ANALISIS KEBIJAKAN MONETER TERHADAP SUKU BUNGA PERBANKAN DI INDONESIA FARHANA ZAHROTUNNISA

i

ANALISIS KEBIJAKAN MONETER TERHADAP SUKU BUNGA PERBANKAN DI INDONESIA

FARHANA ZAHROTUNNISA

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2013

ii

iii

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Kebijakan Moneter terhadap Suku Bunga Perbankan di Indonesia adalah benar karya saya denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2013 Farhana Zahrotunnisa NIM H14090072

iv

ABSTRAK FARHANA ZAHROTUNNISA. Analisis Kebijakan Moneter terhadap Suku Bunga Perbankan di Indonesia. Dibimbing oleh IMAN SUGEMA. Penelitian ini secara empiris meneliti mengenai pass-through suku bunga kebijakan yang diproksikan oleh suku bunga diskonto terhadap suku bunga perbankan dengan menggunakan data kelompok bank di Indonesia. Hasil estimasi memerlihatkan bahwa transmisi antara suku bunga kebijakan ke suku bunga deposito sangat lambat pada jangka pendek tetapi tidak pada jangka panjang. Sedangkan passthrough pada suku bunga kredit cenderung incomplete. Penelitian ini juga menemukan kecenderungan suku bunga deposito jangka pendek tidak terkointegrasi dengan suku bunga diskonto. Jika kita membandingkan, kelompok bank swasta nasional memiliki sedikit variabel yang tidak terkointegrasi. Sedikit variabel yang tidak terkointegrasi merupakan syarat cukup bagi kita untuk mengidentifikasi bahwa bank swasta nasional memiliki performa yang baik dalam menjalankan fungsi intermediasi.

Kata kunci: pass-through suku bunga, suku bunga kebijakan, suku bunga perbankan

ABSTRACT FARHANA ZAHROTUNNISA. Impact of Monetary Policy on Lending and Deposit Rates in Indonesia: ARDL Approach. Supervised by IMAN SUGEMA. This study investigates empirically the pass through of policy rate proxied by discount rate to retail banking interest rate using group bank level data in Indonesia. Estimation result suggest that the transmission rate from policy rate into deposit rate is slow and sluggish in the short run but not in the long run. Whereas interest rate pass-through into lending rate have tendency to incomplete both in the short run or long run. The study finds evidence many short term deposit rate in group bank not cointegrated with discount rate. Comparing in bank group, lack of variabel in commercial bank do notcointegrated. It can be sufficient condition for identifying that commercial bank have good performance in intermediate role. Keywords : interest rate pass through, policy rate, retail bank interest rate.

v

ANALISIS KEBIJAKAN MONETER TERHADAP SUKU BUNGA PERBANKAN DI INDONESIA

FARHANA ZAHROTUNNISA

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2013

vi

vii

Judul Skripsi :Analisis Kebijakan Moneter terhadap Suku Bunga Perbankan di Indonesia Nama : Farhana Zahrotunnisa NIM : H14090072

Disetujui oleh

Dr. Ir. Iman Sugema, M.Ec Pembimbing

Diketahui oleh

Dr. Ir. Dedi Budiman Hakim, M.Ec Ketua Departemen

Tanggal Lulus:

viii

PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga berhasil ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan November 2012 ini ialah Analisis Kebijakan Moneter terhadap Suku Bunga Perbankan di Indonesia Terima kasih penulis ucapkan kepada Bapak Dr. Ir. Iman Sugema, M.Ec selaku dosen pembimbing yang selalu memberikan baik arahan dan motivasi kepada penulis, kepada Ibu Dr. Lukytawati Anggraeni, S.P., M.Si selaku dosen penguji utama dan Bapak Dr. Muhamad Findi A, M.E selaku komisi pendidikan, atas kritik dan saran yang membangun dan bermanfaat yang diberikan kepada penulis, serta kepada ka Ashfahanirrohimah, ka Ade Kholis selaku asisten dosen yang senantiasa memberikan masukan yang sangat bermanfaat. Ungkapan terima kasih juga disampaikan kepada ayah, ibu serta adik tercintaatas segala doa dan kasih sayangnya. Tidak lupa juga penulis sampaikan terima kasih kepada teman satu bimbingan Friska, Yeni dan Lintang yang selalu kompak dan banyak membantu penulis selama proses pembuatan skripsi ini. Terakhir penulis sampaikan terima kasih kepada para sahabat terdekat Maria Utari, Friska Zehan, Nadya Astrid, Nina Hanifa, Rezka Farah, Puspita Mega Lestari, Meiyora Averiana, Widy Purnama, Ardhi Harry, Adrian Prama, Bronson Marpaung, Jajang Arif, Bram Agustian Zahro, Fauzi Mauludin Fahmi, Taufik Imandana, Lia Julianty, HIPOTESA FEM IPB 2011 dan teman-teman TPB A.18 serta teman-teman Ilmu Ekonomi angkatan 46lainnya atas segala dukungan yang telah diberikan. Semoga karya ilmiah ini bermanfaat. Bogor, Juni 2013 Farhana Zahrotunnisa

ix

DAFTAR ISI DAFTAR TABEL

x

DAFTAR GAMBAR

xi

DAFTAR LAMPIRAN

xi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

3

Tujuan Penelitian

5

Manfaat Penelitian

5

Ruang Lingkup Penelitian

5

TINJAUAN PUSTAKA

6

Transmisi Kebijakan Moneter melalui Jalur Suku Bunga

6

Mekanisme Pass-Through

7

Faktor-faktor Penentu dalam Pass-Through Suku Bunga

8

Model Pass-through Suku Bunga Perbankan

9

Penyesuaian Suku Bunga Perbankan terhadap Perubahan Suku Bunga Pasar dalam Error Correction Framework 10 Penelitian Terdahulu

10

Kerangka Pemikiran

12

METODE PENELITIAN

14

Jenis dan Sumber Data

14

Metode Pengolahan dan Analisis Data

14

GAMBARAN UMUM

24

HASIL DAN PEMBAHASAN 324 Hasil

34

Pembahasan

43

SIMPULAN DAN SARAN

47

DAFTAR PUSTAKA

48

LAMPIRAN

51

RIWAYAT HIDUP

119

x

xi

DAFTAR TABEL

1. Tahapan Mekanisme Transmisi Kebijakan Moneter menurut 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.

Dornbusch et al. Pendekatan pada Jalur Transmisi Suku Bunga Variabel dan Sumber Data Cara Perhitungan Nilai Kriteria Model Komposisi DPK Bank Persero Komposisi DPK Bank Pemerintah Daerah Komposisi DPK Bank Swasta Nasional Devisa Komposisi DPK Bank Swasta Nasional Non Devisa Komposisi DPK Bank Campuran Komposisi DPK Bank Asing Jumlah Deposito Berdasarkan Jangka Waktu Kredit Bank Persero berdasarkan Jenis Penggunaan Kredit Bank Swasta Nasional Devisa berdasarkan Jenis Penggunaan Kredit Bank Swasta Nasional Non Devisa berdasarkan Jenis Penggunaan Kredit Bank Pemerintah Daerah berdasarkan Jenis Penggunaan Kredit Bank Campuran berdasarkan Jenis Penggunaan Kredit Bank Asing berdasarkan Jenis Penggunaan Nilai Loan to Deposit Ratio setiap Kelompok Bank (%) Hasil Uji Kointegrasi Johansen Ringkasan Hasil Uji Kointegrasi Keseluruhan Model pada Setiap Kelompok Bank Hasil Perhitungan Mean Lag dari Lag 1.4 hingga 1.0 Bank Swasta Nasional Model Deposit3-DR Hasil Perhitungan Mean Lag dari Lag 1.3 hingga 1.0 Bank Pemerintah Daerah Model Deposit6-DR Hasil Ringkasan Pemilihan Lag Setiap Model menurut Kelompok Bank Ringkasan Hasil Uji Heteroskedastisitas Ringkasan Hasil Uji Autokorelasi Hasil Perhitungan Derajat Pass-through, Speed of Adjustment, dan Mean Lag

6 7 14 19 27 27 28 28 28 29 29 30 31 31 31 32 32 33 35 36 37 37 38 40 41 42

xii

DAFTAR GAMBAR 1. Proses Transmisi Kebijakan Moneter 2. Kerangka Pemikiran 3. Pergerakan Suku Bunga Diskonto, Suku Bunga Kredit dan Deposito berdasarkan Kelompok Bank 4. Perbandingan Kredit Per PDB 5. Contoh CUSUM testdengan Parameter yang Tidak Stabil

4 13 25 33 41

DAFTAR LAMPIRAN 1. 2. 3. 4.

Uji Stasioneritas Hasil Bound Testing Cointegration Hasil Penentuan Lag Diagnostic Test setiap Model pada Kelompok Bank

52 56 58 71

1

1

PENDAHULUAN Latar Belakang Hakikatnya kebijakan moneter merupakan bagian integral kebijakan ekonomi makro yang ditunjukkan untuk mendukung tercapainya berbagai sasaran akhir pembangunan ekonomi yang pada umumnya mencakup pertumbuhan ekonomi, perluasan kesempatan kerja, kestabilan harga dan keseimbangan neraca pembayaran (Pohan, 2008). Bank Indonesia sebagai otoritas moneter memiliki peran penuh dalam mengatur dan melaksanakan kebijakan moneter dengan memerhatikan sasaransasaran moneter, dimana sasaran moneter tersebut diproyeksikan berdasarkan tujuan tunggal yang tercantum pada Undang-Undang No. 3 Tahun 2004 yaitu mencapai dan memelihara kestabilan nilai rupiah, yang terangkum dalam kerangka stategis penargetan inflasi. Bank Indonesia dalam menjalankan tugasnya bebas dari intervensi pemerintah. Menurut Cukierman, Webb dan Neyapti (1992), independensi otoritas moneter pada bank central secara de jure dan de facto merupakan faktor penting dalam peningkatan efektifitas bank central. Independensi ini meliputi kebebasan dalam menentukan suku bunga official (suku bunga kebijakan) tanpa intervensi pemerintah. Peningkatan independensi pada bank sentral meliputi peningkatan otonomi Dewan Gubernur Bank Sentral, pembatasan serta pelarangan bank sentral meminjam dana kepada pemerintah, peningkatan otonomi keuangan pada bank sentral serta peningkatkan akuntabilitas melalui keselarasan antara kebijakan yang dibuat dengan sasaran yang ingin dituju. Penerapan kebijakan moneter di negara-negara berkembang seperti Negara Indonesia memiliki tuntutan peran yang lebih besar dalam pelaksanaan kebijakan dibandingkan negara maju. Hal ini terjadi karena adanya perbedaan sasaran dan kondisi infrastruktur yang mendukung efektivitas dalam pelaksanaan kebijakan moneter antara negara maju dan berkembang. Kecenderungan di negara maju pelaksanaan kebijakan moneter lebih fokus kepada tujuan dalam penciptaan kestabilan moneter sedangkan di negara berkembang pelaksanaan kebijakan moneter fokus pada upaya mendorong pembangunan serta upaya pemerataan hasil-hasil pembangunan. Mekanisme transmisi kebijakan moneter dimulai sejak otoritas moneter atau bank sentral bertindak menggunakan instrumen moneter yang akan berpengaruh terhadap aktivitas perekonomian baik secara langsung maupun secara bertahap. Interaksi dalam transmisi kebijakan moneter meliputi dua tahap yaitu interaksi antara otoritas moneter dengan perbankan dan lembaga keuangan serta interaksi antara perbankan dan lembaga keuangan dengan para pelaku ekonomi di sektor riil. Terjadinya perubahan kebijakan moneter baik ekspansi maupun kontraksi secara umum akan menyebabkan transmisi melalui jalur suku bunga yang kemudian akan memengaruhi suku bunga antar bank dan tingkat investasi melalui biaya modal serta konsumsi.

2

Bank Indonesia sebagai otoritas moneter di Indonesia telah menerapkan fullfledged inflation targeting sejak Juli 2005, yang merupakan kerangka kebijakan moneter dengan melakukan pengumuman resmi mengenai sasaran inflasi untuk rentang waktu tertentu. Berdasarkan pengalaman di sejumlah negara yang menerapkan kerangka inflation targeting terdapat kecenderungan adanya penggunaan suku bunga sebagai target operasional dari instrumen kebijakan moneter. Hal ini sejalan dengan Espinosa-Vega dan Rebucci (2003) dimana dalam segi operasional, banyak bank sentral pada saat ini menargetkan tingkat suku bunga pasar jangka pendek.Hal ini dilakukan dengan alasan bahwa penentuan instrumen ini lebih stabil dengan tujuan akhir dari kebijakan moneter yang melalui transmisi kebijakan moneter. Interest rate pass-through dapat didefinisikan sebagai proses perubahan suku bunga officialakibat perubahan kebijakan moneter yang ditransmisikan ke suku bunga pasar uang dan perbankan. Interest pass-through merupakan salah satu prasyarat berjalannya transmisi kebijakan moneter melalui jalur suku bunga. Transmisi melalui jalur suku bunga akan berfokus pada pass-through kebijakan suku bunga terhadap suku bunga kredit dan deposito bank, yang akan berdampak pada suku bunga bank terhadap permintaan aggregat. Respon suku bunga bank terhadap perubahan kebijakan penetapan suku bunga official akan bergantung kepada biaya penyesuaian pada bank dimana besarnya biaya penyesuaian bergantung pada elastisitas permintaan terhadap pinjaman bank (Cotarelli dan Korelis, 1994). Banyak penelitian di dunia yang telah meneliti mengenai interest pass-through seperti Borio & Fritz (1995), Cottarelli & Kourelis (1994), Mozzani (1999), Mojon (2000), de Bondt (2002) dan Espinosa-Vega dan Rebucci (2003) yang meneliti mengenai kecepatan penyesuaian suku bunga perbankan dengan perubahan suku bunga pasar uang secara incomplete dimana perubahan suku bunga perbankan tidak sebanding dengan perubahan suku bunga pasar uang (<|1|) dengan kata lain perbankan tidak merespon kebijakan secara penuh. Tai, Sek, & Har (2012) melakukan penelitian mengenai interest rate pass-through dan transmisi kebijakan moneter di Asia sebelum dan sesudah terjadinya krisis pada tahun 1997, salah satu objek penelitiannya yaitu Negara Indonesia. Menurut Tai, Sek, & Har (2012) lebih lanjut bahwa secara garis besar di Negara Indonesia, transmisi kebijakan dari suku bunga pasar uangke suku bunga kredit dan deposito membutuhkan waktu yang relatif lama serta memiliki size of pass-through yang kecil jika di bandingkan dengan negara Malaysia dan Singapura. Hal ini menunjukan bahwa otoritas moneter di Negara Indonesia tidak dapat secara efektif mengontrol suku bunga pasarmelalui suku bunga official (suku bunga kebijakan) dalam mencapai sasaran kebijakan yang telah ditargetkan, serta adanya pasar keuangan yang tidak sempurna ditandai dengan kurangnya integrasi dalam pasar keuangan.

3

Perumusan Masalah Menurut Pohan (2008) studi empiris di banyak negara menunjukkan bahwa jalur agregat moneter semakin tidak efektif dalam memengaruhi sasaran akhir kebijakan moneter (inflasi).Tidak stabilnya money multiplier dan income velocity sebagai akibat dari semakin berkembangnya financial innovation dan terintegrasi pasar keuangan merupakan beberapa alasan yang mendasari tidak efektifnya jalur agregat moneter.Oleh karena itu, sebagian besar negara (negara industri dan negara berkembang) mulai mendasarkan prosedur operasional kebijakan moneter mereka pada jalur transmisi suku bunga. Hal yang sama juga terjadi pada negara-negara yang menggunakan inflation targeting sebagai kerangka kebijakan moneternya seperti Negara Indonesia. Berdasarkan pengalaman di sejumlah negara yang menerapkan inflation targeting, ditemukan bahwa instrumen kebijakan moneter yang digunakan sebagai target operasional adalah suku bunga. Proses transmisi kebijakan moneter melalui suku bunga melibatkan adanya perubahan suku bunga official atausuku bunga pasar uangyang ditransmisikan ke suku bunga perbankan, dimana bank sentral sebagai otoritas moneter yang independen menentukan suku bunga official atausuku bunga pasar uang dalam rangka mewujudkansasaran kebijakan moneter. Perubahan yang terjadi pada suku bunga official atau suku bunga pasar uang akan berdampak pada perubahan suku bunga pasar dan perbankan pada jangka panjang dan jangka pendek dengan derajat dan kecepatan penyesuaian dalam merespon adanya perubahan dengan besaran yang berbeda-beda. Transmisi kebijakan moneter akan semakin kuat apabila interest passthrough direspon oleh sektor perbankan secaracepat dan penuh (complete). Hal ini menunjukkan adanya sektor perbankan yang memiliki profitabilitas yang baik. Pelaksanaan kebijakan moneter di Indonesia dimulai dengan adanya operasi moneter yang melibatkan instrumen moneter salah satunya yaitu discount facility. Discount Facility merupakan kebijakan moneter yang memengaruhi jumlah uang beredar melalui pengaturan suku bunga pemberian kredit oleh bank sentral kepada sektor perbankan. Jika bank sentral menetapkan suku bunga diskonto lebih tinggi maka bank akan mengurangi permintaan kredit dari bank sentral yang nantinya akan berdampak pada berkurangnya kemampuan bank dalam memberikan pinjaman sehingga jumlah uang beredar akan menurun, begitu juga sebaliknya apabila suku bunga diskonto ditetapkan lebih rendah maka bank akan menambah permintaan kredit dari bank sentral yang nantinya akan mengakibatkan jumlah uang beredar akan meningkat. Perubahan kebijakan moneter akan ditransmisikan melalui lima jalur yaitu jalur suku bunga, kredit, neraca perusahaan, nilai tukar, harga asset, dan ekspektasi. Proses transmisi kebijakan moneter dapat dirangkum ke dalam gambar sebagai berikut :

4

Peneliti an kali ini akan melihat adanya proses passthrough of interest dari sukubu nga diskont o sebagai proksi dari Gambar 1 Proses Transmisi Kebijakan Moneter perubahan kebijakan moneter terhadapsuku bunga kredit dan deposito dengan berbagai jangka waktudalam kelompok bank yaitu bank persero, bank pemerintah daerah, bank swasta nasional dan bank asing dan campuran. Pemilihan kelompok bank dilakukan karena penelitian ini berfokus pada tahapan pertama dalam mekanisme transmisi kebijakan moneter yang melibatkan bank sentral sebagai otoritas moneter dan sektor perbankan. Penelitian ini dilakukan untuk melihat derajat dan kecepatan penyesuaian pada tiap kelompok bank yang memiliki karakteristik yang berbeda. Dari hasil penelitian ini nantinya kita dapat mengidentifikasi kelompok bank mana yang memiliki tingkat penyesuaian yang lambat terhadap kebijakan moneter serta dapat merumuskan kebijakan yang sesuai dalam proses perbaikan kualitas kebijakan moneter di Indonesia. Selanjutnya penelitian ini juga akan menguji keberadaan kointegrasi antara perubahan suku bunga diskonto terhadap suku bunga kredit dan depositountuk melihat ada atau tidaknya hubungan jangka panjang dalam transmisi kebijakan moneter tersebut. Berdasarkan uraian di atas maka terdapat beberapa permasalahan yangakan diteliti yaitu : 1 Apakah terdapat hubungan kointegrasi antara suku bunga diskonto dengan suku bunga kredit and deposito ? 2 Bagaimana hasil estimasi speed of adjustment (kecepatan penyesuaian), degree of pass-through (derajat pass-through) serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) darisuku bunga diskontoterhadap suku bunga kredit dan deposito?

5

3

Jika terdapat incomplete pass-through di dalam kelompok bank, rekomendasi kebijakan apa yang dapat memperbaiki situasi ini ? Dari analisis ini maka akan diperoleh informasi secara umum dan empiris mengenai respon kelompok bank mengenai keefektifan kebijakan moneter di Indonesia. Tujuan Penelitian Adapun tujuan yang akan dicapai dari penelitian ini terkait dengan permasalahan yang telah dijelaskan sebelumnya adalah : 1 Mengetahui ada/tidaknya hubungan kointegrasi antara suku bunga diskonto dengan suku bunga kredit dan deposito. 2 Menghitung speed of adjustment (kecepatan penyesuaian), degree of passthrough of interest (derajat pass-through), serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) dari suku bunga diskonto yang terjadi pada kelompok bank di Indonesia (complete, incomplete, atau over pass-through). 3 Menganalis perhitungan speed of adjustment (kecepatan penyesuaian), degree of pass-through (derajat pass-through) serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) dari suku bunga diskonto serta rekomendasi kebijakan bagi perbaikan kualitas kebijakan moneter di Indonesia. Manfaat Penelitian Penelitian ini diharapkan dapat menjadi wacana bagi bank sentral dalam mengambil langkah dalam memetakan konsep kerangka kebijakan moneter yang tepat dengan pendekatan inflation targeting framework ke dalam praktik operasional yang nantinya akan berdampak pada peningkatan pertumbuhan ekonomi. Ruang Lingkup Penelitian Ruang lingkup penelitian ini hanya terbatas pada perhitungan speed of adjustment (kecepatan penyesuaian), derajat pass-through serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) darisuku bunga diskonto sebagai proksi adanya perubahan kebijakan moneter terhadap suku bunga kredit dan deposito pada kelompok bank di Indonesia. Penelitian ini juga akan dilihat apakah ada atau tidaknya keberadaan kointegrasi antara perubahan suku bunga diskonto terhadap dan suku bunga kreditdan deposito untuk melihat ada atau tidaknya hubungan jangka panjang dalam transmisi kebijakan moneter tersebut. Secara umum dan empiris mengenai respon kelompok bank mengenai keefektifan kebijakan moneter di Indonesia. Variabel yang digunakan dalam penelitian ini adalah suku bunga diskonto, suku bunga kredit terbobot, suku bunga deposito (1 bulan, 3 bulan,6 bulan, 12 bulan dan 24 bulan).

6

TINJAUAN PUSTAKA Transmisi Kebijakan Moneter melalui Jalur Suku Bunga Bank Indonesia sebagai otoritas moneter di Negara Indonesia memiliki peran dalam mengatur dan melaksanakan kebijakan moneter yang bertujuan untuk mencapai dan menstabilkan nilai rupiah. Kebijakan moneter merupakan kebijakan yang saling ketergantungan dengan variabel dalam perekonomian. Pada tahun 1990an, kebijakan moneter memiliki desain yang berpusat pada pertumbuhan uang nominal. Bank sentral menggunakan target pertumbuhan uang nominal untuk jangka menengah dan menggunakan suku bunga nominal sebagai target pada jangka pendek, dimana pada akhir dekade banyak bank sentral yang mengadopsi inflation targeting daripada pertumbuhan uang nominal (Blancard, 2011). Mekanisme transimi kebijakan moneter menurut Dornbusch et al. (2008) terjadi dalam dua langkah yaitu : 1 Perubahan saldo riil (real balances) menciptakan disekuilibriom portofolio yaitu pada tingkat suku bunga dan tingkat pendapatan yang berlaku, masyarakat memegang uang lebih banyak dari yang mereka perlukan. Hal tersebut menyebabkan perubahan penawaran uang akan merubah suku bunga. 2 Proses transmisi terjadi ketika perubahan suku bunga memengaruhi permintaan agregat. Tabel 1 Tahapan Mekanisme Transmisi Kebijakan Moneter menurut Dornbusch et al. Mekanisme Transmisi (1) Perubahan jumlah penawaran uang riil

(2) Penyesuaian portofolio yang akan menyebabkan perubahan harga asset dan suku bunga

(3) Pengeluaran menyesuaikan diri terhadapa perubahan suku bunga

(4) Output menyesuaikan diri terhadap perubahan permintaan agregat

Sumber : Dornbusch, 2008

Menurut Bank Indonesia, terdapat empat jalur transmisi kebijakan moneter di Negara Indonesia yaitu melalui jalur nilai tukar, jalur kredit, jalur harga aset, jalur ekspektasi dan jalur suku bunga. Menurut Pohan (2008) pada jalur suku bunga lebih menekankan pentingnya aspek harga dipasar keuangan terhadap berbagai aktivitas ekonomi di sektor riil. Kebijakan moneter yang ditempuh bank sentral akan berpengaruh terhadap perkembangan berbagai suku bunga disektor keuangan dan selanjutnya akan berpengaruh pada tingkat inflasi dan output riil, dengan mekanisme yang akan dijelaskan sebagai berikut. Tahap pertama operasi moneter bank sentral akan memengaruhi suku bunga jangka pendek, seperti suku bunga SBI dan suku bunga pasar antarbank (PUAB), selanjutnya perubahan ini akan memberikan pengaruh pada suku bunga deposito yang ditawarkan bank ke masyarakat penabung dan pada suku bunga kredit yang dibebankan bank kepada para debiturnya.

7

Tahap berikutnya, transmisi suku bunga dari sektor keuangan ke sektor riil akan tergantung pada pengaruhnya terhadap permintaan konsumsi dan investasi. Pengaruh suku bunga terhadap konsumsi berkaitan erat dengan peranan bunga sebagai komponen pendapatan masyarakat dari deposito (income effect) dan bunga kredit sebagai sumber pembiayaan konsumsi (substitution effect). Sementara itu, pengaruh suku bunga terhadap investasi terjadi karena bunga kredit merupakan komponen biaya modal (cost of capital), di samping yield obligasi dan dividen saham. Pengaruh perubahan suku bunga terhadap investasi dan konsumsi selanjutnya akan berdampak pada permintaan agregat yang pada gilirannya akan menentukan tingkan inflasi dan output riil. Mekanisme Pass-Through Menurut Ur Rehman (2009), interest rate pass-through dapat dibagi menjadi dua tahap. Tahap yang pertama yaitu mengukur bagaimana perubahan dalam kebijakan moneter ditansmisikan kesuku bunga pasar dalam jangka pendek dan jangka panjang sedangkan tahap yang kedua meliputi perubahan suku bunga pasar yang memengaruhi suku bunga kredit dan deposito bank. Dua tahap proses interest pass-through yang telah dijelaskan di atas dapat disederhanakan ke dalam Tabel 2 di bawah ini. Tabel 2 Pendekatan pada Jalur Transmisi Suku Bunga Monetary Policy Approach Policy rate Short-term /long-term deposit rate Policy rate Short-term/long-term lending rate Cost of Funds Approach 1st stage: yield curve Policy rate 1m MMR 12m MMR/T-bill rate G-bond rate 2nd stage: cost of funds a) 1m MMR / 12m T-bill / MMR short-term deposit rate short-term loans (long-term loan rate) b) 1m MMR / 12m T-bill / MMR short-term loan (long-term loan rate) c) GB rate long-term deposit rate long-term loan rate d) GB rate long-term loan rate Sumber : Egert, 2006

Pada tahap pertama perubahan dalam kebijakan moneter ditansmisikan dalam suku bunga pasar dalam jangka pendek dan jangka panjang secara keseluruhan dipengaruhi oleh stabilitas dari kurva imbalan (yield). Jika struktur pada kurva tetap stabil meskipun berubah menjadi berslope negatif atau positif, maka proses passthrough dari suku bunga official ke suku bunga pasar dapat dikatakan seimbang dalam memengaruhi pergeseran kurva imbalan (yield). Menurut Egert et al (2006) the cost of funds approach yang diperkenalkan oleh (DeBondt2005) merupakan cara terbaik dalam mendeskripsikan tahap kedua pada pass-through suku bunga dimana

8

suku bunga pasar uang akan ditransmisikan ke suku bunga perbankan baik suku bunga kredit maupun suku bunga deposito dikarenakan adanya ketergantungan bank terhadap pasar uang dalam sektor pembiayaan dan penghimpunan dana sedangkan yield sekuritas pemerintah dapat dilihat sebagai biaya oportunitas pada bank dalam segi pembiayaan pada suku bunga kredit jangka panjang. Faktor-faktor Penentu dalam Pass-ThroughSuku Bunga Ketidaksempurnaan dalam mekanisme pass-through dapat dilihat melalui dua hal. Pertama mengacu pada derajat pass-through yaitu perubahan pada suku bunga kebijakan atau suku bunga pasar uang ke suku bunga perbankan pada jangka panjang. Aspek yang kedua merupakan speed of adjustment pada pass-through (kecepatan penyesuaian). Perbedaan kekuatan dan kecepatan transmisi kebijakan moneter melalui jalur suku bunga dapat dipengaruhi oleh hal-hal berikut (Hovart et al, 2005). 1 Disintermediasi Derajat disintermediasi dan peran dari lembaga keuangan bukan bank memiliki dampak pada elastisitas permintaan terhadap kredit dan penawaran deposit. Pada sisi aset, permintaan kredit akan bereaksi lebih intensif terhadap perubahan suku bunga pada perekonomian dengan pengembangan pasar uang dan modal, seperti perusahaan-perusahaan dapat menggantikan kredit bank dengan pembiayaan dalam bentuk lain. Sedangkan pada sisi deposito, adanya peluang investasi lain akan memengaruhi elastisitas suku bunga pasar terhadap penawaran deposito secara langsung, hal ini akan memengaruhi suku bunga deposito bank. 2 Kompetisi Antarbank Kompetisi antar bank juga memengaruhi elastisitas permintaan kredit dan penawaran deposito. Rendahnya derajat kompetisi antara bank dan lembaga keuangan bukan bank akan berakibat pada perilaku bank dalam penentuan harga. Bagaimanapun dampak yang terjadi akan berbeda tergantung pada arah perubahan dari suku bunga pasar uang atau suku bunga official. Pada sisi aset, terbatasnya persaingan akan mengakibatkan suku bunga kredit akan bereaksi lebih intensif untuk meningkat ketika suku bunga pasar uang atau suku bunga official akan mengalami penurunan. Hal yang sebaliknya akan terjadi pada sisi liabilitas yang memengaruhi suku bunga deposito. 3 Modal dan Posisi Likuiditas Bank Modal dan tingkat likuiditas bank juga akan memengaruhi mekanisme pass-through. Kecukupan modal dan likuiditas yang baik akan memberikan peluang bank dalam menyesuaikan tingkat suku bunganya.

9

4 Kebijakan Moneter dan Volatilitas Suku Bunga Perubahan suku bunga pada instrumen bank akan mengakibatkan biaya penyesuaian pada bank. Penyesuaian suku bunga perbankan akan bergantung pada bank’s assessment jika terdapat perubahan pada suku bunga kebijakan baik secara sementara (temporary) atau permanen. Oleh karena itu, perilaku perbankan dalam penentuan harga dipengaruhi oleh persepsi mereka terhadap perubahan suku bunga yang terjadi. Sedangkan tingginya volatilitas pada suku bunga memiliki kemungkinan untuk mengurangi derajat atau kecepatan penyesuaian pada setiap pergeseran di suku bunga pasar secara sementara (temporary). Model Pass-through Suku Bunga Perbankan Kondisi persaingan sempurna dengan informasi yang lengkap menyaratkan bahwa harga ekuivalen dengan marginal cost dan derivatif dari harga sehubungan dengan marginal costyangsama dengan 1. Derivatif dari harga akan bernilai kurang dari satu ketika asumsi persaingan sempurna dan lengkapnya informasi tidak terpenuhi. Aplikasi dari kondisi persaingan sempurna ini ke dalam pengaturan harga oleh bank mengikuti dari model persamaan marginal cost pricing yang diperkenalkan oleh Rousseas (1985) yang dijabarkan sebagai berikut br=γ0+γ1mr dimana br = harga yang ditentukan oleh bank γ0 = constant markup mr = marginal cost harga yang diproksikan oleh suku bunga pasar. Terlihat dari keterangan diatas bahwa marginal cost harga diproksikan oleh suku bunga pasar dikarenakan suku bunga pasar dapat secara akurat merefleksikan adanya tambahan pembiayaan yang harus diberikan oleh bank. Koefisien γ1 bergantung pada elastisitas permintaan dari deposito dan pinjaman yang nantinya akan berdampak pada perubahan suku bunga perbankan. Jika elastisitas permintaan dari deposito dan pinjaman tidak sepenuhnya elastis maka parameter γ1 akan bernilai kurang dari 1. Nilai yang kurang dari satu menandakan bahwa bank-bank tersebut memiliki derajat kekuatan pasar (market power) (DeBondt, 2002). Menurut Laudadio (1987), terdapat kecenderungan bahwa suku bunga perbankan dalam kondisi struktur oligopoli tidak akan merespon adanya perubahan suku bunga official dengan penuh, namun ketika struktur kompetisi bank berubah dari oligopoli menjadi persaingan sempurna maka suku bunga perbankan akan merespon penuh adanya perubahan suku bunga official. Banyak faktor yang memengaruhi adanya kekuatan pasar (market power) yaitu adanya hambatan masuk dalam sektor perbankan dikarenakan adanya regulasi tertentu seperti pembuatan regulasi yang menjadi syarat terciptanya kekuatan monopoli dan administrated pricing (Niggle, 1987). Kekuatan pasar dan permintaan yang inelastis untuk produk-produk perbankan juga dapat terjadi karena adanya switching cost dan asymmetric information .

10

Penyesuaian Suku Bunga Perbankan terhadap Perubahan Suku Bunga Pasar dalam Error Correction Framework Menurut Hannan dan Berger (1991), penyesuaian biaya pada suku bunga perbankan akan merespon perubahan suku bunga pasar hanya jika biaya penyesuaian lebih rendah dibandingkan biaya untuk mengatur suku bunga perbankan pada kondisi non-ekuilibrium. Derajat kekuatan pasar (market power) dan asymmetric information cost memiliki pengaruh jangka panjang pada respon perubahan suku bunga perbankan sedangkan switching cost memiliki pengaruh dalam jangka pedek. Kurva permintaan pada jangka pendek akan lebih inelastis dibandingkan pada jangka panjang. Semakin elastis permintaan akan deposito dan pinjaman maka dibutuhkan biaya yang tinggi untuk menjaga suku bunga perbankan tidak pada kondisi ekuilibrium. Berdasarkan penjelasan di atas menurut DeBondt (2002), cara yang paling tepat untuk menentukan respon penyesuaian suku bunga perbankan terhadap perubahan suku bunga pasar atau suku bunga official adalah dengan menggunakan error correction framework. Keuntungan utama dalam penggunaan error correction framework adalah pendekatan ini melibatkan estimasi pada keseimbangan jangka pendek dan jangka panjang diantara suku bunga perbankan dan suku bunga pasar uang atau suku bunga official (kebijakan). Model pada error correction dapat ditulis sebagai berikut : ∆brt=α1+α2∆mrt-β1(brt-1-β2mrt-1)+εt dimana : α2 = Pass-throughpada jangka pendek β2 = Pass-throughpada jangka panjang = Perhitungan mean lag. (1-α 2 )/-β 1 Penelitian Terdahulu Mojon (2000) melakukan penelitian mengenai derajat pass-through dari suku bunga pasar uang ke 25 suku bunga kredit dan 17 suku bunga deposito di enam negara eropa yaitu Belgia, Jerman, Perancis, Belanda, Spanyol dan Italia dengan menggunakan metode ARDL dan panel data. Penelitian ini mengestimasi data dari tahun 1979 sampai 1988 dan dari tahun 1988 sampai 1998. Dari penelitian ini diperoleh hasil bahwa suku bunga perbankan merespon lambat adanya perubahan dari suku bunga pasar uang. Derajat pass-through suku bunga perbankan setelah 3 bulan mengalami perubahan suku bunga pasar uang nilainya masih kurang dari satu.Terdapat kecenderungan bahwa respon dari suku bunga jangka pendek lebih cepat dibandingkan dengan suku bunga jangka panjang. Penelitian yang dilakukan oleh Mojon (2000) juga memeroleh hasil bahwa adanya country asymmetries dapat diatasi dengan adanya kebijakan moneter tunggal, integrasi pasar uang dan pertumbuhan pasar surat utang. De Bondt (2002) melakukan penelitian pada suku bunga perbankan di negara kawasan eropa dengan menggunakan metode ECM dan VAR. Dalam penelitian ini

11

menggunakan data bulanan dari Januari 1996 hingga Mei 2001. Di dalam penelitian ini diperoleh hasil adanya incomplete pass-through pada jangka pendek dan completepass-throughpada jangka panjang. Speed of adjustment suku bunga passthroughmeningkat sejak Januari 1999 dimana Monetary Union terbentuk. Terbentuknya Monetary Union mengakibatkan adanya konvergensi dalam proses pass-through. Espinosa-Vega dan Rebucci (2003) meneliti mengenai pass-throughsuku bunga pasar uang ke suku bunga perbankan di negara Chili, Amerika Serikat, Kanada, Australia, New Zealand dan lima negara Eropa dengan menggunakan metode ARDL. Dari penelitian ini diperoleh hasil bahwa derajat pass-throughdi negara Chili incomplete, namun speed of adjustment nya memiliki nilai yang lebih besar dibandingkan dengan negara negara yang menjadi fokus penelitian ini, termasuk juga negara Amerika Serikat. Penelitian ini juga menyimpulkan hasil bahwa proses passthroughtidak dipengaruhi oleh pergantian regim nilai tukar menjadi regim mengambang pada tahun 1999 serta nominalisasi target suku bunga pada tahun 2001 di negara Chili. Hovart, et al (2005) meneliti mengenai interest pass-throughdi negara Hungaria dengan menggunakan metode ECM dan TAR. Data yang digunakan dalam penelitian ini adalah suku bunga kelompok bank dan suku bunga pasar uang, dengan periode penelitian dari January 2001 sampai January 2004. Dari penelitian ini diperoleh hasil bahwa suku bunga kredit korporasi memiliki derajat pass-through paling tinggi dalam jangka panjang dan memiliki penyesuaian tercepat dalam jangka pendek sedangkan suku bunga deposito memiliki karakteristik pass-through yang berkebalikan dengan suku bunga kredit korporasi. Dari penelitian ini juga diperoleh hasil bahwa speed of adjustment dipengaruhi oleh ukuran perubahan dari suku bunga pasar uang dan jarak suku bunga perbankan dari keseimbangan jangka panjang.Selain itu adanya tanda-tanda guncangan pada imbal hasil dan volatilitas suku bunga pasar juga berkontribusi dalam besarnya speed of adjustment. Tai, Sek, & Har (2012) melakukan penelitian mengenai interest rate passthrough dan transmisi kebijakan moneter di Asia sebelum dan sesudah terjadinya krisis pada tahun 1997 dengan menggunakan metode GLS (SUR), salah satu objek penelitiannya yaitu Negara Indonesia. Secara garis besar di Negara Indonesia, transmisi kebijakan dari suku bunga pasar uangke suku bunga kredit dan deposito membutuhkan waktu yang relatif lama serta memiliki size of pass-through yang kecil jika dibandingkan dengan Negara Malaysia dan Singapura. Hal ini menunjukan bahwa otoritas moneter di Negara Indonesia tidak dapat secara efektif mengontrol suku bunga pasarmelalui suku bunga official dalam mencapai sasaran kebijakan yang telah ditargetkan, serta adanya pasar keuangan yang tidak sempurna ditandai dengan kurangnya integrasi dalam pasar keuangan. Hal yang membedakan penelitian mengenai analisis kebijakan moneter tehadap suku bunga perbankan di Indonesia dengan penelitian terdahulu seperti dijelaskan diatas adalah bahwa penelitian kali ini menggunakan suku bunga official yang diproksikan oleh suku bunga diskonto sebagai variabel independen dan bukan menggunakan suku bunga pasar uang serta objek pengamatan yang dilakukan adalah

12

kelompok bank dimana variabel yang diteliti menggunakan suku bunga kredit dan keseluruhan suku bunga deposito waktu mulai dari 1 bulan hingga 24 bulan. Kerangka Pemikiran Mekanisme pass-through pada suku bunga official yang diproksikan oleh suku bunga diskonto terhadap suku bunga perbankan dapat memengaruhi besaran derajat pass-through, speed of adjustment (kecepatan penyesuaian), serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) yang berbeda-beda pada kelompok bank dimana respon dari kelompok bank dapat menjadi tolak ukur peran bank sebagai fungsi intermediasi. Bagan berikut merupakan alur pemikiran yang digunakan untuk melihat efektifitas kebijakan moneter dengan menghitung besaran derajat pass-through, speed of adjustment (kecepatan penyesuaian), serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) pada kelompok bank di Negara Indonesia.

13

BANK SENTRAL

INSTRUMEN MONETER (Discount Facility)

OPERATING TARGET

HARGA ASET

NILAI TUKAR

KREDIT

SUKU BUNGA

SUKU BUNGA PERBANKAN (Kelompok Bank)

SUKU BUNGA KREDIT (Lending Rate)

SUKU BUNGA DEPOSITO (Deposit Rate)

IMPLIKASI KEBIJAKAN

Gambar 2Kerangka Pemikiran

EKSPEKTASI

Complete passthrough (=1) Noncomplete passthrough (<1) Over pass-through (>1)

Ket : Fokus Penelitian

utama

14

METODE PENELITIAN Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder kelompok bank dalam bentuk deret waktu bulanan (monthly time series) periode Januari 2002 sampai dengan Desember 2012 di Negara Indonesia. Data diperoleh melalui SEKI BI (Statistik Ekonomi dan Keuangan Indonesia) dan CEIC Macroeconomic Industry and Financial Time Series Database for Global Emerging and Developed Market. Selain itu, penulis juga melakukan studi pustaka dengan membaca jurnal, artikel internet, dan berbagai literatur lainnya yang berkaitan dan relevan dengan permasaahan yang diteliti. Secara rinci, sumber data dan variabel yang digunakan dalam penelitian ini dicantumkan dalam tabel berikut : Tabel 3 Variabel dan Sumber Data No

1.

Jenis Variabel Suku bunga official (suku bunga kebijakan)

Proksi yang digunakan

Suku bunga diskonto

2.

Suku bunga kredit

Average Weighted lending rate yang terdiri dari : Working Capital Loans Group of Bank Investment Loans Group of Bank Consumer Loans Group of Bank

3.

Suku bunga deposito

Time Deposito (1,3, 6, 12, 24 months)

Sumber Data

CEIC

SEKI BI

SEKI BI

Metode Pengolahan dan Analisis Data Dampak perubahan suku bunga official yang diproksikan oleh suku bunga diskonto terhadap suku bunga kredit dan deposito pada kelompok bank di Negara Indonesia akan dianalisis dengan menggunakan metode ARDL (Autoregressive Distributed Lag). Proses menganalisis data dilakukan oleh peneliti dengan menggunakan bantuan software atau perangkat lunak Microsoft excel 2007 dan Eviews 6. Analisis Autoregressive Distributed Lag (ARDL) Metode ARDL merupakan metode yang dapat mengestimasi model regresi linear dalam menganalisis hubungan jangka panjang yang melibatkan adanya uji

15

kointegrasi diantara variabel time series. Secara umum terdapat beberapa uji kointegrasi lain yang digunakan dalam mengestimasi hubungan jangka panjang seperti residual based Engle-Granger (1987) dan Johansen (1988) dengan prosedur two step dan one step, metode Johansen dan Juselius (1990) test based on maximum likelihood namun uji kointegrasi yang telah disebutkan sebelumnya mensyaratkan perlunya variabel-variabel yang diestimasi terintegrasi dalam level yang sama ordo I(1) atau first difference (Enders, 2004). Untuk menghindari hal tersebut dalam penelitian ini menggunakan metode ARDL Bounds Test yang diciptakan oleh Pesaran dan Shin. Prosedur dalam ARDL diyakini dapat mengestimasi parameter dalam jangka panjang dengan tepat serta dapat mengestimasi t-statistik dengan valid (Pesaran, 1997). Menurut Hutapea (2007) dalam Marsella (2010) pendekatan ARDL dengan Bound Test Cointegration memiliki tiga buah kelebihan dibandingkan dengan metode yang sebelumnya yaitu memiliki prosedur yang lebih simple, dapat digunakan pada data short series dan tidak mensyaratkan adanya praestimasi (dapat dilakukan pada variabel I(0), I(1) ataupun kombinasi keduanya). Uji kointegrasi pada metode ini dilakukan dengan membandingkan F-statistic dengan F tabel yang telah disusun oleh Pesaran dan Pesaran (1997). Menurut Banerjee et al (1993), Error Correction Model (ECM) dapat diturunkan dari model ARDL melalui transformasi linear sederhana. Pendekatan ARDL yang digunakan dalam melihat hubungan jangka panjang diantara variabel dapat diaplikasikan tanpa menghiraukan variabel yang diestimasi stasioner di level, first difference dan second difference. Dengan mengestimasi Langkah pertama yang dilakukan dalam Pendekatan ARDL Bound Test yaitu persamaan dengan menggunakan Metode Ordinary Least Square. F-statistic yang diperoleh dari metode ini akan menjelaskan ada atau tidaknya hubungan variabel jangka panjang antara variabel. Hipotesis dalam uji F ini dapat dijabarkan sebagai berikut : H 0 = α 1 =α 2 =α n =0 ; tidak terdapat hubungan jangka panjang H1= α 1 ≠ α 2 ≠ α n ≠ 0 ; terdapat hubungan jangka panjang Jika F-statistic yang diperoleh dari hasil komputasi lebih besar daripada upper critical value maka tolak H 0 , sehingga dalam model terdapat hubungan jangka panjang. Sedangkan jika F-statistic yang diperoleh dari hasil komputasi lebih kecil daripada lower critical value maka tidak dapat tolak H 0 , sehingga dalam model tidak terdapat hubungan jangka panjang. Secara umum model ARDL(p,q,r,s,t) dalam persamaan jangka panjang dapat dituliskan sebagai berikut : p

q

r

s

t

Yt=α0+α1t+ � α2Yt-i + � α3X1t-i + � α4X2t-i + � α5X3t-i+ � α6X4t-i +et i=1

i=0

i=0

i=0

i=0

Pendekatan dengan menggunakan model ARDL mensyaratkan adanya lag seperti yang ada pada persamaan di atas. Menurut Juanda (2009) lag (beda waktu) dapat didefinisikan sebagai waktu yang diperlukan timbulnya respon (Y) akibat suatu pengaruh (tindakan atau keputusan). Pemilihan lag yang tepat untuk model dapat

16

dipilih menggunakan basis Schawrtz-Bayesian Criteria (SBC), Akaike Information Criteria (AIC) atau menggunakan informasi kriteria yang lain, model yang baik memiliki nilai informasi kriteria yang terkecil. Langkah selanjutnya dalam metode ARDL yaitu mengestimasi parameter dalam jangka pendek, hal ini dapat dilakukan dengan mengestimasi model dengan Error Correction Model (ECM), seperti yang telah dijelaskan sebelumnya bahwa dari model ARDL kita dapat memeroleh Error Correction Mode l(ECM). Estimasi dengan Error Correction Model (ECM) berdasarkan persamaan jangka panjang diatas yaitu : p

q

s

r

t

∆Yt = α0 + α1t + � ηi∆Yt-i + � θi∆X1t-i + � ϑ∆X2t-i + � λi∆X3t-i + � ωi∆X4t-i i=1

i=0

i=0

i=0

+ υECMt-1 + et

i=0

Dimana ECTt merupakan Error Correction Term (ECT) yang dapat dituliskan menjadi : p

q

r

s

t

ECM t= Y − α0 − 𝛼1t − � α2Yt-i - � α3X1t-i - � α4X2t-i - � α5X3t-i- � α6X4t-i i=1

i=0

i=0

i=0

i=0

Hal penting yang harus diingat dalam estimasi ECM adalah bahwa error correction term (ECT) harus bernilai negatif, nilai negatif dalam ECT menunjukan bahwa model yang di estimasi valid. Seluruh koefisien dalam persamaan jangka pendek di atas merupakan koefisien yang menghubungkan model dinamis dalam jangka pendek konvergen terhadap keseimbangan dan 𝜐 merepresentasikan kecepatan penyesuaian dari jangka pendek ke keseimbangan jangka panjang. Hal ini memperlihatkan bagaimana ketidakseimbangan akibat shock di tahun sebelumnya disesuaikan pada keseimbangan jangka panjang pada tahun ini. Langkah terakhir yang dilakukan dalam metode ARDL yaitu memastikan bahwa model diestimasi tidak terkena autokorelasi, non-normalitas dan heteroskedastisitas dengan menggunakan uji yang umum dilakukan jika kita mengestimasi model dengan menggunakan metode Ordinary Least Square seperti Jarque - Bera test, Ljung-Box test dan ARCH test pada setiap model. Selain itu, meskipun di dalam model yang diestimasi terdapat kointegrasi akan mengahasilkan hasil estimasi yang tidak menentu apabila parameter tidak konstan, untuk menguji kestabilan dalam parameter jangka panjang maka Pesaran dan Pesaran (1997) memberikan saran untuk melakukan The Cumulative Sum of Recursive Residual (CUSUM) test yang diperkenalkan oleh Brown et al (1975) (Habibullah, 2011). Hasil pengujian dari CUSUM test ini akan berupa plot garis dengan taraf nyata 5%, apabila cumulative sum berada di luar area garis maka parameter yang diestimasi tidak stabil.

17

Data Generating Process Menurut Putri (2009), Data Generating Process merupakan langkah awal sebelum masuk pada tahap estimasi dan analisis model. Pada tahap ini akan dilakukan berbagai pengujian pra-estimasi meliputi pengujian akar unit (unit root test), penetapan lag optimal, dan uji kointegrasi. Pengujian Stasioneritas Data Menurut Gujarati (2004) asumsi yang mendasari dalam penggunaan data time series yaitu stasioneritas dimana nilai rata-rata dan varian konstan sepanjang waktu. Metode yang digunakan dalam menguji stasioneritas data pada penelitian kali ini adalah Augmented Dickey Fuller-Test (ADF-Test) dan Phillips-Perron Test (PP) dengan taraf nyata sepuluh persen. Uji stastioneritas data dengan menggunakan ADFTestdimulai dari proses autoregresi order pertama AR(1) yaitu Yt=ρYt-1+μt -1≤ρ≤1 dimana μt adala white noise error term dengan mean nol dan varians konstan Persamaan diatas merupakan random walk without drift. Jika nilai ρ=1 maka persamaan di atas mengandung akar unit root atau tidak stasioner. Mengatasi ketidakstasioneran pada persamaan tersebut dapat dilakukan memodifikasi persamaan diatas dengan mengurangi sioneran pada persamaan tersebut dapat dilakukan memodifikasi persamaan diatas dengan mengurangi Yt-1 pada kedua sisi persamaan, sehingga persamaan menjadi : Yt-Yt-1 = ρYt-1 - Yt-1+μt = (ρ-1)Yt-1 + μt Persamaan di atas dapat ditulis sebagai berikut : ∆Yt = δYt-1 + μt dimana δ = (ρ=1) dan ∆ merupakan penanda dari adanya first difference. Hipotesis pada persamaan diatas yaitu H0 : δ = 0 , persamaan tersebut tidak stasioner H1 : δ ≠ 0 , persamaan tersebut stasioner sehingga apabila probabilitas (taraf nyata 1 persen, 5 persen, atau 10 persen) menyatakan menolak H0 artinya data time series tersebut stasioner, begitu juga sebaliknya. ADF Test merupakan uji stasioneritas data yang mengasumsikan bahwa 𝜇t (error term) memiliki korelasi. Dalam uji ini dilakukan adanya penambahan nilai lag pada variabel dependen ∆Yt. Persamaan pada ADF Test dapat ditulis sebagai berikut : m

∆Yt = β1 + β2t + δYt-1 + � αi∆Yt-i + εt i=1

dimanaεt merupakan pure white noise error term dan ∆Yt-1 = (Yt-1-Yt-2), ∆Yt-2 = (Yt-2-Yt-3) dan seterusnya. Sedangkan Phillips Perron test menggunakan metode statistik nonparametrik untuk menghilangkan adanya autokorelasi pada error term tanpa menambahkan lag yang berbeda (Gujarati, 2004). DF Test dan PP Test

18

memiliki hipotesis yang sama dimana H0:δ=0persamaan tersebut tidak stasioner dan hipotesis alternatifnya H1 : δ ≠ 0persamaan tersebut stasioner. Pada uji stasioner ini digunakan automatic lag selection berdasarkan criteria Schwarz Information Criterion (SIC) dengan maksimum lag berjumlah 12. Jika nilai t-ADF atau nilai t-PP lebih kecil daripada nilai kritis MacKinnon, maka dapat disimpulkan bahwa data yang digunakan bersifat stasioner (tidak mengandung akar unit). Pengujian data pada penelitian dilakukan pada orde I(0) dan I(1) dengan menambahkan exogenous regressor individual intercept, individual intercept dan trend serta no intercept dan trend. Jika data stasioner pada I(2) maka uji kointegrasi yang akan dilakukan setelah uji stasioneritas ini tidak dapat diaplikasikan. Pengujian Kointegrasi Pada metode ARDL uji kointegrasi yang digunakan yaitu Bound Testing Cointegration. Tahapan pertama yang dilakukan pada Bound Test yaitu mengestimasi setiap model dengan menggunakan metode Ordinary Least Square dan melakukan uji dengan menggunakan F-statistic atau uji Wald. Uji ini didasari oleh Dicky Fuller type regression yang biasa digunakan untuk menguji lag tiap level variabel pada error correction model (ECM) (Pesaran et al, 2001). Jika F-statistic yang diperoleh dari hasil komputasi lebih besar daripada upper critical value maka variabel dalam model terkointegrasi. Jika F-statistic yang diperoleh dari hasil komputasi lebih kecil daripada lower critical value maka variabel dalam model tidak terkointegrasi. Sedangkan jika F-statistic yang diperoleh berada pada lower critical value dan upper critical value maka perlu dilakukan Johansen Cointegration Test. Persamaan matematis dari Johansen Cointegration Test dapat ditulis sebagai berikut : p

∆yt = β0 + Πyt-1+ � ΓiΔyt-1 + εt i=1

Jika trace statistic > critical value (MacKinnon-Haug-Michelis p-values) maka persamaan tersebut terkointegrasi.Dengan demikian hipotesis nul-nya (H0) adalah non-kointegrasi dan hipotesis alternatifnya (H1) adalah kointegrasi. Sehingga jika trace statistic > critical value, maka H0 ditolak atau dengan kata lain menerima H1 yang artinya dalam model terdapat hubungan kointegrasi. Penetapan Lag Optimal Penetapan lag optimal dilakukan untuk mengetahui kombinasi lag pada model ARDL (p,q). Lag optimal dipilih berdasarkan basis Akaike Information Criterion (AIC), Schwarz Bayesian Criterion (SC), serta Hannan Quinn Criterion (HQ). Menurut Pesaran dan Shin (1997) ARDL-AIC dan ARDL-SC memiliki kemampuan yang hampir sama dalam sampel yang kecil dengan ARDL-SC menunjukkan kemampuan yang lebih baik dalam mayoritas eksperimen yang dilakukan. Hal ini menunjukkan bahwa Schwartz Criteria merupakan kriteria pemilihan model yang konsisten ketika Akaike Criteria tidak konsisten. Penentuan lag optimum dilakukan dengan memilih nilai kriteria yang paling kecil. Perhitungan nilai kriteria dalam model dapat dijabarkan dalam tabel sebagai berikut

19

Tabel 4 Cara Perhitungan Nilai Kriteria Model Information Criterion

Definition

Akaike (AIC)

-2(l/T) + 2k/T

Schwarz (SIC)

-2(l/T) +klog(T)/T

Hannan-Quinn (HQ)

-2(l/T) + 2klog(log(T))/T

dimana l = nilai log dari fungsi likelihood k = parameter yang diestimasi T = banyaknya pengamatan. Perhitungan Derajat Pass-through Dalam menghitung besaran derajat pass-through, speed of adjustment (kecepatan penyesuaian), serta mean lag (rata-rata bulan yang diperlukan untuk mencapai pass-through dalam jangka panjang) metode yang digunakan mengacu pada Espinosa-Vega dan Rebucci (2003) dimana perhitungan parameter yang diestimasi berasal dari persamaan pada error correction model yang diperoleh dari hasil estimasi menggunakan metode ARDL. Perhitungan derajat pass-through pada penelitian kali ini akan dijelaskan lebih lanjut pada bagian perumusan model penelitian. Metode Evaluasi Model Ketika pemilihan lag optimum sudah selesai dilakukan, maka kita telah mengetahui struktur model dalam ARDL sehingga harus dilakukan evaluasi terhadap model estimasi yang telah dihasilkan. Evaluasi yang dilakukan berdasarkan tiga kriteria sebagai berikut : 1 Kriteria Ekonometrika 2 Kriteria Statistik 3 Kriteria Ekonomi 1 Kriteria Ekonometrika Model estimasi regresi linear harus mengahsilkan estimator yang memenuhi kriteria Best Linear Unbiased Estimator (BLUE) antara lain sebagai berikut (Gujarati, 2004): a. Estimator linear artinya estimator merupakan fungsi linear atas variabel dependen pada model regresi. b. Estimator tidak bias artinya nilai ekspektasi sesuai dengan nilai yang sebenarnya. c. Estimator harus mempunyai varians yang minimum. Estimator yang tidak bias dan memiliki varians minimum disebut estimator yang efisien.

20

Estimasi pada model tidak akan memenuhi kriteria BLUE jika melanggar beberapa asumsi antara lain sebagai berikut : 1) Normalitas Pengujian asumsi normalitas dilakukan untuk melihat apakah error term berdistribusi normal atau tidak. Jika asumsi normalitas tidak terpenuhi maka prosedur pengujian dengan menggunakan uji t-statistic menjadi tidak sah. Pengujian normalitas dilakukan dengan menggunakan Jarque Bera Test. Hipotesis dalam uji normalitas adalah : H0 : Residual berdistribusi normal H1 : Residual tidak berdistribusi normal Dasar penolakan H0 dilakukan dengan membandingkan nilai probabilitas Jarque Bera dengan taraf nyata sebesar 5 persen, dimana jika nilai Jarque Bera Test lebih besar dari taraf nyata 5 persen menandakan H0 tidak ditolak dan residual berdistribusi normal. 2) Heteroskedastisitas Merupakan salah satu pelanggaran asumsi dimana varians error tidak konstan. Menurut Gujarati (2004) adanya heteroskedastisitas dapat menyebabkan terjadinya hal-hal sebagai berikut : a) Dugaan parameter koefisien regresi tetap tidak bias dan masih konsisten, tetapi standar error nya dapat bias ke bawah. b) Perhitungan standar error tidak lagi dapat dipercaya kebenarannya karena varians tidak minimum sehingga dapat menghasilkan estimasi regresi yang tidak efisien. c) Uji hipotesis yang didasarkan pada uji F-statistic tidak dipercaya. Cara mendeteksi adanya pelanggaran asumsi heteroskedastisitas dalam metode ARDL sama dengan metode OLS karena basis estimasi metode kedua model tersebut sama. Pendeteksian adanya heteroskedastisitas dapat dilakukan dengan menggunakan uji Breusch-Pagan, uji Goldfeld-Quandt, serta uji White. Pada penelitian kali ini uji heteroskedastisitas menggunakan uji White. 3) Autokorelasi Autokorelasi merupakan pelanggaran asumsi yang terjadi ketika adanya korelasi serial antara sisaan (εt) dimana sisaan menyebar bebas atau Cov(εi,εj) = E(εi,εj) = 0 untuk semua i ≠j dan dikenal sebagai bebas serial (serial independence). Masalah autokorelasi akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standar error dan varian koefisien regresi yang diperoleh akanunderestimate, sehingga R2 akan memiliki nilai yang besar tetapi uji t-statistic dan uji F-statistic menjadi tidak valid. Mendeteksi adanya masalah autokorelasi yang paling umum dilakukan dengan melihat nilai Durbin-Watson statistic pada model dibandingkan dengan nilai DW tabel. Metode ARDL menggunakan model regresi dimana terdapat peubah bebas yang merupakan lag respons (Yt-1) maka nilai statistik uji DW sering mendekati 2 meskipun ada autokorelasi sehingga dalam penelitian ini tidak dapat dilakukan

21

pendeteksian autokorelasi dengan menggunakan Durbin-Watson statistic. Oleh karena itu, pendeteksian autokorelasi pada penelitian ini menggunakan Breush Pagan LM Test. Uji normalitas, autokorelasi dan heteroskedastisitas dapat dikategorikan ke dalam diagnostic test. Pada metode ARDL Cumulative Sum of Recursive Residual (CUSUM) test dan Ramsey’s RESETtestjuga dimasukkan ke dalam diagnostic test. Berikut penjelasan dari CUSUM test dan Ramsey’s RESET test. 4) The Cumulative Sum of Recursive Residual (CUSUM) test Pada metode ARDL CUSUM test dilakukan untuk melihat apakah parameter yang diestimasi stabil atau tidak pada taraf nyata 5%. Jika cumulative sum berada diantara plot garis dengan taraf nyata 5% maka parameter yang diestimasi dalam model stabil. 5) Uji Functional Form Uji functional form dilakukan dengan menggunakan Ramsey’s Reset test. Reset merupakan singkatan dari regression specification error testyang diperkenalkan oleh Ramsey pada tahun 1969. Uji ini dapat mengoreksi adanya jenis-jenis error yang dapat terjadi sebagai berikut : a) Omitted variables, adanya variabel-variabel yang seharusnya dimasukan ke dalam model, dikeluarkan karena alasan-alasan tertentu (misalnya penyederhanaan, atau data sulit diperoleh dan lain-lain). b) Incorrect functional form, adanya beberapa atau keseluruhan variabel di Y dan X yang akan ditransformasikan ke dalam bentuk log, resiprokal atau dengan berbagai cara yang lain yang asumsi bentuknya salah. c) Korelasi antara variabel X dan error, yang disebabkan kesalahan pengukuran pada variabel X, atau adanya lag pada variabel Y serta adanya autokorelasi. Hipotesis dalam Ramsey RESET testyaitu : H0 : ϵ ~ N(0,δ2I), dimana vektor error berdistribusi normal. H1: ϵ ~ N(µ,δ2I) µ ≠ 0, dimana vektor error tidak berdistribusi normal. 2 Kriteria Statistik Evaluasi model berdasarkan kriteria statistik dilakukan dengan beberapa pengujian antara lain sebagai berikut : aKoefisien Determinasi (R2) Nilai R2 digunakan untuk mengukur seberapa besar tingkat variabel independen yang digunakan dalam penelitian dapat menjelaskan variabel dependen. Nilai tersebut menunjukkan sebarapa dekat garis regresi yang kita estimasi dengan data sesungguhnya. Nilai R2 terletak antara nilai nol hingga satu dimana semakin mendekati satu maka model akan semakin baik. b Uji F-statistic Uji F-statistic digunakan untuk mengetahui apakah variabel-variabel indepeden yang digunakan dalam penelitian secara bersama-sama signifikan memengaruhi variabel dependen.Nilai F-statistic yang besar lebih baik dibandingkan dengan F-

22

statistic yang rendah. Nilai Prob(F-statistic) merupakan tingkat signifikansi marginal dari F-statistic. Dengan menggunakan hipotesis pengujian sebagai berikut : H0 : β1=β2=….=βk=0 H1 : minimal ada salah satu βj yang tidak sama dengan nol Tolak H0 jika F-statistic>Fα(k-1,n-k) atau Prob(F-statistic) < α. Jika H0 ditolak, maka artinya dengan tingkat keyakinan 1-α kita dapat menyimpulkan bahwa variabel independen yang digunakan di dalam model secara bersama-sama signifikan memengaruhi variabel dependen. c Uji t-statistic Uji t-statistic digunakan untuk mengetahui apakah variabel-variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Dengan menggunakan hipotesis pengujian sebagai berikut : H0 : βj = 0 H1 : βj ≠ 0 Tolak H0 jika t-statistic>tα/2(n – k) atau t-statistic
p q = α0 + α1t + ∑i=1 α2 Lendt-i + ∑i=0 α3 DRt-i + α4DRt

p q = α0 + α1t + ∑i=1 α2 Depositt-i + ∑i=0 α3 DRt-i + α4DRt

p q = α0 + α1t + ∑i=1 α2 Deposit3t-i + ∑i=0 α3 DRt-i + α4DRt

= α0 + α1t + ∑i=1 α2 Deposit6t-i + ∑i=0 α3 DRt-i + α4DRt p

q

p q (5) Deposit12t = α0 + α1t + ∑i=1 α2 Deposit12t-i + ∑i=0 α3 DRt-i + α4DRt

p q (6) Deposit24t = α0 + α1t + ∑i=1 α2 Deposit24t-i + ∑i=0 α3 DRt-i +α4DRt Berdasarkan Hendry (1995), kita dapat mengestimasi ARDL ke dalam Error Correction Model sebagai berikut :

(7) ∆Lendt (8) ∆Depositt

= α4∆DRt + β2( ∑i=1 Lendt-i - β0 - β1t - ∑i=0 β3 DRt-i) p

q

= α4∆DRt + β2( ∑i=1 Depositt-i - β0 - β1t - ∑i=0 β3 DRt-i) p

q

23

(9) ∆Deposit3t = α4∆DRt + β2( ∑i=1 Deposit3t-i - β0 - β1t - ∑i=0 β3 DRt-i) p

q

(10) ∆Deposit6t = α4∆DRt + β2( ∑i=1 Deposit6t-i - β0 - β1t - ∑i=0 β3 DRt-i) p

q

(11) ∆Deposit12t= α4∆DRt + β2( ∑i=1 Deposit12t-i - β0 - β1t - ∑i=0 β3 DRt-i) p

q

(12) ∆Deposit24t= α4∆DRt + β2( ∑i=1 Deposit24t-i - β0 - β1t - ∑i=0 β3 DRt-i) Dimana (13) β0 = α0⁄(1-α2) , β1 = α1⁄ (1-α2) , β2 = (α2-1) , β3= (α4 +α3)⁄(1-α2) p

q

(14) Mean lag : (1-α4)/β2 Keterangan : = Suku bunga kredit untuk bulan ke t Lendt Deposit6t = Suku bunga deposito 6 bulan untuk bulan ke t Deposit12t = Suku bunga deposito 12 bulan untuk bulan ke t Deposit24t = Suku bunga deposito 24 bulan untuk bulan ke t = Suku bunga diskonto untuk bulan ke t DRt = lag suku bunga kredit pada kelompok bank i berdasarkan Lendt-i periode sebelumnya Deposit6t-i = lag suku bunga deposito bulan ke 6 pada kelompok bank i berdasarkan periode sebelumnya Deposit12t-i = lag suku bunga deposito bulan ke 12 pada kelompok bank i berdasarkan periode sebelumnya Deposit24t-i = lag suku bunga deposito bulan ke 24 pada kelompok bank i berdasarkan periode sebelumnya DRt-i = lag suku bunga diskonto pada kelompok bank i berdasarkan periode sebelumnya 𝑖 = kelompok negara 𝑡 = periode waktu (bulan) = Degree of pass-through terhadap perubahan kebijakan 𝛼4 moneter dalam jangka pendek 𝛽2 = Speed of adjustment terhadap perubahan kebijakan moneter dalam jangka panjang 𝛽3 = Degree of pass-through terhadap perubahan kebijakan moneter dalam jangka panjang Mean Lag = Rata-rata bulan yang diperlukan untuk mencapai pass through dalam jangka panjang Keterangan : 1 Complete pass-through, jika nilai derajat pass-through sama dengan satu (=1). 2 Incomplete pass-through, jika nilai nilai derajat pass-through lebih kecil dari satu (<|1|). 3 Over pass-through, jika nilai nilai derajat pass-through lebih besar dari satu (>|1|).

24

GAMBARAN UMUM Gambaran Umum Suku Bunga Perbankan di Indonesia Gambar 2 di bawah ini merupakan kumpulan grafik antara suku bunga diskonto, suku bunga kredit dan deposito pada kelompok bank dari tahun 2002 hingga tahun 2012. Grafik yang berwarna merah menunjukkan suku bunga diskonto sebagai proksi dari kebijakan moneter di Indonesia. Terlihat dari grafik bahwa selama tahun 2002 Bank Indonesia sebagai otoritas moneter melakukan penurunan kebijakan suku bunga yang bertujuan untuk memberikan stimulus perekonomian melalui pemulihan intermediasi dan peningkatan ekspektasi pelaku usaha terhadap membaiknya prospek pemulihan ekonomi (confidence channel) yang nantinya akan berdampak pada peningkatan penggunaan sumber-sumber pendanaan baik melalui sektor perbankan maupun pasar modal (Bank Indonesia, 2002). Sedangkan pada tahun 2005 suku bunga mulai mengalami kenaikan karena Bank Indonesia menetapkan kebijakan moneter yang cenderung ketat (tight biased), hal ini dipicu oleh adanya tekanan inflasi akibat kenaikan harga BBM yang ditetapkan pemerintah rata-rata sebesar 29% pada tanggal 1 Maret 2005 (Bank Indonesia, 2005). Tahun 2006 hingga tahun 2007 suku bunga diskonto sebagai proksi kebijakan moneter mengalami penurunan, namun pada kurun waktu tahun 2008 suku bunga kembali mengalami kenaikan karena krisis global yang berawal di Amerika Serikat pada tahun 2007, mulai semakin dirasakan dampaknya seluruh dunia, termasuk negara berkembang pada tahun 2008. Secara relatif, posisi Indonesia sendiri secara umum bukanlah yang terburuk diantara negara-negara lain. Perekonomian Indonesia masih dapat tumbuh sebesar 6,1% pada 2008 (Bank Indonesia, 2008). Sepanjang tahun 2009, Bank Indonesia dan Pemerintah menempuh berbagai kebijakan lanjutan untuk meredam dampak tekanan global terhadap perekonomian domestik. Sejumlah langkah kebijakan diarahkan untuk menjaga kepercayaan pelaku ekonomi baik di sektor keuangan maupun sektoral, mengatasi permasalahan likuiditas perbankan, dan memperkuat kembali momentum pertumbuhan ekonomi. Kebijakan juga ditempuh untuk menjaga stabilitas makroekonomi dan sistem keuangan agar tetap mendukung pertumbuhan ekonomi secara berkesinambungan. Pada sektor moneter, Bank Indonesia menerapkan pelonggaran kebijakan moneter sehingga suku bunga official mengalami penurunan dengan besaran yang berbeda dalam tiga episode (Bank Indonesia, 2009). Pada tahun 2010 sampai 2012 di tengah perekonomian dunia yang cukup melambat akibat krisis global tahun 2008/2009, perekonomian Indonesia tumbuh terbilang cukup tinggi dengan kisaran 6,2%. Hal ini terlihat dari suku diskonto yang mengalami penurunan dari tahun 2009 dan cenderung konstan hingga akhir tahun 2012. Secara umum, adanya perubahan suku bunga diskonto tidak direspon dengan baik oleh suku bunga kredit pada tiap kelompok bank. Penurunan pada suku bunga kredit akibat respon dari penurunan suku bunga diskonto, mengindikasikan bahwa ada time lag dalam transmisi kebijakan dalam jalur suku bunga. Masih lambatnya penurunan suku bunga kredit disebabkan masih tingginya persepsi risiko perbankan

25

terhadap penyaluran kredit yang bersifat jangka panjang sehingga menyebabkan perbankan belum bisa optimal dalam menyalurkan kredit. Ketika suku bunga diskonto mengalami penurunan pada kisaran tahun 2004 dan 2005 suku bunga kredit pada bank persero tetap berada jauh di atas, sehingga gap antara suku bunga diskonto dan suku bunga kredit cukup jauh. Sedangkan ketika suku bunga diskonto berubah suku bunga deposito 1, 3,6, 12 dan 24 bulan berusaha menyesuaikan perubahan yang terjadi seperti yang terlihat pada grafik meskipun terkadang pada periode tertentusuku bunga deposito 24 bulan mengalami kenaikan dan penurunan signifikan terlihat pada grafik pada bank swasta nasional dan bank asing dan campuran. Grafik suku bunga pada kelompok bank di bawah ini juga dapat memerlihatkan bahwa interest spread antara suku bunga kredit dan deposito masih tergolong lebar.

Sumber : Bank Indonesia (diolah)

Gambar 3 Pergerakan Suku Bunga Diskonto, Suku Bunga Kredit dan Deposito berdasarkan Kelompok Bank

26

Gambaran Umum Kelompok Bank di Indonesia Bank adalah lembaga intermediasi yang meminjam dana dari masyarakat dengan cara menerima tabungan dan deposito atau menerbitkan saham mereka sendiri dan memegang surat berharga atau aset keuangan yang diterbitkan oleh pihak lain. Freixas dan Rochet dalam Rani (2012) mendefinisikan bank sebagai lembaga yang operasinya terdiri dari menyalurkan pinjaman dan menerima deposito dari masyarakat sehingga kredit dan deposito merupakan hal penting yang mencakup kombinasi fungsi intermediasi bank dalam meminjam dan meminjamkan dana kepada masyarakat. Di Indonesia total keseluruhan bank berjumlah 120 yang terdiri dari 4 bank persero, 26 bank pemerintah daerah, 31 bank swasta nasional devisa, 33 bank swasta nasional non devisa, 17 bank campuran serta 10 bank asing (Ekofin, 2009). Banyaknya jumlah bank di Indonesia tidak serta merta menciptakan iklim kompetitif dalam persaingan antarbank yang akan berdampak pada kinerja bank yang merespon perubahan kebijakan moneter. Menurut penelitian Anne dan Mulyaningsih (2011) memaparkan bahwa pasar terkosentrasi pada beberapa bank.Bank-bank besar mengontrol pangsa pasar yang substansial. Hal ini mengindikasikan bahwa bahwa struktur perbankan di Indonesia berada dalam struktur pasar oligopoli dominan. Struktur pasar oligopoli bank umum merupakan struktur pasar yang terdiri dari beberapa bank umum yang mendominasi pasar dan memiliki kemampuan untuk memengaruhi harga (misal tingkat suku bunga tabungan) dalam industri perbankan. Dalam struktur oligopoli hanya ada beberapa penjual (bank), apabila salah satu bank tersebut melakukan sesuatu, hal itu akan memengaruhi pasar. Struktur pasar seperti ini akan menyebabkan tidak adanya tekanan persaingan karena berpeluang menciptakan kolusi untuk menentukan harga dan jumlah produksi, dan kinerjanya tidak seimbang. Banyaknya bank di Indonesia dapat dikelompokan berdasarkan kepemilikan, kelompok bank dibagi menjadi 4 yaitu kelompok bank persero, pemerintah daerah, swasta nasional serta asing dan campuran sedangkan jika dilihat dari ruang lingku usahanya bank swasta nasional dibagi lagi menjadi dua yaitu bank swasta devisa dan non devisa. Fungsi bank sebagai lembaga intermediasi khususnya dalam penyaluran kredit mempunyai peranan penting bagi pergerakan roda perekonomian secara keseluruhan dan memfasilitasi pertumbuhan ekonomi, dimana pada level ekonomi makro bank merupakan alat dalam menetapkan kebijakan moneter sedangkan pada level mikro bank merupakan sumber utama pembiayaan bagi para pengusaha maupun individu (Konch dalam Siringoringo 2012). Dalam menunjang kegiatan pokok bank yang berupa pemberian kredit kepada masyarakat bank melakukan penghimpunan dana salah satunya melalui simpanan berjangka atau deposito. Pengertian deposito menurut pasal 1 ayat 7 Undang-undang nomor 10 tahun 1998 tentang perbankan adalah simpanan yang penarikannya dapat dilakukan pada waktu tertentu berdasarkan perjanjian nasabah penyimpan dengan bank. Deposito memiliki keunggulan jika dibandingkan dengan tabungan dan simpanan giro yang juga merupakan instrumen bank dalam menghimpun dana masyarakat yaitu bank memiliki kepastian mengenai dana yang ada di bank akan

27

ditarik oleh deposan sehingga pihak bank dapat mengantisipasi penarikan dana tersebut dengan menyediakan dana dalam jumlah dan waktu tertentu. Pihak bank cenderung menawarkan tingkat bunga deposito yang relatif lebih tinggi dengan tujuan untuk menarik nasabah menyimpan kelebihan dana yang dimiliki kedalam bentuk deposito. Adanya keungulan dalam menghimpun dana melalui instrumendeposito menyebabkan mayoritas komposisi dana pihak ketiga didominasi oleh deposito. Komposisi dana pihak ketiga pada setiap kelompok bank dapat dilihat pada tabel berikut : Tabel 5 Komposisi DPK Bank Persero 2005

2009

2007

2011*

Giro (milliar) Nominal

94,322

146,613

172,602

242,863

Share

21.86

25.68

22.03

23.37

Deposito (milliar) Nominal

200,719

215,871

332,201

401,023

Share

46.53

37.81

42.41

38.59

Tabungan (milliar) Nominal

136,356

208,524

278,581

395,371

Share

31.61

36.52

35.56

38.04

Sumber : Statistik Perbankan Indonesia, 2011 Ket : * per Desember

Tabel 6 Komposisi DPK Bank Pemerintah Daerah 2005 Giro (milliar) Nominal Share

2007

2009

2011*

50,674

69,289

63,848

88,395

59.42

51.60

41.94

37.57

17,502

31,792

44,673

79,521

20.52

23.67

29.34

33.80

17,107

33,205

43,728

67,349

20.06

24.73

28.72

28.63

Deposito (milliar) Nominal Share

Tabungan (milliar) Nominal Share


28

Tabel 7 Komposisi DPK Bank Swasta Nasional Devisa 2005

2007

2009

2011*


91,163

128,178

153,929

225,371

Share

19.70

21.12

19.71

19.18


248,892

294,304

372,792

561,419

Share

53.79

48.49

47.73

47.78

254,350

388,167

32.56

33.04


122,692

184,450

26.51 30.39 Share Sumber : Statistik Perbankan Indonesia, 2011 Ket : * per Desember

Tabel 8 Komposisi DPK Bank Swasta Nasional Non Devisa 2005

2007

2009

2011*


1,798

2,195

2,184

3,634

Share

8.18

7.20

4.97

4.37

Nominal

18,052

25,103

37,635

69,180

Share

82.17

82.33

85.57

83.25

4,161

10,281

9.46

12.37

Deposito (milliar)


2,120

3,194


Tabel 9Komposisi DPK Bank Campuran (Milyar Rp) 2005

2007

2009

2011*


11,544

13,267

21,472

25,201

Share

33.48

24.15

22.66

22.73


22,563

40,196

65,871

67,253

Share

65.43

73.17

69.51

60.66


376

1,471

7,418

18,411

Share

1.09

2.68

7.83

16.61


29

Tabel 10 Komposisi DPK Bank Asing (Milyar Rp) 2005

2007

2009

2011*


31,911

46,009

51,854

67,181

Share

34.66

40.65

44.10

47.49

Deposito(milliar) Nominal

57,305

59,443

48,537

55,572

Share

62.25

52.52

41.28

39.28

17,203

18,721

14.63

13.23

Tabungan(milliar) Nominal

2,841

7,730


Terlihat pada tabel5 hingga tabel 10 diatas bahwa deposito memiliki share yang paling besar diantara instrumen dana pihak ketiga lainnya di setiap kelompok bank. Meskipun dari tahun 2009 ke tahun 2011 share deposito pada kelompok bank persero dan bank asing dan campuran mengalami penurunan sedangkan share pada bank pemerintah daerah dan bank swasta nasional devisa maupun non devisa mengalami peningkatan. Hal ini di tandai dengan adanya peningkatan pada suku bunga deposito pada kelompok bank tersebut pada tahun 2011 dimana suku bunga deposito dengan berbagai jangka waktu yang ditawarkan berkisar 7%. Besarnya deposito tiap kelompok bank dengan berbagai jangka waktu dapat dilihat pada tabel 11 berikut : Tabel 11 Jumlah Deposito Berdasarkan Jangka Waktu (Milyar Rp) Jangka Waktu Simpanan

2002

2005

2007

2008

2009

2011

2012*

Bank Persero

115,329

145,908

158,921

200,048

214,339

264,463

269,889

1 Bulan BUSN Devisa

133,119

208,000

226,176

267,452

248,108

355,581

369,613

BUSN Non Devisa

7,967

14,246

14,280

18,654

21,026

36,567

43,915

BPD

6,296

11,113

17,362

21,704

21,377

47,196

37,981

Bank Campuran

10,015

16,895

28,956

38,786

53,936

42,922

47,137

Bank Asing

25,609

43,597

41,601

42,186

30,606

37,559

37,326

Total

298,335

439,758

487,296

588,830

589,391

784,288

805,861

Bank Persero

46,838

29,808

29,114

33,016

56,022

67,758

77,412

3 Bulan BUSN Devisa

22,465

23,813

31,900

45,829

71,672

117,483

141,812

BUSN Non Devisa

4,211

2,426

4,449

4,859

11,654

18,991

22,133

BPD

2,305

3,290

5,535

5,942

9,435

14,386

12,228

Bank Campuran

1,186

2,793

6,521

8,505

8,235

12,696

13,249

30

Bank Asing

3,445

7,466

9,142

14,476

11,338

12,224

12,635

Total

80,449

69,595

86,661

112,626

168,356

243,538

279,469

Bank Persero

14,183

8,952

7,443

19,728

21,713

25,472

40,609

BUSN Devisa

4,347

6,619

14,667

21,360

22,326

45,331

66,377

BUSN Non Devisa

501

664

3,030

1,697

2,825

11,284

15,658

BPD

561

1,413

1,884

1,999

3,981

12,564

13,522

Bank Campuran

291

1,188

3,166

3,046

2,091

7,601

11,585

Bank Asing

1,234

2,170

5,259

4,594

3,380

3,664

5,020

Total

21,117

21,006

35,448

52,425

56,316

105,916

152,771

Bank Persero

15,676

12,043

17,071

27,920

39,498

43,334

58,204

BUSN Devisa

4,417

10,084

20,408

20,075

21,059

41,702

49,382

BUSN Non Devisa

1,136

705

3,312

2,261

2,123

2,337

4,771

BPD

1,622

1,655

6,811

5,259

9,689

5,408

21,885

Bank Campuran

300

1,208

1,123

3,659

1,565

5,423

6,684

Bank Asing

1,146

3,290

2,519

2,784

2,944

2,123

2,329

76,879

100,327

143,255

6 Bulan

12 Bulan

Total 24,297 28,986 51,244 61,958 Sumber : Statistik Perbankan Indonesia, 2012 Ket : * per Desember

Terlihat dari tabel 11 bahwa berdasarkan jangka waktu, deposito satu bulan merupakan deposito dengan jumlah terbesar yang berhasil diperoleh oleh bank. Hal ini menandakan bahwa terdapat kecenderungan sumber pembiayaan kredit bank bergantung pada deposito dengan term jangka pendek. Jika melihat dari sisi penyaluran kredit pada setiap kelompok bank, maka penyaluran kredit yang terkait dengan penelitian ini adalah penyaluran kredit berdasarkan jenis penggunaan yang dibagi menjadi 3 yaitu kredit modal kerja, kredit investasi sedangkan kredit konsumsi. Berikut merupakan tabel yang merangkum besarnya kredit yang disalurkan berdasarkan kelompok bank. Tabel 12 Kredit Bank Persero berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

76,404

122,724

188,052

269,867

407,101

Total Investasi

44,776

61,413

73,733

118,994

135,196

Total Konsumsi

29,453

72,276

94,366

156,009

234,535

Total

150,633

256,413

356,151

544,870

776,833


31

Tabel 13 Kredit Bank Swasta Nasional Devisa berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

71,184

140,508

218,715

282,916

434,210

Total Investasi

29,436

57,821

88,028

123,993

242,948

Total Konsumsi

25,099

79,262

101,000

148,709

245,384

Total

125,719

277,591

407,742

555,617

922,541


Tabel 14 Kredit Bank Swasta Nasional Non Devisa berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

5,062

6,693

8,952

12,113

22,195

Total Investasi

1,127

2,142

2,208

5,549

11,858

Total Konsumsi

5,384

8,007

12,704

18,037

34,090

Total

11,573

16,842

23,863

35,700

68,143


Tabel 15 Kredit Bank Pemerintah Daerah berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

5,797

11,249

15,709

25,268

35,304

Total Investasi

2,196

4,036

5,690

13,169

21,081

Total Konsumsi

13,503

29,645

50,481

82,317

119,317

Total

21,496

44,931

71,881

120,754

175,702


32

Tabel 16 Kredit Bank Campuran berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

2,519

28,592

44,477

51,867

80,077

Total Investasi

5,189

5,832

10,126

21,544

26,317

Total Konsumsi

576

2,513

3,917

7,565

13,994

Total

8,284

36,937

58,520

85,471

120,389


Tabel 17 Kredit Bank Asing berdasarkan Jenis Penggunaan (Milyar Rp) Sektor Ekonomi

2002

2005

2007

2009

2011*

Total Modal Kerja

28,745

44,791

57,336

60,971

89,789

Total Investasi

1,625

3,156

6,434

14,690

26,862

Total Konsumsi

5,969

14,989

20,086

22,871

19,834

Total

36,339

62,935

83,856

98,531

136,486


Terlihat dari tabel 12 hingga tabel 17 bahwa kredit yang disalurkan bank berfokus pada kredit modal kerja. Hal ini terlihat dari besarnya kredit yang disalurkan jika dibandingkan dengan kredit investasi dan konsumsi kecuali pada kelompok bank pemerintah daerah dan swasta non devisa. Terlihat pada tabel 14 dan 15 pada kedua kelompok bank tersebut kredit konsumsi memiliki jumlah yang lebih besar dibandingkan dengan kredit investasi maupun kredit modal kerja. Kredit konsumsi terdiri dari kredit kendaran bermotor, kredit pemilikan rumah, kredit multiguna dan kredit konsumsi lainnya. Mendominasinya pangsa kredit konsumsi dibandingkan jenis kredit lainnya searah dengan pertumbuhan ekonomi daerah yang didorong dengan aktivitas konsumsi (Waladow, 2012). Menurut Bank Indonesia pada Laporan Perekonomian Indonesia (2012) bahwa meskipun pertumbuhan kredit mengalami peningkatan, jika diliat secara agregat ekspansi kredit nasional masih relatif rendah dibandingkan dengan negara-negara kawasan. Rasio kredit terhadap PDB Indonesia masih jauh tertinggal jika dibandingkan dengan Malaysia, Singapura, Thailand, Korea dan China (Gambar 4).

33

Sumber : Laporan Perekonomian Indonesia, 2012

Gambar 4 Perbandingan Kredit Per PDB Jika dilihat dari nilai Loan to Deposit Ratio (LDR) (rasio kredit yang disalurkan terhadap dana pihak ketiga yang diterima) di setiap kelompok bank yang berkisar 70% hingga 80%, maka dana menganggur bank cenderung relatif banyak sehingga masih dapat dialokasikan untuk peningkatan penyaluran kredit. Besaran nilai LDR juga mengindikasikan bahwa bank cenderung untuk bermain aman dengan mengalokasikan dananya ke investasi yang beresiko rendah atau dengan kata lain tidak berani menyalurkan kredit lebih banyak. Nilai Loan to Deposit Ratio pada tiap kelompok bank dapat dilihat pada tabel di bawah ini : Tabel 18 Nilai Loan to Deposit Ratio setiap Kelompok Bank (%) Kelompok Bank

2002

2003

2004

2005

2006

2007

2008

2009*

Bank Persero

34.46

41.99

49.9

51.04

59.93

62.37

70.27

69.55

BUSN Devisa

34.92

40.41

46.23

73.27

60.03

67.18

74.72

71.14

BUSN Non Devisa

59.39

62.47

68.74

82.48

78.26

78.26

81.66

81.17

BPD

42.04

48.22

53.39

49.96

43.33

53.53

67.28

79.31

Bank Campuran

75.76

74.1

75.56

76.82

113.66

106.53

98.63

85.45

52.73 50.05 51.25 54.89 79.56 Bank Asing Sumber : Statistik Perbankan Indonesia, 2009 Ket : * per Desember

74.09

88.31

85.05

34

HASIL DAN PEMBAHASAN Hasil Pada bagian iniakan dipaparkan data generating process yang meliputi uji stasioneritas data, penetapan lag optimum, dan uji kointegrasi. Uji stasioneritas data dilakukan untuk melihat apakah antar variabel data terintegrasi pada ordo yang sama atau tidak, karena jika ada perbedaan dalam ordo pada uji stasioneritas data merupakan alasan dasar penggunakan metode ARDL dalam penelitian ini, dimana metode ARDL tidak mensyaratkan adanya praestimasi (dapat dilakukan pada variabel I(0), I(1) ataupun kombinasi keduanya). Data Generating Process Menurut Putri (2009), Data Generating Process merupakan langkah awal sebelum masuk pada tahap estimasi dan analisis model. Pada tahap ini akan dilakukan berbagai pengujian pra-estimasi meliputi pengujian akar unit (unit root test), penetapan lag optimal, dan uji kointegrasi. Hal ini penting dilakukan karena asumsi pada data time series didasari pada stasioneritas. Meskipun uji stasioneritas pada metode ARDL tidak diperlukan karena pada metode ini variabel tidak harus terintegrasi di order yang sama. Menurut Ouattara (2004), uji stasioneritas diperlukan pada metode ARDL untuk memastikan bahwa variabel tidak terintegrasi melebihi I(2), karena critical value pada F-statistic untuk Bound Test tidak valid jika variabel terintegrasi di I(2). Pengujian Stasioneritas Data Metode pengujian yang digunakan untuk uji stasioneritasan data adalah Augmented Dickey Fuller-Test(ADF-Test) dan Phillips-Perron Test (PP).Dalam uji ini digunakan automatic lag selection berdasarkan criteria Schwarz Information Criterion (SIC) dengan maksimum lag berjumlah 12. Jika nilai t-ADF lebih kecil daripada nilai kritis MacKinnon, maka dapat disimpulakn bahwa data yang digunakan bersifat stasioner (tidak mengandung akar unit). Pengujian data pada penelitian dilakukan pada orde I(0) dan I(1) dengan menambahkan exogenousregressorindividual intercept, individual intercept dan trend serta no intercept dan trend. Berdasarkan hasil uji stasioneritas pada lampiran 1, variabel-variabel yang digunakan dalam penelitian ini memiliki stasioneritas pada orde yang berbeda-beda. Pada bank persero variabel suku bunga diskontodan suku bunga deposito3 bulan serta 12 bulan stasioner pada level, sedangkan variabel suku bunga kredit, suku bunga deposito1 bulan, 6 bulan dan 24 bulan tidak stasioner pada level melainkan first difference. Pada bank pemerintah daerah variabel suku bunga diskonto dan suku bunga deposit 3 bulan stasioner di level, hal ini dikarenakan variabel suku bunga diskontosebagai proksi kebijakan moneter memiliki nilai yang sama pada setiap

35

kelompok bank, sehingga jika suku bunga diskontostasioner pada level pada bank persero maka variabel ini juga akan stasioner pada kelompok bank yang lain. Pada bank swasta nasional hanya variabel suku bunga kreditdan suku bunga deposito24 bulan yang stasioner pada first difference. Sedangkan pada bank asing dan campuran hanya suku bunga diskonto yang stasioner pada level. Secara keseluruhan dalam uji stasioneritas tidak ada variabel yang stasioner pada second difference sehingga Bound Testing Cointegration dapat dilakukan. Bound Testing Cointegration Hasil uji kointegrasi data untuk masing-masing kelompok bank dapat dilihat pada lampiran 2. Pada penelitian kali ini hanya dibatasi maksimum lag sampai lag kedua. Pemilihan hingga lag kedua dikarenakan ketika estimasi bound test dilanjutkan hingga lag 3 rata-rata model tidak terkointegrasi. Hasil uji kointegrasi ini akan menentukan pada lag mana model ini akan optimum. Pada kelompok Bank Swasta Nasional Model Deposit DR dilakukan uji kointegrasi Johansen karena nilai F-statistic yang diperoleh berada pada lower critical value dan upper critical value. Hasil uji kointegrasi Johansen dapat dilihat pada tabel berikut : Tabel 19 Hasil Uji Kointegrasi Johansen

BANK SWASTA NASIONAL MODEL DEPOSIT DR Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

None At most 1

0.075374 0.067591

18.84046 8.887977

25.87211 12.51798

0.2903 0.1873

Sumber : Hasil Output Eviews 6.0

Terlihat dari tabel diatas bahwa model yang memiliki F-statistic diantara lower critical value dan upper critical value tidak terkointegrasi.Hal ini dapat dilihat dari nilai trace statistic < critical value. Berikut dapat dilihat ringkasan hasil uji kointegrasi yang telah dilakukan secara keseluruhan.

Tabel 20 Ringkasan Hasil Uji Kointegrasi Keseluruhan Model pada Setiap Kelompok Bank No 1 2 3 4 5 6 No 1 2 3 4 5 6

Model Bank Persero Lend - DR Deposit - DR Deposit3 - DR Deposit6 - DR Deposit12 - DR Deposit24 - DR Model Bank Swasta Lend - DR Deposit - DR Deposit3 - DR Deposit6 - DR Deposit12 - DR Deposit24 - DR

Kointegrasi Ya Tidak √ √ √ √ √ √ Kointegrasi Ya Tidak √ √ √ √ √

√ -

No

Model Bank Pemda 1 Lend - DR 2 Deposit - DR 3 Deposit3 - DR 4 Deposit6 - DR 5 Deposit12 - DR 6 Deposit24 - DR No Model Bank AsingCamp 1 Lend - DR 2 Deposit - DR 3 Deposit3 - DR 4 Deposit6 - DR 5 Deposit12 - DR 6 Deposit24 - DR

Kointegrasi Ya Tidak √ √ √ √ √ √ Kointegrasi Ya Tidak √ √ √ √ √ √

Penetapan Lag Optimal untuk Metode ARDL Pemilihan lag yang tepat untuk model dapat dipilih menggunakan basis Schawrtz-Bayesian Criteria (SBC), Akaike Information Criteria (AIC) atau menggunakan informasi kriteria yang lain, model yang baik memiliki nilai informasi kriteria yang terkecil. Lag optimum yang terpilih tergantung pada batas mana lag tersebut terkointegrasi. Hasil pemilihan lag untuk metode ARDL pada setiap model ditiap kelompok bank dapat di lihat pada lampiran 3. Lag optimum dipilih dengan menggunakan nilai kriteria terkecil.Menurut automatic lag selection berdasarkan criteria Schwarz Information Criterion (SIC) pada saat melakukan uji stasioneritas lag maksimum berjumlah 12 namun uji coba penentuan lag optimum hanya sampai lag 5.5 karena setelah lag 5.5 nilai kriteria konsisten selalu lebih besar. Penetuan lag padamodel deposit3-dr swasta nasional dan model deposit6-dr bank pemerintah daerah tetap menggunakan nilai kriteria terkecil namun proses penentuannya melibatkan beberapa proses terlebih dahulu. Hal ini akan dijelaskan sebagai berikut. Pada model deposit3-dr swasta nasional, model hanya terintegrasi pada lag kesatu sedangkan pada lag kedua dan seterusnya tidak terkointegrasi (lihat tabel 8). Jika kita menentukan lag optimum berdasarkan nilai kriteria terkecil maka lag yang terpilih pada model tersebut adalah 2.5, karena pada lag kedua model tidak terkointegrasi maka pemilihan lag dilakukan ulang dengan hanya lihat nilai kriteria terkecil pada lag kesatu. Lag yang terpilih adalah 1.4. Tahap selanjutnya setelah menentukan lag yang terpilih yaitu menguji asumsi klasik (untuk pembahasan kali ini uji asumsi klasik diabaikan) dan menghitung parameter yang ingin dicari yaitu speed of adjustment (kecepatan penyesuaian)¸ derajat passthrough, dan mean lag. Dari hasil perhitungan yang dilakukan diperoleh hasil

37 bahwa mean lag sebesar 31.30 bulan, hal ini tidak sesuai karena jika nilai mean lag lebih besar dari 12 bulan menandakan bahwa tidak ada hubungan jangka panjang terhadap perubahan suku bunga official atau tidak terkointegrasi sedangkan pada lag kesatu merupakan lag yang terkointegrasi. Hal ini mengindikasikan adanya kesalahan pada pemilihan lag. Oleh karena itu, terdapat proses trial dalam pemilihan lag, peneliti menghitung tiap mean lag pada lag 1.3 hingga lag 1.0 sebagai parameter dan melihat besaran mean lag pada lag mana yang paling sesuai dengan teori dan spesifikasi pada suku bunga deposito 3 bulan. Berikut hasil perhitungan mean lag dari lag 1.4 hingga lag 1.0 bank persero model deposit3-dr. Tabel 21 Hasil Perhitungan Mean Lag dari Lag 1.4 hingga 1.0 Bank Swasta Nasional Model Deposit3-DR Lag

Mean lag

1.4

31.29722157

1.3

22.48817822

1.2

10.66348132

1.1

3.182967184

1.0

3.841099328

Sumber : Data diolah

Pada tabel 21 terlihat bahwa pada lag 1.2 nilai mean lag sudah lebih kecil dari 12 bulan namun hal ini tidak sesuai dengan spesifikasi suku bunga deposito 3 bulan yang termasuk suku bunga jangka pendek sehingga tidak mungkin waktu yang dibutuhkan untuk menyesuaikan perubahan suku bunga official hampir 1 tahun. Sehingga dalam penentuan lag optimum hanya tersisa dua pilihan yaitu lag 1.0 dan lag 1.1 dalam menentukan lag mana yang terbaik nilai kriteria terkecil kembali digunakan sehingga lag yang terpilih adalah lag 1.1. Pemilihan lag seperti yang telah dijabarkan diatas juga berlaku untuk model deposit6-dr bank pemerintah daerah. Pada model ini, jika lag terpilih menggunakan nilai kriteria terkecil maka lag optimum yang terpilih yaitu lag 4.3 tetapi lag keempat tidak terkointegrasi pada model.Model deposit6-dr terkointegrasi pada lag kesatu sehingga pemilihan lag diulang pada lag kesatu dengan nilai kriteria terkecil lag yang terpilih yaitu 1.3. Lag 1.3 tidak terpilih menjadi lag optimum berdasarkan pertimbangan dimana nilai mean lagpada lag 1.3 lebih dari 12 bulan sehingga lag yang terpilih pada model deposit3-dr bank swasta nasional adalah lag 1.0, dimana lag 1.0 memiliki nilai kriteria terkecil dari lag 1.0 hingga 1.2 serta memenuhi syarat dimana nilai mean lag-nya lebih kecil dari 12 bulan. Berikut hasil perhitungan mean lag dari lag 1.3 hingga lag 1.0 bank pemerintah daerah model deposit6-dr. Tabel 22 Hasil Perhitungan Mean Lag dari Lag 1.3 hingga 1.0 Bank Pemerintah Daerah Model Deposit6-DR Lag Mean lag 1.3

13.290289

38 1.2

8.9770978

1.1

6.2751204

1.0

6.253575

Sumber : Data diolah

Hasil ringkasan pemilihan lag pada setiap model menurut kelompok bank dapat dilihat pada tabel berikut : Tabel 23 Hasil Ringkasan Pemilihan Lag Setiap Model menurut Kelompok Bank Bank Persero LEND – DR

ARDL (1.1)

NO TREND

DEPOSIT-DR

ARDL (2.1)

WITH TREND

DEPOSIT3 – DR

ARDL (2.5)

WITH TREND

DEPOSIT6 – DR

ARDL (2.0)

WITH TREND

DEPOSIT12 – DR

ARDL (1.2)

WITH TREND

DEPOSIT24 – DR

ARDL (1.0)

NO TREND

Bank Swasta Nasional LEND – DR

ARDL (2.1)

NO TREND

DEPOSIT-DR

ARDL (2.1)

WITH TREND

DEPOSIT3-DR

ARDL (1.1)

WITH TREND

DEPOSIT6 – DR

ARDL (2.0)

WITH TREND

DEPOSIT12 – DR

ARDL (1.0)

WITH TREND

DEPOSIT24 – DR

ARDL (2.1)

WITH TREND

Bank Pemerintah Daerah LEND – DR

ARDL (2.0)

WITH TREND

DEPOSIT-DR

ARDL (2.2)

WITH TREND

DEPOSIT3 – DR

ARDL (2.3)

WITH TREND

DEPOSIT6 – DR

ARDL (1.0)

WITH TREND

DEPOSIT12 – DR

ARDL (1.0)

WITH TREND

DEPOSIT24 – DR

ARDL (2.2)

WITH TREND

Bank Asing dan Campuran LEND – DR

ARDL (2.1)

NO TREND

DEPOSIT-DR

ARDL (1.1)

WITH TREND

DEPOSIT3-DR

ARDL (2.1)

WITH TREND

DEPOSIT6 – DR

ARDL (2.1)

WITH TREND

DEPOSIT12 – DR

ARDL (1.1)

WITH TREND

DEPOSIT24 – DR

ARDL (2.0)

WITH TREND

Dengan demikian, persamaan ARDL untuk masing-masing kelompok bank dapat ditulis sebagai berikut : Bank Persero Lendt

= α0 + α2Lendt-1 + α3DRt-1 + α4DRt

39 Depositt Deposit3t Deposit6t Deposit12t Deposit24t

= α0 + α1t + α2.1Depositt-1 + α2.2Depositt-2 + α3DRt-1 + α4DRt = α0 + α1t + α2.1Deposit3t-1 + α2.2Deposit3t-2 + α3.1DRt-1 + α3.2DRt-2 + α3.3DRt-3 + α3.4DRt-4 + α3.5DRt-3 + α4DRt = α0 + α1t + α2.1Deposit6t-1 + α2.2Deposit6t-2 + α4DRt = α0 + α1t + α2.Deposit12t-1 + α3.1DRt-1 + α3.2DRt-2 + α4DRt = α0 + α1t + α2Deposit24t-1 + α4DRt

Bank Swasta Nasional Lendt Depositt Deposit3t Deposit6t Deposit12t Deposit24t

= α0 + α2.1Lendt-1 + α2.2Lendt-2 + α3DRt-1 + α4DRt = α0 + α1t + α2.1Depositt-1 + α2.2Depositt-2 +α3DRt-1+α4DRt = α0 + α1t + α2Deposit3t-1 + α3DRt-1+α4DRt = α0 + α1t + α2.1Deposit6t-1 + α2.2Deposit6t-2+α4DRt = α0 + α1t + α2Deposit12t-1 + α4DRt = α0 + α1t + α2.1Deposit24t-1 + α2.2Deposit24t-2 + α3DRt-1 + α4DRt

Bank Pemerintah Daerah Lendt Depositt Deposit3t Deposit6t Deposit12t Deposit24t

= α0 + α1t + α2.1Lendt-1 + α2.2Lendt-2 + α4DRt = α0 + α1t + α2.1Depositt-1 + α2.2Depositt-2 + α3.1DRt-1 + α3.2DRt-2 + α4DRt = α0 + α1t + α2.1Deposit3t-1 + α2.2Deposit3t-2 + α3.1DRt-1 + α3.2DRt-2 + α3.2DRt-3 + α4DRt = α0 + α1t + α2Deposit6t-1 + α4DRt = α0 + α1t + α2Deposit12t-1 + α4DRt = α0 + α1t + α2.1Deposit24t-1 + α2.2Deposit24t-2 + α3.1DRt-1 + α3.2DRt-2 + α4DRt

Bank Asing dan Campuran Lendt Depositt Deposit3t Deposit6t Deposit12t Deposit24t

= α0 + α2.1Lendt-1 + α2.2Lendt-2 + α3DRt-1 + α4DRt = α0 + α1t + α2Depositt-1 + α3DRt-1 + α4DRt = α0 + α1t + α2.1Deposit3t-1+ α2.2Deposit3t-2 + α3DRt-1 +α4DRt = α0 + α1t + α2.1Deposit6t-1 + α2.2Deposit6t-2 + α3DRt-1 + α4DRt = α0 + α1t + α2Deposit12t-1 + α3DRt-1 +α4DRt = α0 + α1t + α2.1Deposit24t-1 + α2.2Deposit24t-2 +α4DRt

Diagnostic Test Uji Normalitas Pengujian normalitas dilakukan dengan menggunakan Jarque Bera Testyang terdapat pada software Eviews 6.0. Hasil uji normalitas pada setiap model pada kelompok bank dapat dilihat pada lampiran 2. Keseluruhan model

40 pada setiap kelompok bank memerlihatkan bahwa probabilitas dari nilai Jarque Bera lebih kecil dari taraf nyata 5%, kecuali pada model deposit6-dr bank asing dan campuran dimana nilai jarque bera sebesar 0.674401 lebih besar dari taraf nyata 5%. Pelanggaran asumsi normalitas dapat dikoreksi dengan mengaplikasikan newey-west heteroskedasticity and autocorrelation consistent covariance. Uji Heteroskedastisitas Heteroskedastisitas terjadi dimana varians error tidak konstan. Adanya heteroskedastisitas dapat menyebabkan standar error menjadi bias serta Fstatistic dan t-statistic tidak dapat dipercaya. Pada penelitian kali ini hampir keseluruhan semua model pada tiap kelompok bank terdapat heteroskedastisitas dan autokorelasi. Hasil dari uji heteroskedastisitas dapat dilihat pada lampiran 2. Berikut dapat dilihat ringkasan tabel hasil uji heteroskedastisitas yang telah dilakukan pada keseluruhan model pada setiap kelompok bank. Tabel 24 Ringkasan Hasil Uji Heteroskedastisitas No

Model Bank Persero

Heteroskedastisitas Ya

No

Tidak

Model Bank Pemda


Tidak

1

Lend – DR

√

-

1

Lend - DR

√

-

2

Deposit - DR

√

-

2

Deposit - DR

-

√

3

Deposit3 - DR

√

-

3

Deposit3 - DR

√

-

4

Deposit6 - DR

-

√

4

Deposit6 - DR

-

√

5

Deposit12 - DR

√

-

5

Deposit12 - DR

√

-

6

Deposit24 - DR

√

-

6

Deposit24 - DR

√

-

No

Model

No

Model

Bank Swasta


Tidak

Bank AsingCamp


Tidak

1

Lend – DR

-

√

1

Lend - DR

-

√

2

Deposit - DR

√

-

2

Deposit - DR

√

-

3

Deposit3 - DR

-

√

3

Deposit3 - DR

√

-

4

Deposit6 - DR

√

-

4

Deposit6 - DR

√

-

5

Deposit12 - DR

-

√

5

Deposit12 - DR

√

-

6

Deposit24 - DR

√

-

6

Deposit24 - DR

√

-

Uji Autokorelasi Masalah autokorelasi akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standar error dan varian koefisien regresi yang diperoleh akan underestimate, sehingga R2 akan memiliki nilai yang besar tetapi uji t-statistic dan uji F-statistic menjadi tidak valid. Pada penelitian kali ini hampir keseluruhan semua model pada tiap kelompok bank terdapat autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada lampiran 2. Berikut dapat dilihat ringkasan tabel hasil uji autokorelasi yang telah dilakukan pada keseluruhan model pada setiap kelompok bank.

41 Tabel 25 Ringkasan Hasil Uji Autokorelasi No

Model Bank Persero

Autokorelasi Ya

Tidak

No

Model Bank Pemda

Autokorelasi Ya

Tidak

1

Lend – DR

-

√

1

Lend - DR

√

-

2

Deposit – DR

-

√

2

Deposit - DR

√

-

3

Deposit3 – DR

-

√

3

Deposit3 - DR

-

√

4

Deposit6 – DR

√

-

4

Deposit6 - DR

√

-

5

Deposit12 – DR

√

-

5

Deposit12 - DR

-

√

6

Deposit24 – DR

√

6

Deposit24 - DR

-

√

No

Model

No

Model

Bank Swasta

Autokorelasi Ya

Tidak

Bank AsingCamp

Autokorelasi Ya

Tidak

1

Lend – DR

√

-

1

Lend - DR

-

√

2

Deposit – DR

-

√

2

Deposit - DR

-

√

3

Deposit3 – DR

√

-

3

Deposit3 - DR

√

-

4

Deposit6 – DR

√

-

4

Deposit6 - DR

√

-

5

Deposit12 – DR

-

√

5

Deposit12 - DR

-

√

6

Deposit24 – DR

-

√

6

Deposit24 - DR

√

-

Masalah heteroskedastisitas dan autokorelasi dapat diatasi dengan mengaplikasikan white heteroskedasticity consistent covariance atau newey-west heteroskedasticity and autocorrelation consistent covariance. Adanya pengaplikasian consistentcovariance tidak akan merubah parameter yang akan diestimasi, tetapi akan menggubah estimasi pada standar error. CUSUM Test Hasil dari CUSUM Test dapat dilihat pada lampiran 2. Hasil keseluruhan pada model menunjukan bahwa model yang diestimasi memiliki parameter yang stabil, namun pada beberapa model memiliki cumulative sum yang sedikit keluar dari plot garis dengan taraf nyata 5% yaitu pada model deposit24-dr bank persero, model deposit3-dr dan deposit24-dr bank swasta nasional, serta model deposit6-dr bank asing dan campuran. Model-model yang telah disebutkan diatas masih dapat dikategorikan sebagai model yang mengestimasi parameter yang stabil. Hal ini menggambarkan adanya vektor β yang tetap konstan diestimasi dari period ke periode (E(Wt)=0). Berikut merupakan gambar ekstrim ketika CUSUM test menghasilkan parameter yang tidak stabil.

Sumber : User Guide Eviews 6

Gambar 5 Contoh CUSUM testdengan Parameter yang Tidak Stabil

42 Uji Functional Form Uji functional form dilakukan dengan menggunakan Ramsey’s Reset test. Reset merupakan singkatan dari regression specification error testyang diperkenalkan oleh Ramsey pada tahun 1969. Secara keseluruhan hasil dari uji functional form ini menerima hipotesis H0 dimana model tidak mengalami incorrect functional form kecuali pada model lend-dr bank pemerintah daerah, model deposit-dr serta model deposit12-dr pada bank asing dan campuran. Uji functional form bersumber pada kriteria bahwa error berdistribusi normal sehingga adanya incorrect functional form pada penelitian ini dapat diatasi dengan pengaplikasian white heteroskedasticity consistent covariance atau newey-west heteroskedasticity and autocorrelation consistent covariance. Hasil Perhitungan Derajat Pass-Through, Speed of Adjustment serta Mean Lag Derajat pass-through dapat diartikan sebagai besarnya respon perubahan suku bunga perbankan akibat perubahan kebijakan moneter pada suku bunga official. Pada estimasi derajat pass-through dibagi menjadi menjadi dua yaitu jangka pendek dan jangka panjang. Speed of adjustment merupakan kecepatan penyesuaian dalam merespon adanya perubahan suku bunga perbankan terhadap suku bunga official menuju jangka panjang. Nilai speed of adjustment berasal dari nilai error correction term (ECT) pada error correction model dimana harus bernilai negatif. Nilai negatif dalam ECT menunjukan bahwa model yang di estimasi valid. Seluruh koefisien dalam persamaan jangka pendek di atas merupakan koefisien yang menghubungkan model dinamis dalam jangka pendek konvergen terhadap keseimbangan. Hal ini memperlihatkan bagaimana ketidakseimbangan akibat shock di tahun sebelumnya disesuaikan pada keseimbangan jangka panjang pada tahun ini. Sedangkan mean lag merupakan rata-rata bulan yang diperlukan dalam melakukan penyesuaian pada jangka panjang. Nilai mean lag yang lebih dari 12 bulan pada suku bunga jangka panjang menandakan bahwa suku bunga tersebut tidak terkointegrasi. Berikut hasil dari perhitungan dari derajat pass-through, speed of adjustment serta mean lag. Tabel 26 Hasil Perhitungan Derajat Pass-through, Speed of Adjustment, dan Mean Lag Derajat Pass Through Kelompok Bank

Speed of

Mean Lag

Jangka Pendek

Jangka Panjang

Adjustment

Bank Persero Lend

0.136822

0.741214388

-0.058021

14.87699

Deposit

0.490725

1.102575712

-0.077299

6.588378

Deposit3 Deposit6

0.271502

1.128666373

-0.047697

15.273455

0.37864

1.371961883

-0.117219

5.300847

Deposit12

0.252586

2.110505121

-0.063074

7.096466

Deposit24

0.131488

1.455173253

-0.090359

9.611793

Bank Pemerintah Daerah

43 Lend

0.024001

0.048893724

-0.038628

25.26662

Deposit

0.264324

1.038467009

-0.049211

14.94942

Deposit3 Deposit6

0.211553

1.015016403

-0.043286

18.21483

0.165598

1.241103816

-0.133428

6.253575

Deposit12 Deposit24

0.138179 0.361612

1.471931058 1.506394847

-0.093876 -0.075295

9.180419 8.478491

Bank Swasta Nasional Lend

0.276582

0.885364962

-0.057417

12.59937

Deposit Deposit3

0.433619

1.041621692

-0.084307

6.718078

0.664302

1.43855424

-0.08844

3.182967

Deposit6

0.123001

1.098488028

-0.111973

7.832236

Deposit12 Deposit24

0.153116 0.168171

1.336848998 0.663294404

-0.093876 -0.075295

7.394107 3.280872

0.44566

2.114351543

-0.016493

33.61062

Bank Asing dan Campuran Lend Deposit

0.790701

1.054458536

-0.065683

3.186502

Deposit3

0.753729

1.208733807

-0.086148

2.858696

Deposit6

0.30998

1.026056504

-0.055111

12.52055

Deposit12

0.697162

1.262272616

-0.069321

4.368633

0.274448

0.964969709

-0.284411

2.551069

Deposit24 Sumber : Data diolah

Keterangan

: Cetak tebal menandakan variabel yang tidak terkointegrasi Pembahasan

Tujuan adanya perhitungan mengenai tiga komponen pass-throughyaitu derajat pass-through, speed of adjustment, dan mean lag adalah untuk menganalisis seberapa baik performa bank sebagai fungsi intermediasi diantara kondisi pasar secara umum dan harga akhir pada konsumen (Hofman and Mizen, 2004 dalam Schluter et al, 2012). Dari ketiga komponen tersebut peneliti dapat menjelaskan hasil proses dari interest pass-throughsebagai berikut. Pertama, Nilai dari derajat pass-throughpada jangka pendek bergantung pada elastisitas permintaan deposito dan pinjaman. Elastis atau tidaknya permintaan deposito dan pinjaman dapat dilihat dari nilai derajat pass-through pada jangka pendek, jika kurang dari satu berarti permintaan akan deposito dan pinjaman kurang atau tidak elastis, nilai yang kurang dari satu juga menunjukkan bahwa bank memiliki derajat market power (deBond, 2002). Market power adalah suatu ukuran kinerja yang menunjukkan seberapa besar kemampuan perusahaan (bank) untuk menaikkan harga di atas biaya marjinal. Semakin kompetitif sebuah pasar berarti semakin rendah market power yang ada, sebaliknya semakin pasar tidak kompetitif, market power yang ada menunjukkan tingkatan yang semakin tinggi (Fahmi Lubis, 2012) Menurut penelitian Anne dan Mulyaningsih (2011) memaparkan bahwa di Negara Indonesia pasar terkonsentrasi pada beberapa bank.Bank-bank besar mengontrol pangsa pasar yang substansial. Hal ini mengindikasikan bahwa struktur perbankan di Indonesia berada dalam struktur pasar oligopoli dominan.

44 Pada struktur oligopoli hanya ada beberapa penjual (bank), apabila salah satu bank tersebut melakukan sesuatu, hal itu akan memengaruhi pasar. Struktur pasar seperti ini akan menyebabkan tidak adanya tekanan persaingan karena berpeluang menciptakan kolusi untuk menentukan harga dan jumlah produksi, sehingga kinerjanya tidak seimbang. Elastisitas dari permintaan dan penawaran akan ditentukan oleh seberapa besar perubahan pada biaya penyesuaian bank terhadap perubahan kebijakan moneter. Pada struktur pasar monopoli dan oligopoli pada kelompok bank di Indonesia adanya perubahan suku bunga perbankan akibat respon perubahan suku bunga official tidak akan terjadi secara penuh karena terindikasi adanya kolusi dalam penentuan biaya penyesuaian bank. Terlihat dari tabel 26 diatas bahwa pada jangka pendek adanya perubahan kebijakan moneter yang diproksikan dari perubahan suku bunga diskonto tidak direspon secara penuh oleh suku bunga perbankan pada setiap kelompok bank. Hal ini ditunjukkan dari besarnya nilai derajat pass-throughyang kurang dari 1. Pada bank persero suku bunga deposito 1 bulan memiliki nilai derajarat passthrough tertinggi, hal ini juga terjadi pada suku bunga deposito 1 bulan pada bank asing dan campuran sedangkan pada bank pemerintah daerah dan bank swasta nasional suku bunga yang memiliki derajat pass-through tertinggi yaitu suku bunga deposito 24 bulan dan suku bunga deposito 3 bulan. Namun secara keseluruhan pada suku bunga deposito 1 bulan pada bank asing dan campuran dalam jangka pendek memiliki nilai derajat pass-through tertinggi yaitu sebesar 0.79. Tingginya derajat pass-throughini disebabkan adanya kecenderungan bank membiayai pinjaman jangka panjang dengan suku bunga deposito jangka pendek. Hal ini dapat dilihat pada tabel 11 bahwa deposito jangka pendek memiliki nilai yang besar jika dibandingkan dengan deposito jangka panjang. Pada tahun 2012 deposito dengan jangka waktu 1 bulan sebesar 805,861 milyar dengan kontribusi terbesar oleh Bank Swasta Nasional Devisa dan Bank Persero sedangkan deposito dengan jangka waktu 12 bulan sebesar 143,255 milyar. Kedua, terdapat kecenderungan bahwa pada jangka panjang suku bunga perbankan mengalami complete pass-through. Pada bank persero suku bunga kredit mengalami incomplete pass-through sedangkan suku bunga deposito 12 bulan mengalami over pass-through dengan nilai derajat pass-through sebesar 2.11. Pada bank pemerintah daerah suku bunga kredit mengalami incomplete pass-through dengan nilai derajat pass-through nya sebesar 0.049, dimana nilai derajat pass-thorugh antara jangka pendek dan jangka panjang hanya memiliki perbedaan sebesar 0.02. Sedangkan pada suku bunga deposito 1 bulan hingga 24 bulan memiliki kecenderungan complete pass-through. Pada bank swasta nasional, suku bunga kredit dengan nilai derajat passthrough sebesar 0.88 memiliki kecenderungan incomplete pass-through. Sedangkan suku bunga deposito 1 bulan hingga 24 bulan mengalami complete pass-through. Pada bank asing dan campuran, suku bunga kredit mengalami over pass through dengan nilai sebesar 2.11. Nilai derajat pass-through jangka panjang yang rendah pada suku bunga kredit bank pemerintah daerah menandakan bahwa bank pemerintah daerah tidak merespon adanya perubahan kebijakan moneter dalam jangka panjang pada suku bunga kredit. Hal ini disebabkan karena mayoritas penyaluran kredit bank pemerintah daerah fokus pada pemberian kredit konsumsi dimana kredit konsumsi merupakan kredit jangka pendek.

45 Terlihat pada tabel 20 bahwa suku bunga kredit pada bank pemerintah dan bank asing dan campuran tidak terkointegrasi atau tidak memiliki hubungan jangka panjang. Jika dilihat dari komposisi kredit pada kedua kelompok bank tersebut menunjukan bahwa bank pemerintah daerah lebih fokus pada penyaluran kredit jangka pendek yaitu kredit konsumsi, sedangkan pada bank asing dan campuran besarnya kredit jangka panjang yang disalurkan memiliki jumlah yang sedikit jika dibandingkan dengan kelompok bank yang lainnya. Bank Swasta nasional (devisa dan non devisa) merupakan bank dengan penyaluran kredit jangka panjang terbesar dengan jumlah 254,806 milyar. Jika penyaluran kredit bank pemerintah daerah dan bank asing dan campuran dibandingkan dengan kredit yang disalurkan bank swasta maka proporsi kredit kedua kelompok bank tersebut hanya 20% dari kredit dari bank swasta nasional. Proporsi jumlah kredit yang sedikit menandakan bahwa kegiatan kedua kelompok bank tersebut tidak terfokus pada penyaluran kredit sehingga suku bunga kredit jangka panjang bank pemerintah daerah dan bank asing dan campuran cenderung tidak merespon adanya perubahan kebijakan moneter. Ketiga jika dilihat pada tabel 26 diatas perhitungan mean lag pada setiap model kelompok bank memiliki besaran yang berbeda-beda. Menurut deBond (2002), lamanya waktu atau bulan (mean lag) yang dibutuhkan oleh suku bunga perbankan untuk melakukan penyesuaian jika melebihi waktu 12 bulan (waktu jangka panjang) merupakan salah satu penanda bahwa suku bunga perbankan tersebut tidak terkointegrasi atau tidak memiliki hubungan jangka panjang dengan suku bunga diskonto kecuali pada suku bunga kredit bank persero dan bank swasta nasional. Dari hasil penelitian ini diperoleh bahwa secara keseluruhan suku bunga deposito 1 bulan dan 3 bulan yang merupakan suku bunga jangka pendek tidak terkointegrasi atau tidak memiliki hubungan jangka panjang, kecuali pada suku bunga deposito 3 bulan pada bank swasta nasional yang terkointegrasi di lag pertama dan tidak terkointegrasi di lag kedua dan lag seterusnya. Keempat, estimasi dari speed of adjustment menujujangka panjang diperoleh dari koefisien ECM pada model. Hal penting yang harus diingat dalam estimasi ECM adalah bahwa error correction term (ECT) harus bernilai negatif, nilai negatif dalam ECT menunjukan bahwa model yang diestimasi valid. Seluruh koefisien dalam persamaan jangka pendek di atas merupakan koefisien yang menghubungkan model dinamis dalam jangka pendek konvergen terhadap keseimbangan. Hal ini memperlihatkan bagaimana ketidakseimbangan akibat shock di tahun sebelumnya disesuaikan pada keseimbangan jangka panjang pada tahun ini. Terlihat dari tabel diatas bahwa nilai speed of adjustment paling besar dimiliki oleh suku bunga deposito 24 bulan pada bank asing dan campuran dengan nilai speed of adjustment nya 0.28441. Hal ini sebanding dengan nilai mean lag pada suku bunga deposito 24 bulan yaitu 2.551. Pada tabel diatas dapat dilihat bahwa tidak semua variabel yang memiliki speed of adjustment tinggi memiliki nilai mean lag yang kecil. Hal ini disebabkan banyak faktor yang dapat menentukan proses dalam interest pass-through seperti market power dan asymmetric information dalam jangka panjang serta switching cost dalam jangka pendek (Mojon, 2000). Switching cost disebabkan karena adanya nasabah bank yang berniat untuk beralih dari satu bank ke bank yang lain, misalnya ketika rumah tangga berniat untuk mentransfer tabungannya dari bank A ke bank B. Switching cost meliputi

46 biaya untuk memeroleh dan mencari informasi serta biaya administrasi. Biayabiaya tersebut akan memiliki bernilai tinggi dalam jangka panjang dan ketika adanya transaksi berulang yang dilakukan oleh nasabah. Menurut Klemperer dalam DeBond (2002) memaparkan bahwa secara umum adanya switching cost dapat mengurangi elastisitas pada permintaan serta dapat memengaruhi penyesuaian suku bunga perbankan tidak secara penuh (<1) terhadap perubahan suku bunga official atau suku bunga kebijakan. Terkait dengan penetapan tingkat suku bunga kredit oleh bank adanya asymmetric information costsakan menimbulkan masalah adverse selection dan moral hazard (Stigliz dan Weiss dala Debond, 2002). Jika bank meningkatkan suku bunga kreditnya maka peminjam yang beresiko akan tertarik untuk meminjam dana dari bank atau peningkatan dari suku bunga kredit akan memberikan insentif yang merugikan bagi peminjam untuk memilih proyekproyek (investasi) yang berisiko (moral hazard). Dengan kata lain, penerimaan bank dapat mengalami penurunan ketika bank memutuskan untuk meningkatkan suku bunga kredit mereka bahkan ketika biaya pendanaan meningkat.Akibatnya, bank akan menetapkan suku bunga kredit di bawah harga kliring pasar dan rasio jumlah penawaran kredit. Hal ini akan mengakibatkan respon suku bunga kredit pada perubahan suku bunga pasar atau suku bunga official tidak akan berlangsung secara penuh. Implikasi Kebijakan Pada pembahasan diatas diperoleh hasil bahwa suku bunga kredit kecuali pada bank asing dan campuran mengalami incomplete pass-through. Adanya penurunan suku bunga official akan direspon oleh perbankan melalui koreksi cost of fund, namun koreksi yang terjadi pada suku bunga kredit cenderung memerlukan waktu yang lama karena terkait dengan berbagai pertimbangan, seperti kondisi keuangan bank yang masih belum efisien serta tingginya biaya intermediasi yang disebabkan oleh kecenderungan bank untuk menahan diri dari kompetisi. Hal ini juga disebabkan karena semakin banyaknya likuiditas perbankan serta tingginya pendapatan dari bunga SBI dan obligasi. Implikasinya perbankan akan bersikap menunggu perkembangan pasar uang dan sektor riil selanjutnya (Indef, 2011). Perilaku perbankan memiliki kecenderungan berkonsentrasi dalam pengelolaan dana dengan jangka pendek, terutama pada simpanan deposito. Hal ini menunjukan bahwa likuiditas utama pada kelompok bank di Indonesia masih sangat bergantung pada dana-dana jangka pendek (tabel 11). Konsekuensi dari banyaknya tabungan dan deposito dalam struktur DPK kelompok bank di indoneia adalah kelompok bank akan kesulitan dalam menekan suku bunga kredit. Selain itu, apabila perolehan deposito oleh kelompok bank di Indonesia semakin tinggi, maka hal tersebut dapat memicu kenaikan biaya (cost of fund). Kenaikan biaya juga akan menaikan biaya secara keseluruhan biaya pada bank lokal juga akan makin tinggi (blended cost of fund). Tingginya blended cost of fund akan menaikkan suku bunga kredit setelah ditambah margin pendapatan dan overheadcost. Konsekuensi lainnya adalah kelompok bank di Indonesiaakan memiliki keterbatasan untuk melakukan ekspansi kredit-kredit jangka panjang seperti kredit modal kerja dan investasi.

47 Selain itu, dana jangka pendek yang relatif besar juga menyebabkan ruang gerak investasi perbankan cenderung sempit.Perbankan hanya mampu berbisnis di area investasi dibawah satu tahun agar tidak menciptakan maturity mishmatch. Implikasinya perbankan tidak dapat terlibat dalam pembiayaan jangka panjang atau multiyear seperti proyek-proyek infrastruktur.

SIMPULAN DAN SARAN Simpulan Berdasarkan hasil penelitian yang telah dilakukan mengenai analisis kebijakan moneter terhadap suku bunga perbankan di Indonesia dengan menggunakan data bulanan dari tahun 2002-2012 diperoleh beberapa hasil yaitu: 1 Pada jangka pendek suku bunga perbankan mengalami incomplete pass through dalam jangka waktu satu bulan, nilai derajat pass through tertinggi sekitar 0.79 atau 79%. Sedangkan dalam jangka panjang suku bunga kredit pada kelompok bank mengalami incomplete pass-through kecuali pada suku bunga kredit bank asing dan campuran dan suku bunga deposito pada setiap kelompok bank mengalami complete pass-through. 2 Suku bunga deposito 24 bulan pada bank asing memiliki speed of adjustment yang paling besar dengan nilai mean lag yang relatif kecil. 3 Dari hasil Bound test diperoleh bahwa suku bunga dengan jangka waktu pendek cenderung tidak terkointegrasi atau tidak memiliki hubungan jangka panjang. 4 Keseluruhan model yang diestimasi pada Bank Swasta Nasional terkointegrasi Hal ini mengindikasikan proses pass-through berjalan cukup baik meskipun pada suku bunga kredit waktu yang dibutuhkan untuk menyesuaikan adanya perubahan kebijakan moneter membutuhkan waktu yang cukup lama yaitu 12.6 bulan. Saran Adapun saran yang dapat diberikan berdasarkan hasil penelitian ini yaitu : Kecenderungan bahwa suku bunga kredit di kelompok bank mengalami incomplete pass through. Hal ini mengindikasikan adanya kemungkinan masih tingginya persepsi risiko perbankan terhadap penyaluran kredit yang bersifat jangka panjang. Untuk menyerap risiko yang muncul dari kegiatan usaha atau perubahan lingkungan bisnis bank, diperlukannya tindakan untuk memperkuat ketahan perbankan melalui penguatan permodalan. Hal ini dapat dilakukan dengan cara : a Penambahan modal baru dari shareholder lama atau investor baru. b Merger dengan bank lain untuk mencapai persyaratan modal minimum dengan tingkatan yang baru. c Penerbitan saham baru. 2 Besarnya DPK pada kelompok bank di indonesia akan menimbulkan kesulitan dalam menekan suku bunga kredit. Oleh karena itu, sektor 1

48

3 4

5

perbankan perlu mengalihkan likuiditas ke instrumen jangka panjang baik di term deposit maupun di Sertifikat Bank Indonesia (SBI). Peningkatan efisiensi pada bank sehingga proses pass-through suku bunga dapat berjalan dengan baik. Dibutuhkan penelitian lebih lanjut mengenai interest pass-through pada kelompok bank dengan suku bunga kredit yang dianalisis secara parsial pada kelompok bank, sehingga variabel yang digunakan yaitu suku bunga kredit investasi, modal kerja, dan konsumsi. Hal ini bertujuan untuk melihat suku bunga kredit mana yang merespon perubahan kebijakan secara penuh atau tidak, sehingga dapat menjadikan cerminan bagi sektor perbankan dalam merumuskan kebijakan demi integrasi pasar keuangan yang sempurna di Indonesia. Dibutuhkannya penelitian lebih lanjut mengenai faktor-faktor yang memengaruhi pass-through pada kelompok bank di Indonesia, sehingga dapat memberikan pembahasan secara menyeluruh.

DAFTAR PUSTAKA

[BI] Bank Indonesia. 2002. Laporan Perekonomian Indonesia 2002.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2005. Laporan Perekonomian Indonesia 2005.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2008. Laporan Perekonomian Indonesia 2008.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2009. Laporan Perekonomian Indonesia 2009.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2012. Laporan Perekonomian Indonesia 2012. Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2009. Statistik Perbankan Indonesia 2009. Bank Indonesia. Jakarta [BI] Bank Indonesia. 2011. Statistik Perbankan Indonesia 2011. Bank Indonesia. Jakarta Banerjee A, Dolado J, Galbraith J, Hendry D. 1993. Co-integration, Errorcorrection and The Econometric Analysis of Non-Stationary Data. Oxford (GB):Oxford University Press.. Blanchard O. 2009. Macroeconomics Fifth Edition.New Jersey (US): Pearson Prentice Hall.

49 Bond G.2002. Retail Bank Interest Rate Pass-Through:New Evidence atthe Euro Area Level.Europan Central Bank. Working Paper No. 136. Cukierman A, Steven W , Bilin N. 1992. Measuring the Independence of Central Bank and its Effect on Policy Outcomes.The World Bank Economic Review Vol. 6 No. 3:353-398. Cottarelli C, Kourelis A. 1994. Financial Structure, Bank Lending Rates, and theTransmission Mechanism of Monetary Policy.IMF staff paperVol. 41 No. 4 pp 587–623 Dornbusch R, Fischer S, Startz R. 2008. Makroekonomi.Edisi 10.Mirazudin RI, penerjemah; Wibisono Y, editor. New York (US): McGraw-Hill Companies, Inc. Terjemahan dari :Macroeconomics 10th edition. Egert B, Jesus C, Thomas R. 2006. Interest Rate Pass-Through in Central and Eastern Europe: Reborn From Ashes Merely to Pass Away?. William Davidson Institute (The University of Michigan). Working Paper No.851. Ekofin Konsulindo. 2009. CD Room Indonesian Banking Indicator and Financial Performance Rating (31 Desember 1994 – 31 Desember 2008). PT Ekofin Konsulindo. Jakarta. Enders W. 2004.Applied Econometric Time Series Second Edition. New York (US) :Univeristy of Alabama.. Fahmi Lubis A. 2012. Market Power Perbankan Indonesia.Buletin Ekonomi Moneter dan Perbankan.Vol 14, No 3.Januari 2012. GujaratiD. 2004. Basic Econometrics Fourth Edition.Boston (US) : The McGrawHillCompanies. Habibullah M. 2011. The Impact of Corruption on Economic Development of Bangladesh:Evidence on the Basis of an Extended Solow Model. Stockholm University.[Jurnal].MPRA Paper No. 28755. Hannan T, Berger. 1991. The Rigidity of Prices: Evidence from The Banking Industry. American Economic Review No. 81. Horvath C, Judit K, Anna N. 2005. Interest Rate Pass-Through: The Case of Hungary. Magyar Nemzeti Bank. MNB Working Paper No.8. INDEF .Proyeksi Ekonomi Indonesia 2012.Jakarta (ID) : INDEF Juanda B. 2009. Ekonometrika: Pemodelan dan Pendugaan.Bogor (ID) : IPB Press.

50 Laudadio L. 1987. Commercial Banks: Market Structure and Short Term Interest Rate.[Jurnal].Journal of Post Keynesian Economic. No 9. Mojon B. 2002. Financial Structure and Interest Rate Channel of ECBMonetary Policy. Europan Central Bank. Working Paper No.40. Niggle C. 1987. A Comment on The Markup Theory of Bank Loan Rates.. [Jurnal]. Journal of Post Keynesian No.9. Ouattara B. 2004.Foreign Aid and Fiscal Policy in Senegal.[Jurnal].Mimeo University of Manchester. Pohan A. 2008. Kerangka Kebijakan Moneter dan Implementasi di Indonesia. Jakarta (ID) :Rajawali Press. Pesaran MH, Shin Y. 1997. An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis.[Jurnal]. Departement of Applied Economics University of Cambridge. Pesaran MH, Pesaran B. 1997. Working with Microfit4.0: Interactive Econometric Analysis.Oxford (GB) : Oxford University Press. Pesaran MH, Shin Y, Simth RJ. 2001. Bound Testing Approaches to the Analysis of Level Relationship.[Jurnal]. Journal of Applied Econometrics Vol.16. Putri K. 2009. Interest Rate Pass-Through terhadapa Suku Bunga Perbankan dan Perekonomian: Studi Komparatif di ASEAN +3. [Skripsi]. Institut Pertanian Bogor. Bogor (ID). Rani I. 2012.Karakteristik Perbankan dan Kebijakan Moneter di Indonesia. [Tesis]. Institut Pertanian Bogor. Bogor (ID). Schluter T, Ramona B, Thomas H, Sonke S. 2012. Determinants of the Interest Rate Pass-Through of Bank Evidence from German Loan Products. Deutsche Bundesbank. Discussion Paper No.26. Siringoringo R. 2012. Karakteristik dan Fungsi Intermediasi Perbankan di Indonesia. Buletin Ekonomi Moneter dan Perbankan Juli 2012. Tai N, Siok K, Wai M. 2012. Interest Pass-Through and Monetary Transmission in Asia. [Jurnal]. International Journal of Economics and Finance Vol.4 No.2. Ur Rehman H. 2009. Interest Rate Pass-Through and Banking Market Integration in ASEAN: A Cross Country Comparison. [Thesis]. University of Malaya. Vega E, Rebucci A. 2003. Retail Bank Interest Rate Pass-Through: Is Chile Atypical?. IMF Working Paper (WP/03/112)

51

LAMPIRAN

52 Lampiran 1 Uji Stasioneritas Bank Persero Test

Variable

Augmented Dickey - Fuller (ADF)

Phillips Perron (PP)

Null Hypothesis: Unit Root


Trend and

Constant

Constant t-Stat LEND D(LEND) DR D(DR) DEPOSIT D(DEPOSIT) DEPOSIT3 D(DEPOSIT3) DEPOSIT6 D(DEPOSIT6) DEPOSIT12 D(DEPOSIT12) DEPOSIT24 D(DEPOSIT24)

2.9093 8.2199 3.2676 4.7932 3.0085 -4.45 3.8985 3.4879 4.5527 2.8607 3.2972 3.5314 1.7315 10.742

Prob 0.1631 0*** 0.0764* 0.0008*** 0.1339 0.0026*** 0.0148** 0.0449 0.0019*** 0.1789 0.0713* 0.0402**

No Trend and Constant

t-Stat 0.9482 8.2535 2.9899 4.6983 2.7666 4.4199 3.5005 3.4258 3.8138 2.8243 2.8492 3.4999

Prob 0.7699 0*** 0.0385** 0.0002*** 0.066 0.0004*** 0.0094*** 0.0118 0.0036*** 0.0577** 0.0544* 0.0095***

0.7317

-1.506

0.5276

0***

10.744

0***

t-Stat 1.9109 3.8533 2.0749 4.5211 1.5906 4.3636 1.6471 3.3612 1.4361 2.7849 1.6812 3.3878 2.2085 10.539

Prob 0.0538** 0.0002*** 0.0369** 0*** 0.1049 0*** 0.0939* 0.0009 0.1403 0.0056*** 0.0876* 0.0008*** 0.0267** 0***

Trend and

Constant

Constant t-Stat 2.2769 8.7462 2.7749 4.8365 2.7092 -4.45 2.7662 3.4392 2.5004 3.3886 2.1596 5.9331 2.0145 10.859

Prob 0.4432 0*** 0.2093 0.0007*** 0.2348 0.0026*** 0.2125 0.0507 0.3276 0.0574** 0.5076 0*** 0.5877 0***

No Trend and

Decision

Constant t-Stat 0.9728 8.7768 2.7973 4.7124 2.7832 4.4199 2.8903 3.3617 2.4563 3.2843 1.8739 6.0271 1.5601 10.868

Prob 0.7616 0*** 0.0614* 0.0001*** 0.0634 0.0004*** 0.0492** 0.0142 0.1287 0.0176** 0.3437 0*** 0.5001 0***

t-Stat 1.6496 8.5769 2.2341 4.4919 2.0871 4.3893 2.1905 3.2482 1.9641 -3.163 1.6215 5.8665 1.9986 10.782

Prob 0.0934* I(1) 0*** 0.0251** I(0) 0*** 0.0359 I(1) 0*** 0.0279** I(0) 0.0013 0.0477** I(1) 0.0018*** 0.0987* I(0) 0*** 0.0441** I(1) 0***

53 Bank Pemerintah Daerah Test

Variable





Trend and

Constant


0.3251 11.782 3.2676 4.7932 -3.461 3.4882 3.7175 4.4389 3.3627 3.4415 2.2754 5.9352 1.4744 14.119

Prob 0.9892 0*** 0.0764* 0.0008*** 0.0481** 0.0449** 0.0246** 0.0027*** 0.0611* 0.0505* 0.4439 0*** 0.8335 0***


t-Stat 1.9075 18.339 2.9899 4.6983 -3.277 3.4275 3.9148 4.2314 3.1853 3.3872 2.2781 5.9191 1.5034 14.112

Prob 0.328 0*** 0.0385** 0.0002*** 0.018** 0.0117** 0.0026*** 0.0009*** 0.0231** 0.0132** 0.1807 0*** 0.5289 0***

t-Stat 3.6502 17.608 2.0749 4.5211 -1.488 3.3651 2.0461 4.1031 1.5108 3.3091 1.7608 5.8352 2.2254 13.872

Prob 0.0003*** 0*** 0.0369** 0*** 0.1275 0.0009*** 0.0395** 0.0001*** 0.1222 0.0011*** 0.0744* 0*** 0.0256** 0***

Trend and

Constant

Constant t-Stat 1.7224 21.802 2.7749 4.8365 2.5936 -4.715 2.4041 5.8684 2.3734 8.9331 2.1372 11.212 1.7691 13.841

Prob 0.7359 0*** 0.2093 0.0007*** 0.284 0.001*** 0.3758 0*** 0.3917 0*** 0.5201 0*** 0.7142 0***

No Trend and

Decision

Constant t-Stat 1.7374 20.283 2.7973 4.7124 2.6808 4.6295 2.6613 5.7272 2.3807 8.8914 2.0602 11.224 1.5098 -13.83

Prob 0.4101 0*** 0.0614* 0.0001*** 0.0801* 0.0002*** 0.0836* 0*** 0.1492 0*** 0.2612 0*** 0.5257 0***

t-Stat 3.6725 17.922 2.2341 4.4919 1.9035 4.5139 1.9522 5.6046 1.7382 8.7591 1.4639 11.278 2.0038 13.614

Prob 0.0003*** I(1) 0*** 0.0251** I(0) 0*** 0.0546*

I(1)

0*** 0.049** I(0) 0*** 0.078* I(1) 0*** 0.1334 1(1) 0*** 0.0436** 1(1) 0***

54 Bank Swasta Nasional Test

Variable





Trend and

Constant


3.2511 6.1288 3.2676 4.7932 3.4949 4.0017 4.3381 -3.104 3.7367 3.2383 3.8234 3.7157 3.1913 -12.11

Prob 0.0794* 0*** 0.0764* 0.0008***

Constant t-Stat 1.8554 6.1305 2.9899 4.6983

Prob 0.3525 0*** 0.0385** 0.0002***

0.0441**

-3.38

0.0134**

0.0109**

3.9158

0.0026***

0.0038***

-3.864

0.003***

0.1098 0.0233** 0.0817* 0.0184** 0.0247** 0.0908* 0***

No Trend and

3.0342 3.3446 3.1528 3.1918 3.6536 1.3737 12.158

0.0344** 0.0149** 0.0252** 0.0228** 0.006*** 0.5933 0***

t-Stat 1.5467 5.9726 2.0749 4.5211 1.6159 3.8697 1.8766 2.9436 1.6648 3.0592 1.8415 3.4791 1.8101 12.017

Prob 0.1142 0*** 0.0369** 0*** 0.0998* 0.0002*** 0.058* 0.0035 0.0906* 0.0024*** 0.0626* 0.0006*** 0.067*** 0***

Trend and

Constant

Constant t-Stat 2.2881 6.2783 2.7749 4.8365 2.6691 4.0017 2.6044 3.5323 2.3299 4.7681 2.1204 10.685 5.0798 23.499

Prob 0.4371 0*** 0.2093 0.0007*** 0.2512 0.0109** 0.2792 0.0401 0.4146 0.0009*** 0.5293 0*** 0.0003*** 0***

No Trend and

Decision

Constant t-Stat

Prob

t-Stat

Prob

0.403

1.4785

0.1298

0***

-6.123

0***

1.7516 6.2847 2.7973 4.7124 2.7362 3.9158 2.6254

0.0001***

-3.455

0.0108

2.2463 4.6779 1.7772 10.704 2.1331 23.606

0.0614*

0.0707* 0.0026*** 0.0904*

0.1912 0.0002*** 0.3904 0*** 0.2322 0***

2.2341 4.4919 1.8966 3.8697 1.9704 3.3465 1.7821 4.5212 -1.672 10.568 1.7793 21.779

1(1)

0.0251** I(0) 0*** 0.0555* I(0) 0.0002*** 0.047** I(0) 0.0010 0.0711* I(0) 0*** 0.0893* I(0) 0*** 0.0715* I(1) 0***

55 Bank Asing dan Campuran Test

Variable





Trend and

Constant


1.0257 15.068 3.2676 4.7932 2.7435 4.7067 3.4974 4.3795 3.3588 4.6891 2.4497 5.4664 4.5996 11.563

Prob 0.9359 0*** 0.0764* 0.0008*** 0.2213 0.0011*** 0.0439** 0.0033** 0.0617* 0.0012*** 0.3526 0.0001*** 0.0016*** 0***


t-Stat 1.0891 15.078 2.9899 4.6983 -2.464 4.7147 2.9835 4.3783 3.2632 4.7018 2.2715 5.4768 3.7699 11.583

Prob 0.7188 0*** 0.0385** 0.0002*** 0.1267 0.0001*** 0.0391** 0.0005*** 0.0187** 0.0002*** 0.1828 0*** 0.0041*** 0***

t-Stat 1.2986 14.999 2.0749 4.5211 1.5249 4.6295 1.3901 4.3417 1.1655 4.6868 1.3208 -5.43 1.5506 11.588

Prob 0.1785 0*** 0.0369** 0*** 0.1190 0*** 0.1524 0*** 0.2216 0*** 0.1719 0*** 0.1133 0***

Trend and

Constant

Constant t-Stat -1.159 14.534 2.7749 4.8365 2.4551 9.5028 2.4483 4.3795 2.2749 4.8325 2.3341 -9.22 4.4812 20.176

Prob 0.9139 0*** 0.2093 0.0007*** 0.3499 0*** 0.3533 0.0033*** 0.4442 0.0007*** 0.4124 0*** 0.0024*** 0***

No Trend and

Decision

Constant t-Stat 1.1706 14.547 2.7973 4.7124 2.3438 9.4998 2.3585 4.3783 2.2371 4.8426 2.2064 9.2324 3.3671 20.312

Prob 0.6859 0*** 0.0614* 0.0001*** 0.1600 0*** 0.1556 0.0005*** 0.1944 0.0001*** 0.2051 0*** 0.0139** 0***

Keterangan : a. (***), (**), (*) menunjukkan signifikansi pada taraf nyara 1%, 5%, dan 10%. b. Critical value berdasarkan McKinnon.

t-Stat 1.1013 14.484 2.2341 4.4919 1.7906 9.3818 1.4036 4.3417 1.2042 4.8165 1.4481 9.1797 1.5073 19.984

Prob 0.2446 I(1) 0*** 0.0251** I(0) 0*** 0.0698*

I(1)

0*** 0.1488 I(1) 0*** 0.2085 I(1) 0*** 0.1373 I(1) 0*** 0.123 I(1) 0***

Lampiran 2 Hasil Bound Testing Cointegration

Calculated

Variabel

F-Statistics Bank Persero Lend - DR Deposit - DR Deposit3 DR

1

9.805016

2 1

8.197718

2 1

4.76678 5.58999

2

3.71869 8.184071 6.580897

4.56363

1 2

Deposit12DR

1 2

Deposit24DR

1

5.3839 6.997877

2

7.634136

8.375818

Bank Pemda

Lag

Lend - DR

1 2

2.533096 2.725065

1

3.20793

2 1

3.19283 4.16354

2 1

2.81737 10.75768

Deposit12DR

2 1

5.00356 14.41456

2

8.378425

Deposit24DR

1 2

9.32715 7.89748

Deposit3 DR Deposit6-DR

5% Critical Bound I(0) I(1)


Lag

Deposit6-DR

Deposit - DR


4.042

4.788

4.934

5.764

7.057

7.815

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

4.042

4.788

4.934

5.764

7.057

7.815

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

57

Calculated

Variabel

F-Statistics Bank Swasta Lend - DR Deposit DR Deposit3 DR Deposit6DR Deposit12DR

1

6.305658

2

5.380787

1

6.13371

2

5.22943

1

7.018887

2

4.57987

1

11.72049

2

7.271537

1

22.97304

2

9.130535

1

9.405757

2

6.83544

Bank Asing

Lag

Deposit DR Deposit3 DR Deposit6DR Deposit12DR Deposit24DR



Lag

Deposit24DR

Lend - DR


1

1.6667

2

1.48329

1

1.4006

2

2.10573

1

3.64568

2

4.26632

1

3.49491

2

3.93173

1

3.56841

2

4.07788

1

8.066645

2

6.352957

4.042

4.788

4.934

5.764

7.057

7.815

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

4.042

4.788

4.934

5.764

7.057

7.815

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

5.649

6.335

6.606

7.423

9.063

9.786

Keterangan : a. Cetak tebal dengan shading berwarna kuning menunjukkan model tidak terkointegrasi. b. Cetak tebal dengan shading berwarna hijau menunjukkan harus dilakukan uji kointegrasi Johansen dikarenakan nilai F-statistic berada diantara upper critical value dan lower critical value.

58 Lampiran 3 Hasil Penentuan Lag Bank Persero : Model Lend-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

-1.085644

-1.0198

-1.058889

3.3

-1.079103

-0.90175

-1.007041

1.1

-1.10902

-1.02123

-1.07335

3.4

-1.058972

-0.858438

-0.977494

1.2

-1.093317

-0.983027

-1.048502

3.5

-1.059643

-0.835691

-0.968654

1.3

-1.088279

-0.955265

-1.034233

4.0

-1.080199

-0.94651

-1.025881

1.4

-1.070865

-0.914895

-1.007493

4.1

-1.108742

-0.952772

-1.045371

1.5

-1.072129

-0.892968

-0.999338

4.2

-1.109802

-0.93155

-1.037378

2.0

-1.088807

-1.000575

-1.052955

4.3

-1.10088

-0.900347

-1.019403

2.1

-1.107544

-0.997254

-1.062729

4.4

-1.086062

-0.863247

-0.995531

2.2

-1.098358

-0.96601

-1.044581

4.5

-1.095904

-0.849557

-0.995816

2.3

-1.091868

-0.936685

-1.028814

5.0

-1.057563

-0.900797

-0.993871

2.4

-1.071646

-0.893394

-0.999222

5.1

-1.089682

-0.910521

-1.016891

2.5

-1.070869

-0.869313

-0.988979

5.2

-1.096576

-0.895019

-1.014686

3.0

-1.077636

-0.966791

-1.032598

5.3

-1.087736

-0.863785

-0.996747

3.1

-1.09805

-0.965035

-1.044003

5.4

-1.07305

-0.826703

-0.972962

3.2

-1.089691

-0.934507

-1.026636

5.5

-1.082243

-0.813501

-0.973056

Bank Persero : Model Deposit-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.469752

0.557545

0.505426

3.3

-0.259597

-0.060076

-0.178528

1.1

0.097733

0.207473

0.142325

3.4

-0.262616

-0.039801

-0.172085

1.2

-0.086371

0.045977

-0.032593

3.5

-0.25127

-0.004923

-0.151182

1.3

-0.085996

0.069188

-0.022942

4.0

-0.092435

0.063535

-0.029064

1.4

-0.073953

0.104299

-0.001528

4.1

-0.257633

-0.079381

-0.185208

1.5

-0.05494

0.146616

0.02695

4.2

-0.256209

-0.055676

-0.174732

2.0

-0.126257

-0.015968

-0.081443

4.3

-0.241454

-0.018639

-0.150923

2.1

-0.28833

-0.15599

-0.23456

4.4

-0.266067

-0.020971

-0.166483

2.2

-0.290109

-0.135703

-0.227369

4.5

-0.256441

0.012301

-0.147254

2.3

-0.272601

-0.095248

-0.200539

5.0

-0.07203

0.107132

0.000761

2.4

-0.278218

-0.077685

-0.19674

5.1

-0.247865

-0.046309

-0.165975

2.5

-0.266844

-0.042893

-0.175855

5.2

-0.240481

-0.016529

-0.149492

3.0

-0.114273

0.018742

-0.060226

5.3

-0.225218

0.021129

-0.12513

3.1

-0.272711

-0.117527

-0.209657

5.4

-0.256995

0.011747

-0.147809

3.2

-0.274036

-0.096683

-0.201974

5.5

-0.242818

0.048319

-0.124532

59 Bank Persero :Model Deposit3-DR LAG 1.0 1.1 1.2 1.3 1.4 1.5 2.0 2.1 2.2 2.3 2.4 2.5 3.0

AIC 0.156995 -0.04033 -0.241263 -0.423052 -0.467219 -0.445241 -0.862639 -0.930451 -0.956865 -0.942501 -1.016255 -1.04829 -0.847378

SIC

HQC

0.244787 0.069409 -0.108916 -0.267869 -0.288967 -0.243684 -0.75235 -0.798103 -0.802459 -0.765149 -0.815721 -0.82434 -0.714364

LAG

AIC

0.192669

3.3

-0.934842

-0.73532

-0.853772

0.004261

3.4

-1.000677

-0.777862

-0.910147

-0.187486

3.5

-1.03397

-0.787623

-0.933882

-0.359998

4.0

-0.845301

-0.689331

-0.78193

-0.394795

4.1

-0.91639

-0.738138

-0.843966

-0.363351

4.2

-0.951132

-0.750599

-0.869655

-0.817825

4.3

-0.948443

-0.725628

-0.857912

-0.876673

4.4

-0.98643

-0.741334

-0.886847

-0.894125

4.5

-1.018225

-0.749483

-0.909038

-0.870439

5.0

-0.847777

-0.668616

-0.774986

-0.934777

5.1

-0.951739

-0.750183

-0.869849

-0.9573

5.2

-0.965731

-0.741779

-0.874742

-0.793332

5.3

-0.959199

-0.712852

-0.859111

-1.015754

-0.747012

-0.906567

-1.00411

-0.712973

-0.885824

3.1

-0.912231

-0.757048

-0.849177

5.4

3.2

-0.941653

-0.764301

-0.869591

5.5

SIC

HQC

Bank Persero Model Deposit6-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

-0.169768

-0.081976

-0.134094

3.3

-1.134677

-0.935155

-1.053607

1.1

-0.20959

-0.09985

-0.165

3.4

-1.133738

-0.910923

-1.043207

1.2

-0.22675

-0.094403

-0.172973

3.5

-1.117648

-0.871301

-1.01756

1.3

-0.340714

-0.18553

-0.27766

4.0

-1.109046

-0.953076

-1.045674

1.4

-0.44736

-0.269108

-0.374935

4.1

-1.139503

-0.961251

-1.067078

1.5

-0.557487

-0.35593

-0.475597

4.2

-1.123909

-0.923376

-1.042432

2.0

-1.052117

-0.941827

-1.007302

4.3

-1.134931

-0.912116

-1.0444

2.1

-1.069026

-0.936678

-1.015248

4.4

-1.119306

-0.87421

-1.019722

2.2

-1.05368

-0.899274

-0.990939

4.5

-1.103599

-0.834857

-0.994413

2.3

-1.075946

-0.898593

-1.003884

5.0

-1.0886

-0.909439

-1.015809

2.4

-1.072391

-0.871858

-0.990913

5.1

-1.122699

-0.921142

-1.040809

2.5

-1.074128

-0.850176

-0.983139

5.2

-1.107081

-0.883129

-1.016092

3.0

-1.113902

-0.980888

-1.059856

5.3

-1.116081

-0.869735

-1.015994

3.1

-1.140427

-0.985243

-1.077372

5.4

-1.100361

-0.831619

-0.991174

3.2

-1.124933

-0.947581

-1.052871

5.5

-1.093151

-0.802014

-0.974866

60 Bank Persero :Model Deposit12-DR LAG 1.0 1.1 1.2 1.3 1.4 1.5 2.0 2.1 2.2 2.3 2.4 2.5 3.0

AIC 0.389527 0.360149 0.334567 0.331491 0.331155 0.344068 0.250609 0.244602 0.237069 0.252432 0.266953 0.262334 0.171125

SIC 0.477319 0.46989 0.466915 0.486674

HQC

0.360899 0.376949

0.467486 0.486286 0.30414

SIC

HQC

3.3

0.179753

0.379275

0.260823

0.404742

3.4

0.202179

0.424994

0.29271

0.388345

3.5

0.176049

0.422396

0.276137

0.394545

4.0

0.191553

0.347523

0.254924

0.40358

4.1

0.184481

0.362733

0.256906

0.425958

4.2

0.18337

0.383903

0.264848

0.295423

4.3

0.198971

0.421786

0.289502

0.298379

4.4

0.214585

0.459681

0.314169

0.29981

4.5

0.177207

0.445949

0.286394

0.324494

5.0

0.200262

0.379424

0.273053

0.348431

5.1

0.19702

0.398577

0.27891

0.353323

5.2

0.197336

0.421288

0.288325

0.225172

5.3

0.213057

0.459404

0.313145

0.228737

0.497479

0.337924

0.188801

0.479938

0.307086

0.391475 0.429784

AIC

0.425201

0.509407 0.545624

LAG

3.1

0.165426

0.320609

0.22848

5.4

3.2

0.164252

0.341605

0.236314

5.5

Bank Persero Model Deposit24-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.692411

1.758255

1.719166

3.3

1.753335

1.930688

1.825397

1.1

1.702985

1.790778

1.738659

3.4

1.773942

1.974475

1.855419

1.2

1.718644

1.828934

1.763458

3.5

1.793323

2.017275

1.884312

1.3

1.723317

1.856332

1.777364

4.0

1.749104

1.882793

1.803422

1.4

1.743695

1.899665

1.807066

4.1

1.760043

1.916014

1.823415

1.5

1.76254

1.941702

1.835332

4.2

1.769537

1.947789

1.841961

2.0

1.712862

1.801094

1.748714

4.3

1.768262

1.968795

1.84974

2.1

1.723052

1.833342

1.767866

4.4

1.783538

2.006353

1.874069

2.2

1.732545

1.864892

1.786322

4.5

1.801483

2.04783

1.901571

2.3

1.738385

1.893569

1.80144

5.0

1.770872

1.927638

1.834564

2.4

1.758792

1.937044

1.831216

5.1

1.783203

1.962364

1.855994

2.5

1.777905

1.979461

1.859795

5.2

1.790916

1.992473

1.872806

3.0

1.734115

1.84496

1.779153

5.3

1.789432

2.013384

1.880421

3.1

1.744254

1.877268

1.7983

5.4

1.804924

2.051271

1.905011

3.2

1.753955

1.909139

1.817009

5.5

1.816213

2.084955

1.9254

61 Bank Pemerintah Daerah :Model Lend-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

1.0

0.207002

0.294795

0.242676

1.1

0.219537

0.329278

0.26413

1.2

0.226415

0.358762

1.3

0.249554

1.4

HQC

3.3

0.02483

0.224352

0.1059

3.4

0.017097

0.239912

0.107628

0.280192

3.5

0.038685

0.285031

0.138772

0.404738

0.312608

4.0

-0.018698

0.137273

0.044674

0.261953

0.440205

0.334378

4.1

-0.003398

0.174854

0.069027

1.5

0.261176

0.462733

0.343066

4.2

0.007388

0.207921

0.088866

2.0

0.018209

0.128499

0.063024

4.3

0.022229

0.245044

0.11276

2.1

0.033593

0.165941

0.087371

4.4

0.000947

0.246043

0.100531

2.2

0.041571

0.195976

0.104311

4.5

0.023202

0.291944

0.132389

2.3

0.065483

0.242836

0.137545

5.0

-0.016552

0.16261

0.056239

2.4

0.058083

0.258616

0.139561

5.1

-0.000951

0.200605

0.080939

2.5

0.073478

0.29743

0.164467

5.2

0.009758

0.23371

0.100747

3.0

-0.015594

0.117421

0.038453

5.3

0.024497

0.270843

0.124584

3.1

-0.000265

0.154918

0.062789

5.4

-0.00026

0.268483

0.108927

3.2

0.009757

0.187109

0.081819

5.5

0.014312

0.305449

0.132597

Bank Pemerintah Daerah :Model Deposit-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.07847

0.166263

0.114144

3.3

-0.486048

-0.286526

-0.404978

1.1

-0.15481

-0.04507

-0.110218

3.4

-0.464671

-0.241856

-0.37414

1.2

-0.292834

-0.160486

-0.239057

3.5

-0.443728

-0.197381

-0.34364

1.3

-0.346477

-0.191293

-0.283423

4.0

-0.386946

-0.230975

-0.323574

1.4

-0.342563

-0.164311

-0.270138

4.1

-0.472431

-0.294179

-0.400006

1.5

-0.319542

-0.117985

-0.237652

4.2

-0.490182

-0.289649

-0.408705

2.0

-0.367485

-0.257196

-0.322671

4.3

-0.47592

-0.253105

-0.385389

2.1

-0.465868

-0.33352

-0.41209

4.4

-0.460517

-0.21542

-0.360933

2.2

-0.486128

-0.331722

-0.423388

4.5

-0.436451

-0.167709

-0.327264

2.3

-0.472396

-0.295044

-0.400334

5.0

-0.371483

-0.192321

-0.298692

2.4

-0.451107

-0.250574

-0.36963

5.1

-0.455872

-0.254315

-0.373982

2.5

-0.427005

-0.203053

-0.336016

5.2

-0.473176

-0.249225

-0.382187

3.0

-0.393601

-0.260587

-0.339555

5.3

-0.458429

-0.212082

-0.358341

3.1

-0.483446

-0.328262

-0.420391

5.4

-0.442864

-0.174122

-0.333677

3.2

-0.500243

-0.32289

-0.428181

5.5

-0.430166

-0.139029

-0.311881

62 Bank PemerintahDaerah :Model Deposit3-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.543463

0.631256

0.579137

3.3

0.139221

0.338743

0.220291

1.1

0.458487

0.568228

0.50308

3.4

0.152851

0.375666

0.243382

1.2

0.404281

0.536628

0.458058

3.5

0.16917

0.415517

0.269258

1.3

0.22899

0.384174

0.292045

4.0

0.252348

0.408318

0.31572

1.4

0.24366

0.421912

0.316084

4.1

0.209713

0.387965

0.282138

1.5

0.260032

0.461588

0.341922

4.2

0.211017

0.411551

0.292495

2.0

0.291239

0.401529

0.336054

4.3

0.158564

0.381379

0.249094

2.1

0.242662

0.375009

0.296439

4.4

0.16637

0.411467

0.265954

2.2

0.243196

0.397602

0.305936

4.5

0.184007

0.452749

0.293194

2.3

0.138534

0.315886

0.210596

5.0

0.247274

0.426435

0.320065

2.4

0.157264

0.357797

0.238741

5.1

0.221252

0.422808

0.303142

2.5

0.173537

0.397489

0.264526

5.2

0.230096

0.454048

0.321085

3.0

0.233169

0.366183

0.287215

5.3

0.178081

0.424428

0.278169

3.1

0.192453

0.347637

0.255507

5.4

0.186374

0.455116

0.295561

3.2

0.192585

0.369938

0.264647

5.5

0.199633

0.490771

0.317919

Bank Pemerintah Daerah :Model Deposit6-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.683571

0.771363

0.719245

3.3

0.552553

0.752075

0.633623

1.1

0.691373

0.801113

0.735965

3.4

0.566763

0.789578

0.657294

1.2

0.677473

0.809821

0.73125

3.5

0.578663

0.82501

0.67875

1.3

0.604567

0.75975

0.667621

4.0

0.601585

0.757555

0.664956

1.4

0.596745

0.774997

0.66917

4.1

0.600138

0.77839

0.672563

1.5

0.585578

0.787135

0.667468

4.2

0.581506

0.782039

0.662984

2.0

0.676609

0.786898

0.721423

4.3

0.518246

0.741061

0.608777

2.1

0.683887

0.816235

0.737665

4.4

0.522451

0.767547

0.622035

2.2

0.668977

0.823383

0.731717

4.5

0.544041

0.812783

0.653228

2.3

0.616699

0.794052

0.688761

5.0

0.622814

0.801975

0.695605

2.4

0.612253

0.812787

0.693731

5.1

0.62265

0.824207

0.70454

2.5

0.598104

0.822056

0.689093

5.2

0.604468

0.82842

0.695457

3.0

0.61968

0.752694

0.673726

5.3

0.541079

0.787426

0.641167

3.1

0.623555

0.778739

0.686609

5.4

0.543745

0.812488

0.652932

3.2

0.603075

0.780428

0.675137

5.5

0.557364

0.848501

0.675649

63 Bank Pemerintah Daerah :Model Deposit12-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.346153

1.433945

1.381827

3.3

1.360151

1.559673

1.441221

1.1

1.335075

1.444816

1.379668

3.4

1.353094

1.575909

1.443625

1.2

1.358542

1.490889

1.412319

3.5

1.372272

1.618619

1.47236

1.3

1.37318

1.528363

1.436234

4.0

1.374556

1.530526

1.437927

1.4

1.368437

1.546689

1.440862

4.1

1.358343

1.536595

1.430767

1.5

1.388625

1.590182

1.470515

4.2

1.371804

1.572337

1.453282

2.0

1.364748

1.475037

1.409562

4.3

1.376154

1.598969

1.466685

2.1

1.352297

1.484644

1.406074

4.4

1.361633

1.606729

1.461217

2.2

1.367374

1.52178

1.430115

4.5

1.380895

1.649637

1.490082

2.3

1.379025

1.556377

1.451087

5.0

1.397366

1.576528

1.470157

2.4

1.362855

1.563388

1.444332

5.1

1.378317

1.579873

1.460207

2.5

1.380627

1.604579

1.471616

5.2

1.390744

1.614695

1.481733

3.0

1.355014

1.488029

1.409061

5.3

1.395061

1.641408

1.495149

3.1

1.339936

1.49512

1.402991

5.4

1.375108

1.64385

1.484295

3.2

1.353071

1.530424

1.425133

5.5

1.39055

1.681687

1.508836

Bank Pemerintah Daerah :Model Deposit24-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.950892

2.016736

1.977647

3.3

1.894257

2.07161

1.966319

1.1

1.958498

2.04629

1.994172

3.4

1.917385

2.117918

1.998862

1.2

1.910735

2.021025

1.955549

3.5

1.936358

2.16031

2.027347

1.3

1.932326

2.06534

1.986372

4.0

1.943311

2.077

1.997629

1.4

1.95244

2.10841

2.015811

4.1

1.946291

2.102262

2.009663

1.5

1.970214

2.149376

2.043006

4.2

1.894325

2.072577

1.96675

2.0

1.908514

1.996746

1.944366

4.3

1.908998

2.109531

1.990476

2.1

1.913453

2.023742

1.958267

4.4

1.923795

2.146609

2.014325

2.2

1.859871

1.992219

1.913649

4.5

1.945261

2.191607

2.045348

2.3

1.879492

2.034675

1.942546

5.0

1.967578

2.124344

2.03127

2.4

1.902116

2.080368

1.974541

5.1

1.969311

2.148472

2.042102

2.5

1.921011

2.122567

2.002901

5.2

1.917301

2.118858

1.999191

3.0

1.926862

2.037708

1.971901

5.3

1.931936

2.155888

2.022925

3.1

1.930587

2.063601

1.984633

5.4

1.946849

2.193196

2.046937

3.2

1.880901

2.036085

1.943955

5.5

1.960672

2.229414

2.069859

64 Bank Swasta Nasional :Model Lend-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

-0.389874

-0.32403

-0.363119

3.3

-0.601781

-0.424428

-0.529719

1.1

-0.515401

-0.427608

-0.479727

3.4

-0.578712

-0.378178

-0.497234

1.2

-0.547166

-0.436876

-0.502352

3.5

-0.567982

-0.34403

-0.476993

1.3

-0.553845

-0.42083

-0.499798

4.0

-0.541818

-0.408129

-0.487499

1.4

-0.53314

-0.37717

-0.469769

4.1

-0.646992

-0.491022

-0.583621

1.5

-0.523306

-0.344145

-0.450515

4.2

-0.635789

-0.457537

-0.563364

2.0

-0.554115

-0.465883

-0.518263

4.3

-0.626988

-0.426455

-0.54551

2.1

-0.638803

-0.528513

-0.593988

4.4

-0.621729

-0.398914

-0.531199

2.2

-0.630288

-0.49794

-0.57651

4.5

-0.608543

-0.362196

-0.508455

2.3

-0.614863

-0.459679

-0.551809

5.0

-0.518171

-0.361405

-0.454479

2.4

-0.592142

-0.41389

-0.519717

5.1

-0.641831

-0.46267

-0.56904

2.5

-0.579664

-0.378107

-0.497774

5.2

-0.62928

-0.427724

-0.54739

3.0

-0.531967

-0.421122

-0.486928

5.3

-0.619361

-0.395409

-0.528372

3.1

-0.617163

-0.484148

-0.563116

5.4

-0.616592

-0.370246

-0.516505

3.2

-0.608655

-0.453471

-0.5456

5.5

-0.600946

-0.332204

-0.49176

Bank Swasta Nasional :Model Deposit-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.513012

0.600804

0.548686

3.3

-0.268055

-0.068533

-0.186986

1.1

0.083881

0.193621

0.128473

3.4

-0.267652

-0.044837

-0.177121

1.2

-0.07498

0.057368

-0.021202

3.5

-0.248333

-0.001986

-0.148245

1.3

-0.098411

0.056772

-0.035357

4.0

-0.151116

0.004854

-0.087744

1.4

-0.084881

0.093371

-0.012456

4.1

-0.260522

-0.08227

-0.188097

1.5

-0.066149

0.135408

0.015741

4.2

-0.262445

-0.061911

-0.180967

2.0

-0.197982

-0.087693

-0.153168

4.3

-0.247242

-0.024427

-0.156711

2.1

-0.303135

-0.170787

-0.249358

4.4

-0.262165

-0.017068

-0.162581

2.2

-0.304667

-0.150261

-0.241927

4.5

-0.247006

0.021736

-0.13782

2.3

-0.281796

-0.104443

-0.209734

5.0

-0.127098

0.052064

-0.054307

2.4

-0.283109

-0.082576

-0.201631

5.1

-0.244907

-0.043351

-0.163017

2.5

-0.263858

-0.039906

-0.172869

5.2

-0.242488

-0.018536

-0.151499

3.0

-0.174648

-0.041633

-0.120601

5.3

-0.227085

0.019262

-0.126997

3.1

-0.28019

-0.125007

-0.217136

5.4

-0.24566

0.023082

-0.136474

3.2

-0.283056

-0.105703

-0.210994

5.5

-0.233677

0.05746

-0.115391

65 Bank Swasta Nasional :Model Deposit3-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.30521

0.393002

0.340884

3.3

-0.882696

-0.683174

-0.801626

1.1

0.112838

0.222578

0.15743

3.4

-0.906615

-0.6838

-0.816084

1.2

-0.052162

0.080186

0.001615

3.5

-0.936515

-0.690169

-0.836428

1.3

-0.243844

-0.088661

-0.18079

4.0

-0.893141

-0.73717

-0.829769

1.4

-0.315261

-0.137009

-0.242837

4.1

-0.926071

-0.747819

-0.853646

1.5

-0.296418

-0.094862

-0.214528

4.2

-0.914198

-0.713664

-0.83272

2.0

-0.769074

-0.658784

-0.72426

4.3

-0.911645

-0.688831

-0.821115

2.1

-0.852769

-0.720422

-0.798992

4.4

-0.897389

-0.652293

-0.797805

2.2

-0.848793

-0.694387

-0.786053

4.5

-0.922635

-0.653893

-0.813448

2.3

-0.841895

-0.664542

-0.769833

5.0

-0.876213

-0.697052

-0.803422

2.4

-0.856623

-0.656089

-0.775145

5.1

-0.905639

-0.704082

-0.823749

2.5

-0.90038

-0.676428

-0.809391

5.2

-0.89408

-0.670129

-0.803092

3.0

-0.870509

-0.737495

-0.816463

5.3

-0.890099

-0.643753

-0.790012

3.1

-0.901173

-0.74599

-0.838119

5.4

-0.875428

-0.606686

-0.766241

3.2

-0.889409

-0.712056

-0.817347

5.5

-0.907076

-0.615939

-0.78879

Bank Swasta Nasional :Model Deposit6-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

-0.23339

-0.145598

-0.197716

3.3

-0.513112

-0.31359

-0.432042

1.1

-0.219067

-0.109326

-0.174474

3.4

-0.532983

-0.310168

-0.442452

1.2

-0.217628

-0.08528

-0.16385

3.5

-0.510221

-0.263875

-0.410134

1.3

-0.262266

-0.107082

-0.199212

4.0

-0.541818

-0.408129

-0.487499

1.4

-0.382919

-0.204667

-0.310495

4.1

-0.646992

-0.491022

-0.583621

1.5

-0.392105

-0.190548

-0.310215

4.2

-0.635789

-0.457537

-0.563364

2.0

-0.497432

-0.387142

-0.452618

4.3

-0.626988

-0.426455

-0.54551

2.1

-0.482303

-0.349956

-0.428526

4.4

-0.621729

-0.398914

-0.531199

2.2

-0.472731

-0.318325

-0.409991

4.5

-0.523442

-0.2547

-0.414255

2.3

-0.468048

-0.290696

-0.395986

5.0

-0.539995

-0.360834

-0.467204

2.4

-0.505047

-0.304514

-0.423569

5.1

-0.527104

-0.325547

-0.445214

2.5

-0.482494

-0.258542

-0.391505

5.2

-0.517363

-0.293411

-0.426374

3.0

-0.5432

-0.410186

-0.489154

5.3

-0.510828

-0.264482

-0.410741

3.1

-0.528769

-0.373586

-0.465715

5.4

-0.524316

-0.255574

-0.415129

3.2

-0.518608

-0.341256

-0.446546

5.5

-0.51089

-0.219753

-0.392605

66 Bank Swasta Nasional :Model Deposit12-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.554243

0.642035

0.589917

3.3

0.602952

0.802473

0.684021

1.1

0.55737

0.667111

0.601963

3.4

0.590471

0.813286

0.681002

1.2

0.580912

0.71326

0.634689

3.5

0.611334

0.857681

0.711422

1.3

0.596604

0.751787

0.659658

4.0

0.560726

0.716696

0.624098

1.4

0.590609

0.768861

0.663033

4.1

0.564804

0.743056

0.637229

1.5

0.612042

0.813599

0.693932

4.2

0.580179

0.780712

0.661656

2.0

0.569004

0.679294

0.613819

4.3

0.584973

0.807788

0.675504

2.1

0.572042

0.70439

0.62582

4.4

0.56556

0.810656

0.665144

2.2

0.587416

0.741821

0.650156

4.5

0.586529

0.855271

0.695716

2.3

0.600422

0.777775

0.672484

5.0

0.549615

0.728777

0.622406

2.4

0.582186

0.78272

0.663664

5.1

0.550194

0.751751

0.632084

2.5

0.601182

0.825133

0.692171

5.2

0.564902

0.788854

0.655891

3.0

0.57623

0.709245

0.630277

5.3

0.566513

0.81286

0.6666

3.1

0.580236

0.73542

0.643291

5.4

0.53807

0.806812

0.647256

3.2

0.595732

0.773085

0.667794

5.5

0.553812

0.844949

0.672098

Bank Swasta Nasional :Model Deposit24-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

3.687392

3.775185

3.723066

3.3

3.596639

3.79616

3.677708

1.1

3.638167

3.747907

3.682759

3.4

3.620706

3.843521

3.711237

1.2

3.658214

3.790562

3.711991

3.5

3.64073

3.887077

3.740818

1.3

3.67493

3.830114

3.737984

4.0

3.584539

3.740509

3.647911

1.4

3.693785

3.872037

3.76621

4.1

3.581533

3.759785

3.653958

1.5

3.70885

3.910406

3.79074

4.2

3.59689

3.797423

3.678368

2.0

3.590046

3.700336

3.63486

4.3

3.612384

3.835199

3.702915

2.1

3.571373

3.70372

3.62515

4.4

3.627736

3.872832

3.72732

2.2

3.585576

3.739981

3.648316

4.5

3.649182

3.917924

3.758369

2.3

3.608754

3.786106

3.680816

5.0

3.604699

3.783861

3.67749

2.4

3.630833

3.831367

3.712311

5.1

3.601859

3.803416

3.683749

2.5

3.649574

3.873525

3.740562

5.2

3.617602

3.841554

3.708591

3.0

3.574733

3.707748

3.62878

5.3

3.633266

3.879613

3.733353

3.1

3.566383

3.721567

3.629437

5.4

3.648871

3.917613

3.758058

3.2

3.581477

3.75883

3.653539

5.5

3.663134

3.954271

3.78142

67 Bank Asing dan Campuran :Model Lend-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.283399

1.349243

1.310155

3.3

1.184971

1.362323

1.257032

1.1

1.264003

1.351796

1.299677

3.4

1.186165

1.386698

1.267642

1.2

1.268317

1.378607

1.313132

3.5

1.197746

1.421697

1.288734

1.3

1.290597

1.423611

1.344643

4.0

1.195943

1.329632

1.250261

1.4

1.295019

1.45099

1.358391

4.1

1.167496

1.323466

1.230868

1.5

1.304815

1.483977

1.377607

4.2

1.166013

1.344265

1.238438

2.0

1.232073

1.320305

1.267925

4.3

1.18137

1.381904

1.262848

2.1

1.164206

1.274496

1.209021

4.4

1.193896

1.416711

1.284427

2.2

1.149929

1.282277

1.203706

4.5

1.205356

1.451702

1.305443

2.3

1.170488

1.325672

1.233542

5.0

1.211955

1.368721

1.275647

2.4

1.171013

1.349265

1.243438

5.1

1.170622

1.349783

1.243413

2.5

1.182553

1.384109

1.264443

5.2

1.176407

1.377964

1.258297

3.0

1.227152

1.337997

1.272191

5.3

1.191871

1.415823

1.28286

3.1

1.182861

1.315875

1.236907

5.4

1.204629

1.450976

1.304716

3.2

1.170529

1.325713

1.233583

5.5

1.220161

1.488903

1.329348

Bank Asing dan Campuran Model Deposit-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.901918

0.98971

0.937592

3.3

0.516228

0.715749

0.597297

1.1

0.540348

0.650088

0.58494

3.4

0.535855

0.75867

0.626386

1.2

0.537939

0.670287

0.591716

3.5

0.557802

0.804149

0.657889

1.3

0.507591

0.662775

0.570646

4.0

0.747209

0.903179

0.810581

1.4

0.52535

0.703602

0.597775

4.1

0.541096

0.719347

0.61352

1.5

0.546674

0.74823

0.628564

4.2

0.54822

0.748753

0.629698

2.0

0.864138

0.974428

0.908952

4.3

0.538424

0.761239

0.628955

2.1

0.547051

0.679399

0.600828

4.4

0.551139

0.796235

0.650723

2.2

0.545388

0.699793

0.608128

4.5

0.572899

0.841641

0.682086

2.3

0.506351

0.683704

0.578413

5.0

0.765334

0.944496

0.838125

2.4

0.527575

0.728109

0.609053

5.1

0.561215

0.762772

0.643105

2.5

0.548668

0.772619

0.639657

5.2

0.569889

0.793841

0.660878

3.0

0.74244

0.875454

0.796486

5.3

0.558495

0.804841

0.658582

3.1

0.521173

0.676357

0.584228

5.4

0.571664

0.840407

0.680851

3.2

0.527074

0.704427

0.599136

5.5

0.586892

0.878029

0.705177

68 Bank Asing dan Campuran :Model Deposit3-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.604352

1.692144

1.640026

3.3

1.475639

1.675161

1.556709

1.1

1.4549

1.56464

1.499493

3.4

1.470748

1.693563

1.561279

1.2

1.456239

1.588587

1.510016

3.5

1.390941

1.637288

1.491029

1.3

1.465124

1.620308

1.528179

4.0

1.495414

1.651384

1.558785

1.4

1.477243

1.655495

1.549667

4.1

1.438483

1.616735

1.510908

1.5

1.442227

1.643784

1.524117

4.2

1.449243

1.649777

1.530721

2.0

1.484471

1.594761

1.529285

4.3

1.461676

1.684491

1.552207

2.1

1.427279

1.559626

1.481056

4.4

1.468914

1.71401

1.568498

2.2

1.440732

1.595138

1.503472

4.5

1.402766

1.671508

1.511953

2.3

1.462203

1.639556

1.534265

5.0

1.502165

1.681326

1.574956

2.4

1.455176

1.655709

1.536654

5.1

1.41604

1.617597

1.49793

2.5

1.381758

1.60571

1.472747

5.2

1.430677

1.654629

1.521666

3.0

1.507835

1.640849

1.561881

5.3

1.441764

1.688111

1.541851

3.1

1.450463

1.605647

1.513517

5.4

1.444765

1.713507

1.553952

3.2

1.464018

1.64137

1.53608

5.5

1.417203

1.708341

1.535489

Bank Asing dan Campuran :Model Deposit6-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

0.359974

0.447767

0.395648

3.3

-0.401382

-0.20186

-0.320313

1.1

0.124973

0.234713

0.169565

3.4

-0.432035

-0.20922

-0.341504

1.2

-0.008487

0.123861

0.045291

3.5

-0.524038

-0.277691

-0.42395

1.3

-0.116847

0.038336

-0.053793

4.0

-0.316851

-0.16088

-0.253479

1.4

-0.25251

-0.074259

-0.180086

4.1

-0.389454

-0.211202

-0.31703

1.5

-0.45299

-0.251433

-0.3711

4.2

-0.398768

-0.198234

-0.31729

2.0

-0.251541

-0.141251

-0.206727

4.3

-0.400525

-0.17771

-0.309994

2.1

-0.348429

-0.216081

-0.294651

4.4

-0.416554

-0.171458

-0.31697

2.2

-0.354972

-0.200566

-0.292231

4.5

-0.510638

-0.241896

-0.401452

2.3

-0.363692

-0.18634

-0.29163

5.0

-0.295798

-0.116636

-0.223007

2.4

-0.417828

-0.217294

-0.33635

5.1

-0.37095

-0.169393

-0.28906

2.5

-0.529721

-0.305769

-0.438732

5.2

-0.375557

-0.151605

-0.284568

3.0

-0.317444

-0.18443

-0.263398

5.3

-0.3769

-0.130553

-0.276812

3.1

-0.389817

-0.234633

-0.326762

5.4

-0.393227

-0.124484

-0.28404

3.2

-0.401143

-0.22379

-0.329081

5.5

-0.496105

-0.204968

-0.37782

69 Bank Asing dan Campuran :Model Deposit12-DR LAG

AIC

SIC

HQC

LAG

AIC

SIC

HQC

1.0

1.379757

1.467549

1.415431

3.3

1.251945

1.451467

1.333015

1.1

1.235012

1.344752

1.279604

3.4

1.264555

1.48737

1.355086

1.2

1.238044

1.370391

1.291821

3.5

1.279678

1.526025

1.379766

1.3

1.242455

1.397639

1.305509

4.0

1.316523

1.472493

1.379895

1.4

1.251826

1.430078

1.324251

4.1

1.262525

1.440777

1.334949

1.5

1.265991

1.467548

1.347881

4.2

1.25059

1.451123

1.332067

2.0

1.339561

1.449851

1.384376

4.3

1.258792

1.481607

1.349323

2.1

1.240358

1.372706

1.294135

4.4

1.273597

1.518694

1.373181

2.2

1.237584

1.39199

1.300325

4.5

1.285808

1.55455

1.394995

2.3

1.241386

1.418739

1.313448

5.0

1.340441

1.519602

1.413232

2.4

1.252187

1.45272

1.333665

5.1

1.284135

1.485692

1.366025

2.5

1.266029

1.489981

1.357018

5.2

1.261463

1.485414

1.352452

3.0

1.309176

1.44219

1.363222

5.3

1.272437

1.518784

1.372525

3.1

1.251014

1.406198

1.314068

5.4

1.286577

1.555319

1.395763

3.2

1.245528

1.422881

1.31759

5.5

1.300517

1.591654

1.418803

AIC

SIC

HQC

Bank Asing dan Campuran Model Deposit24-DR LAG

AIC

SIC

HQC

LAG

1.0

4.298103

4.385895

4.333777

3.3

4.301734

4.501255

4.382803

1.1

4.29865

4.40839

4.343242

3.4

4.233427

4.456242

4.323958

1.2

4.321412

4.453759

4.375189

3.5

4.253782

4.500129

4.353869

1.3

4.32162

4.476804

4.384675

4.0

4.28722

4.44319

4.350591

1.4

4.254498

4.43275

4.326923

4.1

4.301943

4.480195

4.374368

1.5

4.271

4.472557

4.35289

4.2

4.312686

4.513219

4.394163

2.0

4.277801

4.38809

4.322615

4.3

4.318717

4.541532

4.409248

4.339024

4.4

4.247169

4.492265

4.346753

4.35929

4.5

4.267312

4.536055

4.376499

4.376407

5.0

4.309912

4.489073

4.382703

4.311568

5.1

4.325074

4.52663

4.406964

4.339759

5.2

4.334248

4.5582

4.425237

4.324628

5.3

4.341493

4.58784

4.44158

4.346647

5.4

4.269251

4.537993

4.378437

4.367422

5.5

4.279001

4.570138

4.397286

2.1 2.2 2.3 2.4 2.5 3.0 3.1 3.2

4.285247 4.29655 4.304345 4.23009 4.24877 4.270582 4.283592 4.29536

4.417594 4.450956 4.481697 4.430623 4.472721 4.403596 4.438776 4.472713

70 Ket

: a. Cetak tebal menunjukkan lag optimum pada model. b. Cetak tebal dengan shading hijau menandakan lag dengan nilai kriteria terkecil di lag yang tidak terkointegrasi. c. Cetak tebal dengan shading hijau menandakan lag dengan nilai kriteria terkecil di lag yang terkointegrasi tetapi kriteria mean lag tidak terpenuhi.

71 Lampiran 4 Diagnostic Test setiap Model pada Kelompok Bank BANK PERSERO Model Lend-DR Uji Normalitas 30

Series: Residuals Sample 2002M02 2012M12 Observations 131

25

20

15

10

5

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

-1.84e-15 -0.004316 0.619399 -0.489707 0.135315 0.612513 8.085565

Jarque-Bera Probability

149.3600 0.000000

0 -0.4

-0.2

-0.0

0.2

0.4

0.6

Uji Heteroskedastisitas Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS

2.647434 21.55210 71.76274

Prob. F(9,121) Prob. Chi-Square(9) Prob. Chi-Square(9)

0.0078 0.0104 0.0000

Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

2.413818 2.462431

Prob. F(1,126) Prob. Chi-Square(1)

0.1228 0.1166


0.7927 0.7883

Uji Functional Form Ramsey RESET Test: F-statistic Log likelihood ratio

0.069361 0.072094

72 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 02

03

04

05

06

CUSUM

07

08

09

10

11

5% Significance

Hasil Estimasi Model Lend-DR lag 1.1 Dependent Variable: LEND Method: Least Squares Date: 05/23/13 Time: 20:17 Sample (adjusted): 2002M02 2012M12 Included observations: 131 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable LEND(-1) DR(-1) C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient

Std. Error

t-Statistic

Prob.

0.927061 0.044498 0.538459

0.013022 0.005912 0.136345

71.19235 7.526526 3.949240

0.0000 0.0000 0.0001

0.990775 0.990631 0.142270 2.590827 71.08997 6873.410 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

13.19344 1.469793 -1.039542 -0.973697 -1.012786 1.636772

12

73

Model Deposit-DR Uji Normalitas 30


25

20

15

10

5


2.76e-15 -0.004585 0.939010 -1.033949 0.200810 0.001290 11.19161


363.4716 0.000000

0 -1.00

-0.75

-0.50

-0.25

0.00

0.25

0.50

0.75


5.337287 64.32084 298.2092


0.0000 0.0000 0.0000


0.539292 1.139238


0.5845 0.5657


0.9883 0.9879


0.000216 0.000229

74 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

10

11

5% Significance

Hasil Estimasi Model Deposit-DR lag 2.1 Dependent Variable: DEPOSIT Method: Least Squares Date: 05/23/13 Time: 20:16 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT(-1) DEPOSIT(-2) DR DR(-1) C @TREND

1.378511 -0.455810 0.490725 -0.405497 -0.179002 0.000962

0.067972 0.078651 0.154709 0.166825 0.136107 0.000828

20.28048 -5.795349 3.171932 -2.430675 -1.315159 1.161338

0.0000 0.0000 0.0019 0.0165 0.1909 0.2477

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.993843 0.993595 0.204818 5.201855 24.74174 4003.151 0.000000


8.064769 2.559178 -0.288334 -0.155987 -0.234557 1.998954

12

75 Model Deposit3-DR Uji Normalitas 30


25

20

15

10

5


-1.58e-15 -0.004401 0.733175 -0.447121 0.132938 1.345963 10.56050


340.8238 0.000000

0 -0.4

-0.2

-0.0

0.2

0.4

0.6


1.212939 60.49757 245.4443


0.2206 0.2529 0.0000


0.257564 0.566344


0.7734 0.7534


0.8366 0.8287


0.042753 0.046799

76 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

10

11

5% Significance

Hasil Estimasi Model Deposito3-DR Lag 2.5 Dependent Variable: DEPOSIT3 Method: Least Squares Date: 05/23/13 Time: 23:34 Sample (adjusted): 2002M06 2012M12 Included observations: 127 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=4) Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT3(-1) DEPOSIT3(-2) DR DR(-1) DR(-2) DR(-3) DR(-4) DR(-5) C @TREND

1.636642 -0.684339 0.271502 -0.143572 0.045566 -0.303110 0.152417 0.031031 -0.112352 0.000725

0.055874 0.057217 0.101026 0.173299 0.147583 0.137625 0.093605 0.058547 0.080014 0.000476

29.29164 -11.96035 2.687450 -0.828468 0.308751 -2.202428 1.628300 0.530016 -1.404149 1.521958

0.0000 0.0000 0.0082 0.4091 0.7581 0.0296 0.1062 0.5971 0.1629 0.1307

R-squared Adjusted R-squared

0.997083 0.996858

Mean dependent var S.D. dependent var

8.371339 2.461281

12

77 S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.137957 2.226748 76.56625 4443.205 0.000000

Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-1.048287 -0.824336 -0.957299 2.048094

Model Deposit6-DR Uji Normalitas 36


32 28 24 20 16 12


4.87e-15 -0.013574 0.655284 -0.334474 0.138125 1.163008 7.398053


134.0800 0.000000

8 4 0 -0.2

-0.0

0.2

0.4

0.6


1.441865 19.41171 57.41363


0.1452 0.1498 0.0000


4.989402 9.755272


0.0083 0.0076


0.5234 0.5127


0.409515 0.428623

78 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

10

11

12

5% Significance

Hasil Estimasi Model Deposit6-DR Lag 2.0 Dependent Variable: DEPOSIT6 Method: Least Squares Date: 05/23/13 Time: 23:36 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=4) Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT6(-1) DEPOSIT6(-2) DR C @TREND

1.627389 -0.696085 0.068562 -0.040842 0.000482

0.059393 0.049282 0.017978 0.074456 0.000385

27.40039 -14.12464 3.813558 -0.548537 1.253907

0.0000 0.0000 0.0002 0.5843 0.2122


0.997557 0.997478 0.140317 2.461123 73.38759 12758.33 0.000000


8.798077 2.794312 -1.052117 -0.941827 -1.007302 2.389764



35 30 25 20 15 10 5


3.58e-15 -0.038907 1.161771 -0.990085 0.274186 0.711348 6.590851


80.80734 0.000000

0 -1.0

-0.5

-0.0

0.5

1.0


1.758675 22.92476 56.59689


0.0534 0.0615 0.0000


13.51467 12.77614


0.0004 0.0004


0.1099 0.1009


2.593176 2.690615

80 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT12(-1) DR DR(-1) DR(-2) C @TREND

0.936926 0.252586 0.174499 -0.293967 -0.800214 0.003354

0.035105 0.084079 0.203486 0.163312 0.205257 0.001105

26.68956 3.004144 0.857549 -1.800034 -3.898586 3.035668

0.0000 0.0032 0.3928 0.0743 0.0002 0.0029

0.991418 0.991072 0.279660 9.697976 -15.74689 2864.964 0.000000



9.749846 2.959723 0.334567 0.466915 0.388345 1.404464



50

40

30

20

10


-2.24e-16 0.023656 1.880540 -3.306357 0.552032 -2.103577 16.54689


1098.317 0.000000

0 -3

-2

-1

0

1

2


4.877019 34.87110 254.7675


0.0000 0.0001 0.0000


0.121900 0.126615


0.7276 0.7220


0.4942 0.4849


0.470028 0.487771

82 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 02

03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance

Hasil Estimasi Model Deposit24-DR Lag 1.0 Dependent Variable: DEPOSIT24 Method: Least Squares Date: 05/24/13 Time: 00:02 Sample (adjusted): 2002M02 2012M12 Included observations: 131 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT24(-1) DR C

0.909641 0.131488 -0.270218

0.038455 0.048303 0.096514

23.65466 2.722169 -2.799782

0.0000 0.0074 0.0059


0.979467 0.979146 0.557635 39.80250 -107.8529 3052.859 0.000000


10.64214 3.861465 1.692411 1.758255 1.719166 2.029795

83 BANK PEMERINTAH DAERAH Model Lend-DR Uji Normalitas 60


50

40

30

20

10


6.07e-17 0.002171 1.180184 -2.036691 0.235885 -3.474666 50.67141


12571.31 0.000000

0 -2.0

-1.5

-1.0

-0.5

0.0

0.5

1.0

Uji Hetereoskedastisitas Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS

2.563728 20.96518 489.1358


0.0099 0.0128 0.0000


6.475656 6.402974


0.0122 0.0114


0.0026 0.0021


9.409923 9.435468

84 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

10

11

5% Significance

Hasil Estimasi Model Lend-DR Lag 2.0 Dependent Variable: LEND Method: Least Squares Date: 05/24/13 Time: 07:43 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=4) Variable

Coefficient

Std. Error

t-Statistic

Prob.

LEND(-1) LEND(-2) DR C @TREND

0.510126 0.454631 0.024267 0.261982 0.000202

0.167247 0.149715 0.003664 1.421765 0.004007

3.050131 3.036644 6.623263 0.184265 0.050331

0.0028 0.0029 0.0000 0.8541 0.9599


0.986375 0.985939 0.239624 7.177447 3.816390 2262.383 0.000000


15.52031 2.020818 0.018209 0.128499 0.063024 2.205002

12

85

Model Deposit-DR Uji Normalitas 24


20

16

12

8

4


4.03e-16 -0.000364 0.511252 -0.517788 0.180507 -0.051811 3.991025


5.378033 0.067948

0 -0.4

-0.2

-0.0

0.2

0.4


1.428401 35.66764 47.75159


0.1042 0.1227 0.0082


2.928525 6.002161


0.0573 0.0497


0.2343 0.2186


1.428611 1.513447

86 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06 CUSUM

07

08

10

09

11

12

5% Significance

Hasil Estimasi Model Deposit-DR Lag 2.2 Dependent Variable: DEPOSIT Method: Least Squares Date: 05/24/13 Time: 13:07 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=4) Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT(-1) DEPOSIT(-2) DR DR(-1) DR(-2) C @TREND

1.341163 -0.390374 0.264324 -0.034153 -0.179067 -0.097540 0.000988

0.072433 0.078914 0.067055 0.129211 0.087974 0.116068 0.000738

18.51602 -4.946830 3.941893 -0.264317 -2.035466 -0.840371 1.339067

0.0000 0.0000 0.0001 0.7920 0.0440 0.4023 0.1830


0.993138 0.992803 0.184857 4.203163 38.59830 2967.020 0.000000


8.433923 2.179073 -0.486128 -0.331722 -0.423388 2.211680



20

16

12

8

4


-1.06e-15 0.017665 0.842509 -0.859463 0.244682 0.168792 4.908774


20.19592 0.000041

0 -0.75

-0.25

-0.50

0.00

0.25

0.50

0.75


1.896760 53.73018 92.38899


0.0079 0.0223 0.0000


1.303844 2.766205


0.2753 0.2508


0.3064 0.2879


1.055271 1.129458

88 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06 CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT3(-1) DEPOSIT3(-2) DR DR(-1) DR(-2) DR(-3) C @TREND

1.237488 -0.280774 0.211553 -0.167752 0.374753 -0.374618 -0.079306 0.001106

0.092257 0.091390 0.114746 0.185118 0.208417 0.135425 0.157510 0.000881

13.41353 -3.072260 1.843659 -0.906188 1.798094 -2.766232 -0.503499 1.256010

0.0000 0.0026 0.0677 0.3666 0.0747 0.0066 0.6155 0.2115

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

0.989721 0.989126 0.251660 7.663263 -0.935417

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

8.765969 2.413383 0.138534 0.315886 0.210596

89 F-statistic Prob(F-statistic)

1664.366 0.000000

Durbin-Watson stat

2.032069



25

20

15

10

5


-7.36e-16 -0.023817 1.332530 -0.923139 0.331590 0.772696 6.576721


82.86390 0.000000

0 -1.0

-0.5

-0.0

0.5

1.0


0.796089 7.323301 19.19202


0.6205 0.6035 0.0236


2.846978 2.894550


0.0940 0.0889


0.8425 0.8391


0.039641 0.041208

90 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 02

03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT6(-1) DR C @TREND

0.866572 0.165598 -0.526941 0.004425

0.021964 0.028927 0.297821 0.001659

39.45406 5.724672 -1.769322 2.667865

0.0000 0.0000 0.0792 0.0086


0.982877 0.982472 0.335484 14.29375 -40.77391 2429.906 0.000000


9.529466 2.533994 0.683571 0.771363 0.719245 1.706666

91



60 50 40 30 20 10


-1.63e-17 -0.035768 3.043174 -2.595297 0.461827 1.234359 24.23228


2493.936 0.000000

0 -2

-1

0

1

2

3


1.714465 14.81604 161.7554


0.0927 0.0961 0.0000


0.816855 0.843800


0.3678 0.3583


0.2803 0.2700


1.175592 1.216576

92 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 02

03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.


0.906124 0.138179 -0.622030 0.004465

0.027843 0.025826 0.210475 0.001343

32.54450 5.350371 -2.955366 3.324125

0.0000 0.0000 0.0037 0.0012


0.966182 0.965383 0.467250 27.72694 -84.17302 1209.452 0.000000


9.939084 2.511325 1.346153 1.433945 1.381827 2.154350

93



40

30

20

10


4.69e-15 0.008884 2.919132 -3.002949 0.587365 -0.375073 11.96615


438.5038 0.000000

0 -3

-2

-1

0

1

2

3


4.762796 72.49671 355.8492


0.0000 0.0000 0.0000


0.222003 0.475287


0.8012 0.7885


0.0243 0.0185


3.832156 7.984110

94

CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

07

CUSUM

08

09

11

10

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT24(-1) DEPOSIT24(-2) DR DR(-1) DR(-2) C @TREND

0.679398 0.245307 0.361612 -0.951296 0.703108 -0.416633 0.001413

0.089100 0.076722 0.447439 0.842905 0.429046 0.584567 0.003132

7.625072 3.197363 0.808182 -1.128593 1.638771 -0.712720 0.451256

0.0000 0.0018 0.4205 0.2613 0.1038 0.4774 0.6526


0.975410 0.974211 0.601520 44.50470 -114.7859 813.1729 0.000000


10.57777 3.745666 1.873630 2.028036 1.936370 1.999538

95

BANK SWASTA NASIONAL Model Lend-DR Uji Normalitas 70


60 50 40 30 20 10


-1.70e-15 -0.025221 1.068926 -0.959127 0.169833 0.829806 21.08830


1787.180 0.000000

0 -1.0

-0.5

-0.0

0.5

1.0


1.126417 15.67700 145.5826


0.3427 0.3335 0.0000


3.009975 6.065678


0.0529 0.0482


0.7491 0.7428


0.102750 0.107677

96 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance

Hasil Estimasi Model Lend-DR Lag 2.1 Dependent Variable: LEND Method: Least Squares Date: 05/24/13 Time: 14:15 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=4) Variable

Coefficient

Std. Error

t-Statistic

Prob.

LEND(-1) LEND(-2) DR DR(-1) C

1.257895 -0.315312 0.276582 -0.225747 0.353560

0.167589 0.150279 0.090335 0.092076 0.231495

7.505843 -2.098173 3.061752 -2.451756 1.527292

0.0000 0.0379 0.0027 0.0156 0.1292


0.991425 0.991151 0.172529 3.720774 46.52217 3613.223 0.000000


14.04331 1.834062 -0.638803 -0.528513 -0.593988 2.039387

97 Model Deposit-DR Uji Normalitas 24


20

16

12

8

4


2.85e-15 -0.023164 0.920968 -0.496597 0.199329 1.291214 7.729222


157.2701 0.000000

0 -0.4

-0.2

-0.0

0.2

0.4

0.6

0.8


2.695146 43.01568 131.6795


0.0005 0.0020 0.0000


0.511652 1.081337


0.6008 0.5824


0.6414 0.6314


0.217950 0.230150

98 CUSUM Test 24


20

16

12

8

4


2.85e-15 -0.023164 0.920968 -0.496597 0.199329 1.291214 7.729222


157.2701 0.000000

0 -0.4

-0.2

-0.0

0.2

0.4

0.6

0.8

Hasil Estimasi Model Deposit-DR Lag 2.1 Dependent Variable: DEPOSIT Method: Least Squares Date: 05/24/13 Time: 14:28 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT(-1) DEPOSIT(-2) DR DR(-1) C @TREND

1.421862 -0.506169 0.433619 -0.345803 -0.127037 0.001236

0.083133 0.083240 0.153705 0.157232 0.122232 0.000764

17.10350 -6.080811 2.821116 -2.199317 -1.039309 1.617326

0.0000 0.0000 0.0056 0.0297 0.3007 0.1083


0.993834 0.993585 0.203308 5.125431 25.70378 3997.191 0.000000


8.493231 2.538429 -0.303135 -0.170787 -0.249358 2.039250



16

12

8

4


-1.37e-15 -0.038729 0.813456 -0.772926 0.247373 0.695742 4.602770


24.59035 0.000005

0 -0.75

-0.50

-0.25

0.00

0.25

0.50

0.75


5.028105 49.47354 82.44760


0.0000 0.0000 0.0000


117.0138 63.33856


0.0000 0.0000


0.1588 0.1484


2.009266 2.088966

100 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT3(-1) DR DR(-1) C @TREND

0.894533 0.664302 -0.512582 -0.634838 0.003441

0.037517 0.125804 0.137715 0.287073 0.001624

23.84365 5.280444 -3.722032 -2.211415 2.119080

0.0000 0.0000 0.0003 0.0288 0.0360


0.992564 0.992328 0.251269 7.955170 -2.390866 4204.537 0.000000


9.000611 2.868651 0.112838 0.222578 0.157430 0.692867

101



25

20

15

10

5


8.57e-17 -0.006463 0.748303 -1.075575 0.182272 -1.478564 15.48422


891.5854 0.000000

0 -1.00

-0.75

-0.25

-0.50

0.00

0.25

0.50

0.75


2.503276 30.36380 83.25704


0.0038 0.0068 0.0000


9.518246 17.42330


0.0001 0.0002


0.7580 0.7519


0.095352 0.099927

102 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.


1.322413 -0.434386 0.123001 -0.187762 0.001615

0.188108 0.165607 0.035925 0.192653 0.001043

7.030062 -2.622993 3.423803 -0.974613 1.548833

0.0000 0.0098 0.0008 0.3316 0.1239


0.995139 0.994983 0.185165 4.285778 37.33310 6396.955 0.000000


9.097538 2.614206 -0.497432 -0.387142 -0.452618 2.245336

103



40

30

20

10


-1.27e-15 -0.039000 2.064098 -1.829010 0.310827 0.910102 24.99483


2658.677 0.000000

0 -1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

2.0


0.833730 7.649341 86.25349


0.5864 0.5698 0.0000


1.423283 1.463234


0.2351 0.2264


0.5766 0.5684


0.313368 0.325399

104 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 02

03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance

Hasil Estimasi Model Deposit12-DR Lag 1.0 Dependent Variable: DEPOSIT12 Method: Least Squares Date: 05/24/13 Time: 14:40 Sample (adjusted): 2002M02 2012M12 Included observations: 131 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.


0.885465 0.153116 -0.475463 0.002368

0.018217 0.018991 0.213206 0.001123

48.60565 8.062701 -2.230061 2.108056

0.0000 0.0000 0.0275 0.0370


0.987326 0.987027 0.314476 12.55972 -32.30292 3297.893 0.000000


9.409695 2.760991 0.554243 0.642035 0.589917 2.206216



35 30 25 20 15 10 5


-1.97e-15 -0.105554 11.81051 -6.055844 1.383276 3.846434 45.69111


10192.60 0.000000

0 -5.0

-2.5

0.0

2.5

5.0

7.5

10.0


1.614163 29.70503 603.9177


0.0618 0.0748 0.0000


2.287435 4.698667


0.1059 0.0954


0.4015 0.3874


0.708754 0.746940

106 CUSUM Test

40 30 20 10 0 -10 -20 -30 -40 03

04

05

06 CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT24(-1) DEPOSIT24(-2) DR DR(-1) C @TREND

0.379489 0.287782 -0.756997 0.932814 3.013175 -0.016072

0.310348 0.291627 0.523756 0.543644 3.017374 0.014841

1.222783 0.986817 -1.445322 1.715854 0.998608 -1.082923

0.2237 0.3257 0.1509 0.0887 0.3199 0.2809


0.855891 0.850080 1.410890 246.8355 -226.1392 147.2921 0.000000


10.95908 3.643877 3.571373 3.703720 3.625150 2.106211

107 BANK ASING DAN CAMPURAN Model Lend-DR Uji Normalitas 24


20

16

12

8

4


9.20e-16 0.034432 1.069148 -2.492381 0.418350 -1.530859 12.21638


510.8774 0.000000

0 -2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5

1.0


1.127334 15.68822 81.34482


0.3420 0.3328 0.0000


2.099333 4.291135


0.1269 0.1170

0.026276 0.027544


0.8715 0.8682


108 CUSUM Test

40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance

Hasil Estimasi Model Lend-DR Lag 2.1 Dependent Variable: LEND Method: Least Squares Date: 05/24/13 Time: 14:52 Sample (adjusted): 2002M03 2012M12 Included observations: 130 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LEND(-1) LEND(-2) DR DR(-1) C

0.631866 0.351641 0.445660 -0.410788 -0.136535

0.084848 0.086826 0.127660 0.124700 0.311253

7.447036 4.049927 3.491002 -3.294221 -0.438664

0.0000 0.0001 0.0007 0.0013 0.6617


0.915724 0.913027 0.424991 22.57721 -70.67342 339.5540 0.000000


10.90969 1.441078 1.164206 1.274496 1.209021 2.016051



25

20

15

10

5


1.08e-15 0.003359 1.028071 -1.836466 0.306327 -0.947015 13.76687


652.3413 0.000000

0 -1.5

-1.0

-0.5

0.0

0.5

1.0


2.560168 30.92252 182.6114


0.0031 0.0057 0.0000


0.918137 0.955191


0.3398 0.3284


0.0439 0.0387


4.144114 4.272592

110 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance

Hasil Estimasi Model Deposit-DR Lag 1.1 Dependent Variable: DEPOSIT Method: Least Squares Date: 05/24/13 Time: 14:58 Sample (adjusted): 2002M02 2012M12 Included observations: 131 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT(-1) DR DR(-1) C @TREND

0.934317 0.790701 -0.721441 -0.156765 0.000909

0.043003 0.161629 0.172096 0.127640 0.000709

21.72684 4.892059 -4.192083 -1.228178 1.282049

0.0000 0.0000 0.0001 0.2217 0.2022


0.979522 0.978872 0.311152 12.19874 -30.39280 1506.710 0.000000


7.729542 2.140614 0.540348 0.650088 0.584940 2.143024



20

16

12

8

4


-5.54e-15 -0.020520 0.785707 -0.880433 0.215895 0.361901 6.519178


69.92104 0.000000

0 -0.75

-0.25

-0.50

0.25

0.00

0.50

0.75


1.873984 33.26303 83.51469


0.0214 0.0316 0.0000


3.465502 6.988471


0.0344 0.0304


0.1457 0.1340


2.143455 2.245927

112 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06 CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.


1.482817 -0.542184 0.435830 -0.374461 -0.119041 0.001140

0.117463 0.107026 0.108540 0.102619 0.094684 0.000507

12.62367 -5.065886 4.015378 -3.649028 -1.257240 2.246968

0.0000 0.0000 0.0001 0.0004 0.2110 0.0264


0.990287 0.989895 0.220204 6.012761 15.32527 2528.464 0.000000


8.055154 2.190605 -0.143466 -0.011118 -0.089688 2.283006



16

12

8

4


6.79e-16 0.008224 0.491332 -0.540110 0.194865 -0.065171 3.358416


0.787862 0.674401

0 -0.4

-0.2

-0.0

0.2

0.4


1.525285 28.42710 30.49858


0.0870 0.0997 0.0622


6.169725 11.94086


0.0028 0.0026


0.9825 0.9820


0.000482 0.000509

114 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 -50 03

04

05

06 CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.


1.489840 -0.544951 0.309980 -0.253433 -0.142761 0.001536

0.082261 0.077950 0.064263 0.063191 0.098312 0.000599

18.11110 -6.991022 4.823588 -4.010573 -1.452121 2.562691

0.0000 0.0000 0.0000 0.0001 0.1490 0.0116


0.989652 0.989235 0.198755 4.898460 28.64787 2371.887 0.000000


8.023154 1.915644 -0.348429 -0.216081 -0.294651 2.377983



50

40

30

20

10


-3.02e-15 -0.032892 3.189281 -1.332802 0.433541 2.815352 24.56686


2711.888 0.000000

0 -1

0

1

2

3


30.15438 102.7631 1120.231


0.0000 0.0000 0.0000


2.053107 2.116887


0.1544 0.1457


0.0025 0.0019


9.559850 9.654090

116 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.

DEPOSIT12(-1) DR DR(-1) C @TREND

0.930679 0.697162 -0.609660 -0.256173 0.001776

0.023008 0.368304 0.364523 0.252339 0.001410

40.44992 1.892895 -1.672487 -1.015192 1.259068

0.0000 0.0607 0.0969 0.3120 0.2103


0.967134 0.966091 0.440369 24.43450 -75.89328 926.9517 0.000000


9.061450 2.391442 1.235012 1.344752 1.279604 1.755169



50

40

30

20

10


1.79e-16 0.163202 6.580555 -7.479374 1.984489 -0.637092 7.207942


104.7059 0.000000

0 -6

-4

-2

0

2

4

6


3.977377 42.41087 121.7105


0.0000 0.0001 0.0000


2.288294 4.663523


0.1057 0.0971


0.3027 0.2903


1.071065 1.118069

118 CUSUM Test 40 30 20 10 0 -10 -20 -30 -40 03

04

05

06

CUSUM

07

08

09

10

11

12

5% Significance


Coefficient

Std. Error

t-Statistic

Prob.


0.515443 0.200146 0.274448 0.166358 -0.001484

0.121791 0.112807 0.111738 1.526249 0.008072

4.232210 1.774230 2.456171 0.108998 -0.183876

0.0000 0.0785 0.0154 0.9134 0.8544


0.711282 0.702043 2.015990 508.0271 -273.0570 76.98698 0.000000


8.816615 3.693273 4.277801 4.388090 4.322615 2.075281

119

RIWAYAT HIDUP Penulis memiliki nama lengkap Farhana Zahrotunnisa, lahir pada tanggal 3 Januari 1992 di Sragen, Jawa Tengah. Penulis merupakan anak pertama dari tiga bersaudara, dari pasangan Drs Priyanto dan Tertiana. Latar belakang pendidikan penulis dimulai pada tahun 1997 di SDN Sukmajaya 5 Depok, yang kemudian dilanjutkan ke SMP Yapemri dan menamatkannya pada tahun 2006. Pada tahun yang sama penulis diterima di SMAN 4 Depok dan lulus pada tahun 2009. Setelah lulus SMA penulis mendapatkan kesempatan melanjutkan studi ke jenjang yang lebih tinggi melalui Undangan Seleksi Masuk IPB (USMI) dan diterima sebagai mahasiswi Program Studi Ilmu Ekonomi pada Fakultas Ekonomi dan Manajemen. Selama menjadi mahasiswi, penulis cukup aktif dalam organisasi kampus. Dalam organisasi internal penulis pernah menjabat sebagai sekretaris divisi Discussion and Analysis HIPOTESA (Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan) FEM IPB pada periode 2010-2011 Pada periode selanjutnya 2011-2012 penulis menjabat sebagai Ketua Divisi Discussion and Analysis HIPOTESA . Penulis juga aktif mengikuti lomba karya tulis ilmiah tingkat mahasiswa. Pada tahun 2012 penulis berhasil masuk dalam peserta PIMNAS ke 25 yang diadakan di Jogjakarta dan pada tahun 2013 lolos dalam Program Kreatifitas Mahasiswa Bidang Penelitian yang dibiayai oleh Dikti tahun. Saat ini penulis aktif tercatat sebagai mahasiswa Sekolah Pasca Sarjana Institut Pertanian Bogor program studi Ilmu Ekonomi angkatan pertama program fast track.

ANALISIS KEBIJAKAN MONETER TERHADAP SUKU BUNGA PERBANKAN DI INDONESIA FARHANA ZAHROTUNNISA

Recommend Documents