KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN N

KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN NASIONAL DI
INDONESIA
OLEH:
CHENNY SEFTARITA
(Dosen Fakultas Ekonomi Unsyiah)
Jurnal diterbitkan oleh:
Jurnal Ekonomi dan Pembangunan (EKONOMIKA)
Universitas Almuslim Bireun-Aceh
ISSN: 2086-6011 (Vol.V No.9/2014)
ABSTRAK

Abstrak-The nature of links between the government activity and economic growth that
operated in Indonesia over periode 1982-2012 are examined. This study has conducted a
series of unit root, cointegration, and Vector Error Correction Models (VECM) analyses to
ascertain the relationship between government Economics policy (including fiscal and
Monetary policy ) and Economic growth.
Empirical results show the presence of cointegration between the variables, which
suggest a stable long-run relationship between government policy and Economic growth in
Indonesia. In short run, fiscal and Monetary variables have no relationship with economic
growth. The findings of the study furnish supportive evidence that government has played
and important role in economic development in Indonesia.

Key Words: Vector Error Correction Models (VECM), fiscal and Monetary policy, and Economic
growth

1

BAB I
PENDAHULUAN

1.1. Latar Belakang
Perlunya koordinasi dari bauran keijakan fiskal dan kebijakan moneter (policy mix)
akhir-akhir ini semakin mengemuka seiring semakin banyaknya penelitian dan kajian-kajian
tentang efektivitas dua kebijakan ini terhadap pertumbuhan ekonomi suatu negara. Adanya
fluktuasi ekonomi yang dialami setiap negara baik fluktuasi yang dikategorikan normal
hingga fluktuasi yang dikategorikan sebagai krisis ekonomi, menuntut peran suatu kebijakan
ekonomi yang efektif dan saling berkoordinasi dengan baik.
Salah satu tujuan dari kebijakan fiskal dan kebijakan moneter adalah peningkatan
pendapatan nasional. Kurun tahun 1982-2012 pendapatan nasional Indonesia terus
mengalami peningkatan. Pada periode tersebut telah terjadi beberapa kali pergantian rezim
kepemimpinan, dari kepemimpinan di era Orde Baru hingga era Reformasi sekarang ini.

2

GD P
9,000
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
1985

1990

1995

2000

2005

2010

Sumber: Asian Development Bank, data diolah

Gambar.1.1. Pendapatan Nasional Indonesia
Pada gambar.1.1.terlihat pasca krisis moneter tahun 1997 pendapatan nasional
Indonesia meningkat cukup tinggi. Stabilitas ekonomi yang memulih dan sistem
perekonomian yang mulai tertata dengan baik menyebabkan perekonomian Indonesia
bergerak naik. Dari sisi moneter, restrukturisasi perbankan dan penguatan sektor keuangan
pasca krisis berdampak baik terhadap kinerja ekonomi keseluruhan. Stabilitas ini dapat terus
terjaga bahkan ketika krisis global terjadi yaitu pada tahun 2008-2009, perekonomian
Indonesia dinilai cukup stabil.
Kajian tentang peran kebijakan fiskal dan moneter berkembang seiring zaman
perkembangan. Hagen dan Mundshenk (2003) dalam studi literaturnya memperlihatkan
bahwa kebijakan fiskal dan kebijakan moneter dapat diandalkan sebagai salah satu kebijakan
dengan target jangka panjang. Dalam jangka waktu tersebut, kebijakan moneter dapat

mencapai stabilitas harga dalam jangka panjang tanpa mempengaruhi efektivitas kebijakan
fiskal dalam mempengaruhi output misalnya dengan merubah pajak dan pengeluaran
pemerintah. Karena dua kebijakan ini dapat bersinergi dengan baik pada jangka panjang
maka koordinasi tidak terlalu difokuskan pada target jangka panjang, namun lebih diarahkan
pada jangka pendek. Dalam analisis jangka pendek, kebijakan yang tidak saling
berkoordinasi dengan baik, misalnya kebijakan fiskal yang tidak beraturan akan
menyebabkan efektivitas kebijakan moneter berkurang.

3

Ketidakseimbangan peran kebijakan fiskal dan moneter sering kali menyebabkan
permasalahan fluktuasi ekonomi semakin buruk. Kita masih ingat kejadian pencetakan uang
untuk kebutuhan fiskal tahun 1965 yang menyebabkan hiper inflasi di Indonesia, atau
minimnya peran kebijakan moneter yang berdampak pada minimnya peran lembaga
keuangan dalam perekonomian di era tahun 1970. Kasus yang tidak pernah kita lupa yaitu
dominasi kebijakan moneter dengan lahirnya deregulasi sektor keuangan yang titik
puncaknya adalah tahun 1997/1998 (Seftarita, 2005). Perkembangan sektor keuangan tanpa
diiringi dengan sistem pengawasan yang baik berujung pada krisis moneter.
Beberapa isu seperti perbedaan target kerja kebijakan moneter yang lebih diarahkan
pada stabilitas harga terutama inflasi, dan kebijakan fiskal untuk menstimulus perekonomian

dan penyerapan tenaga kerja semakin memperkuat keinginan peneliti untuk melihat
bagaimana kemampuan dua kebijakan ini bersinergi mempengaruhi pertumbuhan ekonomi
dalam jangka panjang dan jangka pendek. Dengan pendekatan Vector error Correction
Model (VECM), penelitian ini diharapkan mampu menjawab bagaimana hubungan antara
kebijakan fiskal dan moneter terhadap pertumbuhan ekonomi di Indonesia.

1.2. Perumusan Masalah
Berdasarkan

latar

belakang

tersebut

diatas,

penulis

tertarik

untuk

melakukan penelitian dengan permasalahan sebagai berikut:
1. Apakah terdapat hubungan yang signifikan antara pengeluaran pemerintah, Jumlah Uang
Beredar, kurs dengan pendapatan nasional di Indonesia?

1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah:

1. Untuk melihat apakah terdapat hubungan yang signifikan antara pengeluaran pemerintah,

4

Jumlah Uang Beredar, kurs dengan pendapatan nasional di Indonesia.

1.4. Manfaat Penelitian
Penelitian ini diharapkan dapat bermanfaat untuk:
1. Mengetahui apakah terdapat hubungan yang signifikan antara pengeluaran pemerintah,
Jumlah Uang Beredar, kurs dengan pendapatan nasional di Indonesia.

2. Sebagai bahan masukan bagi pembuat kebijakan terutama pemerintah dan
BI dalam pelaksanaan kebijakan fiskal dan moneter.
3.

Bahan acuan bagi peneliti lain yang berminat meneliti masalah jumlah
uang beredar dan pendapatan nasional.

BAB II
TINJAUAN PUSTAKA

2.1. Model IS-LM
Cikal bakal teori tentang koordinasi kebijakan fiskal dan moneter lahir dari perbedaan
pendapat mengenai efektivitas dua kebijakan tersebut terhadap output. Literatur klasik
misalnya yang dikembangkan oleh kaum monetaris (neo klasik) memiliki pandangan berbeda
dengan teori Keynes tentang efektivitas kebijakan fiskal dan moneter dalam mempengaruhi
output. Kaum monetaris lebih menekankan pada efektivitas kebijakan moneter karena dinilai
lebih cepat dalam mempengaruhi permintaan agregat. Berbeda dengan Keynes, menurutnya
pengaruh kebijakan fiskal lebih besar terhadap output. Teori ini kemudian berkembang
menjadi teori baru yang disebut teori sintesis klasik-Keynesian yang dikenal dengan model
IS-LM yang menjadi awal dari konsep bauran kebijakan (policy mix) (Nopirin, 2000).

5

Model yang digunakan dalam penelitian ini diadopsi dari model IS-LM. Berikut
model keseimbangan IS-LM (Seftarita, 2005):
Y 

Mf k
k
a  be  d  G
n
x )) ……………..(1)
x( Y  (

(1  b  bt )
(1  b  bt ) h
h
k

Terlihat bahwa pertumbuhan ekonomi adalah fungsi dari pengeluaran pemerintah (G)

dan jumlah uang beredar (M). Sehingga diringkas:
Y = f ( G, M)………………………………….……………(2)
Variabel nilai tukar akan dimasukkan sebagai variabel kontrol (control variable) atau
variabel luar, sehingga:
Y= f ( GOV, M, EXR)……………………...........………………..(3)

2.2. Studi Literatur
Analisis perlu atau tidaknya koordinasi kebijakan fiskal dan moneter berkembang
dengan melihat aspek waktu dalam aplikasi dua kebijakan tersebut. Hagen dan Mundshenk
(2003) dalam studi literaturnya memperlihatkan bahwa kebijakan fiskal dan kebijakan
moneter dapat diandalkan sebagai salah satu kebijakan dengan target jangka panjang. Dalam
jangka waktu tersebut, kebijakan moneter dapat mencapai stabilitas harga dalam jangka
panjang tanpa mempengaruhi efektivitas kebijakan fiskal dalam mempengaruhi output
misalnya dengan merubah pajak dan pengeluaran pemerintah. Karena dua kebijakan ini dapat
bersinergi dengan baik pada jangka panjang maka koordinasi tidak terlalu difokuskan pada
target jangka panjang, namun lebih diarahkan pada jangka pendek. Dalam analisis jangka
pendek, kebijakan yang tidak saling berkoordinasi dengan baik, misalnya kebijakan fiskal
yang tidak beraturan akan menyebabkan efektivitas kebijakan moneter berkurang.
Leith dan Wren-Lewis model (LWL) yaitu salah satu model koordinasi kebijakan
fiskal dan moneter secara garis besar menyimpulkan bahwa kebijakan fiskal yang pasif dapat

6

menyebabkan kebijakan moneter lebih efektif dalam mempengaruhi perekonomian, misalnya
dengan menaikkan tingkat bunga. Jika kebijakan fiskal dilakukan secara aktif misalnya
dengan pengendalian utang, kebijakan moneter dengan peningkatan tingkat bunga riil akan
mempengaruhi output dan ketidakstabilan utang pemerintah (Creel, 2002).

2.3. Penelitian Sebelumnya
Kajian-kajian teoritis diatas kemudian diperkuat dengan penelitian-penelitian yang
menemukan bagaimana peran koordinasi kebijakan fiskal dan moneter dalam mempengaruhi
output di berbagai negara. Penelitian yang di lakukan di Nigeria (Abata, 2012) menunjukkan
bahwa kebijakan fiskal meliputi pengeluaran pemerintah, pajak, dan pinjaman dinilai gagal
dalam meningkatkan output dan permintaan agregat. Kebijakan fiskal yang tidak teratur
bahkan menjadi alasan penyebab kegagalan perekonomian dalam 10 tahun terakhir di
Nigeria.

Buruknya

manajemen

anggaran

menyebabkan

meningkatnya

korupsi,

penyalahgunaan anggaran, memburuknya utang dan ketidaktransparanan. Kebijakan moneter
lebih memiliki pengaruh yang positif dalam menjaga stabilitas perekonomian. Lebih jauh
penulis merekomendasikan bahwa manajemen anggaran harus diarahkan pada peningkatan
investasi nonmigas yang menyerap banyak lapangan kerja, pembangunan infrastruktur, dan
mengurangi utang.
Di Indonesia, Gulo (2008) meneliti pengaruh kebijakan fiskal dan moneter terhadap
PDB Indonesia tahun 1988-2007. Dengan metode Ordinary Least Square (OLS), hasil
estimasi memperlihatkan bahwa variabel pengeluaran pemerintah berpengaruh positif namun
tidak signifikan. Sedangkan jumlah uang beredar dan penerimaan pajak berpengaruh positif
dan signifikan terhadap pertumbuhan ekonomi Indonesia.
Di Arab Saudi, Albatel (2003) meneliti hal yang sama kurun periode 1964-1998.
Hasil memperlihatkan bahwa alam jangka panjang dan jangka pendek, terdapat hubungan
7

yang erat antara kebijakan pemerintah (kebijakan fiskal dan moneter), liberalisasi
perdagangan, dan pertumbuhan ekonomi. Penelitian ini menggunakan pendekatan Error
Correction Model (ECM).

2.4 Kerangkapemikiran
Variabel pengeluaran pemerintah (GOV), Jumlah uang beredar (JUB), Kurs (EXR)
memiliki hubungan yang positif terhadap pendapatan nasional, dimana peningkatan GOV
akan meningkatkan GDP. Selain memiliki hubungan searah, antar variabel juga memiliki
hubungan kausalitas yang saling mempengaruhi.

2.5. Hipotesis
Diduga terdapat hubungan yang signifikan antara pengeluaran pemerintah, Jumlah Uang
Beredar, kurs dengan pendapatan nasional di Indonesia.

8

BAB III
METODOLOGI PENELITIAN

3.1. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah untuk melihat gabungan kebijakan fiskal dan
kebijakan moneter serta hubungannya dengan pendapatan nasional di Indonesia kurun tahun
1982-2012. Analisis dilakukan dengan pendekatan Vector Error Correction Model (VECM) .

3.2. Jenis dan Sumber Data
Penelitian ini dilakukan di Indonesia, dengan menggunakan data time series 19822012. Data dan referensi yang digunakan bersumber dari Key Indicators For Asia and The
Pacific, jurnal-jurnal dan hasil-hasil penelitian, serta sumber bacaan lainnya. Data yang
digunakan merupakan data variabel ekonomi makro, meliputi; pertumbuhan ekonomi diproxi

9

dengan GDP (harga pasar), pengeluaran pemerintah untuk pembangunan (GOV), nilai tukar
rupiah terhadap US $ (EXR), dan jumlah uang beredar (M2).

3.3. Metode Analisis
Model estimasi yang diadopsi dari persamaan IS-LM pada persamaan (3) kemudian
dibuat dalam bentuk persamaan (4), yaitu:
GDP = a0 + a1 GOV+ a2 M2+ a3 EXR + e........…....................…..(4)
Dimana, GOV merupakan variabel kebijakan fiskal yaitu pengeluaran pemerintah
untuk anggaran pembangunan (capital Expenditure). Variabel M2 merupakan variabel
kebijakan moneter yaitu jumlah uang beredar dalam arti luas (M2), dan EXR merupakan
variabel kontrol yaitu nilai tukar rupiah terhadap dolar US.
Model kemudian akan diestimasi menggunakan pendekatan Vector Error Correction
Model (VECM). Namun sebelum di regresi, akan dilakukan pengujian akar-akar unit dengan
pendekatan Augmented Dickey Fuller (ADF), untuk melihat apakah data stasioner atau tidak.
Pengujian dilakukan untuk menghindari kesalahan dan kerancuan estimasi atau spourius
problem. Pada tingkat level (1(0)), ika nilai ADF lebih besar (>) dari nilai critical value
maka data adalah tidak stasioner. Pengujian harus dilanjutkan pada tingkat First difference
(1(1)) dan atau second difference (1(2)) jika belum juga stasioner, sehingga ditemukan pada
tingkat mana data tersebut stasioner yaitu nilai ADF lebih kecil () dari nilai critical value pada tingkat kepercayaan 5%.
Tabel 2.
Hasil Uji Kointegrasi Variabel D2GDP= F(DGOV, D2M2, DEXR)
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)

Eigenvalue

Trace
Statistic

0.05
Critical Value

Prob.**

None *
At most 1 *
At most 2 *
At most 3 *

0.975550
0.822957
0.516328
0.161386

158.6212
65.84287
22.55882
4.400125

47.85613
29.79707
15.49471
3.841466

0.0000
0.0000
0.0037
0.0359

Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)

Eigenvalue

Max-Eigen
Statistic

0.05
Critical Value

Prob.**

None *
At most 1 *
At most 2 *
At most 3 *

0.975550
0.822957
0.516328
0.161386

92.77828
43.28405
18.15870
4.400125

27.58434
21.13162
14.26460
3.841466

0.0000
0.0000
0.0115
0.0359

Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level

13

**MacKinnon-Haug-Michelis (1999) p-values

Pada tabel (1) diatas terlihat bahwa empat persamaan kointegrasi adalah signifikan,
artinya

variabel fiskal yaitu variabel GOV, variabel moneter M2, dan variabel EXR

memiliki hubungan kointegrasi dengan GDP. Hal yang ini terlihat dari signifikannya nilai
Trace statistic dan nilai Max-Eigen statistic yang lebih besar (>) dari nilai critical value pada
tingkat kepercayaan 5%. Hasil uji kointegrasi ini memperlihatkan bahwa terdapat hubungan
keseimbangan jangka panjang antara kebijakan fiskal, kebijakan moneter dan pertumbuhan
ekonomi di Indonesia.

4.3. Vector Error Correction Model (VECM)
Untuk melihat hubungan keseimbangan kebijakan fiskal, kebijakan moneter dan
pertumbuhan ekonomi dalam jangka pendek, pengujian dilakukan dengan metode Vector
Error Correction Model (VECM). Hasil uji VECM dapat dilihat dari nilai koefisien ECT
(error correction term) yang negatif. Koefisien yang negatif dan signifikan pada ECT
menerangkan bahwa pertumbuhan ekonomi akan merespon fluktuasi dari perubahanperubahan variabel kebijakan fiskal dan moneter. Uji signifikansi didasarkan pada nilai tstatistik yang signifikan pada tingkat kepercayaan 5%.

Tabel 3. Hasil Uji VECM D2GDP=DGOV, D2M2, DEXR
Error Correction Term
(ECT)
DGOV *
D2M2*
DEXR*

Coefficient

Std. Error

t-Statistic

Prob.

-1.259491
-1.680604
-0.533381

0.323380
0.709234
0.162352

-3.894768
-2.369603
-3.285339

0.0009
0.0280
0.0037

nilai ECT adalah nilai c(1) lihat pada lampiran, * signifikan pada tingkat 5%

14

Pada tabel 3 terlihat bahwa nilai koefisien ECT adalah negatif dan signifikan yang
menandakan variabel GDP dapat merespons fluktuasi variabel GOV, M2, dan EXR dalam
jangka panjang. Hal ini berarti variabel kebijakan fiskal dan moneter mempengaruhi
(menyebabkan) GDP dalam jangka panjang. Pengujian dilanjutkan dengan uji Wald test
untuk melihat hubungan jangka pendek.
Tabel.4 Uji Wald Test untuk variabel D2GDP, DGOV
Wald Test:
Equation: D2GDP, DGOV
Test Statistic

Value

Df

Probability

F-statistic*
Chi-square*

5.467112
10.93422

(2, 20)
2

0.0128
0.0042

Tabel 4 memperlihatkan hubungan variabel GOV dengan GDP. Berdasarkan uji Wald
Test, terdapat hubungan jangka pendek antara GOV dan GDP, dimana variabel GOV
menyebabkan GDP. Hasil ini berdasarkan signifikannya nilai F-statistik dan chi-square pada
tingkat kepercayaan 5 %. Jika dilihat secara teoritis temuan ini cukup beralasan, mengingat
pengeluaran pemerintah untuk anggaran pengeluaran dalam jangka pendek akan
meningkatkan permintaan agregat secara langsung.
Tabel.5 Uji Wald Test untuk variabel D2GDP, D2M2
Wald Test:
Equation:D2GDP, DM2
Test Statistic
F-statistic
Chi-square

Value

df

Probability

1.751046
3.502092

(2, 20)
2

0.1992
0.1736

Tabel.6 Uji Wald Test untuk variabel D2GDP, DEXR
Wald Test:
Equation: D2GDP,DEXR
Test Statistic

Value

df

Probability

15

F-statistic
Chi-square

2.511853
5.023707

(2, 20)
2

0.1064
0.0811

Pada tabel 5 dan 6 terlihat bahwa variabel M2 dan EXR tidak mempengaruhi GDP
dalam jangka pendek, terlihat dari nilai F-statistik dan Chi-square yang tidak signifikan pada
tingkat kepercayaan 5%. Temuan ini mengindikasikan tidak adanya hubungan jangka pendek
antara kebijakan moneter dan pertumbuhan ekonomi di Indonesia. Kebijakan moneter hanya
berpengaruh pada pertumbuhan ekonomi dalam jangka panjang. Temuan ini sejalan dengan
beberapa penelitian sebelumnya, bahwa kebijakan fiskal yang aktif akan mengurangi
efektivitas kebijakan moneter. Oleh karena itu direkomendasikan untuk jangka pendek perlu
adanya koordinasi antara

dua kebijakan ini sehingga bersinergi dalam meningkatkan

pertumbuhan ekonomi. Selain itu bisa dimaklumi mengingat target utama kebijakan moneter
adalah stabilitas harga, sehingga penelitian kedepan bisa dikembangkan dengan memasukkan
inflasi sebagai variabel dependen.

16

BAB IV
KESIMPULAN DAN SARAN

4.1. Kesimpulan
Penelitian ini mencoba melihat bagaimana koordinasi kebijakan fiskal, kebijakan
moneter, dan pertumbuhan ekonomi di Indonesia baik dalam jangka panjang maupun jangka
pendek. Hasil Uji kointegrasi dan VECM memperlihatkan bahwa dalam jangka panjang
kebijakan fiskal dan moneter dapat mencapai pertumbuhan ekonomi. Artinya kebijakan
selama ini baik dengan kebijakan pengeluaran pemerintah dan pengendalian jumlah uang
beredar sudah mampu berkoordinasi dengan baik pada jangka panjang. Dalam jangka
pendek, berdasarkan pendekatan VECM dengan uji Wald Test, hanya nilai pengeluaran
pemerintah (kebijakan fiskal) yang memiliki hubungan keseimbangan dengan pertumbuhan
ekonomi. Variabel kebijakan moneter dengan pengendalian jumlah uang beredar dalam
jangka pendek terbukti tidak mempengaruhi pertumbuhan ekonomi.

Penemuan tersebut

17

memperkuat temuan sebelumnya tentang perlunya koordinasi antara kebijakan fiskal dan
moneter dalam jangka pendek sehingga dapat bersinergi meningkatkan pertumbuhan
ekonomi.

4.2. Saran
Hasil penelitian ini memperlihatkan bahwa untuk mencapai pertumbuhan ekonomi
yang stabil, dalam jangka panjang kedua kebijakan ini dapat bersinergi dalam mempengaruhi
pertumbuhan ekonomi. Dua variabel kebijakan yaitu pengeluaran pemerintah untuk anggaran
pembangunan dan pengendalian jumlah uang beredar sangat efektif dijadikan sebagai
kebijakan dengan target jangka panjang. Dalam jangka pendek, koordinasi kebijakan fiskal
dan kebijakan moneter sangat diperlukan. Kebijakan yang tidak berkoordinasi tentu
menghasilkan efek crowding out, dimana dua kebijakan tidak memberikan efek positif bagi
perekonomian. Kedepan, penelitian ini dapat dikembangkan lagi dengan memproxi variabel
kebijakan fiskal dan moneter dengan variabel-variabel lain, dan memasukkan inflasi sebagai
variabel dependen. Selain itu penelitian dapat ditambah dengan isu-isu hangat seperti isu
makroprudensial.

18

DAFTAR PUSTAKA

Abata, Kehinde, and Bolarinwa (2012), Fiscal/Monetary policy and Economic growth in
Nigeria; A Theoretical Exploration, International Journal Of Academic Research In
Economics and Management Sciences.
Albatel, H

Abdullah (2003),

Government

Activity

and

Policy

and

Economic

Development in Saudi Arabia, Journal of Economics and Administrative Sciences.
Anders Walter (1995), Applied Econometric Time Series, Jhon Wiley & Sons-Inc, United
States Of America.
Creel Jerome (2002), Strategic Interactions Between Monetary And Fiscal Policies: A Case
Study For The European Stability Pact, IFO-Studien, ABI/INFORM Global.
Giavazzi Francesco (2003), Inflation

Targeting

and

The Fiscal Policy Regime: The

Experience in Brazil, Bank Of England Quarterly bulletin.
Gujarati, N Damodar (2003), Basic Econometric, 4th ed, McGraw Hill, New York.
Gulo Angandrowa (2008),

Analisis pengaruh aspek moneter dan fiskal terhadap

pertumbuhan ekonomi Indonesia, VISI, 16,3,595-611
Hagen Von Jurgen and Mundschenk Susanne (2003), Fiscal and Monetary Policy
Coordination in EMU, International journal of finance and economics.

19

Koran Kompas (2004), Finn Kydland dan Edward Prescott Raih Hadiah Nobel Ekonomi
2004, Harian (12 Oktober): 12.
Manurung Bonar Rikardo (2002), Twin Defisit di Indonesia, Tesis, Magister Ekonomi
Pembangunan USU, Medan.
Nopirin (2000), Ekonomi Moneter, Buku I Dan II, Jilid 1, BPFE Yogyakrata, Yogyakarta.
Nanga Muana (2001), Makroekonomi Teori, Masalah Dan Kebijakan, Edisi Perdana, PT
Raja Grafindo Persada, Jakarta.
Rahardja Prathama dan Manurung Mandala (2001), Teori Ekonomi Makro, Lembaga Penerbit
Fakultas Ekonomi Universitas Indonesia, Jakarta.
Seftarita Chenny (2005), Kebijakan Fiskal, Kebijakan Moneter dan Pertumbuhan Ekonomi
Di Indonesia, Tesis, Magister Ekonomi Pembangunan USU, Medan.
Turnovsky, J. Stephen (2000),The Transitional Dynamics of Fiscal Policy:Long-Run Capital
Accumulation, and Growth, University of Washington, Seattle.

Lampiran
1. Data
Obs
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

GDP
62.500
77.700
89.900
96.900
102.70
124.80
149.60
179.50
210.80
249.90
282.40
329.70
382.20
454.50
532.60
627.70
955.80
1099.7
1389.8
1646.3
1821.8
2013.7
2295.8
2774.3
3339.2
3950.9

GOV
7360.000
9899.000
9952.000
10873.00
6716.000
11122.00
11399.00
12836.00
18191.00
20440.00
26259.00
27705.00
28599.00
30686.00
35952.00
38359.00
55142.00
81902.00
42594.00
122639.0
138794.0
69247.00
61450.00
32889.00
54952.00
64289.00

M2
11.000
14.600
17.900
23.100
27.600
33.800
41.900
58.700
84.600
99.000
119.00
145.20
174.50
223.30
288.60
355.60
577.30
646.20
738.70
844.00
883.90
955.60
1033.9
1202.8
1382.5
1649.7

EXR
661.0000
909.0000
1026.000
1111.000
1283.000
1644.000
1686.000
1770.000
1843.000
1950.000
2030.000
2087.000
2161.000
2249.000
2342.000
2909.000
10014.00
7856.000
8422.000
10261.00
9311.000
8577.000
8939.000
9705.000
9159.000
4141.000

20

2008
2009
2010
2011
2012

4948.7
72773.00
1895.8
5606.2
75871.00
2141.4
6446.9
80287.00
2471.2
7422.8
117118.0
2877.2
8241.9
205022.0
3304.6
Sumber: Key Indicators For Asia And The Pacipic
GDP dan M2 : dalam triliun rupiah
GOV: dalam Miliar Rupiah
EXR: nilai tukar rupiah terhadap dolar Amerika

9699.000
10390.00
9090.000
8770.000
9387.000

2. Uji Akar-akar Unit
Null Hypothesis: D(GDP,2) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=5)

Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

-8.401825
-3.689194
-2.971853
-2.625121

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(GDP,3)
Method: Least Squares
Date: 10/20/13 Time: 12:54
Sample (adjusted): 1985 2012
Included observations: 28 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(GDP(-1),2)
C

-1.498080
45.90735

0.178304
23.63643

-8.401825
1.942228

0.0000
0.0630

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic

0.730823
0.720470
120.8103
379473.1
-172.9310
70.59066

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

-5.492857
228.5017
12.49507
12.59023
12.52416
2.152897

Null Hypothesis: D(M2,2) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level

t-Statistic

Prob.*

-7.265757
-3.689194
-2.971853

0.0000

21

10% level

-2.625121

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(M2,3)
Method: Least Squares
Date: 10/20/13 Time: 12:56
Sample (adjusted): 1985 2012
Included observations: 28 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(M2(-1),2)
C

-1.338855
20.01625

0.184269
10.07430

-7.265757
1.986863

0.0000
0.0576

R-squared
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.670014
87.86228
10.78720
10.88236
10.81629
2.003164

Mean dependent var
S.E. of regression
Sum squared resid
Log likelihood
F-statistic

0.775000
51.43342
68780.32
-149.0208
52.79122

Null Hypothesis: D(GOV) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=2)

Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

-4.475707
-3.679322
-2.967767
-2.622989

0.0014

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(GOV,2)
Method: Least Squares
Date: 10/22/13 Time: 14:15
Sample (adjusted): 1984 2012
Included observations: 29 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(GOV(-1))
C

-1.022146
6812.197

0.228376
5547.315

-4.475707
1.228017

0.0001
0.2300

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.425922
0.404660
29508.35
2.35E+10
-338.5935
20.03196
0.000125

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

2943.621
38243.92
23.48921
23.58350
23.51874
1.720593

22

Null Hypothesis: D(EXR) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=2)

Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

-5.765924
-3.689194
-2.971853
-2.625121

0.0001

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(EXR,2)
Method: Least Squares
Date: 10/22/13 Time: 14:16
Sample (adjusted): 1985 2012
Included observations: 28 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(EXR(-1))
D(EXR(-1),2)
C

-1.759460
0.339254
518.7075

0.305148
0.188458
377.4500

-5.765924
1.800155
1.374242

0.0000
0.0839
0.1816

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic

3.

0.696305
0.672010
1941.221
94208464
-250.1337
28.65973

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

17.85714
3389.568
18.08098
18.22372
18.12461
2.016732

Uji Kointegrasi

Date: 10/22/13 Time: 09:57
Sample (adjusted): 1988 2012
Included observations: 25 after adjustments
Trend assumption: Linear deterministic trend
Series: D2GDP DGOV D2M2 DEXR
Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)

Eigenvalue

Trace
Statistic

0.05
Critical Value

Prob.**

None *
At most 1 *
At most 2 *
At most 3 *

0.975550
0.822957
0.516328
0.161386

158.6212
65.84287
22.55882
4.400125

47.85613
29.79707
15.49471
3.841466

0.0000
0.0000
0.0037
0.0359

23

Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)

Eigenvalue

Max-Eigen
Statistic

0.05
Critical Value

Prob.**

None *
At most 1 *
At most 2 *
At most 3 *

0.975550
0.822957
0.516328
0.161386

92.77828
43.28405
18.15870
4.400125

27.58434
21.13162
14.26460
3.841466

0.0000
0.0000
0.0115
0.0359

Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
D2GDP
-0.043828
0.039136
0.044344
-0.032352

DGOV
-0.000171
-0.000253
0.000486
4.66E-05

D2M2
0.159224
-0.125257
-0.077611
0.018015

DEXR
0.001137
0.000912
-0.005390
-0.002033

Unrestricted Adjustment Coefficients (alpha):
D(D2GDP)
D(DGOV)
D(D2M2)
D(DEXR)

15.48811
7890.596
0.696559
1056.623

1 Cointegrating Equation(s):

2.536835
6643.338
23.80507
50.48819

-16.26948
-712.4693
-6.573476
-216.5831

Log likelihood

-650.5131

15.45366
682.2620
11.69446
405.6900

Normalized cointegrating coefficients (standard error in parentheses)
D2GDP
DGOV
D2M2
DEXR
1.000000
0.003902
-3.632960
-0.025937
(0.00058)
(0.09901)
(0.00595)
Adjustment coefficients (standard error in parentheses)
D(D2GDP)
-0.678806
(0.59189)
D(DGOV)
-345.8254
(101.551)
D(D2M2)
-0.030528
(0.53182)
D(DEXR)
-46.30918
(14.1200)

2 Cointegrating Equation(s):

Log likelihood

-628.8711

Normalized cointegrating coefficients (standard error in parentheses)
D2GDP
DGOV
D2M2
DEXR
1.000000
0.000000
-3.470126
-0.007390
(0.13346)
(0.00354)

24

0.000000

1.000000

-41.73459
(31.9252)

-4.753715
(0.84585)

Adjustment coefficients (standard error in parentheses)
D(D2GDP)
-0.579524
-0.003290
(0.79226)
(0.00411)
D(DGOV)
-85.83166
-3.028598
(68.4366)
(0.35546)
D(D2M2)
0.901107
-0.006137
(0.57489)
(0.00299)
D(DEXR)
-44.33327
-0.193444
(18.9090)
(0.09821)

3 Cointegrating Equation(s):

Log likelihood

-619.7917

Normalized cointegrating coefficients (standard error in parentheses)
D2GDP
DGOV
D2M2
DEXR
1.000000
0.000000
0.000000
-0.106237
(0.02527)
0.000000
1.000000
0.000000
-5.942526
(0.70173)
0.000000
0.000000
1.000000
-0.028485
(0.00706)
Adjustment coefficients (standard error in parentheses)
D(D2GDP)
-1.300976
-0.011201
3.411005
(0.92453)
(0.00721)
(2.72470)
D(DGOV)
-117.4253
-3.375037
479.5393
(84.2678)
(0.65719)
(248.346)
D(D2M2)
0.609614
-0.009333
-2.360674
(0.70531)
(0.00550)
(2.07861)
D(DEXR)
-53.93740
-0.298758
178.7246
(23.1967)
(0.18091)
(68.3630)

4.

Hasil VECM

Vector Error Correction Estimates
Date: 10/21/13 Time: 16:05
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

DGOV(-1)

0.004726
(0.00141)
[ 3.35291]

C

-56.57868

Error Correction:

D(D2GDP)

D(DGOV)

CointEq1

-1.259491
(0.32338)
[-3.89477]

-80.44504
(103.259)
[-0.77906]

25

D(D2GDP(-1))

-0.426497
(0.25728)
[-1.65774]

149.0939
(82.1514)
[ 1.81487]

D(D2GDP(-2))

-0.443944
(0.17215)
[-2.57877]

80.90295
(54.9707)
[ 1.47175]

D(DGOV(-1))

0.004203
(0.00132)
[ 3.19469]

-0.390981
(0.42006)
[-0.93078]

D(DGOV(-2))

0.001732
(0.00089)
[ 1.93748]

-0.203542
(0.28547)
[-0.71300]

C

-6.597362
(20.1429)
[-0.32753]

2730.472
(6431.89)
[ 0.42452]

0.856005
0.820007
202981.4
100.7426
23.77880
-153.4085
12.26219
12.55252
-5.984615
237.4569

0.493306
0.366632
2.07E+10
32168.37
3.894308
-303.3289
23.79453
24.08486
3540.808
40420.45

R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent

Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion

1.05E+13
6.21E+12
-456.7339
36.21030
36.88773

5.
Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/21/13 Time: 16:06
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
D(D2GDP) = C(1)*( D2GDP(-1) + 0.00472629905762*DGOV(-1) 56.5786785914 ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4)
*D(DGOV(-1)) + C(5)*D(DGOV(-2)) + C(6)

C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared

Coefficient

Std. Error

t-Statistic

Prob.

-1.259491
-0.426497
-0.443944
0.004203
0.001732
-6.597362

0.323380
0.257276
0.172153
0.001316
0.000894
20.14292

-3.894768
-1.657743
-2.578773
3.194685
1.937483
-0.327528

0.0009
0.1130
0.0179
0.0046
0.0669
0.7467

0.856005
0.820007

Mean dependent var
S.D. dependent var

-5.984615
237.4569

26

S.E. of regression
Sum squared resid
Log likelihood
F-statistic

100.7426
202981.4
-153.4085
23.77880

Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

12.26219
12.55252
12.34579
2.212344

6.
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square

Value

Df

Probability

5.467112
10.93422

(2, 20)
2

0.0128
0.0042

Value

Std. Err.

0.004203
0.001732

0.001316
0.000894

Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
C(5)
Restrictions are linear in coefficients.

Vector Error Correction Estimates
Date: 10/22/13 Time: 10:04
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

D2M2(-1)

-1.893984
(0.53073)
[-3.56865]

C

-8.068889

Error Correction:

D(D2GDP)

D(D2M2)

CointEq1

-1.680604
(0.70923)
[-2.36960]

0.007384
(0.37444)
[ 0.01972]

D(D2GDP(-1))

-0.233000
(0.52690)
[-0.44221]

-0.099447
(0.27818)
[-0.35750]

D(D2GDP(-2))

-0.442194
(0.25316)
[-1.74673]

-0.127289
(0.13365)
[-0.95239]

D(D2M2(-1))

-1.787665
(1.12969)
[-1.58244]

-0.938029
(0.59642)
[-1.57277]

27

D(D2M2(-2))

-0.536835
(0.62494)
[-0.85902]

-0.375131
(0.32994)
[-1.13698]

C

5.293686
(22.6132)
[ 0.23410]

6.198377
(11.9386)
[ 0.51919]

0.813044
0.766305
263541.1
114.7914
17.39545
-156.8027
12.52328
12.81361
-5.984615
237.4569

0.647557
0.559446
73456.43
60.60381
7.349340
-140.1950
11.24577
11.53610
0.850000
91.30619

R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent

Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion

33689016
19934329
-292.2882
23.56063
24.23807

7.
Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/22/13 Time: 10:05
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
D(D2GDP) = C(1)*( D2GDP(-1) - 1.89398427544*D2M2(-1) - 8.068888554 )
+ C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4)*D(D2M2(-1)) + C(5)
*D(D2M2(-2)) + C(6)

C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic

Coefficient

Std. Error

t-Statistic

Prob.

-1.680604
-0.233000
-0.442194
-1.787665
-0.536835
5.293686

0.709234
0.526902
0.253155
1.129691
0.624940
22.61320

-2.369603
-0.442207
-1.746733
-1.582436
-0.859019
0.234097

0.0280
0.6631
0.0960
0.1292
0.4005
0.8173

0.813044
0.766305
114.7914
263541.1
-156.8027
17.39545

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

-5.984615
237.4569
12.52328
12.81361
12.60689
1.957144

8.
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square

Value

df

Probability

1.751046
3.502092

(2, 20)
2

0.1992
0.1736

28

Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
C(5)

Value

Std. Err.

-1.787665
-0.536835

1.129691
0.624940

Restrictions are linear in coefficients.
9.
Vector Error Correction Estimates
Date: 10/22/13 Time: 10:08
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

DEXR(-1)

0.131056
(0.03937)
[ 3.32871]

C

-75.87152

Error Correction:

D(D2GDP)

D(DEXR)

CointEq1

-0.533381
(0.16235)
[-3.28534]

-12.41663
(4.12889)
[-3.00726]

D(D2GDP(-1))

-0.222117
(0.27051)
[-0.82111]

5.958367
(6.87948)
[ 0.86611]

D(D2GDP(-2))

-0.365840
(0.14044)
[-2.60503]

1.887855
(3.57153)
[ 0.52858]

D(DEXR(-1))

0.016656
(0.01798)
[ 0.92617]

0.383272
(0.45737)
[ 0.83799]

D(DEXR(-2))

0.033153
(0.01514)
[ 2.18944]

-0.050244
(0.38509)
[-0.13047]

C

-0.098920
(17.1183)
[-0.00578]

-25.34787
(435.347)
[-0.05822]

0.893397
0.866746
150272.8
86.68127
33.52228
-149.4998
11.96153
12.25186

0.686679
0.608349
97192257
2204.453
8.766462
-233.6358
18.43352
18.72385

R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC

29

Mean dependent
S.D. dependent

-5.984615
237.4569

17.11538
3522.501

Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion

2.78E+10
1.65E+10
-379.6142
30.27802
30.95545

Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/22/13 Time: 10:09
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
D(D2GDP) = C(1)*( D2GDP(-1) + 0.131056218017*DEXR(-1) 75.8715220691 ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4)
*D(DEXR(-1)) + C(5)*D(DEXR(-2)) + C(6)

C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic

Coefficient

Std. Error

t-Statistic

Prob.

-0.533381
-0.222117
-0.365840
0.016656
0.033153
-0.098920

0.162352
0.270508
0.140436
0.017984
0.015142
17.11829

-3.285339
-0.821111
-2.605027
0.926167
2.189444
-0.005779

0.0037
0.4213
0.0169
0.3654
0.0406
0.9954

0.893397
0.866746
86.68127
150272.8
-149.4998
33.52228

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

-5.984615
237.4569
11.96153
12.25186
12.04513
1.866421

10.
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square

Value

df

Probability

2.511853
5.023707

(2, 20)
2

0.1064
0.0811

Value

Std. Err.

0.016656
0.033153

0.017984
0.015142

Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
C(5)
Restrictions are linear in coefficients.

30

31

32