5. Hasil ADF-Test Residual Regresi Kointegrasi

Tabel 4.5. Hasil ADF-Test Residual Regresi Kointegrasi

ADF-Hitung

-3.6484 Prob. 0.0005

Nilai Kritis

5% -1.9483

Sumber: Hasil olahan E-Views 6.1 (Lampiran 7, hal: 104) Hasil pengujian memperlihatkan bahwa nilai ADF hitung untuk residual

persamaan kointegrasi lebih besar dari nilai kritis ADF, yaitu -3,648438 > - 1,948313, sehingga dapat disimpulkan bahwa koefisien nilai hitung mutlak ADF pada residual regresi berkointegrasi stasioner pada ordo 0 (pada  = 5%). Hasil tersebut juga berarti variabel-variabel dalam model berkointegrasi dalam jangka persamaan kointegrasi lebih besar dari nilai kritis ADF, yaitu -3,648438 > - 1,948313, sehingga dapat disimpulkan bahwa koefisien nilai hitung mutlak ADF pada residual regresi berkointegrasi stasioner pada ordo 0 (pada  = 5%). Hasil tersebut juga berarti variabel-variabel dalam model berkointegrasi dalam jangka

4. Estimasi Error Correction Model (ECM)

Pendekatan Model Koreksi Kesalahan (ECM) akan menjelaskan parameter jangka pendek maupun jangka panjang atas variabel-variabel yang mempengaruhi nilai tukar rupiah. Hasil pengolahan yang telah dilakukan dengan menggunakan software E-Views 6.1. adalah sebagai berikut:

D(LKURS) = 4.4767511 - 0.004885 D(S_INF) + 0.028476 D(S_IR)

- 0.042750 D(LTB) - 0.497021 S_INF(-1) - 0.502691 S_IR(-1)

(0,0001) - 0.603819 LTB(-1) + 0.499752 ECT

F = 5,2643 (0,0003) Hasil estimasi dengan menggunakan ECM di atas belum memenuhi

asumsi regresi OLS, sehingga estimator yang dihasilkan dari model ECM diatas tidak mempunyai sifat BLUE (Best Linier Unbiased Estimator). Dalam model ECM di atas masih terdapat masalah heteroskedastisitas, yang diketahui dari hasil uji asumsi klasik dengan menggunakan uji-white (lihat lampiran 8&9, hal:105-106), diketahui bahwa probabilitas chi-squares hitungnya lebih kecil dari α=5%, yaitu sebesar 0,0481.

( WLS)

Pendekatan Model Koreksi Kesalahan (ECM) dengan Weighted Least Squares (WLS) diharapkan akan mampu mengeliminasi masalah heteroskedastisitas dalam model ECM agar menghasilkan estimator yang Best Linier Unbiased Estimator (BLUE) dalam menjelaskan parameter jangka pendek maupun jangka panjang atas variabel-variabel yang mempengaruhi nilai tukar rupiah. Hasil pengolahan yang telah dilakukan dengan menggunakan software E-Views

6.1. adalah sebagai berikut:

D(LKURS) = 4.470950 - 0.002501 D(S_INF) + 0.017548 D(S_IR)

- 0.018014 D(LTB) - 0.469208 S_INF(-1) - 0.473387 S_IR(-1)

(0,00) - 0.554613 LTB(-1) + 0.470400 ECT

F = 6,4203 (0,000) Keterangan

LKURS = Nilai tukar rupiah per dollar US (Rp) S_INF

= Selisih inflasi Indonesia dan Amerika Serikat (%) S_IR

= Selisih suku bunga Indonesia dan Amerika Serikat

LTB = Neraca perdagangan Indonesia (Miliar US $) Dimana: DKURS t

= KURS t – KURS t-1

DS_INF t = INF t – INF t-1

ECT1 = S_INF t-1 + S_IR t-1 + LTB t-1 - LKURS t-1

c 0 = Intersep

c 1 ,c 2 ,c 3 = Koefisien asli regresi ECM dalam jangka pendek

c 4 ,c 5 ,c 6 ,

= Koefisien regresi ECM dalam jangka panjang

c 7 = Koefisien regresi error correcton term (ECT) Persamaan di atas menunjukkan besarnya nilai variabel ECT (Error

Correction Term ) signifikan pada derajat keyakinan 5% dan menunjukkan tanda positif. ECT tersebut merupakan indikator apakah spesifikasi model dianggap baik atau tidak dalam mengestimasi nilai tukar rupiah terhadap dollar AS. Koefisien ECT menunjukkan angka 0.470400 berarti bahwa proporsi ketidakseimbangan perubahan nilai tukar pada satu periode yang telah disesuaikan pada periode berikutnya adalah sekitar 0.470400%, sedangkan tingkat signifikansi ECT menunjukkan angka 0,00 berarti signifikan pada tingkat signifikansi 5%. Hal ini berarti bahwa spesifikasi model yang dipakai adalah tepat dan mampu menjelaskan variasi dinamis. Maka dapat disimpulkan spesifikasi model tersebut sudah valid.

Koefisien regresi jangka pendek dari regresi ECM ditunjukkan oleh besarnya koefisien pada variable DS_INF, DS_IR, DTB di atas, sedangkan koefisien regresi jangka panjang dengan simulasi dari regresi ECM nilai tukar diperoleh dari:

Konstanta : c 0 /c 7 = 4,470950/ 0,470400

= 9,504571 S_INF : (c 4 +c 7 )/c 7 = (-0,469208 + 0,470400)/ 0,470400 = 0,002534 S_IR : (c 5 +c 7 )/c 7 = (-0,473387 + 0,470400)/ 0,470400 = -0,006350 LTB : (c 6 +c 7 )/c 7 = (-0,554613 + 0,470400)/ 0,470400 = -0,179024