Beruflich Dokumente
Kultur Dokumente
ABSTRACT
Since July 2005, the determination of the interest rate of Bank Indonesia (BI-rate) has been responded
positively by national banks. The effect of Bank Indonesia monetary policy on interest rates and the real sector
applies or valid at national and regional levels. The determination of which are often the adjustment of the
interest rate can be seen as a signal for the market indicates the direction of the other interest rates movement,
The increase or decrease of the BI-rate will affect the inter-bank interest rate and the time deposit interest
rate that results the changes of the mortgage interest rates. Thus, the BI-rate could signify the government
expectation of the banks to encourage the real sector to boost the economic growth in Indonesia. The purpose
of this research is to understand the determination or the adjustment and the forecast of the BI-rate, also the
causal relationship between the BI-rate and the economic growth rate in Indonesia. This research shows that,
until 2015, the forecast of the BI-rate and the economic growth rate in Indonesia have the tendency to increase.
Meanwhile, according to the results of causality test indicates that the BI-rate does not have a direct causal
relationship with economic growth. Despite it is indicated that the BI-rate is going one-way relationship to the
rate of economic growth in Indonesia, meaning that the BI-rate lead to economic growth while the economic
growth can not directly push the changes of the BI-rate.
Keywords: interest rate, causality, economic growth.
ABSTRAK
Penetapan tingkat suku bunga Bank Indonesia (BI-rate) sejak bulan Juli tahun 2005 direspon positif oleh
perbankan nasional. Penetapan tingkat suku bunga ini dapat dipandang sebagai isyarat bagi pasar akan arah
pergerakan bagi tingkat suku bunga lainnya. Kenaikan atau penurunan tingkat suku bunga Bank Indonesia
(BI-rate) akan mempengaruhi tingkat suku bunga antar bank dan tingkat suku bunga deposito yang berakibat
pada perubahan suku bunga kredit. Dengan demikian BI-rate tersebut memberi sinyal bahwa pemerintah
mengharapkan pihak perbankan dapat menggerakkan sektor riil untuk dapat mendorong laju pertumbuhan
ekonomi Indonesia. Penelitian bertujuan untuk mengetahui penetapan dan proyeksi tingkat suku bunga Bank
Indonesia (BI-rate) serta hubungan kausalitas antara BI-rate dengan laju pertumbuhan ekonomi Indonesia. Hasil
penelitian menunjukkan bahwa sampai tahun 2015 proyeksi BI-rate dan laju pertumbuhan ekonomi Indonesia
diperkirakan ada kecenderungan meningkat. Hasil uji kausalitas menunjukkan bahwa BI-rate tidak mempunyai
hubungan kausal langsung dengan pertumbuhan ekonomi. Walaupun demikian terjadi hubungan satu arah
dari BI-rate terhadap laju pertumbuhan ekonomi Indonesia, artinya BI-rate dapat menstimulus pertumbuhan
ekonomi sementara pertumbuhan ekonomi tidak dapat secara langsung mendorong perubahan BI-rate.
Kata Kunci: tingkat suku bunga, hubungan kausalitas, laju pertumbuhan ekonomi.
148
PENDAHULUAN
atau
BI-rate adalah suku bunga instrumen sinyaling Bank
Indonesia (BI) merupakan suku bunga kebijakan
moneter (policy rate), digunakan sebagai acuan
dalam pelaksanaan operasi pengendalian moneter
untuk mengarahkan agar rata-rata tertimbang suku
bunga SBI satu bulan hasil lelang Operasi Pasar
Terbuka (OPT) yaitu suku bunga instrumen liquidity
adjustment berada di sekitar BI-rate. BI-rate
diimplementasikan melalui OPT untuk SBI dengan
tenor satu bulan. Level BI-rate ditetapkan dalam
Rapat Dewan Gubernur (RDG) triwulanan yang
berlaku selama triwulan berjalan, kecuali ditetapkan
berbeda oleh RDG bulanan dalam triwulan yang
sama. BI secara periodik untuk jangka waktu
tertentu mengumumkan BI-rate kepada publik segera
setelah ditetapkan dalam RDG sebagai sinyal stance
kebijakan moneter yang lebih tegas dalam merespon
prospek pencapaian sasaran inflasi ke depan (BI,
2009). Untuk meningkatkan efektivitas pengendalian
likuiditas di pasar, operasi moneter harian melalui
instrumen Fine Tune Operations (FTO) dilakukan
dengan underlying instruments.
Sebagai pemegang otoritas moneter tertinggi,
BI mempunyai tugas menjaga stabilitas ekonomi,
diantaranya ada dua aspek penting yaitu BI-rate yang
berkaitan langsung atau tidak langsung dengan inflasi
dan stabilitas nilai tukar rupiah. Suatu perekonomian
dapat dikatakan stabil apabila kedua indikator ini
dapat dikendalikan dalam sistem yang moderat.
BI-rate diimplementasikan melalui OPT untuk
SBI satu bulan. Hal ini disebabkan SBI satu bulan telah
dipergunakan sebagai benchmark oleh perbankan
dan pelaku pasar di Indonesia, bahkan penggunaan
SBI satu bulan sebagai sasaran operasional akan
memperkuat sinyal respon kebijakan moneter yang
ditempuh BI. Disamping itu dengan perbaikan
kondisi perbankan dan sektor keuangan SBI satu
bulan mampu mentransmisikan kebijakan moneter ke
sektor keuangan dan ekonomi.
Konsistensi kebijakan moneter dapat dilihat
pada perubahan BI rate. Pertama, kenaikan BI-rate
dilakukan apabila prakiraan inflasi secara persisten
cenderung bergerak keatas atau berada di atas kisaran
sasaran inflasi. Kedua, p
enurunan BI-rate dilakukan
apabila prakiraan inflasi berada di bawah kisaran
sasaran inflasi. Ketiga, BI-rate tidak berubah apabila
prakiraan inflasi secara persisten berada di antara
kenaikan
suku bunga dana antar bank dan suku bunga deposito
yang
mengakibatkan kenaikan suku bunga kredit,
sementara jika BI-rate diturunkan dikhawatirkan
akan memicu pelarian dana jangka pendek yang
149
menurut
Teori Pertumbuhan Neo Klasik, perkembangan
ekonomi dapat diterangkan secara sederhana dari
akumulasi kapital yang merupakan faktor penting
dalam pembangunan ekonomi. Perkembangan
ekonomi merupakan proses gradual yang merupakan
proses harmonis dan kumulatif, disamping itu aspek
internasional merupakan faktor dari perkembangan.
Menurut Neo-Klasik dari Solow, tingkat bunga
dan tingkat pendapatan menentukan tingginya
tingkat tabungan.
Terdapat hubungan negatif antara
tingkat investasi dengan tingkat suku bunga (Liviu
Albu, 2006).
Pada tingkat tertentu, tingkat bunga
akan menentukan tingginya tingkat investasi. Jika
tingkat bunga rendah, maka investasi akan tinggi
dan sebaliknya. Apabila permintaan terhadap
investasi berkurang maka tingkat bunga turun dan
harga barang-barang kapital turun, hasrat menabung
turun. Pada tingkat ini, akumulasi modal berakhir,
dan perekonomian statis. Perkembangan teknologi,
merupakan salah satu faktor pendorong kenaikan
pendapatan nasional. Menurut Neo-Klasik, faktor
utama yang menentukan pertumbuhan adalah
kemajuan ekonomi dan berkembangnya kemahiran
atau keterampilan tenaga kerja.
Selain teori tersebut, ada juga analisis per
tumbuhan endogen atau proses pertumbuhan GNP
yang bersumber dari suatu sistem yang mengatur
proses produksi, yaitu Teori Pertumbuhan Baru.
Teori ini kontras dengan teori neoklasik tradisional,
model-model pertumbuhan endogen menyatakan
bahwa pertumbuhan GNP itu merupakan suatu
konsekuensi alamiah atas adanya ekuilibrium jangka
panjang. Motivasi pokok tumbuhnya teori baru ini
150
Trikonomika
METODE
Metode yang digunakan adalah metode analisis
deskriptif kuantitatif dan analisis kualitatif.
Analisis
deskriptif kuantitatif digunakan untuk melakukan
pengukuran terhadap suatu variabel dan mencari
hubungan antara satu variabel dengan variabel
lainnya, sedangkan analisis kualitatif untuk melakukan
pengujian secara teoritis dari para ahli yang relevan
dengan masalah yang diteliti.
Data yang digunakan adalah data sekunder
berupa
data runtut waktu bulanan yang didasarkan
pada
informasi data yang diterbitkan institusi resmi yang
sah dan valid dalam penerbitannya, antara lain Badan
Pusat Statistik (BPS) dan Bank Indonesia (BI).
Metode Rata-rata Bergerak (Moving Average)
Secara matematis, rata-rata bergerak sederhana
ditunjukan sebagai berikut:
Rata-rata bergerak =
permintaan data n periode sebelumnya
n
Catatan:
n = jumlah periode dalam rata-rata bergerak.
Proyeksi Trend
Untuk mengembangkan garis trend liniear
dengan metode statistik, dapat digunakan metode
kuadrat terkecil (least-square method). Persamaan
matematisnya:
y = a + bx
Catatan:
Lella N Q Irwan
xy - n x y
x -n x
2
Catatan:
b = kelandaian garis regresi
x = nilai variabel bebas
y = nilai variabel tidak bebas
x = rata-rata nilai x
y = rata-rata nilai y
n = jumlah titik data atau observasi
M
etode Box-Jenkins (diambil dari nama penemu
konsep ARIMA) dilakukan dengan tahapan yang di
mulai dari p
engidentifikasian model, pengestimasian
parameter model, pengujian model atau diagnosa
model dilanjutkan dengan pengeluaran model untuk
perkiraan atau peramalan.
Asumsi dasar dari metode ini adalah data
harus stasioner. Jika data tidak stasioner misalnya
data mengandung pola trend dan musiman, maka
data harus distasionerkan terlebih dahulu. Metode
yang digunakan untuk menstasionerkan data adalah
dengan metode pembedaan (differencing). Data hasil
proses differencing harus memenuhi asumsi data
autokorelasi.
ARIMA merupakan gabungan model time
series yang mencakup model autoregressive (AR)
dan Moving Average (MA). Proses pembedaannya
mencakup faktor tidak musiman dan musiman
ditambah dengan proses autoregressive dan moving
average.
Model ARIMA models dapat dipergunakan
untuk data runtun waktu yang stasioner, di mana nilai
tengah, variance dan fungsi autokorelasi cenderung
ettap sepanjang waktu. Model ini sangat cocok untuk
data runtun waktu dengan karakteristik trand yang
kuat, random, seasonal dan nonseasonal runtun waktu
(El-Mefleh, 2008).
Secara umum model
ARIMA
ditampilkan sebagai berikut:
Model Autoregresif (AR) menunjukkan BI-ratet
sebagai fungsi linier dari sejumlah BI-ratet aktual
sebelumnya, yaitu dinyatakan dalam formulasi:
BIRate = b0 + b1 BIRatet1 + b2BIRatet2 + ... + bn
BIRatetn + et ........................................ (1)
Catatan:
BIRatet = tingkat suku bunga Bank Indonesia atau
BI-rate
BIRatet1, BIRatet2, BIRatetn = variabel bebas yang
merupakan lag dari variabel terikat
b0, b1, bn = koefisien regresi
e = residual
Metode MA dapat diformulasikan ke dalam
model rata-rata bergerak, MA(q) yang meramalkan
nilai BI-ratet berdasarkan kombinasi kesalahan linier
masa lampau (lag) atau:
BIRatet = W0 W1 et1 W2 et2 ... Wn etn
+ et ........................................................ (2)
Catatan:
BIRatet = variabel terikat
et1, et2, etn = variabel bebas yang merupakan lag
dari variabel terikat
W0, W1, Wn = bobot
e
= residual
Persamaan (1) sama dengan persamaan (2),
bedanya variabel dependen tergantung dari residual
pada periode sebelumnya dan bukan variabel itu
sendiri. Koefisien bobot yang negatif hanyalah suatu
kebiasaan meskipun nilai bobot bias positif maupun
negatif. Jumlah W1 + W2 + ... + Wn tidak perlu
sama dengan 1, dan nilai W1 tidak bergerak dengan
bertambahnya observasi. Nilai rata-rata untuk
MA(q) sama dengan nilai konstanta (W0) di dalam
model karena E(et) = 0 untuk semua nilai t.
ARIMA merupakan model yang lebih baik
daripada model AR atau MA saja. Untuk menentukan
model variabel yang penjelasnya dianggap baik
untuk memprediksi ketidakpastian di masa yang akan
datang digunakan RMSE (Root of mean squared
error), (Kuncoro, 2004). RMSE merupakan akar dari
nilai rata-rata kuadrat kesalahan (MSE).
MSE = SSE/(nk)
RMSE = MSE
Proses identifikasi akan dilakukan untuk
menentukan derajat AR dan MA, dengan ketentuan
ketika otokorelasi menurun secara eksponsial
mendekati 0, maka model tersebut adalah AR. Model
MA akan tepat bila otokorelasi parsial menurun
151
i =1
r
i =1
ai Xt1 +
ai Xt1 +
j=1
n
j=1
Catat
an:
Yi = BI-rate
Xi = Laju Pertumbuhan Ekonomi (LPE)
Persamaan tersebut memperlihatkan bahwa
variabel BI-rate sekarang (Yt) berhubungan dengan
variabel-variabel di masa lalu dan laju pertumbuhan
ekonomi (Xt).
Selanjutnya untuk dapat mendalami kausalitas
antara BI-rate dan laju pertumbuhan ekonomi, maka
uji hubungan sebab akibat dalam penelitian ini
menggunakan persamaan:
Xt = a + a1Xt1 + a2Yt + e1 ..................................... (5)
Yt = b + Yt1 + b2Xt + e2 ....................................... (6)
Catatan:
Y = BI-rate
X = Laju Pertumbuhan Ekonomi (LPE)
Yt1 = BI-rate
lag 1 tahun
Xt1 = LPE lag 1 tahun
t = tahun ke-t
152
Trikonomika
Uji F-statistik
Untuk melihat hubungan antara BI-rate dan laju
pertumbuhan ekonomi, maka uji hubungan sebab
akibat dilakukan dengan F statistik.
Ho : Z1 = 0 ............................................................. (7)
Ho : Z2 = 0 ............................................................. (8)
Jika Ho : Z1 = 0 ditolak dan Z1 > 0 maka
dapat disimpulkan bahwa BI-rate menyebabkan
pertumbuhan ekonomi, dan jika Z1 < 0, maka
BI-rate menghambat laju pertumbuhan ekonomi. Jika
Ho : Z2 = 0, ditolak maka hubungan sebab akibat terjadi
sebaliknya. Selanjutnya dihitung F-uji berikut:
F=
( RSS R - RSSUR ) / Kt
RSSUR / (n - k )
HASIL
Proyeksi tingkat suku bunga Bank Indonesia
(BI-rate) menggunakan model estimasi AutoRegressive Moving Average (ARIMA) melalui
correlogram, yaitu Autocorrelation Function
(AC) dan Partial Autocorrelation (PAC). Untuk
menentukan ordo maksimal AR(p) dan MA(q) dapat
dilihat dari banyaknya koefisien autokorelasi yang
signifikan berbeda dari nol.
Dalam penelitian ini,
ordo maksimal dari AR dan ordo maksimal dari MA
ditunjukkan dalam Tabel 1.
Berdasarkan nilai-nilai pada AC dan PAC
menunjukkan bahwa model yang tepat untuk variabel
BI-rate adalah mengikuti pola AR(1) karena turun
drastis setelah lag 1 (PAC). Sementara
pola MA tidak
sesuai untuk kasus ini karena koefisien AC menurun
secara geometris.
Untuk menguji kelayakan model dengan mencari
yang terbaik yaitu mendapatkan model yang memiliki
goodness of fit terbaik sebagaimana terlihat dari nilai
F dan R2 tertinggi dan nilai t statistik yang signifikan.
Hasil ARIMA (1,0,0), dan ARIMA (0,0,1) dirangkum
dalam Tabel 2.
Lella N Q Irwan
Autocorrelation
Partial Correlation
AC
PAC
Q-Stat
Prob
. |****** |
. |****** |
0.817
0.817
14.137
0.000
. |**** |
.***| . |
0.519
0.446
20.205
0.000
. |** . |
. *| . |
0.214
0.131
21.306
0.000
. | . |
. |* . |
0.003
0.078
21.307
0.000
. *| . |
. |* . |
0.062
0.161
21.414
0.001
. *| . |
. *| . |
0.070
0.154
21.561
0.001
. | . |
. | . |
0.043
0.022
21.620
0.003
. | . |
. | . |
0.031
0.040
21.656
0.006
. | . |
. |* . |
0.023
0.069
21.678
0.010
. | . |
. *| . |
10
0.047
0.155
21.776
0.016
. *| . |
.***| . |
11
0.160
0.327
23.099
0.017
. *| . |
. |**** |
12
0.184
0.471
25.129
0.014
AR(1)
MA(1)
R2
0.927511
(7.025421)
ARIMA
9.146579
(0,0,1)
0.766923 49.35655
0.938051
(6.170475)
0.651542 29.91657
Included observations: 9
Autocorrelation
Partial Correlation
AC
PAC
Q-Stat
Prob
. |***** |
. |***** |
0.645
0.645
5.1410
0.023
. |** . |
. *| . |
0.323
0.158
6.6154
0.037
. | . |
. *| . |
0.049
0.158
6.6546
0.084
. *| . |
. *| . |
0.183
0.186
7.3187
0.120
. ***| . |
. *| . |
0.352
0.177
10.384
0.065
. ***| . |
. *| . |
0.400
0.079
15.662
0.016
. ***| . |
. *| . |
0.357
0.059
21.955
0.003
153
5.145478
ARIMA
(0,0,1)
5.550332
AR(1)
MA(1)
0.851841
(5.313871)
R2
0.653077 28.23723
0.997179
0.627326 26.93301
(6.709010)
BI-Rate
LPE
ADF test
Statistik
5.461749
4.434658
BI-rate (Aktual)
BI-rate F (Proyeksi)
2009.1
7,750
7,750
7,000
7,000
6,500
6,500
6,500
6,503
2010.1
6,506
6,508
6,511
6,513
2011.1
6,515
6,517
6,519
6,520
6,522
t-statistik
6,523
ADF
6,524
= 1%
4.582648
6,526
= 5%
3.320969
2013.1
6,527
= 10%
2.801384
6,528
6,529
6,530
2014.1
6,530
6,531
6,532
6,533
2015.1
6,533
6,534
6,534
6,535
Nilai Kritis
Trikonomika
Tahun
154
2012.1
Lella N Q Irwan
LPE (Aktual)
LPE F (Proyeksi)
2009.1
4,530
4,530
4,300
4,300
4,250
4,250
4,550
4,383
2010.1
4,496
4,592
4,674
4,744
2011.1
4,803
4,854
4,897
4,934
2012.1
4,965
4,992
5,015
5,034
2013.1
5,051
5,065
5,077
5,087
2014.1
5,096
5,103
5,109
5,115
2015.1
5,119
5,123
5,126
5,129
terlebih dahulu.
Berdasarkan hasil estimasi granger
causality antara kedua variabel tersebut didapat nilai
lag optimum sebanyak 3 lag. Penentuan jumlah lag
optimum dalam penelitian ini didasarkan pada kriteria
Schwarz Information Criterion (SC) dan Akaike
Information Criterion (AIC) yang menginformasikan
bahwa semakin rendah nilai Schwarz dan Akaike
maka semakin optimum jumlah lag yang digunakan.
Namun demikian hasil estimasi menunjukkan bahwa
terjadinya hubungan yang signifikan antara BI-rate
dengan laju pertumbuhan ekonomi hanya terjadi
pada lag 2 sedangkan pada lag 1, dan 3 tidak terjadi.
Dengan demikian analisis hanya difokuskan pada
hasil Granger Test dengan lag 1, 2, dan 3.
Tabel 8. Hasil Uji Kausalitas Granger
(times lag 1 triwulan)
Null Hypothesis:
Obs
F-stat
Prob
Ket
17
0.26883
0.61222
Ho diterima
0.42969
0.52277
Ho diterima
Dari Tabel
8., dilakukan pengujian dengan uji F
untuk mengetahui hubungan antara LPE dengan BIrate, diperoleh F_hitung sebesar 0,26883 dan prob
sebesar 0,612, maka Ho diterima atau H1 ditolak,
artinya LPE tidak memiliki hubungan dengan
BI-rate.
Tabel 9. Hasil Uji Kausalitas Granger
(times lag 2 triwulan)
Null Hypothesis:
Obs
F-stat
Prob
Ket
16
4.15539
0.04793
Ho ditolak
0.17075
0.84523
Ho diterima
155
Obs
F-stat
Prob
Ket
15
0.14269
0.93150
Ho diterima
0.41702
0.74568
Ho diterima
PEMBAHASAN
Kebijakan moneter yang merupakan bagian
integral dari kebijakan ekonomi makro, pada umumnya
dilakukan dengan mempertimbangkan siklus kegiatan
ekonomi serta faktor-faktor fundamental ekonomi
lainnya. Dalam pelaksanaannya, strategi kebijakan
moneter dilakukan berbeda-beda dari suatu negara
dengan negara lain, sesuai dengan tujuan yang ingin
dicapai dan mekanisme transmisi yang diyakini
berlaku pada perekonomian yang bersangkutan.
Berdasarkan strategi dan trasmisi yang dipilih,
maka dirumuskan kerangka operasional kebijakan
moneter.
Bank Indonesia merencanakan, menyusun,
melakukan penyesuaian pada saat diperlukan dan
membuat proyeksi tingkat suku bunga Bank Indonesia
(BI-rate) sebagai upaya membuat kerangka kebijakan
moneter yang akan menjadi pedoman dalam langkah
usaha yang sesuai dengan perkembangan ekonomi
nasional. Proyeksi pada periode 20102015 me
nunjukkan bahwa BI-rate diperkirakan akan terus
meningkat. Walaupun beberapa waktu ke depan
relatif stabil tetapi tidak terlepas dari pergerakan
variabel ekonomi makro terutama laju pertumbuhan
ekonomi (LPE) yang diproyeksikan akan tumbuh
pada kisaran 4 sampai 5% dalam beberapa tahun ke
depan. Proyeksi laju pertumbuhan ekonomi Indonesia
pun akan terus meningkat dari triwulan pertama
ke triwulan berikutnya walaupun diperkirakan
cenderung konstan, belum sesuai harapan. Relatif
stagnantnya hasil proyeksi LPE Indonesia tidak
terlepas dari kondisi ekonomi di berbagai belahan
dunia khususnya Amerika Serikat yang saat ini
pertumbuhan ekonominya kurang memuaskan.
Uraian
Hubungan
LPE
Signifikansi
BI-rate
LPE
BI-rate
Lag 1 triwulan
BI-rate
LPE
Indonesia
Lag 2 triwulan
BI-rate
LPE
LPE
Memiliki hubungan
BI-rate
LPE
Lag 3 triwulan
BI-rate
Kesimpulan
Tidak terjadi hubungan satu arah dari
LPE terhadap BI-Rate
156
Trikonomika
Lella N Q Irwan
157
KESIMPULAN
BI-rate sebagai indikator tingkat suku bunga
Bank Indonesia merupakan tolak ukur bagi tingkat
suku bunga lainnya. Penetapan penyesuaian BI-rate
ini setiap bulannya dilakukan oleh Bank Indonesia
selaku pemegang otoritas moneter tertinggi di
Indonesia. Kenaikan atau penurunan BI-rate akan
mempengaruhi tingkat suku bunga antar bank dan
tingkat suku bunga deposito juga akan menjadi
isyarat bagi pasar akan arah pergerakan tingkat suku
bunga
terutama suku bunga pinjaman yang akan
mempengaruhi sektor riil.
Hasil proyeksi BI-rate dan laju pertumbuhan
ekonomi (LPE) Indonesia memperkirakan sampai
tahun 2015 yang akan datang ada kecenderungan
terjadi peningkatan secara quarter to quarter seiring
dengan perkembangan kebijakan moneter yang
semakin dinamis. Sedangkan dari hasil uji kausalitas
menunjukkan bahwa pada lag 2 untuk kasus Indonesia
yang terjadi adalah adanya hubungan satu arah
dari BI-rate terhadap laju pertumbuhan ekonomi,
artinya BI-rate menyebabkan terjadinya petumbuhan
ekonomi tetapi pada saat yang sama pertumbuhan
ekonomi tidak dapat langsung mendorong perubahan
BI-rate. Pada lag 1 dan 3, BI-rate tidak ada hubungan
dengan laju pertumbuhan ekonomi. Hasil ini
mengindikasikan bahwa hanya pada lag 2 saja terjadi
hubungan kausalitas satu arah antara BI-rate dan laju
pertumbuhan ekonomi.
DAFTAR PUSTAKA
Ahortor, Christian R. K. and Adenutsi, Deodat
E. 2009. Inflation, Capital Accumulation, and
Economic Groeth in Impor-Dependent Developing
Economies. Journal of Applied Sciences, 9 (18):
3275-3286.
Anaripour, J. T. 2011. Study on Relationship between
Interest Rate and Economic Growth by Eviews
(2004-2010, Iran). Journal of Basic and Applied
Scientific Research, 1 (11): 2346-2352.
158
Trikonomika
Lella N Q Irwan
Erlangga.
159