dilihat dari nilai statistik ADF lebih besar dari nilai kritisinya. Selain itu jika dilihat dari prob yaitu sebesar 0.0003 dibawah 0.05 menunjukan
adanya kointegrasi. Dengan demikian hasil uji stsioneritas terhadap residual semakin menguatkan bahwa diantara variabel – variabel yang
digunakan terdapat kointegrasi. Uji kointegrasi dilakukan untuk memperoleh hubungan jangka
panjang yang stabil antara variabel – variabel yang terintegrasi pada derajat yang sama. Uji kointegrasi Engle-Granger ini digunakan untuk
mengestimasi hubungan jangka panjang antara PDB, utang luar negeri, tenaga kerja, dan ekspor sehingga didapatkan persamaan PDB dalam
jangka panjang.
3. Regresi Jangka Panjang OLS
Model OLS dilakukan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat dalam jangka panjang. Berikut hasil estimasi
jangka panjang variabel utang luar negeri, tenaga kerja, dan ekspor terhadap Produk Domestik Bruto PDB.
Tabel 5. Hasil estimasi OLS Variable
Coefficient Std. Error
t- Prob.
C -103.8443
16.30976 -6.367005 0.0000
ULN 0.198817
0.066574 2.986405 0.0061
TK 6.055157
1.038348 5.831527 0.0000
EKS 0.277840
0.168858 1.645407 0.1119
Sumber: lampiran 4 Dari hasil estimasi tersebut, dalam jangka panjang probabilitas
untuk variabel utang luar negeri sebesar 0,0061, tenaga kerja sebesar 0,0000 signifikan pada taraf error 5. Sedangkan probabilitas variabel
ekspor sebesar 0,1119 tidak signifikan pada taraf error 10. Dari hasil
estimasi tersebut dapat disimpulkan bahwa utang luar negeri berpengaruh positif dan signifikan terhadap PDB yang ditunjukan
dengan nilai koefisien positif dan nilai probabilitas kurang dari 0,05, variabel tenaga kerja berpengaruh positif dan signififikan terhadap PDB
yang ditunjukan dengan nilai koefisien positif dan nilai probabilitas kurang dari 0,05. Variabel ekspor berpengaruh positif dan tidak
signifikan terhadap PDB yang ditunjukan dengan nilai koefisien positif dan dan nilai probabilitas lebih dari 0,05. Setelah sebelumnya
melakukan uji prasyarat untuk menentukan model estimasi, diketahui bahwa data bersifat tidak stasioner pada tingkat level dan terjadi
kointegrasi maka model sebaiknya menggunakan estimasi ECM.
4. Regresi Jangka PendekECM
ECM digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat dalam jangka pendek dan penyesuaiannya yang
cepat untuk kembali ke keseimbangan jangka panjangnya terhadap data time series
untuk variabel – variabel yang memiliki kointegrasi. Hasil uji prasyarat menunjukkan bahwa data tidak stasioner ditingkat
level lihat di lampiran 2 dan terkointegrasi maka dilakukan estimasi ECM. Berikut tabel Hasil regresi model ECM.
Tabel 6. Hasil Estimasi ECM Variable
Coefficient Std. Error
t-Statistic Prob.
C 0.109320
0.023028 4.747193
0.0001 DULN
0.123754 0.052090
2.375800 0.0258
DTK 1.251624
0.796693 1.571025
0.1293 DEKS
0.135883 0.099422
1.366727 0.1844
RES-1 -0.385838
0.126562 -3.048615
0.0055 Sumber:lampiran 5