Analisis Kausalitas Belanja Negara Dan Produk Domestik Bruto (pdb) Di Indonesia 2005:1 - 2015:4

KEMENTERIAN KEUANGAN REPUBLIK INDONESIA

ANALISIS KAUSALITAS BELANJA NEGARA DAN PRODUK DOMESTIK BRUTO (PDB) DI INDONESIA 2005 :1 - 2015:4 Parluhutan Hutahaean NIP : 195609281981081001

Pusat Pendidikan dan Pelatihan Anggaran dan Perbendaharaan Badan Pendidikan dan Pelatihan Keuangan Kementerian Keuangan 2016

POKOK BAHASAN I

LATAR BELAKANG

II POKOK PERMASALAHAN PENELITIAN III METODE PENGUMPULAN DATA IV METODE ANALISIS V

ANALISIS DATA PENELITIAN

VI SIMPULAN VII REKOMENDASI 2

I. LATAR BELAKANG Urgensi Belanja Negara

Langkah-langkah Reformasi Keuangan Negara

Pentingnya Kajian

(1)

• Memiliki peran penting dan strategis dalam menstimulasi perekonomian untuk mencapai target pembangunan nasional • Fungsi alokasi, fungsi distribusi dan fungsi stabilisasi • Penganggaran Terpadu (Unified Budget) • Penganggaran Berbasis Kinerja (Performance Based Budgeting) • Kerangka Pengeluaran Jangka Menengah (Medium Term Expenditure Framework)

• Beberapa penelitian terkait pengeluaran pemerintah dengan pendapatan nasional telah dilaksanakan • Kajian ini akan melengkapi dan mengupdate kajiankajian sebelumnya

3

I. LATAR BELAKANG

(2)

Mekanisme Transmisi Kebijakan Belanja Negara

Perangkat  Belanja modal  Belanja barang  Belanja bantuan sosial  Belanja pegawai  Belanja subsidi  Pembayaran bunga utang  Belanja lain-lain  Belanja hibah  DAU  DAK  Dana Desa

Sasaran Operasional  Belanja Negara  Belanja Pemerintah Pusat  Belanja Daerah

Sasaran Antara

 Permintaan Agregat  Penawaran Agregat

Sasaran Akhir

 Pertumbuhan ekonomi  Stabilitas harga  Kesempatan kerja

4

I. LATAR BELAKANG

(3)

Perkembangan PDB dan Alokasi Belanja Negara, 2004 - 2015 Produk Domestik Bruto

Alokasi Belanja Negara

No

Tahun

Nominal (triliun Rp)

Pertumbuhan Ekonomi (%)

Jumlah (triliun Rp)

% terhadap PDB

1

2004

2.295,8

5,0

427,2

18,6

2

2005

2.774,3

5,7

509,6

18,4

3

2006

3.339,2

5,5

667,1

20,0

4

2007

3.950,9

6,3

757,6

19,2

5

2008

4.948,7

6,0

985,7

19,9

6

2009

5.603,9

4,5

937,4

16,7

7

2010

6.422,9

6,1

1.042,1

16,2

8

2011

7.427,1

6,5

1,287.40

17.3

9

2012

8.237,6

6,2

1.491,4

18,1

10

2013

9,084.0

5.7

1,650.6

18.2

11

2014

10,542.7

5.0

1,777.2

16.9

12

2015

11,881.2

5.7

1,797.6

15.1

Sum ber : Buku s aku APBN dan Indikator Ekonom i 2013, realis as i s .d. 30 Septem ber 2013 dan realis as is .d. 29 April 2016. Direktorat Jenderal Anggaran, Kem enterian Keuangan

5

II. POKOK PERMASALAHAN PENELITIAN 1. Apakah terdapat hubungan kausalitas antara realisasi belanja negara dan produk domestik bruto ? 2. Bagaimana arah hubungan kausalitas tersebut, apakah hubungan kausalitas satu arah atau dua arah?

3. Bagaimana sifat hubungan kausalitas tersebut, apakah hubungan kausalitas jangka pendek, jangka panjang atau keduanya? 4. Seberapa besar pengaruh perubahan kebijakan belanja negara terhadap pertumbuhan ekonomi yang tidak diantisipasi oleh masyarakat?

5. Seberapa besar kontribusi perubahan masing-masing belanja K/L, belanja non K/L, dan transfer ke daerah dan dana desa terhadap perubahan PDB harga konstan

6

III. METODE PENGUMPULAN DATA 1. Data sekunderyang bersumber dariBadanPusatStatistik (BPS) danDitjenAnggaran Kementerian Keuangan 2. Data yang digunakan : A. ProdukDomestikBrutioberdasarkan hargakonstan B. RealisasiBelanjaNegara  BelanjaKementerian/Lembaga  BelanjaNon Kementerian/Lembaga  Transfer keDaerah danDana Desa  Periode2005:1-2015.4

7

IV. METODE ANALISIS

(1)

1. Hubungan Korelasi

Korelasi adalah mempelajari hubungan antar variabel, digunakan untuk melihat seberapa erat hubungan linear antar dua variabel. 2. Analisis Kausalitas

Dilakukan untuk melihathubungan kausalitas diantaravariabelvariabelyang adadalammodel.

NilaiF-statistikdihitung berdasarkanWald statistic untukhipotesis.

8

IV. METODE ANALISIS (2) 3. Metode Vector Autoregression (VAR)

 Metode Vector Autoregression (VAR) merupakan sebuah model dimana variabel dalam model dijelaskan oleh nilai lag-nya sendiri, serta nilai saat ini dan nilai masa lampaunya.  Model VAR termasuk bagian dari multivariate time series analysis. Model VAR mampu menangkap perubahan akan multiple time series, serta memiliki pendekatan yang kredibel dan mudah dipahami untuk pendeksripsian data, peramalan, inferensi struktural, dan analisis kebijakan

9

IV. METODE ANALISIS (con) 3. Metode Vector Autoregression (VAR)  VAR digunakan apabiladata yang digunakan stasionerpada level tetapijikadata yang digunakan stasionerpadafirst difference danterdapatkointegrasi antar2 variabel, maka akandigunakan metodeVector Error Correction Model (VECM).  Masing-masing variabeldalammodel tersebutdijelaskanoleh nilailag-nya sendiri, yaitu nilaimasalampaunya.  ModelVAR :

10 10

IV. METODE ANALISIS (3) 4. Metode Vector Error Correction Model (VECM)  BentukVAR yang terestriksi adalahVECM.  Restriksidiberikan karenadata tidakstasionerpadalevel namun terkointegrasi.  Variabel-variabel yang tidakstasionertersebutkemudian dapat diestimasidengan mekanisme koreksikesalahan.  ModelVECM : 𝑘−1

∆𝑦𝑡 = 𝜇0𝑥 + 𝜇1𝑥 𝑡 + ෑ 𝑦𝑡−1 + ෍ 𝛤𝑖𝑥 ∆𝑦𝑡−1 + 𝜀𝑡 𝑥

𝑖=1

11

Proses Analisis VAR/VECM Pengujian Akar Unit Stasioner pada level

Stasioner pada first difference

Uji Korelasi

Uji Kointegrasi

Korelasi Rendah

Korelasi Tinggi

SVAR

VAR

Terkointegrasi

Tidak Terkointegrasi

VECM

VAR FD

Impulse Responses dan Forecast Decomposition of Variance 12

IV. METODE ANALISIS (4) 5. Uji Stasioner Data  Pengujianstasioneritas data sangat penting dilakukan apabila menggunakandata time series dalamanalisis.  Ujistasioneritas data dilakukan denganmenggunakan Augmented Dickey-Fuller (ADF) test

6. Uji Tingkat Kelambanan/Lag Optimum  Pengujian lag optimum dilakukan untukmenentukan jumlahlag optimal yang digunakan dalammodel  Lag berguna untuk menunjukkan berapalama reaksisuatuvariabel terhadapvariabellainnya.  Pemillihan lag optimum jugadapatdilakukanberdasarkanSchwarz Information Criterion (SIC). PersamaanSIC : 13

IV. METODE ANALISIS (5) 7. Uji Stabilitas VAR  UjistabilitasVAR dilakukan denganmenghitungakar-akar dari fungsipolinomialataudikenaldenganroots of characteristic polinomial.  Jikasemuaakardarifungsipolinomial tersebutberadadidalamunit circle ataujikanilai absolutnya kurang darisatumakamodelVAR tersebutdianggap stabil.  SelanjutnyahasilImpulse Response Function (IRF) danForecast Error Variance Decomposition (FEVD) yang dihasilkandianggap valid.

14

IV. METODE ANALISIS (6) 8. Uji Kointegrasi  Kointegrasiadalahsuatuhubungan jangkapanjangantara variabel-variabelyang meskisecaraindividual tidakstasionertetapi kombinasi linier antara variabeltersebutdapatmenjadistasioner.  UjiKointegrasi bertujuan untukmelihat apakahvariabelyang digunakandalamsistempersamaan mempunyai hubungan jangka panjangatautidak.  Ujikointegrasi yang digunakan Johansen CointegrationTest. Untuk mengetahuiadanya kointegrasi dilihatdarinilaitrace statistic dibandingkandengannilaikritis.  Apabilanilaitrace statistic > nilaikritis, makadapatdisimpulkan bahwavariabel-variabel tersebutterkointegrasi.

15

IV. METODE ANALISIS (7) 9. Analisis Impulse Response Function (IRF)  IRF digunakan untuk menggambarkan tingkat lajudariguncangan variabelyang satuterhadapvariabellainnya padasuaturentang periodetertentu, sehinggadapatdilihatlamanya pengaruh guncangansatuvariabelterhadapvariabellain hinggapengaruh tersebuthilang danmencapai keseimbangan.  2 FungsiImpulse Response : • Untukmengetahui pengaruh suatuvariabelterhadapvariabel tertentuapabila terjadiguncangan ataushock suatuvariabel. • Untukmengetahui besarnyanilaiguncanganterhadapvariabel yang ada.

16

IV. METODE ANALISIS (8) 10. Analisis Forecasting Error Variance Decomposition (FEVD)  FEVD memberikan rincian tentang perubahan suatuvariabeldalam periodetertentuyang timbul dariperubahan variabelyang sama danvariabellainnya dalamperiodesebelumnya.  FEVD dirancang untuk menetapkan kausalitas antarvariabeldiluar periodesampel.  FEVD menghasilkan informasi mengenai perananvariabeltertentu terhadapvariabellainnya dalammodel. Perhitungan metodeFEVD memperlihatkanseberapabesarperubahan error variance sebelum dansesudahterjadinyainovasiyang berasaldarivariabelendogen maupun variabel-variabellainnya .

17

V. ANALISIS DATA PENELITIAN

(1)

A. Kerangka Teori

1. Dalamteoripembangunan ekonomidiketahuibahwaproduk domestikbruto(PDB) danpengeluaran pemerintahmempunyai hubungan timbal balikyang positif. 2. AliranKeynesian menunjukkan bahwapembelanjaan pemerintah memacu pertumbuhan ekonomi( meningkatnya pengeluaran pemerintahakanmendorongpeningkatan permintaan barang dan jasayang diproduksi perekonomian secaraagregat, sehingga mendorongpertumbuhan ekonomi). 3. Sebaliknya HukumWagner, yaituhukummeningkatnya ekspansi aktifitas publik, yang menekankan pengeluaranpemerintah merupakan fungsidaripertumbuhan ekonomi.

18

V. ANALISIS DATA PENELITIAN

(2)

B. Hasil-hasil Kajian Terdahulu No.

Penelitian

1.

Ebaidalla. 2013. Causality between Government Expenditure and National Income: Evidence from Sudan. Journal of Economic Cooperation and Development, Vol. 34, No. 4: 61-76.

Tujuan dan Hasil





2.

Mehrara, Abrishami, Boroujli, dan Amin. 2013. Government Expenditure and Economic Growth in Iran. International Letters of Social and Humanistic Sciences, Vol.11: 76-83.





Penelitian Ebaidalla berusaha mengetahui sifat dan arah kausalitas antara pengeluaran pemerintah dan pendapatan nasional di Sudan menggunakan uji kausalitas Granger dan Error Correction Model (ECM) untuk periode 1970-2008. Studi ini menyimpulkan bahwa kebijakan fiskal di Sudan memainkan peran penting dalam menstabilkan perekonomian dan mencapai tujuan ekonomi. Mengkaji hubungan kausal antara pengeluaran pemerintah dan pendapatan nasional di Iran menggunakan data tahunan selama periode 1970-2010. Hasil utama dalam penelitian ini mengkonfirmasi bahwa ada hubungan sebab akibat yang seketika (instantaneous) serta hubungan sebab akibat yang searah (unidirectional) dari pendapatan nasional ke pengeluaran pemerintah.

19

V. ANALISIS DATA PENELITIAN

(3)

B. Hasil-hasil Kajian Terdahulu No.

Penelitian

3.

Chiawa, Torruam, dan Abur. 2012. Cointegration and Causality Analysis of Government Expenditure and Economic Growth in Nigeria. International Journal of Scientific & Technology Research, Vol. 1, No. 8, 165-174.



Cheng dan Lai. 1997. Government Expenditures and Economic Growth in South Korea: A VAR Approach. Journal of Economic Development, Vol. 22, No. 1, June 1997: 11-24.



4.

Tujuan dan Hasil





Meneliti pengeluaran pemerintah dan pertumbuhan ekonomi di Nigeria dengan menggunakan analisis kointegrasi dan kausalitas. Penelitian ini menyimpulkan bahwa pengeluaran pemerintah menyebabkan pertumbuhan ekonomi dan merekomendasikan pemerintah untuk memastikan bahwa modal dan pengeluaran pemerintah dikelola dengan baik untuk mempercepat pertumbuhan ekonomi. Membahas kausalitas antara pengeluaran pemerintah dan pertumbuhan ekonomi bersama dengan jumlah uang beredar dalam kerangka tiga trivariat dengan menerapkan teknik VAR pada data Korea Selatan untuk periode 1954-1994. Studi ini menemukan bahwa ada kausalitas dua arah antara pengeluaran pemerintah dan pertumbuhan ekonomi di Korea Selatan.

20

V. ANALISIS DATA PENELITIAN

(4)

C. Hasil-hasil Analisis Penelitian

1. Hasil Analisis Korelasi Variabel

PDB Konstan

Belanja K/L

Cukup Erat

Belanja Non K/L

Cukup Erat

Transfer Daerah

Erat

Belanja Pegawai

Erat

Belanja Modal

Kurang Erat

Belanja Barang

Cukup Erat

Bantuan Sosial

Kurang Erat

Hasilujikorelasi:variabeltransfer daerahmemilikihubungankorelasiyang paling tinggiterhadapPDB Konstansebesar0.862, sedangkanbelanjak/l memilikinilaisebesar0.597 danbelanjanon k/l sebesar0.541 21

V. ANALISIS DATA PENELITIAN

(6)

C. Hasil-hasil Analisis Penelitian

2. Hasil Uji Kausalitas Hasil Granger Causality PDB

Belanja K/L

Belanja Non K/L

Transfer Daerah

PDB Belanja K/L Belanja Non K/L Transfer Daerah

Hubungan kausalitas Granger PDB Konstan dan belanja k/l menunjukkan kedua variabel ini terdapat kausalitas Granger satu arah dari PDB Konstan ke belanja k/l. Sama halnya dengan hubungan kausalitas Granger PDB Konstan denganmasing-masingbelanjanonk/l dantransferkedaerah,juga satuarah 22

V. ANALISIS DATA PENELITIAN

(7)

C. Hasil-hasil Analisis Penelitian

3. Hasil Uji Stasioneritas Data Rangkuman Uji Stasioneritas pada Level Uji Stasioneritas Variabel PDB Konstan Belanja K/L Belanja Non K/L Transfer Daerah

ADF statistic

Nilai Kritis MacKinnon

-0.615469 1.840569 -1.354700 -6.132477

-2.931404 -2.945842 -2.606857 -3.518090*

*catatan : (*) menunjukkan nilai kritis MacKinnon taraf nyata 5 persen

Hasilpengujianstasioneritasmenunjukkanbahwahampirsemuavariabel tidakstasionerpadalevel, kecualiuntukvariabeltransfer daerah, dimana stasionerdilevel padatarafnyata5%.Olehkarenaitudiperlukanpengujian padafirst difference-nya. 23

V. ANALISIS DATA PENELITIAN

(8)

C. Hasil-hasil Analisis Penelitian

4. Hasil Uji Lag Optimum Hasil Uji Lag Optimum Lag 0 1 2 3 4

SC 101.3045 98.78548* 99.59404 99.13751 99.17544

1. Pengujianlag optimum sangatberguna, selainuntukmenunjukkan berapalama reaksisuatuvariabelterhadapvariabellainnya. 2. Lag optimum dapatmenghilangkanmasalahautokorelasididalammodel VAR. 3. PadapengujianSchwarz Information (SC), nilai98.78548 merupakannilai terkecilyang terdapatpadakriteriaSC danterdapatpadalag satu. 4. Olehkarenaitu, padapenelitianinilag satumerupakanlag yang paling optimum. 24

V. ANALISIS DATA PENELITIAN

(9)

C. Hasil-hasil Analisis Penelitian

5. Hasil Uji Stabilitas VAR Uji Stabilitas VAR Root

Modulus

0.990145 -0.124905 - 0.756047i -0.124905 + 0.756047i -0.736275 0.641590 - 0.250563i 0.641590 + 0.250563i -0.164157 -0.073032

0.990145 0.766295 0.766295 0.736275 0.688781 0.688781 0.164157 0.073032

Pada penelitian ini, dapat terlihat bahwa seluruh variabel memiliki nilai modulus lebih kecil dari satu , yaitu berkisar antara 0.07 sampai dengan 0.99 . Oleh karena itu, model VAR penelitian ini dapat dikatakan stabil sehingga analisisIRFdanFEVDyangdihasilkandianggapvalid. 25

V. ANALISIS DATA PENELITIAN

(10)

C. Hasil-hasil Analisis Penelitian

6. Hasil Uji Kointegrasi Hasil Pengujian Kointegrasi

Hypothesized No. of CE(s)

Trace Statistic

0.05 Critical Value

None * At most 1 At most 2 At most 3

55.04485 16.32859 7.541752 0.269969

40.17493 24.27596 12.32090 4.129906

1. Nilaitrace statistic-nyalebihbesardaripadanilaikritis5 persen. 2. Terdapatminimal saturank kointegrasipadatarafnyata5 persen. 3. Hal iniberartibahwaterdapatminimal 1 persamaankointegrasiyang mampu menerangkanmasing-masingmodel. 4. Hal inimengindikasikanbahwapersamaaninimemilikihubungankeseimbanganjangka panjang. 5. Karenadata padapenelitianinistasionerpadafirst difference danditandaidenganadanya kointegrasipadapersamaaninimakamodel yang akandigunakanadalahVECM. 26

V. ANALISIS DATA PENELITIAN

(11)

C. Hasil-hasil Analisis Penelitian

7. Hasil Analisis VECM Faktor yang mempengaruhi PDB Konstan

Variabel BELANJAKL BELANJANONKL TRANSFERDAERAH

Jangka Panjang Koefisien 86.86375 22.91339 -98.71966

t-Statistik -5.96342* -1.34777 5.57731*

1. VariabelBelanja k/l dalamjangkapanjang signifikanpadasemuatarafnyatadan berpengaruhpositifterhadapPDB Konstan, artinyajikaterjadikenaikanbelanja k/l makaakanmenyebabkanPDB konstanekonomimeningkat. 2. Variabeltransfer daerah& dana desadalamjangkapanjangsecarasignifikanpada semuatarafnyatalima persendanberpengaruhnegatifterhadapPDB Konstan, artinyajikaterjadikenaikantransfer daerah& dana desamakaPDB Konstanakan ekonomimenurun. 27

V. ANALISIS DATA PENELITIAN

(12)

C. Hasil-hasil Analisis Penelitian

8. Hasil Analisis IRF Response to Cholesky One S.D. Innovations Response of PDBKONSTAN to PDBKONSTAN

Response of PDBKONSTAN to BELANJAKL

200,000

200,000

160,000

160,000

120,000

120,000

80,000

80,000

40,000

40,000

0

0 2

4

6

8

10

12

14

16

18

20

22

24

Response of PDBKONSTAN to BELANJANONKL

2

6

8

10

12

14

16

18

20

22

24

Response of PDBKONSTAN to TRANSFERDAERAHDANADESA

200,000

200,000

160,000

160,000

120,000

120,000

80,000

80,000

40,000

40,000

0

4

0 2

4

6

8

10

12

14

16

18

20

22

24

2

4

6

8

10

12

14

16

18

20

22

24

28

V. ANALISIS DATA PENELITIAN

(13)

C. Hasil-hasil Analisis Penelitian

9. Hasil Analisis FEVD

FE VD PDB Konstan

Belanja K/L

Belanja Non K/L

Transfer Daerah & Dana Desa

100

Persen

80 60 40 20

0 1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Kuartal

29

VI. SIMPULAN) (1) Berdasarkan hasil uji kausalitas Granger dapat disimpulkan bahwa: •

Pada tingkat lag 1 terdapat kausalitas Granger satu arah dari PDB Konstan ke belanja k/l, dari PDB Konstan ke belanja non k/l, dan dari PDB Konstan ke transfer daerah;

• Kesimpulan ini sejalan dengan hukum Wagner, yaitu pertumbuhan

ekonomi berpengaruh terhadap belanja k/l, non k/l, dan transfer daerah, bukan sebaliknya sebagaimana teori Keynesian; • Mengacu ke hasil review literature yang telah dilakukan, kasus di

Indonesia menyerupai hasil uji kausalitas di Iran, Korea Selatan, Malaysia, dan Nigeria.

30

VI. SIMPULAN (2) Berdasarkan analisis menggunakan metode VECM, dapat disimpulkan : • variabel Belanja K/L berpengaruh positif secara signifikan terhadap

PDB Konstan, artinya jika terjadi kenaikan belanja K/L maka PDB Konstan akan meningkat. Hal ini diduga karena praktek pembelanjaan k/l lebih ke sektor produktif spt infrastruktur, yg berdampak langsung terhadap pertumbuhan ekonomi; • variabel transfer daerah & dana desa berpengaruh negatif secara signifikan terhadap PDB Konstan, artinya jika terjadi kenaikan transfer daerah & dana desa, maka PDB Konstan menurun. Hal ini

diduga karena dasar alokasi DAU dan DAK utamanya adalah untuk mengatasi fiscal gap dan meningkatkan pemerataan antar daerah.

31

VI. SIMPULAN (3) Berdasarkan analisis dengan menggunakan metode IRF, disimpulkan: • Guncangan belanja k/l terhadap PDB konstan mulai mencapai kestabilan pada kuartal 6; • Guncangan Belanja Non K/L mulai mencapai kestabilan pada kuartal 4; dan • Guncangan transfer daerah & dana desa terhadap PDB konstan mulai mencapai kestabilan pada kuartal 6. • Dengan demikian, guncangan belanja k/l dan transfer ke daerah terhadap PDB konstan merupakan guncangan yang perlu diantisipasi karena untuk stabil diperlukan waktu yang lebih lama 32

VI. SIMPULAN (4) Berdasarkan

hasil

analisis

variance

decomposition

disimpulkan: • (i) belanja K/L, belanja non K/L dan transfer ke daerah dan dana desa memiliki kontribusi terhadap PDB Konstan

(walau tidak terlalu besar); • (ii) Peran terbesar terhadap PDB Konstan adalah dari PDB sendiri (malah sangat dominan selama 25 periode).

33

VII. REKOMENDASI

(1)

Dengan mencermati hasil uji kausalitas Granger yang searah dari PDB harga konstan ke belanja K/L, belanja non K/L, dan transfer ke daerah,

disarankan perlunya pertumbuhan ekonomi terus ditingkatkan melalui peningkatan permintaan

agregat dan penawaran agregat.

34

VII. REKOMENDASI

(2)

Memperhatikan bahwa variabel belanja kementerian/lembaga dalam jangka panjang berpengaruh positif terhadap PDB konstan secara signifikan, dan sebaliknya variabel transfer ke daerah dan desa dalam jangka panjang berpengaruh negatif secara signifikan, disarankan untuk tujuan meningkatkan pertumbuhan ekonomi disarankan agar belanja kementerian/lembaga ditingkatkan, sedang terhadap pemanfaatan dana transfer ke daerah dan desa perlu dilakukan evaluasi .

35

VII. REKOMENDASI

(3)

Sehubungan dengan hasil impulse response PDB konstan yang menunjukkan bahwa guncangan belanja k/l dan transfer daerah dan desa terhadap PDB konstan mulai stabil pada kuartal 6, sedang guncangan belanja non k/l sudah mulai stabil pada kuartal 4, maka disarankan perlunya langkah-langkah antisipatif terhadap guncangan yang bersumber dari variabel belanja K/L dan transfer daerah. 36

VII. REKOMENDASI .Mengingat

(4)

hasil analisis variance decomposition

menunjukkan bahwa kontribusi PDB konstan dalam menjelaskan PDB konstan masih dominan, disarankan untuk tujuan pertumbuhan ekonomi perlu upaya-upaya meningkatkan PDB konstan melalui permintaan agregat dan penawaran

agregat .

37

TERIMA KASIH

38