ANALISIS PENGARUH PENGGUNAAN KARTU PEMBAYARAN ELEKTRONIK DAN DAYA SUBSTITUSI TRANSAKSI NON TUNAI ELEKTRONIK TERHADAP TRANSAKSI TUNAI INDONESIA OLEH SIERA ROSSA SITORUS H14102004 DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2006
126
Embed
ANALISIS PENGARUH PENGGUNAAN KARTU PEMBAYARAN … · instrumen sistem pembayaran yang pada umumnya berbasis kartu antara lain: kartu Anjungan Tunai Mandiri, kartu kredit, kartu debit,
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
ANALISIS PENGARUH PENGGUNAAN KARTU PEMBAYARAN ELEKTRONIK DAN DAYA SUBSTITUSI
TRANSAKSI NON TUNAI ELEKTRONIK TERHADAP TRANSAKSI TUNAI INDONESIA
OLEH SIERA ROSSA SITORUS
H14102004
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR 2006
RINGKASAN
SIERA ROSSA SITORUS. Analisis Pengaruh Penggunaan Kartu Pembayaran Elektronik dan Daya Substitusi Transaksi Non Tunai Elektronik Terhadap Transaksi Tunai Indonesia (dibimbing oleh RINA OKTAVIANI).
Alat Pembayaran dengan Menggunakan Kartu (APMK) adalah seluruh instrumen sistem pembayaran yang pada umumnya berbasis kartu antara lain: kartu Anjungan Tunai Mandiri, kartu kredit, kartu debit, serta jenis kartu lain yang dapat digunakan sebagai alat pembayaran seperti misalnya kartu smart, e-wallet, serta beberapa alat pembayaran lain yang dapat dipersamakan dengan kartu (Bank Indonesia, 2005). Sampai saat ini Bank Indonesia mencatat telah ada 22 penerbit kartu kredit yang terdiri dari dua puluh bank dan dua lembaga selain bank. Sementara itu sudah terdapat 62 buah bank menerbitkan kartu ATM dan yang sembilan diantaranya kartu ATM tersebut sudah dapat pula digunakan sebagai kartu debit. Bank Indonesia menyadari keuntungan yang diperoleh negara ketika sistem pembayaran diarahkan ke pembayaran non tunai. Penggunaan transaksi non tunai dapat mengurangi biaya moneter pencetakan dan peredaran uang kertas. Perkembangan transaksi pembayaran menuju cash-less society merupakan arah perubahan yang tidak bisa dihindari. Perkembangan teknologi informasi dan inovasi sistem pembayaran mengarah pada penggunaan alat pembayaran yang makin efisien, aman, nyaman dan cepat. Inovasi itu tidak saja pada berkembangnya penggunaan instrumen pembayaran berbasis kertas (paper based), penggunaan alat pembayaran dengan menggunakan kartu (card based), dan pembayaran secara elektronik (electronic based) tetapi juga sudah disertai dengan makin cepatnya proses penyelesaian setelmennya.
Upaya peningkatan penggunaan pembayaran non tunai yang dipersiapkan Bank Indonesia menuju cash-less society tidak lain adalah upaya untuk mewujudkan sistem pembayaran yang efektif dan efisien. Harus diakui pengembangan cash-less society saat ini masih menghadapi kendala karena memegang uang adalah kebiasaan atau budaya dari masyarakat Indonesia. Dengan demikian harus ada pensubstitusian transaksi non tunai terhadap transaksi tunai. Berdasarkan data perkembangan penggunaan APMK dan nilai transaksi non tunai lainnya maka penulis ingin menganalisis pengaruh penggunaan kartu pembayaran elektronik dan daya substitusi transaksi non tunai elektronik terhadap transaksi tunai di Indonesia.
Tujuan penelitian ini adalah untuk menganalisis bagaimana pengaruh penggunaan kartu pembayaran elektronik, dalam hal ini kartu kredit, kartu debit, dan kartu ATM, terhadap transaksi tunai dan daya substitusi transaksi non tunai terhadap transaksi tunai Indonesia. Adapun tujuan ini dijawab dengan menggunakan dua model persamaan yang diadopsi dari jurnal Snelman, Vesalla, dan Humphrey (2000) yaitu ”Substitution of noncash payment instruments for cash in Europe”.
Jenis data yang digunakan adalah data time series bulanan dari tahun 2002: bulan 1 sampai 2005: bulan 12. Seluruh data adalah data sekunder yang diperoleh dari Direktorat Akunting dan Sistem Pembayaran, Bank Indonesia. Variabel-variabel yang digunakan adalah pendapatan nasional (GDP), SBI 30 hari, jumlah pemegang kartu kredit, jumlah pemegang kartu debit, jumlah pemegang kartu ATM, jumlah mesin ATM, nilai transaksi APMK, nilai transaksi BI-RTGS, dan nilai transaksi kliring.
Untuk menjawab permasalahan yang dirumuskan, maka ada dua metode analisis data yang digunakan dalam penelitian ini. Estimasi terhadap pengaruh penggunaan kartu pembayaran elektronik dan daya substitusi transaksi non tunai terhadap transaksi tunai Indonesia pada jangka panjang dilakukan dengan menggunakan uji kointegrasi Engel Granger. Sedangkan estimasi terhadap transaksi tunai dan kemungkinannya tersubstitusi oleh transaksi non tunai Indonesia dinamis (jangka pendek) menggunakan error correction model (ECM). Penggunaan ECM dikarenakan metode ini mampu menggabungkan efek jangka panjang dan efek jangka pendek.
Hasil penelitian ini membuktikan adanya hubungan yang signifikan untuk jangka panjang antara penggunaan kartu pembayaran elektronik terhadap transaksi tunai dari perkembangan jumlah pemegang kartu ATM dan nilai transaksi APMKnya. Peningkatan volume transaksi non tunai yaitu transaksi APMK dan BI-RTGS mampu mensubstitusi transaksi tunai. Meskipun proporsi pensubstitusian transaksi APMK masih relatif sedikit namun dalam jangka panjang korelasi negatif ini signifikan secara statistik.
ANALISIS PENGARUH PENGGUNAAN KARTU PEMBAYARAN ELEKTRONIK DAN DAYA SUBSTITUSI TRANSAKSI NON TUNAI
ELEKTRONIK TERHADAP TRANSAKSI TUNAI INDONESIA
Oleh SIERA ROSSA SITORUS
H14102004
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR 2006
INSTITUT PERTANIAN BOGOR
FAKULTAS EKONOMI DAN MANAJEMEN
DEPARTEMEN ILMU EKONOMI
Dengan ini menyatakan bahwa skripsi yang disusun oleh,
Nama Mahasiswa : Siera Rossa Sitorus
Nomor Registrasi Pokok : H14102004
Departemen : Ilmu Ekonomi
Judul Skripsi : Analisis Pengaruh Penggunaan Kartu Pembayaran
Elektronik dan Daya Substitusi Transaksi Non Tunai
Elektronik terhadap Transaksi Tunai Indonesia
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada
Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian
Bogor.
Menyetujui, Dosen Pembimbing
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872
Tanggal Kelulusan :
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH
BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH
DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, November 2006
Siera Rossa Sitorus H14102004
RIWAYAT HIDUP
Penulis bernama Siera Rossa Sitorus, lahir pada tanggal 15 September
1984 di kota Medan. Penulis adalah bungsu dari empat bersaudara, dari pasangan
Pantas Sitorus dan Ivonne Senduk. Jenjang pendidikan penulis dilalui tanpa
hambatan yang berarti. Penulis menamatkan sekolah dasar pada SD St. Antonius
V di Medan, kemudian melanjutkan ke SLTP Katholik Trisakti I di Medan dan
lulus pada tahun 1999. Pada tahun yang sama penulis diterima di SMU Negeri 5
Medan dan lulus pada tahun 2002. Melalui jalur Undangan Seleksi Masuk IPB
(USMI) penulis diterima di Institut Pertanian Bogor (IPB) sebagai mahasiswa
angkatan 2002.
Penulis diterima sebagai mahasiswa Departemen Ilmu Ekonomi pada
Fakultas Ekonomi dan Manajemen (FEM). IPB menjadi pilihan penulis dalam
melanjutkan pendidikan formal yang lebih tinggi dengan harapan besar agar dapat
menggali ilmu dan mengembangkan pola pikir, sehingga menjadi pribadi yang
lebih baik, berguna, dan mampu meraih impian di masa depan kelak. Selama
menjadi mahasiswa penulis aktif di Unit Kegiatan Mahasiswa Persekutuan
Mahasiswa Kristen (PMK)-IPB, Komisi Kesenian PMK-IPB sebagai anggota dan
pernah menjadi bendahara untuk satu masa kepengurusan. Penulis juga
berkesempatan mengikuti program pemagangan bakti BCA dan menjadi penyiar
radio komunitas IPB, AgriFM.
Sebab Aku ini mengetahui rancangan-rancangan apa yang ada padaKu
mengenai kamu, demikianlah firman TUHAN, yaitu rancangan damai
sejahtera
dan bukan rancangan kecelakaan, untuk memberikan kepadamu hari depan
yang penuh harapan.
(Yeremia 29:11)
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa karena hanya atas berkat dan
kasihNya penulis dapat menyelesaikan skripsi dengan judul “Analisis Pengaruh
Penggunaan Kartu Pembayaran Elektronik dan Daya Substitusi Transaksi
Non Tunai Elektronik Terhadap Transaksi Tunai Indonesia”. Penelitian
mengenai sistem pembayaran non tunai elektronik ini penulis lakukan atas dasar
keingintahuan akan keadaan sistem pembayaran non tunai elektronik di Indonesia.
Isu ini juga merupakan hal yang penting dibahas sejak sistem pembayaran
elektronik memberikan efisiensi dan efektifitas dalam proses transaksi.
Kecenderungan ini mendorong banyak negara berupaya untuk
mengimplementasikannya, termasuk Indonesia yang berupaya mewujudkan cash-
less society pada waktu mendatang. Penelitian ini dilakukan di Bogor dengan
menggunakan seluruh data sekunder yang diperoleh dari Direktorat Akunting dan
Sistem Pembayaran, Bank Indonesia.
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada semua
pihak yang telah membantu dalam proses penyelesaian skripsi ini. Secara khusus
penulis mengucapkan terimakasih dan penghargaan kepada:
1. Ibu Rina Oktaviani, Ph. D, sebagai Dosen Pembimbing yang telah banyak
membantu memberikan saran dan dorongan kepada penulis.
2. Bapak Parulian Hutagaol, Ph.D, sebagai Dosen Penguji yang telah banyak
memberikan kritikan dan saran yang sangat berharga dalam
penyempurnaan skripsi ini.
3. Ibu Fifi Diana Thamrin, M.Si, sebagai Komisi Pendidikan yang
memberikan saran dan kritikan dalam memperbaiki pola penulisan dan
ejaan skripsi ini.
4. Papa dan Mamaku tersayang, Bapak Ir. Pantas Sitorus dan Ibu Ivonne
Senduk, yang dengan kasih selalu mendoakanku dan dengan sabar
memberi dorongan semangat setiap waktu.
5. Kakak-kakakku tersayang, Kak Nova, Kak Joice, dan Bang Boni yang
selalu mendukung semua kegiatanku, mendoakanku, dan memberikan
semangat dalam menyelesaikan skripsi ini.
6. Rini, Rina, Hani, Ulan, dan Uthe yang selalu memberikan semangat setiap
waktu. Terima kasih untuk waktu, kebersamaan, dukungan, kasih sayang
dan doa yang menyertaiku. Kalian menjadi bagian indah dalam kenangan
hidupku. Thanx for the keyword ”SEMANGAT!!”.
7. Teman-teman Komisi Kesenian PMK-IPB, yang telah menjadi
keluargaku, tempat aku bertumbuh, berbagi dan belajar mengasihi. Terima
kasih untuk semua dukungan semangat dan doanya. I thank God for
knowing you friends.
8. Teman-teman ekbang 39 atas segala dukungan, bantuan, semangat, dan
doa. Terima kasih untuk kebersamaan kita.
9. Teman-temanku di Serena dan Joglo, yang memberikan keceriaan dan
semangat baru setiap hari.
10. Keluarga besarku dimanapun kalian berada. Terima kasih untuk dukungan
dan doa yang selalu menyertaiku.
11. Semua pihak yang telah banyak memberikan dorongan, bantuan dan doa
kepada penulis dalam menyelesaikan skripsi ini. Terima kasih banyak.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Namun,
besar harapan penulis semoga karya ini dapat bermanfaat bagi penulis, pembaca
dan perbankan Indonesia.
Bogor, November 2006
Siera Rossa Sitorus
H14102004
DAFTAR ISI
Halaman
DAFTAR TABEL................................................................................................. ix
DAFTAR GAMBAR .............................................................................................. x
DAFTAR LAMPIRAN......................................................................................... xi
DAFTAR SINGKATAN .................................................................................... xii
I. PENDAHULUAN ............................................................................................ 1
1.1. Latar Belakang .......................................................................................... 1
1.1. Jumlah Pemegang Alat Pembayaran Menggunakan Kartu .......................... 2
3.1. Nama, Simbol, dan Sumber Data ............................................................... 30
4.1. Nilai Transaksi e-commerce B2B Indonesia 1998-2005 ............................ 47
5.1. Uji Akar Unit pada Level ........................................................................... 52
5.2. Uji Akar Unit pada First Difference .......................................................... 52
5.3. Persamaan Jangka Panjang Pengaruh Penggunaan Kartu Pembayaran Elektronik terhadap Transaksi Tunai .................................... 53
5.4. Uji Kointegrasi Persamaan Pengaruh Penggunaan Kartu Pembayaran Elektronik terhadap Transaksi Tunai .................................... 54
5.5. Hasil Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test .................................................................................. 61
5.6. Hasil Uji Heteroskedastisitas ..................................................................... 61
5.7. Hasil Uji Normalitas dengan Histogram-Normality Test .......................... 61
5.8. Hasil Estimasi Persamaan Jangka Pendek Pengaruh Penggunaan Kartu Pembayaran Elektronik terhadap Transaksi Tunai .......................... 62
5.9. Hasil Estimasi Persamaan Jangka Pendek Pengaruh Penggunaan Kartu Pembayaran Elektronik terhadap Transaksi Tunai yg Signifikan .... 63
5.10. Uji Akar Unit pada Level ........................................................................... 65
5.11. Uji Akar Unit pada First Difference .......................................................... 66
5.12. Persamaan Jangka Panjang Daya Substitusi Transaksi Non Tunai terhadap Transaksi Tunai ........................................................................... 66
5.13. Uji Kointegrasi Persamaan Daya Substitusi Transaksi Non Tunai terhadap Transaksi Tunai ........................................................................... 67
5.14. Hasil Uji Autokorelasi dengan Breusch-Godfrey Serial Correlation LM Test.................................................................................... 70
5.15. Hasil Uji Heteroskedastisitas ..................................................................... 70
5.16. Hasil Uji Normalitas dengan Histogram-Normality Test .......................... 71
5.17. Hasil Estimasi Persamaan Jangka Pendek Daya Substitusi Transaksi Non Tunai terhadap Transaksi Tunai yang Signifikan .............................. 72
DAFTAR GAMBAR
Nomor Halaman
1.1. Perkembangan transaksi tunai dan non tunai di Indonesia ..............................7
2.1. Ilustrasi sederhana proses sistem pembayaran ..............................................12
2.2. Mekanisme transaksi pembayaran elektronik ...............................................19
Keterangan: * data stasioner pada tingkat kepercayaan 1%, 5%, 10% ** data stasioner pada tingkat kepercayaan 5%, 10% *** data stasioner pada tingkat kepercayaan 10%
53
5.1.1. Uji Kointegrasi
Setelah melakukan pengujian akar unit maka pengujian dilanjutkan ke uji
kointegrasi. Uji kointegrasi Engle-Granger biasanya dilakukan pada persamaan
tunggal. Pengujian kointegrasi ini dilakukan untuk melihat apakah residual dari
persamaan jangka panjang dalam penelitian ini stasioner. Metode kointegrasi
Engle-Granger sebetulnya menggunakan metode ADF yang terdiri dari dua tahap.
Pertama, meregresi persamaan awal (dalam hal ini variabel lncash, lngdp, sbi,
lnjpkk, lnjpkd, lnjpatm, lnjmatm dan lnvapmk) kemudian diperolah residual
(katakan u) dari persamaan tersebut. Kedua, dengan menggunakan metode ADF
diuji akar-akar unit terhadap u dengan hipotesis yang sama dengan hipotesis uji
akar-akar unit ADF sebelumnya.
Tabel 5.3. Persamaan Jangka Panjang Pengaruh Penggunaan Kartu Pembayaran Elektronik terhadap Transaksi Tunai
Variabel Koefisien Std. Error t-statistik Probabilitas
Keterangan: * data stasioner pada tingkat kepercayaan 1%, 5%, 10% ** data stasioner pada tingkat kepercayaan 5%, 10% *** data stasioner pada tingkat kepercayaan 10%
Tabel 5.10 di atas menunjukkan masih ada data yang tidak stasioner. Hal ini
terlihat dari nilai ADF t-Statistiknya yang lebih besar dari nilai kritis MacKinnon,
sementara data yang lain menunjukkan sebaliknya. Sebagai konsekuensi dari tidak
terpenuhinya asumsi stasioneritas data pada tingkat level atau derajat nol atau I(0)
pengujian kestasioneran data dilanjutkan pada tingkat first difference.
66
Hasil uji akar unit data pada first difference ditunjukkan pada Tabel 5.11
dan dapat diketahui bahwa semua data yang digunakan telah stasioner pada
tingkat kepercayaan satu persen.
Tabel 5.11. Uji Akar Unit pada First Difference
Nilai Kritis MacKinnon Variabel Nilai ADF t-Statistic 1% 5% 10%
lnvkliring -6.883718 -4.180911 -3.515523 -3.188259 Stasioner* Keterangan: * data stasioner pada tingkat kepercayaan 1%, 5%, 10% ** data stasioner pada tingkat kepercayaan 5%, 10% *** data stasioner pada tingkat kepercayaan 10%
5.2.1. Uji Kointegrasi
Pengujian kointegrasi dilakukan untuk melihat apakah nilai residual dari
persamaan jangka panjangnya stasioner. Pengujian kestasioneran residual ini
diawali dengan meregresikan persamaan awal, dalam hal ini lngdp, sbi, lnvapmk,
lnvrtgs, lnvkliring. Hasil regresi persamaan awal dirangkum dalam tabel berikut.
Tabel 5.12. Persamaan Jangka Panjang Daya Substitusi Transaksi Non Tunai terhadap Transaksi Tunai
Variabel Koefisien Std. Error t-statistik Probabilitas
Akaike info criterion -4.422435 Schwarz criterion -3.346735
Variabel nilai transaksi APMK berpengaruh signifikan terhadap perubahan
nilai transaksi tunai dalam jangka pendek yaitu pada bulan yang sama, lag 1 dan
lag 2. Nilai transaksi APMK mensubstitusi transaksi tunai pada bulan yang sama
namun tidak demikian pada lag 1 dan lag 2. Peningkatan nilai transaksi APMK
73
sebesar satu persen akan menurunkan nilai transaksi tunai sebesar 0.280877
persen pada periode yang sama. Korelasi negatif yang ditunjukkan dalam jangka
pendek ini memiliki kesamaan dengan korelasi jangka panjang antara nilai
transaksi APMK terhadap nilai transaksi tunai.
Variabel nilai transaksi BI-RTGS memiliki hubungan yang signifikan dan
positif terhadap nilai transaksi tunai untuk nilai transaksi lag 1 sampai lag 5
berturut-turut. Sedangkan untuk periode yang sama, nilai transaksi BI-RTGS
mensubstitusi transaksi tunai sebesar 0.600770 persen untuk setiap peningkatan
satu persennya. Kemampuan pensubstitusian transaksi BI-RTGS dalam jangka
panjang menunjukkan angka yang lebih besar yaitu mencapai 0.569992 persen.
Semakin besarnya proporsi penggunaan BI-RTGS dalam proses transaksi non
tunai antar bank menunjukkan semakin tingginya penggunaan transaksi non tunai
elektronik untuk transfer antar bank.
Variabel nilai transaksi kliring menunjukkan korelasi positif pada bulan
yang sama, lag 2 dan lag 3. Ketidakmampuan pensubstitusian transaksi kliring
dalam jangka pendek memiliki hasil yang sama dalam jangka panjang.
Peningkatan satu persen nilai transaksi kliring pada lag 3 misalnya akan
meningkatkan nilai transaksi tunai sebesar 0.157404 persen. Demikian pula yang
terjadi pada lag 2 dan pada periode transaksi yang sama, transaksi kliring belum
mampu mensubstitusi transaksi tunai. Sementara itu hasil estimasi jangka panjang
memperlihatkan bahwa nilai kliring tidak signifikan secara statistik
mempengaruhi nilai transaksi tunai. Hal ini mungkin disebabkan peningkatan
yang signifikan atas penggunaan fasilitas BI-RTGS dalam transaksi antar bank.
VI. KESIMPULAN DAN SARAN
6.1. Kesimpulan
Potensi pengembangan instrumen sistem pembayaran non tunai di
Indonesia masih sangat besar. Adanya peningkatan penggunaan APMK (card
based payment instruments) yang sangat signifikan dalam beberapa tahun
terakhir, adanya kemudahan dalam penggunaan dan pengembangan teknologi,
kecenderungan dan tuntutan masyarakat untuk bertransaksi dengan menggunakan
instrumen yang lebih efisien dan aman, serta beberapa keunggulan instrumen non
tunai dibandingkan dengan penggunaan uang tunai, telah mendorong Bank
Indonesia untuk lebih mengupayakan terciptanya masyarakat yang
berkecenderungan non tunai. Perkembangan teknologi informasi dan inovasi
sistem pembayaran mengarah pada penggunaan alat pembayaran yang makin
efisien, aman, nyaman dan cepat. Hal ini dapat dilihat dari perkembangan jumlah
pemegang kartu pembayaran elektronik, jumlah mesin ATM yang tersedia, nilai
transaksi APMK, nilai transaksi kliring, dan nilai transaksi BI-RTGS.
Berdasarkan tujuan awal penelitian ini, permasalahan dapat terjawab
dengan menggunakan variabel-variabel yang sesuai ke dalam model. Dari hasil
estimasi persamaan maka dapat disimpulkan bahwa hubungan jangka panjang
penggunaan kartu pembayaran elektronik terhadap transaksi tunai signifikan dari
perkembangan jumlah pemegang kartu ATM dan nilai transaksi APMKnya.
Peningkatan jumlah pemegang kartu ATM secara positif mempengaruhi transaksi
tunai dengan nilai elastisitas sebesar 0.104408 persen. Peningkatan volume
75
transaksi secara signifikan pula mampu merefleksikan pensubstitusian transaksi
non tunai terhadap transaksi tunai sebesar 0.091143 persen untuk setiap
peningkatan satu persennya. Sedangkan dalam jangka pendek, jumlah pemegang
kartu kredit, kartu debit, kartu ATM, jumlah mesin ATM, dan volume transaksi
APMK secara signifikan mempengaruhi nilai transaksi tunai Indonesia dengan
tingkat signifikansi dan hubungan yang berbeda-beda.
Persamaan yang menggunakan variabel nilai transaksi APMK, kliring, dan
BI-RTGS menjawab permasalahan kedua. Kesimpulannya, dari hasil estimasi
nilai transaksi non tunai yaitu transaksi APMK dan BI-RTGS telah mensubstitusi
transaksi tunai secara signifikan. Meskipun proporsi pensubstitusiannya
(hubungan negatifnya) masih relatif sedikit namun dalam jangka panjang korelasi
negatif ini signifikan secara statistik. Nilai transaksi BI-RTGS mampu
mensubstitusi transaksi tunai sebesar 0.569992 persen untuk setiap peningkatan
satu persennya. Nilai transaksi APMK hanya mampu mensubstitusi 0.176315
persen transaksi non tunai untuk setiap peningkatan penggunaan satu persennya.
6.2. Saran
Hasil pengujian hipotesis menunjukkan bahwa transaksi non tunai
elektronik mampu mensubstitusi transaksi tunai Indonesia (yaitu transaksi APMK
dan BI-RTGS). Kenyataan ini memberi peluang bagi BI dan dunia perbankan
untuk meningkatkan nilai transaksinya. Kiranya BI dan pihak bank lebih giat
mempromosikan keunggulan dan kemudahan penggunaan kartu kredit dan kartu
debet, yang dalam jangka panjang belum mampu mempengaruhi transaksi tunai
76
secara signifikan, tanpa melupakan penetapan persyaratan yang baik untuk
kepemilikan APMK. Misalnya dengan mengeluarkan jenis kartu kredit dan kartu
debet yang berbunga rendah. Selain itu promosi penggunaan kartu ATM
sebaiknya lebih mengarahkan pengguna memanfaatkan fasilitas transfer dan
transaksi secara non tunai serta mengurangi nilai penarikan transaksi tunai.
Dengan demikian hal ini akan meningkatkan nilai transaksi APMK, yang dalam
jangka panjang terbukti memiliki kontribusi dalam pensubstitusian transaksi tunai.
Selanjutnya diharapkan Bank Indonesia mampu membingkai kemajuan
teknologi ini dengan fasilitas hukum yang baik pula, yaitu dengan menyiapkan
UU perbankan dan jenis peraturan lainnya yang mengatur dan melindungi pihak-
pihak yang terlibat dalam transaksi non tunai elektronik.
Penelitian mengenai sistem pembayaran non tunai elektronik masih jarang
dilakukan di Indonesia. Mengingat bahwa transaksi non tunai elektronik ini adalah
bentuk inovasi sistem pembayaran yang efisien maka penulis berharap akan
semakin banyak penelitian mengenai keadaan dan kemampuan sistem
pembayaran elektronik di negara ini. Dengan demikian hal ini akan
mempermudah BI mengatur dan menyesuaikan inovasi sistem pembayaran
Indonesia.
DAFTAR PUSTAKA
Adrianto, Fadjar. 2001a. “Mengelak Dari Suratan Nasib”. Warta Ekonomi, No.17: 10-17, April 2001.
_____________. 2001b. “Ambisi BCA di Mobile Banking”. Warta Ekonomi,
No.44: 28-35, November 2001. Bank Indonesia. 2001. Laporan Tahunan Bank Indonesia Tahun 2000-2001
Tentang Alat Pembayaran Non Tunai Elektronik. _____________. 2004. Peraturan Bank Indonesia Nomor 6/30/PBI/2004 tentang
Penyelenggaraan Alat Pembayaran dengan Menggunakan Kartu. _____________. 2005. Laporan Tahunan Bank Indonesia Tahun 2005 Tentang
Alat Pembayaran Non Tunai Elektronik. _____________. 2006a. Data Base APMK, kliring, dan BI-RTGS. Direktorat
Akunting dan Sistem Pembayaran, Jakarta. _____________. 2006b. “Overview Sistem Pembayaran Nasional di Indonesia”.
www.bi.go.id/biweb/utama/publikasi/upload/sistem-pembayaran.pdf [19 Februari 2006]
Enders.W. 1995. Applied Econometric Time Series. John Wiley & Sons,Inc, USA. Febriyenny, R. 2006. Analisis Faktor-Faktor Yang Mempengaruhi Perusahaan
Retail Kecil Dalam Menerima Sistem Pembayaran Elektronik (Studi Kasus 5 Propinsi di Indonesia). [Skripsi]. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.
Global Insight Visa Internasional. 2003. The Virtuous Circle: Electronic
Payments and Economic Growth. Visa International & Global Insight, California.
Humphrey, D. B. 2001. Payment Systems: Principles, Practice, and
Improvements. The World Bank, Washington, D. C. Humphrey, D. B, L. B. Pulley, dan J. M. Vessala. 1996. “Cash, Paper, and
Electronic Payments: A Cross-Country Analysis”. Journal of Money, Credit and Banking, 28: 914-939.
Humphrey, D, M. Kim, dan B. Vale. 2001. “Realizing The Gain from Electronic Payments: Costs, Pricing, and Payment Choice”. Journal of money, Credit and Banking, 33: 2001.
Listfield, R. dan F. Montes-Negret. 1994. “Modernizing Payment System in
Emerging Economies”. World Bank Policy Research Working Paper, 1336.
Markose, S. M. dan Y. J. Loke. 2003. “Network Effects on Cash-Card
Substitution in Transactions and Low Interest Rate Regimes”. Economic Journal 113. April. 456—476.
Mishkin, F. S. 2001. The Economic of Money Banking, and Financial Markets.
Sixth Edition. Addison Wesley Longman: Columbia University, Columbia. Muttaqin, Z. 2006. Analisis Pengaruh Penggunaan Alat Pembayaran dengan
Menggunakan Kartu dan Variabel-Variabel Makroekonomi terhadap Permintaan Uang di Indonesia. [Skripsi]. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.
Pasaribu, S. H. 2003. “Eviews untuk Analisis Runtut Waktu (Time Series
Analysis”. Departemen Ilmu Ekonomi:Institut Pertanian Bogor, Bogor. Rachmat, W. 2005. Pengaruh Jumlah Anjungan Tunai Mandiri (ATM) terhadap
Permintaan Uang di Indonesia. [Skripsi]. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.
Rinaldi, L. 2001. “Payments Cards and Money Demand in Belgium”. CES
Discussion Paper KULeuven. DPS 01.16. Snellman, J, J. Vessala, dan D. Humphrey. 2000. “Substitution of Noncash
Payment Instruments for Cash in Europe”. Bank of Finland Discussion Paper. 9/2000.
Sridawati. 2006. Analisis Faktor-Faktor Yang Mempengaruhi Preferensi
Masyarakat Terhadap Penggunaan Kartu Pembayaran Elektronik di Propinsi DKI Jakarta dan Jawa Barat. [Skripsi]. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.
Stix. 2004. “The Impact of ATM Transactions and Cashless Payments On Cash
Demand In Austria”. Monetary Policy and The Economy Q1/04. 2004. Thomas, R. L. 1997. Modern Econometrics an Introduction. Addison Wesley
Longman, England.
80
Lampiran 1. Data-Data Penelitian (data mentah), persamaan pertama TAHUN Cash GDP SBI JPKK JPKD JPATM JMATM VAPMK
Keterangan: Cash = Nilai Transaksi Tunai (Rp milyar) GDP = Pendapatan Nasional (Rp milyar) SBI = Suku Bunga Bank Indonesia JPKK = Jumlah Pemegang Kartu Kredit (orang) JPKD = Jumlah Pemegang Kartu Debit (orang) JPATM = Jumlah Pemegang Kartu ATM (orang) JMATM = Jumlah Mesin ATM (unit)
82
Lampiran 2. Uji Kestasioneran data Ln cash level Null Hypothesis: LNCASH has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.338021 0.9871 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNCASH) Method: Least Squares Date: 10/02/06 Time: 01:22 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
C 0.508624 1.452905 0.350074 0.7280 @TREND(2002:01) -0.000272 0.000905 -0.300962 0.7649
R-squared 0.072202 Mean dependent var 0.004077 Adjusted R-squared 0.030029 S.D. dependent var 0.029071 S.E. of regression 0.028631 Akaike info criterion -4.206944 Sum squared resid 0.036069 Schwarz criterion -4.088849 Log likelihood 101.8632 F-statistic 1.712054 Durbin-Watson stat 1.479816 Prob(F-statistic) 0.192299 Ln cash 1st diff Null Hypothesis: D(LNCASH) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.084921 0.0008 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNCASH,2) Method: Least Squares Date: 10/02/06 Time: 01:23
83
Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
C 0.012848 0.009082 1.414604 0.1644 @TREND(2002:01) -0.000430 0.000321 -1.339854 0.1873
R-squared 0.376488 Mean dependent var -0.001963 Adjusted R-squared 0.347488 S.D. dependent var 0.035022 S.E. of regression 0.028290 Akaike info criterion -4.229626 Sum squared resid 0.034414 Schwarz criterion -4.110367 Log likelihood 100.2814 F-statistic 12.98212 Durbin-Watson stat 2.015772 Prob(F-statistic) 0.000039 Lngdp level Null Hypothesis: LNGDP has a unit root Exogenous: Constant, Linear Trend Lag Length: 5 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic 0.483534 0.9989 Test critical values: 1% level -4.192337
5% level -3.520787 10% level -3.191277
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNGDP) Method: Least Squares Date: 10/02/06 Time: 01:23 Sample(adjusted): 2002:07 2005:12 Included observations: 42 after adjusting endpoints
C 0.000554 0.000700 0.791920 0.4337 @TREND(2002:01) 8.98E-05 2.77E-05 3.240869 0.0026
R-squared 0.940261 Mean dependent var 8.04E-05 Adjusted R-squared 0.930021 S.D. dependent var 0.006639 S.E. of regression 0.001756 Akaike info criterion -9.700206 Sum squared resid 0.000108 Schwarz criterion -9.410595 Log likelihood 210.7043 F-statistic 91.81441 Durbin-Watson stat 1.747756 Prob(F-statistic) 0.000000 Sbi level Null Hypothesis: SBI has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic 3.397663 1.0000 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(SBI) Method: Least Squares
85
Date: 10/02/06 Time: 01:24 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
C -1.745702 0.324805 -5.374619 0.0000 @TREND(2002:01) 0.037701 0.004965 7.593092 0.0000
R-squared 0.620506 Mean dependent var -0.088936 Adjusted R-squared 0.603257 S.D. dependent var 0.470422 S.E. of regression 0.296307 Akaike info criterion 0.466862 Sum squared resid 3.863111 Schwarz criterion 0.584956 Log likelihood -7.971253 F-statistic 35.97199 Durbin-Watson stat 1.769119 Prob(F-statistic) 0.000000 Sbi 1st diff Null Hypothesis: D(SBI) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.951973 0.0011 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(SBI,2) Method: Least Squares Date: 10/02/06 Time: 01:25 Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
D(LNJPKK(-1)) -0.198764 0.173976 -1.142481 0.2597 C 0.837877 0.951758 0.880348 0.3837
@TREND(2002:01) 0.000828 0.000808 1.025514 0.3110 R-squared 0.069541 Mean dependent var 0.013237 Adjusted R-squared 0.003080 S.D. dependent var 0.017001 S.E. of regression 0.016975 Akaike info criterion -5.231186 Sum squared resid 0.012103 Schwarz criterion -5.072173 Log likelihood 124.3173 F-statistic 1.046337 Durbin-Watson stat 1.834757 Prob(F-statistic) 0.382057 Lnjpkk 1st diff Null Hypothesis: D(LNJPKK) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.501314 0.0000 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNJPKK,2) Method: Least Squares Date: 10/02/06 Time: 01:26 Sample(adjusted): 2002:03 2005:12
87
Included observations: 46 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob.
D(LNJPKK(-1)) -1.243272 0.165741 -7.501314 0.0000 C 0.013066 0.005434 2.404669 0.0206
@TREND(2002:01) 0.000148 0.000192 0.774394 0.4429 R-squared 0.568985 Mean dependent var -0.001010 Adjusted R-squared 0.548938 S.D. dependent var 0.025202 S.E. of regression 0.016926 Akaike info criterion -5.256940 Sum squared resid 0.012319 Schwarz criterion -5.137680 Log likelihood 123.9096 F-statistic 28.38223 Durbin-Watson stat 1.821183 Prob(F-statistic) 0.000000 Lnjpkd level Null Hypothesis: LNJPKD has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic 0.611435 0.9993 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNJPKD) Method: Least Squares Date: 10/02/06 Time: 01:26 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
C -0.056660 0.047722 -1.187295 0.2416 @TREND(2002:01) 0.002733 0.001748 1.563195 0.1253
R-squared 0.373620 Mean dependent var 0.000798 Adjusted R-squared 0.344486 S.D. dependent var 0.185119 S.E. of regression 0.149879 Akaike info criterion -0.894980 Sum squared resid 0.965943 Schwarz criterion -0.775721 Log likelihood 23.58455 F-statistic 12.82421 Durbin-Watson stat 1.955225 Prob(F-statistic) 0.000043 Lnjpatm level Null Hypothesis: LNJPATM has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.682304 0.7431 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNJPATM) Method: Least Squares Date: 10/02/06 Time: 01:27 Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
D(LNJPATM(-1)) 0.558937 0.193436 2.889522 0.0061 C 3.234553 1.902654 1.700022 0.0965
@TREND(2002:01) -0.001189 0.001325 -0.897898 0.3744 R-squared 0.249847 Mean dependent var -0.016698 Adjusted R-squared 0.196265 S.D. dependent var 0.120460 S.E. of regression 0.107994 Akaike info criterion -1.530543 Sum squared resid 0.489833 Schwarz criterion -1.371531 Log likelihood 39.20249 F-statistic 4.662859 Durbin-Watson stat 2.083222 Prob(F-statistic) 0.006688 Lnjpatm 1st diff Null Hypothesis: D(LNJPATM) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.624209 0.0029 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNJPATM,2) Method: Least Squares Date: 10/02/06 Time: 01:27 Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
C 5.074151 1.283652 3.952903 0.0003 @TREND(2002:01) 0.007180 0.001855 3.871468 0.0004
R-squared 0.264829 Mean dependent var 0.012266 Adjusted R-squared 0.231413 S.D. dependent var 0.018479 S.E. of regression 0.016201 Akaike info criterion -5.345827 Sum squared resid 0.011548 Schwarz criterion -5.227733 Log likelihood 128.6269 F-statistic 7.925027 Durbin-Watson stat 1.915037 Prob(F-statistic) 0.001150 Lnjmatm 1st diff Null Hypothesis: D(LNJMATM) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.477525 0.0000 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNJMATM,2) Method: Least Squares Date: 10/02/06 Time: 01:28 Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
C 0.018126 0.006090 2.976426 0.0048 @TREND(2002:01) -0.000114 0.000205 -0.553680 0.5827
R-squared 0.625680 Mean dependent var -0.000277 Adjusted R-squared 0.608270 S.D. dependent var 0.029469 S.E. of regression 0.018444 Akaike info criterion -5.085172 Sum squared resid 0.014628 Schwarz criterion -4.965913 Log likelihood 119.9590 F-statistic 35.93748 Durbin-Watson stat 2.118890 Prob(F-statistic) 0.000000 Lnvapmk level Null Hypothesis: LNVAPMK has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.809936 0.9573 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNVAPMK) Method: Least Squares Date: 11/08/06 Time: 20:45 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
C -0.028925 0.061421 -0.470927 0.6401 @TREND(2002:01) 0.003591 0.002249 1.596949 0.1176
R-squared 0.580401 Mean dependent var 0.006698 Adjusted R-squared 0.560885 S.D. dependent var 0.298526 S.E. of regression 0.197821 Akaike info criterion -0.339918 Sum squared resid 1.682721 Schwarz criterion -0.220658 Log likelihood 10.81810 F-statistic 29.73944 Durbin-Watson stat 1.991666 Prob(F-statistic) 0.000000
93
Lampiran 3. Hasil Estimasi Jangka Panjang Persamaan Pertama Dependent Variable: LNCASH Method: Least Squares Date: 11/04/06 Time: 20:39 Sample: 2002:01 2005:12 Included observations: 48
R-squared 0.989440 Mean dependent var 13.12075 Adjusted R-squared 0.987592 S.D. dependent var 0.109346 S.E. of regression 0.012180 Akaike info criterion -5.827025 Sum squared resid 0.005934 Schwarz criterion -5.515158 Log likelihood 147.8486 F-statistic 535.4232 Durbin-Watson stat 1.143173 Prob(F-statistic) 0.000000
94
Lampiran 4. Uji Kointegrasi Persamaan Pertama Null Hypothesis: U has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.590205 0.0002 Test critical values: 1% level -4.175640
5% level -3.513075 10% level -3.186854
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(U) Method: Least Squares Date: 10/02/06 Time: 01:31 Sample(adjusted): 2002:04 2005:12 Included observations: 45 after adjusting endpoints
R-squared 0.029798 Mean dependent var -0.000145 Adjusted R-squared -0.668748 S.D. dependent var 0.002828 S.E. of regression 0.003653 Akaike info criterion -8.088162 Sum squared resid 0.000334 Schwarz criterion -7.317717 Log likelihood 196.9396 Durbin-Watson stat 1.954210
97
Lampiran 7. Uji Heteroskedastisitas Persamaan ECM ARCH Test: F-statistic 0.236957 Probability 0.629005 Obs*R-squared 0.247088 Probability 0.619133
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/08/06 Time: 21:18 Sample(adjusted): 2002:06 2005:12 Included observations: 43 after adjusting endpoints
Keterangan: Cash = Nilai Transaksi Tunai (Rp milyar) GDP = Pendapatan Nasional (Rp milyar) SBI = Suku Bunga Bank Indonesia VAPMK = Nilai transaksi APMK (Rp milyar) VRTGS = Nilai transaksi BI-RTGS (Rp milyar) VKLIRING = Nilai transaksi Kliring (Rp ribu)
101
Lampiran 10. Uji Kestasioneran Data Lncash level Null Hypothesis: LNCASH has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.453887 0.0046 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNCASH) Method: Least Squares Date: 10/02/06 Time: 05:38 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
C 20.81597 4.669281 4.458067 0.0001 @TREND(2002:01) -0.002907 0.001350 -2.152658 0.0369
R-squared 0.317152 Mean dependent var -0.003664 Adjusted R-squared 0.286113 S.D. dependent var 0.140876 S.E. of regression 0.119028 Akaike info criterion -1.357208 Sum squared resid 0.623381 Schwarz criterion -1.239113 Log likelihood 34.89439 F-statistic 10.21800 Durbin-Watson stat 1.991505 Prob(F-statistic) 0.000227 Lncash 1st diff Null Hypothesis: D(LNCASH) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.417246 0.0000 Test critical values: 1% level -4.170583
5% level -3.510740 10% level -3.185512
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNCASH,2) Method: Least Squares Date: 10/02/06 Time: 05:38
102
Sample(adjusted): 2002:03 2005:12 Included observations: 46 after adjusting endpoints
C 0.010001 0.041212 0.242663 0.8094 @TREND(2002:01) -0.000657 0.001479 -0.443979 0.6593
R-squared 0.673646 Mean dependent var -0.010078 Adjusted R-squared 0.658467 S.D. dependent var 0.227786 S.E. of regression 0.133120 Akaike info criterion -1.132134 Sum squared resid 0.762003 Schwarz criterion -1.012874 Log likelihood 29.03908 F-statistic 44.37934 Durbin-Watson stat 2.097790 Prob(F-statistic) 0.000000 Lnvrtgs level Null Hypothesis: LNVRTGS has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.539492 0.0466 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNVRTGS) Method: Least Squares Date: 10/02/06 Time: 05:41 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
D(LNVRTGS(-1),2) 0.398212 0.140859 2.827027 0.0072 C 0.017077 0.059634 0.286358 0.7760
@TREND(2002:01) 0.000263 0.002111 0.124744 0.9013 R-squared 0.681134 Mean dependent var -0.004061 Adjusted R-squared 0.657802 S.D. dependent var 0.313161 S.E. of regression 0.183192 Akaike info criterion -0.471876 Sum squared resid 1.375932 Schwarz criterion -0.311284 Log likelihood 14.61722 F-statistic 29.19355 Durbin-Watson stat 2.083875 Prob(F-statistic) 0.000000 Lnvkliring level Null Hypothesis: LNVKLIRING has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.820452 0.0240 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNVKLIRING) Method: Least Squares Date: 10/02/06 Time: 05:43 Sample(adjusted): 2002:02 2005:12
104
Included observations: 47 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob.
LNVKLIRING(-1) -0.475201 0.124383 -3.820452 0.0004 C 7.353200 1.936816 3.796541 0.0004
@TREND(2002:01) 0.000161 0.001359 0.118615 0.9061 R-squared 0.270972 Mean dependent var -0.003803 Adjusted R-squared 0.237834 S.D. dependent var 0.138058 S.E. of regression 0.120527 Akaike info criterion -1.332178 Sum squared resid 0.639181 Schwarz criterion -1.214084 Log likelihood 34.30619 F-statistic 8.177169 Durbin-Watson stat 2.219145 Prob(F-statistic) 0.000956 Lnvkliring 1st diff Null Hypothesis: D(LNVKLIRING) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.883718 0.0000 Test critical values: 1% level -4.180911
5% level -3.515523 10% level -3.188259
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNVKLIRING,2) Method: Least Squares Date: 10/02/06 Time: 05:43 Sample(adjusted): 2002:05 2005:12 Included observations: 44 after adjusting endpoints
C -0.079797 0.039735 -2.008212 0.0516 @TREND(2002:01) 0.002818 0.001386 2.033007 0.0489
R-squared 0.773100 Mean dependent var 0.005295 Adjusted R-squared 0.749829 S.D. dependent var 0.227444 S.E. of regression 0.113761 Akaike info criterion -1.402793 Sum squared resid 0.504719 Schwarz criterion -1.200044 Log likelihood 35.86144 F-statistic 33.22055 Durbin-Watson stat 2.015170 Prob(F-statistic) 0.000000
105
Lampiran 11. Hasil Estimasi Jangka Panjang Persamaan Kedua Dependent Variable: LNCASH Method: Least Squares Date: 10/02/06 Time: 05:44 Sample: 2002:01 2005:12 Included observations: 48
LNVKLIRING -0.013685 0.062227 -0.219925 0.8270 R-squared 0.883663 Mean dependent var 33.32450 Adjusted R-squared 0.869814 S.D. dependent var 0.136721 S.E. of regression 0.049331 Akaike info criterion -3.064068 Sum squared resid 0.102208 Schwarz criterion -2.830168 Log likelihood 79.53763 F-statistic 63.80420 Durbin-Watson stat 1.512388 Prob(F-statistic) 0.000000
106
Lampiran 12. Uji Kointegrasi Persamaan Kedua Null Hypothesis: U has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.916640 0.0012 Test critical values: 1% level -4.165756
5% level -3.508508 10% level -3.184230
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(U) Method: Least Squares Date: 10/02/06 Time: 05:45 Sample(adjusted): 2002:02 2005:12 Included observations: 47 after adjusting endpoints
R-squared 0.034800 Mean dependent var 0.000152 Adjusted R-squared -2.217332 S.D. dependent var 0.013504 S.E. of regression 0.024223 Akaike info criterion -4.417089 Sum squared resid 0.007041 Schwarz criterion -3.205050 Log likelihood 119.5503 Durbin-Watson stat 2.014471
109
Lampiran 15. Uji Heteroskedastisitas Persamaan ECM ARCH Test: F-statistic 0.023459 Probability 0.879080 Obs*R-squared 0.024678 Probability 0.875171
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/08/06 Time: 21:37 Sample(adjusted): 2002:09 2005:12 Included observations: 40 after adjusting endpoints