EKO-REGIONAL: JURNAL PEMBANGUNAN EKONOMI WILAYAH

Volume xx, Issue X, March 20xx, pp. xx – xx

http://jp.feb.unsoed.ac.id/index.php/eko-regional/article/view/2953
DOI: https://doi.org/10.32424/1.erjpe.2022.17.2.2953

Analysis Of Financial Deepening and Real Interest Rates on Foreign Direct

Investment in Indonesia
By:
Irsyad Muhammad1
Economics, UNSOED
*
)Corresponding Author : irsyad.m@mhs.unsoed.ac.id

ABSTRACT: The economic development of a country cannot be separated from the financial sector.
A stable financial sector will attract foreign investors to invest in the country. This study aims to
determine the effect of financial deepening indicators in attracting foreign direct investment in
Indonesia. The dependent variable used in this study is Foreign Direct Investment. The independent
variables used in this study are the ratio of private sector credit, the ratio of national savings and real
interest rates. The data used in this study is secondary data using quarterly data starting from the
period 2010.Q1-2020.Q3. The method used in this study is the Error Correction Model (ECM). The
results show that in the short term the private sector credit ratio, national saving ratio and real
interest rates have no significant effect. In the long term, the national saving ratio has a positive and
significant effect, but the private sector credit ratio and real interest rates have no significant effect
on Foreign Direct Investment in Indonesia

Keywords : Financial Deepening, Real Interest Rate, Foreign Direct Investment.

ABSTRAK : Penelitian ini bertujuan untuk mengetahui pengaruh indikator financial deepening dalam
menarik Investasi Asing Langsung di Indonesia. Variabel dependen yang digunakan dalam penelitian
ini adalah Investasi Asing Langsung. Variabel independen yang digunakan dalam penelitian ini
adalah rasio kredit sektor swasta, rasio tabungan nasional dan suku bunga riil. Data yang digunakan
dalam penelitian ini berupa data sekunder dengan menggunakan data quartal mulai dari periode
2010.Q1-2020.Q3. Metode yang digunakan dalam penelitian ini adalah Error Correction Model
(ECM). Hasil penelitian menunjukan bahwa dalam jangka pendek variabel rasio kredit sektor swasta,
rasio tabungan nasional dan suku bunga riil tidak berpengaruh signifikan. Dalam jangka panjang,
rasio tabungan nasional berpengaruh positif dan signifikan, namun rasio kredit sektor swasta dan
suku bunga riil tidak berpengaruh signifikan terhadap Investasi Asing Langsung di Indonesia.

Kata kunci : Financial Deepening, Suku Bunga Riil, Investasi Asing Langsung.

INTRODUCTION
Rendahnya pendapatan di negara-negara berkembang menyebabkan tidak adanya modal
untuk pembiayaan pembangunan nasional (Febriana & Muqorobbin, 2014). Harrod- Domar dalam
teorinya menyatakan bahwa ketentuan penting yang wajib dipenuhi agar perekonomian dapat
mendorong pembiayaan pembangunan nasional di jangka panjang adalah dengan adanya investasi
(Hussein dan Thirlwall, 2000).
Sektor keuangan pasar di negara berkembang dan negara berpenghasilan rendah secara
signifikan dan positif memengaruhi investasi asing langsung. Perekonomian suatu negara tidak dapat
dipisahkan dari sektor keuangan. Oleh karena itu, kemajuan di sektor keuangan harus dipikirkan
dengan matang. Salah satu pendekatan untuk mendorong sektor keuangan adalah dengan financial
deepening (Rahmadani, 2017).
 Hal ini didukung oleh penelitian Liu dkk. (2020) yang menunjukkan bahwa financial
deepening yang merupakan istilah untuk mendorong likuiditas di sektor keuangan ini memiliki
pengaruh yang signifikan dan positif dalam menarik investasi asing. Menurut pandangan investor,
financial deepening dapat memberikan berbagai pilihan instrumen investasi dengan tujuan agar
investor dapat meningkatkan keuntungan yang diperoleh dari hasil spekulasi mereka. Ini juga akan
membuat lebih banyak investor bersedia menempatkan
aset mereka yang melimpah di sektor keuangan dan membuat peningkatan pembiayaan
keuangan (Ningrum, 2015).

Financial Deepening di Indonesia tahun

2010-2019
250

200

150

100

50

0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

M2/PDB (%)
Kredit sektor Swasta/PDB (%)
Tabungan/PDB (%)
Sumber: SEKI, BI (diolah, Februari 2021)
Gambar 1.Perkembangan Financial Deepening
Berdasarkan Gambar 1. menunjukkan bahwa financial deepening Indonesia memiliki sektor
keuangan yang dalam dengan ditunjukkannya peningkatan indikator berbagai rasio financial
deepening pada tahun 2010-2019. Berkaitan dengan indikator kuantitif tersebut, semakin besar rasio
maka, semakin dalam financial deepening. Sedangkan, semakin kecil rasionya menunjukkan semakin
dangkal sektor keuangan yang ada di suatu negara.
Sektor keuangan yang stabil membangun kepercayaan dan iklim yang kuat bagi pihak
penyimpan uang dan investor untuk menempatkan sumber modal ke lembaga keuangan. Pada
akhirnya, ini memberdayakan kerja intermediasi moneter yang efektif yang dengan demikian
mendorong investasi (Suhartono, 2009).
Sektor moneter dapat membuat berbagai instrumen yang dapat digunakan untuk
mengaktifkan sedikit tetapi banyak modal (Baroroh, 2012). Sebagai negara berkembang, Indonesia
membutuhkan adanya modal untuk pembiayaan pembangunan nasional.
 Tabel 1. Data PMA dan PMDN di Indonesia
Tah PMA PMDN
un (Miliar) (Miliar)
201 175.50 76.001
1 0
201 220.50 92.182
2 0
201 270.30 128151
3 0
201 314.87 156.12
4 0 6
201 82.500 179.46
5 6
201 395.75 216.23
Sumber: 6 0 1 BKPM (Mei, 2021)
Berdasarkan 201 428.59 262.35 Tabel 1 dapat
diketahui PMA 7 0 1 periode 2011-2020
fluktuatif namun 201 391.28 328.60 cenderung meningkat.
Sedangkan PMDN 8 0 5 periode 2011-2020
mengalami 201 423.00 386.49 peningkatan dari
tahun ke tahun. PMA 9 0 8 dan PMDN di
Indonesia cenderung 202 413.28 413.53 meningkat. Hal ini baik
untuk menjadi modal 0 0 6 penting untuk
pembiayaan negara yang berkontribusi
besar bagi pembangunan.
Pertimbangan investor dalam berinvestasi atau menunda investasinya untuk periode waktu
tertentu akan ditentukan dari faktor besarnya suku bunga. Menurut Dewi dkk. (2013) jika suku
bunga naik, spekulasi akan berkurang. Sebaliknya, jika suku bunga turun, spekulasi akan meningkat
karena biaya usaha berkurang. Ini menjadikan suku bunga mempengaruhi investasi di Indonesia.
Tabel 2. Data Suku Bunga Riil di Indonesia
Tahun Suku Bunga Riil
(%)
2010 4,76
2011 5,66
2012 5,89
2013 -2,08
2014 3,34
2015 6,18
2016 7,76
2017 2,69
2018 8,72
2019 10,38
2020 8,48
Sumber: BPS dan SEKI, BI (diolah, Mei 2021)
Berdasarkan Tabel 2. dapat diketahui suku bunga riil fluktuatif. Pada tahun 2013 suku bunga
riil bisa mencapai -2,08 persen dikarenakan tingkat inflasi yang tinggi melebihi BI 7-Day atau BI Rate.
Investasi asing langsung dipengaruhi oleh suku bunga secara positif, karena investor akan
menempatkan sumber modalnya ke negara-negara yang membayar hasil modal yang lebih signifikan
(Ahmed E. dan Gabriel, 2012). Sehingga, penelitian ini akan menguji apakah financial deepening dan
suku bunga mempengaruhi adanya investasi asing langsung di Indonesia yang nantinya adanya
investasi tersebut akan mendong dan membantu Indonesia dalam menutup kekurangan modal yang
digunakan sebagai salah satu sumber pembiayaan pembangunan nasional.

METHODS
Desain Penelitian
Data dalam penelitian ini merupakan data sekunder time series dengan metode
penelitiannya kuantitatif. Menurut penelitian Sugiyono (2017) metode kuantitatif dapat dijelaskan
sebagai strategi pemeriksaan yang bergantung pada cara berpikir positivisme, digunakan untuk
menganalisis populasi atau pengujian tertentu, metode pemeriksaan pada umumnya dilakukan
secara acak, pengumpulan informasi menggunakan instrumen penelitian, penyelidikan informasi
bersifat kuantitatif/faktual, dengan tujuan menguji teori yang ada. Penelitian ini untuk menganalisis
pengaruh financial deepening dan suku bunga riil terhadap investasi asing langsung di Indonesia
periode 2010.Q1 hingga 2020.Q3.
Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah investasi asing langsung sebagai
variabel dependen (I), dan variabel independennya adalah indikator financial deepening yang dilihat
dari rasio jumlah uang beredar (rasio M2), rasio kredit sektor swasta (rasio PSC), rasio tabungan
nasional (rasio GNS) dan suku bunga riil (R).
Teknik Pengumpulan Data
Sumber data yang digunakan dalam penelitian ini berasal dari dari BPS, BI dan BKPM.
Teknik Analisis Data
1. Uji Stasioneritas
Uji Stasioneritas bertujuan untuk menguji adanya anggapan bahwa pada sebuah data yang
bersifat time series stasioner atau tidak stasioner. Dalam penelitian ini menggunakan unit root test.
Apabila dalam pengujian masih tidak stasioner pada level maka dilanjutkan dengan uji derajat
integrasi (Integration Test) hingga semua data stasioner di derajat yang sama.
2. Uji Kointegrasi
Apabila tingkat signifikansi probabilitas ADF dari nilai residualnya lebih kecil dari nilai Mc
Kinnon pada alpha = 1%, 5%, atau 10% maka dapat dinyatakan regresi tersebut terkointegrasi. Jika
saling berkointegrasi maka dalam ekonometrika dinyatakan kondisi telah seimbang di jangka
panjang.

3. Deteksi Pelanggaran Asumsi Klasik

a. Uji Normalitas
Jika nilai jarque-bera lebih kecil dari distribusi chi-kuadrat maka H 0 diterima yang artinya
bahwa data berdistribusi normal. Sedangkan, jika nilai jarque-bera lebih besar dari distribusi chi-
kuadrat maka H0 ditolak yang artinya bahwa data tidak berdistribusi normal.
b. Uji Multikolinearitas
1. Menurut Ghozali (2013) apabila nilai VIF < 10 dan nilai tolerance > 0,1, maka dapat dikatakan
bahwa tidak terdapat multikolinearitas antar variabel bebas dalam model regresi.
Sebaliknya, jika nilai VIF > 10 dan nilai tolerance < 0,1, maka dapat dikatakan bahwa terdapat
multikolinearitas antar variabel bebas dalam model regresi.

c. Uji Heteroskedastisitas
Jika nilai chi-squarehitung lebih kecil dari chi-kuadrat tabel maka H0 diterima yang artinya bahwa
tidak terdapat masalah heteroskedastisitas dalam model. Sedangkan, jika nilai chi-square hitung lebih
besar dari chi-kuadrattabel maka H0 ditolak yang artinya bahwa terdapat masalah heteroskedastisitas
dalam model.
 d. Uji Auto Korelasi
Jika nilai X2hitung lebih kecil dari X2tabel maka H0 diterima yang artinya bahwa tidak terdapat
masalah autokorelasi dalam model. Sedangkan, jika nilai X 2hitung lebih besar dari X2tabel maka H0 ditolak
yang artinya bahwa terdapat masalah autokorelasi dalam model.
4. Analisis Error Correction Model (ECM)
Model ECM adalah model yang digunakan untuk mengetahui pengaruh suatu variabel
independen terhadap dependen dalam jangka pendek maupun dalam jangka panjang. Hal ini dapat
terlihat pada residual dari regresi pertama, yang biasa disebut Error Correction Term (ECT). Apabila
hasil dalam pengujian dinyatakan signifikan dan memiliki nilai negatif atau diantara (-1 < ECT < 0)
maka spesifikasi model yang digunakan valid. Sehingga, model ECM dapat digunakan dalam
penelitian (Agus Widarjono, 2018).
5. Uji Statistik
a. Koefisien Determinasi
Jika nilai adjusted R2 mendekati angka nol artinya kemampuan variabel bebas di dalam
menjabarkan variabel dependen dibatasi. Sedangkan, jika nilai adjusted R2 mendekati angka satu
artinya bahwa semua informasi diperlukan untuk mengestimasi variabel terikat yang dapat
dijabarkan oleh variabel bebasnya.
b. Uji Simultan (Uji F)
Uji F merupakan pengujian hipotesis koefisien regresi berganda dengan semua variabel bebas
secara bersama-sama mempengaruhi variabel terikatnya. Uji F ini dapat digunakan untuk menguji
signifikansi pada model.
Jika nilai X2hitung lebih kecil dari X2tabel maka H0 diterima yang artinya bahwa semua variabel independen
tidak mampu mempengaruhi variabel dependen secara bersama-sama. Sedangkan, jika nilai X2hitung
lebih besar dari X2tabel maka H0 ditolak yang artinya bahwa semua variabel independen mampu
mempengaruhi variabel dependen secara bersama-sama.
c. Uji Parsial (Uji t)
Uji t merupakan pengujian hipotesis koefisien regresi berganda dengan satu variabel
independen secara individual mempengaruhi variabel dependen. Dengan ketentuan jika t hitung lebih
kecil dari ttabel (p-value < probabilitas 5%), maka menerima H 0 yang artinya bahwa tidak terdapat
pengaruh positif dan signifikan antara variabel independe terhadap variabelnya. Sedangkan, Jika
thitung lebih besar dari ttabel (p-value > probabilitas 5%), maka menolak H 0 yang artinya bahwa terdapat
pengaruh positif dan signifikan antara variabel independen terhadap variabel dependen.
RESULTS AND DISCUSSIONS
1. Uji Stasioneritas
Data diuji menggunakan Augmented Dickey-Fuller Test (ADF test), dan dapat diperoleh hasil
sebagai berikut:
Tabel 3. Hasil Uji Akar Unit dan Uji Derajat Integrasi dengan Uji ADF
Variabel 2nd Difference
ADF Prob.
PMA -6.586160 0.0000*
Rasio M2 -14.44880 0.0000*
Rasio PSC -5.433494 0.0001*
Rasio GNS -13.83249 0.0000*
R -8.323277 0.0000*
Sumber: Hasil analisis
Berdasarkan Tabel 3. variabel rasio M2, rasio PSC, rasio GNS dan PMA menunjukkan hasil
pada uji derajat integrasi ke-2 (2nd difference) terlihat bahwa semua variabel yang digunakan telah
stasioner dengan nilai probabilitas lebih kecil dari alpha 5 persen.
2. Uji Kointegrasi
Berikut hasil uji kointegrasi dari data yang akan digunakan dalam penelitian ini:
Tabel 4. Hasil Uji Kointegrasi
ADF t- Critical Values Prob. Keterangan
statistic
Terkointegra
- 4.173 1% level -3.60 0.0021
si
5% level -2.93
10% -2.60
level Sumber: Hasil analisis
Berdasarkan Tabel 4. variabel yang digunakan dalam penelitian dapat dinyatakan
terkointegrasi. Hal tersebut ditunjukkan melalui tingkat signifikansi probabilitas dari nilai residualnya
yang lebih kecil dari nilai alpha 5 persen. Dapat disimpulkan bahwa variabel yang digunakan dalam
penelitian ini saling berkointegrasi yang artinya terjadi hubungan jangka pandek dan jangka panjang.
Oleh sebab itu model lolos dalam uji kointegrasi sehingga model Error Correction Model dapat
digunakan.
3. Pembahasan di Jangka Pendek
a. Deteksi Pelanggaran Asumsi Klasik
1. Uji Normalitas
Hasil uji normalitas jangka pendek dengan menggunakan Uji Jarque Bera.
Tabel 5. Uji Jarque-Berra Jangka Pendek
J-B hitung Probabilitas
7.947650 0.018801
Sumber: Hasil analisis
Berdasarkan Tabel 5. dapat dilihat bahwa nilai probabilitas Jarque Bera hitung lebih kecil dari
5 persen yang berarti bahwa residual tidak terdistribusi normal dalam jangka pendek. Dengan
menggunakan asumsi Classical Linear Regression Model (CLRM) maka hasil ini masih dapat diterima.
2. Uji Multikolinearitas
Hasil Uji Multikolinearitas jangka pendek dengan menggunakan Variance Inflation Factors.
Tabel 6. Uji Multikolinearitas Jangka Pendek
Variabel Nilai Centered VIF
D(PCS) 1.046450
D(GNS) 1.048215
D(R) 1.062944
ECT(-1) 1.033852
Sumber: Hasil analisis

Berdasarkan Tabel 6. pada hasil uji deteksi asumsi klasik jangka pendek terdapat adanya
multikolinearitas dalam penelitian yang artinya ada korelasi antar variabel independen. Dalam
penentuan penghilangan salah satu variabel independen maka dilakukan percobaan yang mana bila
satu variabel hilang, akan berdampak baik pada variabel independen lain dan memiliki nilai centered
VIF kurang dari 10. Setelah dilakukan beberapa kali percobaan memilih variabel terbaik, v ariabel
independen yang memiliki nilai centered VIF lebih dari 10 adalah variabel rasio M2. Maka, rasio M2
sebaiknya dihilangkan karena variabel ini memiliki korelasi dengan variabel lain yang pada dasarnya
variabel rasio M2 mengukur kondisi yang sama dengan variabel independen lainnya, yaitu rasio PSC
dan rasio GNS yang merupakan indikator untuk mengukur financial deepening.
Sehingga, diperoleh hasil bahwa rasio PSC, rasio GNS dan suku bunga riil merupakan
variabel terbaik yang digunakan. Meskipun variabel rasio M2 dihilangkan, variabel independen yang
lain dapat mensubtitusi variabel yang dihilangkan tersebut. Setelah adanya pengurangan variabel
indepeden, maka hasil uji memperlihatkan bahwa semua variabel independen memiliki nilai
 centered VIF kurang dari 10. Maka penelitian ini terhindar dari adanya multikolinearitas jangka
pendek.
3. Uji Heteroskedastisitas
Untuk mendeteksi ada tidaknya heteroskedasitas jangka pendek dapat dilakukan dengan
Uji Breusch-Godfrey Serial Correlation.
Tabel 7. Uji Breusch-Godfrey Serial Correlation Model Jangka Pendek
Obs*R-squared Prob. Chi-Square

3.145503 0.6776
Sumber: Hasil analisis
Berdasarkan tabel 4.5 diketahui bahwa probabilitas Chi-Square sebesar 0.6776 lebih besar
dari alpha 5 persen. Maka penelitian ini terhindar dari adanya Heteroskedastisitas dalam jangka
pendek.
4. Uji Autokorelasi
Untuk mendeteksi ada tidaknya Autokorelasi jangka pendek dapat dilakukan dengan Uji
Breusch-Godfrey Serial Correlation.
Tabel 8. Uji Breusch-Godfrey Serial Correlation Model Jangka Pendek
Obs*R-squared Prob. Chi-Square

5.426330 0.0663
Sumber: Hasil analisis
Berdasarkan Tabel 8. diketahui bahwa probabilitas Chi-Square 0.0663 lebih besar dari
alpha 5 persen maka dapat disimpulkan bahwa tidak adanya masalah autokorelasi dalam model
jangka pendek.
b. Hasil Estimasi Error Corretion Model Jangka Pendek
Model regresi jangka pendek dalam penelitian ini menggunakan variabel Error Correction
Term (ECT) yang dapat ditunjukkan sebagai berikut:
Tabel 9. Ringkasan Hasil Estimasi Model Jangka Pendek Metode ECM
t-
Variabel Koefisien Std Error Statistic Prob.
2.5295 0.0159
Konstanta 1994.5 788.478 2 *
1.4816
Rasio PSC 19013 12833.0 1 0.1471
Rasio GNS -22468 49450.1 -0.4543 0.6523
SukuBunga 0.7880
Riil 500.77 635.441 7 0.4358
0.0023
ECT -0.2953 0.09022 -3.2740 *
F 3.4010
Statistic 7
Prob. (F- 0.0128
2
R 0.226494 stat) *
Sumber: Hasil analisis
Berdasarkan Tabel 4.7 dapat diketahui bahwa koefisien Error Correction Term memiliki
probabilitas (0.0023) kurang dari alpha 5 persen sehingga signifikan dalam model. Dengan
signifikannya koefisien ECT berarti terdapat indikasi bahwa antara variabel rasio M2, rasio PSC, rasio
GNS dan suku bunga riil terdapat kointegrasi, spesifikasi modelnya benar, teorinya benar, dan
terdapat hubungan kausalitas (paling tidak hubungan satu arah). Sehingga, tidak ada alasan untuk
menolak model ECM ini (Astuti, 2001).
c. Uji Statistik Analisis Regresi Jangka Pendek
 1. Koefisien Determinasi
Hasil koefisien determinasi dari model menggambarkan seberapa besar kemampuan
variabel bebas dalam menjelaskan variabel terikat. Berdasarkan Tabel 9. di atas dapat dilihat
koefisien determinasi jangka pendek adalah sebesar 0.226494. Hal ini berarti sebesar 22,64 persen
variasi investasi asing langsung di Indonesia dipengaruhi dari variasi ke empat variabel independen.
Sedangkan sisanya 77,36 persen dipengaruhi oleh variabel lain diluar model.
2. Uji Simultan (Uji F)
Berdasarkan tabel 9. diatas dapat disimpulkan bahwa variabel rasio M2, rasio PSC, rasio GNS
dan suku bunga riil secara bersama-sama memiliki dampak signifikan terhadap investasi asing
langsung di Indonesia. Hal tersebut terlihat dari nilai F hitung sebesar 3,40107 yang lebih besar dari F
tabel 2,41 dimana nilai probabilitasnya sebesar 0,0128 yang berarti lebih kecil dari alpha 5 persen.
Dari adanya hasil tersebut, maka model dalam jangka pendek menolak H 0 dan menerima H1 yang
artinya secara keseluruhan variabel bebas dapat memengaruhi variabel terikat secara bersama-
sama.
3. Uji Parsial (Uji t)
a. Variabel rasio PSC terhadap investasi asing langsung
Berdasarkan hasil uji t pada Tabel 9. rasio PSC memiliki t hitung sebesar 1.481616 dengan
tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih kecil t tabel (1.481616 <
1,971) dan nilai probabilitasnya lebih besar dari alpha 5 persen (0.1471 > 0,05). Sehingga dapat
disimpulkan bahwa variabel rasio PSC tidak memiliki pengaruh positif dan signifikan terhadap
investasi asing langsung dalam jangka pendek.
b. Variabel rasio GNS terhadap investasi asing langsung
Berdasarkan hasil uji t pada Tabel 9. rasio GNS memiliki t hitung sebesar -0.454369 dengan
tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih kecil t tabel (-0.454369 <
1,971 ) dan nilai probabilitasnya lebih besar dari alpha 5 persen (0.6523 > 0,05 ). Sehingga dapat
disimpulkan bahwa variabel rasio GNS tidak memiliki pengaruh positif dan signifikan terhadap
investasi asing langsung dalam jangka pendek.
c. Variabel suku bunga riil terhadap investasi asing langsung
Berdasarkan hasil uji t pada tabel 4.7 suku bunga riil memiliki t hitung sebesar 0.788077
dengan tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih kecil t tabel
(0.788077 < 1,971 ) dan nilai probabilitasnya lebih besar dari alpha 5 persen (0.4358 > 0,05 ).
Sehingga dapat disimpulkan bahwa variabel suku bunga riil tidak memiliki pengaruh positif dan
signifikan terhadap investasi asing langsung dalam jangka pendek.

4. Pembahasan di Jangka Panjang

a. Deteksi Pelanggaran Asumsi Klasik
1. Uji Normalitas
Hasil uji normalitas jangka panjang dengan menggunakan Uji Jarque Bera.
Tabel 10. Uji Jarque-Berra Jangka Panjang
J-B Probabilitas
hitung
1.489918 0.474754
Sumber: Hasil analisis
Berdasarkan Tabel 10. dapat dilihat bahwa nilai probabilitas Jarque Bera hitung 0.474754
lebih besar dari 5 persen yang berarti bahwa residual terdistribusi normal dalam jangka panjang.
2. Uji Multikolinearitas
Hasil Uji Multikolinearitas jangka panjang dengan menggunakan Variance Inflation Factors.
Tabel 11. Uji Multikolinearitas
Jangka Panjang
Variabel Nilai Centered VIF
Rasio PSC 1.368593
 Rasio GNS 1.264666
Suku Bunga Riil 1.191289
Sumber: Hasil analisis
Berdasarkan Tabel 11. pada hasil uji deteksi asumsi klasik jangka pendek terdapat adanya
multikolinearitas dalam penelitian yang artinya ada korelasi antar variabel independen. Dalam
penentuan penghilangan salah satu variabel independen maka dilakukan percobaan yang mana bila
satu variabel hilang, akan berdampak baik pada variabel independen lain dan memiliki nilai centered
VIF kurang dari 10. Setelah dilakukan beberapa kali percobaan memilih variabel terbaik, v ariabel
independen yang memiliki nilai centered VIF lebih dari 10 adalah variabel rasio M2. Maka, rasio M2
sebaiknya dihilangkan karena variabel ini memiliki korelasi dengan variabel lain yang pada dasarnya
variabel rasio M2 mengukur kondisi yang sama dengan variabel independen lainnya, yaitu rasio PSC
dan rasio GNS yang merupakan indikator untuk mengukur financial deepening.
Sehingga, diperoleh hasil bahwa rasio PSC, rasio GNS dan suku bunga riil merupakan
variabel terbaik yang digunakan. Meskipun variabel rasio M2 dihilangkan, variabel independen yang
lain dapat mensubtitusi variabel yang dihilangkan tersebut. Setelah adanya pengurangan variabel
indepeden, maka hasil uji memperlihatkan bahwa semua variabel independen memiliki nilai
centered VIF kurang dari 10. Maka penelitian ini terhindar dari adanya multikolinearitas jangka
panjang.
3. Uji Heteroskedastisitas
Untuk mendeteksi ada tidaknya heteroskedasitas jangka panjang dapat dilakukan dengan
Uji Breusch-Godfrey Serial Correlation.

Tabel 12. Uji Breusch-Godfrey Serial Correlation Model Jangka Panjang

Obs*R-squared Prob. Chi-Square

7.113242 0.1300
Sumber: Hasil analisis
Berdasarkan tabel 12 diketahui bahwa probabilitas Chi-Square sebesar 0.1300 lebih besar
dari alpha 5 persen. Maka penelitian ini terhindar dari adanya Heteroskedastisitas dalam jangka
panjang.
4. Uji Autokorelasi
Untuk mendeteksi ada tidaknya Autokorelasi jangka panjang dapat dilakukan dengan Uji
Breusch-Godfrey Serial Correlation.
Tabel 13. Uji Breusch-Godfrey Serial Correlation Model Jangka Panjang
Obs*R-squared Prob. Chi-Square

3.946077 0.1390
Sumber: Hasil analisis
Berdasarkan Tabel 13. diketahui bahwa probabilitas Chi-Square 0.1390 lebih besar dari
alpha 5 persen maka dapat disimpulkan bahwa tidak adanya masalah autokorelasi dalam model
jangka panjang.
b. Hasil Estimasi Error Corretion Model Jangka Panjang
Ringkasan dalam jangka panjang hasil estimasi koefisien dalam tabel sebagai berikut:
Tabel 14. Ringkasan Hasil Estimasi Model Jangka Panjang Metode ECM
t-
Variabel Koefisien Std Error Statistic Prob.
Konstanta -62122.63 8424.91 -7.3736 0.000*
Rasio PSC 9797.829 32576.1 0.3007 0.7652
Rasio GNS 163685.8 78414.9 2.0874 0.044*
SukuBunga
Riil 75.16151 1223.42 0.0614 0.9513
 F
Statistic 76.708
Prob. (F-
2
R 0.878203 stat) 0.000*
Sumber: Hasil analisis
Berdasarkan Tabel 14. menunjukkan bahwa variabel independen yang signifikan hanya
rasio GNS yang memiliki nilai (0.0436) lebih kecil dari alpha 5 persen. Sedangkan rasio PSC dan suku
bunga riil tidak signifikan karena nilai probabilitasnya lebih dari alpha 5 persen.
c. Uji Statistik Analisis Regresi Jangka Panjang
1. Koefisien Determinasi
Hasil koefisien determinasi dari model memperlihatkan seberapa besar kemampuan
variabel bebas dalam menjelaskan variabel terikatnya. Berdasarkan Tabel 14. di atas dapat dilihat
koefisien determinasi jangka panjang adalah sebesar 0.878203. Hal ini berarti sebesar 87,82 persen
variasi investasi asing langsung di Indonesia bisa dipengaruhi dari variasi ke empat variabel
independen. Sedangkan sisanya 12,18 persen dipengaruhi oleh variabel lain diluar model.

2. Uji Simultan (Uji F)

Berdasarkan tabel 14. diatas dapat diestimasikan bahwa variabel rasio M2, rasio PSC, rasio
GNS dan suku bunga riil secara bersama-sama memiliki dampak yang signifikan terhadap investasi
asing langsung di Indonesia. Hal tersebut ditunjukkan oleh nilai F hitung sebesar 76,70898 yang lebih
besar dari F tabel yang sebesar 2,41 dimana nilai probabilitasnya sebesar 0,0000 yang berarti lebih
kecil dari alpha 5 persen. Dari kedua pembuktian tersebut, maka model dalam jangka panjang
menolak H0 dan menerima H1 yang artinya secara keseluruhan variabel bebas dapat memengaruhi
variabel terikat secara bersama-sama.

3. Uji Parsial (Uji t)

a. Variabel rasio PSC terhadap investasi asing langsung
Berdasarkan hasil uji t pada tabel 14. rasio PSC memiliki t hitung sebesar 0.300767 dengan
tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih kecil t tabel (0.300767 <
1,971) dan nilai probabilitasnya lebih besar dari alpha 5 persen (0.7652 > 0,05). Sehingga dapat
disimpulkan bahwa variabel rasio PSC tidak memiliki pengaruh positif dan signifikan terhadap
investasi asing langsung dalam jangka panjang.
b. Variabel rasio GNS terhadap investasi asing langsung
Berdasarkan hasil uji t pada tabel 14. rasio GNS memiliki t hitung sebesar 2.087432 dengan
tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih besar t tabel (2.087432 >
1,971 ) dan nilai probabilitasnya lebih kecil dari alpha 5 persen (0.0436 < 0,05). Sehingga dapat
disimpulkan bahwa variabel rasio GNS memiliki pengaruh positif dan signifikan terhadap investasi
asing langsung dalam jangka panjang.
c. Variabel suku bunga riil terhadap investasi asing langsung
Berdasarkan hasil uji t pada tabel 4.12 suku bunga riil memiliki t hitung sebesar 0.061436
dengan tingkat signifikansi sebesar 5 persen. Hal ini menunjukkan t hitung lebih kecil t tabel
(0.061436 < 1,971 ) dan nilai probabilitasnya lebih besar dari alpha 5 persen (0.9513 > 0,05 ).
Sehingga dapat disimpulkan bahwa variabel suku bunga riil tidak memiliki pengaruh positif dan
signifikan terhadap investasi asing langsung dalam jangka panjang.
a. Pembahasan Penelitian
1. Pengaruh rasio kredit sektor swasta (rasio PSC) terhadap Investasi Asing Langsung di
Indonesia
 Dalam analisis jangka pendek, berdasarkan hasil nilai t-hitung rasio PSC memiliki nilai yang
lebih kecil dari nilai t-tabelnya (1,481616 < 1,971) serta nilai probabilitasnya lebih besar dari nilai
alpha 5 persen (0.1471 > 0,05). Maka dapat disimpulkan variabel rasio PSC tidak memiliki pengaruh
signifikan.
Berdasarkan hasil uji regresi dalam jangka pendek, koefisien dari regresi variabel rasio PSC
adalah 19013.58. Hal tersebut menunjukkan apabila rasio PSC meningkat 1 milyar rupiah, hal ini
akan menurunkan investasi asing langsung sebesar 19013.58 milyar rupiah. Sebaliknya, jika rasio PSC
turun 1 milyar rupiah maka akan menaikkan investasi asing langsung sebesar 19013.58 milyar rupiah
dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Sedangkan dalam jangka panjang, berdasarkan hasil nilai t-hitung rasio PSC lebih kecil dari
nilai t-tabel (0.300767 < 1,971) serta nilai probabilitasnya lebih besar dari nilai alpha 5 persen
(0.7652 > 0,05). Maka dapat disimpulkan bahwa variabel rasio PSC tidak memiliki pengaruh
signifikan.
Berdasarkan hasil uji regresi dalam jangka panjang, koefisien dari regresi variabel rasio
PSC adalah 9797.829. Hal tersebut menunjukkan apabila rasio PSC meningkat 1 milyar rupiah maka
akan menurunkan investasi asing langsung sebesar 9797.829 milyar rupiah. Sebaliknya, jika rasio PSC
turun 1 milyar rupiah maka hal ini akan menaikan investasi asing langsung sebesar 9797.829 milyar
rupiah dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Menurut Pradhan (2010) menyatakan bahwa variabel pertumbuhan ekonomi, investasi
asing langsung, dan financial deepening berkointegrasi hal ini menunjukkan dalam jangka panjang
terjadi hubungan keseimbangan. Pertumbuhan ekonomi secara signifikan dipengaruhi oleh financial
deepening (Lawrence, 2018). Sehingga, menurut Okafor dkk. (2016) menyatakan bahwa kredit sektor
swasta mempunyai pengaruh yang negatif dan tidak signifikan terhadap adanya pertumbuhan
ekonomi yang mana hal tersebut berpengaruh terhadap investasi asing langsung yang ada di
Indonesia.
Di jangka pendek ataupun di jangka panjang rasio PSC tidak memiliki pengaruh
signifikan terhadap adanya investasi asing langsung dikarenakan peningkatan rasio kredit sektor
swasta bukan hanya digunakan untuk investasi saja melainnya untuk hal lain, seperti konsumsi yang
dilakukan dalam jangka pendek yang mana tidak memengaruhi investor untuk segera melakukan
investasi di dalam negeri dalam jangka panjang. Variabel rasio kredit sektor swata juga dipengaruhi
oleh faktor suku bunga kredit, yang merupakan kebijakan dari pemerintah, yang bertujuan untuk
mencapai stabilitas ekonomi. Sehingga, menurut Muhammad Syaikhu dan Haryati (2017) bahwa
adanya penanaman modal tidak dipengaruhi secara signifikan oleh suku bunga kredit. Hal tersebut
menunjukkan ketidaksesuaian dengan pengajuan hipotesis awal dalam penelitian yang mana pada
hipotesis awal menyatakan bahwa investasi asing langsung yang ada di Indonesia dipengaruhi secara
positif dan signifikan oleh rasio PSC.
Dari hasil tersebut diduga walaupun suku bunga kredit tinggi investor akan konsisten
menambah aktivitas investasinya di Indonesia dengan adanya pertimbangan tentang tingkat profit
yang akan diperoleh masih bernilai lebih tinggi dari adanya tingkat suku bunga yang ditetapkan di
Indonesia. Sehingga suku bunga kredit yang ada memiliki pengaruh yang relatif kecil terhadap
investasi dengan mempertimbangkan tingkat keuntungan yang lebih besar pada jangka panjang.

2. Pengaruh rasio tabungan nasional (rasio GNS) terhadap Investasi Asing Langsung di
Indonesia
Dalam analisis jangka pendek, berdasarkan hasil nilai t-hitung rasio GNS memiliki nilai
yang lebih kecil dari nilai t-tabelnya ((-0.454369 < 1,971) serta nilai probabilitasnya lebih besar dari
nilai alpha 5 persen (0.6523 > 0,05). Maka dapat disimpulkan variabel rasio GNS tidak memiliki
pengaruh signifikan.
Berdasarkan hasil uji regresi dalam jangka pendek, koefisien dari regresi variabel rasio
GNS adalah 22468.63. Hal tersebut menunjukkan apabila rasio GNS meningkat 1 milyar rupiah, hal
ini akan menurunkan investasi asing langsung sebesar 22468.63 milyar rupiah. Sebaliknya, jika rasio
GNS turun 1 milyar rupiah maka akan menaikkan investasi asing langsung sebesar 22468.63 milyar
rupiah dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Dalam jangka pendek, variabel investasi asing langsung tidak dipengaruhi oleh adanya
rasio tabungan nasional dikarenakan variabel ini merupakan dampak dari kebijakan moneter suku
bunga yang digunakan untuk mencapai kestabilan ekonomi. Menurut Lubis dkk (2015) menunjukkan
bahwa dalam jangka pendek secara parsial investasi asing langsung tidak dipengaruhi oleh suku
bunga dalam negeri. Sehingga, suku bunga tidak berpengaruh signifikan untuk menaikan rasio
financial deepening yang berdampak pada tidak berpengaruhnya terhadap investasi asing langsung.
Sedangkan dalam jangka panjang, berdasarkan hasil nilai t-hitung rasio GNS lebih besar
dari nilai t-tabel (2.087432 < 1,971) serta nilai probabilitasnya lebih kecil dari nilai alpha 5 persen
(0.0436 > 0,05). Maka dapat disimpulkan bahwa variabel rasio GNS memiliki pengaruh positif dan
signifikan..
Berdasarkan hasil uji regresi dalam jangka panjang, koefisien dari regresi variabel rasio
GNS adalah 9797.829. Hal tersebut menunjukkan apabila rasio GNS meningkat 1 milyar rupiah maka
akan meningkatkan investasi asing langsung sebesar 9797.829 milyar rupiah. Sebaliknya, jika rasio
GNS turun 1 milyar rupiah maka hal ini akan menurunkan investasi asing langsung sebesar 9797.829
milyar rupiah dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Dalam jangka panjang, hasil eksplorasi sesuai hipotesis menurut Liu dkk., (2020)
menunjukkan bahwa investasi asing dipengaruhi secara positif dan signifikan oleh adanya financial
deepening. Menurut Ningrum (2015) target mendasar dari financial deepening adalah untuk
memperluas proporsi dana cadangan lokal untuk pendapatan, untuk membangun (menperdalam)
ukuran sektor moneter untuk menghasilkan adanya peluang profit bagi investor dan yang lebih
penting, untuk menguatkan proses adanya mobilitas dan penentuan dana investasi (tabungan), hal
ini lebih memperhitungkan alokasi yang baik dari tabungan dengan menumbuhkan dan memperluas
pasar uang maupun pasar permodalan yang akan membangun investasi. Menurut Prawoto (2003)
menyatakan bahwa tabungan yang rendah dapat dipandang sebagai masalah utama, dengan alasan
bahwa ukuran investasi dalam perekonomian dipengaruhi oleh adanya tingkat tabungan yang telah
dikumpulkan.
Menurut Bank Dunia (2021), pendanaan diharapkan untuk memperdapam dan memperluas
sektor keuangan dengan meningkatkan pelayanan administrasi moneter, meningkatkan jumlah item
moneter, dan memberikan tambahan penghasilan guna pendorong tabungan di jangka panjang.
Upaya ini akan mengurangi kelemahan Indonesia terhadap outflow dari portofolio asing. Menurut
Todaro dan Smith (2012) menemukan bahwa setiap perekonomian pada pondasinya perlu
menghemat dengan menabung sebagian dari pendapatan nasionalnya untuk menambah atau
memulihkan produk modal yang telah rusak atau susut. Namun demikian, untuk mempercepat
pembangunan ekonomi memerlukan adanya investasi baru yang merupakan perluasan bersih dari
persediaan modal. Sehingga, salah satu pendekatan untuk mempercepat laju perkembangan
ekonomi adalah dengan menyiapkan aset dana investasi untuk melakukan langkah-langkah investasi
yang memadai. Jadi hasil dari pengujian ini sesuai hipotesis, bahwa untuk meningkatkan investasi
asing langsung memerlukan tabungan domestik yang memenuhi dalam jangka panjang.

3. Pengaruh suku bunga riil terhadap Investasi Asing Langsung di Indonesia

Dalam analisis jangka pendek, berdasarkan hasil nilai t-hitung suku bunga riil memiliki nilai
yang lebih kecil dari nilai t-tabelnya (0.788077 < 1,971) serta nilai probabilitasnya lebih besar dari
nilai alpha 5 persen (0.4358 > 0,05). Maka dapat disimpulkan variabel suku bunga riil tidak memiliki
pengaruh signifikan.
Berdasarkan hasil uji regresi dalam jangka pendek, koefisien dari regresi variabel suku
bunga riil adalah 500.7768. Hal tersebut menunjukkan apabila suku bunga riil meningkat 1 milyar
rupiah, hal ini akan menurunkan investasi asing langsung sebesar 500.7768 milyar rupiah.
 Sebaliknya, jika suku bunga riil turun 1 milyar rupiah maka akan menaikkan investasi asing langsung
sebesar 500.7768 milyar rupiah dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Menurut Istikomah (2016) bahwa pekerjaan suku bunga saat ini bukan menjadi perhatian
utama dalam hal meningkatkan financial deepening yang ada di Indonesia, ini merupakan dampak
dari krisis terkait moneter di masa lalu yang mana adanya kenaikan suku bunga belum dapat
memperbaiki kondisi pertumbuhan ekonomi. Menurut Lubis dkk (2015) menyatakan bahwa investasi
asing langsung tidak dipengaruhi secara tunggal terhadap suku bunga dalam negeri pada jangka
pendek. Sehingga, variabel suku bunga tidak berpengaruh signifikan untuk menaikan rasio financial
deepening yang berpengaruh pada tidak berdampaknya terhadap investasi asing langsung.
Sedangkan dalam jangka panjang, berdasarkan hasil nilai t-hitung suku bunga riil lebih
kecil dari nilai t-tabel (0.061436 < 1,971) serta nilai probabilitasnya lebih besar dari nilai alpha 5
persen (0.9513 > 0,05). Maka dapat disimpulkan bahwa variabel suku bunga riil tidak memiliki
pengaruh signifikan.
Berdasarkan hasil uji regresi dalam jangka panjang, koefisien dari regresi variabel suku
bunga riil adalah 75.16151. Hal tersebut menunjukkan apabila suku bunga riil meningkat 1 milyar
rupiah maka akan menurunkan investasi asing langsung sebesar 75.16151milyar rupiah. Sebaliknya,
jika suku bunga riil turun 1 milyar rupiah maka hal ini akan menaikan investasi asing langsung
sebesar 75.16151 milyar rupiah dengan asumsi bahwa variabel lainnya tetap atau cateris paribus.
Seperti yang ditunjukkan oleh Afrizawati (2011) menyatakan bahwa adanya variabel
suku bunga jelas bukan termasuk variabel penting dalam mempengaruhi kepentingan investasi suatu
negara. Hal tersebut karena FDI adalah bentuk investasi yang dibuat dalam bentuk sebagai akuisisi
atau konsolidasi, dengan demikian, kontras dalam suku bunga dapat terjadi di jangka waktu yang
bersifat sementara tidak mampu menggoyahkan investor dana untuk segera mengurangi atau
memperluas jumlah investasi yang akan ditanamkan. Sebaliknya, menurut Dewi dkk. (2013) jika suku
bunga naik, spekulasi akan berkurang. Sebaliknya, jika suku bunga turun, spekulasi akan meningkat
karena biaya usaha berkurang. Ini menjadikan suku bunga mempengaruhi investasi di Indonesia.
Pengaturan keuangan melalui BI rate bereaksi negatif terhadap perbaikan FDI dan bereaksi
tegas terhadap spekulasi portofolio. Hal tersebut menunjukkan bahwa portofolio ventura lebih
mempengaruhi kelemahan makroekonomi, terutama pada nilai tukar dan stabilitas harga. Arus
masuk modal asing yang kuat akan menyebabkan adanya kecenderungan naiknya nilai tukar yang
akan melampaui keadaan dasar dan akan berimplikasi terhadap peningkatkan kerentanan pasar
uang dan juga pada asset price bubble (Indrawati, 2012).
Maka dari itu pemerintah dalam menentukan kebijakan suku bunga riil didasarkan pada
berbagai kondisi atau guncangan perekonomian yang mana hal ini menyangkut ke segala aspek
ekonomi. Karena tidak hanya berhubungan dengan penanaman modal saja, sehingga variabel suku
bunga rill ini tingkat signifikansinya bisa berubah terhadap investasi asing langsung dikaitkan dengan
kondisi riil di dalam negeri. Namun meskipun demikian, baik jangka pendek maupun jangka panjang,
kegiatan berinvestasi masih menjadi alasan dasar yang dikaitkan dengan variabel tingkat suku bunga
riil (Syahputra dkk., 2017).
CONCLUSIONS
Melalui Uji F dalam jangka pendek ataupun jangka panjang, secara bersama-sama variable
rasio kredit sektor swasta, rasio tabungan nasional dan suku bunga riil mempengaruhi investasi asing
langsung. Melalui Uji-t dalam jangka pendek, semua variabel independen (rasio kredit sektor swasta,
rasio tabungan nasional dan suku bunga riil) terhadap variabel dependen (investasi asing langsung)
tidak berpengaruh secara signifikan. Sedangkan, di jangka panjang, variabel rasio tabungan nasional
memiliki pengaaruh positif dan signifikan, namun variabel rasio kredit sektor swasta dan suku bunga
riil tidak berpengaruh signifikan.
Penelitian ini digunakan sebagai acuan pemerintah dalam memitigasi resiko akibat
guncangan-guncangan dari perekonomian yang menjadi pemicu timbulnya krisis ekonomi. Cara
memitigasi resiko akibat guncangan ekonomi dengan terus meningkatkan financial deepening. Krisis
yang terjadi berulang pada tahun 1997 (Krisis moneter 1997) ke 2008 (Krisis keuangan 2008) di
Indonesia ini menjadi pertimbangan apakah akan terjadi krisis lagi dimasa yang akan datang. Menurut
Lubis dkk., (2015) menghasilkan penelitian bahwa dampak krisis mempunyai kontribusi negatif
terhadap investasi asing langsung. Tahun 2020, mulai muncul adanya pandemi Covid-19
menyebabkan krisis resesi global yang menyerang perekonomian di dunia, khususnya di Indonesia.
Sektor keuangan terutama perbankan mangalami guncangan, dengan kredit macet yang mnyebabkan
penerimaan perbankan mengalami penurunan. Krisis menjadi pembuktian mengenai pentingnya
stabilitas sistem keuangan (Budisantoso dan Nuritomo, 2014).
Maka dikemudian hari diharapkan akan ada penelitian selanjutnya untuk dapat meneliti
indikator yang mempengaruhi investasi asing langsung dalam jangka pendek. Pasalnya dalam
penelitian ini, semua variabel independen di jangka pendek tidak mempengaruhi variabel
dependennya yaitu investasi asing langsung. Dengan mengetahui indikator yang mempengaruhi
investasi asing langsung dalam jangka pendek maupun jangka panjang, maka di kemudian hari akan
dapat membantu pemerintah dengan kaitannya menetapkan kebijakan untuk terus meningkatkan
jumlah investasi guna menambah pembiayaan pembangunan di Indonesia.
REFERENCES
Ahmed E., U., & Gabriel, A. M. (2012). The Determinants and Impacts of Foreign Direct Investment in
Nigeria. International Journal of Business and Management, 7(24).
https://doi.org/10.5539/ijbm.v7n24p67

Astuti, R. D. (2001). Analisis Makro Kinerja Pasar Modal Indonesia Dengan Pendekatan Error
Correction Model (ECM). Jurnal Ekonomi Pembangunan, 6(1), 13–32.
https://journal.uii.ac.id/JEP/article/download/6979/6171

Baroroh, U. (2012). Analisis Sektor Keuangan Terhadap Pertumbuhan Ekonomi Regional Di Wilayah
Jawa: Pendekatan Model Levine. Etikonomi, 11(2), 180–195.
https://doi.org/10.15408/etk.v11i2.1892

Dewi, E., Amar, S., & Sofyan, E. (2013). Jurnal Kajian Ekonomi, Januari 2013, Vol. I, No. 02 ANALISIS
PERTUMBUHAN EKONOMI, INVESTASI, DAN KONSUMSI DI INDONESIA Oleh : Dewi Ernita ∗ , Syamsul
Amar ∗∗ , Efrizal Syofyan ∗∗∗. Jurnal Kajian Ekonomi, I(02), 176–193.

Febriana, A., & Muqorobbin, M. (2014). Investasi Asing Langsung di Indonesia dan Faktor-Faktor
yang Mempengaruhinya. Jurnal Ekonomi Dan Studi Pembangunan, 15(2), 109–117.

Hussein, K., & Thirlwall, A. P. (2000). The AK model of “new” growth theory is the Harrod-Domar
growth equation: Investment and growth revisited. Journal of Post Keynesian Economics, 22(3), 427–
433. https://doi.org/10.1080/01603477.2000.11490250

Indrawati, Y. (2012). Foreign Direct Investment dan Investasi Portofolio Terhadap Stabilitas
Makroekonomi di Indonesia : Fenomena Global Imbalances. Ekonomi Internasional, 1(2).

Istikomah. (2016). ANALISIS FINANCIAL DEEPENING DI INDONESIA PERIODE 2000-2014. Jurnal

Ekonomi Manajemen, 1–17.

Lawrence, S. M. (2018). Effect of Financial Deepening on Economic Growth in Kenya. 2(1).

Liu, H., Islam, M. A., Khan, M. A., Hossain, M. I., & Pervaiz, K. (2020). Does financial deepening attract
foreign direct investment? Fresh evidence from panel threshold analysis. Research in International
Business and Finance, 53(February), 101198. https://doi.org/10.1016/j.ribaf.2020.101198

LUBIS, R. P., FIRDAUS, M., & SASONGKO, H. (2015). Faktor Faktor yang Mempengaruhi Investasi
Asing Langsung pada Sektor Perkebunan di Indonesia. Jurnal Bisnis Dan Manajemen, 16(2), 80–89.
https://doi.org/10.24198/jbm.v16i2.11
Muhammad Syaikhu, A., & Haryati, T. (2017). Analisis Pengaruh Inflasi, Suku Bunga Kredit, Tenaga
Kerja, Teknologi Terhadap Investasi di Indonesia. Economics Development Analysis Journal, 6(1), 8–
15. https://doi.org/10.15294/edaj.v6i1.22195

Ningrum, C. (2015). ANALISIS FINANCIAL DEEPENING TERHADAP PERTUMBUHAN EKONOMI DI

INDONESIA PERIODE 1988-2012.
http://repository.unej.ac.id/bitstream/handle/123456789/65672/Ainul Latifah-101810401034.pdf?
sequence=1

Okafor, I. G., Onwumere, J. U. J., & Chijindu, E. H. (2016). Financial Deepening Indicators and
Economic Growth in Nigeria : A Causality and Impact Analysis. Asian Journal of Economics, Business
and Accounting, 1(2), 1–11. https://doi.org/10.9734/AJEBA/2016/29411

Pradhan, R. P. (2010). Financial Deepening, Foreign Direct Investment and Economic Growth: Are
They Cointegrated. International Journal of Financial Research, 1(1), 37–43.
LAMPIRAN
Lampiran 1 Uji Stasioneritas

1. Pada level
Null Hypothesis: PMA has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -1.475471  0.5361

Test critical values: 1% level -3.596616
5% level -2.933158
10% level -2.604867

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PMA)
Method: Least Squares
Date: 05/29/21 Time: 12:53
Sample (adjusted): 2010Q2 2020Q3
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PMA(-1) -0.047516 0.032204 -1.475471 0.1479

C 5468.209 2675.251 2.043998 0.0476

R-squared 0.051616    Mean dependent var 1701.429

Adjusted R-squared 0.027907    S.D. dependent var 5256.407
S.E. of regression 5182.544    Akaike info criterion 19.99043
Sum squared resid 1.07E+09    Schwarz criterion 20.07317
Log likelihood -417.7990    Hannan-Quinn criter. 20.02076
F-statistic 2.177014    Durbin-Watson stat 1.964222
Prob(F-statistic) 0.147915

Null Hypothesis: M2 has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  0.380289  0.9794

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(M2)
Method: Least Squares
Date: 05/29/21 Time: 12:53
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments
 Variable Coefficient Std. Error t-Statistic Prob.  

M2(-1) 0.011449 0.030105 0.380289 0.7062

D(M2(-1)) 0.053744 0.154103 0.348754 0.7296
D(M2(-2)) -0.115865 0.147347 -0.786340 0.4375
D(M2(-3)) -0.112604 0.169467 -0.664460 0.5112
D(M2(-4)) 0.675796 0.182620 3.700557 0.0008
C -0.004001 0.062780 -0.063732 0.9496

R-squared 0.511290    Mean dependent var 0.028389

Adjusted R-squared 0.434929    S.D. dependent var 0.061448
S.E. of regression 0.046191    Akaike info criterion -3.168124
Sum squared resid 0.068275    Schwarz criterion -2.909558
Log likelihood 66.19436    Hannan-Quinn criter. -3.076129
F-statistic 6.695695    Durbin-Watson stat 1.885269
Prob(F-statistic) 0.000227

Null Hypothesis: PCS has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.039694  0.2694

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PCS)
Method: Least Squares
Date: 05/29/21 Time: 12:54
Sample (adjusted): 2010Q3 2020Q3
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PCS(-1) -0.355650 0.174364 -2.039694 0.0484

D(PCS(-1)) -0.442841 0.147059 -3.011321 0.0046
C 0.041862 0.020699 2.022425 0.0502

R-squared 0.458481    Mean dependent var 0.001733

Adjusted R-squared 0.429980    S.D. dependent var 0.057467
S.E. of regression 0.043387    Akaike info criterion -3.366936
Sum squared resid 0.071534    Schwarz criterion -3.241553
Log likelihood 72.02219    Hannan-Quinn criter. -3.321278
F-statistic 16.08648    Durbin-Watson stat 1.781180
Prob(F-statistic) 0.000009

Null Hypothesis: GNS has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=9)
 t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -0.080177  0.9444

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GNS)
Method: Least Squares
Date: 05/29/21 Time: 12:54
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

GNS(-1) -0.002240 0.027942 -0.080177 0.9366

D(GNS(-1)) 0.168184 0.148899 1.129514 0.2671
D(GNS(-2)) -0.290451 0.148733 -1.952832 0.0596
D(GNS(-3)) -0.017870 0.155663 -0.114797 0.9093
D(GNS(-4)) 0.571505 0.168379 3.394151 0.0019
C 0.016953 0.043198 0.392452 0.6973

R-squared 0.608244    Mean dependent var 0.019815

Adjusted R-squared 0.547032    S.D. dependent var 0.047227
S.E. of regression 0.031785    Akaike info criterion -3.915684
Sum squared resid 0.032330    Schwarz criterion -3.657118
Log likelihood 80.39800    Hannan-Quinn criter. -3.823688
F-statistic 9.936703    Durbin-Watson stat 1.830531
Prob(F-statistic) 0.000008

Null Hypothesis: R has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -3.627679  0.0092

Test critical values: 1% level -3.596616
5% level -2.933158
10% level -2.604867

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(R)
Method: Least Squares
Date: 05/29/21 Time: 12:54
Sample (adjusted): 2010Q2 2020Q3
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

R(-1) -0.482888 0.133112 -3.627679 0.0008

C 0.645175 0.241422 2.672395 0.0108
R-squared 0.247555    Mean dependent var -0.011667
Adjusted R-squared 0.228744    S.D. dependent var 1.178420
S.E. of regression 1.034902    Akaike info criterion 2.952938
Sum squared resid 42.84087    Schwarz criterion 3.035684
Log likelihood -60.01170    Hannan-Quinn criter. 2.983268
F-statistic 13.16006    Durbin-Watson stat 1.976121
Prob(F-statistic) 0.000801

2. Pada 1st Difference

Null Hypothesis: D(PMA) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -6.098181  0.0000

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PMA,2)
Method: Least Squares
Date: 05/29/21 Time: 12:55
Sample (adjusted): 2010Q3 2020Q3
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(PMA(-1)) -0.997155 0.163517 -6.098181 0.0000

C 1738.568 877.1356 1.982097 0.0545

R-squared 0.488107    Mean dependent var 210.7317

Adjusted R-squared 0.474982    S.D. dependent var 7428.318
S.E. of regression 5382.422    Akaike info criterion 20.06722
Sum squared resid 1.13E+09    Schwarz criterion 20.15080
Log likelihood -409.3779    Hannan-Quinn criter. 20.09765
F-statistic 37.18781    Durbin-Watson stat 1.933145
Prob(F-statistic) 0.000000

Null Hypothesis: D(M2) has a unit root

Exogenous: Constant
Lag Length: 3 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -1.104196  0.7042

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(M2,2)
Method: Least Squares
Date: 05/29/21 Time: 12:55
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(M2(-1)) -0.549959 0.498063 -1.104196 0.2775

D(M2(-1),2) -0.399014 0.392306 -1.017098 0.3165
D(M2(-2),2) -0.524095 0.292833 -1.789740 0.0827
D(M2(-3),2) -0.653190 0.170421 -3.832790 0.0005
C 0.019196 0.014656 1.309767 0.1993

R-squared 0.774611    Mean dependent var 0.000845

Adjusted R-squared 0.747291    S.D. dependent var 0.090687
S.E. of regression 0.045588    Akaike info criterion -3.216247
Sum squared resid 0.068584    Schwarz criterion -3.000775
Log likelihood 66.10869    Hannan-Quinn criter. -3.139584
F-statistic 28.35335    Durbin-Watson stat 1.856813
Prob(F-statistic) 0.000000

Null Hypothesis: D(PCS) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -13.26442  0.0000

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PCS,2)
Method: Least Squares
Date: 05/29/21 Time: 12:56
Sample (adjusted): 2010Q3 2020Q3
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(PCS(-1)) -1.622765 0.122340 -13.26442 0.0000

C 0.001969 0.007045 0.279465 0.7814

R-squared 0.818558    Mean dependent var 0.001354

Adjusted R-squared 0.813906    S.D. dependent var 0.104573
S.E. of regression 0.045111    Akaike info criterion -3.311823
Sum squared resid 0.079366    Schwarz criterion -3.228234
Log likelihood 69.89236    Hannan-Quinn criter. -3.281384
F-statistic 175.9448    Durbin-Watson stat 1.982758
Prob(F-statistic) 0.000000
Null Hypothesis: D(GNS) has a unit root
Exogenous: Constant
Lag Length: 3 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -1.325883  0.6076

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GNS,2)
Method: Least Squares
Date: 05/29/21 Time: 12:56
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(GNS(-1)) -0.559573 0.422038 -1.325883 0.1940

D(GNS(-1),2) -0.271994 0.336742 -0.807721 0.4250
D(GNS(-2),2) -0.560198 0.240079 -2.333389 0.0259
D(GNS(-3),2) -0.575773 0.157321 -3.659855 0.0009
C 0.013573 0.009273 1.463656 0.1527

R-squared 0.786155    Mean dependent var -0.000181

Adjusted R-squared 0.760235    S.D. dependent var 0.063929
S.E. of regression 0.031303    Akaike info criterion -3.968115
Sum squared resid 0.032336    Schwarz criterion -3.752643
Log likelihood 80.39419    Hannan-Quinn criter. -3.891452
F-statistic 30.32938    Durbin-Watson stat 1.833274
Prob(F-statistic) 0.000000

Null Hypothesis: D(R) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -8.326859  0.0000

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(R,2)
Method: Least Squares
Date: 05/29/21 Time: 12:56
Sample (adjusted): 2010Q3 2020Q3
Included observations: 41 after adjustments
 Variable Coefficient Std. Error t-Statistic Prob.  

D(R(-1)) -1.257123 0.150972 -8.326859 0.0000

C 0.022669 0.177786 0.127509 0.8992

R-squared 0.640011    Mean dependent var 0.046585

Adjusted R-squared 0.630780    S.D. dependent var 1.873227
S.E. of regression 1.138237    Akaike info criterion 3.144389
Sum squared resid 50.52777    Schwarz criterion 3.227978
Log likelihood -62.45997    Hannan-Quinn criter. 3.174827
F-statistic 69.33658    Durbin-Watson stat 2.049715
Prob(F-statistic) 0.000000

3. Pada 2nd Difference

Null Hypothesis: D(PMA,2) has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -6.586160  0.0000

Test critical values: 1% level -3.626784
5% level -2.945842
10% level -2.611531

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PMA,3)
Method: Least Squares
Date: 05/29/21 Time: 12:57
Sample (adjusted): 2011Q4 2020Q3
Included observations: 36 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(PMA(-1),2) -4.587504 0.696537 -6.586160 0.0000

D(PMA(-1),3) 2.805980 0.600211 4.674991 0.0001
D(PMA(-2),3) 1.898592 0.469281 4.045749 0.0003
D(PMA(-3),3) 1.179820 0.304932 3.869119 0.0005
D(PMA(-4),3) 0.542120 0.157845 3.434505 0.0018
C -253.6137 940.0437 -0.269789 0.7892

R-squared 0.822545    Mean dependent var 240.0000

Adjusted R-squared 0.792970    S.D. dependent var 12360.40
S.E. of regression 5624.053    Akaike info criterion 20.25850
Sum squared resid 9.49E+08    Schwarz criterion 20.52242
Log likelihood -358.6531    Hannan-Quinn criter. 20.35062
F-statistic 27.81146    Durbin-Watson stat 2.181346
Prob(F-statistic) 0.000000
Null Hypothesis: D(M2,2) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -14.44880  0.0000

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(M2,3)
Method: Least Squares
Date: 05/29/21 Time: 12:57
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(M2(-1),2) -3.455503 0.239155 -14.44880 0.0000

D(M2(-1),3) 1.636495 0.175184 9.341601 0.0000
D(M2(-2),3) 0.810590 0.093702 8.650728 0.0000
C 0.005238 0.007441 0.703970 0.4862

R-squared 0.919017    Mean dependent var 0.002276

Adjusted R-squared 0.911872    S.D. dependent var 0.154061
S.E. of regression 0.045735    Akaike info criterion -3.232598
Sum squared resid 0.071118    Schwarz criterion -3.060220
Log likelihood 65.41935    Hannan-Quinn criter. -3.171267
F-statistic 128.6144    Durbin-Watson stat 2.023974
Prob(F-statistic) 0.000000

Null Hypothesis: D(PCS,2) has a unit root

Exogenous: Constant
Lag Length: 9 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.433494  0.0001

Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PCS,3)
Method: Least Squares
Date: 05/29/21 Time: 12:58
Sample (adjusted): 2013Q1 2020Q3
Included observations: 31 after adjustments
 Variable Coefficient Std. Error t-Statistic Prob.  

D(PCS(-1),2) -16.48391 3.033759 -5.433494 0.0000

D(PCS(-1),3) 13.80346 2.923392 4.721728 0.0001
D(PCS(-2),3) 11.87741 2.671838 4.445409 0.0002
D(PCS(-3),3) 9.813943 2.309775 4.248874 0.0004
D(PCS(-4),3) 7.618600 1.893021 4.024572 0.0007
D(PCS(-5),3) 5.395876 1.458187 3.700399 0.0014
D(PCS(-6),3) 3.615942 1.054885 3.427807 0.0027
D(PCS(-7),3) 2.193938 0.703717 3.117644 0.0054
D(PCS(-8),3) 1.170232 0.381702 3.065826 0.0061
D(PCS(-9),3) 0.372913 0.133057 2.802658 0.0110
C 0.002691 0.006190 0.434630 0.6685

R-squared 0.970374    Mean dependent var -0.000653

Adjusted R-squared 0.955562    S.D. dependent var 0.160038
S.E. of regression 0.033737    Akaike info criterion -3.669036
Sum squared resid 0.022763    Schwarz criterion -3.160202
Log likelihood 67.87006    Hannan-Quinn criter. -3.503169
F-statistic 65.50927    Durbin-Watson stat 2.161272
Prob(F-statistic) 0.000000

Null Hypothesis: D(GNS,2) has a unit root

Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -13.83249  0.0000

Test critical values: 1% level -3.615588
5% level -2.941145
10% level -2.609066

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GNS,3)
Method: Least Squares
Date: 05/29/21 Time: 12:58
Sample (adjusted): 2011Q2 2020Q3
Included observations: 38 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(GNS(-1),2) -3.287947 0.237697 -13.83249 0.0000

D(GNS(-1),3) 1.591807 0.156218 10.18967 0.0000
D(GNS(-2),3) 0.733385 0.104191 7.038853 0.0000
C 0.003295 0.005146 0.640273 0.5263

R-squared 0.898569    Mean dependent var 0.000701

Adjusted R-squared 0.889619    S.D. dependent var 0.095264
S.E. of regression 0.031650    Akaike info criterion -3.968845
Sum squared resid 0.034059    Schwarz criterion -3.796468
Log likelihood 79.40806    Hannan-Quinn criter. -3.907515
F-statistic 100.4013    Durbin-Watson stat 1.974940
Prob(F-statistic) 0.000000
Null Hypothesis: D(R,2) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -8.323277  0.0000

Test critical values: 1% level -3.610453
5% level -2.938987
10% level -2.607932

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(R,3)
Method: Least Squares
Date: 05/29/21 Time: 12:58
Sample (adjusted): 2011Q1 2020Q3
Included observations: 39 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(R(-1),2) -2.297557 0.276040 -8.323277 0.0000

D(R(-1),3) 0.409319 0.153197 2.671858 0.0113
C 0.080578 0.223552 0.360446 0.7206

R-squared 0.845957    Mean dependent var -0.001282

Adjusted R-squared 0.837399    S.D. dependent var 3.459688
S.E. of regression 1.395077    Akaike info criterion 3.577580
Sum squared resid 70.06466    Schwarz criterion 3.705546
Log likelihood -66.76281    Hannan-Quinn criter. 3.623493
F-statistic 98.85062    Durbin-Watson stat 1.904833
Prob(F-statistic) 0.000000

Lampiran 2 Uji Kointegrasi

Null Hypothesis: ECT has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic – based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -4.173216  0.0021

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(ECT)
Method: Least Squares
Date: 05/10/21 Time: 05:51
Sample (adjusted): 2010Q3 2020Q3
Included observations: 41 after adjustments
 Variable Coefficient Std. Error t-Statistic Prob.  

ECT(-1) -0.660953 0.158380 -4.173216 0.0002

D(ECT(-1)) 0.418808 0.168833 2.480607 0.0177
C 222.2972 1066.351 0.208465 0.8360

R-squared 0.314357    Mean dependent var -245.1862

Adjusted R-squared 0.278271    S.D. dependent var 7978.272
S.E. of regression 6777.913    Akaike info criterion 20.55108
Sum squared resid 1.75E+09    Schwarz criterion 20.67647
Log likelihood -418.2972    Hannan-Quinn criter. 20.59674
F-statistic 8.711222    Durbin-Watson stat 1.774282
Prob(F-statistic) 0.000769

Lampiran 3 Hasil Estimasi Model Jangka Panjang

Dependent Variable: PMA

Method: Least Squares
Date: 05/10/21 Time: 05:50
Sample: 2010Q1 2020Q3
Included observations: 43

Variable Coefficient Std. Error t-Statistic Prob.  

M2 -47610.54 57803.91 -0.823656 0.4153

PSC 9797.829 32576.19 0.300767 0.7652
GNS 163685.8 78414.92 2.087432 0.0436
R 75.16151 1223.420 0.061436 0.9513
C -62122.63 8424.912 -7.373683 0.0000

R-squared 0.889803    Mean dependent var 79907.91

Adjusted R-squared 0.878203    S.D. dependent var 25177.91
S.E. of regression 8786.947    Akaike info criterion 21.10887
Sum squared resid 2.93E+09    Schwarz criterion 21.31366
Log likelihood -448.8406    Hannan-Quinn criter. 21.18439
F-statistic 76.70898    Durbin-Watson stat 0.869227
Prob(F-statistic) 0.000000

Lampiran 4 Deteksi Pelanggaran Asumsi Klasik Jangka Panjang

1. Normalitas
2. Multikolinearitas
ASLI
Variance Inflation Factors
Date: 07/09/21 Time: 23:32
Sample: 2010Q1 2020Q3
Included observations: 43

Coefficient Uncentered Centered

Variable Variance VIF VIF

M2  3.34E+09  6738.594  190.9735

PCS  1.06E+09  9.154950  1.391328
GNS  6.15E+09  6956.412  188.6659
R  1496756.  2.807246  1.199932
C  70979139  39.52966  NA

Jika M2 yang dihilangkan:

Variance Inflation Factors
Date: 05/29/21 Time: 14:39
Sample: 2010Q1 2020Q3
Included observations: 43

Coefficient Uncentered Centered

Variable Variance VIF VIF

PCS  1.04E+09  9.005352  1.368593

GNS  40877434  46.63023  1.264666
R  1473722.  2.787026  1.191289
C  66189552  37.16874  NA

Jika PSC yang dihilangkan:

Variance Inflation Factors
Date: 07/09/21 Time: 23:29
Sample: 2010Q1 2020Q3
Included observations: 43

Coefficient Uncentered Centered

Variable Variance VIF VIF

M2  3.21E+09  6628.481  187.8528

GNS  5.95E+09  6891.516  186.9059
R  1340828.  2.574843  1.100594
C  69322816  39.52910  NA
Jika GNS yang dihilangkan:
Variance Inflation Factors
Date: 07/09/21 Time: 23:31
Sample: 2010Q1 2020Q3
Included observations: 43

Coefficient Uncentered Centered

Variable Variance VIF VIF

M2  24325458  45.17015  1.280134

PCS  1.14E+09  9.069544  1.378348
R  1616688.  2.791844  1.193349
C  69415989  35.59488  NA

3. Heteroskedastisitas
Heteroskedasticity Test: Harvey

F-statistic 1.883029    Prob. F(4,38) 0.1334

Obs*R-squared 7.113242    Prob. Chi-Square(4) 0.1300
Scaled explained SS 4.065643    Prob. Chi-Square(4) 0.3972

Test Equation:
Dependent Variable: LRESID2
Method: Least Squares
Date: 05/29/21 Time: 14:53
Sample: 2010Q1 2020Q3
Included observations: 43

Variable Coefficient Std. Error t-Statistic Prob.  

C 13.15215 1.564834 8.404823 0.0000

M2 0.323072 10.73644 0.030091 0.9762
PCS 5.655948 6.050667 0.934764 0.3558
GNS 1.971503 14.56470 0.135362 0.8930
R -0.185635 0.227237 -0.816924 0.4191

R-squared 0.165424    Mean dependent var 16.92021

Adjusted R-squared 0.077574    S.D. dependent var 1.699320
S.E. of regression 1.632078    Akaike info criterion 3.926530
Sum squared resid 101.2198    Schwarz criterion 4.131320
Log likelihood -79.42039    Hannan-Quinn criter. 4.002050
F-statistic 1.883029    Durbin-Watson stat 1.950973
Prob(F-statistic) 0.133405

4. Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.814697    Prob. F(2,35) 0.1779

Obs*R-squared 3.946077    Prob. Chi-Square(2) 0.1390
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/29/21 Time: 14:56
Sample: 2010Q2 2020Q3
Included observations: 42
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

D(M2) -43.53169 40746.97 -0.001068 0.9992

D(PCS) -427.5615 14121.61 -0.030277 0.9760
D(GNS) -468.7157 53427.81 -0.008773 0.9931
D(R) 120.8228 704.6348 0.171469 0.8648
C 4.036934 867.0929 0.004656 0.9963
RESID(-1) 0.159749 0.167005 0.956553 0.3454
RESID(-2) -0.290719 0.165500 -1.756614 0.0877

R-squared 0.093954    Mean dependent var -1.95E-13

Adjusted R-squared -0.061368    S.D. dependent var 4934.875
S.E. of regression 5084.042    Akaike info criterion 20.05661
Sum squared resid 9.05E+08    Schwarz criterion 20.34622
Log likelihood -414.1889    Hannan-Quinn criter. 20.16277
F-statistic 0.604899    Durbin-Watson stat 1.973603
Prob(F-statistic) 0.724530

Lampiran 5 Estimasi Model Jangka Pendek

Dependent Variable: D(PMA)

Method: Least Squares
Date: 05/10/21 Time: 06:01
Sample (adjusted): 2010Q2 2020Q3
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(M2) 8621.688 37426.48 0.230363 0.8191

D(PSC) 19013.58 12833.00 1.481616 0.1471
D(GNS) -22468.63 49450.18 -0.454369 0.6523 Lampiran 6 Deteksi
D(R) 500.7768 635.4413 0.788077 0.4358
ECT(-1) -0.295382 0.090220 -3.274002 0.0023
Pelanggaran Asumsi
C 1994.477 788.4782 2.529527 0.0159 Klasik Jangka Pendek

R-squared 0.320824    Mean dependent var 1701.429 1. Normalitas

Adjusted R-squared 0.226494    S.D. dependent var 5256.407
S.E. of regression 4622.968    Akaike info criterion 19.84703
2. Multikolinearitas
Sum squared resid 7.69E+08    Schwarz criterion 20.09526
Log likelihood -410.7875    Hannan-Quinn criter. 19.93801
F-statistic 3.401078    Durbin-Watson stat 1.738753
Prob(F-statistic) 0.012831

Variance Inflation Factors

Date: 05/29/21 Time: 15:43
Sample: 2010Q1 2020Q3
Included observations: 42

Coefficient Uncentered Centered

Variable Variance VIF VIF
 D(PCS)  1.60E+08  1.046466  1.046450
D(GNS)  2.40E+08  1.240584  1.048215
D(R)  388784.5  1.063051  1.062944
ECT(-1)  0.007772  1.035273  1.033852
C  588584.9  1.187069  NA

3. Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 0.582883    Prob. F(5,36) 0.7128

Obs*R-squared 3.145503    Prob. Chi-Square(5) 0.6776
Scaled explained SS 4.181840    Prob. Chi-Square(5) 0.5235

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/10/21 Time: 06:29
Sample: 2010Q2 2020Q3
Included observations: 42

Variable Coefficient Std. Error t-Statistic Prob.  

C 19622132 6174953. 3.177697 0.0030

D(M2) 2.66E+08 2.93E+08 0.907233 0.3703
D(PSC) -9369297. 1.01E+08 -0.093226 0.9262
D(GNS) -4.51E+08 3.87E+08 -1.163844 0.2521
D(R) 4703058. 4976447. 0.945063 0.3509
ECT(-1) 575.3834 706.5598 0.814345 0.4208

R-squared 0.074893    Mean dependent var 18318717

Adjusted R-squared -0.053594    S.D. dependent var 35271850
S.E. of regression 36204697    Akaike info criterion 37.77884
Sum squared resid 4.72E+16    Schwarz criterion 38.02708
Log likelihood -787.3556    Hannan-Quinn criter. 37.86983
F-statistic 0.582883    Durbin-Watson stat 1.466910
Prob(F-statistic) 0.712835

4. Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.522241    Prob. F(2,34) 0.0952

Obs*R-squared 5.426330    Prob. Chi-Square(2) 0.0663

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/10/21 Time: 06:33
Sample: 2010Q2 2020Q3
Included observations: 42
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

D(M2) 9526.685 36188.99 0.263248 0.7939

D(PSC) 647.6936 12334.13 0.052512 0.9584
D(GNS) -16823.63 48114.83 -0.349656 0.7288
D(R) 92.55290 616.7258 0.150071 0.8816
ECT(-1) 0.021527 0.106460 0.202210 0.8410
C 119.7668 759.4904 0.157694 0.8756
RESID(-1) 0.164557 0.189873 0.866667 0.3922
RESID(-2) -0.361473 0.177910 -2.031777 0.0500

R-squared 0.129198    Mean dependent var -1.71E-13

Adjusted R-squared -0.050084    S.D. dependent var 4331.918
S.E. of regression 4439.074    Akaike info criterion 19.80392
Sum squared resid 6.70E+08    Schwarz criterion 20.13491
Log likelihood -407.8824    Hannan-Quinn criter. 19.92524
F-statistic 0.720640    Durbin-Watson stat 2.018953
Prob(F-statistic) 0.655284