pertumbuhan jumlah uang beredar terus meningkat sehingga di akhir tahun 2007 mencapai Rp.
1,643,203 milyar rupiah. Selengkapnya perkembangan jumlah uang beredar di Indonesia tahun 1985 sampai dengan tahun 2007 dapat dilihat pada gambar
4.4. berikut ini.
Gambar 4.4. Perkembangan Jumlah Uang Beredar Tahun 1985 – 2007
4.2. Hasil Estimasi
Untuk menguji hipotesis yang dirumuskan dalam penelitian ini, maka dilakukan estimasi dengan model Ordinary Least Square OLS untuk data time
series 23 tahun dengan menggunakan program eviews 5.1. Analisis regresi terhadap model estimasi yang digunakan dalam penelitian ini adalah dengan menggunakan
data inflasi, belanja pegawai pemerintah, investasi dan jumlah uang beredar.
56
Hasil estimasi dengan OLS disusun sebagai berikut : Tabel 4.1. Hasil Estimasi Pengaruh Belanja Pegawai Pemerintah, Investasi dan
Jumlah Uang Beredar Terhadap Inflasi di Indonesia Model Linier INF = - 12,457– 0,0017 BPP + 1,69E-07 INV + 8,75E-05 JUB
Std Err : 0,000744 1,54E-07 3,75E-05
t-stat : -2,297 1,101
2,334 R
2
: 0,2233 F-stat : 1,82 Prob : 0,1775 Sumber : Hasil Penelitian 2009 data diolah
Terhadap model tersebut kemudian dilakukan uji asumsi klasik. Berikut hasil uji multikolinieritas.
Tabel 4.2. Hasil Estimasi Uji Multikolinieritas Model Linier Variabel Nilai
R
2
INF = fBPP, INV,JUB 0,2233
BPP=fINV, JUB 0,9768
INV=fBPP, JUB 0,4938
JUB=fBPP, INV 0,9737
Sumber : Hasil Penelitian 2009 data diolah Dari hasil estimasi tersebut diperoleh hasil R
2
INF, BPP, INV, JUB = 0,2233 lebih rendah dibandingkan R
2
BPP, INV, JUB = 0,9768, R
2
INV, BPP, JUB = 0,4938, R
2
JUB, BPP, INV, = 0,9737. Berdasarkan uji multikolinieritas, dalam model terdapat multikolinieritas.
57
Selain diuji dengan uji multikolinieritas, pada model dilakukan uji autokorelasi. Hasil DW hitung = 2,199 lebih besar daripada 4 – du = 2,6 dan berada
di area tidak dapat diambil keputusan. Oleh karena itu model kemudian dirubah dalam bentuk lin log, yaitu sebagai
berikut : INF t = bo + b1 LBPPt + b2 LINVt + b3 LJUB t + µ t ……………………...… 4.1
Hasil estimasi dengan OLS atas model yang baru adalah sebagai berikut : Tabel 4. 3. Hasil Estimasi Pengaruh Belanja Pegawai Pemerintah, Investasi dan
Jumlah Uang Beredar Terhadap Inflasi di Indonesia Model Log INFt = - 96,069 – 33,987 LBPPt – 21,828 LINVt + 50,822 LJUBt
Std Err : 9,357 3,514 8,163 t-stat : -3,632
-6,212 6,226
R
2
: 0,7258 F-stat : 16,767 Prob : 0,000014 Sumber: Hasil Penelitian 2009 data diolah
Keterangan : = signifikan pada 1
Terhadap model tersebut kemudian dilakukan uji asumsi klasik. Hasil uji multikolinieritas adalah sebagai berikut :
Tabel 4.4. Hasil Estimasi Uji Multikolinieritas Model Log Variabel Nilai
R
2
INF = fLBPP, LINV, LJUB 0,7258
LBPP=fLINV, LJUB 0,9637
LINV=fLBPP, LJUB 0,9043
LJUB=fLBPP, LINV 0,9748
Sumber : Hasil Penelitian 2009 data diolah 58
Dari hasil estimasi tersebut diperoleh hasil R
2
INF, LBPP, LINV, LJUB = 0,7258 lebih rendah dibandingkan R
2
LBPP, LINV, LJUB = 0,9637, R
2
LINV, LBPP, LJUB = 0,9043, R
2
LJUB, LBPP, LINV, = 0,9748. Berdasarkan uji multikolinieritas, dalam model terdapat multikolinieritas.
Selain diuji dengan uji multikolinieritas, pada model dilakukan uji autokorelasi dengan menggunakan Durbin – Watson d test. Dari hasil regresi model,
diperoleh nilai DW – stat = 1,96 berada diantara du dan 4 – du, yang artinya dalam model tidak terdapat autokorelasi. Melalui Breusch – Godfrey Serial Correlation LM
test, diketahui bahwa nilai ObsR-square x
2
hitung = 0,615 x
2
tabel = 28,9 atau probability = 0,735 0,05 sehingga dalam model regresi tidak terdapat autokorelasi.
Karena dalam model melanggar asumsi klasik multikolinieritas, maka upaya yang dilakukan penulis untuk mengatasi masalah multikolinieritas berdasarkan aturan
ekonometri adalah sebagai berikut Supranto, 2004: a.
Adanya informasi sebelumnya Berdasarkan teori yang ada, setiap variabel yang dipakai dalam penelitian ini
diyakini tidak mengandung multikolinieritas. Hal ini karena setiap variabel berasal dari sektor yang berbeda. Belanja pegawai pemerintah dari sektor
fiskal pemerintah, investasi dari sektor riil dan jumlah uang beredar dari sektor moneter. Jadi informasi sebelumnya menyatakan bahwa setiap variabel
diyakini tidak mengandung multikolinieritas.
59
b. Menggabungkan data time series dan cross section.
Dari variabel bebas yang digunakan terdapat kesulitan untuk mendapatkan data secara cross section. Sehingga untuk langkah ini tidak dapat dilakukan.
c. Mengeluarkan satu variabel atau lebih
Variabel yang digunakan dalam penelitian ini adalah sebanyak tiga buah. Sehingga kalau dikeluarkan satu atau lebih , maka tidak ada lagi variabel
pembanding yang digunakan sebagai variabel bebas. Oleh karena itu, langkah ini tidak dapat dilakukan.
d. Transformasi variabel
Langkah ini dilakukan dengan membuat transformasi atau perubahan bentuk menjadi perbedaan pertama first difference form dari fungsi semula. Oleh
karena itu, model penelitian adalah sebagai berikut : INF
t
- INF
t - 1
= bo + b1 BPP
t
- BPP
t-1
+ b2 INV
t
- INV
t-1
+ b3 JUB
t
- JUB
t – 1
+
µ t ………………………………………...4.2
Persamaan diatas kemudian diubah menjadi : INF
t
= bo + b1 BPP
t
- BPP
t-1
+ b2 INV
t
- INV
t-1
+ b3 JUB
t
- JUB
t – 1
+ INF
t - 1
+
µ t …………………………..………………...4.3
60
Tabel 4. 5. Hasil Estimasi Pengaruh Belanja Pegawai Pemerintah, Investasi dan Jumlah Uang Beredar Terhadap Inflasi di Indonesia
Model Bentuk Perbedaan Pertama INF
t
= -6,999846 – 0,003852 BPP
t
- BPP
t-1
– 0,000894 INV
t
- INV
t-1
+ 0,000364 JUB
t
- JUB
t – 1
+ INF
t - 1
+
µ t
Std Err : 0,000764 0,000257 6,49E-05 t-stat : -5,0399 -3,478 5,600
R
2
: 0,6823 F-stat : 12,88 Prob : 0,000098 Sumber : Hasil Penelitian 2009 data diolah
Keterangan : = signifikan pada 1
Terhadap model ini kemudian dilakukan uji asumsi klasik. Dari hasil estimasi uji multikolinieritas tersebut, maka diketahui hasilnya sebagai berikut:
Tabel 4.6. Hasil Uji Multikolinieritas Model Bentuk Perbedaan Pertama Variabel Nilai
R
2
INF
t
= fBPP
t
- BPP
t-1
, INV
t
- INV
t-1
, JUB
t
- JUB
t – 1
0,6823 BPP
t
- BPP
t-1
=fINV
t
- INV
t-1
, JUB
t
- JUB
t – 1
0,5874 INV
t
- INV
t-1
= fBPP
t
- BPP
t-1
, JUB
t
- JUB
t – 1
0,0439 JUB
t
- JUB
t – 1
= fBPP
t
- BPP
t-1
, INV
t
- INV
t-1
0,5981 Sumber : Hasil Penelitian 2008 data diolah
Dari tabel diatas dapat dilihat bahwa nilai R
2
INF
t
, BPP
t
- BPP
t-1
, INV
t
- INV
t-1
, JUB
t
- JUB
t – 1
= 0,6823 lebih besar dibandingkan dengan nilai R
2
dalam regresi parsial, R
2
BPP
t
- BPP
t-1
=fINV
t
- INV
t-1
, JUB
t
- JUB
t – 1
= 0,5874, R
2
61
INV
t
- INV
t-1
= fBPP
t
- BPP
t-1
, JUB
t
- JUB
t – 1
= 0,0439 , R
2
JUB
t
- JUB
t – 1
= fBPP
t
- BPP
t-1
, INV
t
- INV
t-1
= 0,5981. Maka dapat disimpulkan bahwa dalam model empiris INF
t
- INF
t - 1
= fBPP
t
- BPP
t-1
, INV
t
- INV
t-1
, JUB
t
- JUB
t – 1
tidak ditemukan adanya multikolinieritas. Untuk mengetahui ada tidaknya autokorelasi dalam model penelitian ini
dilakukan uji Lagrange Multiplier Test LM test. Berikut ini hasil dari uji LM test sebagaimana ditampilkan pada tabel.
Tabel 4.7. Hasil Uji Breusch-Godfrey Serial Correlation LM Test Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.571499 Probability
0.575792 ObsR-squared
1.466835 Probability 0.480265
Sumber : Hasil Penelitian 2009 data diolah Melalui
Breusch-Godfrey Serial Correlation LM Test dari program eviews
5.1. diketahui bahwa nilai ObsR-squared x
2
hitung=1,4668 x
2
tabel = 28,9 . Atau nilai probability = 0,48 0,05 sehingga dalam model regresi tidak terdapat
autokorelasi. Selain itu, untuk mengetahui adanya autokorelasi juga bisa menggunakan
Durbin- Watson d test. Nilai distribusi tabel DW dimana jumlah variabel bebas = 3, observasi n = 22, d
L
=0,83, d
U
= 1,40 . Dari hasil regresi model, diperoleh nilai DW- stat = 1,578 berada diantara d
L
dan 4 - d
U,
sehingga dapat disimpulkan bahwa dalam model yang diestimasi tidak terdapat autokorelasi.
62
Jadi, dari hasil uji tersebut, model yang dianggap BLUE Best Linier Unbiased Estimator adalah model ketiga, yaitu :
INF
t
= -6,999846 – 0,003852 BPP
t
- BPP
t-1
– 0,000894 INV
t
- INV
t-1
+ 0,000364 JUB
t
- JUB
t – 1
+ INF
t – 1 +
µ t
..……………………………..…... 4.4
4.3. Pembahasan Hasil Estimasi