
0.001473 7.627637
9.771722 8.437890
3 -96.90544
41.54381 0.001248
7.371060 10.48973
8.549609 4
-28.01999 77.49613
0.000241 5.542499
9.635752 7.089345
indicates lag order selected by the criterion LR: sequential modified LR test statistic each test at 5 level
FPE: Final prediction error AIC: Akaike information criterion
SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Sumber: Lampiran 4
Berdasarkan tabel 4.3 diketahui bahwa lag optimal yang direkomendasikan adalah lag 4. Sesuai juga dengan rumus:
; dengan ―n‖ adalah jumlah observasi. Maka dengan jumlah observasi
52, didapat lag dengan angka 3.7325 dibulatkan menjadi 4.
105
c. Uji Kausalitas Granger Metode yang digunakan untuk menganalisa hubungan
kausalitas antar variabel yang diamati adalah dengan Uji Kausalitas Granger. Dalam penelitian ini, uji kausalitas Granger digunakan untuk
melihat arah hubungan di antara variabel-variabel. Shochrul R. Ajija, dkk, 2011: 167.
Tabel. 4.4 Uji Kausalitas Granger Antara Pertumbuhan Ekonomi dan Ekspor Neto
Pairwise Granger Causality Tests Date: 040313 Time: 01:29
Sample: 1 52 Lags: 4
Null Hypothesis: Obs
F-Statistic Prob.
LN_NETEKS does not Granger Cause LN_PDB 48
3.64764 0.0128
LN_PDB does not Granger Cause LN_NETEKS 2.86387
0.0358
Tabel. 4.5 Uji Kausalitas Granger Antara Pertumbuhan Ekonomi dan Inflasi
Pairwise Granger Causality Tests Date: 060613 Time: 19:40
Sample: 1 52 Lags: 4
Null Hypothesis: Obs
F-Statistic Probability
INF does not Granger Cause LN_PDB 48
0.18859 0.94294
LN_PDB does not Granger Cause INF 1.40744
0.24953
106
Tabel. 4.6 Uji Kausalitas Granger Antara Pertumbuhan Ekonomi dan PMA
Pairwise Granger Causality Tests Date: 042513 Time: 00:28
Sample: 1 52
Lags: 4 Null Hypothesis:
Obs F-Statistic
Probability LN_PMA does not Granger Cause LN_PDB
48 0.53403
0.71148 LN_PDB does not Granger Cause LN_PMA
3.57972 0.01401
Tabel. 4.7 Uji Kausalitas Granger Antara Pertumbuhan Ekonomi dan PMDN
Pairwise Granger Causality Tests Date: 042513 Time: 00:28
Sample: 1 52
Lags: 4 Null Hypothesis:
Obs F-Statistic
Probability LN_PMDN does not Granger Cause LN_PDB 48
1.44859 0.23645
LN_PDB does not Granger Cause LN_PMDN 3.83322
0.01012
Sumber: Lampiran 5
Berdasarkan Tabel. 4.4 Uji Kausalitas Granger Antara Pertumbuhan Ekonomi dan Ekspor Neto tersebut, terdapat hubungan
kausalitas dua arah antara pertumbuhan ekonomi dengan variabel Ekspor Neto. Hal ini disebabkan karena nilai probabilitas dari variabel
PDB terhadap Ekspor Neto lebih kecil dibandingkan dengan nilai =
5, begitu juga antara Ekspor Neto dengan PDB. Hal ini dapat terlihat
107
pada perekonomian bahwa dengan tingginya pertumbuhan ekonomi, Pemerintah akan
mengalokasikan pendapatan Negara untuk peningkatan produksi, peningkatan produksi akan meningkatkan
ekspor dan peningkatan ekspor akan meningkatkan ekspor neto. Berdasarkan Tabel. 4.5 Uji Kausalitas Granger Antara
pertumbuhan ekonomi dan Inflasi tersebut, tidak terdapat hubungan kausalitas antara pertumbuhan ekonomi dengan variabel Inflasi, begitu
pula sebaliknya antara variabel Inflasi dengan pertumbuhan ekonomi. Hal ini disebabkan karena nilai probabilitas dari variabel Inflasi
terhadap PDB lebih besar dibandingkan dengan nilai = 5. Hal ini
dapat terlihat pada perekonomian bahwa walaupun terjadi inflasi, asalkan inflasi itu tidak tinggi maka pertumbuhan ekonomi tidak akan
atau minim kemungkinan akan menurun drastis. Karena tingkat inflasi tetap dibutuhkan dalam perekonomian selama nilainya tidak tinggi.
Berdasarkan Tabel. 4.6 Uji Kausalitas Granger Antara pertumbuhan ekonomi dan PMA tersebut, terdapat hubungan
kausalitas satu arah antara pertumbuhan ekonomi dengan variabel PMA. Hal ini disebabkan karena nilai probabilitas dari variabel PDB
terhadap PMA lebih kecil dibandingkan dengan nilai = 5. Hal ini
dapat terlihat pada perekonomian bahwa dengan tingginya pertumbuhan ekonomi, maka Pemerintah dapat mengalokasikan
pendapatan Negara untuk peningkatan fasilitas yang dibutuhkan bagi
108
para investor asing sehingga mereka akan lebih nyaman dalam menanamkan modal mereka di Indonesia. Sedangkan tidak terdapat
sebuah hubungan kausalitas antara variabel PMA dengan pertumbuhan ekonomi. Hal ini disebabkan karena nilai probabilitas dari variabel
PMA terhadap PDB lebih besar dibandingkan dengan nilai = 5.
Berdasarkan Tabel. 4.7 Uji Kausalitas Granger Antara pertumbuhan ekonomi dan PMDN tersebut, terdapat hubungan
kausalitas satu arah antara pertumbuhan ekonomi dengan variabel PMDN. Hal ini disebabkan karena nilai probabilitas dari variabel PDB
terhadap PMDN lebih kecil dibandingkan dengan nilai = 5. Hal ini
dapat terlihat pada perekonomian bahwa dengan tingginya pertumbuhan ekonomi, maka Pemerintah dapat mengalokasikan
pendapatan Negara untuk peningkatan fasilitas yang dibutuhkan bagi para investor dalam negeri sehingga mereka akan lebih nyaman dalam
menanamkan modal mereka dan dapat meningkatkan produksi dan jasa dengan lebih maksimal. Sedangkan tidak terdapat sebuah hubungan
kausalitas antara variabel PMDN dengan pertumbuhan ekonomi. Hal ini disebabkan karena nilai probabilitas dari variabel PMDN terhadap
PDB lebih besar dibandingkan dengan nilai = 5.
109
d. Estimasi VAR Dalam estimasi VAR, untuk melihat apakah variabel Y
mempengaruhi X dan demikian pula sebaliknya, kita dapat mengetahuinya dengan cara membandingkan nilai t-statistichasil
estimasi dengan t-table. Jika nilai t-statisticlebih besar daripada nilai t- table
nya, maka dapat dikatakan bahwa variabel Y memengaruhi X Shochrul R. Ajija, dkk, 2011: 168.
Karena berdasarkan hasil uji kausalitas Granger tidak terdapat hubungan baik antara inflasi terhadap pertumbuhan ekonomi maupun
pertumbuhan ekonomi terhadap inflasi, maka variabel inflasi tidak digunakan lagi untuk uji berikutnya.
Tabel. 4.8 Estimasi VAR
DLN_PDB pada lag ke-n
t-statistics Ekspor Neto
PMA PMDN
DLN_PDB -1 0.79742
0.40666 1.66917
DLN_PDB -2
1.86142
1.25281 0.32694
DLN_PDB -3 -2.02376
-3.68331
-1.71896
DLN_PDB -4 -0.64249
2.07240
0.30792
Sumber: Lampiran 6
Dengan persamaan estimasinya adalah sebagai berikut: DLN_PDB
= 0.02824DLN_PDB-1
- 0.10196DLN_PDB-2
+ 0.05597DLN_PDB-3
+ 1.02798DLN_PDB-4
+ 0.00211DLN_PMA-1
- 0.00296DLN_PMA-2
- 0.00773DLN_PMA-3
- 0.00169DLN_PMA-4
+
110
0.00635DLN_PMDN-1 + 0.00329DLN_PMDN-2 + 0.00599DLN_PMDN-3 + 0.00372DLN_PMDN-4 +
0.00096DLN_NETEKS-1 - 0.00729DLN_NETEKS-2 + 0.00236DLN_NETEKS-3 + 0.01327DLN_NETEKS-4 -
0.22679 Berdasarkan tabel 4.8 Estimasi VAR, terlihat bahwa variabel
yang berpengaruh signifikan terhadap pertumbuhan ekonomi adalah variabel Ekspor Neto, PMA dan PMDN karena nilai t-Satistic untuk
variabel Ekspor Neto, PMA dan PMDN lebih besar dibandingkan dengan nilai t-Tablenya, yaitu sebesar 1.671.
e. IRF Impulse Response Function IRF menggambarkan ekspektasi k-periode ke depan dari
kesalahan prediksi suatu variabel akibat inovasi dari variabel yang lain. Dengan demikian, lamanya pengaruh dari shock suatu variabel
terhadap variabel lain sampai pengaruhnya hilang atau kembali ke titik keseimbangan dapat dilihat atau diketahui. Shochrul R. Ajija, dkk,
2011: 168. Jika gambar impulse response menunjukkan pergerakan yang semakin mendekati titik keseimbangan convergence atau
kembali ke keseimbangan sebelumnya, ini berarti respon suatu variabel akibat suatu guncangan shock makin lama akan menghilang
111
sehingga kejutan tersebut tidak meninggalkan pengaruh permanen terhadap variabel tersebut.
Gambar 4.6 Impulse Response Function
Sumber: Lampiran 7
Gambar. 4.6menunjukkan Impulse Response dari variabel PMA, PMDN dan Ekspor Neto terhadap pertumbuhan ekonomi. Pada
Response of DLN_PDB to DLN_PMA terlihat bahwa shock pada
PMA memberikan respon positif dan tidak permanen terhadap pertumbuhan ekonomi, walaupun pada periode ke-6 hingga ke-9
-.1 .0
.1 .2
1 2
3 4
5 6
7 8
9 10
Response of DLN_PDB to DLN_PDB
-.1 .0
.1 .2
1 2
3 4
5 6
7 8
9 10
Response of DLN_PDB to DLN_PMA
-.1 .0
.1 .2
1 2
3 4
5 6
7 8
9 10
Response of DLN_PDB to DLN_PMDN
-.1 .0
.1 .2
1 2
3 4
5 6
7 8
9 10
Response of DLN_PDB to DLN_NETEKS
Response to Cholesky One S.D. Innovations
112
respon yang diberikan cenderung berfluktuatif. Pada Response of DLN_PDB to DLN_PMDN, adanya shock pada PMDN memberikan
respon negatif dan tidak permanen terhadap pertumbuhan ekonomi pada periode ke-10, walaupun pada periode sebelumnya respon yang
diberikan cenderung stabil dan positif. Pada Response of DLN_PDB to DLN_NETEKS menunjukkan
adanya shock pada ekspor neto memberikan respon positif dan permanen terhadap pertumbuhan ekonomi pada periode ke-10,
walaupun pada periode ke-3 hingga ke-9 respon yang diberikan cenderung berfluktuatif.Secara ringkas penjelasan IRF dapat dilihat
pada tabel berikut. Tabel 4.9
Impulse Response Function Terhadap DLN_PDB
Periode DLN_PMA
DLN_PMDN DLN_NETEKS
Ke-3 Direspon negatif
Direspon positif Direspon negatif
Ke-5 Direspon negatif
Stabil Direspon negatif
Ke-8 Direspon positif
Stabil Direspon positif
Ke-9 Titik terendah
Direspon positif Titik terendah
Ke-10 Titik tertinggi
Titik terendah Titik tertinggi
f. Variance Decomposition Variance decomposition
atau disebut juga forecast error variance decomposition
merupakan perangkat pada model VAR yang akan memisahkan variasi dari sejumlah variabel yang diestimasi
menjadi komponen-komponen shock atau menjadi variabel innovation, dengan asumsi bahwa variabel-variabel innovation tidak saling
113
berkorelasi. Kemudian, variance decomposition akan memberikan informasi mengenai proporsi dari pergerakan pengaruh shock pada
sebuah variabel terhadap shock variabel lainnya pada periode saat ini dan periode yang akan datang. Shochrul R. Ajija, dkk, 2011: 168.
Tabel. 4.10 Variance Decomposition
Variance Decomposition
of DLN_PDB:
Period S.E.
DLN_PDB DLN_PMA DLN_PMDN DLN_NETEKS
1 0.008981
100.0000 0.000000
0.000000 0.000000
2 0.009894
82.40337 3.160770
12.60918 1.826683
3 0.014615
38.51606 4.231042
14.65974 42.59316
4 0.017803
26.77478 4.212814
11.75396 57.25844
5 0.021309
30.77934 5.482829
9.052487 54.68534
6 0.040896
11.22431 3.764610
2.467009 82.54407
7 0.057181
6.371705 6.027518
2.153519 85.44726
8 0.094972
4.336091 4.107009
0.790519 90.76638
9 0.141942
2.231317 5.306756
0.682339 91.77959
10 0.234062
2.694222 4.520500
0.374810 92.41047
Sumber: Lampiran 8
Berdasarkan Tabel. 4.10Variance Decomposition, tabel ini menjelaskan tentang variance decomposition dari variabel DLN_PDB,
serta variabel apa saja dan seberapa besar variabel tersebut mempengaruhi variabel DLN_PDB. Pada periode kedua, variabel
DLN_PDB dipengaruhi
oleh variabel
DLN_PMA sebesar
3.16,DLN_PMDN12.6 dan DLN_NETEKS 1.83. Pada periode selanjutnya pengaruh varaiabel independen terhadap DLN_PDB
mengalami fluktuasi.
Pada periode
ke-10,
114
variabelDLN_PDBdipengaruhi oleh variabelDLN_PMA sebesar 4.52, DLN_PMDN0.37 dan DLN_NETEKS 92.4. Variabel
DLN_NETEKS atau ekspor neto adalah yang paling besar pengaruhnya terhadap variabel DLN_PDB atau PDB, kemudian
disusul variabel DLN_PMA dan DLN_PMDN.
Hasil uji estimasi VAR menunjukkan bahwa ekspor neto, PMA dan PMDN berpengaruh terhadap pertumbuhan ekonomi di Indonesia selama periode
2000-2012. Hasil ini memiliki kesamaan dengan penelitian yang telah dilakukan oleh Dewi Ernita, Syamsul Amar dan Efrizal Syofyan 2013, yang menyatakan
bahwa kenaikan investasi baik PMA maupun PMDN akan memicu kenaikan pertumbuhan ekonomi karena kenaikan investasi mengindikasikan telah
terjadinya kenaikan penanaman modal atau pembentukan modal. Kenaikan penanaman modal atau pembentukan modal akan berakibat terhadap
peningkatanproduksi barang dan jasa di dalam perekonomian. Peningkatan produksi barang danjasa ini akan menyebabkan peningkatan terhadap
pertumbuhan ekonomi.Hal ini sesuai dengan teori Samuelson dan Nourdhous 2004, bahwa investasi merupakan suatu hal penting dalam membangun ekonomi
karena dibutuhkan sebagaifaktor penunjang di dalam peningkatan proses produksi.
Begitu juga dengan ekspor neto, jika ekspor mengalami peningkatan maka produksi barang dan jasa juga akan mengalami peningkatan karena ekspor neto
115
yang meningkat mengindikasikan permintaan terhadap barang dan jasa di luar negeri lebih besar dari pada permintaan barang luar negeri di dalam negeri. Oleh
karena itu, perekonomian akan meningkatkan jumlah produksibarang jasa. Peningkatan produksi barang dan jasa ini akan menyebabkan peningkatan
terhadap pertumbuhan ekonomi. Hal ini sejalan dengan pendapat Mankiw 2006 yang menyatakan bahwa ekspor neto sangat berpengaruh bagi perekonomian di
Indonesia. Dimana ekspor neto dapat menjadi pendorong bagipertumbuhan ekonomi di Indonesia.
Hasil uji Variance Decomposition menunjukkan bahwa variabel Ekspor Neto, PMA dan PMDN masing-masing berkontribusi terhadap Pertumbuhan
Ekonomi di Indonesia periode 2000-2012, dengan ekspor neto sebagai variabel yang paling besar pengaruhnya terhadap pertumbuhan ekonomi, yaitu sebesar
92.4, kemudian disusul oleh variabel PMA sebesar 4.52 dan PMDN sebesar 0.37.
Ekspor neto memiliki pengaruh yang cukup besar terhadap pertumbuhan ekonomi, juga seperti yang ditunjukkan dari hasil uji IRF, ini sesuai dengan hasil
penelitian Ervin Mardalena, 2009 yang menyatakan bahwa ekspor neto berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi sesuai dengan
teori dan hipotesis yang diajukan yaitu pertumbuhan ekonomi sangat dipengaruhi oleh perdagangan internasional yang meliputi kegiatan ekspor-impor atau ekspor
neto. Hal ini juga dikarenakan kinerja ekspor di Indonesia yang bisa tetap bertahan di tengah gejolak krisis ekonomi. Kondisi ini didukung oleh struktur
116
ekspor yang semakin terdiversifikasi dengan semakin meningkatnya permintaan dari pasar negara-negara emerging markets terutama Cina dan India. Pertumbuhan
permintaan ekspor dari Cina selalu berada di atas kisaran 20 walaupun sempat turun pada tahun 2008 dan 2009 yaitu menjadi 17.3 dan -15.9 tetapi dapat
kembali meningkat pada tahun berikutnya menjadi 20.85 pada 2011. Pertumbuhan permintaan ekspor dari India juga berada di atas kisaran 20,
menurun pada 2009 menjadi -15.2 dan meningkat pada tahun berikutnya hingga pada kisaran 30, yaitu 35 pada 2011. Pengaruh diversifikasi negara tujuan
ekspor semakin kuat dengan masih tingginya pertumbuhan ekonomi di kedua negara tersebut. Pertumbuhan ekonomi Cina dan India yang masih kuat dilandasi
oleh reorientasi perekonomian yang mengarah pada penguatan perekonomian domestik. Sebelum krisis, pertumbuhan kinerja ekspor di Indonesia terutama
disebabkan oleh tingginya permintaan dunia, masih kompetitifnya produk ekspor Indonesia dan dukungan kebijakan pemerintah dalam mendorong kegiatan ekspor.
Variabel berikutnya yang berpengaruh terhadap pertumbuhan ekonomi adalah PMA sebesar 4.52 dan PMDN sebesar 0.37. Hal ini sesuai dengan
hasil penelitian Ervin Mardalena, 2009 yang menyatakan bahwa investasi, PMA, yang juga sesuai dengan hasil uji IRF PMA terhadap pertumbuhan ekonomi; dan
PMDN memiliki pengaruh yang positif namun tidak signifikan terhadap pertumbuhan ekonomi, hal ini disebabkan oleh pertumbuhan investasi swasta
PMA dan PMDN yang berfluktuatif dan menandakan bahwa masih kurangnya kepercayaan investor, baik dari dalam dan luar negeri, untuk menanamkan
117
modalnya. Meskipun mengalami berbagai kemajuan, kinerja investasi di Indonesia masih relatif terbatas. Menurut laporan perekonomian Indonesia yang
dipublikasikan oleh Bank Indonesia, kondisi iklim investasi yang belum kondusif merupakan penyebab utama dari masih rendahnya rasio investasi terhadap
pertumbuhan ekonomi. Survei Bank Dunia menunjukkan bahwa iklim investasi di Indonesia masih berada di bawah negara-negara ASEAN lainnya dan Cina. Survei
tersebut mengidentifikasi faktor-faktor yang dapat menghambat investasi antara lain ketidakpastian peraturan, lemahnya penegakan hukum, sarana dan prasarana
untuk kegiatan produksi serta produktivitas tenaga kerja yang relatif belum optimal, ketersediaan infrastruktur yang belum memadai, dan pemanfaatan
teknologi yang belum optimal dibandingkan negara pesaing. Hasil uji IRFmenunjukkan bahwa adanya shock pada PMDN memberikan
respon negatif terhadap pertumbuhan ekonomi,hal ini sesuai dengan penelitian Tri Handayani, 2011 bahwa PMDN berpengaruh negatif dan tidak signifikan
terhadap pertumbuhan ekonomi. Karena walaupun terjadi peningkatan pada PMDN tetapi itu tidak memberikan pengaruh yang signifikan terhadap
pertumbuhan ekonomi, ini dikarenakan oleh masih belum kondusifnya iklim investasi dan infrastruktur di dalam negeri.
118
BAB V KESIMPULAN DAN SARAN
