Athirah, Yasmin MODEL CAGAN ADAPTIVE EXPECTATION DALAM MENGATASI PENGANGGURAN PASCA COVID-19 IN FIVE EMERGING MARKET COUNTRY IN ASEAN (FEM-IA).
ATHIRAH YASMIN.pdf - Published Version
Download (4MB)
Abstract
Penelitian ini bertujuan untuk menganalisis Model Cagan Adaptive Expextation dalam
mengatasi tingkat pengangguran selama masa pandemi di 5 negara ASEAN yang termasuk ke
dalam Emerging Market (Indonesia, Malaysia, Thailand, Singapura, Filipina). Dimana variabel
yang digunakan Pengangguran, Inflasi, Kurs, Junlah Uang Beredar, Produk Domestik Bruto,
Suku Bunga, dan Ekspor. Penelitian ini menggunakan data sekunder atau time series yaitu dari
tahun 2009 sampai tahun 2019. Model analisis data dalam penelitian ini adalah Regresi
Simultan, model Vector Autogression (VAR), dan Panel ARDL yang dilihat dari peri pertajam
dengan analisa Impulse Response Function (IRF), dan Forecast Error Variance Decomposition
(FEVD), dan Panel ARDL. Hasil analisis IRF diketahui bahwa stabilitas respon variabel
terbentuk pada periode 8 atau jangka menengah dan periode 15 atau jangka panjang, dimana
respon variabel lain terhadap perubahan satu variabel mennjukkan variasi yang berebeda baik
dari respon positif ke negatif maupun sebaliknya, dan ada variabel yang responnya tetap positif
ke negatif dari janghka pendek hingga jangka panjang. hasil analisis FEVD menunjukkan
leading indicator sebagai sasaran operasional. Kemudian hasil analisis Panel ARDL
menunjukkan bahwa secara Panel Inflasi, Kurs, Jumlah Uang Beredar, Produk Domestik Bruto,
Suku Bunga, dan Ekspor mampu mengendalikan tingkat Pengangguran di 5 negara ASEAN
yang termasuk ke dalam Emerging Market baik dalam jangka pendek, maupun jangka panjang.
Item Type: | Article |
---|---|
Uncontrolled Keywords: | Pengangguran, Model Cagan Adaptive Expectation, Kurva Philips |
Subjects: | H Social Sciences > H Social Sciences (General) |
Divisions: | |
Depositing User: | bancin bancin |
Date Deposited: | 17 Jun 2022 01:29 |
Last Modified: | 17 Jun 2022 01:29 |
URI: | http://eprints.pancabudi.ac.id/id/eprint/683 |