Faktor-faktor yang Mempengaruhi Pengangguran di · PDF filepenggunaan teori Keynes tidak...

PROSIDING PERKEM VII, JILID 1 (2012) 209 - 227

ISSN: 2231-962X

Persidangan Kebangsaan Ekonomi Malaysia ke VII (PERKEM VII),

Transformasi Ekonomi Dan Sosial Ke Arah Negara Maju,

Ipoh, Perak, 4 – 6 Jun 2012

Faktor-faktor yang Mempengaruhi Pengangguran di Malaysia

Factors Influencing the Unemployment Rate in Malaysia

Norhayati Baharin [email protected]

Ishak Yussof

Rahmah Ismail

Pusat Pengajian Ekonomi

Fakulti Ekonomi dan Pengurusan

Universiti Kebangsaan Malaysia

ABSTRAK

Kajian ini dijalankan bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor yang

mempengaruhi kadar pengangguran di Malaysia. Tempoh kajian ini meliputi tahun 1981 hingga 2010

dengan menggunakan data siri masa. Kajian ini memfokuskan kepada empat pembolehubah

makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar pertumbuhan ekonomi benar,

kadar pertumbuhan FDI benar, keterbukaan ekonomi dan kadar inflasi .Pengujian empirikal dibuat

menggunakan kaedah ekonometrik siri masa iaitu Autoregressive Distributed lag (ARDL) yang

dicadangkan oleh Pesaran dan Shin (1996) untuk melihat hubungan faktor penentu dengan kadar

pengangguran. Keputusan daripada penganggaran yang dibuat mendapati kadar pengangguran di

Malaysia adalah signifikan dipengaruhi oleh keterbukaan ekonomi dan kadar pertumbuhan ekonomi

benar dalam jangka masa panjang dan jangka masa pendek. Sebaliknya pembolehubah kadar

pertumbuhan pelaburan langsung asing signifikan mempengaruhi kadar pengangguran dalam jangka

masa pendek sahaja. Pembolehubah kadar inflasi tidak signifikan mempengaruhi kadar pengangguran

bagi kedua-dua tempoh jangka masa. Justeru implikasi dasar menunjukkan bahawa kawalan terhadap

pembolehubah makroekonomi berupaya memastikan kadar pengangguran kekal rendah di Malaysia.

Kata Kunci: Kadar pengangguran, Malaysia, pendekatan ARDL, pembolehubah makroekonomi

ABSTRACT

This study attemps to identify the macroeconomic variables as the determinant factor which influence

unemployment rate in Malaysia. The period of this study is from 1981 until 2010. The study focused on

four macroeconomic variables as the independent variables. The variables are real economics growth

rate, economics openness, real FDI growth rate and inflation rate. Autoregressive Distributed lag

(ARDL) approach proposed by Pesaran and Shin (1996) is used to estimate factors contributing to

unemployment rate. The results show that in long run and short run, economics openness and real

economics growth rate are statistically significant in influencing unemployment rate in Malaysia.

Meanwhile, real FDI growth rate is only statistically significant in influencing unemployment rate in

the short-run whilst inflation rate is not significant for both periods. Therefore, the results indicate that

unemployment rate in Malaysia can be reduce through controlling the relevant microeconomic

variables.

Keywords:Unemployment rate, economic growth, macroeconomic variables, ARDL method.

PENGENALAN

Isu utama dalam pembangunan ekonomi sesebuah negara ialah guna tenaga dan kadar pengangguran.

Sesebuah negara dikatakan mempunyai pertumbuhan yang mampan jika kadar penganggurannya

rendah. Sebaliknya jika kadar pengangguran tinggi, bermakna berlakunya pembaziran sumber manusia.

Masalah pengangguran terus merupakan satu daripada masalah ekonomi yang sangat penting dan harus

ditangani dalam pasaran buruh. Sebab berlakunya pengangguran adalah pelbagai dan kompleks. Bagi

sesetengah individu, pengangguran hanya berlaku dalam jangka masa yang pendek yang mana ianya

merupakan satu proses semulajadi bagi individu-individu yang bergerak di antara satu pekerjaan ke

mailto:[email protected]

210 Norhayati Baharin, Ishak Yussof, Rahmah Ismail

pekerjaan yang lain atau pergerakan daripada alam persekolahan ke pasaran kerja. Bagi sesetengah

individu yang lain pula beranggapan, pengangguran yang mengambil masa beberapa bulan mungkin

disebabkan kesukaran mencari pekerjaan. Kenyataannya, kadar pengangguran merupakan petunjuk

yang penting kepada prestasi kitaran ekonomi. Kadar penggangguran mengukur peratus guna tenaga

yang sedang mencari pekerjaan (Bilangan orang yang menganggur/jumlah tenaga buruh X 100%).

Bilangan pekerjaan yang ditawarkan pula menunjukkan kaitan secara langsung dengan tingkat keluaran

dan perbelanjaan.Penurunan kadar pengangguran merupakan petanda yang baik dalam ekonomi kerana

firma menambahkan peluang pekerjaan sebagai tindakbalas terhadap peningkatan jualan dan keluaran.

Manakala penurunan kadar pengangguran pula merupakan petanda yang tidak baik dalam ekonomi

kerana ia menunjukkan prestasi firma yang merosot sehingga menyebabkan firma berhenti mengambil

pekerja baru atau memberhentikan pekerja yang sedia ada akibat daripada kejatuhan dalam permintaan.

Selain daripada itu, pengangguran juga bermaksud sumber buruh tidak digunakan dengan cekap dan

berlaku pengurangan dalam saiz ekonomi. Menurut Okun’s Law(1970), bagi setiap 1% peningkatan

kadar pengangguran bermakna kejatuhan ke atas potensi KDNK Negara sebanyak 2%.

Berdasarkan gambarajah 1, bermula tahun 1992, kadar pengangguran di Malaysia berada pada

paras kurang daripada 4%. Dengan kadar pengangguran yang rendah ini, ia boleh dianggap sebagai

kadar pengangguran guna tenaga penuh sebagaimana ahli-ahli ekonomi berpendapat kadar

pengangguran guna tenaga penuh wujud apabila kadar pengangguran sesebuah negara mencapai kadar

5-6 %(Mc Connell & Bruce 1995). Menyorot kembali situasi pasaran buruh di Malaysia pada awal

tahun 1980-an, kadar pengangguran telah meningkat daripada 5.3% (1980) kepada 5.7% (1981).

Masalah ini semakin ketara apabila Malaysia mengalami kemelesatan ekonomi pada tahun 1985. Kadar

pengangguran meningkat kepada 5.6% pada tahun 1985 dan 7.4% pada tahun 1986. Ia merupakan

tahun yang mencatatkan peratusan kadar pengangguran yang tertinggi dalam tempoh 30 tahun (1981-

2010)(Jabatan perangkaan Malaysia,2009). Antara punca yang dikenalpasti ialah pertumbuhan sektor

swasta yang perlahan pada tahun 1970-an sehingga pertengahan tahun 1980-an telah menyebabkan

pengurangan dalam permintaan buruh. Manakala sektor awam pula telah bertindak sebagai jentera

pembanggunan dan menjadi majikan yang besar dalam tempoh tersebut. Walau bagaimanpun pada

awal 1980-an perlaksanaan dasar fiskal mengembang telah meninggalkan kesan yang tidak diingini

dalam ekonomi iaitu masalah peningkatan yang cepat dalam hutang awam,pembiayaan belanjawan

defisit dan tekanan inflasi yang tinggi iaitu 5-10%setahun (Thillainathan, 1989). Ini menunjukkan

penggunaan teori Keynes tidak begitu sesuai digunakan bagi mengatasi masalah pengangguran di

Malaysia apabila pengangguran yang wujud pada awal 1980-an bersifat pengangguran struktur dan

bukannya pengangguran kitaran. Beberapa faktor telah dikenalpasti sebagai penghalang penggunaan

model Keynes di negara sedang membangun (Henss &Ross 1997). Firma di negara sedang

membangun tidak bergerakbalas dengan cepat dan berkesan terhadap pertambahan permintaaan untuk

keluaran mereka dengan menambah output dan guna tenaga. Ketidakupayaan ini adalah disebabkan

oleh kekangan dibahagian penawaran yang mengalami masalah kekurangan modal, bahan mentah dan

buruh mahir.

Ekonomi negara kembali pulih pada pertengahan tahun 1987. Dengan penyertaan aktif sektor

swasta, telah berjaya memulihkan ekonomi negara dan seterusnya pertumbuhan ekonomi negara benar

sehingga mencapai 10% pada tahun 1996. Suasana makroekonomi yang memberangsangkan ini telah

berjaya menarik kemasukan modal besar yang menyumbang kepada pertumbuhan ekonomi. Kadar

pengangguran mulai menurun, walaupun dari segi peratusannya masih lagi tinggi iaitu sekitar 7.3%

(1987) dan 7.2% (1986). Tahun-tahun berikutnya menyaksikan kadar pengangguran ini terus menurun

sehingga mencapai 2.5% pada tahun 1997. Ia mencatatkan satu angka yang paling rendah dalam

tempoh 1981 hingga 2010. Walaubagaimanapun, krisis kewangan Asia telah menganggu

momentumnya. Krisis yang bermula pertengahan tahun 1997 mencetuskan serangan spekulatif ke atas

matawang Asia Timur termasuklah ringgit. Penubuhan Majlis Tindakan Ekonomi Negara (MTEN) dan

Rancangan Pemulihan Ekonomi Negara (RPEN) dengan 6 objektif utama menyebabkan negara

Malaysia terselamat daripada krisis yang lebih ekstrim seperti yang berlaku ke atas beberapa negara

lain seperti pengangguran yang tinggi, kemiskinan dan kebankrapan yang sangat besar. Berikutan

dengan perlaksanaan RPEN, kerajaan telah menggunakan dasar fiskal yang merangsang serta dasar

kewangan yang sesuai termasuklah menetapkan Ringgit pada kadar RM3.80 bagi USD1 untuk

menstabilkan kadar pertukaran. Langkah-langkah yang diperkenalkan telah menghasilkan pemulihan

ekonomi Negara, lebihan dalam akaun semasa, peningkatan dalam pelaburan luar negara dan

mengembalikan keyakinan rakyat dan pelabur keseluruhannya (EPU,2011). Kadar pengangguran kekal

pada kadar di bawah 4% setahun (1998-2010). Ini bermakna Malaysia telah mengalami keadaan guna

tenaga penuh yang bermaksud lebih 94% daripada tenaga buruh mempunyai pekerjaan ( Mc Connell &

Brue 1995).

Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VII 2012 211

Walaupun negara pernah berhadapan dengan krisis kewangan Asia pada tahun 1997 kadar

pengangguran berjaya dikawal dan masih berada di tahap yang rendah iaitu sekitar 2.5%. Trend itu

berlaku sehinggalah pada tahun 2010 apabila kadar pengangguran berjaya dikekalkan pada tahap

kurang daripada 4%. Persoalannya di sini, bagaimanakah untuk mengekalkan tahap pengangguran

tenaga penuh ini dan seterusnya mencapai sasaran yang dinyatakan dalam Rancangan Malaysia

Kesepuluh (2011-2015) atau RMK-10 iaitu untuk mencapai kadar pengangguran 3.1% menjelang

tahun 2015. Justeru, haruslah dikenalpasti apakah faktor-faktor penentu utama yang menyebabkan

berlakunya masalah pengangguran di Malaysia. Paling penting, analisis kajian turut memberi perhatian

istimewa ke atas hubungan faktor-faktor tersebut dalam keseimbangan ekonomi jangka pendek dan

jangka panjang. Untuk maksud ini, kertas ini dibahagikan kepada lima bahagian utama. Selepas

bahagian pengenalan, bahagian kedua membincangkan kajian lepas berkaitan masalah pengangguran.

Ini diikuti dengan penerangan terhadap metodologi kajian dan pembentukan model kajian. Hasil

keputusan kajian dibincangkan dalam bahagian keempat kertas ini dan diikuti dengan rumusan dan

implikasi dasar.

KAJIAN LEPAS

Pengangguran sering kali dikaitkan dengan lebihan penawaran buruh di pasaran. Keadaan ini biasanya

dikaitkan juga dengan masalah yang sering melanda kawasan luar bandar atau pun di negara yang

mundur kesan daripada aktiviti ekonomi tidak berkembang dan seterusnya tidak dapat menyediakan

peluang pekerjaan yang mencukupi untuk penduduk masing-masing. Namun begitu masalah

penggangguran juga terjadi di kawasan bandar dan negara-negara membangun, alah di negara maju

pun berlaku. Masalah ini terjadi kerana kekosongan pekerjaan yang ada tidak dapat dipenuhi atas

sebab-sebab yang tertentu. Sama ada ianya berpunca daripada pihak yang menganggur atau dari pihak

majikan sendiri. Maka, faktor-faktor yang menyebabkan pengangguran ini juga boleh dilihat sama ada

dari sudut permintaan buruh atau penawaran buruh.Terdapat banyak kajian lepas yang mengkaji faktor

penentu pengangguran sama ada dari prespektif mikroekonomi ataupun dari perspektif makroekonomi.

Pelbagai model teoritikal digunakan untuk mengkaji hubungan pembolehubah mikro dan makro

ekonomi termasuklah faktor upah, harga, inflasi, tingkat keluaran, kadar bunga, pelaburan langsung

asing dan sebagainya.

Kajian Okun’s (1970), telah mendapati wujud hubungan yang songsang antara pengangguran

dan keluaran negara kasar (KNK). Dalam kajiannya mendapati penurunan 1% dalam pengangguran

akan meningkatkan (KNK) potensi sebanyak 2-3%. Susulan itu banyak kajian-kajian serupa turut

dilakukan bagi membuktikan kebenaran peraturan Okun’s. Antaranya ialah Dornbusch, Fischer dan

Startz(2001) dan Downes (1998) . Kesimpulan mudah yang dinyatakan ialah orang yang tidak bekerja

tidak menyumbang kepada pengeluaran dan seterusnya tidak menyumbang kepada pertumbuhan

pengeluaran dalam negara. Kajian empirikal yang dijalankan oleh Farzad Farsio(2003) turut

menyokong peraturan Okun’s. Dengan menggunakan data suku tahun siri masa negara Amerika

Syarikat(US) dari tahun 1977 hingga 2001 mendapati pengangguran penyebab granger kepada

Keluaran Dalam Negara Kasar (KDNK) dan hubungan negatif antara KDNK dan pengangguran adalah

stabil bagi tempoh masa yang dikaji dengan menggunakan ujian kestabilan Chow. Walau

bagaimanapun terdapat juga beberapa kajian yang bercanggah dengan peraturan Okun’s. Antaranya

ialah Prachowny (1993), Blinder’s (1997) dan Altig,Fitzgerald dan Rupert’s (1997). Kajian mereka

mendapati wujud hubungan yang positif antara pengangguran dan Keluaran Dalam Negara Kasar

(GDP). Mereka mendapati bahawa perubahan dalam output mempunyai hubungan dengan produktiviti

buruh. Hal ini yang diketepikan dalam kajian Okun’s (1970). Perubahan produktiviti pekerja boleh

disebabkan oleh pelbagai faktor, antaranya ialah peningkatan dalam teknologi sebagaimana yang

pernah berlaku di negara Amerika Syarikat dan negara-negara barat yang lain. Selain itu ia juga boleh

disebabkan peningkatan dalam kualiti buruh seperti pendidikan, kemahiran dan juga kerja lebih masa.

Semua faktor ini boleh menyebabkan GDP meningkat dan tidak semestinya dapat mengurangkan

pengangguran. Kajian oleh Malley J dan Molana H (1970) yang mengkaji hubungan output dan

pengangguran daripada negara-negara G7 ( US, Canada, UK, France, Germany, Italy dan Japan.) bagi

tempoh 1960-2001 juga secara umumnya telah mengenepikan peraturan Okun’s kecuali negara

German.

Terdapat juga pembolehubah makroekonomi lain yang digunakan untuk melihat hubungannya

dengan pengangguran. Misalnya kajian yang dilakukan oleh Dutt, Mitra & Ranjan (2007), mengkaji

model perdagangan terhadap pengangguran. Menggunakan data keratan rentas bagi polisi perdagangan

negara-negara yang dikaji, didapati pengangguran dan keterbukaan ekonomi (GDP

importekspot),


mempunyai hubungan yang negatif. Keputusan anggaran OLS menunjukkan bahawa jika satu peratus

keterbukaan ekonomi meningkat ia akan mengurangkan pengangguran sebanyak 1.2%. Kajian dari

sudut yang serupa juga dilakukan oleh Felbermayr, G, Prat J & Hans-Jörg Schmerer (2010) yang

menggunakan data panel daripada 20 buah negara-negara OECD, mendapati wujud hubungan yang

negatif antara kadar pengangguran dengan keterbukaan ekonomi.

Satu lagi bentuk pembolehubah makro yang sering digunakan dalam kajian ini ialah pelaburan

langsung asing (FDI). Kebanyakan kajian lepas menunjukkan FDI sebagai sumber penting modal,

pelengkap kepada pelaburan domestik swasta, menjana lebih banyak peluang pekerjaan, pemindahan

teknologi dan seterusnya merancakkan pertumbuhan ekonomi dinegara tuan rumah (Chowdhury &

Mavrotas, 2006). Ini dibuktikan daripada hasil kajian Marian ,Dinga dan Daniel Münich (2007), dalam

kajian impak daripada pelaburan asing dalam projek Toyota-Peugeot Citoёn Automobile (TPCA)

terhadap pasaran tenaga kerja di daerah Kolin, Republik Czech anatara tahun 1993-2006 yang

menggunakan kaedah OLS, mendapati FDI mempunyai kesan yang signifikan. Kemasukan FDI telah

mengurangkan jumlah pengangguran sebanyak 1.7% dan meningkatkan guna tenaga 3.7%. Turut

mendapat hasil keputusan yang sama ialah kajian oleh Rafiq M, Iftikhar Ahmad,Asmat Ullah dan

Zahoor Khan(2009).Kajian yang menggunakan simple single equation linear regression (SELRM)

mendapati FDI mempunyai kesan yang negatif terhadap pengangguran di Pakistan.

Walaubagaimanapun wujud hasil kajian yang berbeza dalam melihat hubungan antara FDI dan

pengangguran. Antaranya ialah kajian yang dijalankan di Turki oleh Aktar dan Ozturk (2009). Teknik

VAR diaplikasikan terhadap variance decomposition dan impulse response finction bagi melihat

pelbagai bentuk hubungan dalaman antara FDI, eksport, pengangguran dan GDP dalam tempoh 2000:1

hingga 2007:4. Hasil kajian mendapati FDI dan GDP tidak menyumbang kepada pengurangan kadar

pengangguran di Turki.

Menurut Mansor Jusoh (1990), kajian oleh Philips (1958) telah membuka kepada kajian

hubungan antara pengangguran dan kadar inflasi. Pada awal kajian Philips (1958) telah menemui

hubungan yang songsang antara perubahan kadar upah dengan pengangguran di British. Ahli ekonomi

yang terkemudian seperti Solow & Samuelson (1960) merujuk hubungan ini sebagai hubungan antara

inflasi dengan pengangguran. Keluk Philips tradisional menyarankan bahawa wujud hubungan negatif

yang stabil antara inflasi dengan pengangguran. Samuelson dan Solow(1960), telah menggunakan data

Amerika Syarikat bagi tahun 1935-1959 juga mendapat keputusan yang sama iaitu hubungan yang

negatif. Samuelson dan Solow menganggarkan bahawa untuk menjamin kadar inflasi yang rendah,

kadar pengangguran seharusnya dibiarkan meningkat antara 5-6%. Friedman (1968) mempersoalkan

hubungan keluk Philips apabila data inflasi dan pengangguran bagi Amerika Syarikat selepas tahun

1970 tidak menunjukkan hubungan yang jelas. Kajian Friedman (1968) dan Edmund (1967)

menyatakan bahawa hubungan negatif yang stabil antara pengangguran dengan kadar inflasi hanya

wujud dalam jangka masa pendek apabila inflasi dijangka tidak berubah. Manakala keluk philips dalam

jangka masa panjang berlaku apabila inflasi dijangka berubah dan sama dengan kadar inflasi sebenar.

Friedman mengesyorkan hubungan yang positif boleh wujud dimana kadar inflasi dan kadar

pengangguran sama-sama meningkat. Keadaan ini dikenali sebagai stagflasi. Keluk Philips jangka

panjang juga boleh berbentuk menegak apabila tidak wujud tukar ganti antara inflasi dengan

pengangguran. Hasil kajian-kajian lepas mendapati hubungan antara kadar pengangguran dan kadar

inflasi boleh menjadi negatif atau positif. Misalnya, kajian Schreiber dan Wolters (2004),yang

menggunakan kaedah analisis kointegrasi VAR mendapati terdapat hubungan jangka masa panjang

yang negatif antara inflasi dan kadar pengangguran di negara German. Snower & Karanassou (2002)

turut menyokong hasil kajian yang sama bagi negara Spain. Kesimpulan yang dibuat dalam kajian

beliau ialah peningkatan dalam pertumbuhan wang meningkatkan kadar inflasi dan mengurangkan

kadar pengangguran. Manakala kajian yang dibuat oleh Muhammad Imtiaz Subhani, Osman &

Nayaz(2011) mendapat hasil kajian yang berbeza-beza bagi keempat-empat negara yang dikaji iaitu

Pakistan, India , Bangladesh dan Sri Langka. Dengan mengunakan data tahunan 1981 hingga 2010 dan

mengaplikasi kaedah analisis regrasi mudah mendapati hubungan yang negatif antara kadar inflasi dan

kadar pengangguran bagi negara Bangladesh. Bagi negara Pakistan pula, hubungannya adalah positif.

Manakala dua buah lagi negara iaitu India dan Sri Langka menunjukkan tiada hubungan antara kadar

inflasi dan pengangguran. Hasil kajian Beyer & Farmer (2002) dalam kajiannya menemui kecerunan

keluk Philips yang positif bagi jangka masa panjang di Amerika Syarikat bagi tempoh 1959 hingga

1999.

Kajian mengenai isu pengangguran di Malaysia merangkumi pelbagai sudut, sama ada dari

segi penawaran buruh itu sendiri ataupun dari sudut prespektif makroekonomi. Kajian yang dilakukan

oleh Zaleha Mohd Noor, Norashidah Mohamed Nor & Judhiana Abdul Ghani (2007) yang menguji

peraturan Okun’s di Malaysia dengan menggunakan data tahunan siri masa dari tahun 1970 hingga

2004 mendapati terdapat hubungan yang negatif antara kadar pengangguran dan KDNK benar. Walau


bagaimanpun pekali bagi kadar pengangguran lebih kecil daripada yang diperolehi oleh Okun iaitu

penurunan 1 peratus pengangguran akan membawa peningkatan sebanyak 1.75 peratus dalam KDNK

potensi. Hasil kajian juga menunjukkan wujudnya penyebab dua arah bagi pembolehubah penganguran

dan KDNK. Penurunan pengangguran akan mengembangkan ekonomi dan dalam masa yang sama

peningkatan dalam aktiviti ekonomi akan mengurangkan pengangguran.Kajian Tingi & Lingii (2011),

turut mengesahkan kewujudan peraturan Okun di Malaysia. Hasil kajian yang menggunakan

pendekatan Autogressive Distribited Lag (ARDL) menunjukkan hubungan negatif yang stabil bagi

kadar pengangguran dan pertumbuhan output untuk tempoh jangka masa panjang.

Kajian oleh Thirunaukarasu (2008), menganalisis hubungan dinamik antara FDI,

pengangguran, pertumbuhan ekonomi dan eksport. Dengan menggunakan teknik VAR, hasil kajian

mendapati pertumbuhan ekonomi dan eksport sebagai penentu utama terhadap pengangguran di

Malaysia. Justeru adalah penting untuk mengekalkan pertumbuhan ekonomi yang tinggi dan

menguatkan sektor berorentasikan eksport untuk memastikan pengangguran yang rendah.Rasiah (2002)

dalam kajiannya melihat sejauh mana perkembangan perdagangan dalam sektor pembuatan

mempengaruhi guna tenaga, kemahiran dan upah ,mendapati FDI merupakan jentera utama dalam

pertumbuhan eksport pembuatan. Hasil kajian mendapati pelaburan langsung asing yang menguasai

sebahagian besar pengeksportan barang pembuatan telah mengurangkan kadar pengangguran dengan

kadar inflasi yang kekal rendah. Fumitaka Furuoka (2007) melihat hubungan antara kadar inflasi dan

kadar pengangguran bagi tempoh 1973 hingga 2004. Hasil kajian yang menggunakan kaedah

Pembetulan Ralat Vektor (VECM) mendapati wujud hubungan yang negatif bagi tempoh jangka masa

panjang antara kadar inflasi dan kadar pengangguran. Kajian juga mendapati wujud hubungan

penyebab granger antara kadar pengangguran dan kadar inflasi dalam jangka masa pendek.

Ulasan kajian lepas, sama ada di peringkat antarabangsa ataupun Malaysia, mendapati

terdapat pelbagai faktor utama yang menyebabkan berlakunya pengangguran di sesebuah negara.

Paling jelas ialah, terdapat hubungan yang songsang antara pengangguran dengan output negara.

Namun begitu, dapatan kajian lepas turut menunjukkan bahawa faktor-faktor penentu kepada masalah

pengangguran adalah tidak konklusif. Oleh itu, kertas ini bertujuan menganalisis hubungan

pengangguran dengan beberapa pembolehubah makroekonomi yang dianggap penting dalam konteks

ekonomi Malaysia.

METODOLOGI DAN PEMBENTUKAN MODEL KAJIAN

Analisis kajian adalah menggunakan kaedah Autoregressive Distributed lag (ARDL) yang dicadangkan

oleh Pesaran & Shin (1996) dan Pesaran et al.(2001) telah diaplikasikan untuk membentuk fungsi kadar

pengangguran di Malaysia. Kaedah ARDL ini dipilih atas tiga sebab iaitu yang pertama ialah prosuder

ujian batas yang dijalankan di dalam pendekatan ARDL adalah ringkas (Fosu & Magnus 2006)

berbanding kaedah Johansen (1998) dan Johansen & Juselius(1990). Kaedah ini membolehkan

hubungan kointegrasi dianggarkan dengan OLS sebaik sahaja lat sesuatu model dikenalpasti.Selain

daripada itu ujian kointegrasi pendekatan ARDL juga membolehkan pembolehubah yang berbeza

menggunakan optima lat yang berbeza berbanding ujian kointegrasi yang lain (Durasa 2007). Kedua,

pendekatan ARDL tidak memerlukan pra ujian ke atas pembolehubah-pembolehubah dilakukan. Pra

ujian tersebut seperti ujian kepegunan (root test). Ini bermakna ujian kointegrasi boleh dilakukan tanpa

perlu menyemak darjah kepegunan sesuatu siri masa sama ada pembolehubah tersebut berintegrasi

pada tahap I(0), I(1) atau kedua-duanya (Zulkefly, Md.Zyadi & Aqualdo, 2007). Ketiga, keadah ARDL

ini secara bandingannya mempunyai sifat yang tidak bias, cekap dan sesuai digunakan untuk bilangan

sampel data yang kecil (Zulkefly, Md.Zyadi & Aqualdo 2007, Fosu & Magnus 2006 dan Durasa

2007)sebagaimana bilangan data yang digunakan dalam kajian ini.

Data yang digunakan dalam kajian diperolehi daripada data sekunder yang dikeluarkan oleh

Jabatan Perangkaan Malaysia-Data Siri Masa 2007, 2009 dan 2011, Laporan Ekonomi Malaysia

pelbagai tahun dan International Monetary Fund (IMF) .Data siri masa yang dikumpulkan adalah

meliputi tempoh 1981 hingga 2010 iaitu selama tempoh 30 tahun.

Model kajian pula dibentuk berdasarkan kajian-kajian yang lepas untuk mengkaji hubungan

kadar pengangguran dengan pembolehubah-pembolehubah lain. Kadar pengangguran adalah

merupakan pembolehubah bersandar manakala faktor-faktor lain yang menentukan kadar

pengangguran sebagai pembolehubah-pembolehubah tidak bersandar. Bagi tujuan ini, model yang

digunakan adalah berasaskan kepada kajian Thirunaukarasu (2008),

dengan dibuat sedikit pengubahsuaian dan penambahan pembolehubah tertentu berdasarkan kajian

lepas serta disesuaikan mengikut situasi ekonomi Malaysia . Oleh kerana objektif kajian ialah untuk


melihat faktor-faktor penentu yang mempengaruhi kadar pengangguran di Malaysia, satu fungsi umum

boleh ditulis seperti berikut:

UR = f (REG,OPN,FDIG,IR)_______________________(1)

Maka dengan itu, fungsi (1) boleh ditulis dalam bentuk model fungsi linear yang ditulis seperti

berikut:

URt = β0 + β1 REGt + β2 OPNt + β3FDIGt + β4IRt + ε t________(2)

yang mana UR, REG,OPN, FDIG IR dan εt masing-masing ialah kadar pengangguran, kadar

pertumbuhan ekonomi benar , keterbukaan ekonomi ,kadar pertumbuhan pelaburan langsung asing

benar, kadar inflasi dan ralat rawak.

Pada asasnya, pendekatan versi ARDL untuk kointegrasi yang melibatkan anggaran kepada

pembetulan ralat vektor(VEC) terhadap model kadar pengangguran dan penentu-penentunya boleh

ditulis seperti berikut:

∆URt = c0 + δ1URt-1 + δ2REGt-1 + δ3OPNt-1 + δ4FDIGt-1 + δ5IRt-1 + it

p

1i

iΔUR +

)3(__________ΔIRΔFDIGΔOPNΔREG it

p

0i

i it

p

0i

i it

p

0i

i it

p

0i

i t

yang mana δi pekali bagi jangka masa panjang, co ialah pintasan, ∆ ialah pembezaan pertama

pembolehubah dan p ialah lat optimum.

Langkah pertama dalam ARDL ialah melakukan kaedah ujian batas dengan menganggarkan

persamaan (3) melalui OLS bagi menguji kewujudan hubungan jangka panjang antara pembolehubah-

pembolehubah dengan melakukan ujian kesignifikanan terhadap pembolehubah dalam model

pembetulan ralat . Ini dapat dilakukan dengan menggunakan statistik-F. Hipotesis nul yang mengatakan

tidak wujud hubungan jangaka masa panjang antara pembolehubah ialah Ho : δ1= δ2 = δ3 = δ4 = δ5 = 0.

Manakala hipotesis alternatif mengatakan wujud hubungan jangka masa panjang ialah H1 : δ1≠ δ2 ≠δ3 ≠

δ4 ≠ δ5 ≠ 0. Merujuk kepada Pesaran et al (2001), batas nilai kritikal terbawah (lower bound critical)

mengandaikan pembolehubah-pembolehubah penerang berintegrasi pada aras I(0) dan batas nilai

kritikal teratas (upper bound critical) mengandaikan pembolehubah-pembolehubah penerang

berintegrasi pada aras I(1). Jika nilai statistik F yang dikira (hasil daripada regrasi) berada diatas batas

kritikal teratas, maka hipotesis null yang mengatakan tidak wujud hubungan jangka panjang akan

ditolak. Sebaliknya jika nilai statistik-F berada di bawah batas nilai kritikal terbawah, maka hipoteis

null tidak dapat ditolak. Sekiranya nilai statistik-F berada diantara dua batas nilai kritikal tersebut,

maka tidak dapat dipastikan apakah wujud hubungan jangka panjang atau tidak.

Langkah kedua pendekatan ARDL ialah sekiranya terdapat hubungan jangka masa panjang

antara pembolehubah-pembolehubah yang diuji, model jangka masa panjang akan dianggarkan seperti

berikut:

)__(4εIRδFDIGδOPNδREGδURδcUR t it

p

0i

5 it

p

0i

4 it

p

0i

3 it

p

0i

2

P

1i

it10t

Susunan penentuan lat dalam model ARDL dipilih melalui Akaike Information Criterion

(AIC) sebelum model dianggarkan dengan Ordinary Least Squares (OLS).

Langkah ketiga dan yang terakhir ialah menganggar hubungan dinamik jangka masa pendek

dengan menerbitkan model vektor pembetulan ralat (ECM). Persamaan fungsi model ECM adalah

seperti berikut:


)5_______(__________

IRFDIGOPNREG

1

it

p

0i

2i it

p

0i

2i it

p

0i

2 it

p

0i

2

1

22

tt

ii

P

i

itit

ecm

URUR

yang mana φ, ϖ, ϕ , λ dan γ adalah pekali dinamik jangka masa pendek dan ψ ialah pekali bagi

kecepatan penyesuaian menuju keseimbangan jangka masa panjang.

KEPUTUSAN DAN PERBINCANGAN

Sebelum menguji kewujudan kointegrasi antara semua pembolehubah makro yang diuji, terlebih

dahulu dijalankan ujian punca unit yang menggunakan ujian Augmented DickeyFuller (ADF) (1981).

Nilai statistik t yang diperolehi daripada ujian ini nanti akan dibandingkan dengan nilai genting yang

diberikan oleh Mackinnon (1991). Walaupun kaedah ARDL tidak memerlukan pra ujian untuk

mengetahui darjah integrasi terhadap pembolehubah bebas tersebut sama ada I(0) atau I(1), ujian punca

unit masih diperlukan untuk memastikan kesemua pembolehubah bebas tidak pegun pada peringkat

I(2) yang mengundang kepada keputusan yang palsu. Menurut Fosu & Magnus (2006), sekiranya

pembolehubah yang diuji pegun pada pada I(2),kiraan F statistik yang terhasil adalah tidak sah kerana

kaedah ujian batasan berdasarkan andaian bahawa pembolehubah pegun pada aras I(0) atau I(1).

Maka ujian punca unit juga akan memastikan sama ada kaedah ARDL perlu digunakan atau

sebaliknya. Jadual 1 menunjukkan hasil keputusan ujian punca unit yang dijalankan ke atas data siri

masa bagi semua pembolehubah berkenaan melalui ujian ADF. Bilangan lat ditentukan dengan Akaike

Information Criterion (AIC) yang diperkenalkan oleh Akaike (1977). Ujian yang dilakukan mengambil

kira ujian yang memasukkan pembolehubah pintasan dan tren.

JADUAL 1: Keputusan Ujian Kepegunan Menggunakan Ujian ADF

Pembolehubah

Paras I (0) Paras I(1)

Pintasan Pintasan dan Tren Pintasan Pintasan dan Tren

UR -1.754559(0) -1.817698(0) -4.910116(0)*** -4.775595(0)***

REG -4.283064(0)*** -4.283555(0)** -6.529713(1)*** -6.385322(1)***

OPN -6.275175(1)*** 1.965564(5) -15.01665(0)*** -3.777364(2)**

FDIG -5.048896(0)*** -4.881369(0)*** -6.788639(1)*** -6.647500(1)***

IR -4.893106(0)*** -4.635364(0)*** -7.242301(0)*** -7.148649(0)***

Tanda *** (**)* tolak H0, menunjukkan pembolehubah pegun pada aras keertian 1%,(5%) dan 10%.

Nilai dalam kurungan menunjukkan lat yang optimum yang ditentukan melalui AIC.

Berdasarkan jadual 1, keputusan ujian kepegunan yang menggunakan regrasi pintasan tanpa

tren didapati semua pembolehubah siri masa pegun pada aras 1(0) dengan aras keertian 1% kecuali

pembolehubah UR. Ujian yang menggunakan regrasi dengan pintasan dan tren pula didapati semuanya

adalah pegun pada aras keertian 1%( FDIG dan IR) dan 5% (REG) kecuali pemboleh ubah UR dan

OPN yang didapati tidak pegun . Ujian seterusnya dijalankan dengan melakukan tahap pembezaan

pertama , I(1). Melalui keputusan tersebut didapati semua pembolehubah adalah pegun pada tahap

keertiaan 1% melalui regrasi dengan pintasan tanpa tren . Manakala ujian regrasi dengan menggunakan

pintasan dan tren juga didapati kesemua pembolehubah adalah pegun pada tahap keertian 1%, kecuali

pembolehubah OPN, 5%. Ini bermakna ujian kepegunan pada tahap pembezaan pertama melalui

regrasi pintasan tanpa tren adalah model yang terbaik kerana semua pembolehubah siri masa adalah

pegun iaitu mempunyai tren stokastik secara bersama mengikut masa.

Keputusan Ujian Batasan Kepada Kointegrasi

Langkah pertama yang perlu dilakukan dalam ujian ini adalah untuk menguji kehadiran hubungan

jangka panjang antara pembolehubah-pembolehubah yang diuji terhadap kadar pengangguran bagi

persamaan 1. Ujian jangka panjang diketahui dengan melakukan ujian kesignifikan terhadap ralat

(error correction) berasaskan model ARDL. Ini dapat dilakukan dengan menggunakan statistik-F.

Pesaran et al. (2001) telah menyusun dua nilai kritikal untuk jumlah yang berbeza berdasarkan


bilangan pembolehubah tak bersandar. Berdasarkan kaedah ini (Pesaran M.H & B Pesaran 1997),

proses penganggaran regrasi OLS dibuat pada perbezaan pertama. Ujian statistik-F yang dilakukan

mengambil kira dua bentuk persamaan, iaitu persamaan dengan pintasan dan persamaan dengan

pintasan dan tren. Berdasarkan hasil kajian pada jadual 2, ujian satistik F yang dilakukan bagi kes II

(persamaan dengan pintasan ) signifikan pada aras keertian 5% dimana nilai statistik F yang dikira iaitu

4.2 lebih besar daripada batas nilai kritikal I(1) yang diperolehi daripada jadual (Pesaran M.H & B

Pesaran 1997). Keputusan ini menunjukkan wujudnya hubungan jangka panjang atau kointegrasi antara

pembolehubah-pembolehubah tak bersandar dengan kadar pengangguran di Malaysia. Oleh itu

hipotesis null yang menyatakan tidak wujud hubungan jangka panjang ditolak.

Disebabkan wujudnya hubungan jangka panjang bagi pembolehubah-pembolehubah yang

dikaji, maka langkah seterusnya ialah menganggarkan fungsi kadar pengangguran jangka panjang

dengan menggunakan pendekatan ARDL (1,1,0,0,1 ) yang dipilih berdasarkan Akaike Information

Criterion . Keputusan penganggaran fungsi jangka panjang ditunjukkan dalam jadual 3. Berdasarkan

nilai statistik-t, pembolehubah keterbukaan ekonomi adalah sangat signifikan iaitu pada aras keertian

1% dalam mempengaruhi kadar pengangguran. Hubungannya dengan kadar pengangguran adalah

secara negatif iaitu apabila keterbukaan ekonomi meningkat 1%, kadar pengangguran akan

berkurangan 4.4%. Manakala statistik-t bagi pembolehubah pertumbuhan ekonomi negara signifikan

pada aras keertian 5%. Hubungannya dengan kadar pengangguran juga adalah secara songsang iaitu

1% kenaikkan dalam petumbuhan ekonomi negara akan mengurangkan kadar pengangguran 0.26%.

JADUAL 2: Nilai Statistik -F Untuk Tujuan Hubungan Jangka Panjang

Ujian

Statistik

Nilai

Statistik

Lat

Aras

kesignifikan

Batas nilai kritikal Kes II Batas nilai kritikal Kes III

nilai batas

kritikal

terbawah

I(0)

nilai batas

kritikal

teratas

I(1)

nilai batas

kritikal

terbawah

I(0)

nilai batas

kritikal

teratas

I(1)

F-Statistik

4.1226

2

1% 3.817 5.122 4.617 5.786

5% 2.850 4.049 3.539 4.667

10% 2.425 3.574 3.063 4.084

Nota: 1. Pembolehubah bebas (k) = 4

2. Kes II ialah persamaan dengan pintasan dan kes III ialah persamaan dengan pintasan dan tren.

Hasil kajian ini menyokong kajian Downes (1998) yang mendapati peningkatan keluaran dalam negara

benar mengurangkan pengangguran dalam jangka masa panjang dan kajian Zaleha Mohd Noor,

Norashidah Mohamed Nor & Judhiana Abdul Ghani (2007). Terbukti peraturan Okun’s wujud bagi

negara Malaysia, cuma pekalinya lebih kecil iaitu 0.26% berbanding 1.75% (Zaleha Mohd Noor,

Norashidah Mohamed Nor & Judhiana Abdul Ghani 2007). Dapatan kajian juga menyokong kajian

Thirunaukarasu (2008) yang mendapati dalam jangka masa panjang peningkatan pelaburan langsung

asing, pertumbuhan ekonomi dan eksport akan mengurangkan pengangguran. Walaubagaimanapun ,

penentu utama bagi kadar pengangguran di Malaysia dalam kajian ini adalah keterbukaan ekonomi

dan bukanlah pelaburan langsung asing sebagaimana dalam kajian Thirunaukarasu (2008) .

Pembolehubah-pembolehubah tak bersandar yang lain menunjukkan ianya tidak signifikan pada aras

keertian 1%, 5% mahupun 10% dalam mempengaruhi kadar pengangguran pada jangka masa panjang.

Namun begitu, kedua-dua pembolehubah tersebut iaitu pertumbuhan pelaburan langsung asing dan

kadar inflasi menunjukkan hubungan yang negatif dengan kadar pengangguran. Ianya secara tidak

lansung menyokong kajian-kajian lepas di Malaysia yang dibuat oleh Thirunaukarasu (2008) dan

Furuoka (2007) serta di negara-negara lain seperti kajian Schreiber & Wolters (2004) dan Snower &

Karanassou (2002).

JADUAL 3: Penganggaran pekali jangka panjang Malaysia-pendekatan ARDL

Lat ARDL: (1,1,0,0,1)

Pembolehubah Bersandar Pembolehubah Tak Bersandar

UR Pintasan, C REG OPN FDIG IR

13.4220 -0.25919** -4.4012*** -0.011578 -0.35709

(6.9720) (-2.0546) (-4.7226) (-1.6369) (-1.5518)

Nota:1. Nilai statistik –t di dalam kurungan

2. * signifikan pada aras keertian 5 peratus, *** signifikan pada aras keertian 1 peratus.

3. Lat optimum yang digunakan ialah 1 dengan menggunakan kaedah AIC


Keputusan penganggaran dinamik pekali jangka pendek yang diperolehi daripada persamaan terma

pembetulan ralat (ECM) ditunjukkan dalam jadual 4. Hasil kajian menunjukkan dalam jangka masa

pendek, hubungan pembolehubah-pembolehubah makro yang diuji terhadap kadar pengangguran di

Malaysia masih tetap sama seperti yang ditunjukkan dalam jangka masa panjang. Manakala

pembolehubah keterbukaan ekonomi juga masih merupakan pembolehubah yang sangat signifikan

mempengaruhi kadar pengangguran iaitu pada aras keertian 1% dan diikuti oleh pembolehubah

pertumbuhan ekonomi yang signifikan pada aras keertian 5%. Ini menunjukkan, kedua-dua

pembolehubah tersebut signifikan dalam mempengaruhi kadar pengangguran bagi tempoh jangka masa

panjang dan jangka masa pendek. Dalam jangka masa pendek juga didapati pembolehubah pelaburan

langsung asing juga turut signifikan mempengaruhi kadar pengangguran pada aras keertian 10%. Ini

bermakna pelaburan langsung asing hanya dapat mempengaruhi kadar pengangguran bagi tempoh

jangka masa pendek sahaja.

JADUAL 4: Model Terma Pembetulan Ralat Kepada Kadar Pengangguran

Lat ARDL:

(1,1,0,0,1)

Pembolehubah

Bersandar

Pembolehubah Tak Bersandar

DURt Pintasan,

DC

DREGt DOPNt DFDIGt DIRt ECM(-1)

4.3468 -

0.04613**

-

1.4253***

-

0.0037497*

-

0.023423

-

0.32386***

(5.2065) (-2.2473) (-4.5311) (-2.0016) (-

0.37513)

(-3.5568)

Nota:1. *** signifikan pada aras keertian 1 peratus, ** signifikan pada aras keertian 5 peratus dan

* signifikan pada aras keertian 10 peratus.

2. Nilai statistik –t di dalam kurungan

Pekali bagi terma pembetulan ralat (ECM) didapati signifikan pada aras keertian 1%. Ini

bermaksud wujudnya pelarasan dalam jangka masa pendek untuk menuju keseimbangan dalam jangka

masa panjang dalam model tersebut. Kira-kira 32% (pekali ECM = -0.32386) daripada

ketakseimbangan dari kejutan tahun sebelumnya diselaraskan kembali kepada keseimbangan jangka

panjang dalam tahun semasa. Keputusan ujian diagnostik ditunjukkan dalam jadual 5. Model regrasi

ARDL menunjukkan nilai R2

yang tinggi iaitu 94%. Ini bermakna pembolehubah -pembolehubah tak

bersandar dapat menerangkan pembolehubah kadar pengangguran sebanyak 94%. Keputusan ujian

diagnostik juga menunjukkan bahawa model tersebut lulus bagi kesemua ujian yang dijalankan iaitu

ujian korelasi bersiri dan ujian kenormalan. Walaubagaimanapun ia gagal dalam ujian hetrokedastisiti

pada aras keertian 5%. Walaubagaimanapun menurut Fosu & Magnus(2006), oleh kerana persamaan

ARDL mengandungi siri masa yang berintegrasi pada aras yang bercampur-campur seperti I(0) dan

I(1), maka heteroskedastisiti secara semulajadinya akan dikesan kehadirannya. Ujian CUSUM dan

CUSUM(of squares) menunjukkan data yang digunakan adalah stabil kerana plot statistic CUSUM dan

CUSUM(of squares) berada sekitar sifar dan tidak melebihi garisan 5 peratus selang

keyakinan.Keputusan ujian kestabilan CUSUM dan CUSUM(of squares) dapat dilihat dalam

gambarajah 2.

RUMUSAN DAN IMPLIKASI DASAR

Kajian yang telah dijalankan ini bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor

yang mempengaruhi kadar pengangguran di Malaysia bagi tempoh kajian yang meliputi tahun 1981

hingga 2010 dengan menggunakan data siri masa. Kajian ini telah memfokuskan kepada empat

pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar pertumbuhan

ekonomi benar, kadar pertumbuhan FDI benar, keterbukaan ekonomi dan kadar inflasi .Pemilihan

pembolehubah-pembolehubah makroekonomi ini adalah berdasarkan kajian-kajian lepas yang telah

dijalankan. Pengujian empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu

Autoregressive Distributed Lag (ARDL) yang dicadangkan oleh Pesaran dan Shin (1996) untuk

melihat hubungan faktor penentu dengan kadar pengangguran. Keputusan daripada penganggaran yang

dibuat mendapati kadar pengangguran di Malaysia adalah sangat signifikan dipengaruhi oleh

keterbukaan ekonomi pada aras keertian 1% dan pembolehubah kadar pertumbuhan ekonomi benar


pada aras keertian 5%. Kedua-dua pembolehubah ini mempengaruhi kadar pengangguran dalam jangka

masa panjang dan jangka masa pendek. Hubungan yang negatif antara pembolehubah-pembolehubah

yang dikaji juga konsisten dengan kajian-kajian lepas. Hasil kajian juga mendapati pembolehubah

kadar pertumbuhan pelaburan langsung asing benar signifikan mempengaruhi kadar pengangguran

dalam jangka masa pendek sahaja. Pembolehubah kadar inflasi tidak signifikan mempengaruhi kadar

pengangguran bagi kedua-dua tempoh jangka masa.

Justeru implikasi dasar terhadap kawalan pembolehubah makroekonomi tertentu berupaya memastikan

kadar pengangguran kekal rendah di Malaysia seperti meningkatkan lagi liberalisasi dalam

perdagangan dan melaksanakan dasar fiskal yang boleh menyumbang kepada pertumbuhan ekonomi

dalam jangka masa panjang. Langkah kerajaan memberi insentif tertentu untuk mengalakkan

kemasukkan pelabur langsung asing perlu diteruskan memandangkan FDI berupaya mencipta lebih

banyak peluang pekerjaan dalam jangka masa pendek. Namun begitu, tumpuan haruslah diberikan

terhadap kemasukan FDI yang berkualiti dan berteknologi tinggi yang mampu menjana peluang

pekerjaan yang memerlukan kemahiran tinggi dan profesional selaras dengan pelan transformasi negara

untuk menjadi negara yang berpendapatan tinggi menjelang tahun 2020.

RUJUKAN

A Chowdhury and G.Mavrotas. 2006 .FDI and Growth: What causes what?. The World Economy.

Vol 29, No.1.pp.9-19.

Altig,D,T.Fitzgerald and Rupert,P.1997. Okun’sLaw revisited:should We Worry about Low

Unemploymnet?. Economic Commentary, May,1-4.

Akaike, H. 1977. On entropy miximisation principle. In: Proc. Symp. on Applications of Statistics ed.

P. R. Krishnaiah, 27-47'. Amsterdam, The Netherlands.

Aktar.I & Ozturk L.2009. Can Unemployment be Cured by Economic Growth and Foreign Direct

Investment inTurkey?.International Research Journal of Finance and Economics.Issue 27.

Beyer, A., Farmer, R.E., 2002. Natural rate doubts. Working Paper 121, European Central Bank.

Blinder,A.(1997). A Core of Macroeconomics Beliefs?. Challenge,40,36-44

Chowdhury A. & Mavrotas G.2006. FDI and Growth:What causes what? The World Economy.Vol 29,

no.1 9-19.

Dickey,D.& Fuller,W.1981. Likehood Ratio Test for Autoregressive Time Series with a Unit Root.

Econometrica.35:251-276

Dornbush R.,Fosher S. & Starz R.2001. Macroeconomics. McGraw- Hill.

Downes A.S. 1998. An Economic Analysis of Unemployment in Trinidad and Tobago. Seminar Paper

on Labour Market: Between Solidarity and Loyalty. Inter-American Development Bank,

Montevideo, Uruguay.

Durasa J. 2007. Determinants of Malaysian Trade Balance: An ARDL Bound Testing Approach.

Journal of Economic Cooperation,28,3: 21-40

Dutt P, Mitra D & Priya Ranjan P. 2007. International trade and unemployment: Theory and cross-

national evidence. Journal of International Economics, 78 (2009) 32–44.

Farsio F.2003. An empirical Analysis of the Relationship Between GDP and

Unemployment.Humanomics, Vol.19 Iss13:3,1-6

Felbermayr G, Prat J & Schmerer HJ.2011. Trade and unemployment: What do the data say?.

European Economic Review 55 , 741–758

Friedman M.1968. The role of monetary policy. American Economic Review 68 (1): 1–17

Fosu & Magnus.2006.Bounds Testing Approach to Cointegration: An Exmination of Foreign Direct

Investment Trade and Growth Relationships. American Journal of Applied Science 3

(11):2079-2085.

Furuoka, Fumitaka, 2007 .Does the “Phillips Curve” Really Exist? New Empirical Evidence from

Malaysia."2007Economics Bulletin, Vol. 5, No. 16 pp. 1-14

Hess,P.&Ross C.1997.Economics Development: Theories, Evidence and Policies.London:Harcourt &

Brace Collage Publishers.

InternationalMonetaryFund:http://www.imf.org/external/pubs/ft/weo/2012/01/weodata/weoselagr.aspx

Jabatan Perangkaan Malaysia. 2007. Perangkaan Ekonomi Malaysia Siri Masa. Kuala Lumpur:

Jabatan Percetakan Negara


Jabatan Percetakan Negara.


Jabatan Percetakan Negara.

http://www.imf.org/external/pubs/ft/weo/2012/01/weodata/weoselagr.aspx


Johansen,S.1998. Statistical Analysis of Cointegration Vectors. Jounal of Economic Dynamics and

Control.12:231-254.

Johansen,S. & Jeselius, K.1990. Maximum likehood estimation and inference on cointegration with

application money demand. Oxford Bulletin of Economics and Satistics 52:169-210

Kementerian Kewangan Malaysia. Laporan Ekonomi Malaysia, pelbagai tahun. Kuala Lumpur:

Jabatan Percetakan Negara

Malley J.& Molana H.2007.”The Relationship between Output and Unemployment With Efficiency

wages. German Economic Review,Wiley Blackwell,vol.8,pages 561-577.

Mansor Jusoh.1990. Inflasi. Dewan Bahasa dan Pustaka, Hulu Kelang Selangor.

Marián, Dingan, & Daniel Münich.2007.The impact of territorially concentrated FDI on local Lobor

markets: Evidence from the Czech Republic. Labour Economics 17 pp.354-367

McConnel,C.R. & S.L.Brue.1995.Contemporary Labor Economics. New York: McGraw-Hill.Inc.

Muhammad Imtiaz Subhani,Amber Osman dan Muhammad Nayaz.2011. The South Asian Philips

Curve: Asessing the Gordon Triangle”.European Jounal of Economics, Finace and

Administrative Science. Issue 36, pp.110-114.

Okun, Arthur, M. 1970. The Political Economy of Prosperity. New York, W. W.Norton.

Pesaran M.H & B. Pesaran .1997.Microfit 4.0: Interractive Econometrics Analysis. Oxford University

Press

Pesaran M.H. & Shin,Y.1996.An Autoregressive Distributed Lag Modelling Aproach to Cointegration

Analysis. Dae Working Paper. No.9514. Department of Applied Economics, University of

Cambridge.

Pesaran M.H., Y.Shin & R.J.Smith.2001. Bound testing approaches to the analysis of level

relationships. Journal of Applied Econometrics.16:289-326.

Phelps, Edmund S. (1967). Phillips Curve, Expectation of Inflation, and Optimal Inflation over

Time.Economica.34, pp.254-281.

Phillips, A. W. 1958. "The Relationship between Unemployment and the Rate of Change of Money

Wages in the United Kingdom 1861-1957". Economica 25 (100): 283–299.

Prachowny,M.F.J.(1993). Okun’s Law: Theoretical Foundations and Revisited Estimates, Review of

Economics and Statistics,98-103.

Rafiq M, Iftikhar Ahmad,Asmat Ullah dan Zahoor Khan.2009. Determinants Of Unemployment:

ACase Study Of Pakistan Economy.Abasyn Journal of Sosial Science Vol.3.No.1.

Rajah Rasiah. 2002. Manufactured Exports, Employment, Skills and Wages in Malaysia. Employment

Paper2002/2003. International Labour organization.

Schreiber S & Wolters J.2004. The long-run Phillips curve revisited:Is the NAIRU framework data-

consistent?.Journal of Macroeconomics 29(2007), 355-367

Snower dan Karanassou .2002. An Anatomy of the Philips Curve. Queen Mary, Universiti of London,

School of Economics and Finance, Working Papers478.

Solow, Robert M & Samuelson, Paul A.1960. Analytical Aspects of Anti-Inflation Policy. American

Economic Review, 50, pp. 177-84

Thillainathan.R.1989.Alternative Solutions to Unemployment in Malaysia. ISIS Issue paper.

Thirunaukarasu Subramaniam.2008. The Dynamic Interactions Among Foreign Direct Investment,

Unemployment, Economic Growth And Expots: Evidence From Malaysia.. Jati, vol.13.pp.35-

48.

Tingi N.Y & Lingii L.S. 2011. Okun’s Law in Malaysia: An Autogressive Distributed Lag

(ARDL)Approach with Hodrick-Prescott (HP) Filter. Journal of Global Business and

Economics, Vol 2(1).

Unit Perancangan Ekonomi.2011.Sejarah Ekonomi.Portal Rasmi EPU, Jabatan Perdana Menteri.

Zaleha Mohd Noor, Norashidah Mohamed Nor dan Judhiana abdul Ghani .2007.” The Relationship

between Output and unemployment in Malaysia: Does Okun’sLaw exits?”.Int.Journal of

Economics and Management 1(3):337-344.

Zulkefly A.K, Md Zyadi M.T & Aqualdo N.2007. Gelagat Tabungan Sektor Swasta di Malaysia.

Akademika 71: 75-90


GAMBARAJAH 1: Kadar Pengangguran di Malaysia Bagi Tempoh 1981-2010

Sumber: Jabatan Perangkaan Malaysia: Perangkaan Ekonomi Malaysia-Siri Masa 2011

Plot of Cumulative Sum of Squaresof Recursive Residuals

The straight lines represent critical bounds at 5% significance level

-0.5

0.0

0.5

1.0

1.5

1984 1989 1994 1999 2004 2009 2010

GAMBARAJAH 2: Plot Pekali Kestabilan Kepada CUSUM dan CUSUM (Squares), bagi Model

ECM.

Plot of Cumulative Sum of Recursive Residuals

The straight lines represent critical bounds at 5% significance level

-5 -10 -15

0 5

10 15

1984 1989 1994 1999 2004 2009 2010


LAMPIRAN

Ujian Kepegunan

Null Hypothesis: UR has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on AIC, maxlag=7) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.754559 0.3945

Test critical values: 1% level -3.679322

5% level -2.967767

10% level -2.622989 *MacKinnon (1996) one-sided p-values.

_________________________________________________________________

Null Hypothesis: UR has a unit root

Exogenous: Constant, Linear Trend



5% level -3.574244


__________________________________________________________________

Null Hypothesis: D(UR) has a unit root

Exogenous: Constant



5% level -2.971853

10% level -2.625121

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

Null Hypothesis: D(UR) has a unit root




5% level -3.580623


__________________________________________________________________


Null Hypothesis: REG has a unit root

Exogenous: Constant



5% level -2.967767

10% level -2.622989

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

Null Hypothesis: REG has a unit root




5% level -3.574244

10% level -3.221728


____________________________________________________________

Null Hypothesis: D(REG) has a unit root

Exogenous: Constant



5% level -2.976263


____________________________________________________________

Null Hypothesis: D(REG) has a unit root




5% level -3.587527

10% level -3.229230



Null Hypothesis: FDIG has a unit root

Exogenous: Constant



5% level -2.967767


____________________________________________________________

Null Hypothesis: FDIG has a unit root




5% level -3.574244


____________________________________________________________

Null Hypothesis: D(FDIG) has a unit root

Exogenous: Constant



5% level -2.976263


____________________________________________________________

Null Hypothesis: D(FDIG) has a unit root




5% level -3.587527



Null Hypothesis: IR has a unit root

Exogenous: Constant



5% level -2.967767

10% level -2.622989


Null Hypothesis: IR has a unit root




5% level -3.574244

10% level -3.221728


Null Hypothesis: D(IR) has a unit root

Exogenous: Constant



5% level -2.971853

10% level -2.625121


Null Hypothesis: D(IR) has a unit root




5% level -3.580623

10% level -3.225334



Null Hypothesis: OPN has a unit root

Exogenous: Constant



5% level -2.971853


Null Hypothesis: OPN has a unit root


Lag Length: 5 (Automatic - based on AIC, maxlag=7) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 1.965564 1.0000


5% level -3.612199

10% level -3.243079


Null Hypothesis: D(OPN) has a unit root

Exogenous: Constant



5% level -2.971853


Null Hypothesis: D(OPN) has a unit root




5% level -3.595026

10% level -3.233456



2. Ujian nilai statistik F

Variable Addition Test (OLS case)

*******************************************************************************

Dependent variable is DU

List of the variables added to the regression:

U(-1) E(-1) O(-1) F(-1) R(-1)

27 observations used for estimation from 1984 to 2010

*******************************************************************************

Regressor Coefficient Standard Error T-Ratio[Prob]

C 6.9834 2.5751 2.7119[.020]

DU(-1) .17258 .24717 .69825[.500]

DU(-2) .45597 .21751 2.0964[.060]

DE(-1) .044056 .048623 .90607[.384]

DE(-2) .030773 .029765 1.0338[.323]

DO(-1) -.20718 .29594 -.70007[.498]

DO(-2) .0063024 .13926 .045255[.965]

DF(-1) -.0043418 .0034443 -1.2606[.234]

DF(-2) -.0011039 .0021580 -.51154[.619]

DR(-1) .084173 .11381 .73962[.475]

DR(-2) -.10522 .095829 -1.0980[.296]

U(-1) -.80139 .22056 -3.6335[.004]

E(-1) -.082321 .061916 -1.3296[.211]

O(-1) -1.9116 .85038 -2.2479[.046]

F(-1) .0090466 .0048297 1.8731[.088]

R(-1) -.15986 .12204 -1.3098[.217]

*******************************************************************************

Joint test of zero restrictions on the coefficients of additional variables:

Lagrange Multiplier Statistic CHSQ( 5)= 17.6051[.003]

Likelihood Ratio Statistic CHSQ( 5)= 28.5030[.000]

F Statistic F( 5, 11)= 4.1226[.024]

3. Keputusan penganggaran jangka panjang dan jangka pendek -pendektan ARDL

Estimated Long Run Coefficients using the ARDL Approach

ARDL(1,1,0,0,1) selected based on Akaike Information Criterion

*******************************************************************************

Dependent variable is U


*******************************************************************************


E -.25919 .12615 -2.0546[.054]

O -4.4012 .93194 -4.7226[.000]

F -.011578 .0070733 -1.6369[.118]

R -.35709 .23011 -1.5518[.137]

C 13.4220 1.9251 6.9720[.000]

*******************************************************************************

Error Correction Representation for the Selected ARDL Model


*******************************************************************************

Dependent variable is dU


*******************************************************************************


dE -.046133 .020528 -2.2473[.035]

dO -1.4253 .31457 -4.5311[.000]

dF -.0037497 .0018733 -2.0016[.058]

dR -.023423 .062439 -.37513[.711]

dC 4.3468 .83489 5.2065[.000]

ecm(-1) -.32386 .091052 -3.5568[.002]

*******************************************************************************

List of additional temporary variables created:

dU = U-U(-1)

dE = E-E(-1)

dO = O-O(-1)

dF = F-F(-1)

dR = R-R(-1)

dC = C-C(-1)

ecm = U + .25919*E + 4.4012*O + .011578*F + .35709*R -13.4220*C

*******************************************************************************

R-Squared .74588 R-Bar-Squared .65225

S.E. of Regression .38839 F-stat. F( 5, 21) 11.1533[.000]

Mean of Dependent Variable -.0074074 S.D. of Dependent Variable .65863


Residual Sum of Squares 2.8661 Equation Log-likelihood -8.0326

Akaike Info. Criterion -16.0326 Schwarz Bayesian Criterion -21.2160

DW-statistic 1.8735

*******************************************************************************

R-Squared and R-Bar-Squared measures refer to the dependent variable

dU and in cases where the error correction model is highly

restricted, these measures could become negative.

Autoregressive Distributed Lag Estimates


*******************************************************************************

Dependent variable is U


*******************************************************************************


U(-1) .67614 .091052 7.4259[.000]

E -.046133 .020528 -2.2473[.037]

E(-1) -.037806 .020000 -1.8903[.074]

O -1.4253 .31457 -4.5311[.000]

F -.0037497 .0018733 -2.0016[.060]

R -.023423 .062439 -.37513[.712]

R(-1) -.092222 .063137 -1.4607[.160]

C 4.3468 .83489 5.2065[.000]

*******************************************************************************

R-Squared .94239 R-Bar-Squared .92116

S.E. of Regression .38839 F-stat. F( 7, 19) 44.3994[.000]

Mean of Dependent Variable 4.0963 S.D. of Dependent Variable 1.3833

Residual Sum of Squares 2.8661 Equation Log-likelihood -8.0326

Akaike Info. Criterion -16.0326 Schwarz Bayesian Criterion -21.2160

DW-statistic 1.8735 Durbin's h-statistic .37313[.709]

*******************************************************************************

4. Keputusan Ujian Diagnostik.

Diagnostic Tests

*******************************************************************************

* Test Statistics * LM Version * F Version *

*******************************************************************************

* * * *

* A:Serial Correlation*CHSQ( 1)= .071234[.790]*F( 1, 18)= .047615[.830]*

* * * *

* B:Functional Form *CHSQ( 1)= .25848[.611]*F( 1, 18)= .17399[.682]*

* * * *

* C:Normality *CHSQ( 2)= .94856[.622]* Not applicable *

* * * *

* D:Heteroscedasticity*CHSQ( 1)= 3.8926[.048]*F( 1, 25)= 4.2114[.051]*

*******************************************************************************

A:Lagrange multiplier test of residual serial correlation

B:Ramsey's RESET test using the square of the fitted values

C:Based on a test of skewness and kurtosis of residuals

D:Based on the regression of squared residuals on squared fitted values

Faktor-faktor yang Mempengaruhi Pengangguran di · PDF filepenggunaan teori Keynes tidak...

Documents

Transcript of Faktor-faktor yang Mempengaruhi Pengangguran di · PDF filepenggunaan teori Keynes tidak...