ANALISIS HUBUNGAN DINAMIS ANTARA INDEKS HARGA SAHAM GABUNGAN DAN KREDIT PERBANKAN DI INDONESIA
OLEH DINI NUR OKTAVIANTI H14060605
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011
RINGKASAN
DINI NUR OKTAVIANTI. Analisis Hubungan Dinamis Antara Indeks Harga Saham Gabungan dan Kredit Perbankan di Indonesia (dibimbing oleh IMAN SUGEMA).
Pasar modal memiliki peran yang sangat penting dalam perekonomian Indonesia, dimana pasar modal berperan sebagai lembaga intermediasi dana dari pihak pemilik dana kepada pihak yang membutuhkan dana melalui aktivitas investasi. Perkembangan pasar modal dapat dilihat dari salah satu indikator pasar modal yaitu instrumen saham. Saham adalah suatu bentuk penyertaan modal (equity capital) atau bukti posisi kepemilikan dalam suatu perusahaan. Saham selain sebagai refleksi dari pasar modal, juga memiliki fungsi lain yaitu sebagai komponen dalam transmisi moneter, yaitu ketika harga saham mengalami peningkatan maka pada akhirnya akan terjadi peningkatan pemberian kredit oleh bank. Dalam hal ini kredit merupakan salah satu unsur penting bagi dunia usaha untuk meningkatkan produktivitasnya. Meningkatnya produktivitas ini diharapkan dapat menciptakan kondisi dunia usaha yang kondusif sehingga dapat meningkatkan investasi yang pada akhirnya berimplikasi pada meningkatnya output nasional. Penelitian ini bertujuan untuk menganalisis hubungan dinamis antara indeks harga saham gabungan dengan total kredit yang disalurkan perbankan. Data sekunder yang dikumpulkan berupa data bulanan periode Januari 2002 sampai Desember 2009 dengan variabel makroekonomi Exchange Rate (ER), SBI rate, Consumer Price Index (CPI), dan Industrial Production Index (IPI). Analisis data yang digunakan menggunakan metode Vector Autoregression (VAR) dan Vector Error Correction Model (VECM). Fokus pembahasan dalam penelitian ini adalah hasil Impulse Response Function (IRF) dan Variance Decomposition (VD). Berdasarkan hasil IRF, guncangan variabel IHSG, SBI, CPI dan ER sebesar satu standar deviasi direspon negatif oleh Kredit sepanjang periode peramalan sedangkan ketika diguncang oleh variabel IPI, Kredit merespon positif sepanjang periode peramalan. Ketika variabel IPI diguncang oleh variabel Kredit dan IHSG, IPI merespon positif untuk variabel Kredit dan merespon negatif untuk variabel IHSG. Ketika IHSG diguncang oleh variabel Kredit dan IPI, IHSG merespon negatif sepanjang periode peramalan. Hasil VD menunjukkan bahwa variabel Kredit itu sendiri dan IPI yang memiliki pengaruh besar dalam menjelaskan variabilitas Kredit.
ANALISIS HUBUNGAN DINAMIS ANTARA INDEKS HARGA SAHAM GABUNGAN DAN KREDIT PERBANKAN DI INDONESIA
Oleh DINI NUR OKTAVIANTI H14060605
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011
Judul Skripsi : Analisis Hubungan Dinamis Antara Indeks Harga Saham Gabungan dan Kredit Perbankan di Indonesia Nama
: Dini Nur Oktavianti
NIM
: H14060605
Menyetujui, Dosen Pembimbing,
Dr. Ir. Iman Sugema, M.Ec NIP. 1964 0502 1989031003
Mengetahui, Ketua Departemen Ilmu Ekonomi,
Dr. Ir. Dedi Budiman Hakim NIP. 1964 1022 1989031003
Tanggal Kelulusan :
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI
INI ADALAH
BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN
SEBAGAI
SKRIPSI
ATAU
KARYA
ILMIAH
PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Maret 2011
Dini Nur Oktavianti H14060605
RIWAYAT HIDUP
Penulis bernama Dini Nur Oktavianti lahir pada tanggal 27 Oktober 1988 di Jakarta. Penulis adalah anak pertama dari dua bersaudara, dari pasangan Doso Nurwantomo dan Ernawati Soewaryo. Jenjang pendidikan penulis dilalui tanpa hambatan, penulis menamatkan taman kanak-kanak pada TK Fatahillah Jakarta kemudian melanjutkan sekolah dasar pada SDN Kebagusan 02 Pagi Jakarta, setelah itu melanjutkan ke SLTPN 41 Jakarta dan lulus pada tahun 2003. Pada tahun yang sama penulis diterima di SMAN 55 Jakarta dan lulus pada tahun 2006. Pada tahun 2006 penulis melanjutkan studi ke jenjang yang lebih tinggi. Institut Pertanian Bogor (IPB) menjadi pilihan penulis dengan harapan besar agar dapat memperoleh ilmu dan mengembangkan pola pikir yang jauh lebih baik. Penulis masuk IPB melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima sebagai mahasiswa Program Studi Ilmu Ekonomi pada Fakultas Ekonomi dan Manajemen. Selama menjadi mahasiswa, penulis aktif dalam organisasi HIPOTESA (INTEL) dan Agroedutourism IPB. Selain itu penulis juga aktif dalam kepanitiaan seperti Hipotex-R 2008, Futsal Nasional 2007, dan Pekan Pertanian Indonesia 2007.
KATA PENGANTAR
Segala puji syukur ditujukan untuk Allah SWT atas rahmat dan karuniaNya penulis mendapat kekuatan dan kesabaran dalam setiap langkah penyusunan skripsi ini. Shalawat dan salam senatiasa dilimpahkan kepada baginda Rasulullah saw. Skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi Manajemen IPB. Adapun judul skripsi ini adalah “ Analisis Hubungan Dinamis Antara Indeks Harga Saham Gabungan dan Kredit Perbankan di Indonesia”. Penulis mengucapkan terima kasih kepada berbagai pihak yang telah memberikan bantuan dan bimbingan kepada penulis sehingga skripsi ini dapat diselesaikan dengan baik, khususnya kepada : 1. Dr. Ir. Iman Sugema, M.Ec selaku dosen pembimbing skripsi yang telah memberikan bimbingan baik secara teknis, teoritis maupun moril dalam proses penyusunan skripsi ini sehingga dapat diselesaikan dengan baik. 2. Dr. Ir. Dedi Budiman Hakim sebagai dosen penguji utama dalam sidang skripsi yang telah memberikan kritik dan saran yang sangat berharga dalam penyempurnaan skripsi ini. 3. Deniey A. Purwanto, MSE selaku komisi pendidikan yang memberikan banyak informasi mengenai tata cara penulisan skripsi yang baik. 4. Seluruh jajaran staf Departemen Ilmu Ekonomi atas segala bantuan dan kerjasamanya. 5. Kedua Orangtua Bapak Doso Nurwantomo dan Ibu Ernawati Soewaryo dan adik Irma Yunita, yang telah memberikan perhatian, semangat, motivasi, dukungan baik moral maupun material serta doa bagi penulis dalam menyelesaikan skripsi ini. 6. Agni Afton Adiyoga atas bantuan, semangat, doa, perhatian dan motivasi yang telah diberikan.
7. Maria Catherine Iryani dan Nanang Andrian sebagai teman seperjuangan atas dukungan dan kerjasamanya. 8. Mutiara Probokawuryan, Pika Kartika Nugraha, Amalia Ullianjari, Ukke Henstresna Lestari, Vimala Agustina, Khilqa Istitho Ati Putri, Bungsu Andianti Mustopa, Desnita Suryantini, Widya Adiningsih, Ratna Ningsih, Fitria Faradila, Elsha Surya Respita dan lainnya yang tidak bisa disebutkan satu persatu, atas bantuan, semangat, dan doa bagi penulis dalam menyelesaikan skripsi ini. 9. Kak Marhamah Muth dan Kak Ade Holis yang telah sangat sabar membimbing dan mendukung sejak awal penyusunan skripsi ini.
10. Dina Mawardah, Nia Prasetyo Utomo dan Fauziah Naryuningtias untuk kebersamaannya sejak awal masuk kuliah hingga saat ini.
11. Semua pihak yang telah membantu penulis dalam penyelesaian skripsi ini namun tidak bisa penulis sebutkan satu persatu. Penulis menyadari bahwa dalam menyusun skripsi ini masih terdapat kekurangan. Oleh karena itu, segala kesalahan yang terjadi dalam penelitian ini, sepenuhnya menjadi tanggung jawab penulis. Semoga skripsi ini dapat diridhai oleh Allah SWT dan bermanfaat bagi penulis maupun pihak lain yang membutuhkan.
Bogor, Maret 2011
Dini Nur Oktavianti H14060605
i
DAFTAR ISI
Halaman DAFTAR ISI ………………………………………………………………..
i
DAFTAR TABEL ..........................................................................................
iii
DAFTAR GAMBAR .....................................................................................
iv
DAFTAR LAMPIRAN ..................................................................................
v
I. PENDAHULUAN ………………………………………………………
1
1.1. Latar Belakang ……………………………………………………..
1
1.2. Perumusan Masalah ………………………………………………...
3
1.3. Tujuan Penelitian …………………………………………………...
4
1.4. Manfaat Penelitian ………………………………………………….
4
1.5. Ruang Lingkup Penelitian…………………………………………...
4
II. TINJAUAN PUSTAKA …………………………………………………
6
2.1. Definisi, Jenis-Jenis, dan Fungsi Kredit..............................................
6
2.2. Pasar Modal ................................……………………………………
9
2.2.1. Definisi Pasar Modal……………….......................................
9
2.2.2. Instrumen Pasar Modal .............……….......……………......
11
2.3. Indeks Harga Saham Gabungan................................………………..
13
2.4. Sertifikat Bank Indonesia (SBI).........................………………….....
14
2.5. Teori Inflasi ………..………………………………………………..
15
2.6. Indeks Harga Konsumen (IHK)..........................................................
16
2.7. Pertumbuhan Ekonomi …………….....……………………………..
16
2.8. Nilai Tukar ……………………………………….....………............
17
2.9. Mekanisme Transmisi Melalui Jalur Kredit (Credit Channel)……...
18
2.9.1. Jalur Pinjaman Bank (Bank Lending Channel) ........................
18
2.9.2. Jalur Neraca Perusahaan (Balance Sheet Channel) .................
19
2.10. Penelitian Terdahulu ..........................................................................
20
ii
2.11. Kerangka Pemikiran ...........................................................................
21
2.12. Hipotesis Penelitian ............................................................................
22
III. METODE PENELITIAN ………………………………………….........
23
3.1. Jenis dan Sumber Data ……………………………………………...
23
3.2. Metode Analisis Data …………………………….............................
23
3.2.1 Model Umum VAR ……………………………....................
25
3.2.2 Uji Stasioneritas .....................................................................
26
3.2.3 Pemilihan Lag Optimum ........................................................
27
3.2.4 Uji Stabilitas Model VAR ......................................................
27
3.2.5 Uji Kointegrasi .......................................................................
28
3.2.6 Model Umum Vector Error Correction .................................
29
3.2.7 Impuls Response Function (IRF) ...........................................
29
3.2.8 Variance Decomposition (VD) ..............................................
30
3.3. Model Penelitian …………………………………………….....…...
30
IV. HASIL DAN PEMBAHASAN …...………………………………….....
32
4.1. Hasil Estimasi VAR ...........................................................................
32
4.1.1. Uji Stasioneritas ...................................................................
32
4.1.2. Pemilihan Lag Optimum ……...................................……...
33
4.1.3. Uji Stabilitas Model VAR ....................................................
34
4.1.4. Uji Kointegrasi .....................................................................
35
4.2. Pemodelan VECM ……....................................................................
35
4.3. Analisis Impuls Response Function …………...................................
37
4.3.1. Analisis Impuls Response Function untuk Kredit …..........
37
4.3.2. Analisis Impulse Response Function untuk IPI........….......
41
4.3.3. Analisis Impulse Response Function untuk IHSG .............
42
4.3.4. Analisis Variance Decomposition ........................................
43
V. PENUTUP ......................................……………………………………...
44
6.1. Kesimpulan …………………………………………………………
44
6.2. Saran ………………………………………………………………...
44
DAFTAR PUSTAKA ………………………………………………………..
46
LAMPIRAN .....................................................................................................
49
iii
DAFTAR TABEL
No.
Halaman
4.1
Hasil Pengujian Akar Unit Pada Level ..........................……………....
32
4.2
Hasil Pengujian Akar Unit Pada First Difference ........………………..
33
4.3
Penentuan Lag Optimal ................................................…......................
33
4.4
Hasil Uji Stabilitas Model VAR ...........................................……….....
34
4.5
Uji Kointegrasi Johansen ...................................................…………....
35
4.6
Hasil Estimasi VECM ....................................…………........................
36
4.7
Variance Decomposition ........................................................................
43
iv
DAFTAR GAMBAR
No.
Halaman
1.1.
Pergerakan IHSG ...............………………………...………………....
2
1.2.
Pergerakan Pemberian Kredit Dan IHSG .....................……….....…..
3
2.1
Kerangka Pemikiran ....................................................…......................
22
4.7
Respon Kredit Terhadap Guncangan Variabel IHSG, SBI, CPI, ER, Dan IPI……….......................................................................................
39
4.8
Respon IPI Dalam Menghadapi Guncangan Kredit Dan IHSG ............
41
4.9
Respon IHSG Dalam Menghadapi Guncangan Kredit Dan IPI ............
42
v
DAFTAR LAMPIRAN
Lampiran
Halaman
1.
Uji Stasioneritas Data
49
2.
Penentuan Lag Optimal
52
3.
Uji Stabilitas
52
4.
Uji Kointegrasi
53
5.
Hasil Estimasi VECM
54
6.
Hasil IRF Kredit
56
7.
Hasil IRF IPI
57
8.
Hasil IRF IHSG
58
9.
Hasil VD Kredit
59
1
I.
1.1
PENDAHULUAN
Latar Belakang Pasar modal memiliki peran yang sangat penting dalam perekonomian
Indonesia, melalui aktivitas investasi. Dengan diberlakukannya kebijakan perekonomian terbuka, pasar bebas dan perkembangan teknologi yang pesat; investor akan menjadi mudah mengakses pasar modal di seluruh dunia. Fakta menunjukkan bahwa pasar modal merupakan salah satu indikasi perkembangan perekonomian suatu negara sehingga mengisyaratkan betapa pentingnya pasar modal di suatu negara (Setyastuti, 2004). Perkembangan pasar modal dapat dilihat dari salah satu indikator pasar modal yaitu saham. Saham adalah suatu bentuk penyertaan modal (equity capital) atau bukti posisi kepemilikan dalam suatu perusahaan (Bapepam, 1997). Perkembangan harga saham dari tahun ke tahun cenderung meningkat. Hal ini menunjukkan bahwa minat masyarakat untuk menanamkan investasi di pasar modal semakin besar. Meningkatnya harga saham dari tahun ke tahun dapat dilihat pada Gambar 1.1. Berdasarkan gambar tersebut terlihat bahwa dari tahun ke tahun harga saham semakin meningkat tetapi pada Oktober 2008 harga saham mengalami penurunan yang sangat tajam. Hal ini disebabkan karena terjadinya krisis global. Penurunan harga saham ini tidak berlangsung lama karena memasuki tahun 2009 harga saham kembali meningkat.
2
Gambar 1.1. Pergerakan IHSG 3000 2500
Point
2000 1500 1000 500
Jul-09
Jan-09
Jul-08
Jan-08
Jul-07
Jan-07
Jul-06
Jan-06
Jul-05
Jan-05
Jul-04
Jan-04
Jul-03
Jan-03
Jul-02
Jan-02
Jul-01
Jan-01
Jul-00
Jan-00
0
Sumber : Bursa Efek Indonesia, 2010 (diolah).
Selain sebagai refleksi dari pasar modal, saham juga memiliki fungsi lain yaitu sebagai komponen dalam transmisi moneter. Hal tersebut dijelaskan dalam Mishkin (1998) bahwa jika harga saham mengalami peningkatan maka pada akhirnya akan terjadi peningkatan pemberian kredit oleh bank. Dalam hal ini kredit merupakan salah satu unsur penting bagi dunia usaha untuk meningkatkan produktivitasnya. Meningkatnya produktivitas ini diharapkan dapat menciptakan kondisi dunia usaha yang kondusif sehingga dapat meningkatkan investasi yang pada akhirnya berimplikasi pada meningkatnya output nasional. Selain itu dalam penelitian Andriyani (2008), disebutkan bahwa dengan berlakunya bank lending channel di Indonesia menyebabkan pendanaan aktivitas ekonomi melalui penyaluran kredit perbankan semakin menguatkan posisi kredit sebagai salah satu instrumen untuk mendorong pertumbuhan ekonomi. Berdasarkan penjelasan di atas maka dapat disimpulkan bahwa instrumen harga saham dan kredit bank (bank lending) sangatlah penting dalam sektor moneter.
3
1.2
Perumusan Masalah Mishkin (1998) menyatakan bahwa ketika terjadi ekspansi moneter yang
mendorong
peningkatan
harga
saham,
akhirnya
akan
mengakibatkan
meningkatnya pemberian kredit oleh bank. Berdasarkan teori tersebut, ternyata fakta yang terjadi di Indonesia memperlihatkan bahwa terjadi pergerakan yang searah antara pemberian kredit oleh perbankan dengan harga saham. Hal ini dapat dilihat pada Gambar 1.2. bahwa persentase pemberian kredit oleh bank sejalan dengan persentase indeks harga saham gabungan di Bursa Efek Jakarta selama periode 2002-2009. Gambar 1.2. Pergerakan Pemberian Kredit dan IHSG 50,00 40,00 30,00 20,00
total kredit
10,00
ihsg Mei-09
Sep-08
Jan-08
Mei-07
Sep-06
Jan-06
Mei-05
Sep-04
Jan-04
Mei-03
Sep-02
Jan-02
Mei-01
Sep-00
Jan-00
0,00
Sumber : SEKI BI dan BEJ, 2010 (diolah)
Berdasarkan hal di atas, perlu dilihat lebih lanjut mengenai hubungan antara harga saham dan pinjaman bank. Maka dari itu, permasalahan yang dirumuskan dalam penelitian ini adalah sebagai berikut : 1.
Apakah harga saham mempengaruhi pemberian kredit (bank loan)?
2.
Bagaimana pengaruh kredit perbankan terhadap sektor riil?
4
1.3
Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut : 1.
Mengetahui pengaruh dari harga saham terhadap pinjaman bank (bank loan) di Indonesia.
2.
Menganalisis pengaruh kredit perbankan terhadap sektor riil.
1.4
Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat berguna bagi pihak-pihak yang
berwenang sebagai referensi dalam menentukan kebijakan ekonomi. Selain itu, penelitian ini juga diharapkan memberikan manfaat bagi para pembaca sebagai referensi untuk penelitian lebih lanjut. Bagi penulis sendiri, penelitian ini merupakan wadah pembelajaran untuk menerapkan ilmu yang telah diperoleh.
1.5
Ruang Lingkup Penelitian Penelitian ini merupakan riset replikasi yang mengacu pada penelitian
yang dilakukan oleh Ibrahim (2006) yang bertujuan untuk menganalisis interaksi dinamis antara kredit dengan harga saham dan melihat apakah kredit mempunyai peran dalam menyalurkan guncangan di sektor keuangan ke sektor riil. Analisis data yang digunakan menggunakan metode Vector Autoregression (VAR) dan Vector Error Correction Model (VECM), namun pembahasan dalam penelitian ini lebih difokuskan pada hasil Impulse Response Function (IRF) dan Variance Decomposition (VD). Data yang digunakan adalah total kredit bank umum, Consumer Price Index (CPI), nilai tukar, Sertifikat Bank Indonesia (SBI) rate,
5
Indeks Harga Saham Gabungan (IHSG) dan Industrial Production Index (IPI). Periode penelitian dilakukan dari bulan Januari 2002 hingga Desember 2009.
6
II.
2.1
TINJAUAN PUSTAKA
Definisi, Jenis-Jenis dan Fungsi Kredit Menurut asal mulanya, kata kredit berasal dari kata credere yang artinya
adalah kepercayaan, maksudnya adalah apabila seseorang memperoleh kredit maka berarti mereka memperoleh kepercayaan (Kasmir, 2004 dalam Andriyani, 2008). Sedangkan, bagi pemberi kredit artinya memberikan kepercayan kepada seseorang bahwa uang yang dipinjamkan pasti kembali. Bila dikaitkan dengan kegiatan usaha, kredit berarti suatu kegiatan memberikan nilai ekonomi kepada seseorang atau badan usaha berlandaskan kepercayaan saat itu, bahwa nilai ekonomi yang sama akan dikembalikan kepada kreditur setelah jangka waktu tertentu sesuai dengan kesepakatan yang sudah disetujui kreditur dan debitur. Pengertian kredit menurut Undang-Undang Perbankan nomor 10 tahun 1998 adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam melunasi hutangnya setelah jangka waktu tertentu dengan pemberian bunga. Pengertian tersebut menjelaskan bahwa kredit dapat berupa uang atau tagihan yang nilainya diukur dengan uang, misalnya bank membiayai kredit untuk pembelian rumah. Kesepakatan yang terjadi antara bank (kreditur) dan nasabah (debitur) akan menghasilkan perjanjian yang mencakup hak dan kewajiban masing-masing pihak, termasuk jangka waktu serta besarnya bunga yang ditetapkan bersama.
7
Beragamnya jenis kegiatan usaha mengakibatkan beragam pula kebutuhan akan jenis kreditnya. Dalam praktiknya, pemberian fasilitas kredit oleh bank kepada masyarakat dan dunia usaha dikelompokkan ke dalam beberapa jenis. Pembagian jenis ini ditujukan untuk mencapai sasaran atau tujuan tertentu mengingat setiap jenis usaha memiliki berbagai karakteristik tertentu. Dilihat dari segi kegunaan, kredit dibagi menjadi dua jenis, yaitu kredit investasi dan kredit modal kerja. Kredit investasi adalah kredit yang digunakan untuk keperluan perluasan usaha atau membangun proyek dan pabrik baru dimana masa pemakaiannya untuk suatu periode yang relatif lebih lama dan biasanya kegunaan kredit ini adalah untuk kegiatan utama perusahaan. Kredit modal kerja merupakan kredit yang digunakan untuk keperluan meningkatkan produksi dalam kegiatan operasionalnya, misalnya untuk membeli bahan baku, membayar gaji pegawai atau biaya-biaya lainnya yang berkaitan dengan proses produksi perusahaan. Jika dilihat dari segi tujuan pemakaian, kredit dapat dibedakan menjadi tiga jenis, yaitu kredit produktif, kredit konsumtif, dan kredit perdagangan. Kredit produktif adalah kredit yang digunakan untuk peningkatan usaha, produksi atau investasi. Kredit ini diberikan dengan tujuan pemakaian untuk menghasilkan barang dan jasa. Kredit konsumtif merupakan kredit yang digunakan untuk konsumsi atau dipakai secara pribadi. Kredit perdagangan merupakan kredit yang digunakan untuk kegiatan perdagangan dan biasanya untuk membeli barang dagangan yang pembayarannya diharapkan dari hasil penjualan barang dagangan tersebut.
8
Fungsi kredit perbankan dalam kehidupan perekonomian antara lain sebagai berikut : 1. Kredit dapat meningkatkan daya guna dari uang, dalam arti : a. Para pemilik uang atau modal dapat secara langsung meminjamkan uangnya
kepada
para
pengusaha
yang
memerlukan
untuk
meningkatkan produksi atau usahanya. b. Para pemilik uang atau modal dapat menyimpan uangnya pada lembaga-lembaga keuangan, yang kemudian oleh lembaga-lembaga keuangan tersebut diusahakan dalam bentuk pemberian kredit. 2. Kredit perbankan yang ditarik tunai dapat meningkatkan peredaran uang kartal sehingga arus lalu lintas uang akan berkembang. 3. Kredit dapat meningkatkan daya guna dari barang dalam arti dengan mendapat kredit para pengusaha dapat memproses bahan baku menjadi barang jadi sehingga daya guna barang tersebut menjadi meningkat. 4. Kredit dapat menjadi salah satu alat stabilisasi ekonomi dalam arti bila keadaan ekonomi kurang sehat, kebijakan diarahkan kepada usaha-usaha antara lain untuk peningkatan ekspor dan pemenuhan kebutuhan pokok rakyat. 5. Kredit dapat meningkatkan kegairahan berusahan masyarakat dalam arti bantuan kredit yang diberikan oleh bank akan dapat mengatasi kekurangmampuan para pengusaha dibidang permodalan tersebut sehingga para pengusaha akan dapat meningkatkan usahanya.
9
6. Kredit dapat meningkatkan pemerataan pendapatan dalam arti dengan bantuan kredit dari bank para pengusaha dapat memperluas usahanya dan mendirikan proyek-proyek baru. Apabila perluasan usaha serta pendirian proyek-proyek baru telah selesai maka untuk mengelolanya diperlukan pula tenaga kerja, maka pemerataan pendapatan akan meningkat pula. 7. Kredit dapat sebagai alat hubungan ekonomi internasional dalam arti bank-bank besar di luar negeri yang mempunyai jaringan usaha dapat memberikan bantuan dalam bentuk kredit baik secara langsung maupun tidak langsung kepada perusahaan-perusahaan di dalam negeri.
2.2
Pasar Modal
2.2.1 Definisi Pasar Modal Umumnya produk-produk (sekuritas) yang ditawarkan di pasar modal adalah saham biasa, saham preferen, berbagai jenis obligasi, dan produk-produk derivatif. Pasar modal menurut Undang-Undang Republik Indonesia No. 8 tahun 1995 adalah kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, yaitu perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga atau profesi yang berkaitan dengan efek. Adapun efek yang dimaksud disini adalah surat berharga atau saham. Sedangkan menurut Usman dalam Anoraga dan Pakarti (2006), pasar modal adalah pelengkap sektor keuangan terhadap dua lembaga lainnya yaitu bank dan lembaga pembiayaan. Pasar modal memberikan jasanya yaitu
10
menjembatani hubungan antara pemilik modal dalam hal ini disebut sebagai pemodal (investor) dengan emiten (perusahaan yang go public). Pasar modal dibedakan menjadi pasar perdana dan pasar sekunder. Pasar perdana adalah pasar bagi sekuritas atau efek yang pertama kali diterbitkan atau diumumkan dalam pasar modal, sedangkan pasar sekunder adalah pasar bagi efek yang sudah ada, dan sudah diperdagangkan dalam pasar modal. Pada pasar sekunder harga efek ditentukan oleh mekanisme pasar. Perkembangan pasar modal secara langsung dipengaruhi oleh banyaknya jumlah perusahaan yang menjual saham atau obligasi melalui pasar modal, jumlah emisi, perkembangan perusahaan-perusahaan yang telah memasyarakatkan saham, serta kegiatan jual beli saham atau obligasi antar anggota masyarakat yang dilakukan setiap hari di pasar sekunder. Pada pasar sekunder ini harga saham akan terbentuk atas dasar kekuatan permintaan dan penawaran, sehingga mencerminkan bagaimana penilaian investor atau calon investor terhadap pendapatan dan risiko dari masingmasing saham yang diperdagangkan. Hal ini secara tidak langsung mencerminkan penilaian investor terhadap perusahaan emiten. Menurut Haditomo (2005), perkembangan pasar modal juga dipengaruhi oleh kondisi perekonomian secara umum, karena keadaan ekonomi secara langsung atau tidak langsung dapat mempengaruhi perkembangan dunia usaha. Situasi ekonomi yang lesu berakibat banyak perusahaan yang menderita rugi, sehingga pendapatan bagi pemegang saham menurun atau bahkan perusahaan tidak mampu membayar deviden. Kondisi yang demikian akan menurunkan minat masyarakat untuk melakukan investasi dalam bentuk saham, karena pendapatan
11
saham berupa deviden sangat tergantung pada kemampuan perusahaan dalam menghasilkan laba. Keadaan yang sebaliknya akan terjadi apabila situasi ekonomi akan membaik. Suta (1996) mengatakan bahwa pasar modal di Indonesia mempunyai jangkauan dan misi yang lebih luas. Jangkauan yang hendak dirangkum adalah mencakup tiga aspek mendasar. Ketiga aspek tersebut adalah : 1. Mempercepat proses perluasan pengikutsertaan masyarakat dalam pemilikan saham perusahaan, 2. Aspek pemerataan pemilikan saham perusahaan dan 3. Menggairahkan partisipasi masyarakat dalam penghimpunan dana untuk digunakan secara produktif. Kehadiran pasar modal di Indonesia harus dapat didayagunakan untuk memberikan manfaat bagi pemerintah, perusahaan dan masyarakat. Bagi pemerintah dampak positifnya adalah adanya pemupukan modal dalam negeri. Bagi masyarakat, daya tarik dan manfaat yang diperoleh adalah upaya untuk menambah nilai uang. Oleh karenanya, pasar modal di Indonesia merupakan salah satu sumber pembiayaan pembangunan disamping sumber-sumber lain seperti tabungan pemerintah, kredit perbankan, PMA, PMDN, bantuan luar negeri dan investasi dalam perusahaan.
2.2.2 Instrumen Pasar Modal Menurut Anoraga dan Pakarti (2006), pasar modal memperdagangkan instrumen pasar modal, yaitu semua surat-surat berharga (securities) yang
12
diperdagangkan di bursa. Instrumen pasar modal tersebut antara lain saham, obligasi dan lain-lain. a. Saham Menurut Anoraga dan Pakarti (2006), saham dapat didefinisikan sebagai surat berharga bukti penyertaan atau pemilikan individu maupun institusi dalam suatu perusahaan. Kepemilikan saham di suatu perusahaan akan memberikan manfaat yang dapat diperoleh yaitu: 1. Deviden, adalah bagian dari keuntungan perusahaan yang dibagikan kepada pemilik saham. 2. Capital gain, adalah keuntungan yang diperoleh dari selisih harga jual dengan harga belinya. 3. Manfaaat non-finansial yaitu timbulnya kebanggaan dan kekuasaan memperoleh hak suara dalam menentukan jalannya perusahaan. Saham dapat dikelompokkan menjadi dua, yaitu saham biasa (common stock) dan saham preferen (preferred stock). Saham biasa merupakan saham yang tidak memperoleh hak istimewa. Pemegang saham biasa mempunyai hak untuk memperoleh deviden sepanjang perseroan memperoleh keuntungan, sedangkan saham preferen merupakan saham yang diberikan atas hak untuk mendapatkan deviden atau bagian kekayaan pada saat perusahaan dilikuidasi terlebih dahulu dari saham biasa, disamping itu mempunyai preferensi untuk mengajukan usul pencalonan direksi atau komisaris (Anoraga dan Pakarti, 2006).
13
b. Obligasi Obligasi merupakan bukti pengakuan utang dari perusahaan. Obligasi mengandung suatu perjanjian atau kontrak yang melibatkan kedua belah pihak, antara pemberi pinjaman dan penerima pinjaman. Penerbit obligasi menerima pinjaman dari pemegang obligasi dengan ketentuan-ketentuan yang sudah diatur, baik mengenai jatuh tempo pelunasan utang, bunga yang dibayarkan, besarnya pelunasan dan ketentuan-ketentuan tambahan lainnya (Anoraga dan Pakarti, 2006).
2.3 Indeks Harga saham Gabungan (IHSG) Berbicara tentang kegiatan pasar modal saat ini tidak terlepas dari apa yang disebut dengan Indeks Harga Saham Gabungan. Untuk mengetahui bagaimana kegiatan ekonomi bergerak, naik atau turun, banyak orang akan melihatnya dari sisi indeks yang dicapai pada saat itu. Secara sederhana, indeks harga adalah suatu angka yang digunakan untuk membandingkan suatu peristiwa dengan peristiwa lainnya (Anoraga dan Pakarti, 2006). Demikian juga dengan indeks harga saham, indeks di sini akan membandingkan perubahan harga saham dari waktu ke waktu. Indeks Harga Saham Gabungan (IHSG) menunjukkan pergerakan harga saham secara umum yang tercatat di bursa efek. Indeks inilah yang paling banyak digunakan dan dipakai sebagai acuan tentang perkembangan kegiatan di pasar modal. IHSG bisa dipakai untuk menilai situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan. IHSG
14
melibatkan seluruh harga saham yang tercatat di bursa (Anoraga dan Pakarti, 2006). Untuk perhitungan Indeks Harga Saham Gabungan ini kita harus menjumlahkan seluruh harga saham yang tercatat. Rumus untuk menghitung Indeks Harga Saham Gabungan menurut Anoraga dan Pakarti (2006) adalah sebagai berikut: IHSG =
x 100%
(1)
dimana: Σ Ht = Total harga semua saham pada waktu yang berlaku Σ H0 = Total harga semua saham pada waktu dasar
2.4 Sertifikat Bank Indonesia (SBI) Sejak diberlakukannya Inflation Targetting Framework (ITF) di Indonesia, BI rate digunakan sebagai sinyal respon kebijakan moneter dan sasaran operasionalnya.
Banjarnahor
(2008)
menjelaskan
bahwa
BI
rate
diimplementasikan melalui SBI (Sertifikat Bank Indonesia) periode satu bulan karena beberapa pertimbangan. Pertama, SBI satu bulan telah digunakan sebagai benchmark oleh perbankan dan pelaku pasar di Indonesia dalam berbagai aktivitasnya. Kedua, SBI satu bulan sebagai sasaran operasional akan memperkuat sinyal respon kebijakan moneter yang ditempuh BI. Ketiga, SBI satu bulan mampu mentransmisikan kebijakan moneter ke sektor keuangan dan ekonomi. Kebijakan moneter dengan meningkatkan suku bunga SBI akan mengurangi jumlah dana yang digunakan untuk kredit (lending capacity). Hal ini
15
disebabkan karena bank akan lebih tertarik menanamkan dananya pada SBI yang bebas resiko.
2.5 Teori Inflasi Menurut Friedman dalam Mankiw (2003) inflasi merupakan suatu fenomena moneter dan terjadi apabila kenaikan jumlah uang yang beredar lebih cepat daripada output. Menurut Lipsey et al., (1997) inflasi adalah kenaikan ratarata semua
tingkat
harga.
Terkadang,
kenaikannya
terus-menerus
dan
berkepanjangan sehingga harus dibatasi. Naiknya harga-harga secara umum ini mengakibatkan nilai riil dari suatu mata uang terhadap barang dan jasa, atau yang lebih dikenal dengan istilah daya beli, menurun. Sementara tingkat harga merupakan rata-rata tertimbang harga barang dan jasa di perekonomian yang diukur dengan indeks harga. Indeks harga yang banyak digunakan adalah indeks harga konsumen (IHK) atau Consumer Price Index (CPI), PDB deflator dan Whole Price Index (WPI). Namun hampir semua negara dalam perhitungan inflasi menggunakan IHK. Inflasi dapat dibedakan antara inflasi inti (core inflation) dan inflasi sesaat (noise). Adapun indikator inflasi yaitu : 1. Indeks Harga Konsumen (IHK) merupakan indikator yang umumnya digunakan untuk menggambarkan pergerakan harga. Perubahan IHK dari waktu ke waktu menunjukkan harga dari paket barang dan jasa yang dikonsumsi masyarakat.
16
2. Indeks Harga Perdagangan Besar (IHPB) merupakan indikator yang menggambarkan pergerakan
harga dari suatu komoditi yang
diperdagangkan di suatu daerah (Mustikaati, 2007)
2.6
Indeks Harga Konsumen (IHK) Indeks Harga Konsumen (IHK) atau Consumer Price Index (CPI), sering
digunakan untuk menentukan biaya hidup dan dahulu disebut cost-of-living index, mengukur perubahan harga untuk suatu kombinasi belanja barang dan jasa. Jika GDP mengubah jumlah berbagai barang dan jasa menjadi sebuah angka tunggal yang mengukur nilai produksi, maka IHK mengubah harga berbagai barang dan jasa menjadi sebuah indeks tunggal yang mengukur seluruh tingkat harga. IHK juga dapat didefinisikan sebagai harga sekelompok barang dan jasa relatif terhadap harga sekelompok barang dan jasa yang sama pada tahun dasar (Mankiw, 2003).
2.7
Pertumbuhan Ekonomi Teori pertumbuhan ekonomi modern diawali dengan model Harrord
Domar, yaitu pertumbuhan ekonomi (gy) sama dengan produktivitas kapital (ợ) dikalikan dengan tingkat tabungan (s). Jika produktivitas dianggap konstan maka pertumbuhan ekonomi secara langsung berhubungan dengan tabungan atau investasi. Bank lending channel adalah salah satu channel investasi melalui penyaluran kredit investasi oleh perbankan. Oleh karena itu, pertumbuhan ekonomi dan kredit berhubungan secara implisit (Linda, 2007).
17
Mankiw (2003) menyatakan bahwa salah satu variabel makroekonomi sebagai ukuran terbaik dalam kinerja perekonomian adalah Gross Domestic Product (GDP) yang terbagi menjadi GDP nominal dan GDP riil. GDP mengukur total produk barang dan jasa akhir yang dihasilkan oleh unit produksi yang menunjukkan perkembangan pendapatan agregat periode tertentu dan mewakili pertumbuhan ekonomi suatu negara. Indikator pertumbuhan ekonomi lain yang mengukur output produksi riil adalah Industrial Production Index (IPI). Linda (2007) menjelaskan bahwa pertumbuhan ekonomi dalam periode bulanan dinilai lebih representatif menggunakan IPI dibanding GDP riil. IPI diukur dari beberapa sektor seperti manufaktur, pertambangan, dan industri. IPI digunakan sebagai salah satu indikator koinsiden, yaitu perubahan pada indikator ini biasanya mengindikasikan perubahan yang sama pada aktivitas ekonomi keseluruhan atau dengan kata lain akan merefleksikan perubahan GDP.
2.8
Nilai Tukar Nilai tukar suatu mata uang didefinisikan sebagai harga relatif dari suatu
mata uang terhadap mata uang lainnya (Bank Indonesia, 2004). Pada dasarnya terdapat tiga sistem nilai tukar, yaitu sistem nilai tukar tetap, sistem nilai tukar mengambang terkendali, dan sistem nilai tukar mengambang. Pemilihan sistem yang diterapkan akan tergantung pada kondisi perekonomian negara. Semakin terbukanya perekonomian suatu negara menyebabkan nilai tukar menjadi faktor penting yang harus diperhatikan dalam perekonomian (Kassim et al., 2009).
18
Jika dilihat dari cara perhitungannya, menurut Mankiw (2003), nilai tukar atau kurs dibagi menjadi 2, yaitu: (1) kurs nominal yang merupakan harga relatif dari mata uang dua negara dan (2) kurs riil yaitu harga relatif dari barang-barang kedua negara. Berdasarkan kedua definisi diatas maka perhitungan kurs dapat diperoleh melalui perkalian antara kurs nominal dan rasio tingkat harga, dimana rasio tingkat harga merupakan perbandingan antara harga barang domestik dan harga barang di luar negeri, misalnya di Amerika Serikat.
2.9
Mekanisme Transmisi melalui Jalur Kredit (Credit Channel)
2.9.1 Jalur Pinjaman Bank (Bank Lending Channel) Jalur pinjaman bank menekankan pengaruh kebijakan moneter pada kondisi keuangan bank. Menurut jalur pinjaman bank, selain sisi aset, sisi liabilitas bank juga merupakan komponen penting dalam mekanisme transmisi kebijakan moneter. Apabila Bank Sentral melaksanakan kebijakan moneter ekspansif, misalnya dengan meningkatkan jumlah uang beredar, maka suku bunga Sertifikat Bank Indonesia (SBI) akan turun. Penurunan suku bunga SBI akan menurunkan kuantitas SBI dan sebaliknya akan meningkatkan deposito. Hal ini akan membuat penawaran kredit meningkat dan menyebabkan suku bunga deposito turun. Karena biaya dana (cost of fund) turun, maka suku bunga pinjaman juga akan turun, sehingga mengurangi tindakan moral hazard dan adverse selection oleh perusahaan. Kondisi demikian akan mendorong meningkatnya pinjaman, yang selanjutnya akan meningkatkan pengeluaran melalui investasi dan pada akhirnya akan meningkatkan output. Skema kebijakan
19
moneter dalam bank lending channel digambarkan sebagai berikut (Mishkin, 2001) : M ↑ → bank deposits ↑ → bank loan ↑ → investasi ↑ → output ↑ Ada dua hal yang menjadi syarat bagi berlakunya channel ini, yaitu : 1. kredit dan surat berharga bukan merupakan substitusi sempurna bagi sebagian peminjam atau sebagian peminjam bergantung pada kredit bank, dan 2. bank sentral harus mampu mempengaruhi ketersediaan kredit bank. Implikasi penting dari credit view adalah kebijakan moneter akan memiliki efek yang lebih besar pada perusahaan kecil dibandingkan pada perusahaan besar (Mishkin, 2001). Hal ini disebabkan perusahaan kecil lebih bergantung pada kredit bank, sedangkan perusahaan besar dapat mengakses pasar modal secara langsung melalui penerbitan saham dan obligasi.
2.9.2 Jalur Neraca Perusahaan (Balance Sheet Channel) Kredit dan harga saham mempunyai hubungan yang tercermin pada salah satu jenis saluran yang akan mempengaruhi transmisi moneter dari sektor keuangan ke sektor riil, yaitu jalur neraca perusahaan (balance sheet channel). Dalam jalur neraca perusahaan ini, yang ditekankan adalah pengaruh dari kebijakan moneter terhadap kondisi keuangan perusahaan yang selanjutnya akan mempengaruhi akses perusahaan untuk mendapatkan kredit. Dalam hal ini, apabila Bank Sentral melakukan kebijakan moneter yang ekspansif, maka suku bunga di pasar uang akan turun, yang mendorong harga saham mengalami peningkatan. Sejalan dengan peningkatan tersebut, dana sendiri
20
perusahaan (networth) akan meningkat disebabkan meningkatnya harga equity yang selanjutnya akan mengurangi tindakan adverse selection dan moral hazard oleh perusahaan. Kondisi ini mendorong peningkatan pemberian kredit oleh bank, selanjutnya meningkatkan investasi, dan pada akhirnya meningkatkan output. Jalur tersebut dapat digambarkan sebagai berikut (Mishkin, 1998): M ↑ → P equity ↑ → adverse selection dan moral hazard ↓ → Lending ↑ → investasi ↑ → output ↑
2.9
Penelitian Terdahulu Penelitian yang dilakukan oleh Kim, et al. (1994) yang bertajuk “Stock
Prices and Bank Lending Behavior in Japan”, bertujuan meneliti hubungan historis (historical relationship) antara harga saham dengan bank lending di negara itu. Hubungan ini dapat tercermin dari, pertama, positifnya respon Japanese bank lending terhadap kenaikan harga saham Nikkei. Kedua, berubahnya historical relationship antara harga saham dan bank lending, yaitu hubungan keduanya lemah hingga pertengahan 1980an dan setelahnya tiba-tiba menguat secara signifikan. Ketiga, fluktuasi harga saham Nikkei ternyata punya kontribusi yang cukup signifikan terhadap fluktuasi bank lending di Jepang saat itu. Penelitian ini menggunakan data time series dengan variabel CPI (Consumer Price Index), IPI (Industrial Production Index), call money rate (suku bunga pinjaman antar bank), Nikkei Stock Price Index (Indeks Harga Saham Nikkei) dan total kredit yang disalurkan perbankan Jepang. Waktu pada penelitian
21
ini dibagi menjadi dua periode yaitu 1970:1 – 1983:12 dan 1984:1 – 1993:5 dan metode yang digunakan adalah SVAR (Structural Vector Autoregression). Selain itu, Ibrahim (2004) menganalisis tentang “Stock Prices and Bank Loan Dynamics in a Developing Country : The Case of Malaysia”. Penelitian ini bertujuan untuk mengestimasi interaksi dinamis antara kredit dengan harga saham dan melihat apakah kredit mempunyai peran dalam menyalurkan guncangan di sektor keuangan ke sektor riil. Hasil yang diperoleh antara lain yaitu total kredit merespon positif kenaikan harga saham dan ternyata total kredit di Malaysia tidak mempunyai peran dalam menyalurkan guncangan di sektor keuangan ke sektor riil. Penelitian ini menggunakan data empat bulanan atau data kuartalan dengan menggunakan enam variabel, yaitu total kredit, harga saham, GDP (Gross Domestic Product), CPI (Consumer Price Index), suku bunga pinjaman antar bank dan nilai tukar. Periode penelitian ini dilakukan sejak kuartal satu 1978 sampai kuartal dua 1998 (1978:Q1 – 1998:Q2). Metode yang digunakan adalah metode VAR yang dilanjutkan dengan metode VECM (Vector Error Correction Model).
2.10
Kerangka Pemikiran Hubungan antara perumusan masalah dan tujuan penelitian dapat dilihat
dari kerangka pemikiran penelitian (Gambar 2.1). Kerangka pemikiran tersebut meupakan suatu bentuk pemikiran penulis mengenai penelitian ini. Latar belakang penelitian diawali dari adanya peran dari pasar modal yag diindikatori oleh IHSG (Indeks Harga Saham Gabungan). Kemudain di sisi lain, adanya fungsi perbankan
22
dalam penyaluran kredit ke sektor riil. Dalam ekonomi moneter terdapat teori yang menghubungkan saham tersebut dengan kredit, dimana secara tidak langsung harga saham (dalam hal ini digambarkan melalui IHSG) dapat mempengaruhi penyaluran kredit (Mishkin, 2003). Variabel makroekonomi yang mempengaruhi IHSG dan Kredit adalah ER, SBI, CPI dan IPI. Berdasarkan hal tersebut maka dapat dikatakan bahwa penelitian ini bertujuan untuk melihat bagaimana pengaruh IHSG terhadap penyaluran kredit di Indonesia, selain itu juga ingin melihat bagaimana pengaruh penyaluran kredit tersebut terhadap sektor riil. Variabel Makroekonomi ER, SBI, CPI, IPI
Pasar Modal
Perbankan
IHSG
Kredit
Hubungan Dinamis Antara IHSG dan Kredit Gambar 2.1 Kerangka Pemikiran
2.11
Hipotesis
Berdasarkan penjelasan yang telah diuraikan sebelumnya, maka hipotesis penelitian dirumuskan sebagai berikut: 1. IHSG mempunyai pengaruh terhadap kredit. 2. Kredit mempunyai pengaruh positif terhadap sektor riil.
23
III.
3.1
METODE PENELITIAN
Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang
merupakan data time series dari bulan Januari 2002 sampai Desember 2009. Data yang digunakan adalah data total kredit yang disalurkan bank umum, data industrial production index (IPI) sebagai representasi (proxy) untuk menghitung pertumbuhan output, data consumer price index (CPI) yang mencerminkan tingkat inflasi, data Sertifikat Bank Indonesia (SBI) rate yang mencerminkan tingkat suku bunga, data nilai tukar mata uang Rupiah terhadap USD atau Exchange Rate (ER) dan data Indeks Harga Saham Gabungan (IHSG). Data-data tersebut diperoleh dari Statistik Ekonomi dan Keuangan Indonesia (SEKI) Bank Indonesia, Badan Pengawas Pasar Modal (BAPEPAM), Badan Pusat Statistik dan sumber data lain yang relevan. Data-data tersebut juga didukung dengan studi pustaka dari berbagai jurnal, artikel dan literatur lain yang terkait dengan penelitian ini.
3.2
Metode Analisis Data Metode yang digunakan dalam menganalisis data dalam penelitian ini
adalah metode Vector Autoregression (VAR) dan Vector Error Correction Model (VECM). Metode Vector Autoregressive (VAR) bertujuan untuk melihat apakah harga saham berpengaruh terhadap total kredit yang disalurkan perbankan, sedangkan metode Vector Error Correction Model (VECM) digunakan ketika variabel-variabel yang digunakan dalam penelitian ini tidak seluruhnya stasioner
24
pada level, tetapi stasioner pada first difference dan terdapat hubungan kointegrasi antara variabel-variabel tersebut. Semua data yang digunakan dalam penelitian ini ditransformasikan ke dalam bentuk logaritma natural (ln) kecuali untuk data SBI rate. Adapun perangkat lunak yang digunakan dalam pengolahan data penelitian ini menggunakan Microsoft Excel 2007 dan E-views 5.1. Vector Autoregression (VAR) adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada dalam sistem. Keunggulan dari metode VAR antara lain (Gujarati, 2003): 1.
Metode ini sederhana, tanpa harus membedakan mana variabel endogen dan variabel eksogen
2.
Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah
3.
Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable
endogenity
dan
exogenity)
di
dalam
model
ekonometrik
konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah 4.
Hasil perkiraan (forecast) yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship)
25
antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur. Selain keunggulan yang dimiliki, VAR juga mempunyai kekurangan atau kelemahan. Kelemahan metode VAR, di antaranya: 1.
Model VAR merupakan pengukuran yang tidak dilandasi teori tentang hubungan antarvariabel (model non-struktural)
2.
Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk analisis kebijakan
3.
Pemilihan banyaknya lag yang diinginkan dalam persamaan dapat menimbulkan permasalahan
4.
Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
3.2.1 Model Umum VAR Secara umum model persamaan VAR ordo p dengan n peubah tak bebas pada waktu t dapat ditulis sebagai berikut (Arsana, 2003),
Yt A0 A1 Yt 1 A2Yt 2 ... ApYt p t ………………….. (3.1) atau, 1 1 Yt1 A A A'11 A'12 A'13 ... A '1 p Yt k e1t A13 ... A1 p Yt 1 11 12 2 ' 2 ' ' ' Y2 e A A A ... A Yt A21 A22 A23 ... A2 p Yt 1 22 23 2 p t k 2t 21 Y 3 A A 3 3 ' ' ' ' A33 ... A3 p Yt 1 ... A 31 A 32 A 33 ... A 3 p Yt k e3t t 31 32 ... ... ... ... ... ... ... ... ... ... ... ... ... ... p ' ' ' ' A p p Yt Ap1 Ap 2 Ap 3 ... App Yt 1 p1 A p 2 A p 3 ... A pp Yt k e pt …………………………………………………………………….. (3.2)
Dimana : p k
= Jumlah variabel dalam sistem persamaan = Jumlah lag dalam sistem persamaan
26
Yt A0 Ai εt
= Vektor peubah tak bebas (Y1t, Y2t,..., Ynt) berukuran n x 1, = Vektor intersep berukuran n x 1, = Matriks parameter berukuran n x n, untuk setiap i = 1, 2, ..., p, = Vektor sisaan (ε 1t, ε 2t, …, ε nt) berukuran n x 1.
3.2.2 Uji Stasioneritas Uji stasioneritas data merupakan syarat penting bagi analisis time series untuk menghindari adanya regresi lancung (spurious regression). Oleh karena itu, perlu dilakukan uji stasioneritas pada data-data yang akan digunakan dalam model. Pengertian data yang stasioner adalah data yang memiliki kecenderungan untuk mendekati nilai rata-ratanya dan berfluktuasi disekitar nilai rata-ratanya (Gujarati, 2003). Metode yang dapat digunakan untuk melihat kestasioneran data adalah metode Augmented Dicky Fuller (ADF) Test dan Phillip Pheron (PP) Test. Kebanyakan analisis time series menggunakan uji ADF. Sedangkan metode PP hanya digunakan pada data yang mengandung structural break, yaitu patahan pada pergerakan data yang terjadi karena adanya kejadian luar biasa dalam perekonomian, misal krisis ekonomi. Uji stasioneritas yang digunakan dalam penelitian ini yaitu menggunakan uji ADF. Jika nilai mutlak ADF statistik lebih besar dari MacKinnon Critical Value maka dapat disimpulkan series tersebut stasioner. Apabila suatu series tidak stasioner maka dapat dilakukan difference non stasionary processes atau uji stasioneritas pada tingkat difference.
27
3.2.3 Pemilihan Lag Optimum Penetapan lag optimal penting dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan dalam model. Penentuan lag optimum dapat menggunakan beberapa kriteria, seperti Likelihood Ratio (LR), Schwarz Information Criterion (SC), Akaike Information Criterion (AIC), Final Prediction Error (FPE) dan Hannan-Quinn Criterion (HQ). Pada penelitian ini lag optimum dipilih berdasarkan koefisien yang ditunjukkan oleh
Akaike
Information Criterion, secara matematis
persamaan AIC adalah sebagai berikut : AIC (k) = T ln
+ 2n
(3.3)
dimana : SSR
= The Residual Sum of Squares
k
= panjang lag
T
= jumlah yang diobservasi
n
= jumlah parameter yang diestimasi Besarnya lag optimal ditentukan oleh lag yang memiliki kriteria AIC yang
terkecil.
3.2.4 Uji Stabilitas Model VAR Uji stabilitas perlu dilakukan dalam model VAR yang digunakan. Hal tersebut dikarenakan jika hasil estimasi VAR yang digunakan dikombinasikan dengan model error correction-nya tidak stabil, maka kesimpulan yang didapat dari Impulse Responses dan Variance Decomposition menjadi tidak valid.
28
Stabilitas model VAR yang digunakan dapat dilihat dari inverse root karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya. Jika seluruh nilai AR roots-nya dibawah 1, maka model VAR tersebut stabil.
3.2.5 Uji Kointegrasi Dalam VAR semua variabel yang digunakan harus stasioner. Apabila variabel tidak stasioner, maka perlu dilakukan uji kointegrasi. Kointegrasi menggambarkan kombinasi linier dari variabel-variabel yang tidak stasioner. Jika variabel yang tidak stasioner terkointegrasi, maka kombinasi linier antar variabel dalam sistem akan bersifat stasioner, sehingga dapat diperoleh persamaan yang stabil (Enders, 1995). Pengujian hubungan kointegrasi dilakukan dengan menggunakan lag optimum sesuai dengan pengujian sebelumnya. Sementara penentuan asumsi deterministik yang melandasi pembentukan persamaan kointegrasi didasarkan pada nilai kriteria informasi AIC dan SIC. Berdasarkan asumsi deterministik tersebut akan diperoleh informasi mengenai banyaknya hubungan kointegrasi antar variabel sesuai metode Trace dan Max. Berdasarkan uji Johansen akan didapat rank kointegrasi (r). Rank kointegrasi dari vektor yt adalah banyaknya vektor kointegrasi yang saling bebas. Untuk itu akan diuji hipotesis sebagai berikut: H0 : rank ≤ r H1 : rank > r
29
Jika rank kointegrasi yang didapat lebih besar dari nol, maka model yang digunakan adalah Vector Error Correction Model (VECM). Jika rank kointegrasi sama dengan nol maka model yang digunakan adalah VAR dengan pendifferensian sampai lag ke-d.
3.2.6 Model Umum Vector Error Correction Model umum VECM adalah sebagai berikut (Johansen (1991) dalam Al Sharkas (2004)), k-1
ΔYt =μ+ Γi Δx t-i +αβ'Yt-k +ε t …………………………. (3.4) i=1
Dimana :
Δ Yt μ k εt Γi
= = = = = =
α β
= =
notasi first difference p x 1 vektor terintegrasi pada order satu p x 1 konstanta vektor Lag p x 1 vektor Gaussian white noise residual p x p matriks penyesuaian jangka pendek antara variabelvariabel pada lag i p x r speed of adjustment p x r vektor kointegrasi
3.2.7 Impulse Response Function (IRF) Setelah melakukan uji VAR, diperlukan adanya metode yang dapat mencirikan struktur dinamis yang dihasilkan oleh VAR secara jelas. IRF menunjukkan bagaimana respon dari setiap variabel endogen sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. Fungsi dari impulse response ini adalah untuk mengetahui pengaruh suatu variabel
30
terhadap variabel tertentu apabila terjadi guncangan atau shock suatu variabel. Fungsi yang kedua adalah untuk mengetahui besarnya nilai guncangan terhadap variabel yang ada.
3.2.8 Variance Decomposition (VD) Metode Variance Decomposition (VD) dapat menjelaskan seberapa jauh peranan suatu variabel ekonomi dalam menjelaskan guncangan variabel ekonomi lainnya. Metode ini dapat pula digunakan untuk melihat kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang. Dekomposisi varians merinci varians dari error peramalan menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error dari sebuah variabel akibat guncangan dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya.
3.3 Model Penelitian Dalam penelitian ini akan dilihat hubungan antara harga saham dan kredit yang disalurkan perbankan dengan menggunakan variabel-variabel seperti total kredit bank umum di Indonesia, indeks harga konsumen, IPI (Industrial Production Index), suku bunga SBI, nilai tukar dan IHSG (Indeks Harga Saham Gabungan). Sehingga model penelitian dapat ditulis sebagai berikut:
31
(3.5) dimana: ln_kredit
: total kredit bank umum
ln_cpi
: consumer price index (indeks harga konsumen)
ln_er
: exchange rate (nilai tukar)
sbi
: suku bunga sertifikat bank Indonesia
ln_ihsg
: indeks harga saham gabungan
ln_ipi
: industrial production index (indeks produksi industri) Dalam metode yang digunakan pada penelitian ini, semua data yang
diestimasi adalah dalam bentuk logaritma natural kecuali variabel-variabel yang sudah dalam persen. Hal ini dilakukan untuk memudahkan dalam menganalisis Variance Decomposition maupun Impulse Respon Function. Dengan demikian semua data dalam penelitian ini diubah dalam bentuk logaritma natural.
32
IV. HASIL DAN PEMBAHASAN
4.1 Hasil Estimasi VAR 4.1.1 Uji Stasioneritas Uji kestasioneran data pada seluruh variabel sangat penting dilakukan untuk data yang bersifat runtut waktu guna mengetahui apakah data tersebut mengandung akar-akar unit atau tidak. Data yang tidak mengandung akar unit atau bersifat stasioner berarti data tersebut memiliki ragam yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya. Apabila data yang digunakan tidak stasioner maka dapat menghasilkan hubungan yang palsu atau spurious regresion. Spurious regresion adalah regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik tetapi pada kenyataannya tidak, atau tidak sebesar yang nampak pada regresi yang dihasilkan (Andriyani, 2008). Tabel 4.1 Hasil Pengujian Akar Unit pada Level Variabel LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI *) taraf nyata 5%
ADF Statistic -3.338961 -0.958537 -2.833356 -1.939893 -2.570536 -1.455676
Nilai Kritis MacKinnon 1% 5% 10% -4.060874 -3.459397 -3.155786 -3.501445 -2.892536 -2.583371 -3.501445 -2.892536 -2.583371 -4.057528 -3.457808 -3.154859 -3.503049 -2.893230 -2.583740 -3.510259 -2.896346 -2.585396
Keterangan* Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner
Hasil uji ADF pada tingkat level menunjukkan bahwa nilai mutlak ADF statistik lebih kecil dari nilai kritis MacKinnon dalam taraf nyata 5 persen, sehingga dapat disimpulkan semua variabel mempunyai akar unit atau tidak stasioner pada level. Oleh karena itu, diperlukan pengujian akar unit lanjutan.
33
Data di tingkat level didiferensiasikan dengan derajat tertentu sampai semua data yang dibutuhkan menjadi stasioner pada derajat yang sama. Tabel 4.2 Hasil Pengujian Akar Unit pada First Difference Variabel LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI *) taraf nyata 5%
ADF Statistic -4.241469 -6.315825 -4.170722 -9.785967 -5.008623 -4.117413
Nilai Kritis MacKinnon 1% 5% 10% -4.060874 -3.459397 -3.155786 -3.501445 -2.892536 -2.583371 -3.501445 -2.892536 -2.583371 -4.058619 -3.458326 -3.155161 -3.503049 -2.893230 -2.583740 -3.511262 -2.896779 -2.585626
Keterangan* Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner
Hasil pengujian pada first difference menunjukkan bahwa semua variabel bersifat stasioner pada taraf 5 persen. Hal ini karena nilai mutlak ADF statistik semua variabel lebih besar daripada nilai kritis MacKinnon pada taraf 5 persen. Dengan demikian dapat disimpulkan bahwa seluruh variabel yang diestimasi dalam penelitian ini telah stasioner pada derajat yang sama, yaitu derajat integrasi satu I(1).
4.1.2 Pemilihan Lag Optimum Penetapan lag optimal penting dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan dalam model. Lag optimal dalam model ini ditentukan berdasarkan nilai Akaike Information Criterion (AIC) yang paling kecil. Tabel 4.3 Penentuan Lag Optimal Lag 0 1 2 3 4
AIC -20.67202 -21.44912* -21.26210 -21.27500 -20.81811
34
5 6 7 8 *) Lag optimal
-20.39554 -20.23686 -20.25818 -20.50449
4.1.3 Uji Stabilitas Model VAR Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan tidak stabil, maka Impulse Response Function dan Variance Decomposition menjadi tidak valid (Setiawan, 2007). Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan pengecekan kondisi stabilitas VAR berupa roots of characteristic polynomial. Suatu sistem VAR dikatakan stabil apabila seluruh roots-nya memiliki modulus lebih kecil dari satu (Gujarati, 2003). Berdasarkan uji stabilitas VAR, dapat disimpulkan bahwa estimasi VAR yang akan digunakan untuk analisis IRF dan VD stabil. Berikut ini adalah uji stabilitas VAR pada lag optimal yaitu lag 1. Dari tabel tersebut dapat diambil kesimpulan bahwa model VAR yang dibentuk sudah stabil pada lag optimalnya. Tabel 4.4 Hasil Uji Stabilitas Model VAR
Root 0.623458 -0.462339 0.439905 -0.075961 - 0.145818i -0.075961 + 0.145818i -0.035421
Modulus 0.623458 0.462339 0.439905 0.164417 0.164417 0.035421
35
4.1.4 Uji Kointegrasi Kointegrasi merupakan hubungan antara variabel yang tidak stasioner pada jangka panjang. Misalkan suatu data yang secara individu tidak stasioner, namun ketika dihubungkan secara linier, data tersebut menjadi stasioner. Hal ini yang kemudian disebut bahwa data tersebut terkointegrasi. Selain itu, uji kointegrasi juga akan dilakukan dengan mengikuti prosedur Johansen Trace Statistics Test. Dalam uji Johansen, penentuan kointegrasi dilihat dari nilai trace statistic setelah didahului dengan mencari panjang lag yang akan diketahui. Nilai trace statistic yang melebihi nilai kritisnya memperlihatkan bahwa terdapat kointegrasi dalam model yang digunakan. Hasil uji kointegrasi Johansen menunjukkan terdapat 3 persamaan yang terkointegrasi pada taraf 5 persen. Tabel 4.5 Uji Kointegrasi Johansen
Hipotesa H0 H1 r=0 r≥1 r≤1 r≥2 r≤2 r≥3 r≤3 r≥4
Eigenvalue
0.451072 0.350673 0.235237 0.126071 *) Signifikan pada taraf nyata 5%
Trace Statistic
5% critical value
148.5275* 92.14746* 51.55651* 26.34671
95.75366 69.81889 47.85613 29.79707
4.2 Pemodelan VECM Ketika data tidak stasioner tetapi memiliki hubungan kointegrasi, maka metode
yang
digunakan
selanjutnya
adalah
VECM.
Estimasi
VECM
menghasilkan informasi kecepatan penyesuaian (speed of adjustment) atas ketidakstabilan hubungan jangka pendek menuju keseimbangan jangka panjang (Nursechafia, 2010). Nilai t-trace statistics yang lebih besar dari Mackinnon
36
Critical Value menunjukkan bahwa variabel signifikan pada taraf nyata lima persen. Hasil VECM untuk seluruh model dapat dilihat pada Lampiran 5. Tabel 4.6 Hasil Estimasi VECM Variabel D(LN_KREDIT(-1)) D(LN_IHSG(-1)) D(SBI(-1)) D(LN_CPI(-1)) D(LN_ER(-1)) D(LN_IPI(-1)) C DUMMY_1 DUMMY_2 CointEq1 CointEq2 CointEq3 LN_CPI(-1) LN_ER(-1) LN_IPI(-1) C *) signifikan pada taraf nyata 5%
Koefisien Jangka Pendek -0.175195 -0.041952 0.004033 -0.098185 0.054824 -0.064574 0.020831 0.005622 0.007244 0.006096 0.010547 0.001341 Jangka Panjang 1.673338 -0.833174 2.848556 -19.57391
T – statistik -1.45753 -1.59816 0.89199 -0.66412 0.97106 -2.34037* 6.87248* 0.65968 1.07863 0.12771 2.08694* 1.39552 11.4450* -2.60755* 8.04873* -
Tabel diatas merupakan rangkuman hasil analisis VECM untuk signifikansi variabel baik untuk jangka pendek maupun jangka panjang. Pada analisis jangka pendek, terdapat dugaan parameter koreksi kesalahan persamaan kointegrasi kedua (IHSG) sebesar 0.01 persen yang secara statistik signifikan. Sedangkan pada persamaan kointegrasi pertama (KREDIT) dan kointegrasi ketiga (SBI) terdapat dugaan parameter koreksi kesalahan yang secara statistik tidak signifikan. Selain itu, hanya variabel IPI yang signifikan mempengaruhi kredit pada jangka pendek. Untuk jangka panjang, variabel CPI, ER, dan IPI terbukti signifikan secara statistik memengaruhi kredit.
37
4.3 Analisis Impulse Response Function Perilaku dinamis dari model VECM dapat dilihat melalui respon dari setiap variabel terhadap kejutan atau guncangan dari variabel tersebut maupun terhadap variabel endogen lainnya. Dalam model ini response dari perubahan masing-masing variabel dengan adanya informasi baru diukur dengan satu standar deviasi. Sumbu horizontal merupakan waktu dalam periode hari ke depan setelah terjadinya shock, sedangkan sumber vertikal adalah nilai respon. Secara mendasar dalam analisis ini akan diketahui respon positif atau negatif dari suatu variabel terhadap variabel lainnya. Respon tersebut dalam jangka pendek biasanya cukup signifikan dan cenderung berubah. Dalam jangka panjang respon cenderung konsisten dan terus mengecil. Impulse Response Function memberikan gambaran bagaimana respon dari suatu variabel di masa mendatang jika terjadi gangguan pada satu variabel lainnya (BAPEPAM, 2008).
4.3.1 Analisis Impulse Response Function untuk KREDIT Gambar 4.7 menunjukkan guncangan variabel IHSG yang direspon negatif oleh kredit sepanjang periode peramalan. Kestabilan kredit dalam menghadapi guncangan IHSG mulai terlihat di periode ke-6. Dalam teori, harga saham mencerminkan ekspektasi atau harapan investor akan aktivitas ekonomi riil di masa mendatang. Oleh karena itu, adanya perubahan harga saham merupakan sinyal bahwa akan terjadi perubahan juga dalam aktivitas ekonomi riil di masa yang akan datang. Berdasarkan sisi inilah permintaan kredit dipengaruhi (Kim dan
38
Moreno, 1994). Negatifnya respon kredit terhadap guncangan IHSG ini ternyata tidak sejalan dengan penelitian terdahulu yang dilakukan oleh Kim dan Moreno (1994) serta Ibrahim (2006). Hal ini disebabkan karena harga saham di Indonesia selama periode penelitian belum menjadi cerminan ekspektasi investor terhadap aktivitas ekonomi riil di masa mendatang, yang berakibat pada negatifnya permintaan kredit dan pada akhirnya akan direspon negatif juga oleh penawaran kredit. Guncangan variabel SBI direspon negatif oleh kredit sepanjang periode peramalan. Negatifnya respon kredit ini berarti ketika suku bunga SBI meningkat, maka kredit akan mengalami penurunan. Hal ini sesuai dengan teori bahwa kecenderungan tingginya suku bunga SBI akan diikuti oleh naiknya tingkat bunga simpanan dan otomatis meningkatkan suku bunga pinjaman atau suku bunga kredit. Tingginya suku bunga menyebabkan terjadinya negative interest margin pada perbankan. Hal ini pada gilirannya telah menurunkan modal perbankan secara drastis. Menurunnya modal perbankan tentunya akan menyebabkan kebutuhan pendanaan dunia usaha semakin terbatas (Agung, et all. 2001). Kestabilan kredit dalam menghadapi guncangan SBI mulai terjadi pada periode ke-10.
39
Response to Cholesky One S.D. Innovations Response of LN_KREDIT to LN_IHSG
Response of LN_KREDIT to SBI
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004
-.008
-.008 5
10
15
20
25
30
35
5
Response of LN_KREDIT to LN_CPI
10
15
20
25
30
35
Response of LN_KREDIT to LN_ER
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004
-.008
-.008 5
10
15
20
25
30
35
5
10
15
20
25
30
35
Response of LN_KREDIT to LN_IPI .016 .012 .008 .004 .000 -.004 -.008 5
10
15
20
25
30
35
Gambar 4.7 Respon KREDIT terhadap guncangan variabel IHSG, SBI, CPI, ER, dan IPI
Respon negatif akibat guncangan CPI sebesar satu standar deviasi terjadi hingga akhir periode peramalan. Kestabilan kredit dalam merespon guncangan CPI mulai terlihat sejak periode ke-9. Semakin tinggi tingkat inflasi
40
mengakibatkan tingkat suku bunga simpanan akan naik. Adanya tingkat suku bunga simpanan yang meningkat, tingkat suku bunga kredit secara otomatis akan meningkat pula sehingga akan mengakibatkan penurunan permintaan kredit. Guncangan variabel ER direspon negatif oleh kredit sepanjang periode peramalan. Kredit mencapai kestabilan dalam merespon guncangan ER setelah periode ke-8. nilai tukar yang terdepresiasi akan menyebabkan pengembalian utang dalam bentuk valuta asing meningkat sehingga beban utang yang harus dibayar oleh debitur akan membesar dan sebagai akibatnya banyak debitur yang default. Risiko nilai tukar tersebut menyebabkan terjadi penurunan outstanding kredit. Guncangan IPI direspon positif oleh kredit sepanjang periode peramalan, artinya ketika terjadi peningkatan IPI maka akan terjadi pula peningkatan pada kredit. Peningkatan IPI mencerminkan peningkatan aktivitas dunia usaha. Peningkatan aktivitas dunia usaha akan direspon dengan pengembangan usaha, misalnya membangun pabrik dan proyek baru. Untuk melakukan hal tersebut, dunia usaha membutuhkan pembiayaan eksternal agar pengembangan usaha terjadi secara berkelanjutan. Dengan struktur pembiayaan sektor riil Indonesia yang masih bergantung pada kredit perbankan, peningkatan aktivitas dunia usaha akan menyebabkan peningkatan permintaan kredit perbankan. Kestabilan kredit dalam menghadapi guncangan IPI dapat terlihat pada periode ke-14.
41
4.3.2 Analisis Impulse Response Function untuk IPI Gambar 4.8 menunjukkan respon variabel IPI dalam menghadapi guncangan kredit dan IHSG. Ketika terjadi guncangan kredit, IPI merespon positif sepanjang periode peramalan dan terjadi kestabilan di periode ke-7. Meningkatnya kredit yang disalurkan perbankan akan menguntungkan dunia usaha karena pengembangan usaha seperti membuka pabrik baru, akan dapat dilaksanakan. Berkembangnya dunia usaha tentu saja akan meningkatkan aktifitas ekonomi riil atau dengan kata lain meningkatkan output. Hal ini berarti bahwa ketika terjadi peningkatan pada kredit maka akan terjadi peningkatan pula pada IPI. Response to Cholesky One S.D. Innovations Response of LN_IPI to LN_KREDIT
Response of LN_IPI to LN_IHSG
.06
.06
.05
.05
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02 5
10
15
20
25
30
35
5
10
15
20
25
30
35
Gambar 4.8 Respon IPI dalam menghadapi guncangan KREDIT dan IHSG
Respon IPI dalam menghadapi guncangan IHSG sepanjang periode peramalan ialah negatif. Hal ini berarti bahwa ketika terjadi peningkatan pada IHSG tidak diikuti dengan peningkatan pada IPI. Fluktuasi IHSG tidak memengaruhi nilai tambah, yang terjadi hanyalah transfer daya beli diantara para pelaku pasar. Instrumen likuid yang dipertukarkan memiliki elastisitas produksi yang mendekati nol. Artinya, peningkatan permintaan suatu saham tidak banyak menciptakan kesempatan kerja dan nilai tambah dari produksi kertas saham.
42
Berbeda dengan permintaan mobil atau barang lainnya (Susanto, 2007). Kestabilan IPI dalam menghadapi guncangan IHSG terjadi pada periode ke-7.
4.3.3 Analisis Impulse Response Function untuk IHSG Gambar 4.9 menunjukkan respon variabel IHSG dalam menghadapi guncangan kredit dan IPI. Ketika terjadi guncangan kredit, IHSG merespon negatif sepanjang periode peramalan dan kestabilan dalam menghadapi guncangan kredit ini sudah mulai terlihat pada periode ke-13. Negatifnya respon IHSG ini disebabkan karena terjadinya peningkatan jumlah kredit yang disalurkan perbankan selama periode peramalan lebih direspon oleh sektor riil. Response to Cholesky One S.D. Innovations Response of LN_IHSG to LN_KREDIT
Response of LN_IHSG to LN_IPI
.08
.08
.06
.06
.04
.04
.02
.02
.00
.00
-.02
-.02
-.04
-.04
-.06
-.06 5
10
15
20
25
30
35
5
10
15
20
25
30
35
Gambar 4.9 Respon IHSG dalam menghadapi guncangan KREDIT dan IPI
Begitu pula dengan guncangan IPI, IHSG pun merespon negatif guncangan tersebut sepanjang periode peramalan dan kestabilan mulai terjadi pada periode ke-17. Negatifnya respon IHSG dalam menghadapi guncangan IPI disebabkan karena peningkatan output di sektor riil tidak lantas menaikkan nilai kapitalisasi pasar dan nilai perdagangan saham.
43
4.3.4 Analisis Variance Decomposition
Tabel 4.7 Variance Decomposition Variabel Dependent
LN_KREDT
Dijelaskan oleh Kejutan
Periode 1 4 8 12 16 20 24 28 32 36
LN_KREDIT 100.0000 77.64368 63.94368 59.77145 58.03917 57.10156 56.50555 56.09122 55.78639 55.55275
LN_IHSG 0.000000 2.718044 3.226245 3.282643 3.292522 3.296876 3.299784 3.301856 3.303387 3.304559
SBI 0.000000 0.094424 0.763376 1.265808 1.528342 1.674755 1.767300 1.831426 1.878582 1.914724
LN_CPI 0.000000 2.808196 5.117225 6.009506 6.408096 6.626435 6.765039 6.861291 6.932092 6.986357
LN_ER 0.000000 0.531622 1.013335 1.177299 1.246965 1.284768 1.308779 1.325466 1.337742 1.347151
LN_IPI 0.000000 16.20403 25.93614 28.49330 29.48490 30.01561 30.35355 30.58874 30.76181 30.89446
Tabel di atas menjelaskan Variance Decomposition yang memberikan proporsi pada fluktuasi Kredit. Pada periode pertama, keragaman fluktuasi Kredit dijelaskan 100 persen oleh Kredit itu sendiri. Dominasi Kredit ini terus terjadi hingga periode akhir peramalan, namun dengan proporsi yang semakin menurun. Keragaman mulai nampak diberikan sejak periode ke-2 peramalan. Pada periode tersebut, Kredit memberikan keragaman sebesar 93,95 persen terhadap fluktuasinya sendiri. IHSG, SBI, dan CPI memberikan proporsi sebesar 1,7, 0,007 dan 1,15 persen. Sedangkan masing-masing ER dan IPI memberikan kontribusi sebesar 0,08 dan 3,1 persen pada periode yang sama. Hingga periode ke-36 peramalan, Kredit tetap memberikan keragaman terbesar yaitu sebesar 55,55 persen dan di antara seluruh variabel, IPI memberikan kontribusi terbesar setelah Kredit itu sendiri sebesar 30,89 persen. CPI dan IHSG masing-masing memberikan kontribusi sebesar 6,99 dan 3,30 persen serta SBI dan ER berkontribusi sebesar 1,91 dan 1,35 persen.
44
V.
5.1
PENUTUP
Kesimpulan
Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan sebagai berikut : 1. Berdasarkan hasil IRF menunjukkan bahwa guncangan variabel IHSG, SBI, CPI, dan ER direspon negatif model, dimana model tersebut adalah total kredit yang disalurkan perbankan. Kenaikan IHSG mencerminkan besarnya investasi dalam instrumen finansial dan pada saat yang sama mengurangi investasi sektor riil. Akibatnya permintaan kredit menjadi melemah. Guncangan variabel IPI direspon positif oleh kredit dan begitu pun sebaliknya, guncangan variabel kredit direspon positif oleh IPI. Hal ini menunjukkan bahwa ketika terjadi peningkatan kredit akan diikuti pula dengan berekspansinya sektor riil. 2. Berdasarkan hasil VD menunjukkan bahwa variabel kredit berpengaruh besar dalam menjelaskan variabilitas kredit itu sendiri. Adapun variabel IPI memberi pengaruh lebih besar pada variabilitas kredit dibandingkan dengan variabel yang lain.
5.2
Saran
Adapun saran yang dapat diberikan yaitu : 1. Pemerintah diharapkan dapat menciptakan iklim yang kondusif bagi perkembangan dunia usaha. Peningkatan aktivitas dunia usaha akan
45
membawa pada peningkatan pendapatan nasional. Hal ini berdampak pada kepercayaan bank untuk menyalurkan kredit lebih banyak lagi ke sektor riil, sehingga sektor riil akan lebih berkembang. 2. Penulis menyarankan untuk penelitian selanjutnya agar total permintaan dan penawaran kredit tidak disatukan menjadi satu variabel agar mendapatkan hasil yang lebih baik.
46
DAFTAR PUSTAKA
Agung, J., B. Kusmiarso, B. Pramono, E. G. Hutapea, A. Prasmuko, dan N. J. Prastowo. 2001. Credit Crunch di Indonesia Setelah Krisis, Fakta, Penyebab dan Implikasi Kebijakan. Direktorat Riset Ekonomi dan Kebijakan Moneter, Bank Indonesia, Jakarta. Al-Sharkas, A. 2004. The Dynamic Relationship Between Macroeconomic Factors and The Jordanian Stock Market. International Journal of Applied Econometrics and Quantitative Studies. 1(1). Andriyani, D. 2008. Analisis Bank Lending Channel Dalam Transmisi Kebijakan Moneter Di Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Anoraga, P. dan P. Pakarti. 2006. Pengantar Pasar Modal. Rineka Cipta, Jakarta. Arsana, I.G.P. 2005. Vector Autoregressive. Laboratorium Komputasi Ilmu Ekonomi FEUI. Universitas Indonesia. Depok. Banjarnahor, N. R. 2008. Mekanisme Suku Bunga SBI sebagai Sasaran Opersional Kebijakan Moneter dan Variabel Makroekonomi Indonesia: 1990.1-2007.4. Buletin Ekonomi Moneter dan Perbankan, 11(1). Bank Indonesia. 2004. Bank Indonesia Bank Sentral Republik Indonesia: Sebuah Pengantar. PPSK-BI, Jakarta. Bank Indonesia. Beberapa Edisi. Statistik Ekonomi Keuangan Indonesia. Bank Indonesia, Jakarta. Bapepam-LK. 2008. Studi Tentang Analisis Hubungan Kointegrasi dan Kausalitas serta Hubungan Dinamis antara Aliran Modal Asing, Perubahan Nilai Tukar dan Pergerakan IHSG di Pasar Modal Indonesia. Bapepam-LK. Jakarta. Enders, Walters. 1995. Applied Econometrics Time Series. John Wiley and Sons, inc., Kanada. Gujarati, D. 2003. Ekonometrika Dasar. S. Zain [penerjemah]. Erlangga, Jakarta.
47
Haditomo, H.A. 2005. Analisis Pengaruh Variabel Makroekonomi Terhadap Kinerja Pasar Modal Pada Bursa Efek Jakarta [skripsi]. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor, Bogor. Ibrahim, M. H. 2006. Stock Prices and Bank Loan Dynamics in a Developing Country : The Case of Malaysia. Journal of Applied Economics, 9: 71-89. Kassim, S. H., M. S. A. Majid, dan R. M. Yusof. 2009. Impact Of Monetary Policy Shocks On The Conventional And Islamic Banks In A Dual Banking System: Evidence From Malaysia. Journal of Economic Cooperation and Development, 30(1): 41-58. Kim, S. B dan Moreno, R. 1994. Stock Prices and Bank Lending Behavior in Japan. Economic Review Federal Reserve Bank of San Fransisco. 1: 3142. Linda, M. 2007. Responsifitas Kredit Investasi terhadap Variabel Makroekonomi dan Perbankan Pada Bank Persero dan Bank Umum Swasta Nasioal Devisa dan Non Devisa [skripsi]. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor, Bogor. Lipsey R.G, P.N. Courant, D.D. Purvis dan P.O. Steiner. 1997. Pengantar Makroekonomi. Bina Rupa Aksara, Jakarta. Mankiw, N. G. 2003. Teori Makroekonomi. Imam [penerjemah]. Erlangga, Jakarta. Mishkin, F. S. 1998. The Economics of Money, Banking, and Financial Market. Edisi Kelima. Addison Wesley, Massachusetts. Mustikaati, A. 2007. Analisis Keterkaitan Indeks Harga Saham Gabungan Bursa Efek Jakarta Dengan Indeks Bursa Saham Regional [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Nursechafia. 2010. Pengaruh Guncangan Variabel Makroekonomi terhadap Dana Pihak Ketiga dan Kredit Perbankan pada Sistem Perbankan Ganda di Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
48
Republik Indonesia. 1995. Undang-Undang Tentang Pasar Modal No. 8 Tahun 1995. Setyastuti, R. 2007. Sensitifitas Kinerja Pasar Modal Indonesia dan Nilai Tukar Rupiah terhadap Penyebaran Krisis Asia. Kinerja, 11: 76-91. Susanto, S. 2007. “IHSG Melonjak di Tengah Membaiknya Prospek Perekonomian” [Vibizportal.com]. http://www.managementfile.com/column.php?sub=column&id=79&page= stock&awal=70 [23 Juli 2007] Suta, I.P.G.A. 1996. Menuju Pasar Modal Modern. Yayasan SAD Satria Bhakti, Jakarta.
49
LAMPIRAN 1. UJI STASIONERITAS DATA KREDIT Null Hypothesis: LN_KREDIT has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.338961 -4.060874 -3.459397 -3.155786
0.0665
Null Hypothesis: D(LN_KREDIT) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.241469 -4.060874 -3.459397 -3.155786
0.0058
IHSG Null Hypothesis: LN_IHSG has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-0.958537 -3.501445 -2.892536 -2.583371
0.7651
Null Hypothesis: D(LN_IHSG) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level
t-Statistic
Prob.*
-6.315825 -3.501445
0.0000
50
5% level 10% level
-2.892536 -2.583371
SBI Null Hypothesis: SBI has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.833356 -3.501445 -2.892536 -2.583371
0.0575
Null Hypothesis: D(SBI) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.170722 -3.501445 -2.892536 -2.583371
0.0012
CPI Null Hypothesis: LN_CPI has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.939893 -4.057528 -3.457808 -3.154859
0.6258
Null Hypothesis: D(LN_CPI) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic
t-Statistic
Prob.*
-9.785967
0.0000
51
Test critical values:
1% level 5% level 10% level
-4.058619 -3.458326 -3.155161
ER Null Hypothesis: LN_ER has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.570536 -3.503049 -2.893230 -2.583740
0.1028
Null Hypothesis: D(LN_ER) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-5.008623 -3.503049 -2.893230 -2.583740
0.0001
IPI Null Hypothesis: LN_IPI has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.455676 -3.510259 -2.896346 -2.585396
0.5511
Null Hypothesis: D(LN_IPI) has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) t-Statistic
Prob.*
52
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
-4.117413 -3.511262 -2.896779 -2.585626
0.0016
LAMPIRAN 2. PENENTUAN LAG OPTIMAL VAR Lag Order Selection Criteria Endogenous variables: D_KREDIT D_CPI D_ER D_SBI D_IHSG D_IPI Exogenous variables: C Date: 11/04/10 Time: 17:43 Sample: 2002M01 2009M12 Included observations: 87 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5 6 7 8
905.2328 975.0367 1002.901 1039.463 1055.588 1073.206 1102.303 1139.231 1185.945
NA 128.3749 47.40218 57.15299* 22.98334 22.68037 33.44559 37.35205 40.80770
4.24e-17 1.95e-17* 2.38e-17 2.42e-17 4.05e-17 6.80e-17 9.26e-17 1.13e-16 1.22e-16
-20.67202 -21.44912* -21.26210 -21.27500 -20.81811 -20.39554 -20.23686 -20.25818 -20.50449
-20.50196* -20.25868 -19.05129 -18.04381 -16.56655 -15.12359 -13.94454 -12.94549 -12.17142
-20.60354 -20.96977* -20.37188 -19.97390 -19.10614 -18.27269 -17.70314 -17.31359 -17.14902
LAMPIRAN 3. UJI STABILITAS Roots of Characteristic Polynomial Endogenous variables: D_KREDIT D_CPI D_ER D_SBI D_IHSG D_IPI Exogenous variables: C Lag specification: 1 11 Date: 11/04/10 Time: 17:44 Root 0.966660 + 0.250720i 0.966660 - 0.250720i 0.264429 + 0.959683i 0.264429 - 0.959683i -0.481209 + 0.862084i -0.481209 - 0.862084i -0.839390 + 0.506419i -0.839390 - 0.506419i -0.544699 - 0.814302i
Modulus 0.998645 0.998645 0.995446 0.995446 0.987295 0.987295 0.980324 0.980324 0.979686
-0.544699 + 0.814302i 0.801394 - 0.561516i 0.801394 + 0.561516i -0.360058 + 0.908437i -0.360058 - 0.908437i 0.844682 - 0.477122i 0.844682 + 0.477122i -0.885462 + 0.394947i -0.885462 - 0.394947i
0.979686 0.978536 0.978536 0.977190 0.977190 0.970121 0.970121 0.969550 0.969550
0.572128 - 0.782211i 0.572128 + 0.782211i -0.938286 + 0.217349i -0.938286 - 0.217349i -0.033087 + 0.961284i -0.033087 - 0.961284i 0.441045 - 0.851381i 0.441045 + 0.851381i -0.213839 - 0.933040i -0.213839 + 0.933040i 0.152083 - 0.944269i 0.152083 + 0.944269i -0.630083 - 0.703469i -0.630083 + 0.703469i 0.934256 + 0.137915i 0.934256 - 0.137915i -0.936037 - 0.116064i -0.936037 + 0.116064i 0.693269 + 0.623207i 0.693269 - 0.623207i -0.855831 + 0.341865i -0.855831 - 0.341865i -0.918010 -0.254569 - 0.878263i -0.254569 + 0.878263i -0.706065 + 0.567748i -0.706065 - 0.567748i 0.820442 - 0.378774i 0.820442 + 0.378774i 0.492485 + 0.751173i 0.492485 - 0.751173i -0.107870 - 0.890045i -0.107870 + 0.890045i 0.414002 + 0.794531i 0.414002 - 0.794531i 0.877811 + 0.130215i 0.877811 - 0.130215i 0.764549 + 0.351659i 0.764549 - 0.351659i -0.562655 - 0.623214i -0.562655 + 0.623214i 0.089722 + 0.818372i 0.089722 - 0.818372i 0.572364 + 0.564143i 0.572364 - 0.564143i -0.802985 -0.417271 + 0.394777i -0.417271 - 0.394777i
0.969116 0.969116 0.963131 0.963131 0.961853 0.961853 0.958838 0.958838 0.957231 0.957231 0.956438 0.956438 0.944390 0.944390 0.944380 0.944380 0.943206 0.943206 0.932206 0.932206 0.921585 0.921585 0.918010 0.914413 0.914413 0.906016 0.906016 0.903656 0.903656 0.898221 0.898221 0.896558 0.896558 0.895923 0.895923 0.887417 0.887417 0.841546 0.841546 0.839629 0.839629 0.823275 0.823275 0.803652 0.803652 0.802985 0.574425 0.574425
No root lies outside the unit circle. VAR satisfies the stability condition.
LAMPIRAN 4. UJI KOINTEGRASI Date: 11/04/10 Time: 17:59 Sample (adjusted): 2002M03 2009M12 Included observations: 94 after adjustments Trend assumption: Linear deterministic trend Series: LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
0.05 Critical Value
Prob.**
None * At most 1 * At most 2 * At most 3 At most 4 At most 5
0.451072 0.350673 0.235237 0.126071 0.105625 0.033330
148.5275 92.14746 51.55651 26.34671 13.67968 3.186463
95.75366 69.81889 47.85613 29.79707 15.49471 3.841466
0.0000 0.0003 0.0216 0.1187 0.0922 0.0742
LAMPIRAN 5. HASIL ESTIMASI VECM Vector Error Correction Estimates Date: 03/24/11 Time: 00:10 Sample (adjusted): 2002M03 2009M12 Included observations: 94 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
CointEq2
CointEq3
LN_KREDIT(-1)
1.000000
0.000000
0.000000
LN_IHSG(-1)
0.000000
1.000000
0.000000
SBI(-1)
0.000000
0.000000
1.000000
LN_CPI(-1)
-1.673338 (0.14621) [-11.4450]
-1.816265 (0.53454) [-3.39779]
-28.31571 (7.35921) [-3.84765]
LN_ER(-1)
0.833174 (0.31952) [ 2.60755]
-4.159384 (1.16820) [-3.56051]
-49.27684 (16.0830) [-3.06392]
LN_IPI(-1)
-2.848556
-6.321022
152.7392
C Error Correction:
(0.35391) [-8.04873]
(1.29393) [-4.88513]
(17.8140) [ 8.57412]
-19.57391
70.48167
-144.6868
D(LN_KREDIT D(LN_IHSG ) )
D(SBI)
D(LN_CPI)
D(LN_ER)
D(LN_IPI)
CointEq1
0.006096 (0.04773) [ 0.12771]
-0.428549 (0.19513) [-2.19627]
3.505401 (1.00841) [ 3.47616]
0.155005 (0.03454) [ 4.48808]
0.190968 (0.09813) [ 1.94600]
0.245301 (0.17423) [ 1.40787]
CointEq2
0.010547 (0.00505) [ 2.08694]
-0.102516 (0.02066) [-4.96242]
0.304223 (0.10676) [ 2.84950]
0.003554 (0.00366) [ 0.97209]
0.056098 (0.01039) [ 5.39941]
0.051072 (0.01845) [ 2.76864]
CointEq3
0.001341 (0.00096) [ 1.39552]
-0.011580 (0.00393) [-2.94806]
0.077382 (0.02030) [ 3.81176]
0.003098 (0.00070) [ 4.45529]
0.005912 (0.00198) [ 2.99280]
0.001343 (0.00351) [ 0.38292]
-0.175195 (0.12020) [-1.45753]
0.138761 (0.49135) [ 0.28241]
-0.591089 (2.53930) [-0.23278]
-0.036599 (0.08697) [-0.42083]
-0.111867 (0.24711) [-0.45269]
0.177704 (0.43874) [ 0.40503]
D(LN_IHSG(-1))
-0.041952 (0.02625) [-1.59816]
0.242011 (0.10731) [ 2.25536]
-0.334416 (0.55455) [-0.60304]
-0.020135 (0.01899) [-1.06011]
-0.030327 (0.05397) [-0.56196]
-0.187841 (0.09582) [-1.96043]
D(SBI(-1))
0.004033 (0.00452) [ 0.89199]
0.025477 (0.01848) [ 1.37839]
0.386282 (0.09552) [ 4.04392]
-0.003500 (0.00327) [-1.06987]
-0.001901 (0.00930) [-0.20455]
-0.022436 (0.01650) [-1.35940]
D(LN_CPI(-1))
-0.098185 (0.14784) [-0.66412]
-2.160797 (0.60435) [-3.57544]
13.75967 (3.12326) [ 4.40554]
0.019946 (0.10697) [ 0.18647]
0.393288 (0.30394) [ 1.29396]
-1.052003 (0.53964) [-1.94945]
D(LN_ER(-1))
0.054824 (0.05646) [ 0.97106]
-0.583093 (0.23078) [-2.52657]
2.414872 (1.19270) [ 2.02472]
0.002743 (0.04085) [ 0.06715]
0.092635 (0.11607) [ 0.79811]
0.044927 (0.20608) [ 0.21801]
D(LN_IPI(-1))
-0.064574 (0.02759) [-2.34037]
0.018337 (0.11279) [ 0.16258]
-0.133277 (0.58288) [-0.22865]
-0.008452 (0.01996) [-0.42337]
-0.041351 (0.05672) [-0.72899]
-0.070032 (0.10071) [-0.69537]
C
0.020831 (0.00303) [ 6.87248]
0.045067 (0.01239) [ 3.63722]
-0.149766 (0.06403) [-2.33885]
0.008995 (0.00219) [ 4.10134]
-0.011016 (0.00623) [-1.76777]
0.006263 (0.01106) [ 0.56608]
D(LN_KREDIT(1))
DUMMY_1
0.005622 (0.00852) [ 0.65968]
-0.163714 (0.03484) [-4.69939]
-0.031161 (0.18004) [-0.17308]
-0.017986 (0.00617) [-2.91695]
0.099218 (0.01752) [ 5.66292]
-0.007785 (0.03111) [-0.25027]
DUMMY_2
0.007244 (0.00672) [ 1.07863]
-0.056739 (0.02745) [-2.06669]
0.158434 (0.14188) [ 1.11666]
-0.010311 (0.00486) [-2.12194]
0.028134 (0.01381) [ 2.03761]
0.033992 (0.02451) [ 1.38659]
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
0.331544 0.241873 0.014442 0.013271 3.697336 279.3218 -5.687699 -5.363023
0.486529 0.417649 0.241327 0.054250 7.063410 146.9699 -2.871699 -2.547023
0.620654 0.569766 6.445457 0.280363 12.19649 -7.424015 0.413277 0.737953
0.301336 0.207613 0.007560 0.009602 3.215170 309.7415 -6.334925 -6.010249
0.430235 0.353803 0.061040 0.027284 5.628991 211.5772 -4.246324 -3.921648
0.518523 0.453935 0.192419 0.048441 8.028132 157.6144 -3.098179 -2.773503
0.016915 0.015242
0.018191 0.071089
-0.110638 0.427432
0.006170 0.010787
-0.000851 0.033940
0.003936 0.065553
Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion
3.94E-18 1.74E-18 1121.751 -21.95214 -19.51707
LAMPIRAN 6. HASIL IRF KREDIT Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Cholesky Ordering: LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI
LN_KREDIT
LN_IHSG
SBI
LN_CPI
LN_ER
LN_IPI
0.013268 0.012367 0.013749 0.014537 0.014789 0.015007 0.015048 0.015061 0.015039 0.015012 0.014984 0.014962 0.014945 0.014933 0.014925 0.014920 0.014917 0.014915 0.014915 0.014914 0.014914 0.014914 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915 0.014915
0.000000 -0.002440 -0.002867 -0.003370 -0.003657 -0.003760 -0.003810 -0.003809 -0.003795 -0.003773 -0.003753 -0.003737 -0.003724 -0.003715 -0.003709 -0.003705 -0.003703 -0.003702 -0.003702 -0.003701 -0.003701 -0.003701 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702 -0.003702
0.000000 0.000155 -0.000107 -0.000923 -0.001462 -0.001990 -0.002357 -0.002623 -0.002797 -0.002905 -0.002968 -0.003002 -0.003018 -0.003023 -0.003023 -0.003021 -0.003018 -0.003015 -0.003013 -0.003011 -0.003010 -0.003009 -0.003009 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008 -0.003008
0.000000 -0.002009 -0.002430 -0.004054 -0.004521 -0.005049 -0.005297 -0.005459 -0.005535 -0.005569 -0.005578 -0.005574 -0.005566 -0.005557 -0.005549 -0.005543 -0.005538 -0.005535 -0.005533 -0.005532 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531 -0.005531
0.000000 -0.000543 -0.001182 -0.001817 -0.002047 -0.002266 -0.002364 -0.002422 -0.002446 -0.002453 -0.002451 -0.002446 -0.002440 -0.002434 -0.002430 -0.002427 -0.002425 -0.002424 -0.002423 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422 -0.002422
0.000000 0.003300 0.007541 0.009190 0.010579 0.011198 0.011558 0.011689 0.011719 0.011695 0.011652 0.011608 0.011570 0.011541 0.011519 0.011505 0.011496 0.011490 0.011487 0.011486 0.011485 0.011485 0.011485 0.011485 0.011485 0.011485 0.011486 0.011486 0.011486 0.011486 0.011486 0.011486 0.011486 0.011486 0.011486 0.011486
LAMPIRAN 7. HASIL IRF IPI Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Cholesky Ordering: LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI
LN_KREDIT
LN_IHSG
SBI
LN_CPI
LN_ER
LN_IPI
0.009348 0.013017 0.005649 0.006981 0.005424 0.005337 0.005036 0.004973 0.004939 0.004945 0.004962 0.004982 0.005001 0.005016 0.005027 0.005035 0.005040 0.005043 0.005044 0.005045 0.005046 0.005046 0.005046 0.005046 0.005046 0.005046 0.005046 0.005046 0.005045 0.005045 0.005045 0.005045 0.005045 0.005045 0.005045 0.005045
-0.009698 -0.011991 -0.011196 -0.009391 -0.009301 -0.008891 -0.008786 -0.008708 -0.008693 -0.008697 -0.008710 -0.008726 -0.008740 -0.008751 -0.008759 -0.008764 -0.008768 -0.008770 -0.008772 -0.008772 -0.008773 -0.008773 -0.008773 -0.008773 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772 -0.008772
-0.001187 -0.008527 -0.005560 -0.006619 -0.005845 -0.005477 -0.005030 -0.004704 -0.004460 -0.004293 -0.004185 -0.004119 -0.004082 -0.004063 -0.004054 -0.004052 -0.004053 -0.004055 -0.004057 -0.004059 -0.004060 -0.004061 -0.004062 -0.004062 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063 -0.004063
-0.002129 -0.014438 -0.001819 -0.004333 -0.002511 -0.002085 -0.001589 -0.001320 -0.001157 -0.001065 -0.001023 -0.001006 -0.001003 -0.001007 -0.001014 -0.001020 -0.001025 -0.001030 -0.001032 -0.001034 -0.001036 -0.001036 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037 -0.001037
0.005391 0.006927 0.010832 0.009906 0.010787 0.010977 0.011200 0.011306 0.011370 0.011401 0.011413 0.011416 0.011413 0.011409 0.011405 0.011401 0.011399 0.011397 0.011395 0.011394 0.011394 0.011394 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393 0.011393
0.050260 0.014980 0.018018 0.012888 0.011660 0.010154 0.009477 0.009073 0.008887 0.008821 0.008817 0.008841 0.008873 0.008904 0.008929 0.008948 0.008962 0.008971 0.008977 0.008980 0.008982 0.008983 0.008983 0.008983 0.008983 0.008983 0.008983 0.008982 0.008982 0.008982 0.008982 0.008982 0.008982 0.008982 0.008982 0.008982
LAMPIRAN 8. HASIL IRF IHSG Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Cholesky Ordering: LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI
LN_KREDIT
LN_IHSG
SBI
LN_CPI
LN_ER
LN_IPI
-0.013973 -0.019453 -0.023645 -0.027008 -0.028647 -0.029398 -0.029672 -0.029683 -0.029582 -0.029445 -0.029316 -0.029208 -0.029128 -0.029071 -0.029033 -0.029010 -0.028996 -0.028988 -0.028985 -0.028984 -0.028984 -0.028984 -0.028985 -0.028985 -0.028986 -0.028986 -0.028986 -0.028987 -0.028987 -0.028987 -0.028987 -0.028987 -0.028987 -0.028987 -0.028987 -0.028987
0.057947 0.070382 0.072691 0.074694 0.075974 0.076524 0.076706 0.076708 0.076628 0.076525 0.076427 0.076348 0.076288 0.076246 0.076219 0.076201 0.076191 0.076186 0.076184 0.076183 0.076183 0.076183 0.076184 0.076184 0.076184 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185 0.076185
0.000000 -0.002891 -0.000847 0.002475 0.005434 0.007810 0.009597 0.010841 0.011660 0.012167 0.012459 0.012614 0.012685 0.012708 0.012707 0.012696 0.012682 0.012669 0.012658 0.012650 0.012644 0.012641 0.012638 0.012637 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636 0.012636
0.000000 -0.010884 -0.006367 -0.000716 0.002651 0.004701 0.005987 0.006700 0.007060 0.007210 0.007246 0.007226 0.007185 0.007142 0.007104 0.007074 0.007052 0.007037 0.007028 0.007022 0.007019 0.007017 0.007017 0.007016 0.007016 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017 0.007017
0.000000 -0.006505 -0.002727 -2.59E-05 0.001384 0.002246 0.002752 0.003005 0.003115 0.003143 0.003133 0.003107 0.003078 0.003052 0.003032 0.003017 0.003007 0.003000 0.002997 0.002994 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993 0.002993
0.000000 -0.005273 -0.020990 -0.031243 -0.036867 -0.040016 -0.041562 -0.042177 -0.042285 -0.042159 -0.041950 -0.041737 -0.041555 -0.041414 -0.041313 -0.041245 -0.041202 -0.041176 -0.041162 -0.041155 -0.041152 -0.041152 -0.041152 -0.041153 -0.041154 -0.041155 -0.041156 -0.041156 -0.041157 -0.041157 -0.041157 -0.041157 -0.041157 -0.041157 -0.041157 -0.041157
LAMPIRAN 9. HASIL VD KREDIT Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Cholesky Ordering: LN_KREDIT LN_IHSG SBI LN_CPI LN_ER LN_IPI
S.E.
LN_KREDIT
LN_IHSG
SBI
LN_CPI
LN_ER
LN_IPI
0.013268 0.018713 0.024731 0.030648 0.036195 0.041345 0.046078 0.050435 0.054461 0.058206 0.061711 0.065014 0.068147 0.071133 0.073993 0.076743 0.079394 0.081959 0.084445 0.086859 0.089208 0.091497 0.093729 0.095910 0.098043 0.100130 0.102174 0.104178 0.106145 0.108075 0.109972 0.111837 0.113671 0.115476 0.117253 0.119004
100.0000 93.94648 84.69607 77.64368 72.36411 68.63471 65.92481 63.94368 62.46376 61.33794 60.46382 59.77145 59.21218 58.75196 58.36670 58.03917 57.75694 57.51085 57.29411 57.10156 56.92924 56.77403 56.63347 56.50555 56.38862 56.28132 56.18251 56.09122 56.00663 55.92802 55.85478 55.78639 55.72237 55.66233 55.60589 55.55275
0.000000 1.700152 2.317080 2.718044 2.969577 3.102732 3.181801 3.226245 3.252359 3.267661 3.276896 3.282643 3.286401 3.289018 3.290969 3.292522 3.293825 3.294958 3.295966 3.296876 3.297703 3.298458 3.299150 3.299784 3.300366 3.300903 3.301398 3.301856 3.302281 3.302675 3.303043 3.303387 3.303708 3.304009 3.304293 3.304559
0.000000 0.006884 0.005805 0.094424 0.230814 0.408466 0.590440 0.763376 0.918391 1.053196 1.168322 1.265808 1.348182 1.417953 1.477370 1.528342 1.572432 1.610898 1.644742 1.674755 1.701566 1.725673 1.747476 1.767300 1.785406 1.802014 1.817303 1.831426 1.844513 1.856673 1.868002 1.878582 1.888485 1.897774 1.906504 1.914724
0.000000 1.152803 1.625374 2.808196 3.573538 4.229795 4.727221 5.117225 5.421665 5.662125 5.854166 6.009506 6.136886 6.242773 6.331981 6.408096 6.473802 6.531125 6.581607 6.626435 6.666534 6.702631 6.735309 6.765039 6.792208 6.817134 6.840087 6.861291 6.880939 6.899197 6.916207 6.932092 6.946961 6.960907 6.974015 6.986357
0.000000 0.084324 0.276637 0.531622 0.701142 0.837740 0.937644 1.013335 1.070708 1.114971 1.149650 1.177299 1.199731 1.218241 1.233761 1.246965 1.258346 1.268269 1.277007 1.284768 1.291712 1.297965 1.303627 1.308779 1.313489 1.317810 1.321789 1.325466 1.328872 1.332038 1.334987 1.337742 1.340320 1.342738 1.345011 1.347151
0.000000 3.109361 11.07904 16.20403 20.16082 22.78655 24.63809 25.93614 26.87312 27.56411 28.08715 28.49330 28.81662 29.08005 29.29922 29.48490 29.64466 29.78390 29.90657 30.01561 30.11325 30.20124 30.28097 30.35355 30.41991 30.48082 30.53691 30.58874 30.63677 30.68140 30.72298 30.76181 30.79816 30.83225 30.86429 30.89446
