Selasa, 23 Juni 2009

Pengaruh Tingkat Suku Bunga SBI dan Kurs terhadap Jumlah Uang Beredar (Periode 1998-April 2001)

BAB I
LATAR BELAKANG
A. Alasan Memilih Judul
Dari sudut pandang ekonom, uang (money) merupakan stok aset-aset yang digunakan untuk transaksi. Uang adalah sesuatu yang diterima/dipercaya masyarakat sebagai alat pembayaran atau transaksi. Uang memiliki empat fungsi penting, yaitu sebagai satuan hitung (unit of account), alat transaksi/pembayaran (medium of axchange), penyimpan nilai (store of value) dan standar pembayaran di masa mendatang (standart of deferred payment).
Yang dimaksud dengan jumlah uang beredar adalah nilai keseluruhan uang yang berada di tangan masyarakat. Melihat dan memahami dari definisi-definisi yang sudah ada dalam buku-buku teori ekonomi makro maka membuat saya untuk mengembangkan pembahasan lebih lanjut mengenai Jumlah Uang Beredar serta faktor apa saja yang mempengaruhinya. Maka dari itu saya memilih judul ini untuk membuat paper ini sebagai tugas akhir dari mata kuliah Statistik Ekonomi II di bawah bimbingan ibu Amalia SE, MM dan bapak Dr.Ir.Nadratuzzaman Hosen, PhD.
B. Tujuan Penulisan
Dalam penulisan paper ini ada beberapa tujuan penulisan yang ingin saya capai. Tujuan umum dari penulisan paper ini adalah untuk menguji apakah benar tingkat suku bunga SBI dan nilai tukar rupiah terhadap Dollar AS (kurs) itu berpengaruh terhadap jumlah uang beredar. Sedangkan tujuan yang spesifiknya adalah :
1. menyelesaikan tugas paper yang diberikan kepada setiap mahasiswa jurusan Perbankan Syariah semester IV sebagai pengganti Ujian Akhir Semester (UAS) pada mata kuliah Statistika Ekonomi II
2. menyelesaikan tugas paper sebagai tugas individual pada mata kuliah Statistika Ekonomi II guna mendapatkan nilai Ujian Akhir Semester (UAS)
3. mengetahui dan memahami pengaruh yang diberikan suku bunga SBI dan kurs terhadap jumlah uang beredar di masyarakat
4. mengaplikasikan pembahasan mengenai Regresi Berganda pada program SPSS
BAB II
KERANGKA TEORI

A. Asumsi-asumsi Klasik
Fungsi regresi sederhana dan berganda, semua datanya bisa dipakai jika telah memenuhi asumsi-asumsi klasik. Di antara asumsi-asumsi klasik itu, yaitu :
1. Kenormalan (Normalitas)
Kenormalan (Normalitas) adalah untuk mengetahui apakah data sample berdistribusi normal atau tidak. Salah satu cara untuk mendeteksinya adalah dengan melihat grafik normalnya (normal probability plot). Dasar pengambilan keputusannya adalah jika data menyebar di sekitar garis diagonal dan mendekati arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal atau tidak mendekati arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
2. Heterokedasitas
Heterokedasitas adalah ketidaksamaan varians dalam analisis regresi. Salah satu cara mendeteksinya adalah dengan melihat scatter plotnya. Dasar pengambilan keputusannya adalah melihat scatter plot, jika titik-titiknya membentuk pola baik didaerah negatif ataupun positif maka dapat dikatakan ada masalah heterokedasitas. Dan jika titik-titiknya tidak membentuk pola yaitu titik-titiknya menyebar baik didaerah positif maupun negatif maka dapat dikatakan tidak ada masalah dalam heterokedasitas (homoskedasitas).
3. Autokorelasi
Autokorelasi terjadi jika kesalahan observasi (kesalahan pengganggu) yang ada berkorelasi satu sama lain, sehingga mengakibatkan penduga untuk a dan b tidak lagi BLUE (Best Linier Unbiased Estimator). Dasar pengambilan keputusannya adalah dengan melakukan uji statistik Durbin Watson yaitu membandingkan antara nilai Durbin Watson pada print out dengan nilai tabel Durbin Watson.
4. Multikolinearitas
Multikolinearitas terjadi jika variabel-variabel bebas yang ada berkorelasi satu sama lain secara extrim, ada kemungkinan terjadi 2 variabel atau lebih mempunyai hubungan korelasi yang sangat kuat sehingga pengaruh masing-masing variable bebas terhadap Y sukar untuk dibedakan.
B. Penjelasan Variabel X1, X2 dan Y
a. Tingkat Suku Bunga SBI (X1)
Yang dimaksud dengan suku bunga SBI adalah tingkat bunga yang ditetapkan pemerintah atas bank-bank umum yang ingin membeli sertifikat Bank Indonesia (SBI) yang dijadikan patokan untuk menambah/mengurangi jumlah uang beredar.
b. Kurs (X2)
Kurs adalah nilai tukar rupiah terhadap dollar AS.
c. Jumlah Uang Beredar (Y)
Dalam teori ekonomi makro, kebijakan moneter adalah upaya mengendalikan atau mengarahkan perekonomian makro ke kondisi yang diinginkan (yang lebih baik) dengan mengatur jumlah uang beredar. Yang dimaksud dengan kondisi lebih baik adalah meningkatnya output keseimbangan dan atau terpeliharanya stabilitas harga (inflasi terkontrol). Melalui kebijakan moneter pemerintah dapat mempertahankan, menambah atau mengurangi jumlah uang beredar dalam upaya mempertahankan kemampuan ekonomi bertumbuh, sekaligus mengendalikan inflasi.
d. Keterangan Sampel
Dalam mengerjakan paper ini saya menggunakan sampel sebanyak 40 sampel. Sampel yang digunakan adalah bulan Januari tahun 1998 sampai dengan April 2001. Sampel ini saya ambil dari buku-buku yang ada di Perpustakaan Badan Pusat Statistik (BPS) untuk sampel tahun 1998-1999 dan Perpustakaan Bank Indonesia (BI) untuk sampel tahun 2000-2001, sebab untuk di perpustakaan BPS data-data terbaru mengenai perekonomian Indonesia itu belum bisa dipublikasikan karena harus diaudit ulang terlebih dahulu. Maka dari itu saya mencarinya di Perpustakaan Bank Indonesia gedung B lantai 2. Lalu data-data yang sudah terkumpul saya salin dalam Microsoft excel supaya lebih rapih dan tidak berceceran karena berbentuk lembaran fotocopyan-fotocopyan.
BAB III
PEMBAHASAN
A. Uji Asumsi Klasik
1. Kenormalan (Normalitas)
Dengan melihat grafik kurva normal probability plot (normal p plot) dari gambar yang ada pada lampiran halaman 5 sebelum di transformasi ke dalam bentuk log dan lon gambar grafik kurva tersebut diketahui bahwa titik-titiknya kurang mendekati garis diagonal. Maka bias dikatakan tidak memenuhi asumsi normalitas.
Tetapi setelah data di transformasikan ke dalam bentuk log dan lon yang ada pada lampiran halaman 11 dan 17 maka terlihat bahwa titik-titik dalam gambar grafik kurva tersebut mendekati garis diagonal dan berarti data dalam fungsi regresi memenuhi asumsi normalitas.
2. Heterokedasitas
Dengan melihat grafik scatter plot yang ada pada lampiran halaman 6 sebelum di transformasi ke dalam bentuk log dan lon gambar tersebut diketahui bahwa titik-titiknya berkumpul membentuk pola maka ada masalah dalam asumsi heterokedasitas.
Tetapi setelah data ditransformasikan ke dalam bentuk log dan lon yang ada pada lampiran halaman 12 dan 18 maka terlihat bahwa titik-titik dalam gambar tersebut menyebar baik di daerah positif (+) maupun negatif (-) dan tidak membentuk pola sehinggga data dalam fungsi regresi tidak ada masalah heterokedasitas (homoskedasitas).
3. Multikolinearitas
Dengan melihat tabel coefficients yang ada pada lampiran halaman 2 sebelum ditransformasikan ke dalam bentuk log dan lon nilai VIF adalah 1,247. dan itu berarti tidak ada masalah dalam asumsi multikolinearitas. Sebab patokan untuk asumsi multikolinearitas adalah “jika nilai VIFnya kurang dari (<) 5 maka tidak ada masalah multikolinearitas dan jika nilai VIFnya lebih dari (>) 5 maka ada masalah multikolinearitas”.
Tetapi karena data sudah ditransformasikan ke dalam bentuk log dan lon maka nilai VIFnya berubah menjadi lebih kecil yaitu 1,090 (ada pada tabel coefficients halaman 8 dan 14), dan itu berarti tetap saja tidak ada masalah dalam asumsi multikolinearitas.
4. Autokorelasi
Cara mendeteksi untuk uji autokorelasi adalah dengan melihat nilai Durbin Watson pada print out dan Durbin Watson tabel.
- nilai Durbin Watson pada print out adalah 0, 180 dan transformasi log dan lon adalah 0,140
- nilai Durbin Watson tabel adalah harus terlebih dahulu:
N = 40
K = 2 tidak ada
α = 5% korelasi + tidak tahu korelasi tidak tahu korelasi -
0 DL DU 4-DU 4-DL 4
0,140 0,180
DL = 1,39
DU = 1,60 2,40 2,61
4-DL = 4-1,39 = 2,61
4-DU = 4-1,60 = 2,40
Jadi, dalam uji asumsi Autokorelasi berarti korelasi positif (+).
B. Fungsi Regresi dan Interpretasinya
Fungsi regresi yang bisa kita ambil dari print out yang ada sebelum ditransformasi ke dalam bentik log dan lon adalah
Y = 28073,4 + 542,277X1 + 10,208X2 + ε
(968,225) (672,423) (5,956)
Fungsi regresi di atas berarti :
- ketika X1 dan X2 mendekati 0 maka Y bernilai 28073,4
- ketika X1 naik 1 satuan sedang X2 tetap maka Y naik sebesar 542,277
- ketika X2 naik 1 satuan sedang X1 tetap maka Y naik sebesar 10,208
Fungsi regresi dalam bentuk log yang ada pada print out adalah
Y = 5,902 – 0,163X1 + 0,027X2 + ε
(0,189) (0,032) (0,050)
Fungsi regresi di atas berarti :
- ketika X1 dan X2 mendekati 0 maka Y bernilai 5,902
- ketika X1 naik 1 satuan sedang X2 tetap maka Y turun sebesar 0,163
- ketika X2 naik 1 satuan sedang X1 tetap maka Y naik sebesar 0,027
Fungsi regresi dalam bentuk lon yang ada pada print out adalah
Y = 13,589 – 0,163X1 + 0,027X2 + ε
(0,435) (0,032) (0,050)
Fungsi regresi di atas berarti :
- ketika X1 dan X2 mendekati 0 maka Y bernilai 13,589
- ketika X1 naik 1 satuan sedang X2 tetap maka Y turun sebesar 0,163
- ketika X2 naik 1 satuan sedang X1 tetap maka Y naik sebesar 0,027
C. Uji F
Uji F adalah menguji secara bersama-sama seluruh variable bebasnya terhadap variable tak bebasnya. Dalam uji F ini data sebelum dan sesudah di log dan lon nilai Signya tetap yaitu 0,000
Nilai sig Nilai α
0,000 < 0,005
Maka Ho ditolak, berarti signifikan. Artinya bahwa secara bersama-sama seluruh variable bebasnya mempunyai pengaruh terhadap variable tak bebasnya.
D. Uji t
Uji t adalah menguji masing-masing variable bebasnya terhadap variable tak bebasnya.
- Uji Konstanta
Nilai signifikan Nilai α
0,000 < 0,05
Maka Ho ditolak, berarti signifikan artinya bahwa X mempunyai pengaruh terhadap Y
- Uji X1
Nilai signifikan Nilai α
0,000 < 0,05
Maka Ho ditolak, berarti signifikan artinya bahwa X1 mempunyai pengaruh terhadap Y
- Uji X2
Nilai signifikan Nilai α
0,095 > 0, 05
Maka Ho diterima, berarti tidak signifikan artinya bahwa X2 tidak mempunyai pengaruh terhadap Y
Uji t log dan lon
- Uji Konstanta
Nilai signifikan Nilai α
0,000 < 0,05
Maka Ho ditolak, berarti signifikan artinya bahwa X mempunyai pengaruh terhadap Y
- Uji X1
Nilai signifikan Nilai α
0,000 < 0,05
Maka Ho ditolak, berarti signifikan artinya bahwa X1 mempunyai pengaruh terhadap Y
- Uji X2
Nilai signifikan Nilai α
0,595 > 0,05
Maka Ho diterima, berarti tidak signifikan artinya bahwa X2 tidak mempunyai pengaruh terhadap Y
E. Nilai Koefisien Korelasi (r) dan nilai Koefisien Determinant/Penentu (R2)
Koefisien korelasi adalah koefisien yang menyatakan kuat lemahnya hubungan antara variable bebas (X) dengan variable tak bebas (Y).
- Nilai r sebelum di log dan lon adalah sebesar 0,658, berarti hubungan antara variable X dan Y adalah kuat dan positif. Positif itu berarti jika X naik maka Y juga naik dan jika X turun maka Y juga akan turun.
- Nilai r di log dan lon adalah sebesar 0,651, berarti hubungan antara variable X dan Y adalah kuat dan positif. Positif itu berarti jika X naik maka Y juga naik dan jika X turun maka Y juga akan turun.
Koefisien determinant/penentu adalah nilai yang menyatakan seberapa besar variable Y dapat dijelaskan oleh variable X. Koefisien determinant atau koefisien penentu dilambangkan dengan R2. Nilai R2 sebelum di log dan lon adalah sebesar 43,29% berarti variabel Y dapat dijelaskan oleh variabel X sebesar 43,29% sedangkan sisanya sebesar 56,71% dijelaskan oleh faktor-faktor lain.
Nilai R2 di log dan lon adalah sebesar 42,38% berarti variabel Y dapat dijelaskan oleh variabel X sebesar 42,38% sedangkan sisanya sebesar 57,62% dijelaskan oleh faktor-faktor lain.
F. Uji secara Substansi
Secara substansi memang benar jumlah uang yang beredar dipengaruhi oleh tingkat suku bunga dan kurs Dollar AS karena sudah dibuktikan melalui metode regresi berganda dan nilai korelasinya pun positif dan kuat dalam ilmu statistik.
Secara teori ekonomi makro, belum ada yang menguji apakah kurs berpengaruh atau tidak karena dalam buku-buku ekonomi makro hanya faktor bungalah yang mempengaruhi jumlah uang beredar dimasyarakat. Dengan metode ilmu statistikalah dibuktikan kalau faktor kurs juga berpengaruh terhadap jumlah uang beredar.
BAB IV
PENUTUP

Dari pembahasan yang sudah dipaparkan tadi, bisa diambil kesimpulan bahwa fungsi regresi dari pengaruh suku bunga SBI dan kurs terhadap jumlah uang beredar adalah Y = 28073,4 + 542,277X1 + 10,208X2 + ε dengan standar error untuk konstanta (Y) adalah 968,225, untuk X1 adalah 672,423 dan untuk X2 adalah 5, 956. Dengan di uji t maka jelas terlihat bahwa variabel bebas dalam hal ini yaitu suku bunga SBI dan kurs memberikan pengaruh terhadap variabel tak bebasnya yaitu jumlah uang beredar. Fungsi regresi ini juga telah memenuhi asumsi klasik yaitu melalui uji asumsi Kenormalan, uji asumsi Heterokedasitas, uji asumsi Multikolinearitas dan uji asumsi Autokorelasi.
Jika kita lihat dari bagaimana hubungan antara pengaruh yang diberikan oleh suku bunga SBI dan Kurs terhadap jumlah uang beredar adalah kuat dan positif dengan nilai koefisien korelasinya yaitu sebesar 0,658. Dan Jumlah Uang Beredar (Y) dapat dijelaskan oleh suku bunga dan kurs (X1 dan X2) sebesar 43,29% dan 56,71% dijelaskan oleh faktor-faktor lain, mungkin inflasi atau kebijakan-kebijakan moneter pemerintah.
Dan tidak lupa dalam menginput data ke dalam SPSS saya mentransform data ke dalam bentuk log dan lon untuk lebih meyakinkan saja kalau data itu memenuhi asumsi klasik atau tidak.
Demikianlah tugas akhir dalam bentuk paper ini yang saya bisa kerjakan dalam waktu sebulan dengan mencari data ke Perpustakaan BPS dan BI. Mohon maaf jika ada kesalahan penulisan dan kekurangan dalam paper ini.

Tidak ada komentar:

Poskan Komentar