4.6 Analisis Variance Decomposition
Analisis kontribusi atau Variance Decomposition bertujuan untuk mengukur perkiraan varians error suatu variabel, yaitu seberapa besar perbedaan sebelum dan
sesudah shock, baik yang berasal dari variabel sendiri maupun dari variabel lain.
4.6.1 Analisis Variance Decomposition Inflasi
Pada periode 1 jangka pendek kontribusi varians inflasi terhadap tingkat inflasi itu sendiri sebesar 100 persen.
Untuk periode 5 jangka menengah kontribusi varians Inflasi menurun menjadi 88.5 persen, kontribusi varians harga minyak dunia HMD sebesar 5.6
persen, pengangguran PG sebesar 1.8 persen, varians net-government NG sebesar 0.9 persen, varians tingkat bunga SBI sebesar 0.8 persen, varians produk domestik
bruto PDB sebesar 0.11 persen dan varians nilai tukar KURS sebesar 0.09 persen. Pada periode 10 jangka panjang kontribusi varians inflasi menurun menjadi
88.01 persen terhadap inflasi itu sendiri, varians harga minyak dunia HMD naik menjadi 5.7 persen, varians pengangguran PG sebesar 1.8 persen, varians net-
government NG sebesar 1.03 persen, varians tingkat bunga SBI sebesar 1.06 persen, varians produk domestik bruto PDB sebesar 0.12 persen dan varians nilai
tukar KURS sebesar 0.1 persen. Pada periode penelitian varians harga minyak dunia HMD memberikan
kontribusi tertinggi dibandingkan varians lain, dalam hal ini bila terjadi shock atau goncangan terhadap harga minyak dunia maka akan direspon oleh kenaikan tingkat
inflasi dalam Negeri. Harga minyak dunia yang penentuannya tergantung pada
Universitas Sumatera Utara
penawaran dan permintaan pasar dunia menjadikan tingkat harga dunia sangat independen sehingga posisi Indonesia yang tidak memiliki hak dalam penentuan
tingkat harga sebaiknya mengurangi ketergantungan terhadap minyak, hal ini dikarena tingkat harga minyak yang sangat berfluktuasi akan sangat mempengaruhi
kondisi makro ekonomi.
Tabel 4.24. Variance Decomposition Inflasi
Variance Decomposition of INF: Period
S.E. INF
PG HMD
PDB NG
SBI M1
KURS
1 16.58518 100.0000
0.000000 0.000000
0.000000 0.000000
0.000000 0.000000
0.000000 2
17.13041 94.35740 1.508591
3.039807 0.059173
0.025612 0.010367
0.895109 0.103938
3 17.39909 91.47567
1.488426 4.720665
0.060554 0.455251
0.186643 1.511257
0.101533 4
17.62698 89.12958 1.824565
5.529739 0.059824
0.800462 0.754319
1.800799 0.100711
5 17.80509 88.49443
1.831344 5.657293
0.114946 0.957501
0.841709 2.004067
0.098707 6
17.85897 88.07367 1.834266
5.786464 0.117275
1.030764 1.057035
2.000195 0.100329
7 17.88618 88.05852
1.853271 5.769037
0.124992 1.031845
1.058599 2.003362
0.100375 8
17.89035 88.04439 1.866859
5.766365 0.124960
1.031717 1.060137
2.004489 0.101086
9 17.89145 88.03396
1.871788 5.768611
0.125719 1.031843
1.060525 2.006472
0.101079 10
17.89389 88.01010 1.877535
5.775396 0.126441
1.035279 1.067441
2.006632 0.101173
Sumber: Data Diolah dengan Eviews
4.6.2 Analisis Variance Decomposition Pengangguran