ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA LAMPIRAN. Tabel A HASIL PENGGOLONGAN SINYAL KRISIS BERDASARKAN METODE SIGNAL APPROACH

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

LAMPIRAN

Tabel A HASIL PENGGOLONGAN SINYAL KRISIS BERDASARKAN METODE SIGNAL APPROACH Variabel Deviasi Nilai Tukar Rill dari Tren Neraca Transaksi Berjalan / PDB Nilai Tukar Rill Tingkat Bunga Tabungan Rill Indeks Harga Rumah Rill Kredit domestik /PDB Inflasi Pertumbuhan M1 Impor M2/ Cadangan Devisa M2/ Cadangan Valas M2 Multiplier Terms of Trade Indeks Harga Saham Ekspor

Threshold Persentil Nilai

A

B

C

D

8

0

18

13

20

-6.4432

7

0

17

13

20

0.001448

24

7

2

6

20

9270.222

23

4

4

4

20

2.766

23

8

3

5

20

93.15751

23 22 22 21 21 20 18 3 3 3

8 10 10 10 10 10 13 4 5 5

3 4 4 5 5 5 8 20 23 23

5 3 3 3 3 3 0 12 8 8

20 20 20 20 20 20 20 20 20 20

0.706883 0.283333 -0.75592 2821049468 27.10489 28.22306 5.033608 1.18930888 459.6904 5021605292

xviii SKRIPSI

EFEKTIVITAS SISTEM PERINGATAN...

PITALOKA, JANUARITA DYAH


Tabel B HASIL UJI STASIONERITAS DATA BERDASARKAN METODE ARIMA

xix SKRIPSI




Tabel B (Lanjutan)

xx SKRIPSI




Tabel C POLA ACF DAN PACF BERDASARKAN METODE ARIMA

xxi SKRIPSI




Tabel C (Lanjutan)

xxii SKRIPSI




Tabel D HASIL PENENTUAN MODEL ARIMA

xxiii SKRIPSI




Tabel D (Lanjutan)

xxiv SKRIPSI




Tabel E HASIL UJI AUTOKORELASI MODEL ARIMA

xxv SKRIPSI




Tabel F HASIL RESIDUAL ERROR TERM

xxvi SKRIPSI




Tabel F (Lanjutan)

xxvii SKRIPSI




Tabel G HASIL MAPPING JURNAL EARLY WARNING SYSTEM DAN PROPERTI No. 1

2

Nama Pengarang Calvo (2012)

Bunda dan Ca’ Zorzi (2009)

Lembaga

Model

Sampel dan Variabel

Kesimpulan

Columbia University and NBER, New York, NY, USA

representative-individual model with timeseparable utility

Konsumsi , tanah, harga tanah, suku bunga nominal, capital gain, dan real money balances

1. Pengembangan instrumen keuangan baru yang likuid terkait dengan sektor perumahan mungkin menaikkan harga relatif perumahan. 2. Quantitative Easing tanpa mengubah suku bunga kebijakan disertai pembelian toxic asset, dapat mencegah deflasi harga, tetapi tidak efektif dalam mengubah harga relatif tanah. 3. Peningkatan likuiditas aset dapat menyebabkan output yang lebih tinggi.

WORKING PAPER SERIES Europian Central Bank

Bry–Boschan algorithm untuk mengidentifikasi periode boom dan busts rasio hutang/GDP dan pertumbuhan harga rumah.

Data tahunan, untuk Rasio hutang terhadap GDP menggunakan data penyaluran kredit bank dan nominal GDP dengan sampel 174 negara. untuk data Pertumbuhan harga rumah pada negara maju menggunakan data OECD Main Economic Indicators (Housing prices index from CPI components) and Eurostat (residential property prices of existing dwellings). Sedangkan untuk emerging market menggunakan data dari masingmasing negara dimana terdiri dari 66 negara dan minimal data 5 tahun bagi tiap negara. Untuk Currency pressure menggunakan data nilai tukar nominal dan total cadangan

Hasil penelitian menyimpulkan bahwa akhir dari fase booming menyebabkan tekanan pada mata uang domestik atau krisis perbankan yang lengkap.

Market pressure index menghitung rata-rata tertimbang nilai tukar nominal efektif dan perubahan cadangan tiga bulan.

Fixed effect logistic model memperkirakan kemungkinan bahwa puncak pada pinjaman atau harga rumah memicu krisis sebagai fungsi dari satu set fundamental.

Sebuah metodologi kuantitatif untuk mengukur risiko yang berasal dari makro disequilibria sangat membantu, meskipun analisis pakar tetap penting untuk menggabungkan aspek tambahan, seperti tingkat eksposur valuta asing, kesehatan sistem perbankan, dll.

xxviii SKRIPSI




Ekstraksi signal

3.

Agnello dan Schuknect (2010)

WORKING PAPER SERIES Europian Central Bank

Triangular

methodology

Panel ECM model Probit (Binary Probit, Multinominal Probit) dan Three-choice Probit model

4.

Roy dan Kemme (2012)

International Review of Economics and Finance

Multivariate Panel Logit Model Bivariate panel logit model Koefisisen estimasi (and the respective p-values) dan the goodness of fit statistics (the McFadden R-squared, AIC, SIC, and HQC) Quadratic probability score (QPS), Log probability score (LPS), dan Global squared bias (GSB)

emas dengan sampel tahun 19802008 sebanyak 109 negara. Untuk variabel makroekonomi menggunakan public deficit, public debt, real growth dan CPI sampel sebanyak 76 negara. Data tahunan 18 negara industri Tahun 1970-2007 untuk identifikasi booms and busts pada harga rumah, dan hubungan the rate of real housing price index changes terhadap Growth in percapita real GDP, The level of shortterm interest rates, The growth rate of real credit to the private sector , dan The growth rate of workingage population untuk 1980-2007.

Data transaksi berjalan sebagai persentase dari PDB, laju pertumbuhan PDB per kapita riil, utang publik sebagai persentase dari PDB, harga rumah riil, harga saham riil, pendapatan ketidaksetaraan, bunga bank sentral riil, M2/reserves, likuiditas bank, mata uang apresiasi (APP), utang sektor swasta sebagai persentase dari PDB Australia (1989), Canada (1983),

Pertama, hasil kami menunjukkan bahwa booming perumahan yang terjadi saat ini adalah yang terlama sejak terakhir terjadi pada empat puluh tahun lalu, dimana terdapat korelasi antara terjadinya boom kemudian diikuti oleh terjadinya bust. Kedua, kebijakan suku bunga secara langsung atau tidak langsung (melalui pengaruhnya terhadap uang dan kredit) dapat memiliki pengaruh yang signifikan terhadap kemungkinan booming dan bust terjadi. Kebijakan peraturan yang memperlambat pertumbuhan uang dan kredit juga diharapkan untuk mengurangi probabilitas booming. Akhirnya, pentingnya likuiditas global menunjukkan bahwa lintas batas eksternalitas kebijakan yang terlalu longgar dalam periode booming mungkin signifikan. Makalah ini didorong oleh beberapa temuan baru-baru ini menunjukkan kesamaan di seluruh bank dimana krisis keuangan berpusat, termasuk episode global saat ini. Temuan penting adalah bahwa kesamaan antara krisis perbankan yang paling kuat dalam hal saham sebelum dan sesudah gelembung (bubble) perumahan dalam jangka liberalisasi keuangan dan utang meningkat terkait sektor swasta.

xxix SKRIPSI




Granger causality test results

5.

Gerlach dan Peng (2005)

Journal of Banking & Finance

Denmark (1987), Finland (1991), France (1994), Germany (1977), Italy (1990), Japan (1992), Norway (1991), New Zealand (1987), Spain (1977), Sweden (1991), the UK (1984, 1991, 1995), and the US (1984).

The cointegrating VAR model

Data kuartalan, Harga Properti riil, PDB riil dan total pinjaman bank umum riil tahun 1982:1 sampai dengan 2001:4,

The VAR model can be reformulated in a vector error correction form

Kenaikan berkelanjutan dalam ketidaksetaraan pendapatan sering disebabkan oleh liberalisasi keuangan dan semakin membesarnya sektor keuangan, adalah faktor lain yang paling penting yang menunjukkan kesamaan antara krisis global saat ini dan krisis perbankan sejarah. Hasil dari estimasi dan latihan prediksi juga menunjukkan bahwa peningkatan proporsi utang publik terhadap PDB, turunnya tingkat pertumbuhan GDP riil per kapita, kebijakan suku bunga rendah oleh bank sentral, depresiasi mata uang lokal, dan ketimpangan pendapatan bahkan meningkat, serta bubble di pasar ekuitas dan perumahan, sebagian besar gagal untuk menunjukkan kesamaan dengan krisis global saat ini. Pertama, korelasi yang kuat antara pertumbuhan kredit dan pinjaman bank di Hong Kong diakibatkan oleh penyesuaian pinjaman bank terhadap harga properti. Kedua, sensitivitas kredit untuk harga properti menurun di awal 1990-an, karena bank memperketat standar kredit yang tercermin dalam sebagian peningkatan manajemen risiko. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa pinjaman bank yang berlebihan (excessive) itu bukan akar penyebab dari siklus boom dan bust dari pasar properti di Hong Kong.

xxx SKRIPSI




6.

Musso, et al. (2011)

Journal of Banking & Finance

SVAR model for the euro area and the US separately, identified using short-run restrictions

Data bulanan, CPI, real house prices, a representative mortgage lending rate, 3-month interbank interest rate, and mortgage debt. US, the euro area and the five largest euro-area economies (Germany, France, Italy, Spain and the Netherlands) Tahun 1986:1- 2009:1

7.

Kamin dan De Marco (2012)

Journal of International Money and Finance

Multivariate analysis

Data tahunan CDS premia, stock Prices, dan MBS Negara , Italy, Austria, Japan, Belgium, Netherland, Canada, Norway, Denmark, Portugal, France, Singapore, German, Spain, Greece, Sweden, Hongkong, Switzerland, Ireland, dan United Kingdom. Periode June–September 2007, dan June 2007- September 2008

Impulse respon dari model SVAR menunjukkan bahwa dampak moneter, kebijakan penyediaan kredit dan guncangan permintaan perumahan secara kualitatif serupa di AS dan kawasan eropa. Pada saat yang sama, bukti SVAR menunjukkan bahwa transmisi guncangan kebijakan moneter untuk pasar perumahan adalah lebih kuat di kawasan eropa daripada di AS. Secara keseluruhan, kami menemukan beberapa bukti bahwa pasar perumahan mungkin memainkan peran yang lebih besar sebagai penyalur dari guncangan (shock) kebijakan moneter di AS daripada di kawasan euro, buktinya permintaan perumahan dan guncangan pasokan kredit jelas lebih kecil. Guncangan pasokan kredit hipotek memiliki efek yang signifikan terhadap investasi perumahan dan pinjaman hipotek, sedangkan efek pada konsumsi riil lebih terbatas. Guncangan permintaan perumahan memiliki efek positif pada semua variabel, tetapi berpengaruh lebih kuat pada konsumsi di Amerika Serikat. Paparan langsung sub-prime AS adalah tidak relatif besar untuk skala sistem keuangan, kompleksitas dan kekeruhan dari instrumen investasi baru terstruktur. Melihat evolusi spread CDS dan saham bank, tingginya frekuensi korelasi mencerminkan lebih dari baik guncangan umum atau transmisi spesifik melalui langsung hubungan lintas-batas negara. Konsisten dengan pandangan ini, Kim et al. (2009) menyatakan kenaikan spread

xxxi SKRIPSI




CDS Asia selama krisis lebih ke repricing risiko daripada perubahan dalam standar yang diharapkan. 8.

Barrell, et al. (2010)

Journal Banking Finance

of &

Multivariat logit  cumulative logistic distribution 

9.

Kaminsky, Lizondo, dan Reinhart (1998)

IMF Papers

Staff

Data tahunan, Real GDP growth, Real interest rate, Inflation, Fiscal surplus/GDP, M2/foreign exchange reserves, Real domestic credit growth, Liquidity ratio, Unweighted capital adequacy ratio, dan Real property price growth yang meliputi 14 krisis sistemik dan non-sistemik di 14 negara OECD (Belgium, Canada, Denmark, Finland, France, Germany, Italy, Japan, Netherlands, Norway, Sweden, Spain, UK and the US). Data mengenai krisis dari IMF Financial Crisis Episodes mencakup tahun 1970–2007 sedangkan non-sistemik krisis dari database Bank Dunia krisis perbankan selama periode 1974-2002

Kecenderungan fungsi log

Signal Approach

Data tahunan yang di klasifikasikan per kategori, Capital account ( international reserves, capital flows, short term capital flow, FDI, dan perbedaan antara suku bunga domestik dan luar negeri), . Debt profile (public foreign debt, total foreign debt, short term debt, share of debt yang diklasifikasikan berdasarkan debitur dan struktur bunga, debt service, dan foreign aid), Current account ( nilai tukar

Kami menemukan bahwa unweighted bank capital adequacy, bank liquidity dan property prices berdampak pada probabilitas krisis perbankan dan cenderung untuk mengecualikan variabel yang lebih tradisional seperti pertumbuhan GDP, inflasi dan suku bunga riil. Selain itu, kita dapat menggunakan model untuk mendeteksi peningkatan probabilitas. Hasil penelitian menemukan bahwa unweighted bank capital adequacy, bank liquidity dan property prices tetap invarian untuk hasil uji robustness yang berbeda. Hasil kami memiliki implikasi kebijakan penting bagi regulator keuangan dan bank sentral. Mereka menggarisbawahi kebutuhan untuk tingkat modal dan likuiditas bank. Selain itu, penekanan pertumbuhan harga properti yang cepat juga dapat mengurangi kemungkinan krisis di negara-negara OECD. Sistem peringatan yang efektif untuk krisis mata uang harus mempertimbangkan berbagai macam indikator, karena krisis ini biasanya didahului oleh gejala yang timbul di sejumlah wilayah. Indikator yang telah terbukti sangat berguna dalam mengantisipasi krisis termasuk perilaku cadangan devisa, nilai tukar riil, kredit domestik, kredit untuk sektor publik dan inflasi domestik.

xxxii SKRIPSI




riil, cuurent account balance, trade balance, ekspor, impor, terms of trade, price of eksport, tabungan dan investasi), International variables (foreign real GDP growth, tingkat bunga dan tingkat harga), Financial liberalization (pertumbuhan kredit, perubahan money multiplier, suku bunga riil, dan spread antara suku bunga pinjaman bank dan tabungan), Other financial variables ( kredit bank sentral bagi sistem perbankan, selisih antara permintaan dan penawaran uang, pertumbuhan uang, suku bunga obligasi, inflasi domestic, nilai tukar “Shadow”, parallel market exchange rate premium, central exchange rate parity, position nilai tukar within the official band, dan M2/ International Reserve), Real Sector (real GDP growth, output, output gap, tenaga kerja/ pengangguran, gaji, dan perubahan harga saham), Fiscal Variables (defisit fiskal, konsumsi pemerintah, dan kredit terhadap sektor public), Institutional (keterbukaan, konsentrasi perdagangan, dummies for multiple exchange rate, exchenge control, duration of fixed exchange rate periods, financial liberalization, banking crises, past foreign exchange market crises, dan past foreign exchange markets events), Political Variabel ( dummies for

Indikator lain ditemukan yang mendukung meliputi neraca perdagangan, kinerja ekspor, pertumbuhan uang, pertumbuhan PDB riil dan defisit fiskal. Tulisan ini mengusulkan sebuah sistem peringatan dini untuk krisis mata uang. Sistem ini pada dasarnya mencakup pemantauan perilaku sejumlah indikator, dan merekam sinyal yang dikeluarkan apabila beberapa variabel bergerak melampaui ambang batas tertentu. Sistem akan memperkirakan kemungkinan krisis dalam 24 bulan mendatang

xxxiii SKRIPSI




election, incumbent electoral victory or loss, change of government, legal executive transfer, illegal executive transfer, left wing government, dan new finance minister), tahun 1970-1995.

10.

Iacoviello dan Minetti (2003)

The Manchester School

Vector Autoregressions

Data kurtalan GDP, inflasi, Finlandia (Residential Property Prices tahun 1978-1989, Money Market Rate tahun 1987-1999) Swedia (House Price Index tahun1972-1986, Three-months Money Market Rate tahun19871999), dan Inggris (Nationwide East Anglia House Price Index tahun 1974-1986, Treasury Bill Rate tahun 1986-1999).

Hasil penelitian menunjukkan bahwa liberalisasi keuangan bisa memiliki peran utama tidak hanya secara langsung memacu harga rumah tetapi juga secara tidak langsung meningkatkan sensitivitas kebijakan pasar perumahan. Intensitas proses liberalisasi keuangan telah sangat asimetris di seluruh negara-negara Eropa. Sebagian besar negara (termasuk Finlandia dan juga dalam perspektif Swedia dan Inggris) kini ditandai dengan perilaku terpusat kebijakan moneter. Pada saat yang sama, mengingat pentingnya kekayaan perumahan di portofolio rumah tangga dan bisnis, pasar perumahan memainkan peran kunci dalam transmisi kebijakan moneter. Dengan adanya perbedaan yang signifikan dalam tingkat regulasi pasar pembiayaan perumahan, oleh karena itu, efek dari guncangan kebijakan moneter dapat berbeda secara luas di seluruh negara, bahkan abstrak dari pertimbangan lebih lanjut seperti pola kepemilikan perumahan yang berbeda atau biaya transaksi. Sebagai konsekuensi yang jelas, konvergensi lebih lanjut dari kerangka peraturan jelas bisa membuat pelaksanaan kebijakan moneter

xxxiv SKRIPSI




lebih mudah dan lebih efektif di wilayah eropa.

11.

Belke, dan (2008)

Orth, Setzer

Vector Autoregression

The structural VAR (SVAR) representation

Data kuartalan, real GDP (Y), the consumer price index (CPI), a short term money market rate (IS), a broad monetary aggregate (M) and a nominal house price index (HPI). United States (M2), Euro area(M3), Japan (M2 and cash deposits), United Kingdom (M4), Canada (M3), South Korea (M3), Australia (M3), Switzerland (M3), Sweden (M3), Norway (M3) dan Denmark (M3) tahun 1984: 1 - 2006:4.

Pada tingkat global, kita menemukan dukungan dari dugaan bahwa agregat moneter dapat menyampaikan informasi yang berguna pada variabel seperti harga rumah dan inflasi harga konsumen. Sejalan dengan pertimbangan teoritis, reaksi harga pasar perumahan berlangsung jauh lebih cepat daripada kenaikan harga yang sesuai di pasar barang. Kebijakan moneter harus menyadari time lag yang berbeda dalam transmisi dari uang untuk berbagai kategori harga. Hasil analisis VAR menunjukkan bahwa harga rumah juga bisa berfungsi sebagai indikator tekanan inflasi di masa mendatang pada pasar barang.

xxxv SKRIPSI




12.

Hui dan Yue (2006)

Journal Real Estate Financial Economy

Vector Error Correction (VEC) Models

13

Mikhed Zemcik (2007)


Uji cross-sectionally robust panel data untuk unit roots

dan

dan kointegrasi

Data kuartalan Indeks harga perumahan dari Beijing, Hongkong dan Shanghai, Indeks Harga Rumah bulanan tempat tinggal baru (BJHPI) and Shanghai (SHHPI) dalam China Real Estate Index System (CREIS). Selain itu, variabel yang digunakan adalah data triwulanan stok kosong tempat tinggal baru (VAC), disposable income rumah tangga perkotaan (INC), lokal PDB dan Shanghai indeks harga saham (SHANG) tahun 1990: 1 -2003: 4. Data kuartalan the house price index dan data bulanan the rent of primary residence index Amerika Serikat tahun 1975- 2006. Panel pertama 23 metropolitan statistical areas (MSA) dan kedua 273 MSA.

Uji Panel data untuk membangun indikator Bubble dan uji kausalitas Granger

Temuan penelitian menunjukkan bahwa harga rumah tampaknya telah berinteraksi normal dengan fundamental pasar, seperti disposable income, stok rumah baru, dan PDB lokal. Hal ini terutama terjadi untuk Shanghai dalam beberapa tahun terakhir. Kemudian, hasil menunjukkan bahwa sementara tidak ada gelembung (bubble) di Beijing, sementara Shanghai tampaknya memiliki gelembung perumahan harga pada tahun 2003, mewakili 22% dari harga yang cukup besar. Selama periode sampel keseluruhan, harga rumah dan sewa tidak terkointegrasi. Kesimpulan ini dikonfirmasi menggunakan rasio hargasewa. Ini konsisten dengan adanya istilah dalam model gelembung harga aset bahwa seseorang tidak dapat menggunakan error correction model untuk harga rumah sewa sebagai faktor fundamental. Indikator gelembung (bubble) bertepatan cukup baik dengan pola rasio harga-sewa dan indikator beberapa pasar perumahan. .

14.

Vizek (2010)

Johansen cointegration and vector errorcorrection models

Data kuartalan riil GDP, suku bunga pada kredit perumahan, total kredit perumahan, tenaga kerja dan aktifitas pembangunan. Empat negara Eropa Timur (Bulgaria 1998:Q1-2009:Q2 dan Republik

Hasil dari penelitian ini menunjukkan bahwa pendapatan dan suku bunga memiliki kointegrasi dengan harga rumah, sehingga mendukung temuan makalah sebelumnya yang ditulis oleh Egert dan Mihaljek (2007), dan Posedel

xxxvi SKRIPSI




Ceko 1998:Q1-2008:Q4, Kroasia 1996:Q4-2009:Q2, dan Estonia 1997:Q1-2009:Q2) dan tiga negara maju dalam perekonomian Uni Eropa (Irlandia tahun 1995:Q12009:Q1, Spanyol, and the Inggris tahun 1995:Q1-2009:Q2).

Vizek (2009), dan Hlaváček dan Komárek (2009). Namun dalam sebagian besar kasus, suku bunga tidak dapat dikeluarkan dari model, sementara pendapatan bisa. Dengan demikian, perubahan tingkat bunga hanya menjelaskan perilaku harga rumah di sebagian besar negara-negara dalam jangka panjang, sedangkan perubahan pendapatan hanya relevan untuk dua negara maju (Spanyol dan Inggris). Penawaran perumahan baru, ditunjukkan oleh indeks kegiatan konstruksi, masuk ke dalam suatu hubungan jangka panjang dalam kasus Republik Ceko, Estonia, dan Irlandia. Kredit perumahan secara statistik tidak signifikan dalam kasuskasus di mana mereka memasuki hubungan kointegrasi. Temuan ini menunjukkan bahwa, dalam jangka panjang, kondisi pendanaan lebih penting untuk menentukan harga rumah dari perkembangan pendapatan. Error-correction model menunjukkan bahwa pendapatan dan suku bunga secara signifikan mempengaruhi perilaku harga rumah. Estimasi menunjukkan bahwa harga rumah di semua negara kecuali Estonia mengoreksi penyimpangan dari keseimbangan jangka panjang. Parameter penyesuaian yang cukup rendah untuk Spanyol dan Republik Ceko, sementara di Bulgaria dan Kroasia (di mana harga rumah menyesuaikan sekitar setengah dari deviasi dari ekuilibrium jangka panjang di seperempat tunggal) penyesuaian relatif cepat.

xxxvii SKRIPSI




Selain pendapatan dan tingkat suku bunga, nilai lag dari harga rumah yang signifikan di semua negara kecuali Irlandia, menunjukkan bahwa kenaikan harga rumah adalah fenomena yang luas. 15.

16.

Bussiere dan Fratzscher (2006)

Lee (2009)

WORKING PAPER SERIES European Central Bank

International Journal of Housing Markets and Analysis

multinomial logit model

Data bulanan, 33 EME (emerging market economies) tahun 19932001

EGARCH model Mean equation: where Rt is the return of housing at the time t, ߤ௧tis the residual.

Data kuartalan housing price return , CPI, income, population unemployment rate, dan mortgage lending rate. Delapan negara bagian Australia Sydney, Melbourne, Brisbane, Perth, Canberra, Adelaide, Hobart, dan Darwin tahun 1987:Q4- 2007:Q4.

Ketidakmampuan model EWS terdahulu yang umumnya menggunakan binomial discrete-dependent-variable dalam membedakan periode di saat perekonomian tenang dengan antara krisis dan pasca krisis menimbulkan bias hasil estimasi sehingga model EWS tidak mampu bekerja dengan baik untuk mengantisipasi terjadinya krisis. Multinomial logit model memiliki kinerja lebih baik dibanding pendekatan binomial logit model ,sehingga penggunaan metode tersebut dapat meningkatkan kemampuan prediksi dari EWS. Pasar perumahan Australia konsisten dengan pasar lain di mana volatilitas kluster adalah bervariasi sepanjang waktu. Inflasi sebagai penentu volatilitas harga perumahan di tingkat nasional, sedangkan keterkaitan volatilitas perumahan bervariasi dari satu kota ke kota lain. Hal ini menunjukkan bahwa sub-nasional faktor harus dipertimbangkan dalam merumuskan kebijakan perumahan nasional di Australia.

xxxviii SKRIPSI




17.

Pornchokchai dan Perera (2005)

Habitat International

Survei pola pendudukan unit rumah dan perubahan harga terkait lebih dari satu dekade (1992-2001)

Data persentase jumlah unit rumah yang di huni (1995,1998 dan 2001), jumlah rumah yang terjual, dihuni (pemilik dan penyewa) dan tidak dihuni, rata-rata harga sewa bulanan, rata-rata harga rumah dan kenaikan, annual return (2001). 10.492 unit rumah dari 31 proyek perumahan sektor swasta pada di Thailand pada 7 komposisi proyek perumahan tipikal dibangun tahun 1992-2001.

Bukti empiris dalam makalah ini telah menunjukkan bahwa pembelian yang berlebihan dari unit rumah oleh spekulan menyebabkan investasi berlebihan oleh developer dalam menanggapi tingkat permintaan yang tidak realistis dan tidak berkelanjutan sehingga akan mengganggu tingkat keseimbangan. Akibatnya, sejumlah besar unit rumah murah yang dibangun menjadi barang spekulatif. Hanya sepertiga dari unit yang diproduksi dihuni oleh pengguna akhir. Satu pertiga lainnya menjadi akomodasi untuk pengguna sementara melalui pasar sewa dan sisanya tetap kosong. Oleh karena itu, dapat dilihat bahwa ketika semakin banyak orang yang berspekulasi membabi buta pada sektor perumahan, situasi dapat berkembang menjadi mania yang pada gilirannya dapat menyebabkan runtuhnya pasar. Blind speculation terjadi dalam lingkungan di mana ada informasi yang tersedia tidak memadai bagi pembeli potensial. Lembaga keuangan yang menawarkan keuangan tanpa menilai dinamika pasar, juga secara tidak sengaja mendorong spekulasi. Ketika setiap orang berinvestasi dalam properti dengan harapan keuntungan modal jangka pendek tanpa keputusan rasional berdasarkan informasi pasar yang akurat, pasar pada akhirnya akan runtuh dan pasti merugikan semua orang yang terlibat. Oleh karena itu, alasan utama kegagalan pasar di BMR yang ditemukan kurangnya informasi yang akurat dan kegagalan

xxxix SKRIPSI




untuk menggunakan data yang relevan dalam pengambilan keputusan.

18.

McQuinn, O'Reilly (2008)

dan

Economic Modelling

19.

Davis Karim (2008)

dan

Journal Financial Stability

of

Error Correction Model

Data kuartalan income per household, interest rate, house price dan borrowing Irlandia 1980:1 to 2005:4

Membandingkan sistem peringatan dini krisis perbankan antara prosedur Ekstraksi Sinyal dan Multinominal Logit.

Data tahunan makroekonomi (Real GDP growth, Change in terms of trade, Depreciation, Real interest rate, Inflation, Real GDP per capita, Fiscal balance/GDP,M2/international reserves, Private credit/GDP, Credit growth, dan Deposit

Peran suku bunga sebagai penentu utama pergerakan harga rumah yang hampir tidak terbantahkan. Dalam makalah ini kami diusulkan bahwa jadwal permintaan harga rumah dapat secara memadai diwakili oleh jumlah rata-rata pinjaman, yang ditentukan berdasarkan disposable income yang berlaku dan suku bunga. Pendekatan ini memiliki sejumlah atraksi. Hasil jangka panjang adalah kuat di estimator yang berbeda dan asumsi berbagai parameter yang berbeda mengenai jadwal hipotek. Analisis skenario menekankan bahwa lingkungan tingkat bunga rendah yang terjadi dalam zona eropa mendorong kenaikan harga rumah di Irlandia. Sebuah perubahan nyata dalam kondisi moneter beraliansi dengan moderasi dalam pertumbuhan ekonomi di eropa secara umum cenderung memiliki dampak langsung dan signifikan terhadap kondisi harga rumah di Irlandia. Sebuah perbandingan multinomial logit dan prosedur ekstraksi sinyal menunjukkan bahwa pertumbuhan PDB riil dan terms of trade merupakan indikator utama yang kuat dari krisis perbankan untuk sampel komprehensif. Apabila

suatu

multinomial

logit

xl SKRIPSI




insurance) dengan empat bentuk variabel penjelas: (i) makroekonomi (minus fiskal Credit growth), (ii) makroekonomi (minus fiscal  Credit growth) dengan keuangan, (iii) makroekonomi, fiskal dan keuangan serta (iv) \ makroekonomi, fiskal, keuangan dan kelembagaan. DD05 72 systemic crisis CK03 102 systemic crisis episodes tahun 1979–2003

20.

Quigley (2001)

Journal of Housing Economics

Kegiatan pasar real estate di Asia Tenggara dan Asia Timur adalah kekuatan kontribusi penting untuk krisis keuangan tahun 1997 dalam perekonomian Asia dengan pendekatan deskriptif kuantitatif

Data tahunan, the ratio of new office supply, imbalance between new supply and vacancy rates, the ratio of asset prices to market rents for commercial and retail real estate, bank credit growth rates, GNP growth, the ratio of nonperforming real estate loans to total loans, the size of the real estate sector

digunakan, transformasi yang memperhitungkan heterogenitas crosscountry dapat meningkatkan spesifikasi model karena penggunaan logit mencegah estimasi fixed effect. Pengoptimalan ambang batas (threshold) antar negara pada pendekatan ektraksi sinyal akan meningkatkan kemampuannya untuk memprediksi krisis dengan benar. Oleh karena itu, penggunaan model multinomial logit mungkin akan lebih cocok untuk EWS skala dunia sedangkan pendekatan ekstraksi sinyal mungkin akan lebih cocok untuk EWS negara tertentu. Ekspansi berlebihan di pasar properti tidak dengan sendirinya menyebabkan krisis ekonomi Asia. Namun demikian, hasil penelitian menunjukkan bahwa operasi pasar real estate memberikan kontribusi dalam cara penting untuk runtuhnya ekonomi Asia. Hal tersebut dapat dikaitkan dengan kombinasi dari praktek perbankan yang ketinggalan zaman dan pasar yang belum matang untuk properti. Dalam ekonomi agraria properti riil, lahan pertanian adalah yang terbaik dan sering menjadi satu-satunya agunan. Ini berarti bahwa metode penilaian agunan kurang berkembang atau tidak ada. Ketika properti rill merupakan satusatunya bentuk jaminan, ada insentif tambahan bagi sebuah perusahaan untuk membangun apresiasi pasar untuk meminjam dana untuk memperluas usaha .

xli SKRIPSI




22.

Goetzmann, Peng dan Yen (2011)


ARIMA  Mortgages Demand

Data bulanan indeks harga rumah Case-Shiller (MSA) 20 negara bagian Amerika Serikat, populasi dari ACS tahun 2006, tingkat pengangguran tahun 2006, persentase populasi diatas umur 65 tahun 2006, dan persentase populasi tingkat pendidikan tinggi tahun 2006. Data kuartalan terhadap semua negara bagian Amerika Serikat dari OFHEO, rasio kredit terhadap pendapatan, rasio LTV.

 Mortagages Supply

Ketidakmatangan pasar berarti bahwa kegiatan konstruksi banyak dilakukan bukan oleh pengembang profesional, tapi oleh perusahaan yang berniat untuk menggunakan produk sendiri. Pasar yang belum menghasilkan ditandai dengan lemahnya penyitaan dan hak milik secara hukum, yang mengurangi transparansi hubungan pinjaman dan risiko meningkat. Ketidakmatangan pasar juga ditandai dengan langkah-langkah untuk mengurangi kompetisi, misalnya dengan undang-undang yang melarang orang asing, perusahaan asing, dan bahkan usaha patungan untuk memiliki tanah. Modernisasi sistem perbankan untuk mengevaluasi pinjaman pada properti riil menggunakan metode penilaian, untuk mengenali bentuk-bentuk lain dari jaminan, dan untuk meningkatkan kompetisi adalah penting. Tetapi juga penting untuk memodernisasi peraturan, untuk meningkatkan persaingan, dan juga untuk membuat pinjaman bank transparan.  Bukti yang kuat dari kreditor prime dan subprime berisiko di banyak MSA dengan apresiasi harga yang lebih tinggi masa lalu.  Dua aspek dari efek permintaan:  Pertama, permintaan untuk hipotek baik prime dan subprime, dalam hal jumlah pinjaman dan volume aplikasi, peningkatan apresiasi harga masa lalu, tetapi permintaan untuk subprime mortgage mengalami peningkatan lebih.

xlii SKRIPSI




23.

Adiningsih, Setiawati dan Sholihah (2002)

Center for Asia and Pacific Studies Gadjah Mada University, Indonesia

Autoregressive Integrated Moving Average (ARIMA) residual model dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH) model

Mengikuti model yang dikembangkan oleh Herrera dan Garcia (1999) = M2/international reserves, real domestic credit growth, real exchange rate, dan inflation. Data bulanan dengan sampel Indonesia tahun 1990:52001:5

 Kedua, baik peminjam prime dan subprime ingin (atau diharuskan) meminjam dan berinvestasi lebih banyak dalam ekuitas rumah diberikan penghasilan mereka di MSA dengan besar kenaikan harga masa lalu  Analisis empiris kita dalam bagian ini menunjukkan bahwa apresiasi harga masa lalu mempengaruhi tidak hanya permintaan tetapi juga pasokan dari subprime mortgages.  Hal yang perlu dicatat bahwa pemberi pinjaman mungkin memiliki peningkatan permintaan hanya diakomodasi karena peningkatan modal. Periode terjadinya krisis dapat dideteksi melalui indikasi sinyal yang dikeluarkan dalam rentang 24 bulan sebelum krisis ekonomi terjadi; hasil estimasi menggunakan model GARCH maupun model ARIMA menunjukkan hasil yang sama; hasil pengidentifikasian contagion effect menggunakan 14 variabel fundamental ekonomi dan 3 negara digunakan sebagai variabel contagion menunjukkan bahwa hanya variabel fudamental ekonomi yang signifikan untuk menjelaskan terjadinya krisis di Indonesia; sedangkan, menggunakan empat variabel fundamental ekonomi hasilnya adalah fundamental ekonomi dan contagion signifikan menjelaskan terjadinya krisis di Indonesia; empat variabel leading

xliii SKRIPSI




24.

Tambunan (2002)

25.

Shi dan (2010)

Gao

LP3E-Kadin Indonesia, Jakarta

Signals approach; Index of Exchange market Pressure (IEP).

IEP = nominal exchange rate, net international reserves, dan domestic interest rate; Leading indicators = domestic inflation rate, M2/net international reserves, M2/total international reserves, domestic credit/GDP, growth of real domestic credit, import, terms of trade, dan bank loans/deposit ratio.

The Journal of Quantitative & Technical Economics

Signals approach KLR;

Mengikuti Kaminsky, Lizondo, dan Reinhart (1997): international reserves, hutang domestik terhadap GDP, ekspor, impor, M2/ International Reserve, terms of trade, perbedaan suku bunga pada tabungan, “kelebihan” M1 riil, rasio pinjaman terhadap suku bunga tabungan, Multiplier M2, deviasi nilai tukar riil, tingkat bunga rill pada tabungan, indeks output, indeks harga ekuitas, dan simpanan perbankan. Data tahunan dari 2007:01-2009:02

indicators (M2/international reserves, real domestic credit growth, real exchange rate, dan inflation) dapat digunakan untuk mendeteksi terjadinya krisis ekonomi di Indonesia serta mampu dengan baik menjelaskan bahwa terdapat juga pengaruh dari contagion effect dalam terjadinya krisis tersebut. Variabel dalam model EWS tidak semuanya bergerak sesuai dengan yang diprediksi pada saat terjadinya krisis nilai tukar di Indonesia tahun 1998; Pergerakan IEP dan composite index dari leading indicators menunjukkan bahwa puncak krisis ekonomi di Indonesia terjadi pada tahun 1998, dimana hal tersebut dapat diketahui dari sinyal yang dikeluarkan oleh composite index pada tahun 1997 (12 bulan sebelum krisis terjadi); Krisis ekonomi yang terjadi di Indonesia tidak hanya disebabkan oleh faktor-faktor ekonomi namun juga diakibatkan oleh faktor non-ekonomi, seperti masalah sosial dan politik. Berbeda dengan krisis tahun 1990-an, krisis saat ini berasal dari negara-negara maju, dan menyebar ke ekonomi global akan lebih jauh jangkauannya; Model KLR asli berdasarkan krisis di negaranegara berkembang tidak bisa sepenuhnya kompatibel dengan lingkungan ekonomi saat ini untuk base money dan sistem indikator, sehingga harus diubah; Kami melakukan beberapa ramalan untuk 22 negara sampel menggunakan model amendatory. Hasilnya menunjukkan bahwa kemungkinan keseluruhan krisis bagi

xliv SKRIPSI




dengan sampel 22 negara seperti chile, Zona Eropa, Islandia, India, Jepang, Korea Selatan, Malaysia, Meksiko, Pakistan, Rusia, Inggris, Amerika Serikat, Vietnam, Argentina, Australia, Brazil, China, Indonesia, Norwegia, Filipina, Afrika Selatan, dan Thailand.

negara-negara maju lebih tinggi dari pasar negara berkembang ;Meskipun probabilitas secara keseluruhan rendah untuk pasar negara berkembang, negaranegara ini juga terkena dampak besar dari krisis keuangan. Jatuhnya ekspor secara langsung mempengaruhi ekonomi riil dan tingkat kerja. Meskipun model KLR menunjukkan efek peringatan dini yang baik, terdapat beberapa kekurangan.  Pertama, masalah yang paling sulit adalah bagaimana menentukan awal krisis.  Kedua, kita dibatasi oleh data yang tersedia (ada indikator makroekonomi maupun perbankan yang tidak tersedia dalam bentuk data bulanan).  Ketiga, beberapa leading indicators baik di masa lalu tidak dapat selalu menjaga efek peringatan yang sangat baik dan beberapa indikator kurang baik mungkin atau bahkan efektif untuk memprediksi.  Keempat, menggunakan faktor-faktor kelembagaan, termasuk perubahan dalam sistem politik, ke dalam model merupakan tantangan besar.  Yang terakhir adalah faktor yang menyebabkan krisis tidak dapat langsung dilihat dalam model, dan juga tidak diajukan setiap saran kebijakan.

xlv SKRIPSI




26.

Jurlin, Puljiz dan Vuckovic (2011)

Statistik inferensial, Analisis korelasi.

Data tahunan : GDP, employment, pbulic

debt;

international

investment net position; external balance of goods and services in % of

GDP,

stock

market

capitalization, gross saving in % of GDP, gross value added (financial intermediation and real estate), household

and

NPISH

final

consumption expenditure in GDP, housing-water-electricity-gas

and

other fuel price index (2005=100), inflation-HICP (2005=100), actual rentals for housing (2005=100), terms of trade index unit value of exports/unit

value

of

imports

(2005=100), dan survey indicators (soundness of banks, strength of auditing and accounting standards, financial

market

sophistication,

Penelitian ini menyajikan sebuah pandangan terhadap kajian teoritis dan empiris dari EWS serta menawarkan beberapa wawasan baru tentang variabel leading sebagaimana juga misleading indicators untuk krisis ekonomi yang terjadi di masa mendatang dengan berdasarkan pada pengalaman masa lalu; Analisis empiris mengenai dampak krisis 2007-2008 dalam penelitian ini dimulai dengan membangun sebuah composite indicator yang disusun dari standarisasi nilai variabel GDP, employment, dan public debt menjadi Crisis Resilience Indicator. Selanjutnya, Crisis Resilience Indicator digunakan untuk menguji sekelompok variabel yang diidentifikasikan berpotensi sebagai leading indicators; Hasil analisis pada penelitian ini menunjukkan bahwa hampir semua indikator atau variabel yang digunakan signifikan di salah satu bentuk level atau dynamic saja, sehingga perlu perhatian lebih ketika menentukan antara pendekatan level atau dynamic dalam menyeleksi indikator-indikator tersebut.

ease of access to loans, favoritism in

decisions

officials,

of

government

government spending,

public trust of politicians, flexibility of wage determination, hiring and

xlvi SKRIPSI




firing

practices,

recession

expectations). Dengan

sampel

27

kelompok

negara Uni Eropa dan Kroasia tahun 2005-2007 27.

Edison (2000)

Federal Reserve

Mengadopsi Signal Approach yang dipelopori

Data tahunan : Deviation of the

Model EWS pada penelitian ini dibangun

oleh Kaminsky, Lizondo, dan Reinhart (1998).

real

berdasarkan evaluasi kinerja indikator

exchange

rate,

imports,

exports, foreign exchange reserves,

sesuai dalam sampel data dan

M2/foreign exchange reserves, real

kemungkinan sebuah krisis di luar sampel

interest rate differential, short-term

data.

debt/reserves,

kegunaannya

industrial

Model

EWS dalam

juga

menunjukkan mengidentifikasi

production, equity indices, M2

kerentanan terjadi krisis;

multiplier, domestic credit/GDP,

Hasil kinerja EWS bermacam-macam.

domestic real interest rates,excess

Model

real M1 balances, commercial

menghasilkan banyak false alarm karena

bank

lending/deposit

sebagian besar dari sampel data yang

interest rates, G-7 output, US

digunakan memasukkan periode non-

output, US interest rate, dan oil

krisis;

prices.

alamiahnya

deposits,

Dengan (Argentina,

sampel

EWS

Krisis

pada

penelitian

nilai

adalah

tukar

tidak

ini

secara

pasti

dan

28

Negara

karenanya susah untuk diprediksi. Model

Bolivia,

Brazil,

EWS membantu dalam mengidentifikasi

Kolombia,

Denmark,

Finlandia,

negara-negara

Indonesia,

Israel,

Malaysia,

terhadap

yang

krisis,

paling

namun

Meksiko, Peru, Filipina, Spanyol,

berkinerja

Swedia, Thailand, Turki, Uruguay,

memprediksi waktu yang tepat

buruk

saat

rentan

model

ini

digunakan dari

xlvii SKRIPSI




Venezuela, Chile, dan Norwegia);

sebuah krisis akan terjadi;

tahun 1970:1-1995:12.

Hasil

analisis

memberikan

pada

penelitian

pengetahuan

ini

mengenai

beberapa variabel yang dapat digunakan sebagai indikator kerentanan terjadinya krisis

keuangan.

Beberapa

variabel

tersebut adalah: kenaikan nilai tukar riil dibanding tren-nya, tingginya rasio utang jangka pendek terhadap cadangan devisa, tingginya rasio M2 terhadap cadangan devisa, penurunan drastis pada cadangan valuta asing, dan perununan sangat tajam pada harga-harga saham. 28.

Herrera dan Garcia (1999)

World Bank

Membangun composite index, IMV (Index of

Data

Macroeconomic Vulnerability); GARCH, ARMA

exchange rate, domestic credit

dengan

(Autoregressive and Moving Average), MA

growth

terms,

terjadinya krisis yang diakibatkan oleh

(Moving Average), dan ARIMA residual model.

M2/international

reserves,

kerawanan makroekonomi pada studi di

inflation, dan stock market price in

beberapa negara Amerika Latin; Namun,

local currency deflated by the CPI

model EWS ini perlu pengembangan

(Consumer Price Index).

lebih lanjut karena masih tingginya nilai

Dengan sampel Argentina, Brazil,

type I error dan type II error pada kasus

Chile,

tersebut.

bulanan

in

Real

effective

real

Kolombia,

Ekuador,

Penerapan EWS model dapat bekerja baik

dalam

mengantisipasi

Meksiko, Peru, dan Venezuela, data time series 1980-1998:6.

xlviii SKRIPSI




29.

Andreou et al. (2007)

Centre National de la Recherce Scientifique

Signal Approach

Data kuartalan M2/nominal GDP,

Pada penelitian ini diajukan sebuah

M2/foreign exchange reserves, real

pengukuran probabilitas krisis keuangan

exchange rate, value of exports and

berdasarkan aggregate indicator, dimana

imports,

presentase false alarms dan proporsi

current

balance/GDP,

account

commercial

bank

missed signals dikombinasikan untuk

deposits, domestic credit/GDP, dan

selanjutnya digunakan sebagai penilaian

GDP

terhadap

growth.

Dengan

sampel

kerentanan

(vulnerability)

negara Rusia, Hungaria, Polandia,

perekonomian suatu negara terkena krisis;

Slovakia,

Masalah

Kazakhstan;

Rep. Data

1996:Q1-2003:Q3.

Ceko,

dan

kuartalan,

penting

dalam

membangun

model EWS tidak hanya terletak pada kemampuan sistem dalam menghasilkan prediksi krisis yang benar tetapi model EWS juga dapat memberikan tanda peringatan terlebih dahulu sebelum krisis yang akan datang terjadi; Untuk

tujuan

pencegahan

maka

pengambil kebijakan (policymakers) perlu adanya indikasi peringatan lebih dulu (advance warning) dalam jangka panjang atau jangka pendek daripada dilakukan tiba-tiba, sesaat sebelum krisis terjadi;

EWS pada penelitian ini berkinerja cukup baik untuk negara dalam sampel, namun letak penelitian lebih lanjut dapat

xlix SKRIPSI




diarahkan melalui penambahan indikator dampak penularan krisis

untuk

(contagion effect)

meningkatkan

performa

sebuah model EWS.

30.

Sugandi (2004)

BEMP Juni 2004 (Bank Indonesia)

Leading indicator models.

Data time series bulanan, Exchange

Bentuk gabungan (composite) variabel

Market Pressure (EMP) = nominal

lebih baik dalam memprediksi terjadinya

interest rate, nominal exchange

krisis

nilai

tukar

di

rate, dan international reserves;

dibandingkan

secara

individu

base money (M0) growth, base

variabel;

money/international

reserves,

Variabel REER misalignment over its

international reserves/base money,

trend value dan deposit money bank’s

narrow

foreign assets growth menjadi indikator

money

narrow

(M1)

growth,

money/international

reserves,

international

reserves/narrow

terbaik

dalam

tiap

memprediksi

terjadinya krisis nilai tukar di Indonesia;

narrow

Terjadinya krisis nilai tukar diindikasikan

seasonally

melalui sinyal yang dikeluarkan oleh

adjusted narrow money (M1SA)

masing-masing variabel terbaik secara

growth, seasonally adjusted narrow

individu maupun bentuk composite dalam

money/international

reserves,

kurun waktu 24 bulan sebelumnya, dan ;

reserves/seasonally

Krisis nilai tukar yang terjadi di Indonesia

adjusted narrow money, seasonally

disebabkan oleh real misalignment of

adjusted narrow money multiplier,

rupiah over its trend value serta didahului

quasi

oleh terjadinya excessive foreign assets

money

money,

yang

Indonesia

multiplier,

international

money

growth,

money/international

quasi reserves,

growth in deposit money bank.

l SKRIPSI




international reserves/quasi money, quasi

money

money

(M2)

multiplier,

broad

growth,

broad

money/international international

reserves, reserves/broad

money, broad money multiplier, monetary authority’s foreign assets growth,

monetary

foreign

authority’s

assets/total

assets,

monetary

authority’s

foreign

liabilities

growth,

monetary

authority’s foreign liabilities/total liabilities, foreign assets growth in monetary system, foreign assets to total assets ratio in monetary system, credit to private sector (private

lending)

growth

in

monetary system, domestic credit growth

in

monetary

system;

imports growth, exports growth, trade

balance

surplus,

trade

balance surplus growth, REER (Real Effective Exchange Rate), REER

misalignment

from

its

equilibrium or par value, REER

li SKRIPSI




misalignment over its trend value; deposit money bank’s private loan to deposit ratio, deposit money bank’s total loan to deposit ratio, deposit money bank’s credit to private sector (private lending) growth,

deposit

foreign

assets

money

bank’s

growth,

deposit

money bank’s foreign liabilities to total liabilities ratio, deposit money bank’s foreign assets to total assets ratio,

JCI

(Jakarta

Composite

Index) growth, JCI volatility; trade balance

surplus/GDP,

balance

trade

surplus/international

reserves, trade volume growth, REER

volatility,

volume/GDP,

trade

volume/international trade

balance

volume, surplus/GDP,

trade

reserves, surplus/trade

current current


account account reserves,

financial account surplus, financial account surplus growth, financial

lii SKRIPSI




account account

surplus/GDP,

financial


reserves, foreign direct investment value, foreign direct investment growth,

portfolio

&

other

investment value, portfolio & other investment growth. Dengan sampel spesifik negara Indonesia, tahun 1981:1 – 2002:12.

liii SKRIPSI



ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA LAMPIRAN. Tabel A HASIL PENGGOLONGAN SINYAL KRISIS BERDASARKAN METODE SIGNAL APPROACH

Recommend Documents