Professional Documents
Culture Documents
Luky Alfirman*
Edy Sutriono**
Abstraksi
*
Dr. Luky Alfirman saat ini bertugas di Direktorat Jenderal Pajak Departemen Keuangan.
**
Edy Sutriono, SE, MM, MSE saat ini bertugas di Direktorat Jenderal Perbendaharaan Departemen
Keuangan.
Luky Alfirman dan Edy Sutriono
komponen Produk Domestik Bruto (PDB). dan sifat dari hubungan tersebut (searah atau
Seperti kita ketahui dalam konsep timbal balik). Pengetahuan tersebut
makroekonomi dan pembangunan ekonomi diperlukan bagi pemerintah dalam
bahwa PDB(Y) terdiri dari konsumsi rumah menyusun langkah-langkah dan kebijakan
tangga(C), investasi (I), pengeluaran fiskal berikutnya dalam meningkatkan
pemerintah (G) dan net ekspor (X-M) atau peranannya dalam meningkatkan produk
(Y = C + I + G + (X-M)). Pengeluaran rutin domestik bruto.
pemerintah digunakan untuk pengeluaran
yang tidak produktif dan mengarah kepada Identifikasi Masalah
konsumsi sedang pengeluaran pembangunan
lebih bersifat investasi. Penelitian ini akan mencoba
Hal ini menuntut produktivitas mengangkat permasalahan yaitu :
masing-masing komponen pengeluaran 1. Apakah ada hubungan antara
pemerintah untuk dapat memberikan pengeluaran pemerintah dengan produk
kontribusi kepada PDB untuk periode domestik bruto ?
berikutnya secara berkesinambungan. 2. Bagaimana sifat hubungan tersebut,
Tentunya pengeluaran komponen-komponen apakah searah atau timbal balik antara
tersebut harus dialokasikan kepada pengeluaran pemerintah dengan produk
pengeluaran-pengeluaran yang bersifat domestik bruto?
produktif dan investasi. 3. Bagaimana hubungan per jenis
Bertolak dari hal-hal tersebut diatas pengeluaran pemerintah (total, rutin dan
maka perlu diketahui hubungan pembangunan) dengan produk domestik
pengeluaran pemerintah terhadap produk bruto?
domestik bruto. Pengeluaran pemerintah
memang sebagai salah satu komponen dari Hipotesa
PDB, akan tetapi apakah pengeluaran
pemerintah di suatu periode, katakanlah Kerangka Pikir Analisis
tahun 2000 mampu memberikan stimulus Pengeluaran pemerintah terdiri dari
baik bagi investasi, konsumsi maupun pengeluaran rutin dan pembangunan.
pengeluaran pemerintah sendiri di tahun itu Pengeluaran rutin biasanya lebih banyak
dan pada gilirannya akan memberikan untuk konsumsi seperti gaji pegawai sedang
kontribusi kepada PDB untuk tahun 2001 pembangunan lebih cenderung untuk
dan seterusnya. Demikian sebaliknya apakah investasi. Akan tetapi dalam kenyataannya,
kontribusi dari komponen lain yang komponen pengeluaran pembangunan juga
terakumulasi pada PDB atau singkatnya mengandung gaji / honor dan upah.
PDB akan mempengaruhi pengeluaran Pengeluaran pemerintah ini sebagai stimulus
pemerintah. Apakah peningkatan PDB di perekonomian akan meningkatkan PDB.
tahun 2000 menyebabkan membaiknya Asumsikan kondisi ini terjadi pada waktu t-
perekono-mian dan dunia usaha sehingga 1. Peningkatan PDB pada waktu t-1 dan
meningkatkan penerimaan negara dari sektor membaiknya kondisi perekonomian akan
pajak misalnya di tahun 2001, dan pada mempengaruhi kondisi pelaku ekonomi pada
akhirnya dapat meningkatkan pengeluaran waktu t (rumah tangga, perusahaan dan
pemerintah di tahun 2001. Demikian efek pemerintah sendiri). Peningkatan
tersebut akan saling mempengaruhi antar kesejahteraan rumah tangga akan
periode secara kesinambungan . Implikasi meningkatkan pendapatan yang berdampak
bagi pemerintah adalah mengetahui ada pada peningkatan konsumsi dan tabungan
tidaknya hubungan antara pengeluaran (investasi). Di sisi dunia usaha atau
pemerintah dengan produk domestik bruto perusahaan akan meningkatkan penjualan
dan keuntungan serta investasi. Peningkatan untuk menganalisis dampak dinamis dari
pendapatan rumah tangga dan perusahaan faktor-faktor gangguan yang terdapat dalam
akan membawa dampak peningkatan sistem variabel. Sedangkan Granger
penerimaan pemerintah dari pajak. Causality merupakan alat analisis yang
Peningkatan penerimaan pemerintah akan sangat berguna di dalam memahami adanya
meningkatkan pengeluaran pemerintah. hubungan timbal balik antara variabel-
Peningkatan konsumsi ,investasi serta variabel ekonomi.
pengeluaran pemerintah akan kembali
meningkatkan PDB. Jadi pengeluaran Keterbatasan Penelitian
pemerintah dan PDB pada periode t-1 akan
mempengaruhi PDB dan pengeluaran Data yang digunakan adalah periode
pemerintah pada periode t. Jadi dalam hal ini tahunan dari tahun 1970 sampai dengan
sangat dibutuhkan lag untuk analisis. 2003.Dalam hal penetapan jenis pengeluaran
Berdasarkan kerangka pikir diatas, ,karena periode analisisnya sampai dengan
maka hipotesa yang diajukan adalah: tahun 2003 maka penelitian ini masih
1. Terdapat hubungan timbal balik antara menggunakan jenis pengeluaran sesuai
pengeluaran pemerintah dengan produk periode waktu itu yaitu pengeluaran
domestik bruto (PDB). pemerintah dibagi rutin dan pembangunan
2. Terdapat hubungan timbal balik antara sedang pengeluaran pembangunan dibagi
pengeluaran rutin pemerintah dengan per sektoral. Keterbatasan lain adalah bahwa
produk domestik bruto (PDB). mulai tahun fiskal 2005 pemerintah
3. Terdapat hubungan timbal balik antara menerapkan unified budget yang tidak lagi
pengeluaran pembangunan pemerintah membagi rutin dan pembangunan. Penelitian
dengan produk domestik bruto (PDB). ini belum menggunakan sistem baru karena
4. Terdapat hubungan timbal balik antara belum ada data yang mendukung (belum ada
pengeluaran pembangunan pemerintah konversi data sebelum 2005 ke bentuk
di sektor pertanian dan kehutanan unified budget). Sampai saat ini data
dengan produk domestik bruto (PDB). pengeluaran pemerintah yang ada baru
5. Terdapat hubungan atau pengaruh konversi dari T-account menjadi I-account.
timbal balik antara pengeluaran
pembangunan pemerintah di sektor
transportasi, meteorologi dan geofisika 2. TINJAUAN LITERATUR
dengan produk domestik bruto (PDB).
6. Terdapat hubungan atau pengaruh Peranan pemerintah dalam
timbal balik antara pengeluaran perekonomian
pembangunan pemerintah di sektor
pendidikan, kebudayaan nasional, Keynes berpendapat tingkat
kepercayaan terhadap Tuhan Yang kegiatan dalam perekonomian ditentukan
Maha Esa, Pemuda dan Olahraga oleh perbelanjaan agregat. Pada umumnya
dengan produk domestik bruto (PDB). perbelanjaan agregat dalam suatu periode
tertentu adalah kurang dari perbelanjaan
Metodologi Penelitian agregat yang diperlukan untuk mencapai
tingkat full employment. Keadaan ini
Metode analisis yang digunakan disebabkan karena investasi yang dilakukan
dalam penelitian ini adalah Vector para pengusaha biasanya lebih rendah dari
Autoregression (VAR). Vector tabungan yang akan dilakukan dalam
Autoregression merupakan alat analisis atau perekonomian full employment. Keynes
metode ekonometrika yang biasa digunakan berpendapat sistem pasar bebas tidak akan
2
Peacock, A.t. and Wiseman,J.”The Growth of
Public Expenditure in the United Kingdom.
London: Oxford University Press,1961
kurva 1
PkPP
PPK kurva 2
0
waktu
sendiri di masa lampau tetapi juga tersebut tidak tergantung dari waktu (t) atau
dipengaruhi oleh nilai masa lampau dari dalam literatur disebut time invariant.
semua variabel endogen lain dalam Secara matematis time series (misal Y)
model. Dari hal tersebut berusaha dibuat bersifat stationer memiliki properties sbb:
model yang bersifat dinamis dengan
menspesifikasi masing-masing variabel Rata-rata = E(Yt) = μ
dengan struktur selang atau lag.
Sementara itu teori ekonomi tidak cukup Varian = Var(Yt)= E (Yt – μ)2= σ2
banyak memberi spesifikasi yang jelas
Covariance = γk= E[ (Yt- μ) (Yt+k - μ)
dari hubungan dinamis antar variabel.
Model persamaan simultan pada
umumnya bersifat struktural atau
berdasarkan teori yang ada, kemudian
dilakukan estimasi dan dicocokkan
dengan teori tersebut. Persamaan
simultan biasanya juga tidak
memasukkan variabel endogen di kedua
sisi persamaan dan tidak memasukkan
lag dari masing-masing variabel
tersebut. Selain itu dalam persamaan
simultan, antar persamaan terdapat
keterkaitan sehingga dapat dilakukan
reduced form. Penelitian ini
menggunakan VAR karena VAR
merupakan model yang dapat
menjelaskan spesifikasi struktur dinamis
tersebut, meskipun terkesan ateoritik.
VAR ditandai oleh model tiap variabel
endogen dalam system sebagai fungsi
dari nilai lag untuk keseluruhan variabel
endogen dalam sistem. VAR lebih cocok
digunakan untuk membangun model-
model yang bersifat non struktural
(ateoritik). Persamaan satu dengan yang
lain berdiri sendiri sehingga dalam
estimasi masing-masing persamaan
dapat dilakukan dengan ordinary least
square (OLS).
Stationeritas Data
Dalam analisis time series, informasi apakah Ho: series mempunyai unit root dan non
data bersifat stationer merupakan hal yang stationer
sangat penting. Variabel-variabel ekonomi Ha: series stationer
yang terus menerus meningkat sepanjang
waktu adalah contoh dari variabel yang tidak Jika kita menolak hipotesa nol, maka kita
stationer. Dalam estimasi koefisien regresi, mempunyai series yang bersifat stationer.
mengikutsertakan variabel yang non Bila terdapat korelasi antar residual dalam
stationer dalam persamaan mengakibatkan suatu series (serial correlation), maka hasil
standard error yang dihasilkan menjadi bias. uji DF akan menjadi bias. Karena bias dalam
Adanya bias ini menyebabkan kriteria pengujian merupakan masalah yang penting,
konvensional yang biasa digunakan untuk maka DF test dilakukan modifikasi. Untuk
menjustifikasi kausalitas antara dua variabel itu dikembangkan Augmented Dickey Fuller
menjadi tidak valid. Jika suatu variabel (ADF) test. Ide dasarnya adalah dengan
terdapat unit root (non stationer), dalam mengikutsertakan sejumlah lag variabel
banyak kasus mengikutsertakan variabel non dependen dalam prosedur standar DF test
stationer dalam analisis regresi agar korelasi antar residual dapat
menghasilkan kesimpulan yang tidak benar. dihilangkan. Kita dapat menggunakan salah
Banyak ditemukan bahwa koefisien estimasi satu dari beberapa teknik untuk memilih
signifikan tetapi sesungguhnya tidak ada jumlah lag yang perlu disertakan dalam
hubungan sama sekali (spurious regression). pengujian ADF sedemikian rupa sehingga
Cara untuk menguji stationeritas sering serial correlation dapat dihilangkan. Cara
disebut uji unit root. Ada beberapa uji termudah adalah dengan menggunakan
diantaranya Dickey Fuller (DF) test dan kriteria seleksi secara otomatis yang telah
Phillip Peron (PP) test. disediakan oleh Eviews. Prosedur ini
Prosedur pengujian unit root dengan DF test dilakukan dengan cara memilih jumlah lag
sebagai berikut: yang rasional mulai dari yang terbesar
kemudian menguji sampai semua lag
Yt = β Yt-1 + ut , -1 < β < 1 tersebut signifikan.
Yt - Yt-1 = β Yt-1 - Yt-1 + ut Alternatif uji stationeritas dengan
Δ Yt = ( β – 1) Yt-1 + ut……...1) ADF test adalah dengan menggunakan
Δ Yt = Yt-1 + ut Phillip Peron (PP) test. Uji ini memodifikasi
test statistik yang digunakan oleh DF test
sedemikian rupa sehingga tidak perlu ada
Persamaan 1 merupakan dasar dari
tambahan lag variabel dependen untuk
pengujian unit root dengan Dickey Fuller.
menghilangkan pengaruh serial korelasi.
Statistik testnya adalah t-statistik pada lag
dependen variabel. Jika β > 1 maka
koefisien pada lag dependen variabel (δ) Pemilihan Panjang Lag
bernilai positif. Jika β = 1 maka δ = 0.
Dalam memilih panjang lag, kita
Hipotesis nol (Ho) pada prosedur pengujian
ingin lag yang cukup panjang untuk
unit root dengan DF test adalah bahwa β = 1
menangkap sepenuhnya dinamika sistem
artinya series mempunyai unit root dan tidak
yang dimodelkan. Namun semakin panjang
stationer. Hipotesa alternatifnya (Ha) adalah
lag semakin banyak jumlah parameter yang
β < 1 yaitu ( β – 1 ) bernilai negatif yang
harus diestimasi dan semakin sedikit derajat
menunjukkan Yt mengikuti proses stationer.
kebebasannya (jumlah total parameter yang
diestimasi = n(1+np) ,dimana n=jumlah
Null hypothesis :
persamaan,p=panjang lag endogenous
variabel). Jadi kita menghadapi trade off
38 Jurnal Keuangan Publik Vol. 4, No. 1, April 2006
Analisis Hubungan Pengeluaran Pemerintah dan PDB dengan Menggunakan
Pendekatan Granger Causality dan Vector Autoregression
antara mempunyai jumlah lag yang memadai sebelumnya. Granger Causality hanya
dan mempunyai derajat kebebasan yang menguji hubungan diantara variabel dan
cukup. Dalam praktek kita membatasi tidak melakukan estimasi terhadap model.
jumlah lag menjadi lebih sedikit dari yang Untuk bivariate regression :
secara ideal diberikan pada model dinamis
(Gujarati). Yt = + α1 Yt-1 + …+ αn Yt-n + β1 Xt-
0
Penentuan jumlah lag dapat dibantu dengan 1 +… + βn Xt-n + ε1 …2)
menggunakan Akaike information criteria Xt = 0 + α1 Xt-1 + …+ αn Xt-n + β1
(AIC) dan Schwart Bayesian criterion(SBC). Yt-1 +… + βn Yt-n + u1 …3)
AIC ditentukan oleh
F-statistics adalah Wald statistics dengan
SSR ( k )
hipotesis untuk masing-masing persamaan :
AIC = T ln + 2 n
T
SSR ( k ) β1 = β2 = ….….= βn = 0
SBC ( k ) = T ln + n ln( T ) Null hipotesis adalah
T Ho= X tidak Granger menyebabkan Y untuk
dimana: regresi pertama dan Y tidak Granger
T = jumlah observasi yang residual menyebabkan X untuk regresi kedua.
kuadrat Jika tidak menolak bahwa X tidak Granger
K = panjang lag menyebabkan Y tetapi menolak hipotesis Y
SSR = residual sum of squares tidak Granger menyebabkan X maka
N = jumlah parameter yang diestimasi Granger causality hanya searah yaitu Y
menyebabkan X. Dengan demikian terdapat
Baik Akaike information criteria (AIC) atau empat kemungkinan :
SBC adalah ukuran baik buruknya a. Bila β1 = β2 = ….= βn # 0 untuk
kecocokan yang mengoreksi karena derajat persamaan 1 dan β1 = β2 = ….= βn = 0
kebebasan akan berkurang jika lag-lag untuk persamaan 2, berarti X Granger
ditambahkan kedalam suatu model. Statistik- menyebabkan Y dan tidak sebaliknya.
statistik ini dapat digunakan untuk b. Bila β1 = β2 = ….= βn = 0 untuk
membantu menentukan jumlah lag yang persamaan 1 dan β1 = β2 = ….= βn # 0
dimasukkan kedalam VAR. untuk persamaan 2, berarti Y Granger
menyebabkan X dan tidak sebaliknya.
Granger Causality c. Bila β1 = β2 = ….= βn # 0 untuk
persamaan 1 dan β1 = β2 = ….= βn # 0
Granger Causality test dilakukan untuk persamaan 2, berarti X Granger
untuk mengetahui apakah suatu variabel menyebabkan Y dan Y menyebabkan X.
endogen dapat diperlakukan sebagai variabel d. Bila β1 = β2 = ….= βn = 0 untuk
eksogen. Granger causality dilakukan persamaan 1 dan β1 = β2 = ….= βn = 0
bermula dari ketidaktahuan keterpengaruhan untuk persamaan 2, berarti X dan Y
antar variabel. Jika ada dua variabel X dan tidak ada hubungan.
Y, maka apakah X menyebabkan Y atau Y
menyebabkan X atau berlaku keduanya atau Impulse Response
tidak ada hubungan keduanya. Variabel X
menyebabkan variabel Y artinya berapa Impulse response function
banyak nilai Y pada periode sekarang dapat menelusuri pengaruh kontemporer dari satu
dijelaskan oleh nilai Y pada periode standar deviasi shock dari satu inovasi
sebelumnya dan nilai X pada periode terhadap nilai-nilai variabel endogen saat ini
membawa pengaruh terhadap penurunan akan direspon oleh D(PDB). Dari gambar
standar deviasi dari variabel D(TOTAL) impulse response function pada Lampiran 5
sebesar 3258.578 dibawah rata-rata. Dilain terlihat bahwa impulse respon tersebut akan
pihak satu standar deviasi dari variabel menuju keseimbangan (konvergen) dan
D(TOTAL) sebesar 15430.81 menyebabkan tidak eksplosif.
dampak negatif terhadap variabel D(PDB)
sebesar 1183.898. Setelah periode kedua , Variance Decomposition
penurunan standar deviasi dari variabel
D(TOTAL) sebesar 1629.230 menyebabkan Dalam lampiran 6 ditunjukkan tabel
kenaikan standar deviasi dari variabel variance decomposition hasil pengolahan
D(PDB) menjadi 3870.209 diatas rata- menggunakan Eviews 4.1 D(PDB) dan
ratanya. Jika dikaji lebih dalam , kejutan- D(TOTAL). Tabel tersebut menunjukkan
kejutan yang terjadi dengan datangnya bahwa pada periode pertama forecast error
informasi baru dalam D(PDB) akan variance dari D(PDB) yang dapat dijelaskan
berpengaruh baik terhadap D(PDB) sendiri oleh D(PDB) sendiri sebesar 100%
maupun terhadap D(TOTAL). Demikan juga sedangkan yang dapat dijelaskan oleh
kejutan-kejutan yang terjadi dengan D(TOTAL) sebesar 0%. Pada periode kedua
datangnya informasi baru dalam D(TOTAL) forecast error variance dari D(PDB) yang
akan berpengaruh baik terhadap D(TOTAL) dapat dijelaskan oleh D(PDB) sendiri
sendiri maupun terhadap D(PDB). Bila sebesar 99.66053% sedangkan yang dapat
dilihat gambar A di lampiran bahwa shock dijelaskan oleh D(TOTAL) sebesar
terhadap PDB akan membawa pengaruh 0.339469%. Sampai sepuluh periode
terhadap TOTAL dan akan konvergen lagi mendatang forecast error variance yang
setelah periode ke tujuh, sedangkan shock dapat dijelaskan oleh D(PDB) menurun
terhadap TOTAL akan membawa pengaruh menjadi 93.52448% dan yang dapat
terhadap PDB dan akan konvergen setelah dijelaskan oleh D(TOTAL) hanya sebesar
periode keenam. 6.475518%. Hasil ini menyimpulkan bahwa
Hasil dari perhitungan impulse response fluktuasi dari D(PDB) dipengaruhi oleh
antara D(PDB) dan D(RTN) ditunjukkan D(PDB) dan D(TOTAL) meskipun tidak
dalam Lampiran 5. Tabel tersebut signifikan (cateris paribus).
menunjukkan bahwa pada periode pertama, Sementara itu pada periode pertama
satu standar deviasi dari D(PDB) sebesar forecast error variance dari D(TOTAL) yang
55926.34 tidak membawa dampak apapun dapat dijelaskan oleh D(TOTAL) sendiri
terhadap variabel D(RTN) (standar sebesar 99.41480% dan sudah terpengaruh
deviasinya sama dengan nol = tidak ada oleh D(PDB) sebesar 0.585197%. Pada
kejutan). Setelah satu periode, standar periode kedua forecast error variance dari
deviasi dari D(PDB) menjadi 15318.51 D(TOTAL) yang dapat dijelaskan oleh
diatas rata-ratanya, membawa pengaruh D(TOTAL) sendiri menurun menjadi
terhadap penurunan standar deviasi dari sebesar 93.62999% sedangkan yang dapat
variabel D(RTN) sebesar 1632.650 dibawah dijelaskan oleh D(PDB) meningkat menjadi
rata-rata. Apabila ada shock terhadap PDB sebesar 6.370010%. Sampai sepuluh periode
maka akan direspon oleh RTN. mendatang forecast error variance yang
Demikian pula hubungan D(PDB) dengan dapat dijelaskan oleh D(TOTAL) menurun
D(PEMB) maupun dengan D(SKTR1) , menjadi 80.92555% dan yang dapat
D(SKTR2) dan D(SKTR3) , setiap shock dijelaskan oleh D(PDB) sebesar 19.07445%.
terhadap D(PDB) akan direspon oleh Hasil ini menyimpulkan bahwa fluktuasi
masing-masing variabel, demikian pula dari D(TOTAL) dipengaruhi oleh D(PDB)
shock terhadap D(PEMB) dan D(SKTR2) dan D(TOTAL) (cateris paribus).
Sementara pada Lampiran 6 ada shock D(PEMB) maka efek dari shock
menunjukkan bahwa pada periode pertama tersebut dapat dijelaskan baik oleh D(PDB)
forecast error variance dari D(PDB) yang maupun oleh D(PEMB).
dapat dijelaskan oleh D(PDB) sendiri Pada Lampiran 6 , baik shock
sebesar 100% sedangkan yang dapat terhadap D(PDB) maupun D(SKTR1)
dijelaskan oleh D(RTN) sebesar 0%. Pada masing-masing lebih banyak dijelaskan oleh
periode kedua forecast error variance dari variabel itu sendiri. Pada sepuluh periode
D(PDB) yang dapat dijelaskan oleh D(PDB) mendatang shock terhadap D(PDB) hanya
sendiri sebesar 99.92079% sedangkan yang dapat dijelaskan oleh D(SKTR1) sebesar
dapat dijelaskan oleh D(RTN) hanya sebesar 2.433968%. Sementara variance
0.079212%. Sampai sepuluh periode decomposition D(PDB) dengan D(SKTR2),
mendatang forecast error variance yang shock terhadap masing-masing variabel
dapat dijelaskan oleh D(PDB) sebesar dapat dijelaskan baik oleh variabel itu
99.90216% dan yang dapat dijelaskan oleh sendiri maupun oleh variabel yang lain.
D(RTN) sebesar 0.097839%. Hasil ini Demikian pula untuk D(PDB) dengan
menyimpulkan bahwa fluktuasi dari D(PDB) D(SKTR3).
lebih banyak dipengaruhi oleh D(PDB)
sendiri dan D(RTN) hampir tidak PEMBAHASAN
mempunyai pengaruh .
Sementara itu pada periode pertama Hubungan Total Pengeluaran Pemerintah
forecast error variance dari D(RTN) yang terhadap Produk Domestik Bruto
dapat dijelaskan oleh D(RTN) sendiri
sebesar 81.60653% dan sudah terpengaruh Granger causality menyimpulkan
oleh D(PDB) sebesar 18.39347%. Pada bahwa terdapat hubungan timbal balik antara
periode kedua forecast error variance dari produk domestik bruto dengan total
D(RTN) yang dapat dijelaskan oleh D(RTN) pengeluaran pemerintah. Hasil estimasi
sendiri menurun menjadi sebesar 79.51457% menunjukkan bahwa secara signifikan
sedangkan yang dapat dijelaskan oleh produk domestik bruto berpengaruh positif
D(PDB) meningkat menjadi sebesar terhadap pengeluaran pemerintah dan total
2048543%. Sampai sepuluh periode pengeluaran pemerintah tidak signifikan
mendatang forecast error variance yang berpengaruh positif terhadap produk
dapat dijelaskan oleh D(RTN) menjadi domestik bruto.
56.52548% dan yang dapat dijelaskan oleh
D(PDB) sebesar 43.47452%. Hasil ini Produk domestik bruto mempengaruhi
menyimpulkan bahwa fluktuasi dari total pengeluaran pemerintah
D(RTN) dipengaruhi oleh D(PDB) dan Bila produk domestik bruto meningkat maka
D(RTN) (cateris paribus). akan berdampak kepada peningkatan
Sedangkan pada Lampiran 6 juga kegiatan ekonomi utamanya sektor riil dan
menunjukkan bahwa bila ada shock terhadap dunia usaha pada umumnya. Peningkatan
D(PDB) maka dampak dari shock tersebut kegiatan ekonomi akan membawa pengaruh
dapat dijelaskan oleh D(PDB) sendiri peningkatan penerimaan pemerintah melalui
dengan porsi yang semakin menurun dengan perpajakan, karena bergairahnya
bertambahnya periode dan semakin besarnya perekonomian sehingga aktivitas dunia
dampak yang dapat dijelaskan oleh usaha meningkat dan pada akhirnya
D(PEMB). Pada sepuluh periode mendatang keuntungan perusahaan meningkat pula.
yang dapat dijelaskan D(PDB) sebesar Peningkatan aktivitas dan keuntungan
90.63020% dan oleh D(PEMB) sebesar perusahaan ini tentunya akan meningkatkan
9.369801%. Demikian sebaliknya apabila perpajakan baik dari pajak penghasilan,
pajak pertambahan nilai maupun cukai. Jika terhadap konsumsi rumah tangga). Belum
penerimaan pemerintah meningkat maka lagi terdapat pengeluaran yang bersifat
akan membawa konsekuensi peningkatan kontraksi seperti belanja pegawai luar negeri
pengeluaran pemerintah. Peningkatan dan belanja barang luar negeri. Pengeluaran
pengeluaran pemerintah juga didasari alasan subsidi juga merupakan pengeluaran yang
bahwa dengan peningkatan pertumbuhan konsumtif dan tidak produktif.
ekonomi, maka menuntut peningkatan Pengeluaran pembangunanlah yang
penyediaan barang publik oleh pemerintah. berperan dalam meningkatkan produk
Dengan demikian untuk kasus Indonesia domestik bruto. Hanya saja dengan
Wagner’s Law berlaku, dimana peningkatan keterbatasan dana serta banyaknya
produk domestik bruto akan mengakibatkan obligatory expenditure pada pengeluaran
peningkatan pengeluaran pemerintah. rutin membuat pemerintah tidak bisa berbuat
Peningkatan pertumbuhan ekonomi akan terlalu jauh dalam pengeluarannya. Oleh
mempunyai efek terhadap pengeluaran karena wajar bila hasil estimasi
pemerintah setelah periode dua tahun menyimpulkan bahwa pengeluaran
(cateris paribus). pemerintah secara tidak signifikan
Hasil impulse respon juga berpengaruh terhadap produk domestik
menunjukkan bahwa apabila terjadi shock bruto. Dengan demikian pendapat Keynes
terhadap produk domestik bruto maka berlaku di Indonesia , dimana pengeluaran
pengeluaran pemerintah akan merespon pemerintah sebagai campur tangan
setelah tahun pertama dan setelah tahun pemerintah dapat menstimulus
ketujuh akan mengarah menuju konvergen perekonomian.
kembali. Sementara hasil variance Hasil impulse respon juga
decomposition menunjukkan bahwa shock menunjukkan bahwa apabila terjadi shock
terhadap PDB dapat dijelaskan baik oleh terhadap pengeluaran pemerintah maka
selisih PDB sendiri maupun total produk domestik bruto akan merespon mulai
pengeluaran pemerintah. tahun pertama dimana shock timbul dan
setelah enam tahun akan menuju
Total pengeluaran pemerintah tidak keseimbangan kembali. Sementara hasil
signifikan mempengaruhi produk variance decomposition menunjukkan
domestik bruto bahwa shock terhadap pengeluaran
Peningkatan pengeluaran peme- pemerintah dapat dijelaskan baik oleh
rintah secara tidak signifikan juga pengeluaran pemerintah sendiri maupun
membawa dampak kenaikan produk produk domestik bruto.
domestik bruto di Indonesia. Hal ini dapat
dijelaskan dengan struktur dan komposisi Hubungan Pengeluaran Rutin
pengeluaran pemerintah. Pengeluaran Pemerintah terhadap Produk Domestik
pemerintah dalam APBN terdiri dari Bruto.
pengeluaran rutin dan pembangunan. Secara
rata-rata pengeluaran komposisi pengeluaran Granger causality menyimpulkan
keduanya tahun 1970 sampai 2003 adalah bahwa terdapat hubungan searah antara
56% pengeluaran rutin dan 44% pengeluaran produk domestik bruto dengan pengeluaran
pembangunan. Sekitar 30% dari rutin pemerintah. Hasil estimasi
pengeluaran rutin digunakan untuk belanja menunjukkan bahwa secara signifikan
pegawai dan kurang lebih 40% untuk produk domestik bruto berpengaruh positif
membayar bunga utang dalam dan luar terhadap pengeluaran rutin pemerintah.
negeri. Porsi belanja pegawai terhadap PDB
juga hanya sekitar 2% (sangat kecil porsinya
Dengan teknologi maka akan terjadi dijelaskan oleh produk domestik bruto.
perbaikan proses produksi yang lebih efektif Hal ini juga ditunjukkan oleh impulse
dan efisien. Elizabeth Tiur Manurung dalam response function dan variance
penelitiannya “Peranan Pendidikan dalam decomposition.
Pertumbuhan Ekonomi di Indonesia 1969- 3. Granger Causality menyimpulkan
1993” mengatakan bahwa peran pendidikan bahwa terdapat hubungan timbal balik
dalam pertumbuhan ekonomi di Indonesia antara pengeluaran pembangunan dan
melalui : produk domestik bruto. Hal ini dapat
1) peningkatan kualitas dan produktivitas dijelaskan karena pengeluaran
2) dalam proses adopsi dan pengembangan pembangunan pemerintah merupakan
teknologi. pengeluaran investasi dan lebih
Berdasarkan hasil penelitian ini produktif. Hasil estimasi VAR dari
mengindikasikan bahwa di Indonesia alokasi ketiga sektor pengeluaran pembangunan
untuk sektor pendidikan relatif masih kecil yang dipilih, menyimpulkan bahwa
sehingga pertumbuhan ekonomi tidak begitu alokasi ke ketiga sektor tersebut
berpengaruh terhadap pengeluaran memberikan pengaruh positif dan
pembangunan di sektor pendidikan. Hal ini signifikan terhadap produk domestik
mengingat pemerintah masih mempunyai bruto. Sementara itu produk domestik
masalah utang dan hal lain yang lebih bruto lebih banyak memberikan dampak
mendesak seperti subsidi BBM yang lebih terhadap pengeluaran pemerintah di
diprioritaskan. sektor infrastruktur dan transportasi.
LAMPIRAN 1 LAMPIRAN 2
Uji ADF level PDB, TOTAL, RTN,PEMB, SKTR1, Uji ADF first difference PDB, TOTAL,
SKTR2 DAN SKTR3 RTN,PEMB,SKTR1, SKTR2 DAN SKTR3
PDB 0.25 -3.64 -2.95 -2.61 PDB -4.36 -3.64 -2.95 -2.61
LAMPIRAN 3
Hasil Pengujian Granger Causality
Keterangan :
Jika nilai-p lebih kecil dari taraf uji, maka Ho ditolak. Tanda a menyatakan
nyata pada taraf 1%, b pada taraf 5% dan c pada taraf 10%
1. Untuk model 1
Lag LR FPE AIC SC
5 0 0 0 0 5 0 0 0 0
4 0 0 0 0 4 0 0 0 0
3 0 0 0 0 3 0 0 0 0
2 0 0 0 0 2 0 0 0 0
1 0 0 0 0 1 0 0 0 0
0 0
-1 0 0 0 0 -1 0 0 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (T O T A L ) D (P D B ) D (R T N )
R e s p o n s e o f D ( T O T A L ) to C h o le s k y R e s p o n s e o f D ( R T N ) to C h o le s k y
O n e S . D . In n o v a tio n s O n e S . D . I n n o v a t io n s
1 6 0 0 0 2 0 0 0 0
1 2 0 0 0 1 5 0 0 0
1 0 0 0 0
8 0 0 0
5 0 0 0
4 0 0 0
0
0
-5 0 0 0
-4 0 0 0 -1 0 0 0 0
-8 0 0 0 -1 5 0 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (T O T A L ) D (P D B ) D (R T N )
R e s p o n s e o f D ( P D B ) to C h o le s k y R e s p o n s e o f D ( P D B ) to C h o le s k y
O n e S . D . In n o v a tio n s O n e S . D . I n n o v a ti o n s
6 0 0 0 0 6 0 0 0 0
5 0 0 0 0 5 0 0 0 0
4 0 0 0 0 4 0 0 0 0
3 0 0 0 0 3 0 0 0 0
2 0 0 0 0 2 0 0 0 0
1 0 0 0 0 1 0 0 0 0
0 0
- 1 0 0 0 0 - 1 0 0 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D ( P D B ) D ( P E M B ) D ( P D B ) D ( S K T R 1 )
R e s p o n s e o f D ( P E M B ) to C h o le s k y R e s p o n s e o f D ( S K T R 1 ) t o C h o le s k y
O n e S .D . In n o v a t io n s O n e S . D . I n n o v a ti o n s
1 6 0 0 0 2 0 0 0
1 6 0 0
1 2 0 0 0
1 2 0 0
8 0 0 0
8 0 0
4 0 0 0
4 0 0
0
0
- 4 0 0 0 - 4 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D ( P D B ) D ( P E M B ) D ( P D B ) D ( S K T R 1 )
R e s p o n s e o f D ( P D B ) t o C h o le s k y R e s p o n s e o f D ( P D B ) to C h o le s k y
O n e S . D . In n o v a tio n s O n e S . D . In n o v a tio n s
5 0 0 0 0 6 0 0 0 0
4 0 0 0 0 5 0 0 0 0
4 0 0 0 0
3 0 0 0 0
3 0 0 0 0
2 0 0 0 0
2 0 0 0 0
1 0 0 0 0
1 0 0 0 0
0
0
-1 0 0 0 0 -1 0 0 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (S K T R 2 ) D (P D B ) D (S K T R 3 )
R e s p o n s e o f D ( S K T R 2 ) to C h o le s k y R e s p o n s e o f D ( S K T R 3 ) to C h o le s k y
O n e S .D . In n o v a tio n s O n e S . D . In n o v a tio n s
5 0 0 0 4 0 0 0
4 0 0 0
3 0 0 0
3 0 0 0
2 0 0 0
2 0 0 0
1 0 0 0
0 1 0 0 0
-1 0 0 0
0
-2 0 0 0
-3 0 0 0 -1 0 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (S K T R 2 ) D (P D B ) D (S K T R 3 )
1 0 0
8 0
8 0
6 0
6 0
4 0
4 0
2 0
2 0
0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (T O T A L ) D (P D B ) D (R T N )
V a r ia n c e D e c o m p o s itio n o f D ( T O T A L ) V a r ia n c e D e c o m p o s itio n o f D (R T N )
1 0 0 9 0
8 0
8 0
7 0
6 0
6 0
5 0
4 0
4 0
3 0
2 0
2 0
0 1 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (T O T A L ) D (P D B ) D (R T N )
V a r i a n c e D e c o m p o s i t i o n o f D ( P D B ) V a r i a n c e D e c o m p o s i t i o n o f D ( P D B )
1 0 0 1 0 0
8 0 8 0
6 0 6 0
4 0 4 0
2 0 2 0
0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D ( P D B ) D ( P E M B ) D ( P D B ) D ( S K T R 1 )
V a r i a n c e D e c o m p o s i t i o n o f D ( P E M B ) V a r i a n c e D e c o m p o s i t i o n o f D ( S K T R 1 )
8 0 1 0 0
7 0
8 0
6 0
6 0
5 0
4 0
4 0
2 0
3 0
2 0 0
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 1 0
D ( P D B ) D ( P E M B ) D ( P D B ) D ( S K T R 1 )
V a ria n c e D e c o m p o s itio n o f D (P D B )
V a ria n c e D e c o m p o s itio n o f D (P D B ) 100
1 0 0
80
8 0
60
6 0
40
4 0
20
2 0
0
0 1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 1 0
D (P D B ) D (S K T R 3 )
D (P D B ) D (S K T R 2 )
V a r ia n c e D e c o m p o s itio n o f D (S K T R 3 )
V a r ia n c e D e c o m p o s itio n o f D (S K T R 2 )
90
9 0
80
8 0
70
7 0
60
6 0
50
5 0
4 0 40
3 0 30
2 0 20
1 0 10
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 9 10
D (P D B ) D (S K T R 2 ) D (P D B ) D (S K T R 3 )
LAMPIRAN 4
D(PDB) D(TOTAL)
D(PDB(-1)) 0.299179 0.070107
(0.18478) (0.05353)
[ 1.61907] [ 1.30963]
0.1175 0.2018
D(PDB(-2)) -0.188046 0.125291
(0.18537) (0.05370)
[-1.01444] [2.33307]
0.3197 0.0277
D(TOTAL(-1)) -0.211173 -0.105583
(0.61031) (0.17681)
[-0.34601] [-0.59717]
0.7321 0.5556
D(TOTAL(-2)) 0.930008 -0.072686
(0.62590) (0.18132)
[ 1.48587] [-0.40086]
0.1493 0.6918
C 37201.01 13064.07
(16200.8) (4693.39)
[ 2.29625] [ 2.78351]
0.0300 0.0099
R-squared 0.162701 0.219277
Adj. R-squared 0.033886 0.099166
Sum sq. resides 7.42E+10 6.23E+09
S.E. equation 53421.11 15476.16
F-statistic 1.263062 1.825617
Log likelihood -378.7256 -340.3195
Akaike AIC 24.75649 22.27868
Schwarz SC 24.98778 22.50997
Mean dependent 49635.13 9067.721
S.D. dependent 54349.90 16305.75
Determinant Residual Covariance 6.80E+17
Log Likelihood (d.f. adjusted) -724.4068
Akaike Information Criteria 47.38108
Schwarz Criteria 47.84366
D(SKTR3(-9)) 32.91617
(14.2643)
[2.30758]
0.0691
R-squared 0.907150
Adj. R-squared 0.572888
Sum sq. resids 7.70E+09
S.E. equation 39241.80
F-statistic 2.713891
Log likelihood -269.0911
Akaike AIC 24.00759
Schwarz SC 24.94022
Mean dependent 53824.31
S.D. dependent 60045.16
LAMPIRAN 5
Response of D(PDB):
Period D(PDB) D(RTN)
1 55926.34 0.000000
2 15318.51 -1632.650
3 -5887.764 713.4352
4 -2707.798 358.7655
5 -164.5136 -172.8034
6 78.00153 -23.46046
7 174.3328 21.13616
8 60.00617 -7.167125
9 -32.02390 0.075369
10 -13.42219 2.485090
Response of D(RTN):
Period D(PDB) D(RTN)
1 -9356.881 19708.87
2 4364.998 -5034.637
3 -14179.69 -1083.805
4 -1125.106 1321.948
5 3403.286 -385.4369
6 -31.28848 -157.0547
7 -345.2771 129.9418
8 77.52071 -7.853735
9 -23.00869 -19.04848
10 -20.12388 7.674277
Cholesky Ordering: D(PDB) D(RTN)
Response of D(PDB):
Period D(PDB) D(PEMB)
1 52923.15 0.000000
2 16249.88 -3100.240
3 -3031.002 17130.89
4 -6440.610 1952.914
5 -1296.311 -3606.732
6 1287.378 -1480.293
7 738.2251 379.3592
8 -86.98118 508.9541
9 -217.4733 71.91660
10 -49.29954 -107.8728
Response of D(PEMB):
Period D(PDB) D(PEMB)
1 7261.507 12544.57
2 179.9078 -3363.487
3 -190.2447 1304.172
4 -401.0208 261.9395
5 -96.30114 -293.0553
6 90.75626 -95.96431
7 50.30401 28.90106
8 -6.767448 34.23567
9 -14.91311 4.603054
10 -3.217550 -7.485233
Cholesky Ordering: D(PDB)
D(PEMB)
Response of D(PDB):
Period D(PDB) D(SKTR1)
1 55320.62 0.000000
2 14833.36 -8486.530
3 -5741.353 -3285.865
4 -3185.099 -22.20851
5 533.9448 319.1152
6 707.6960 -35.05415
7 59.71541 -94.03617
8 -104.6248 -23.61359
9 -27.85589 7.767251
10 13.66384 4.108584
Response of D(SKTR1):
Period D(PDB) D(SKTR1)
1 116.0240 1843.948
2 3.944218 88.95456
3 -226.3107 128.0814
4 -73.17985 48.10770
5 5.670765 24.79114
6 8.817755 4.503302
7 -1.472743 0.530345
8 -2.473391 0.478264
9 -0.467268 0.456783
10 0.254816 0.153656
Cholesky Ordering: D(PDB) D(SKTR1)
Response of D(PDB):
Period D(PDB) D(SKTR2)
1 49127.80 0.000000
2 16759.59 -1285.263
3 -6999.609 33203.00
4 -2354.652 -3591.843
5 -5573.133 -226.1727
6 -665.2755 -1640.635
7 1037.795 -3013.928
8 455.9730 743.1068
9 536.9098 97.29000
10 -58.36530 311.8340
Response of D(SKTR2):
Period D(PDB) D(SKTR2)
1 1889.721 4403.760
2 1185.910 -2031.683
3 -1139.640 2527.452
4 -6.963204 -481.4489
5 -235.9033 -336.4721
6 -31.34196 112.2501
7 125.4069 -236.9063
8 0.994289 91.75054
9 23.20772 23.05106
10 -6.409345 -2.559517
Cholesky Ordering: D(PDB)
D(SKTR2)
Response of D(PDB):
Period D(PDB) D(SKTR3)
1 51734.19 0.000000
2 17257.52 -9115.450
3 -4295.326 16827.64
4 -2200.681 8364.096
5 -3439.246 -1596.117
6 -2639.579 -597.2152
7 110.0806 -840.0717
8 646.4038 -1055.713
9 352.6711 -76.78526
10 228.4384 224.2014
Response of D(SKTR3):
Period D(PDB) D(SKTR3)
1 1212.778 3242.556
2 494.8348 -105.7579
3 -790.4648 268.9654
4 -326.3383 344.8652
5 -9.509591 -248.6226
6 -25.17027 -145.8830
7 44.77083 4.550991
8 52.35151 -12.45825
9 7.622528 7.658906
10 -4.381852 19.75928
Cholesky Ordering: D(PDB)
D(SKTR3)
LAMPIRAN 6
- o0o -