ANALISIS PENGARUH SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) DAN KINERJA BANK TERHADAP LABA PERBANKAN
OLEH LIA AMALIA H14102098
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI MANAJEMEN INSTITUT PERTANIAN BOGOR 2006
RINGKASAN
LIA AMALIA. Analisis Pengaruh Suku Bunga Sertifikat Bank Indonesia (SBI) dan Kinerja Bank Terhadap Laba Perbankan (dibimbing oleh ANNY RATNAWATI).
Selama satu dasawarsa ini industri bank mengalami perkembangan yang sangat pesat, jumlah bank yang semakin meningkat mengharuskan bank untuk bersaing ketat untuk mendapatkan dana dari masyarakat, tercatat Dana Pihak Ketiga (DPK) atau dana masyarakat yang berhasil dihimpun bank pada Desember 2005 sebanyak Rp. 1,127 trilyun, jumlah ini meningkat sebanyak Rp. 164,84 milyar dibandingkan tahun 2004, hal ini berarti kepercayaan masyarakat semakin tinggi terhadap bank. Dari berbagai dana yang berhasil dihimpun oleh bank kemudian dialokasikan ke beberapa sektor antara lain dalam bentuk kredit yang merupakan fungsi utama bank, dan Sertifikat Bank Indonesia (SBI). Dari data Bank Indonesia tercatat bahwa alokasi dana bank untuk kredit pada Desember 2005 yaitu sebesar 53,2 persen. Perkembangan bank lainnya juga dapat terlihat pada kenaikan laba bersih bank dari tahun ke tahun bahkan pada tahun 2004 laba bersih bank mencapai jumlah Rp. 28,971 trilyun (Bank Indonesia) yang merupakan laba bersih tertinggi sepanjang sejarah perbankan. Menurut Greuning dan Bratanovic (2000), dasar sitem perbankan dibangun dari bank yang menguntungkan dan memiliki modal yang cukup. Profitabilitas adalah indikator yang mengungkapkan posisi kompetitif bank dalam pasar perbankan dan kualitas manajemennya, hal tersebut mengizinkan bank untuk meningkatkan profil resiko tertentu dan menyediakan perlindungan untuk menghadapi masalah jangka pendek. Profitabilitas, dalam bentuk pendapatan yang dipelihara, biasanya merupakan suatu sumber kunci dari generasi modal. Namun perkembangan perbankan yang cukup pesat tersebut bukan tanpa hambatan, nilai rupiah yang melemah karena jumlah uang yang beredar berlebih serta tekanan rupiah yang pada awalnya dipicu oleh perubahan akibat adanya analisis mengenai prospek perekonomian dunia yang ditandai dengan kemungkinan kenaikan suku bunga oleh bank sentral AS, dan meningkatnya harga minyak di pasar dunia yang berkorelasi positif dengan kurs rupiah yang pada gilirannya telah mendorong pelepasan portfolio dalam bentuk rupiah terutama yang berjangka waktu pendek oleh pelaku asing. Disisi domestik terjadi dampak berlanjut yang ditunjukkan dengan peningkatan permintaan valas korporasi untuk keperluan pembiyaan impor dan kewajiban luar negeri disamping untuk tujuan spekulatif. Untuk mengatasi hal tersebut, Bank Indonesia menetapkan kenaikan suku bunga SBI dengan harapan akan menyerap kelebihan likuiditas yang beredar dimasyarakat. Sejak pertengahan tahun 2005 tingkat suku bunga SBI cenderung terus meningkat, setelah mengalami beberapa kenaikan hingga akhir Desember 2005 suku bunga SBI berada pada titik 12,75 persen. Hal ini dikhawatirkan akan mengganggu kinerja perbankan.
Tujuan dari penelitian ini adalah untuk menganalisis hubungan jangka panjang antara laba dengan Net Interest Margin (NIM), Non Performing Loans (NPLs), Loan to Deposit Ratio (LDR), dan suku bunga SBI. Selain itu penelitian ini juga akan menganalisis respon laba terhadap perubahan suku bunga SBI dan Capital Adequacy Ratio, Net Interest Margin, Non Performing Loans, Loan to Deposit Ratio, menganalisis variabel apa saja yang paling berpengaruh terhadap laba perbankan, serta menganalisis proporsi peranan suku bunga SBI yang disimulasi terhadap perubahan laba perbankan. Pada penelitian ini untuk melihat pengaruh suku bunga SBI terhadap laba perbankan digunakan analisis Vector Autoregressive (VAR) yang dikombinasikan dengan analisis Vector Error Correction Model (VECM). Data yang digunakan adalah data sekunder dari tahun 2001 – 2005 yang diperoleh dari Bank Indonesia. Pada pengujian model akan dilakukan pengujian stasioneritas, penetapan lag optimal, pengujian kointegrasi, analisis Impulse Response Function, dan Forecast Error Variance Decomposition. Hasil analisis ini menunjukkan dalam jangka pendek yang signifikan mempengaruhi laba bersih bank hanya non performing loans satu periode sebelumnya, sedangkan dalam jangka panjang menunjukkan adanya hubungan yang positif antara laba dengan net interest margin dan non performing loans, namun berhubungan negatif dengan loan to deposit ratio dan suku bunga SBI. Respon laba akibat guncangan kinerja bank menunjukkan pengaruh yang positif sedangkan pengaruh guncangan suku bunga SBI akan direspon negatif oleh laba bank.. Hasil analisis Impulse Response Function (IRF) dan Forecast Error Variance Decomposition menunjukkan bahwa suku bunga SBI hanya berpengaruh kecil terhadap perubahan laba. Variabel yang paling berpengaruh terhadap perubahan laba bersih bank adalah variabel laba bersih itu sendiri, hal ini berarti komponen pendapatan dan pengeluaran laba lebih berpengaruh terhadap perubahan besarnya laba. Sedangkan dari hasil simulasi kebijakan dapat disimpulkan bahwa semakin tinggi suku bunga SBI maka semakin kecil pula proporsi guncangan yang diberikan terhadap laba. Karena variabel yang paling berpengaruh pada laba bank adalah labanya itu sendiri, maka bank sebaiknya meningkatkan laba melalui fee based income (jasa pembayaran) karena lebih memberikan kepastian memperoleh pendapatan, selain itu jika bank menaikkan suku bunga kreditnya maka resiko kredit macet akan semakin tinggi dan debitur tidak tertarik lagi untuk mengajukan pinjaman karena tingkat suku bunga kredit yang tinggi.
ANALISIS PENGARUH SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) DAN KINERJA BANK TERHADAP LABA PERBANKAN
Oleh LIA AMALIA H14102098
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2006
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN ILMU EKONOMI Dengan ini menyatakan bahwa skripsi yang disusun oleh, Nama Mahasiswa
: Lia Amalia
Nomor Registrasi Pokok
: H14102098
Program Studi
: Ilmu Ekonomi
Judul Skripsi
: Analisis Pengaruh Suku Bunga Sertifikat Bank Indonesia (SBI) dan Kinerja Bank Terhadap Laba Perbankan
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor Menyetujui, Dosen Pembimbing
Dr. Ir. Anny Ratnawati, MS. NIP. 131 669 947
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872
Tanggal Kelulusan :
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN
SEBAGAI
SKRIPSI
ATAU
KARYA
ILMIAH
PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Agustus 2006
Lia Amalia H14102098
RIWAYAT HIDUP
Penulis bernama Lia Amalia lahir pada tanggal 23 Oktober 1983 di kota Bogor. Penulis merupakan anak keempat dari empat bersaudara, dari pasangan Dien Badruddin dan Ruroh Masruroh. Latar belakang pendidikan penulis dimulai pada tahun 1990 di SDN Polisi 5 Bogor, yang kemudian dilanjutkan ke SLTP Negeri 1 Bogor dan menamatkannya pada tahun 1999. Pada tahun yang sama penulis diterima di SMUN 5 Bogor dan lulus pada tahun 2002. Setelah lulus SMU 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 mahasiswa, penulis meperoleh banyak ilmu dan dapat mengembangkan pola pikir dari dosen-dosen yang telah banyak memberikan jasanya. Penulis cukup aktif dalam organisasi, salah satunya adalah mengikuti organisasi HIMPRO Ilmu Ekonomi (HIPOTESA) dan aktif di berbagai kepanitiaan.
KATA PENGANTAR
Puji syukur penulis ucapkan kepada Allah SWT atas segala rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan penyusunan hasil penelitian ini. Judul penelitian ini adalah “Analisis Pengaruh Suku Bunga Sertifikat Bank Indonesia (SBI) dan Kinerja Bank Terhadap Laba Perbankan”. Perbankan sangat besar pengaruhnya terhadap perekonomian Indonesia, oleh karena itu penulis tertarik untuk melakukan dengan topik ini. Disamping hal tersebut, skripsi ini juga merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Penulis menyadari penelitian ini masih memiliki banyak kekurangan, namun penulis berharap penelitian ini dapat bermanfaat bagi pihak-pihak yang membutuhkan. Penelitian ini dapat diselesaikan dengan baik atas dukungan banyak pihak, untuk itu pada kesempatan ini penulis ingin mengucapkan terima kasih sebesar-besarnya kepada: 1. Ibu Dr. Ir. Anny Ratnawati, MS. dan Mas Adrian Lubis selaku pembimbing yang telah memberikan banyak saran, nasihat serta bimbingannya baik secara teknis maupun teoritis dalam pembuatan skripsi ini sehingga dapat diselesaikan dengan baik. 2. Ibu Dr. Ir. Rina Oktaviani, MS. selaku penguji utama yang telah menguji hasil penelitian ini serta semua saran dan kritik sehingga dapat menyempurnakan hasil penelitian ini. 3. Ibu Henny Reinhardt, SP, M.Si selaku komisi pendidikan terutama atas perbaikan tata cara penulisan skripsi ini. Meskipun demikian, segala kesalahan yang terjadi dalam penelitian ini, merupakan tanggung jawab penulis. 4. Kedua orang tua penulis, Bpk. Dien Badruddin dan Ibu Ruroh Masruroh serta kakak-kakak penulis (Teh Rosi, Teh Irma, A Kiki) dan seluruh keluarga, terima kasih atas segala doa, perhatian, pengertian, dan dukungan yang telah
diberikan kepada penulis selama ini. Kesabaran dan harapan keluarga penulis merupakan motivasi terbesar bagi penulis. 5. Sahabat-sahabat penulis (Tasya, Wirda, Ionk, Nonon, Nilam, dan Mei) yang telah memberikan pengalaman yang indah, dan telah mengajarkan banyak hal selama masa kuliah. 6. Demmy Yolesar atas doa, pengertian, perhatian dan bantuannnya, dukungan yang diberikan sangat berarti bagi penulis. 7. Teman-teman satu bimbingan Rudi, Ary, dan Ratna atas kerjasama yang baik serta saran dan kritiknya untuk skripsi ini. 8. Seluruh teman-teman Ilmu Ekonomi dan Manajemen (Fickry, Thamic, Iqbal, Imam, Dive, Aira, Andros, Pei-pei dan semuanya yang tidak disebutkan satu persatu) atas kebersamaan dan kenangan selama kurang lebih empat tahun. 9. Ibu Tita Damayanti, staf sumber daya Bank Indonesia, yang telah banyak membantu atas ketersediaan data yang diperlukan penulis.
Bogor, Agustus 2006
Lia Amalia H14102098
DAFTAR ISI
Halaman KATA PENGANTAR ........................................................................................ viii DAFTAR ISI....................................................................................................... x DAFTAR TABEL............................................................................................... xii DAFTAR GAMBAR .......................................................................................... xiii DAFTAR LAMPIRAN....................................................................................... xiv I.
PENDAHULUAN ................................................................................... 1 1.1. Latar Belakang .................................................................................. 1 1.2. Perumusan Masalah .......................................................................... 3 1.3. Tujuan Penelitian .............................................................................. 4 1.4. Manfaat Penelitian ............................................................................ 6 1.5. Ruang Lingkup................................................................................... 7
II.
KERANGKA PEMIKIRAN ................................................................... 8 2.1. Tinjauan Pustaka ............................................................................... 8 2.1.1. Kebijakan Moneter.................................................................... 8 2.1.2. Definisi Bank ............................................................................ 10 2.2. Kerangka Teori .................................................................................. 12 2.2.1. Sumber Dana Bank ................................................................... 12 2.2.2. Alokasi Dana Bank ................................................................... 12 2.2.3. Kinerja Perbankan..................................................................... 18 2.2.3.1. Permodalan.................................................................. 18 2.2.3.2. Likuiditas Bank ........................................................... 21 2.2.3.3. Rentabilitas Bank ........................................................ 22 2.2.3.4. Profitabilitas Bank....................................................... 23 2.2.4. Laporan Laba Rugi Bank ......................................................... 33 2.2.5. Vector Autoregressive (VAR) .................................................. 36 2.2.6. Vector Error Correction Model (VECM) ................................ 37 2.2.7. Penelitian Terdahulu ................................................................ 38
2.3. Kerangka Penelitian Operasional ..................................................... 40 2.4. Definisi Variabel ................................................................................ 41 2.5. Hipotesis Penelitian............................................................................ 42 III.
METODE PENELITIAN ......................................................................... 44 3.1. Jenis dan Sumber Data ...................................................................... 44 3.2. Metode Analisis ................................................................................. 45 3.2.1. Model Persamaan dan Variabel-Variabel ................................ 45 3.2.2. Pengujian Model ...................................................................... 46 3.2.2.1. Uji Stasioneritas .......................................................... 46 3.2.2.2. Penetapan Lag Optimal ............................................... 47 3.2.2.3. Uji Kointegrasi ............................................................ 47 3.2.2.4. Impluse Response Function (IRF)............................... 48 3.2.2.5. Forecast Error Variance Decomposition (FEVD) ..... 49
IV.
GAMBARAN UMUM PERKEMBANGAN KINERJA PERBANKAN DAN SUKU BUNGA SBI ............................................ 50 4.1. Kinerja Perbankan.............................................................................. 50 4.2. Sertifikat Bank Indonesia (SBI) ......................................................... 55 4.2.1. Sistem Perhitungan SBI ........................................................... 57 4.2.2. Pergerakan Suku Bunga SBI.................................................... 58
V.
ANALISIS PENGARUH SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) DAN KINERJA BANK TERHADAP LABA PERBANKAN ............................................................................. 60 5.1. Uji Stasioneritas Data ......................................................................... 60 5.2. Uji Kointegrasi.................................................................................... 61 5.3. Respon Dinamis Laba Perbankan Terhadap Guncangan Indikator Perbankan ........................................................................ 65 5.3.1. Respon Dinamis Laba Bank Terhadap Guncangan Suku Bunga SBI....................................................................... 66 5.3.2. Respon Dinamis Laba Bank Terhadap Guncangan Capital Adequacy Ratio (CAR) ............................................... 67 5.3.3. Respon Dinamis Laba Bank Terhadap Guncangan Net Interest Margin (NIM) ...................................................... 69 5.3.4. Respon Dinamis Laba Bank Terhadap Guncangan Non Performing Loans (NPLs)................................................ 70
5.3.5. Respon Dinamis Laba Bank Terhadap Guncangan Loan to Deposit Ratio (LDR)................................................... 71 5.3.6. Respon Dinamis Laba Bank Terhadap Guncangan Laba Bank ................................................................................ 71 5.4. Respon Dinamis Terhadap Guncangan Suku Bunga SBI.................. 72 5.4.1. Respon Dinamis Capital Adequacy Ratio (CAR) Terhadap Guncangan Suku Bunga SBI.................................................... 73 5.4.2. Respon Dinamis Net Interest Margin (NIM) Terhadap Guncangan Suku Bunga SBI.................................................... 74 5.4.3. Respon Dinamis Non Performing Loans (NPLs) Terhadap Guncangan Suku Bunga SBI.................................................... 75 5.4.4. Respon Dinamis Loan to Deposit Ratio (LDR) Terhadap Guncangan Suku Bunga SBI.................................................... 76 5.5. Forecast Error Variance Decomposition (FEVD) ............................ 78 5.6. Simulasi Kebijakan ............................................................................ 82 VI.
KESIMPULAN DAN SARAN................................................................. 84 6.1. Kesimpulan ........................................................................................ 84 6.2. Saran................................................................................................... 85
DAFTAR PUSTAKA ........................................................................................... 86 LAMPIRAN.......................................................................................................... 89
DAFTAR TABEL Nomor
Halaman
3.1.
Data, Satuan, dan Simbol ........................................................................ 43
5.1.
Hasil Uji Akar Unit Pada Level dan First Difference............................. 61
5.2.
Uji Kointegrasi menggunakan Uji Johansen Maximum Likelihood test ....................................................................................... 62
5.3.
Hasil VECM untuk Variabel Dependent Laba Bersih ............................ 63
5.4
Hasil Analisis Forecast Error Variance Decomposition ........................ 79
5.5.
Nilai Satu Standar Deviasi ...................................................................... 82
5.6.
Hasil Simulasi Kebijakan Suku Bunga SBI Terhadap Laba Perbankan . 83
DAFTAR GAMBAR
Nomor
Halaman
1. Kerangka Transmisi Operasional.............................................................. 7 2. Kerangka Aliran Dana Dari Lembaga Keuangan ke Masyarakat ............. 11 3. Aliran Alokasi Dana Tanpa SBI ............................................................... 16 4. Aliran Alokasi Dana Dengan SBI ............................................................. 17 5. Kerangka Penelitian Operasional.............................................................. 43 6. Pergerakan Loan to Deposit Ratio dan Non Performing Loans................ 51 7. Pergerakan Capital Adequacy Ratio ......................................................... 52 8. Pergerakan Laba Bank .............................................................................. 54 9. Pergerakan Suku Bunga SBI..................................................................... 59 10. Respon Laba Terhadap Guncangan Suku Bunga SBI............................... 67 11. Respon Laba Terhadap Guncangan Capital Adequacy Ratio ................... 68 12. Respon Laba Terhadap Guncangan Net Interest Margin.......................... 69 13. Respon Laba Terhadap Guncangan Non Performing Loans..................... 70 14. Respon Laba Terhadap Guncangan Loan to Deposit Ratio ...................... 71 15. Respon Laba Terhadap Guncangan Laba Bersih ...................................... 72 16. Respon Capital Adequacy Ratio Terhadap Guncangan Suku Bunga SBI........................................................................................ 73 17. Respon Net Interest Margin Terhadap Guncangan Suku Bunga SBI....... 75 18. Respon Non Performing Loans Terhadap Guncangan Suku Bunga SBI........................................................................................ 76 19. Respon Loan to Deposit Ratio Terhadap Guncangan Suku Bunga SBI ... 77
DAFTAR LAMPIRAN
Nomor Halaman 19. Data Penelitian yang Digunakan............................................................. 89 20. Hasil Uji Akar Unit pada Level .............................................................. 92 21. Hasil Uji Akar Unit pada First Difference.............................................. 95 22. Uji Lag Optimal ...................................................................................... 99 23. Hasil Estimasi VECM ............................................................................. 100 24. Uji Rank Kointegrasi............................................................................... 101 25. Matrix Varians dan Covarians................................................................ 102 26. EstimasiVektor Kointegrasi .................................................................... 102 27. Hasil Restriksi Umum ............................................................................. 103 28. Hasil Analisis Impulse Response Function (IRF) ................................... 104 29. Hasil Analisis Forecast Error Variance Decomposition (FEVD).......... 111
I. PENDAHULUAN
1.1.
Latar Belakang Kebijakan
pemerintah
pada
tahun
1983
menjadi
langkah
awal
berkembangnya industri perbankan di Indonesia. Dengan ditetapkannya kebijakan Paket Juni (PakJun) 1983, bank dapat bergerak lebih bebas untuk menetapkan suku bunganya sendiri sehingga dapat menghimpun dana masyarakat lebih banyak lagi dan juga memperbesar tingkat peminjaman oleh bank swasta. Untuk memperluas pergerakan dana, Paket Kebijakan Oktober (Pakto) 1988 merupakan langkah pemerintah selanjutnya yang bertujuan untuk meningkatkan efisiensi bank dan kebijakan moneter, serta menciptakan lingkungan yang kondusif untuk perkembangan pasar modal. Selama satu dasawarsa ini industri bank mengalami perkembangan yang sangat pesat, jumlah bank yang semakin meningkat mengharuskan bank untuk bersaing ketat untuk mendapatkan dana dari masyarakat, tercatat Dana Pihak Ketiga (DPK) atau dana masyarakat yang berhasil dihimpun bank pada Desember 2005 sebanyak Rp. 1,127 trilyun, jumlah ini meningkat sebanyak Rp. 164,84 milyar dibandingkan tahun 2004, hal ini mengindikasikan kepercayaan masyarakat yang semakin tinggi terhadap bank. Dari berbagai dana yang berhasil dihimpun, bank kemudian mengalokasikan dana tersebut ke beberapa sektor antara lain dalam bentuk kredit yang merupakan fungsi utama bank dan Sertifikat Bank Indonesia (SBI). Dari data Bank Indonesia tercatat bahwa alokasi dana bank untuk kredit pada Desember 2005 yaitu sebesar 53,2 persen. Perkembangan bank
lainnya juga dapat terlihat pada kenaikan laba bersih bank dari tahun ke tahun bahkan pada tahun 2004 laba bersih bank mencapai jumlah Rp. 28,971 trilyun yang merupakan laba bersih tertinggi sepanjang sejarah perbankan. Membaiknya kinerja perbankan ini juga tidak lepas dari kondisi makroekonomi yang kondusif. Industri perbankan yang terus berkembang bukan berarti tidak mengalami hambatan-hambatan dalam perjalanannya, pada tahun 1997/1998 Indonesia mengalami krisis perbankan yang pada akhirnya merembet pada krisis ekonomi nasional. Permasalahan yang terjadi pada saat itu diawali karena berbagai faktor menurunnya kinerja perbankan yang tidak terdeteksi secara dini. Hal ini berpengaruh pada krisis kepercayaan dari masyarakat. Terjadinya krisis di sektor perbankan terkait secara langsung maupun tidak langsung dengan berbagai aktivitas yang lazim dilakukan oleh industri perbankan. Dari sisi penghimpunan dana, besarnya jumlah dan komposisi simpanan masyarakat yang berada dalam sistem perbankan memiliki pengaruh yang besar terhadap kestabilan industri perbankan. Penarikan dana masyarakat secara besarbesaran dalam waktu singkat memberikan dampak negatif pada aspek likuiditas bank. Hal ini apabila tidak segera ditangani akan menimbulkan permasalahan lanjutan berupa permasalahan solvabilitas karena bank akan terpaksa memberikan insentif bunga simpanan yang sangat tinggi untuk mempertahankan simpanan masyarakat dan seringkali insentif jauh berada diatas kemampuan bank. Pelajaran yang diperoleh dari krisis tersebut telah memicu bank untuk terus meningkatkan kinerja bank menjadi jauh lebih baik lagi, hal tersebut dapat terlihat dengan adanya restrukturisasi perbankan pada tahun 2001 dimana fokus utamanya adalah
mendorong bank-bank untuk mencapai rasio kecukupan modal sebesar delapan persen. Restrukturisasi tersebut terbukti berhasil karena semakin membaiknya rasio kecukupan modal (Capital Adequacy Ratio) perbankan dari tahun ke tahun, menurut data Bank Indonesia rasio kecukupan modal pada bulan Desember 2005 adalah sebesar 19,3 persen dimana posisi ini masih jauh diatas ketentuan yang ditetapkan oleh Bank Indonesia. Program lain yang penting adalah restrukturisasi kredit yang tujuan utamanya untuk menekan rasio kredit bermasalah menjadi lima persen. Industri perbankan Indonesia kini memasuki tahapan yang berbeda. Setelah melakukan konsolidasi selama kurang lebih 5 tahun terakhir, dari tahun 1998 hingga tahun 2003, perbankan nasional kini dihadapkan pada tantangan untuk dapat menjalankan fungsinya sebagai lembaga intermediasi dan berorientasi pada nilai tambah atau laba dengan tetap menerapkan praktek perbankan yang berhati-hati (prudential banking)
1.2.
Perumusan Masalah Bank memiliki fungsi yang penting dalam perekonomian, selain
menjalani fungsi intermediasi sebagai fungsi yang utama, bank juga berfungsi sebagai media dalam mentransmisikan kebijakan moneter. Menurut Biro Riset InfoBank, pada akhir tahun 2002 perbankan menguasai hingga sekitar 90,46 persen pangsa pasar keuangan di Indonesia (Febryani, 2003). Hal tersebut mengindikasikan adanya pengaruh yang kuat antara bank dan perekonomian, maka dibutuhkan bank yang menguntungkan dengan kinerja keuangan yang sehat agar dapat menjalankan fungsinya sebagai lembaga intermediasi sehingga
perekonomian Indonesia akan maju. Untuk itu, menjaga dan meningkatkan laba bank sangat penting karena dari laba yang diperoleh dapat dialokasikan pada kredit untuk disalurkan ke masyarakat, selain itu laba juga sangat penting untuk menjaga modal yang wajib disimpan bank dan untuk mengatasi kerugian yang tak terduga (unexpected loss), laba bank juga akan dialokasikan pada pos-pos lain yang dapat meningkatkan laba sehingga bank dapat terus beroperasi. Menurut Greuning dan Bratanovic (2000), dasar sistem perbankan dibangun dari bank yang menguntungkan dan memiliki modal yang cukup. Profitabilitas adalah indikator yang mengungkapkan posisi kompetitif bank dalam pasar perbankan dan kualitas manajemennya, hal tersebut mengizinkan bank untuk meningkatkan profil resiko tertentu dan menyediakan perlindungan untuk menghadapi masalah jangka pendek. Profitabilitas, dalam bentuk pendapatan yang dipelihara, biasanya merupakan suatu sumber kunci dari generasi modal. Komplektisitas makroekonomi yang terjadi pada tahun 2005 menimbulkan kekhawatiran pada dunia perbankan. Nilai rupiah yang melemah karena jumlah uang yang beredar berlebih serta tekanan rupiah yang pada awalnya dipicu oleh perubahan akibat adanya analisis mengenai prospek perekonomian dunia yang ditandai dengan kemungkinan kenaikan suku bunga oleh Bank Sentral AS, dan meningkatnya harga minyak di pasar dunia yang berkorelasi positif dengan kurs rupiah pada gilirannya telah mendorong pelepasan portofolio dalam bentuk rupiah terutama yang berjangka waktu pendek oleh pelaku asing. Disisi domestik terjadi dampak berlanjut yang ditunjukkan dengan peningkatan permintaan valas korporasi untuk keperluan pembiayaan impor dan kewajiban luar negeri
disamping untuk tujuan spekulatif. Untuk mengatasi hal tersebut, Bank Indonesia menetapkan kenaikan suku bunga SBI dengan harapan akan menyerap kelebihan likuiditas yang beredar dimasyarakat. Sejak pertengahan tahun 2005 tingkat suku bunga SBI cenderung terus meningkat, setelah mengalami beberapa kenaikan hingga akhir Desember 2005 suku bunga SBI berada pada titik 12,75 persen. Suku bunga SBI yang cenderung terus meningkat ini dikhawatirkan akan terus menurunkan kinerja perbankan, seperti yang terjadi pada penurunan Net Interest Margin sebesar 0,15 persen pada bulan Desember 2005 dibandingkan satu tahun sebelumnya, Capital Adequacy Ratio bank juga tercatat mengalami penurunan sebesar 0,12 persen dari 19,42 persen pada bulan Desember 2004. Penurunan kinerja bank juga dapat dilihat dari kenaikan yang cukup besar pada rasio kredit bermasalah sebesar 3,12 persen menjadi 7,56 persen. Penurunan kinerja bank ini pada akhirnya akan mempengaruhi bank untuk memaksimumkan labanya sehingga kesehatan bank yang merupakan ukuran penting untuk bank dapat terus beroperasi ikut menurun. Dari uraian diatas, dapat dilihat fokus permasalahan yang dihadapi adalah: 1. Bagaimana hubungan jangka pendek dan jangka panjang antara laba dengan Net Interest Margin, Non Performing Loans, Loan to Deposit Ratio (kinerja perbankan) dan dengan suku bunga SBI? 2. Bagaimana respon laba terhadap perubahan suku bunga SBI dan Capital Adequacy Ratio, Net Interest Margin, Non Performing Loans, Loan to Deposit Ratio (kinerja perbankan)?
3. Faktor-faktor apa saja yang paling berpengaruh terhadap laba perbankan? 4. Dengan suku bunga SBI yang disimulasi, berapa besar peranannya terhadap perubahan laba perbankan?
1.3.
Tujuan Penulisan Maka dengan permasalahan tersebut diatas, penelitian ini dilakukan
dengan tujuan: 1. Mengkaji hubungan jangka panjang antara laba dengan kinerja perbankan dan suku bunga SBI. 2. Menganalisis respon laba terhadap perubahan suku bunga SBI dan kinerja perbankan. 3. Menganalisis faktor-faktor yang paling berpengaruh terhadap laba perbankan. 4. Menganalisis proporsi peranan suku bunga SBI yang disimulasi terhadap perubahan laba perbankan.
1.4
Manfaat Penulisan
1. Dengan disusunnya skripsi ini penulis dapat menambah pengetahuan tentang perkembangan perbankan di Indonesia, bagaimana mekanisme perbankan yang terjadi, serta mengetahui dampak dari kebijakan moneter yang ditetapkan Bank Indonesia terhadap dunia perbankan. 2. Memberikan gambaran yang cukup mendetail mengenai instrumen-instrumen moneter yang ditetapkan oleh Bank Indonesia pada umumnya dan mendapat informasi mengenai analisis kebijakan moneter.
3. Dengan adanya skripsi ini diharapkan Bank Indonesia dapat menganalisis kekurangan dan kelebihan dari kebijakan yang ditetapkan sebagai referensi untuk penetapan kebijakan yang lebih baik dalam rangka perbaikan mekanisme kerja Bank Indonesia yang bekerjasama dengan pemerintah untuk mencapai tujuan pertumbuhan ekonomi.
1.5.
Ruang Lingkup Dalam skripsi ini masa penelitian yang diamati dimulai dari tahun 2001:1
sampai dengan tahun 2005:12 dan hanya akan membahas faktor-faktor yang mempengaruhi laba perbankan dari sisi kebijakan moneter dan tidak membahas dari sisi pendapatan dan biaya yang harus dikeluarkan bank.
II. KERANGKA PEMIKIRAN
2.1.
Tinjauan pustaka
2.1.1. Kebijakan Moneter Kebijakan moneter merupakan kebijakan Bank Sentral atau otoritas moneter dalam bentuk pengendalian besaran moneter dan atau suku bunga untuk mencapai perkembangan kegiatan perekonomian yang diinginkan (Warjiyo, 2004). Kebijakan moneter merupakan bagian dari kebijakan ekonomi makro dan memiliki hubungan yang sangat terkait. Kebijakan moneter sangat berperan dalam menjaga stabilitas ekonomi makro, bersama-sama dengan kebijakan ekonomi makro lainnya yang diterapkan dengan koordinasi yang baik sehingga diharapkan dapat mencapai tujuan secara optimal. Untuk dapat mencapai sasaran yang telah ditetapkan, maka perlu disusun kerangka operasional kebijakan moneter yang pada dasarnya merupakan suatu perencanaan kebijakan pengendalian uang beredar yang ditujukan untuk mencapai sasaran akhir kebijakan moneter. Dan untuk mempengaruhi sasaran operasional, maka instrumen-instrumen yang digunakan adalah:
Instrumen (OPT,GWM,dll.)
Sasaran Operasional (Uang primer)
Sasaran antara (Uang beredar M1,M2)
Sumber: Bank Indonesia (2003).
Gambar 1. Kerangka Transmisi Operasional
Kestabilan harga
1. Operasi Pasar Terbuka (OPT) Bank Indonesia melakukan operasi pasar terbuka sebagai instrumen utama dalam pengendalian moneter. OPT tersebut dilakukan BI dengan 3 cara, yaitu: a. Lelang SBI Besarnya lelang SBI (mingguan) dimaksudkan untuk mencapai besarnya target uang primer yang ditetapkan serta dapat menetapkan suku bunga di pasar uang. Hal ini dilakukan dengan menghitung berapa SBI yang jatuh tempo, berupa ekspansi atau kontraksi dari sisi fiskal, mutasi cadangan devisa, serta bagaimana kondisi likuiditas di pasar uang. b. Fasilitas SBI Hal ini dilakukan secara harian, terutama apabila terjadi perkembangan diluar perhitungan yang dapat menyebabkan tidak tercapainya target uang primer melalui lelang SBI, misalnya melalui repurchase agreement. c. Sterilisasi atau Intervensi Valuta Asing Hal ini dilakukan terutama apabila pemerintah akan mebiayai kegiatan suatu proyek (membutuhkan rupiah) dengan cara menggunakan data valuta asing yang disimpan sebagai cadangan devisa di BI. Apabila tidak terjadi tekanan rupiah, ekspansi dari sisi fiskal tersebut umumnya diserap dengan menjual SBI. 2. Giro Wajib Minimum Merupakan jumlah alat likuid minimum yang wajib dipelihara oleh bank dalam rekening gironya di Bank Indonesia.
3. Tingkat Diskonto Adalah fasilitas kredit yang diberikan kepada bank-bank dengan tingkat diskonto yang ditetapkan oleh Bank Indonesia. 4. Imbauan Digunakan oleh Bank Indonesia dengan tujuan agar semua bank dapat mengikuti langkah kebijakan moneter yang diinginkan.
2.1.2. Definisi Bank Sebagaimana tertulis pada Undang-undang No.10 tahun 1998 yang merupakan perubahan atas Undang-undang No.7 tahun 1992 tentang perbankan, yang dimaksud dengan bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan/atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Sedangkan yang dimaksud dengan perbankan adalah segala sesuatu yang menyangkut tentang bank, mencakup kelembagaan, kegiatan usaha, serta cara dan proses dalam melaksanakan kegiatan usahanya. Selain itu terdapat definisi lain tentang bank, sebagaimana dikemukakan oleh G.M Verryn Stuart yaitu bank adalah badan usaha yang wujudnya memuaskan keperluan orang lain dengan memberi kredit berupa uang yang diterimanya dari orang lain sekalipun dengan jalan mengeluarkan uang baru kertas atau logam (Hasibuan, 2005). Atas definisi tersebut diatas dapat disimpulkan bahwa bank adalah lembaga perantara (intermediasi) yang menghubungkan pihak yang kelebihan
dana (surplus of fund) dengan pihak yang kekurangan dana (lack of fund). Dan karenanya memiliki fungsi sebagai berikut: •
agent of trust, yaitu bank sebagai suatu lembaga perantara (intermediasi) yang dipercaya untuk melayani segala kebutuhan keuangan dari dan untuk masyarakat.
•
Agent of development, yaitu bank adalah suatu lembaga perantara yang dapat mendorong kemajuan pembangunan melalui fasilitas kredit dan kemudahankemudahan pembayaran dan penarikan dalam proses transaksi yang dilakukan oleh para pelaku ekonomi.
menabung
Lembaga Keuangan
Surplus of fund
Masyarakat
pinjaman
Lack of fund
Sumber: Judisseno (2002).
Gambar 2. Kerangka aliran dana dari lembaga keuangan ke masyarakat.
2.2
Kerangka Teori
2.2.1
Sumber Dana Bank Menurut Muchdarsyah Sinungan, dana-dana bank yang digunakan sebagai
alat bagi operasional suatu bank bersumber atau berasal dari dana-dana sebagai berikut (Dendawijaya, 2001): 1. Dana pihak kesatu Dana pihak kesatu adalah dana dari modal sendiri yang berasal dari para pemegang saham. 2. Dana pihak kedua Dana pihak kedua adalah dana yang berupa pinjaman dari pihak luar. 3. Dana pihak ketiga Dana pihak ketiga adalah dana yang berupa simpanan dari pihak masyarakat. Dana pihak ketiga adalah dana yang dihimpun oleh bank yang berasal dari masyarakat. Sumber dana dari masyarakat merupakan sumber dana yang terpenting bagi kegiatan operasi bank dan merupakan ukuran keberhasilan bank jika mampu membiayai operasinya dari sumber dana ini.
2.2.2. Alokasi Dana Bank Bank mengalokasikan dananya pada beberapa sektor diantaranya adalah pada kredit dan Sertifikat Bank Indonesia (SBI). 1. Alokasi Dana dalam Kredit Menurut Judisseno (2002) yang dimaksud dengan kredit adalah fasilitas
penyediaan dana untuk membantu dan atau meningkatkan kemampuan ekonomi pihak yang membutuhkan (debitur) yang diatur dalam suatu perjanjian pinjammeminjam dalam jangka waktu tertentu. Berdasarkan ketentuan Bank Indonesia kredit berdasarkan kolektabilitasnya dibagi menjadi : a. Kredit lancar Kredit
lancar
adalah
kredit
yang
tidak
mengalami
penundaan
pengembalian pokok pinjaman dan pembayaran bunga. b. Kredit dalam perhatian khusus Kredit dalam perhatian khusus adalah kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan selama tiga bulan dari waktu yang diperjanjikan. c. Kredit kurang lancar Kredit kurang lancar adalah kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan selama tiga bulan sampai dengan enam bulan dari waktu yang diperjanjikan. d. Kredit diragukan Kredit diragukan adalah kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan selama enam bulan sampai dengan satu tahun dari jadwal yang telah diperjanjikan. e. Kredit macet Kredit macet adalah kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan lebih dari satu tahun sejak jatuh tempo menurut jadwal yang telah diperjanjikan.
Adapun yang disebut kredit bermasalah (non performing loans) terdiri dari kredit kurang lancar, kredit diragukan, dan kredit macet. Rasio kredit bermasalah dapat dirumuskan sebagai berikut (Bank Indonesia, 2004): NPLs =
(Kredit Kurang Lancar , Kredit Diragukan, Kredit Macet ) Total Kredit
x 100%
Dalam usaha mengatasi timbulnya kredit bermasalah pihak bank dapat melakukan beberapa tindakan penyelamatan sebagai berikut: a. Rescheduling Adalah penjadwalan kembali sebagian atau seluruh kewajiban debitur, yang merupakan langkah pertama dari pihak bank untuk menyelamatkan kredit yang diberikannya kepada debitur. b. Reconditioning Merupakan usaha pihak bank untuk menyelamatkan kredit yang diberikannya dengan cara mengubah sebagian atau seluruh kondisi (persyaratan) yang semula disepakati bersama pihak debitur dan dituangkan dalam perjanjian kredit (PK). c. Restructuring Adalah upaya penyelamatan kredit yang terpaksa harus dilakukan bank dengan cara mengubah komposisi pembiayaan yang mendasari pemberian kredit. Pembiayaan suatu proyek atau bisnis tidak seluruhnya berasal dari modal (dana) sendiri, tetapi sebagian besar dibiayai dengan kredit yang diperoleh dari bank. d. Kombinasi 3-R Dalam rangka penyelamatan kredit bermasalah (rescue program), bila
dianggap perlu bank dapat melakukan berbagai kombinasi dari tindakan rescheduling, reconditioning, dan restructuring tersebut diatas, yakni: (a) Rescheduling dan reconditioning, (b) Rescheduling dan restructuring, (c) Restructuring dan reconditioning, (d) Rescheduling, reconditioning, dan restructuring sekaligus. e. Eksekusi Jika semua usaha penyelamatan seperti diuraikan di atas sudah dicoba namun nasabah masih juga tidak mampu memenuhi kewajibannya terhadap bank, maka jalan terakhir adalah bank melakukan eksekusi melalui berbagai cara, antara lain: (a) Menyerahkan kewajiban kepada BUPN (Badan Urusan Piutang Negara), (b) Menyerahkan perkara ke pengadilan negeri (perkara perdata). 2. Alokasi Dana dalam SBI Sertifikat Bank Indonesia (SBI) adalah surat berharga atas tunjuk dalam rupiah yang mempunyai fungsi sebagai berikut: a. Untuk pengendalian moneter, b. Sebagai alternatif penanaman dana bagi lembaga keuangan dalam hal ini adalah bank, c. Untuk mengembangkan pasar uang dan pasar sekunder. Berikut adalah kondisi tindakan bank dalam kondisi tanpa ada efek alokasi dana terhadap SBI dan kondisi dengan alokasi dana terhadap SBI:
Kondisi pertama: Masyarakat 4 bunga 1
tabungan
Cicilan dan bunga 3 Investor
Bank 2 penyaluran kredit
Sumber: Judisseno (2002).
Gambar 3. Aliran alokasi dana tanpa SBI Keterangan: Aliran 1: Masyarakat yang kelebihan dana (surplus of fund) akan menyimpan uangnya di bank dengan menerima imbalan berupa bunga (aliran 4). Aliran 2: Dana yang tersimpan di bank disalurkan kepada pihak yang membutuhkan (lack of fund) dan sebagai konsekuensinya pihak tersebut harus membayar cicilan dan sejumlah bunga kepada bank (aliran 3). Bunga yang dibayarkan ke masyarakat disebut sebagai bunga simpanan, dan bunga yang dipungut dari pihak yang meminjam disebut bunga pinjaman. Penetapan besarnya persentase bunga, biasanya untuk bunga simpanan persentasenya lebih kecil dibanding dengan persentase bunga pinjaman. Selisih antara bunga simpanan dan bunga pinjaman merupakan penghasilan bank.
Kondisi kedua: Cadangan Devisa
Masyarakat Bunga
4
Bunga 3
Migas,fiskal,ekspor Bank Sentral
1
tabungan
Bank 2 Investasi SBI
Pinjaman LN
Sumber: Judisseno (2002).
Gambar 4. Aliran alokasi dana dengan SBI Keterangan: Sebagai dasar untuk penjelasan grafik tersebut maka perlu diambil beberapa asumsi: •
Iklim investasi sedang tidak kondusif karena faktor-faktor keamanan dan tidak adanya kepastian hukum;
•
Jumlah uang beredar di masyarakat terlalu besar. Akibat langsung dari asumsi tersebut adalah respon dari Bank Sentral
untuk menaikkan tingkat suku bunga SBI. Hal ini akan berdampak naiknya tingkat suku bunga simpanan dan untuk mengimbangi keluarnya biaya dana tersebut bank menaikan tingkat suku bunga kreditnya, sehingga permintaan akan kredit menurun. Karena perbankan nasional tidak mendapatkan pemasukan dari kredit maka otomatis bank-bank umum akan membeli SBI agar dapat membayar bunga ke nasabah. Jika keadaan ini berlangsung terus maka akan berdampak buruk bagi cadangan devisa BI dan pada akhirnya akan memperbesar pinjaman luar negeri. (Judisseno, 2002).
2.2.3.
Kinerja Perbankan
2.2.3.1. Permodalan Bank dalam menjalankan usahanya tidak terlepas dari modal yang harus dimilikinya. Modal merupakan salah satu faktor yang penting bagi bank dalam rangka pengembangan usaha dan menampung resiko kerugian. Adapun modal bank terbagi menjadi dua bagian (Dendawijaya, 2001), yaitu: 1. Modal Inti Komponen modal inti pada prinsipnya terdiri atas modal disetor dan cadangan-cadangan yang dibentuk dari laba setelah pajak, dengan perincian sebagai berikut. a. Modal Disetor Modal disetor adalah modal yang telah disetor secara efektif oleh pemiliknya. Bagi bank yang berbadan hukum koperasi, modal disetor terdiri atas simpanan pokok dan simpanan wajib para anggotanya. b. Agio Saham Agio saham adalah selisih lebih setoran modal yang diterima oleh bank sebagai akibat dari harga saham yang melebihi nilai nominalnya. c. Cadangan Umum Cadangan umum adalah cadangan yang dibentuk dari penyisihan laba ditahan atau laba bersih setelah dikurangi pajak dan mendapat persetujuan rapat umum pemegang saham atau rapat anggota sesuai anggaran dasar masing-masing. d. Cadangan Tujuan Cadangan tujuan adalah bagian laba setelah dikurangi pajak yang
disishkan untuk tujuan tertentu dan telah mendapat persetujuan rapat umum pemegang saham atau rapat anggota. e. Laba Ditahan Laba ditahan adalah saldo laba bersih setelah dikurangi pajak yang oleh rapat umum pemegang saham atau rapat anggota diputuskan untuk tidak dibagikan. f. Laba Tahun Lalu Laba tahun lalu adalah laba bersih tahun-tahun lalu setelah dikurangi pajak dan belum ditentukan penggunaannya oleh rapat umum pemegang saham atau rapat anggota. g. Laba Tahun Berjalan Laba tahun berjalan adalah laba yang diperoleh dalam tahun buku berjalan setelah dikurangi taksiran utang pajak. Jumlah laba tahun buku berjalan yang diperhitungkan sebagai modal inti hanya sebesar 50 persen. Jika bank mengalami kerugian pada tahun berjalan, seluruh kerugian tersebut menjadi faktor pengurang dari modal inti. h. Bagian Kekayaan Bersih Anak Perusahaan yang Laporan Keuangannya Dikonsolidasikan Bagian kekayaan tersebut adalah modal inti anak perusahaan setelah dikompensasikan nilai penyertaan bank pada anak perusahaan tersebut. Yang dimaksud dengan anak perusahaan adalah bank dan lembaga keuangan bukan bank (LKBB) lain yang mayoritas sahamnya dimiliki oleh bank.
2. Modal Pelengkap Modal pelengkap terdiri dari cadangan-cadangan yang tidak dibentuk dari laba setelah pajak dan pinjaman yang sifatnya dapat dipersamakan dengan modal. Secara terperinci modal pelengkap dapat berupa sebagai berikut (Dendawijaya, 2001): a. Cadangan Revaluasi Aktiva Tetap Cadangan revaluasi aktiva tetap adalah cadangan yang dibentuk dari selisih penilaian kembali aktiva tetap yang telah mendapat persetujuan dari Direktorat Jendral Pajak. b. Cadangan Penghapusan Aktiva Yang Diklasifikasikan Cadangan penghapusan aktiva yang diklasifikasikan adalah cadangan yang dibentuk dengan cara membebani laba rugi tahun berjalan. Hal ini dimaksudkan untuk menampung kerugian yang mungkin timbul sebagai akibat tidak diterimanya kembali sebagian atau seluruh aktiva produktif (PPAP) dengan maksimum 1,25 persen dari aktiva tertimbang menurut resiko (ATMR). c. Modal Kuasi Modal kuasi adalah modal yang didukung oleh instrumen atau warkat yang memiliki sifat seperti modal. d. Pinjaman Subordinasi Pinjaman subordinasi adalah pinjaman yang harus memenuhi berbagai syarat, seperti ada perjanjian tertulis antar bank dan pemberi pinjaman, mendapat persetujuan Bank Indonesia, minimal berjangka waktu 5 tahun, dan pelunasan
sebelum jatuh tempo harus ada persetujuan Bank Indonesia. Untuk dapat menjalankan fungsi intermediasinya dan segala kegiatannya dengan baik, bank dituntut untuk selalu mengutamakan profesionalitas dan kredibilitas yang tinggi, dan cara untuk mencapai tujuan tersebut adalah bank harus menunjukkan tingkat kesehatan seperti yang dipersyaratkan. Untuk mengukur tingkat kesehatan salah satu caranya adalah dengan melihat kemampuan suatu bank dalam memenuhi ketentuan kecukupan modal minimum bank atau Capital Adequacy Ratio (CAR), Bank Indonesia mewajibkan setiap bank umum menyediakan modal minimum sebesar 8 persen dari total aktiva tertimbang menurut resiko (ATMR), menurut Bank Indonesia (2004) ATMR tesebut terdiri dari: a. Aktiva neraca yang diberikan bobot sesuai kadar risiko kredit yang melekat, b. Beberapa pos dalam off balancesheet yang diberikan bobot sesuai dengan kadar risiko kredit yang melekat. Adapun yang dimaksud off balancesheet adalah kredit dalam rupiah maupun valas yang disalurkan oleh bank yang dananya berasal dari pihak lain, dan atas penyaluran kredit tersebut bank tidak menanggung resiko. Untuk itu perhitungan CAR dapat dirumuskan sebagai berikut: CAR =
Modal Bank x 100% Aktiva Tertimbang Menurut Resiko
(2.1)
2.2.3.2. Likuiditas Bank Salah satu ukuran untuk mengetahui likuiditas bank adalah Loan to Deposit Ratio (LDR) yaitu rasio antara seluruh jumlah kredit yang diberikan
dengan dana yang diterima bank atau dapat dijelaskan dengan: LDR =
Jumlah Kredit yang Diberikan x 100% Jumlah Dana yang Diterima
(2.2)
termasuk dalam pengertian dana yang diterima adalah: 1. Giro, deposito dan tabungan masyarakat, 2. Pinjaman bukan dari bank yang berjangka waktu lebih dari tiga bulan dan tidak termasuk pinjaman subordinasi, 3. Deposito dan pinjaman dari bank lain yang berjangka waktu lebih dari tiga bulan, surat berharga yang diterbitkan oleh bank yang berjangka waktu lebih dari 3 bulan, 4. Modal inti dan modal pinjaman.
2.2.3.3. Rentabilitas Bank Ukuran kemampuan bank untuk mendapatkan laba dilakukan dengan cara menghitung rasio-rasio rentabilitas (Judisseno, 2002). Salah satu ukuran rentabilitas tersebut adalah Net Interest Margin (NIM). Menurut Koch dan MacDonald (2005), Net Interest Margin adalah ukuran penjumlahan dari hasil bunga bersih dari pendapatan aktiva produktif atau yang dapat dirumuskan sebagai berikut: NIM =
Pendapatan Bunga Bersih Rata − rata Aktiva Produktif
(2.3)
2.2.3.4. Profitabilitas Bank Menurut Hasibuan (2005), pendapatan bank adalah jika jumlah penghasilan yang diterima lebih besar daripada jumlah pengeluaran (biaya) yang dikeluarkan. Pendapatan bank didapat dari: Spread Profit = Price Credit – Cost of Money = Price Credit – (Cost of Fund + Overhead cost)
(2.4)
dimana: Spread Profit
= laba yang ingin diperoleh suatu bank dalam kegiatan operasionalnya,
Price Credit
= tingkat suku bunga yang harus dibayar oleh debitur kepada bank bersangkutan,
Cost of Fund
= bunga yang harus dibayarkan kepada penabung,
Overhead cost
= biaya-biaya yang dikeluarkan untuk operasional bank seperti gaji dan pemeliharaan inventaris.
Atau dapat dirumuskan sebagai berikut (Ikhsan, 1996): i1 − id = (r (id − ir ) + s (id − is ) + c + p − f ) /(1 − r − s )
(2.5)
dimana: il
= tingkat bunga pinjaman,
id = tingkat bunga deposito, c
= biaya operasi per unit deposito,
f
= pendapatan lain-lain per unit deposito,
r
= rasio cadangan wajib untuk deposito,
s
= rasio cadangan wajib untuk liquidity reserve (surat berharga jangka pendek),
p
= keuntungan per unit deposito. Menurut Rindjin (2000) sumber keuntungan bank ditentukan oleh usaha
yang dilakukan oleh bank, usaha itu dapat dikelompokkan menjadi: 1. Pemberian kredit; 2. Jual beli surat berharga; 3. Jual beli valuta asing; 4. Pemberian jasa-jasa. Karena komponen aktiva bank yang sangat dominan adalah kredit yang diberikan untuk nasabah, maka sudah wajar dalam keadaan normal sumber keuntungan bank terutama berasal dari positive spread bunga bank, yaitu bunga pinjaman lebih besar dari bunga simpanan. Keuntungan ini disebut spread based semakin besar selisihnya, semakin tinggi keuntungannya. Akan tetapi hal ini tergantung pada suku bunga yang berlaku di pasar, ketentuan dari BI, dan jenis kredit yang diberikan. Bank juga mempunyai usaha mengenai jual beli surat berharga yang diharapkan memberikan kontribusi untuk meningkatkan laba. Hal ini sangat tergantung pada kondisi pasar uang dan pasar modal. Disamping itu, bank juga melakukan penjualan valuta asing, dan diharapkan dapat meningkatkan laba. Tetapi karena sifatnya jual beli, memang tidak selalu mendatangkan keuntungan. Yang lebih memberikan kepastian walaupun jumlahnya tidak besar adalah biaya-biaya yang ditarik dari jasa-jasa yang diberikan bank. Keuntungan yang berasal dari transaksi jasa-jasa ini disebut fee based.
Jasa-jasa itu meliputi kegiatan seperti berikut ini: a. Jasa kiriman uang (transfer) baik antarkota dalam negeri maupun luar negeri. Sarana yang digunakan untuk pengiriman berupa surat, telegram, telepon, telex, facsimile, dan on line computer. b. Kliring (clearing) jasa yang diterima oleh bank penyelenggara untuk penyelesaian utang-piutang antarbank dengan cara saling menyerahkan warkat-warkat yang akan dikliringkan. Tujuan diadakan kliring adalah untuk memajukan dan memperlancar lalu lintas pembayaran dengan perhitungan penyelesaian utang-piutang dapat dilaksanakan dengan mudah, aman dan efisien. c. Inkaso (collection) merupakan jasa bank untuk menagihkan warkat yang berasal dari luar kota atau luar negeri. d. Tempat penyimpanan kekayaan dan surat-surat berharga (safe deposit box) kekayaan yang dimaksud berupa emas, mutiara, berlian, intan, permata, dll. e. Kartu bank nasabah wajib membayar biaya (iuran) tertentu setiap tahun. f. Tukar-menukar uang (money changer) bank mendapat keuntungan dari selisih kurs, yaitu kurs beli (pada saat bank membeli) dan kurs jual (pada saat bank menjual). g. Penjualan cek perjalanan (travellers cheque) Untuk memudahkan melakukan perjalanan, terutama perjalanan ke luar negeri, tanpa resiko membawa uang,bank mengeluarkan traveler cheque. h. Letter of Credit atau L/C merupakan jasa bank untuk memperlancar arus perdagangan, khususnya perdagangan luar negeri.
i. Garansi dan Referensi Bank Garansi bank adalah jaminan pembayaran yang diberikan oleh bank kepada suatu pihak, baik perorangan, perusahaan ataupun badan lain dalam bentuk surat jaminan. Referensi bank merupakan surat yang menyatakan bahwa yang diberi referensi mempunyai kondisi yang baik sebagai nasabah bank. j. Wali Amanat mewakili kepentingan surat berharga berdasarkan perjanjian antara bank umum dengan emiten surat berharga yang bersangkutan; melakukan kegiatan anjak piutang, yaitu pengambilalihan piutang perusahaan untuk ditagihkan. Disini bank memperoleh biaya administrasi dan penagihan untuk kegiatan anjak piutang atau factoring, sedangkan sebagai wali amanat atau disebut trustee bank juga memungut biaya. k. Penerima Setoran merupakan setoran untuk listrik, air, telepon, pajak, uang kuliah, ONH, dll; sebaliknya bank juga melakukan pembayaran untuk gaji pensiun, bonus, hadiah, deviden, dsb. Dalam hal ini pengguna jasa bank tidak dikenai biaya, tetapi bank memperoleh keuntungan karena dana itu mengendap selama beberapa waktu. Teori yang umum dikemukakan dalam wacana perbankan adalah teori optimisasi bank. Menurut pendapat Allen dan Santomero, 1997; Freixas dan Rocher, 1997; Santomero, 1984, inti dari teori optimisasi bank adalah penentuan kombinasi optimum dari item-item aset dan item-item hutang, beserta profit. (Setyaningsih, 2001). Dalam bentuk yang sederhana, neraca bank dapat ditunjukkan dengan rumus: L + I + OA = DP + ST + LT + (E – R)
(2.6)
dimana: L
= customer loans atau pinjaman nasabah (rumah tangga atau bisnis),
I
= investasi pada semua jenis,
OA = semua aset-aset lain (khususnya bangunan dan peralatan), DP = deposito, ST = pinjaman jangka pendek, LT = pinjaman jangka panjang, E
= ekuitas pemilik,
R
= cadangan. Bank diasumsikan memaksimalisasi utilitas atau profit dengan
menghadapi
batasan-batasan
sumber
dana
dan
batasan
E + R + LT peraturan Seperti CAR = 8% . Kondisi ini dapat diformulasikan A sebagai berikut: Max U(L, I) s.t.F = p1DP + p2ST + p3LT = r11L + r2I
(2.7)
p1 dan r1 adalah harga (atas dasar tingkat suku bunga dan ditetapkan dari dalam, tergantung pada struktur pasar perbankan). Solusi optimal memberikan gambaran
L , I
L , DP
dan
E + R + LT , A
termasuk
didalam
rasio
profitabilitas. Proses keputusan yang lebih kompleks terkait dengan aliran dana, komposisi aktiva, hutang pendapatan baik yang berasal dari bunga maupun non bunga dan khususnya biaya administrasi (Setyaningsih, 2001). Alamsyah, et al. (2005) menyatakan bahwa fungsi tujuan bank adalah memaksimalkan keuntungan, seperti disebutkan sebagai berikut:
I
∞
i
t=0
∑∑β
Max
t +1
π ti+1
(2.8)
dimana fungsi tersebut didefinisikan sebagai berikut: N
O
M
n
o
m
π ti+1 = ∑(rLtin Lint )(1 − ηtin ) + rPti Pt i + ∑ rStio Stio + ∑ rBtim Btim + rFti Ft i Q
− ∑ r D − r Tt iq Dt
iq t
Interest revenue
(2.9)
Interest Expenses
(2.10)
i
i Tt
q
-
Marginal cost of holding assets & (2.11) liabilities
dalam memaksimalkan keuntungan mereka, bank tunduk pada batasan dibawah ini:
∑L
in t
+ Pt i + ∑ Btim + Ft i + X ti − ∑ Dtiq (1 − ρ D ) − Tt i (1 − ρ T ) − K ti = 0
(2.12)
Permintaan pinjaman adalah fungsi linear yang berhubungan negatif terhadap tingkat suku bunga pinjaman: LInt = et − f t rLtin
(2.13)
Supply dari time deposit dan saving deposit fungsinya linear dan memiliki
hubungan positif terhadap tingkat suku bunga time deposit dan tingkat suku bunga saving deposit secara berturut-turut: Dtiq = a t + bt rdtiq
(2.14)
Tt i = ct + d t rti
(2.15)
Bank selalu menetapkan tingkat kelebihan cadangan (dalam uang tunai maupun simpanan di Bank Sentral) sebagaimana proporsi dari deposito:
X ti = ρ Xi (∑ Dtiq + Tt i )
(2.16)
Rasio kecukupan modal (CAR) yang ditetapkan oleh Bank Indonesia, membatasi gerak bank untuk memaksimalkan keuntungan mereka. Sebagai investor yang menghindari resiko, bank dapat menghitung aktiva tertimbang menurut resiko terhadap pinjaman lebih tinggi dari yang ditetapkan oleh Bank Sentral.
K ti ≥Ω γ 1 ∑ LInt + γ 2 Pt i + γ 3 ∑ S tio + γ 4 ∑ Btim + γ 5 Ft i
(2.17)
Tingkat suku bunga instrumen moneter, SBI dan FASBI adalah eksogen dan ditetapkan oleh Bank Indonesia. Tingkat suku bunga obligasi pemerintah juga eksogen. Dengan memecahkan masalah ini akan memberikan sebuah petunjuk bagaimana efek perubahan kebijakan moneter terhadap portofolio bank, dan lebih jauh, menjelaskan bagaimana kebijakan moneter ditransmisikan melalui bank. Berikut merupakan beberapa penemuan penting yang menghubungkan respon bank terhadap perubahan tingkat suku bunga SBI.
Impacts of a Change in Policy Rates on Loan Valume
f ∂L = − ∂rs (1 − η ) + α L f
1 − Ωγ 1 < 0 γ − Ω 1 3
(2.18)
Sebagaimana prediksi teori, jumlah dari pinjaman (L) berhubungan negatif dengan tingkat suku bunga SBI (rs). Penurunan tingkat suku bunga SBI, sebagai contoh, akan merubah alokasi dana dari SBI terhadap pinjaman. Persamaan (2.18) mengindikasikan bahwa transmisi kebijakan moneter akan kurang efektif (sebagaimana direfleksikan dalam sensitifitas yang rendah dari jumlah pinjaman
terhadap perubahan dalam tingkat suku bunga SBI) jika peminjam kurang sensitif terhadap tingkat suku bunga (f-nya rendah), CAR (Ω) tinggi, persepsi bank terhadap resiko kegagalan tinggi dan direfleksikan dalam aktiva tertimbang menurut resiko terhadap pinjaman yang tinggi (γ 1 ) , marginal cost dari pengaturan pinjaman (α L ) tinggi, dan non performing loans ratio (η ) rendah. Selama bank terus menerima resiko pinjaman yang tinggi (γ 1 ) seiring dengan resiko yang rendah dalam memegang SBI (γ 3 ) , bank akan enggan untuk mengeluarkan pinjaman, khususnya terhadap debitur baru. Untuk itu, menurunkan persepsi resiko pinjaman diharapkan akan mendorong bank untuk menambah pinjaman dan menurunkan minat mereka untuk memegang SBI secara dominan.
Impacts of a Change in Policy Rates on Loan Rates
∂rL 1 − Ωγ 1 1 = >0 ∂rs 2(1 − η ) + α L f 1 − Ωγ 3
(2.19)
Suku bunga pinjaman berkorelasi positif terhadap tingkat suku bunga SBI (persamaan 2.19). Transmisi kebijakan moneter akan kurang efektif (sebagaimana terefleksi pada sensitivitas yang rendah dari suku bunga pinjaman terhadap perubahan kebijakan moneter) ketika persepsi bank terhadap resiko kegagalan meningkat, CAR tinggi dan marginal cost dari pelaksana pinjaman tinggi. Dampak negatif dari resiko kegagalan pada keefektifan transmisi kebijakan moneter konsisten terhadap fenomena dari efek asimetris kebijakan moneter bebas tidak akan diikuti secara optimal dengan penurunan di tingkat suku bunga pinjaman (kenaikan dalam jumlah pinjaman). Dalam perbandingan, selama periode ekspansi dimana resiko kegagalan relatif lebih rendah, kebijakan moneter
ketat akan efektif diikuti dengan kenaikan di tingkat suku bunga pinjaman (penurunan dalam jumlah pinjaman). Dalam kondisi ini, kebijakan moneter ketat mungkin akan lebih efektif daripada kebijakan moneter yang lebih longgar.
Impacts of a Change in Policy Rates on Spread between Loan Rate and Times Deposit Rates
∂ (rL − rD ) η + (1 − η )( ρ D + ρ X ) − Ωγ 1 = ∂rs (1 − η )(1 − Ωγ 3 )
(2.20)
Persamaan (2.20) mengindikasikan bahwa ketika persepsi bank terhadap resiko kegagalan dan rasio CAR secara substansial tinggi relatif terhadap rasio
non performing loans, rasio cadangan wajib, dan rasio kelebihan cadangan, tingkat suku bunga SBI akan berdampak negatif terhadap spread antara suku bunga pinjaman dan suku bunga deposito. Untuk itu, pada kondisi moneter yang lebih mudah sebagai contoh, penurunan dalam tingkat suku bunga SBI akan memperlebar spread. Hubungan negatif merefleksikan situasi ketika bank merasa bahwa biaya dari kredit macet lebih besar dari opportunity cost dari memegang dana tidak produktif (NPLs + Reserve Requirement + Exceed Reserve). Pada situasi ini, bank cenderung menggerakan tingkat suku bunga pinjaman lebih lambat dari tingkat suku bunga deposito. Keterangan:
π ti+t
= keuntungan untuk bank i pada waktu t,
β
= discount value,
Lni
= outstanding kredit untuk jenis kredit n untuk bank i pada waktu t,
rLtin
= suku bunga kredit untuk jenis kredit n untuk bank i pada waktu t,
pti
= penempatan pasar uang antar bank untuk bank i pada waktu t,
rPti
= suku bunga penempatan pasar uang antarbank untuk bank i pada waktu t,
S tio
= outstanding Sertifikat Bank Indonesia (SBI) berjangka waktu o-bulan untuk bank i pada waktu t,
rStio
= suku bunga Sertifikat Bank Indonesia (SBI) berjangka waktu o-bulan untuk bank i pada waktu t,
Btim
= outstanding obligasi pemerintah berjangka waktu m-tahun untuk bank i pada waktu t,
rBtim
= suku bunga obligasi pemerintah berjangka waktu m-tahun untuk bank i pada waktu t,
Ft i
= outstanding Fasilitas Bank Indonesia (FASBI) untuk bank i pada waktu t,
rFti
= suku bunga Fasilitas Bank Indonesia (FASBI) untuk bank i pada waktu t,
Dtiq
= outstanding deposito berjangka waktu q-bulan untuk bank i pada waktu t,
rDti
= suku bunga deposito berjangka waktu q-bulan untuk bank i pada waktu t,
Tt i
= outstanding tabungan untuk bank i pada waktu t,
rTti
= suku bunga tabungan untuk bank i pada waktu t,
K ti
= modal bank i pada waktu t,
X ti
= ekses cadangan bank i pada waktu t,
Ω it
= rasio kecukupan modal bank i pada waktu t,
ρD
= cadangan minimum dari deposito bank i pada waktu t,
ρT
= cadangan minimum dari tabungan bank i pada waktu t,
ρX
= rasio dari ekses cadangan terhadap total simpanan,
α L ,α P ,α S ,α B ,α F ,α D ,α T = Marginal cost masing-masing pos pada neraca.
2.2.4. Laporan Laba Rugi Bank Laporan perhitungan laba rugi bank (profit and loss statement) atau lebih dikenal juga dengan income statement dari suatu bank umum adalah suatu laporan keuangan bank yang menggambarkan pendapatan dan biaya operasional dan non operasional bank serta keuntungan bersih bank untuk periode tertentu (Dendawijaya, 2001). 1. Pendapatan operasional Pendapatan operasional terdiri atas semua pendapatan yang merupakan hasil langsung dari kegiatan usaha bank yang benar-benar telah diterima. Pendapatan operasional bank secara terperinci adalah sebagai berikut:
a. Hasil bunga Yang dimasukkan ke pos ini adalah pendapatan bunga, baik dari pinjaman yang diberikan maupun penanaman yang dilakukan oleh bank, seperti giro, simpanan berjangka, obligasi dan surat pengakuan utang lainnya. b. Provisi dan komisi Yang dimasukkan ke pos ini adalah provisi dan komisi yang dipungut atau diterima bank, dari berbagai kegiatan yang dilakukan, seperti provisi kredit, provisi transfer, komisi pembelian atau penjualan efek-efek, dan lainnya. c. Pendapatan valuta asing lainnya Yang dimasukkan ke pos ini adalah keuntungan yang diperoleh bank dari berbagai transaksi devisa, misalnya selisih kurs pembelian atau penjualan valuta asing, selisih kurs karena konversi provisi, komisi, dan bunga yang diterima dari bank-bank di lur negeri. d. Pendapatan lainnya Yang dimasukkan kedalam pos ini adalah pendapatan lain yang merupakan hasil langsung dari kegiatan lainnya yang merupakan kegiatan operasional bank yang tidak termasuk ke dalam rekening pendapatan diatas, misalnya dividen yang diterima dari saham yang dimiliki.
2. Biaya Biaya yang harus dikeluarkan bank terbagi menjadi 2, yaitu: (1) Biaya Operasional Yang dimasukkan ke pos biaya operasional adalah semua biaya yang berhubungan langsung dengan kegiatan usaha bank yang diperinci sebagai berikut: a. Biaya bunga Yang dimasukkan ke pos ini adalah semua biaya atas dana-dana yang berasal dari Bank Indonesia, bank-bank lain, dan pihak ketiga bukan bank. b. Biaya valuta asing lainnya Yang dimasukkan ke pos ini adalah semua biaya yang dikeluarkan bank untuk berbagai transaksi devisa. c. Biaya tenaga kerja Yang dimasukkan ke pos ini adalah seluruh biaya yang dikeluarkan bank untuk membiayai pegawainya, seperti gaji dan upah, uang lembur, perawatan kesehatan, honorarium, komisaris, bantuan untuk pegawai dalam bentuk natura, dan pengeluaran lainnya untuk pegawai. d. Penyusutan Yang dimasukkan ke pos ini adalah seluruh biaya yang dikeluarkan untuk penyusutan benda-benda dan inventaris. e. Biaya lainnya Yang dimasukkan ke pos ini adalah biaya lainnya yang merupakan biaya langsung dari kegiatan usaha bank yang belum termasuk ke pos biaya di atas,
misalnya premi asuransi atau jaminan kredit, sewa gedung kantor atau rumah dinas dan alat-alat lainnya, biaya pemeliharaan gedung kantor atau rumah dinas dan alat-alat lainnya, dan sebagainya. (2) Biaya Non Operasional Yang dimasukkan ke pos ini adalah semua biaya yang tidak berhubungan dengan kegiatan usaha bank, misalnya kerugian karena penjualan atau kehilangan harta tetap dan inventaris.
2.2.5. Vector Autoregressive (VAR) Menurut Brooks (2002), VAR adalah suatu sistem model regresi (terdapat lebih dari satu dependen variabel) yang dapat disebut suatu turunan antara model
univariate time series dan model persamaan simultan, VAR dianjurkan sebagai alternatif dari model persamaan struktural simultan skala besar. Menurut Arsana (2005), VAR tidak berbeda dengan tahapan persamaan simultan, VAR juga perlu untuk melakukan indentifikasi persamaan sebelum melakukan estimasi model. Kondisi overidentified akan diperoleh jika jumlah informasi yang dimiliki melebihi jumlah parameter yang ingin diestimasi. Jika jumlah informasi dan jumlah parameter yang diestimasi sama, akan diperoleh kondisi exactly indentified atau just indentified. Sementara jika jumlah informasi kurang
dari
jumlah
parameter
yang
diestimasi
akan
tercipta
kondisi
underidentified. Hasil indentifikasi pada sebuah sistem persamaan simultan menjadi penting karena pengaruhnya pada proses estimasi. Proses estimasi hanya dapat dilakukan pada kondisi overidentified dan just identified.
2.2.6. Vector Error Correction Model (VECM) VECM merupakan bentuk VAR yang terestriksi. Restriksi tambahan ini harus diberikan karena keberadaan bentuk data yang tidak stasioner namun terkointegrasi. VECM kemudian memanfaatkan informasi restriksi kointegrasi tersebut ke dalam spesifikasinya. Karena itulah VECM sering disebut sebagai desain VAR bagi series non stasioner yang memiliki hubungan kointegrasi. Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek. Istilah kointegrasi dikenal juga sebagai istilah error, karena deviasi terhadap ekuilibrium jangka panjang dikoreksi secara bertahap melalui series parsial penyesuaian jangka pendek. Hubungan kausalitas antarvariabel dalam sistem persamaan multivariat lebih rumit dibandingkan pada sistem persamaan bivariat. VAR membuat seluruh variabel menjadi endogenous dan menurunkan distributed lag-nya. Spesifikasi model VAR dengan variabel yang dipakai secara umum dan ordo VAR sebanyak k adalah sebagai berikut:
VAR(k ), Z t = A0 + A1Z t −1 + A2 Z t − 2 + ... + Ak Z t − k + ε t dimana: Zt
= vektor peubah tak bebas (y1,t.......yn,t) berukuran n x 1,
A0 = vektor intersep berukuran n x 1, A1 = matrik parameter berukuran n x n, untuk setiap i = 1, 2,....,p,
(2.21)
t
= vektor sisaan ( 1,t.......n,t) berukuran n x 1. Selanjutnya, menurut pernyataan Siregar dan Ward, untuk menghindari
masalah yang mungkin timbul akibat variabel yang tidak stasioner pada level maka model VAR akan dikombinasikan dengan VECM sehingga akan didapat persamaan umum VECM sebagai berikut (Jong, 2005): k −1
∆xt = ∑ Γi ∆xt −1 + µ0 + µ1t + αβ ' xt −1 + ε t
(2.22)
i =1
dimana: ∆xt = xt − xt −1 , k-1 = ordo VECM dari VAR, Γi
= matriks koefisien regresi,
µ0
= vektor intercept,
µ1
= vektor koefisien regresi,
t
= time trend,
α
= matriks loading,
β'
= vektor kointegrasi,
x
= (LB, CAR, NIM, NPLs, LDR, RSBI).
2.2.7. Penelitian Terdahulu Penelitian sebelumnya yang dilakukan oleh Lestari (2005) membahas mengenai pengaruh struktur modal terhadap laba bersih pada Bank Rakyat Indonesia pada periode 2000-2004. Struktur modal yang digunakan dalam penelitian tersebut adalah Capital Ratio (CR), Capital Adequacy Ratio (CAR),
dan Rasio Ekuitas dan Aktifa Produktif (REA), proses yang terjadi dalam penelitian tersebut merupakan proses pengkajian dengan input berupa struktur modal, dan output berupa laba bersih, secara umum persamaan yang terbentuk adalah: Y = a + b1X1 + b2X2 + b3X3
(2.23)
yang menyatakan bahwa: Y = nilai variabel dependen (laba bersih), a
= konstanta,
X1 = nilai variabel Capital Ratio (CR), X2 = nilai variabel Capital Adequacy Ratio (CAR), X3 = nilai variabel Rasio Ekuitas dan Aktiva Produktif (REA), b1 = slope yang berhubungan dengan variabel CR, b2 = slope yang berhubungan dengan variabel CAR, b3 = slope yang berhubungan dengan variabel REA. Hasil penelitian tersebut menyatakan bahwa CR, CAR, dan REA berpengaruh positif terhadap laba bersih, namun yang berpengaruh signifikan terhadap laba bersih adalah REA. Penelitian lain yang berkaitan dengan laba bank dikemukakan oleh Anggraeni
(2005),
penelitian
tersebut
menganalisis
faktor-faktor
yang
mempengaruhi laba bank umum syariah di Indonesia. Variabel yang digunakan dalam penelitian tersebut adalah laba, nisbah bagi hasil Dana Pihak Ketiga (DPK), suku bunga deposito bank konvensional, non performing financing, dan dummy fatwa Majelis Ulama Indonesia (MUI). Berdasarkan hasil penelitiannya dengan
menggunakan metode Ordinary Least Square (OLS) menunjukkan bahwa laba satu periode sebelumnya, nisbah bagi hasil DPK, dan variabel fatwa MUI berpengaruh secara signifikan dan memiliki hubungan yang positif terhadap laba bank umum syariah, sedangkan variabel suku bunga deposito bank konvensional dan non performing financing berpengaruh signifikan dan memiliki hubungan negatif terhadap laba bank umum syariah.
2.3.
Kerangka Penelitian Operasional Profitabilitas bank yang semakin meningkat dari tahun ke tahun sejak
masa pasca-krisis moneter tahun 1997/1998 perlu dipertahankan bahkan harus terus ditingkatkan. Hal ini berkaitan dengan solvabilitas bank sehingga kesehatan bank tersebut terus terjaga karena kepercayaan masyarakat akan meningkat seiring dengan kenaikan status bank. Krisis yang terjadi tahun 1997/1998 telah memberi kita suatu pelajaran betapa pentingnya untuk selalu waspada atas kinerja bank yang dapat diukur dengan indikator perbankan. Dengan tetap mewaspadai pergerakan indikator perbankan atau dapat melihat tingkat kesehatan bank sehingga dapat diatasi sesegera mungkin. Untuk itu, perlu suatu analisis mengenai trend dari indikator perbankan agar kita dapat terus mengikuti perkembangan perbankan dan karenanya kita dapat mengetahui pola kecenderungan indikator perbankan. Perubahan suku bunga SBI tentu saja berpengaruh pada alokasi dana bank, karena dari laba yang diperoleh bank dana-dana tersebut mengalir ke pos-pos yang dapat terus meningkatkan laba bank seperti penyaluran dana untuk kredit
pada pihak-pihak yang membutuhkan dana (lack of money) atau dana tersebut dialirkan untuk SBI karena lebih aman dan menguntungkan, sehingga diperlukan suatu analisis yang dapat menjelaskan bagaimana pengaruh tingkat suku bunga SBI yang disimulasi. Jadi, penelitian ini akan membahas mengenai model yang digunakan untuk melihat trend indikator perbankan dan pengaruh tingkat suku bunga SBI yang disimulasi serta pengaruhnya terhadap laba perbankan. Alat analisis yang digunakan adalah Vector Autoregressive (VAR) yang dikombinasikan dengan
Vector Error Correction Model (VECM) sehingga dapat dilihat ramalan trend indikator perbankan di masa mendatang, bagaimana pengaruh shock satu variabel terhadap variabel lainnya, serta hubungan antar variabel.
2.4.
Definisi Variabel Indikator perbankan dan peramalan trend-nya serta analisis pengaruh
simulasi tingkat suku bunga SBI terhadap laba perbankan ini hanya akan dibatasi pada indikator-indikator: 1. Laba bersih bank adalah laba yang diperoleh dalam tahun buku berjalan setelah dikurangi taksiran utang pajak dalam satuan trilyun rupiah, 2. Suku bunga Serifikat Bank Indonesia (SBI) merupakan suku bunga SBI 1 bulan yang digunakan untuk mengendalikan jumlah uang beredar dalam satuan persen, 3. Capital adequacy ratio yang merupakan indikator kesehatan bank adalah rasio kecukupan modal minimum yang harus dimiliki bank dalam satuan persen,
4. Net interest margin yang merupakan indikator rentabilitas bank adalah marjin pendapatan bunga bersih bank dalam satuan persen, 5. Non performing loans adalah kredit bermasalah yang merupakan resiko kerugian bank dalam satuan persen, 6. Loan to deposit ratio yang merupakan indikator likuiditas bank adalah besarnya dana yang disalurkan untuk kredit dalam satuan persen.
2.5.
Hipotesis Penelitian Dari perumusan masalah yang telah disebut diatas, hipotesis penelitian
dari peneliti adalah sebagai berikut: 1. Terdapat hubungan yang positif antara Net Interest Margin dan Loan to
Deposit Ratio dengan laba, sedangkan Non Performing Loans dan suku bunga SBI memiliki hubungan yang negatif dengan laba. 2. Respon laba perbankan akan sangat berfluktuatif terhadap guncangan kinerja bank, laba bank akan merespon positif terhadap guncangan Net Interest
Margin dan Loan to Deposit Ratio, sedangkan guncangan dari Non Performing Loans dan Capital Adequacy Ratio akan direspon negatif oleh laba. Sedangkan guncangan yang terjadi pada suku bunga SBI akan direspon negatif oleh laba bank. 3. Variabel yang paling berpengaruh terhadap laba perbankan adalah Net Interest
Margin. 4. Peningkatan suku bunga SBI yang disimulasi akan berpengaruh kecil pada menurunnya laba bank.
Kebijakan Moneter
Suku Bunga SBI
Laba Perbankan
Kinerja Bank
Capital Adequacy Ratio
Net Interest Margin
Non Performing Loans
Loan to Deposit Ratio
Keterangan:
: Hubungan dua arah : Terdiri dari : Ruang Lingkup Penelitian : Variabel VECM yang akan dibahas
Gambar 5. Kerangka Penelitian Operasional
III. METODOLOGI PENELITIAN
3.1.
Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang
merupakan data deret waktu bulanan dari tahun 2001 – 2005, bank yang akan menjadi sumber penelitian adalah bank umum. Sumber data berasal dari Direktorat Publikasi dan Informasi Perbankan Bank Indonesia, bacaan (studi pustaka) yang diperoleh dari perpustakaan Lembaga Sumberdaya Informasi Institut Pertanian Bogor (LSI-IPB), serta beberapa bahan pustaka lain dari jurnal, koran, dan internet yang digunakan sebagai landasan teori dalam penelitian ini. Untuk mempermudah dalam pengolahan data-data dalam penelitian ini, maka alat analisis yang akan digunakan dalam penelitian ini dioperasikan melalui perangkat
software Microfit 4.0 dan Microsoft Excel. Data yang digunakan dalam penelitian ini dapat dilihat pada tabel berikut : Tabel 3.1. Data, Satuan dan Simbol No Variabel 1. Laba Bersih Bank 2. Capital Adequacy Ratio 3. Net Interest Margin 4. Non Performing Loans gross 5. Loan to Deposit Ratio 6.
Suku Bunga SBI
Satuan Trilyun Rupiah Persen Persen Persen Persen Persen
Simbol LB CAR NIM NPLs LDR RSBI
Sumber: Bank Indonesia.
Semua data yang digunakan adalah data dalam bentuk riil dan untuk selanjutnya laba bersih bank hanya akan ditulis laba bank dan Non Performing
Loans gross, yaitu tanpa memperhitungkan penyisihan yang dibentuk untuk
mengantisipasi kerugian, hanya akan ditulis NPLs. Untuk mempermudah interpretasi pada Impulse Response Function (IRF) dan Forecast Error Variance
Decomposition (FEVD) maka data laba bank akan dijadikan logaritma natural sehingga seluruh satuan variabelnya dalam persen, sedangkan variabel lain tetap dalam persen hal ini mengacu pada pendapat Sims yaitu semua data dalam analisis VECM dalam bentuk logaritma natural (Enders, 2000).
3.2
Metode Analisis Untuk menjelaskan deskripsi data, peramalan, inferensi struktural, dan
analisis kebijakan yang dibutuhkan dalam penelitian ini maka digunakan alat analisis Vector Autoregressive (VAR) apabila data yang digunakan stasioner pada level, namun apabila tidak stasioner pada level maka metode analisis VAR harus dikombinasikan dengan alat analisis Vector Error Correction Model (VECM).
3.2.1. Model Persamaan dan Variabel-variabel Berdasarkan uraian sebelumnya, bahwa perubahan laba perbankan dapat dipengaruhi oleh beberapa variabel, pada tahap ini akan diuji hubungan antar variabel tersebut. Untuk itu persamaan yang terbentuk sesuai dengan penelitian adalah sebagai berikut: LLB =
k
∑Γ CAR i
t −1
+
i =1
CAR =
k
∑Γ LLB i
i =1
t −1
k
∑Γ NIM
t −1
i
+
i=1
+
k
∑Γ NIM i
i =1
t −1
k
∑Γ NPLs i
+
i =1
+
k
∑Γ NPLs i
i =1
k
∑Γ LDR i
t −1
+
i=1
+
k
∑Γ LDR i
i =1
t −1
k
∑Γ RSBI
t −1
+ ε it
(3.1)
t −1
+ ε it
(3.2)
i
i =1
+
k
∑Γ RSBI i
i =1
k
∑Γi LLBt −1 +
NIM =
i =1
k
∑Γ LLB
NPLs =
t −1
i
+
i =1
LDR =
k
∑Γ LLB
t −1
i
k
i =1
i =1
k
∑Γ CAR
t −1
i
+
+
k
∑Γ CAR
t −1
i
t −1
+
k
i =1
∑Γi NPLs + i =1
k
∑Γ NIM i
+
+
k
∑Γ NIM i
t −1
+
k
∑Γ NIM i
i =1
k
∑Γi LDRt −1 + i =1
k
∑Γ LDR i
t −1
+
i =1
+
i =1
∑Γ CAR i
k
i =1
i =1
∑Γ LLB i
∑Γi CARt−1 +
i =1
i =1
RSBI =
k
k
t −1
+
i =1
+
t −1
i
+ ε it
(3.3)
+ ε it
(3.4)
+ ε it
(3.5)
i =1
k
∑Γ RSBI
t −1
i
k
∑Γ RSBI
t −1
i
i =1
k
∑Γ NPLs i
∑Γ RSBI
i =1
∑Γ NPLs i
k
t −1
+
i =1
k
∑Γ LDR i
t −1
+ ε it
(3.6)
i =1
dimana, LLB
= logaritma natural laba bank,
CAR
= capital adequacy ratio (rasio kecukupan modal),
NIM
= net interest margin (marjin bunga bersih),
NPLs
= non performing loans (kredit bermasalah),
LDR
= loan to deposit ratio (besarnya dana yang dikeluarkan untuk kredit),
RSBI
= suku bunga SBI,
Γ
= parameter,
ε it
= guncangan acak,
i
= jumlah ordo (i = 1,2,3),
k
= ordo optimal.
3.2.2.
Pengujian Model
3.2.2.1. Uji Stasioneritas Hal penting yang berkaitan dengan studi atau penelitian yang menggunakan data time series adalah stasioneritas, pengujian ini sangat penting
agar tidak terjadi regresi yang semu (spurious regression) apabila data tersebut tidak stasioner. Data deret waktu dikatakan stasioner jika data menunjukkan pola yang konstan dari waktu ke waktu, dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data. Ada beberapa cara yang dapat dilakukan untuk mengukur keberadaan stasioneritas, salah satunya adalah dengan Augmented
Dicky – Fuller (ADF) Test. Jika nilai ADF statistiknya lebih kecil dari critical value maka dapat disimpulkan bahwa data tersebut stasioner. Hasil series stasioner akan berujung pada penggunaan VAR dengan metode standar,
sementara series yang tidak stasioner harus dilanjutkan pada tahap pengujian selanjutnya yaitu pada ordo satu I(1) dan akan berimplikasi pada VECM.
3.2.2.2. Penetapan Lag Optimal Pengujian lag optimal dapat ditetapkan dengan beberapa kriteria, antara lain Akaike Information Criteriun (AIC), Schwarz Bayesian Criterion (SBC), dan
Likelihood Ratio (LR). Pengujian lag yang digunakan dalam penelitian ini berdasarkan uji LR. Penetapan lag optimal sangat penting dalam metode VAR karena variabel independen yang dipakai adalah lag dari variabel endogen tersebut.
3.2.2.3. Uji Kointegrasi Kointegrasi merupakan suatu hubungan jangka panjang (long term relationship equilibrium) antara variabel-variabel yang stasioner pada derajat integrasi yang sama. Konsep kointegrasi menyatakan bahwa jika satu variabel
atau lebih variabel tidak stasioner terkointegrasi, maka kombinasi linier antara variabel dalam sistem akan bersifat stasioner, sehingga dapat diperoleh sistem persamaan jangka panjang yang stabil (Enders, 2000). Uji kointegrasi pada penelitian ini menggunakan Johansen Maximum
Likelihood. Menurut Pesaran (1997) penggunaan prosedur Johansen Maximum Likelihood lebih memuaskan dibandingkan dengan residual berdasarkan kointegrasi karena menampilkan kerangka kerja yang menyatu untuk estimasi dan pengujian hubungan kointegrasi dalam konteks VECM.
3.2.2.4. Impulse Response Function (IRF) Sims menyatakan cara yang paling baik untuk dapat mencirikan struktur dinamis dalam model adalah dengan menganalisa respon dari model terhadap guncangan (Thomas, 1997). IRF dapat melakukan hal ini dengan menunjukkan bagaimana respon dari setiap variabel endogen sepanjang waktu terhadap guncangan dalam variabel itu sendiri dan variabel endogen lainnya. Menurut Brooks (2002), IRF melacak respon dari dependen variabel dalam VAR untuk guncangan pada setiap sistem variabel. Jadi, untuk masingmasing variabel dari masing-masing pesamaan yang terpisah, suatu guncangan diaplikasikan pada error dan efeknya terhadap sistem VAR untuk beberapa waktu tercatat. Karenanya, apabila terdapat g variabel dalam sistem, total dari g2 impulse
response dapat diketahui.
3.2.2.5. Forecast Error Variance Decomposition (FEVD) FEVD menawarkan metode yang sedikit berbeda untuk menganalisis dinamika sistem VAR. FEVD memberi proporsi pergerakan dalam variabelvariabel dependen yang terkait dengan guncangannya sendiri, versus guncangan terhadap variabel-variabel lainnya. Suatu guncangan terhadap variabel ke-i tentunya akan berpengaruh langsung terhadap variabel tersebut, namun juga akan ditransmisikan kepada semua variabel lainnya dalam sistem melalui struktur dinamis dari VAR. FEVD menentukan seberapa besar dari s-langkah kedepan peramalan varians error dari variabel untuk s = 1,2,... Dalam prakteknya, biasanya dalam pengamatan rangkaian guncangan sendirinya menjelaskan sebagian besar (peramalan) varians error dari deret dalam VAR (Brooks, 2002).
BAB IV. GAMBARAN UMUM PERKEMBANGAN KINERJA PERBANKAN DAN SUKU BUNGA SBI
4.1.
Kinerja Perbankan Pada tahun 2001 kondisi perbankan menunjukkan peningkatan kinerja
perbankan yang positif, jumlah kantor bank meningkat menjadi 6.628 kantor. Data dari BI mencatat bahwa laba bersih yang berhasil diperoleh bank bulan Desember tahun 2001 sebesar Rp. 12,811 trilyun, hal ini disumbangkan oleh laba operasional dan nonoperasional yang berhasil diraih bank. Kinerja perbankan pada tahun 2001 menitikberatkan pada restrukturisasi perbankan dengan fokus utama adalah pencapaian target CAR sebesar 8 persen yang ditetapkan oleh Bank Indonesia dan juga penekanan NPLs hingga 5 persen, namun hingga akhir tahun tercatat tingkat NPLs masih cukup tinggi walaupun sudah mengalami penurunan dari tahun sebelumnya. Disisi penghimpunan dana, perbankan mampu menyerap dana dari masyarakat hingga Rp. 799,8 milyar pada akhir tahun hal ini mengindikasikan kepercayaan masyarakat yang semakin tinggi terhadap bankbank dan merupakan peningkatan yang cukup membanggakan mengingat pernah terjadinya krisis kepercayaan masyarakat terhadap perbankan pada tahun 1997/1998. Pada kegiatan penyaluran dana, bank umum tercatat terus melakukan ekspansi kredit, dari dana yang berhasil dihimpun dari masyarakat kemudian disalurkan dalam bentuk kredit pada kisaran antara 37 persen hingga 41 persen. Selain dalam bentuk kredit, bank juga mengalokasikan dananya pada Sertifikat Bank Indonesia (SBI), dengan suku bunga yang cukup tinggi pada bulan Januari
2001 bank menempatkan dananya pada surat berharga pemerintah ini sebesar Rp. 81.5 milyar. Kondisi perbankan pada tahun 2002 diawali dengan meningkatnya rasio kecukupan modal menjadi 23,.42 persen, perkembangan yang positif juga ditunjukkan oleh perbaikan kualitas kredit yang tercermin pada menurunnya NPLs pada akhir tahun 2002 menjadi 7,65 persen. Likuiditas bank pun mengalami kenaikan yang tercermin pada Loan to Deposit Ratio sebesar 44,36 persen, selain itu laba perbankan juga menunjukkan perkembangan yang positif yaitu meningkat sebesar Rp 3,339 trilyun dibanding tahun 2001 menjadi Rp. 16,21 trilyun.
80
70
60
Persen
50
LDR
40
NPL 30
20
10
M ar -0 3 M ei -0 3 Ju l-0 3 S ep -0 3 N op -0 3 Ja n04 M ar -0 4 M ei04 Ju l-0 4 S ep -0 4 N op -0 4 Ja n05 M ar -0 5 M ei05 Ju l-0 5 S ep -0 5 N op -0 5
Ja n02 M ar -0 2 M ei -0 2 Ju l-0 2 S ep -0 2 N op -0 2 Ja n03
Ja n01 M ar -0 1 M ei -0 1 Ju l-0 1 S ep -0 1 N op -0 1
0
Periode
Sumber : Bank Indonesia (2001-2005), diolah.
Gambar 6. Pergerakan Loan to Deposit Ratio dan Non Performing Loans Pada tahun 2003 kinerja perbankan mengalami peningkatan yang cukup pesat, diawali dengan trend suku bunga SBI yang menurun hingga pada kisaran 7 persen. Penurunan suku bunga SBI ini langsung direspon oleh penurunan suku bunga deposito namun lain halnya dengan suku bunga kredit, bank tidak langsung menurunkan suku bunga kreditnya hal tersebut tercermin pada tingkat Net Interest
Margin bank yang meningkat dan berada pada kisaran empat persen sehingga laba bank meningkat cukup tajam pada bulan Desember 2003 yaitu sebesar Rp. 19,514
trilyun, meningkat sebanyak Rp. 6,703 trilyun dibandingkan tahun 2001 bulan yang sama. Peningkatan laba yang cukup besar ini juga turut dipicu oleh keberhasilan bank dalam menekan tingkat NPLs-nya dari 19,66 persen pada tahun 2001 hingga 7,93 persen pada tahun 2003. Kinerja perbankan yang positif ini pada akhirnya meningkatkan tingkat kesehatan bank yang diukur dengan CAR dimana pada tahun 2003 tingkat kesehatan bank ini jauh melebihi ketentuan yang berlaku dan meningkat secara signifikan dibandingkan tahun 2001, tercatat pada bulan Januari 2001 CAR perbankan hanya sebesar 13,72 persen dan pada bulan Januari 2003 CAR perbankan meningkat pesat menjadi 23,9 persen. 30
25
Persen
20
CAR
15
10
5
M ar -0 3 M ei -0 3 Ju l-0 3 S ep -0 3 N op -0 3 Ja n04 M ar -0 4 M ei -0 4 Ju l-0 4 S ep -0 4 N op -0 4 Ja n05 M ar -0 5 M ei -0 5 Ju l-0 5 S ep -0 5 N op -0 5
Ja n01 M ar -0 1 M ei -0 1 Ju l-0 1 S ep -0 1 N op -0 1 Ja n02 M ar -0 2 M ei02 Ju l-0 2 S ep -0 2 N op -0 2 Ja n03
0
Periode
Sumber : Bank Indonesia (2001-2005), diolah.
Gambar 7. Pergerakan Capital Adequacy Ratio
Perkembangan bank umum dalam satu semester awal 2004 ditandai dengan adanya penurunan maupun peningkatan kinerja. Penurunan kinerja terjadi pada faktor kecukupan modal, sementara peningkatan kinerja antara lain dicapai pada faktor rentabilitas, perbaikan kualitas kredit dan rasio penyaluran kredit. Rata-rata CAR bank tahun 2004 menurun sebesar 0,75 persen dibandingkan rata-rata CAR tahun 2003, namun disisi lain indikator perbankan menunjukkan perkembangan
yang positif, kualitas kredit terlihat mengalami perbaikan dengan ditunjukkannya oleh penurunan rasio kredit bermasalah hingga 4,44 persen pada akhir bulan 2004. Kinerja perolehan laba bank umum juga mencatat perkembangan yang positif bahkan tercatat laba yang diperoleh pada tahun 2004 sebesar Rp. 28,971 trilyun merupakan laba tertinggi yang diperoleh oleh bank umum selama ini. Selain itu, kinerja positif lain yang dicapai oleh bank umum adalah rasio penyaluran kredit terhadap DPK yang dihimpun. Tercatat pada bulan Desember 2004 jumlah kredit yang disalurkan oleh Bank Umum telah mencapai angka 57,04 persen dari total DPK yang dihimpun. Kecenderungan yang positif ini juga tidak lepas dari kondisi makroekonomi yang membaik seperti meningkatnya laju pertumbuhan ekonomi, menurunnya laju inflasi dan tingkat bunga dalam negeri, serta semakin stabilnya nilai tukar rupiah.
35000000
30000000
TrilyunRupiah
25000000
20000000 LABA 15000000
10000000
5000000
M ar -0 3 M ei -0 3 Ju l-0 3 S ep -0 3 N op -0 3 Ja n04 M ar -0 4 M ei -0 4 Ju l-0 4 S ep -0 4 N op -0 4 Ja n05 M ar -0 5 M ei -0 5 Ju l-0 5 S ep -0 5 N op -0 5
Ja n02 M ar -0 2 M ei02 Ju l-0 2 S ep -0 2 N op -0 2 Ja n03
Ja n01 M ar -0 1 M ei -0 1 Ju l-0 1 S ep -0 1 N op -0 1
0
Periode
Sumber: Bank Indonesia (2001-2005), diolah.
Gambar 8. Pergerakan Laba Bank Namun pada tahun 2005 khususnya pada pertengahan tahun 2005, tekanan yang terjadi pada stabilitas ekonomi makro telah membawa pengaruh negatif pada perkembangan kinerja sektor perbankan. Meningkatnya suku bunga luar negeri (khususnya suku bunga The Fed), kecenderungan meningkatnya inflasi di dalam
negeri serta adanya tekanan yang cukup berat terhadap nilai tukar rupiah telah memaksa Bank Indonesia untuk menaikan BI rate (yang kemudian diikuti oleh suku bunga SBI). Kenaikan suku bunga SBI serta ketatnya kondisi likuiditas di pasar telah mendorong perbankan untuk menaikkan suku bunga dana untuk menarik dana dari masyarakat, kenaikan suku bunga dana ini memaksa bank untuk meningkatkan suku bunga kreditnya juga. Namun karena ketatnya persaingan dalam penyaluran kredit maka kemampuan perbankan untuk menaikkan suku bunga kreditnya menjadi sangat terbatas, sebagai akibatnya
spread-nya menurun sehingga laba perbankan pun ikut menurun, tercatat laba yang berhasil diperoleh hingga akhir tahun 2005 sebesar Rp. 23,192 trilyun berkurang Rp. 5,779 trilyun dibanding tahun 2004. Meskipun kondisi makro ekonomi mendapat tekanan yang cukup berat namun ekspansi kredit perbankan pada tahun 2005 masih cukup tinggi. Disisi lain peningkatan ekspansi kredit tidak diikuti dengan perbaikan kualitas kredit hal tersebut tercermin dari tingkat NPLs yang meningkat cukup signifikan dari 4,44 persen pada akhir tahun 2004 menjadi 7,56 persen pada akhir tahun 2005.
4.2.
Sertifikat Bank Indonesia (SBI) SBI diterbitkan pertama kali oleh Bank Indonesia pada bulan April 1970.
Pada saat itu SBI diterbitkan tanpa melalui lelang dan dimaksudkan untuk mendorong usaha pengerahan dana, sekaligus mendorong perkembangan pasar uang dan pasar modal di Indonesia. SBI yang diterbitkan oleh Bank Indonesia pada saat tersebut disalurkan melalui bank pemerintah, bank swasta nasional, dan
cabang bank asing serta lembaga non bank. Namun, dengan pertimbangan utama bahwa beberapa bank telah mengeluarkan sertifikat deposan maka pada bulan September 1971 penerbitan SBI dihentikan. Pada tanggal 1 Februari 1984 Bank Indonesia kembali menerbitkan SBI namun dengan tujuan yang lebih luas, yaitu: 1. untuk mendorong perkembangan pasar uang dan pasar modal; 2. sebagai instrumen moneter yang lebih efektif dalam mempengaruhi perkembangan moneter; dan 3. sebagai alternatif penanaman kelebihan sementara likuiditas yang dimiliki bank. Selain SBI yang lebih merupakan instrumen kotraksi moneter, pada tahun 1985 Bank Indonesia mulai melakukan pembelian surat berharga pasar uang (SBPU) berjangka waktu pendek yang pada dasarnya dapat merupakan instrumen untuk melakukan ekspansi moneter. Ketika SBI diterbitkan kembali pada tahun 1984, suku bunga SBI ditetapkan berdasarkan pada sistem Cut-Off-Rate (COR) yaitu tingkat suku bunga SBI yang ditentukan oleh Bank Indonesia sesuai dengan sasaran moneter yang ingin dicapai. Dalam kaitan ini, penerbitan SBI yang pada saat itu sudah menetapkan sistem lelang hanya ditujukan kepada bank peserta lelang yang diputuskan memenangkan lelang SBI, yaitu bank-bank yang melakukan penawaran dengan tingkat bunga sesuai dengan atau lebih rendah daripada tingkat bunga yang diinginkan oleh Bank Indonesia, dalam sistem COR, suku bunga SBI yang ingin dicapai oleh Bank Indonesia tidak diumumkan dan bank-bank bebas
untuk melakukan penawaran sesuai dengan perhitungan bank-bank. Pada bulan Juni 1993 Bank Indonesia mengubah titik berat pengendalian uang beredar dari suku bunga menjadi sasaran jumlah atau volume, sehingga sistem lelang SBI juga sekaligus berubah dari COR ke Step-Out Rate (SOR) yang lebih menitikberatkan pengendalian jumlah uang beredar pada jumlah atau volume. Dalam sistem SOR ini Bank Indonesia mengumumkan sasaran indikatif jumlah atau volume yang ingin diterbitkan melalui lelang. SBI memiliki 5 karakteristik utama, yaitu: 1. Mempunyai satuan unit tertentu; 2. Berjangka waktu tertentu sesuai dengan yang ditetapkan oleh Bank Indonesia; 3. Diterbitkan dan diperdagangkan dengan sistem diskonto; 4. Diterbitkan tanpa warkat, artinya bukti kepemilikan hanya pencatatan secara elektronis (scripless); dan 5. Dapat diperdagangkan atau dipindahtangankan (negotiable) di pasar sekunder. Selain itu, terdapat beberapa prinsip yang diatur oleh Peraturan Bank Indonesia No. 4/10/PBI/2002, yaitu antara lain: 1. Diterbitkan melaui mekanisme lelang dan non lelang; 2. Dapat ditransaksikan secara Repurchase Agreement (Repo), artinya pihak penjual SBI mempunyai kewajiban untuk membeli kembali SBI yang diperdagangkan sesuai dengan harga dan jangka waktu yang ditetapkan; 3. Dapat dibeli dan dimiliki melalui pasar perdana atau pada saat diterbitkan hanya bank umum dan lembaga non bank yang ditetapkan oleh Bank Indonesia;
4. Dapat diperdagangkan di pasar sekunder secara repo atau pembelian atau penjualan lepas, yaitu tanpa kewajiban menjual atau membeli kembali; dan 5. Dapat dipergunakan sebagai agunan.
4.2.1. Sistem Perhitungan SBI Sistem perhitungan diskonto SBI yang dipergunakan adalah perhitungan diskonto murni (true discount) dan pemberian atau pembebanan diskonto diperhitungkan pada saat transaksi dilakukan. Adapun rumus perhitungan nilai diskonto murni yaitu: Nilai diskonto murni = Nilai Nominal – Nilai Tunai sementara nilai tunai didapat dari:
Nilai Tunai =
( Nilai Nominal ) x 360 360 + (Tingkat Diskonto x Jangka Waktu )
(4.1)
4.2.2. Pergerakan Suku Bunga SBI Suku bunga SBI pada tahun 2001 cenderung terus menaik, hal ini menyebabkan bank lebih tertarik menanamkan dananya untuk Sertifikat Bank Indonesia yaitu sebesar Rp. 81,50 milyar pada bulan Januari 2001. Kenaikan pada suku bunga SBI otomatis akan berpengaruh pada peningkatan suku bunga dana untuk menarik masyarakat agar mau menanamkan danaya di bank. Level tertinggi hingga tahun 2005 ini terjadi pada Desember 2001, yaitu suku bunga SBI sebesar 17,62 persen. Namun mulai bulan Januari 2002 suku bunga SBI menunjukkan
trend yang menurun dan mencapai titik terendah pada bulan Mei 2004 yaitu 7,32 persen, hal ini terjadi karena pada masa itu perekonomian Indonesia cenderung
membaik dan juga tingkat inflasi dapat ditekan. 20
18
16
14
Persen
12
10
RSBI
8
6
4
2
Ja n04 M ar -0 4 M ei -0 4 Ju l-0 4 S ep -0 4 N op -0 4 Ja n05 M ar -0 5 M ei -0 5 Ju l-0 5 S ep -0 5 N op -0 5
M ar -0 2 M ei02 Ju l-0 2 S ep -0 2 N op -0 2 Ja n03 M ar -0 3 M ei -0 3 Ju l-0 3 S ep -0 3 N op -0 3
Ja n01 M ar -0 1 M ei -0 1 Ju l-0 1 S ep -0 1 N op -0 1 Ja n02
0
Periode
Sumber: Bank Indonesia (2001-2005), diolah.
Gambar 9. Pergerakan suku bunga SBI
Sejak bulan Januari 2005 suku bunga SBI sudah menunjukkan trend yang meningkat tapi kenaikan yang cukup signifikan terjadi pada bulan Agustus 2005 hingga bulan Desember 2005, hal ini terjadi karena iklim perekonomian Indonesia yang kurang kondusif disertai peningkatan suku bunga The Fed, karena Indonesia merupakan negara perekonomian terbuka kecil maka meningkatnya suku bunga
The Fed ini sangat mempengaruhi kondisi ekonomi Indonesia. Dari data Bank Indonesia suku bunga SBI pada bulan Desember 2005 tercatat berada pada level 12,75 persen.
V. ANALISIS PENGARUH SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) DAN KINERJA BANK TERHADAP LABA PERBANKAN
5.1.
Uji Stasioneritas Data Langkah awal dalam menganalisis dengan menggunakan metode VAR
adalah dengan menguji stasioneritas data yang tersedia. Sebuah data dikatakan stasioner apabila data tersebut memiliki Augmented Dickey-Fuller (ADF) yang lebih besar daripada nilai kritisnya. Untuk menguji stasioneritas masing-masing variabel maka dilakukan uji akar unit. Pengujian ini perlu dilakukan agar hubungan antar variabel yang digunakan valid dan tidak spurious. Uji akar unit pada data yang tersedia dilakukan pada tingkat level terlebih dahulu, namun dari hasil olahan data yang telah dilakukan (tabel 5.1.), diketahui bahwa tidak semua variabel stasioner pada tingkat level, hal ini berarti perlu dilakukan uji akar unit pada tingkat selanjutnya yaitu di tingkat first difference. Data pada tingkat first difference telah memenuhi syarat sebagai data yang disebut stasioner, namun apabila data pada tingkat first difference ini langsung dianalisis, maka informasi yang didapat hanya sebatas informasi jangka pendek, sehingga untuk memperoleh informasi jangka panjang perlu dilakukan analisis selanjutnya. Untuk mendapatkan informasi jangka pendek serta jangka panjang dari data yang dianalisis, peneliti menggunakan metode VAR yang kemudian dilanjutkan dengan metode VECM (Vector Error Correction Model). Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar
konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek (Arsana, 2005). Tabel 5.1. Tabel Uji Akar Unit pada Level dan First Difference Nilai ADF (berdasarkan SBC Nilai ADF (berdasarkan SBC terbesar) pada Level terbesar) pada First Difference Variabel Tanpa Trend Dengan Trend Tanpa Trend Dengan Trend LLB -2.4941 -3.7573 -8.4474 -8.3739 CAR -3.0192 -3.2147 -7.5702 -7.8661 NIM -2.2264 -5.7627 -12.0425 -12.1118 NPL -3.1586 -1.6793 -8.1771 -9.2245 LDR -.23587 -3.5868 -9.5358 -9.5358 RSBI -1.1672 -.19786 -7.2005 -7.2476 Sumber: Lampiran 2 dan lampiran 3. Keterangan: Tes uji akar unit ini berdasarkan hasil olahan data menggunakan software Microfit 4.0 dengan nilai kritis 95% untuk ADF pada tingkat level tanpa trend sebesar 2.9109 dan dengan trend sebesar -3.4682, nilai kritis 95% ADF untuk tingkat first difference tanpa trend sebesar -2.9147 dan dengan trend sebesar -3.4919.
5.2.
Uji Kointegrasi Uji Kointegrasi dilakukan dengan menggunakan uji Johansen Maximum
Likelihood test yang terlebih dahulu mengurangi ordo VAR (k) menjadi ordo VECM (k-1), ini berarti order VECM yang digunakan adalah 3, karena sebelumnya order VAR-nya adalah 4 yang diperoleh dari pengujian lag optimum. Setelah dilakukan uji kointegrasi dengan berdasarkan pengujian pada
eigenvalue, trace of stochastic matrix dan nilai SBC yang terbesar, kedua tipe pengujian tersebut menunjukkan konsistensi bahwa rank kointegrasinya adalah r = 2, kondisi ini menunjukkan bahwa secara multivariat dari enam sistem persamaan hanya terdapat dua sistem persamaan jangka panjang yang terkointegrasi secara linier. Hasil uji kointegrasi dapat dilihat pada tabel 5.2.
Tabel 5.2. Uji Kointegrasi Menggunakan Uji Johansen Maximum Likelihood Test A. Uji Likelihood Ratio (LR) Tipe Pengujian H0 H1 LR-test Nilai kritis=0,05 1. Didasarkan pada r=0 r=1 55.9689 43,6100 maximal eigenvalue of r<=1 r=2 43.6948 37,8600 the stochastic matrix r<=2 r=3 23.4127 31,7900 r<=3 r=4 17.4118 25,4200 r<=4 r=5 12.0620 19,2200 r<=5 r=6 7.1907 12,3900 2. Didasarkan pada trace r=0 r>=1 159.7409 115,8500 of the stochastic r<=1 r>=2 103.7720 87,1700 matrix r<=2 r>=3 60.0772 63,0000 r<=3 r>=4 36.6645 42,3400 r<=4 r>=5 19.2527 25,7700 7.1907 12,3900 r<=5 r>=6 B. Selection Criteria r=0 r=1 r=2 R=3 r=4 r=5 r=6 1. SBC -481.08 -477.3 -475.7 -480.1 -483.6 -485.6 -486.1 2. HQC -432.3 -421.1 -413.2 -412.7 -412.4 -411.9 -411.1 Sumber: Lampiran 4. Catatan: Pemilihan rank berdasarkan maximal eigenvalue of stochastic matrix dan trace of the stochastic matrix diperoleh dari nilai LR-test yang lebih besar dari nilai kritis pada taraf nyata 5 persen. Sedangkan Schwarz Bayesian Criterion (SBC) dan Hannan-Quinn Criterion (HQC) berdasarkan nilai yang terbesar.
Dari hasil rank kointegrasi dapat dibuat matrik identitas yang menunjukkan hanya satu vektor kointegrasi yang belum terestriksi, sehingga diperoleh matrik sebagai berikut :
1 0 β 31 β 41 β 51 β 61 β 71 β' = 0 1 β 32 β 42 β 52 β 62 β 72
(5.1)
Restriksi dilakukan secara umum sesuai uji LR untuk memperoleh restriksi berdasarkan just identifying sebagai syarat melanjutkan tahap selanjutnya untuk menentukan persamaan yang over identifying. Hasil estimasi VECM diperoleh dari uji LR adalah sebagai berikut:
Tabel 5.3. Hasil VECM Untuk Variabel Dependent Laba Bersih Regressor Coefficient Standard Error T-Ratio[Prob] Intercept -2.4171 38.435 -.62887[.533] dLLB1 -.24538 .23055 -1.0643[.293] dCAR1 .081779 .10208 .80113[.428] dNIM1 .19777 .23279 .84957[.400] dNPL1 .28871 .11149 2.5895[.013] dLDR1 .062770 .10433 .60168[.551] dRSBI1 -.020076 .10926 -.18374[.855] dLLB2 -.025176 .17504 -.14383[.886] dCAR2 .059832 .076317 .78400[.437] dNIM2 .14004 .10586 1.3229[.193] dNPL2 .020209 .11188 .18063[.858] dLDR2 .065019 .10949 .59383[.556] dRSBI2 -.18360 .18358 -1.0001[.323] Sumber: Lampiran 5.
Berdasarkan tabel VECM tersebut diperoleh persamaan laba bank untuk jangka pendek untuk mengetahui elastisitas masing-masing variabel dalam mempengaruhi laba bank. Dari tabel hasil VECM diatas juga dapat diketahui bahwa variabel yang nyata pada taraf 5% hanya terdapat satu variabel yaitu dNPL1 yang memiliki probabilitas sebesar 0,13. Pada jangka pendek hal ini berarti apabila terjadi kenaikan pertumbuhan pada non performing loans satu periode sebelumnya sebesar satu persen maka pertumbuhan laba bank akan naik sebesar 0,36 persen hal ini dapat terjadi karena bank meningkatkan ekspansi kreditnya sehingga return dari bunga pinjaman tersebut yang menjadi pendapatan bank akan naik namun seiring dengan meningkatnya kredit yang disalurkan, tingkat kredit yang bermasalah juga ikut meningkat. Sedangkan untuk persamaan jangka panjang dari hasil analisis VECM tersebut juga diketahui restriksi dua persamaan jangka panjang yang terbentuk adalah:
LB
= 0.41881NIM + 1.5644NPL - 0.057587LDR - 0.71124RSBI + 0.25474Trend
(5.2)
Dalam jangka panjang net interest margin berpengaruh positif terhadap laba. Kenaikan net interest margin sebesar satu persen akan meningkatkan laba bank sebesar 0,42 persen. Hal ini terjadi karena NIM merupakan ukuran rentabilitas bank, sesuai dengan teori jika NIM bernilai positif (naik) hal ini juga berati selisih antara pendapatan bunga yang diterima bank dengan beban bunga yang harus dibayarkan (spread) melebar sehingga NIM dapat meningkatkan laba. Dampak yang positif juga ditunjukkan oleh laba, ketika terjadi kenaikan
non performing loans sebesar satu persen maka laba bank akan naik sebesar 1.56 persen, hal ini dapat terjadi ketika non performing loans yang meningkat disertai dengan peningkatan ekspansi kreditnya sehingga return yang didapat juga akan meningkat dan pada akhirnya akan meningkatkan laba bank. Laba akan mengalami penurunan sebesar 0,057 persen pada jangka panjang apabila terjadi kenaikan LDR sebesar satu persen. Ketika LDR semakin naik hal tersebut memberikan indikasi semakin rendahnya kemampuan likuiditas bank, hal ini disebabkan karena jumlah dana yang dibutuhkan untuk membiayai kredit semakin besar. Ketika para nasabah ingin menarik kembali dananya namun ternyata cadangan uang yang ada di bank tidak mencukupi, hal tersebut dapat menurunkan kepercayaan nasabah dan pada akhirnya nasabah akan menarik secara besar-besaran dan tidak ada lagi yang mau menyimpan dananya di bank tersebut sehingga otomatis laba bank akan menurun. Dalam jangka panjang kenaikan suku bunga SBI sebesar satu persen akan menurunkan laba bank sebesar 0,71 persen. Ketika suku bunga SBI naik bank
lebih memilih mengalokasikan dananya pada SBI karena resikonya lebih kecil serta return yang didapat semakin meningkat, akibatnya dana yang ada di bank berkurang sehingga untuk meningkatkan likuiditasnya kembali bank menaikkan suku bunga simpanan untuk menarik masyarakat untuk meningkatkan dananya, namun untuk menutupi biaya dana yang meningkat tersebut bank pada akhirnya meningkatkan suku bunga pinjamannya tetapi karena adanya persaingan ketat antar bank sehingga suku bunga pinjamannya tidak dapat dinaikkan terlalu tinggi hal ini menyebabkan selisih pendapat bunga yang diterima dengan beban bunga yang harus dibayarkan (spread) mengecil sehingga NIM bank akan turun dan pada akhirnya laba bank akan turun.
5.3.
Respon Dinamis Laba Perbankan Terhadap Guncangan Indikator Perbankan Impuls Response Function (IRF) merupakan alat analisis yang tepat untuk
dapat mengetahui bagaimana respon laba bank terhadap guncangan yang terjadi pada beberapa variabel indikator perbankan, analisis IRF ini juga bertujuan untuk mengetahui kapan waktu yang tepat untuk melakukan guncangan (shock) lagi. Informasi yang dihasilkan oleh analisis IRF ini mencakup informasi jangka pendek dan jangka panjang, karena pengaruh guncangan beberapa variabel sebesar satu standar deviasi tersebut dapat diketahui dari bulan pertama hingga beberapa bulan ke depan.
5.3.1. Respon Dinamis Laba Bank Terhadap Guncangan Suku Bunga SBI Guncangan suku bunga SBI sebesar satu standar deviasi berpengaruh positif terhadap laba bank, namun pada bulan pertama guncangan suku bunga SBI menyebabkan laba bank turun sebesar 7,24 persen dan pada bulan kedua laba bank juga turun sebesar 5,3 persen, bulan ke-empat laba bersih bank mencapai penurunan terbesar yaitu sebesar 9,65 persen. Setelah bulan ke-lima laba bank mulai merespon positif terhadap guncangan suku bunga SBI ini, tercatat pada bulan ke-delapan laba bank mengalami kenaikan terbesar yaitu 7,33 persen. Respon laba terus berfluktuasi akibat guncangan suku bunga SBI ini, namun pada bulan ke-24 laba bank mencapai titik keseimbangan yang baru, peningkatan laba bank stagnan pada kisaran 2,9 persen. Pada jangka pendek guncangan suku bunga SBI menyebabkan laba bank turun, hal ini dikarenakan ada pengaruh dari penurunan NIM dan juga adanya pengaruh menurunnya penyaluran kredit sehingga return yang diterima bank menjadi menurun. Kenaikan suku bunga SBI ini juga berpengaruh pada peningkatan CAR bank, ini berarti dana yang menganggur (idle money) semakin besar dan bank tidak bisa mengalokasikan dananya untuk meraih keuntungan. Dalam jangka panjang, respon laba bank terhadap guncangan suku bunga SBI cenderung positif walaupun pada awalnya fluktuatif yang disebabkan oleh meningkatnya NPLs namun kenaikan NPLs ini dapat cepat diatasi karena adanya cadangan yang telah disediakan bank untuk mengatasi kredit bermasalah. Laba bank akhirnya stabil dan berada di titik positif pada jangka panjang karena return yang didapat bank dari penanaman dana pada SBI semakin tinggi seiring dengan
semakin meningkatnya suku bunga SBI, selain itu bank juga sudah mulai dapat menekan laju kenaikan NPLs. Pengaruh guncangan suku bunga SBI terhadap laba bank dapat dilihat pada gambar 10.
Persen
Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI 0.08 0.06 0.04 0.02 0.00 -0.02 -0.04 -0.06 -0.08 -0.10
LLB
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 10. Respon Laba Terhadap Guncangan Suku Bunga SBI
5.3.2. Respon Dinamis Laba Bank Terhadap Guncangan Capital Adequacy Ratio (CAR) Respon laba bank terhadap guncangan CAR sebesar satu standar deviasi pada jangka pendek sangat fluktuatif dan berpengaruh sangat kecil, dari bulan pertama hingga bulan ke-empat guncangan ini berpengaruh positif terhadap laba bank, sedangkan dari bulan ke-lima hingga bulan ke-17 laba bank merespon negatif atas guncangan CAR ini. Pada bulan pertama laba bank naik sebesar 3,46 persen, dan pada bulan ke-tiga laba bank mengalami kenaikan yang paling besar karena guncangan CAR yaitu sebesar 7,6 persen, dan penurunan laba bank terbesar terjadi pada bulan ke-tujuh yaitu sebesar 4,9 persen. Laba bank tidak memberikan respon lagi terhadap guncangan ini setelah bulan ke-26 dimana laba
bank mencapai titik keseimbangan yang baru pada kisaran 0,5 persen. Pada jangka pendek ketika guncangan rasio kecukupan modal terjadi, respon dinamis laba berfluktuasi hal ini terjadi karena dengan semakin meningkatnya CAR bank maka menurut pengukuran tingkat kesehatan bank akan semakin sehat sehingga menarik masyarakat untuk menyimpan dananya di bank tersebut karena masyarakat merasa aman. Dana pihak ketiga ini meningkatkan likuiditas bank sehingga bank dapat menyalurkan kredit kepada pihak yang mengajukan kredit dan dari kredit yang disalurkan tersebut bank mendapatkan keuntungan dari bunga yang harus dibayarkan oleh debitur sehingga laba bank akan meningkat. Namun disisi lain semakin tinggi CAR berarti semakin banyak pula dana yang menganggur (idle money), hal ini berarti bank tidak dapat menyalurkan dana tersebut ke pos-pos yang dapat meningkatkan laba bank sehingga laba bank akan turun. Respon laba bank terhadap guncangan CAR dapat dilihat pada gambar 11. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for CAR 0.08 0.06 Persen
0.04 0.02
LLB
0.00 -0.02 -0.04 -0.06
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 11. Respon Laba Terhadap Guncangan Capital Adequacy Ratio
5.3.3. Respon Dinamis Laba Bank Terhadap Guncangan Net Interest Margin (NIM) Guncangan NIM mempengaruhi laba bank secara positif. Guncangan sebesar satu standar deviasi pada NIM menyebabkan laba bank tumbuh sebesar 3.06 persen pada bulan pertama, dan naik sebesar 17,59 persen pada bulan ke-dua yang merupakan kenaikan terbesar akibat guncangan pada NIM. Guncangan NIM terus berfluktuasi pada jangka pendek, namun pada bulan ke-15 guncangan NIM tidak lagi berpengaruh pada laba bank karena telah mencapai titik keseimbangan baru, laba bank tumbuh stagnan pada kisaran 7 persen. NIM berpengaruh positif terhadap laba bank dikarenakan pendapatan bunga yang diterima bank baik dari kredit maupun surat-surat berharga lebih besar dari beban bunga yang harus dibayar oleh bank sehingga NIM bernilai positif dan akan menambah pos pendapatan bank sehingga laba bank akan meningkat. Pengaruh guncangan NIM terhadap laba bank dapat dilihat pada gambar 12. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for NIM 0.20
Persen
0.15 LLB
0.10 0.05 0.00
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 12. Respon Laba Terhadap Guncangan Net Interest Margin
5.3.4. Respon Dinamis Laba Bank Terhadap Guncangan Non Performing Loans (NPLs) Guncangan NPLs sebesar satu standar deviasi memberikan pengaruh yang cukup besar terhadap laba bank. Guncangan sebesar satu standar deviasi pada NPLs juga akan menyebabkan laba bank bertambah sebesar 27,53 persen pada bulan pertama. Respon laba ini terus mengalami fluktuasi sampai bulan ke-16 guncangan NPLs ini tidak lagi berpengaruh pada laba bank dan mencapai keseimbangan baru pada kisaran 20 persen. Pengaruh NPLs yang positif terhadap laba bank dapat dijelaskan karena bank mengekspansi kredit cukup tinggi yang dapat dilihat dari tingkat LDR yang meningkat sehingga bank mendapat return yang cukup besar dalam bentuk bunga yang dibebankan kepada debitur sehingga laba bank akan meningkat, namun disisi lain peningkatan ekspansi kredit juga disertai dengan meningkatnya NPLs. Respon laba terhadap guncangan NPLs ini dapat dilihat pada gambar 13. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for NPL 0.30
Persen
0.25 0.20 LLB
0.15 0.10 0.05 0.00
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 13. Respon Laba Terhadap Guncangan Non Performing Loans
5.3.5. Respon Dinamis Laba Bank Terhadap Guncangan Loan to Deposit Ratio (LDR) Respon positif ditunjukkan laba bank ketika mengalami guncangan LDR sebesar satu standar deviasi, pada bulan pertama laba bank hanya mengalami kenaikan sebesar 2,84 persen akibat guncangan ini dan bulan ke-tiga merupakan kenaikan tertinggi dari laba bank yaitu sebesar 26,07 persen dan terus berfluktuasi hingga akhirnya laba bank stagnan pada kisaran 13 persen di bulan ke-26. Semakin meningkatnya LDR berarti semakin besar juga dana yang disalurkan untuk kredit. Ekspansi kredit yang semakin tinggi menghasilkan return yang tinggi pula untuk pendapatan bank sehingga laba bank akan naik. Dampak positif akibat guncangan LDR terhadap laba bank ditunjukkan oleh gambar 14. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LDR 0.30
Persen
0.25 0.20 LLB
0.15 0.10 0.05 0.00
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 14. Respon Laba Terhadap Guncangan Loan to Deposit Ratio
5.3.6. Respon Dinamis Laba Bank Terhadap Guncangan Laba Bank Hasil analisis IRF menunjukkan bahwa guncangan laba mempengaruhi variabel laba bersih itu sendiri secara positif dan merupakan pengaruh yang terbesar pada laba bank, tercatat pada bulan pertama setelah guncangan laba
sebesar satu standar deviasi terjadi menyebabkan laba bank naik sebesar 34,8 persen. Dampak guncangan ini terus berfluktuasi hingga akhirnya tidak berpengaruh lagi terhadap laba bank pada bulan ke-23 karena laba bank telah mencapai keseimbangan baru dan nilainya satgnan pada kisaran 27,5 persen. Respon yang positif ini dikarenakan ketika laba meningkat berarti bank memiliki kelebihan dana untuk terus meningkatkan alokasi dananya pada pos-pos (aktiva produktif) yang akan meningkatkan keuntungan sehingga pendapatan operasional bank lebih besar daripada biaya operasional maupun non operasional dan pada akhirnya laba bank akan naik. Respon laba bank terhadap guncangan pada labanya itu sendiri dapat dilihat pada gambar 15. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LLB 0.5
Persen
0.4 LLB
0.3 0.2 0.1 0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 15. Respon Laba Bank Terhadap Guncangan Laba
5.4.
Respon Dinamis Terhadap Guncangan Suku Bunga SBI Analisis respon variabel indikator perbankan terhadap guncangan pada
suku bunga SBI akan dijelaskan lewat uji IRF yang hasilnya dapat dilihat dalam Gambar 16-19.
5.4.1. Respon Dinamis Capital Adequacy Ratio (CAR) Terhadap Guncangan Suku Bunga SBI Guncangan suku bunga SBI sebesar satu standar deviasi berpengaruh positif terhadap CAR, pada jangka pendek CAR menunjukkan respon yang berfluktuasi, pada bulan pertama guncangan pada suku bunga SBI mampu meningkatkan CAR sebesar 38,93 persen dan pengaruhnya terus bertambah besar hingga akhir periode ke-50, namun peningkatan CAR akibat guncangan ini akan stagnan pada bulan ke-27 yaitu berada pada kisaran 80 persen. Ketika suku bunga SBI meningkat bank lebih tertarik mengalokasikan dananya dalam bentuk SBI hal ini disebabkan resiko menyimpan dana dalam bentuk SBI lebih kecil sehingga aktiva tertimbang menurut resiko menurun dan pada akhirnya CAR bank meningkat. Dalam jangka panjang laba bank memberikan kontribusi kenaikan CAR karena laba tahun berjalan meningkat (yang termasuk dalam modal inti) sehingga modal inti pun akan meningkat dan pada akhirnya CAR bank akan naik. Respon CAR setelah terjadi guncangan suku bunga SBI dapat dilihat pada gambar 16. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI 1.0
Persen
0.8 0.6 CAR 0.4 0.2 0.0 0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 16. Respon Capital Adequacy Ratio Terhadap Guncangan Suku Bunga SBI
5.4.2. Respon Dinamis Net Interest Margin (NIM) Terhadap Guncangan Suku Bunga SBI Hasil analisis IRF menunjukkan respon NIM terhadap guncangan suku bunga SBI sebesar satu standar deviasi menunjukkan respon yang sangat fluktuatif pada jangka pendek, pada bulan pertama setelah guncangan, NIM naik sebesar 64.86 persen, namun pada bulan ke-dua NIM menurun sangat tajam sehingga berbalik merespon negatif, yaitu NIM turun sebesar 21,6 persen, bulan ke-tiga NIM masih menunjukkan respon yang negatif akibat guncangan suku bunga SBI ini yaitu sebesar 11,2 persen. Namun pada bulan ke-empat, ke-enam dan ke-sembilan NIM kembali merespon positif atas guncangan ini dan akhirnya kembali mengalami penurunan mulai bulan kelima dimana responnya terus berfluktuasi hingga mencapai keseimbangan baru pada bulan ke-25 dimana NIM berada kisaran tujuh persen. Respon negatif NIM akibat adanya guncangan suku bunga SBI dikarenakan ketika suku bunga SBI naik maka suku bunga deposito pun akan ikut meningkat hal ini dikarenakan bank mencoba untuk menarik dana dari masyarakat, untuk menutupi biaya dana tersebut bank menaikkan suku bunga pinjamannya namun karena persaingan yang ketat dalam menyalurkan kredit maka suku bunga pinjaman tidak dapat dinaikkan terlalu tinggi hal tersebut menyebabkan selisih suku bunga deposito dan suku bunga pinjaman mengecil dan pada akhirnya NIM bank juga ikut menurun, seperti telah dikemukakan Alamsyah, et al., (2000) yang menyatakan bahwa ketika bank merasa bahwa biaya dari kredit macet lebih besar dari opportunity cost dari memegang dana
tidak produktif (NPLs + Reserve Requirement + Exceed Reserve)
bank
cenderung menggerakan tingkat suku bunga pinjaman lebih lambat dari tingkat suku bunga deposit, sehingga selisih bunga yang diterima akan mengecil. Respon
net interest margin terhadap laba dapat dilihat pada gambar 17. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI 0.8
Persen
0.6 0.4 NIM
0.2 0.0 -0.2 -0.4 0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 17. Respon Net Interest Margin Terhadap Guncangan Suku Bunga SBI
5.4.3. Respon Dinamis Non Performing Loans (NPLs) Terhadap Guncangan Suku Bunga SBI Hasil analisis IRF menunjukkan guncangan suku bunga SBI sebesar satu standar deviasi berpengaruh cukup besar terhadap perubahan NPLs. Respon NPLs pada bulan pertama setelah terjadi guncangan menyebabkan NPLs naik sebesar 10.4 persen dan terus meningkat hingga mencapai kenaikan sebesar 46,26 persen pada bulan ke-enam setelah guncangan. Responnya terus berfluktuasi hingga bulan ke-19 dimana kenaikan NPLs bank akibat guncangan ini stagnan pada kisaran 23. persen. Ketika suku bunga SBI naik maka bank-bank akan lebih tertarik menanamkan dananya pada surat berharga ini dan mengurangi alokasi dananya
terhadap kredit, dana yang digunakan untuk membeli SBI mengakibatkan likuiditas bank berkurang untuk itu bank menaikkan suku bunga depositonya untuk menarik dana masyarakat sehingga likuiditas bank tetap terjaga, namun dengan bertambahnya biaya dana ini memaksa bank untuk meningkatkan juga suku bunga pinjamannya. Dengan komplektisitas permasalahan ekonomi yang sedang dihadapi ditambah dengan tingkat suku bunga pinjaman yang tinggi akan mendorong tingkat NPLs menjadi tinggi. Perubahan respon NPLs akibat adanya guncangan pada suku bunga SBI dapat dilihat pada gambar 18. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI 0.5
Persen
0.4 0.3 NPL 0.2 0.1 0.0
0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 18. Respon Non Performing Loans Terhadap Guncangan Suku Bunga SBI
5.4.4. Respon Dinamis Loan to Deposit Ratio (LDR) Terhadap Guncangan Suku Bunga SBI Respon yang negatif ditunjukkan oleh variabel LDR apabila guncangan suku bunga SBI sebesar satu standar deviasi terjadi. Pengaruh guncangan LDR ini sangat besar, tercatat pada awal bulan setelah guncangan, LDR turun hingga 81,4 persen, bahkan mencapai angka 90,57 persen pada bulan ke-20 setelah guncangan, dan pada bulan ke-24 penurunan LDR mulai stagnan pada kisaran 89 persen.
Dampak yang negatif ini dikarenakan ketika suku bunga SBI naik, bank enggan untuk mengeluarkan pinjamannya karena resiko pengembalian pinjaman cukup tinggi dan bank lebih memilih menyimpan dananya pada SBI karena lebih aman dan memiliki nilai pengembalian yang tinggi. Judisseno (2000) menyatakan bahwa ketika iklim investasi yang tidak kondusif dikarenakan faktor-faktor keamanan dan ketidakpastian hukum serta jumlah uang beredar yang berlebih di masyarakat mengakibatkan Bank Sentral menaikkan tingkat suku bunga SBI. Hal ini berdampak pada naiknya tingkat suku bunga simpanan dan untuk mengimbangi keluarnya biaya dana tersebut bank menaikkan tingkat suku bunga kreditnya, sehingga permintaan akan kredit menurun. Atas dasar tersebut bank mengalokasikan dananya pada SBI sehingga alokasi dana untuk kredit (LDR) berkurang. Menurut Alamsyah, et al. (2000), selama bank terus menerima resiko pinjaman yang tinggi seiring dengan resiko yang rendah dalam memegang SBI, bank akan enggan untuk mengeluarkan pinjaman, khususnya terhadap debitur baru. Gambar 19 menunjukkan respon negatif LDR akibat adanya guncangan suku bunga SBI. Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI 0.0
Persen
-0.2 -0.4 LDR -0.6 -0.8 -1.0 0
5
10
15
20
25
30
35
40
45
50
Horizon
Gambar 19. Respon Loan to Deposit Ratio Terhadap Guncangan Suku Bunga SBI
5.5.
Analisis Forecast Error Variance Decomposition (FEVD) Analisis ini berguna untuk mengetahui peranan masing-masing variabel
terhadap variabilitas variabel lain, atau menelaah fluktuasi suatu variabel. Hasil analisis FEVD ini dapat dilihat selengkapnya pada tabel 5.4. Hasil
analisis
Forecast
Error
Variance
Decomposition
yang
diortogonalisasi memperkuat hasil analisis IRF sebelumnya yang menunjukkan bahwa laba perbankan di Indonesia sangat dipengaruhi oleh guncangan labanya itu sendiri. Pada jangka pendek (1 bulan) guncangan terhadap laba mencapai tingkat 80,7 persen dan jangka panjang (24 bulan) sebesar 50,6 persen. Hal ini berarti laba bank sangat dipengaruhi oleh komponen penerimaan dan pengeluaran pendapatan yang terdiri dari pendapatan bunga, pengeluaran bunga, pendapatan bunga bersih, pendapatan perdagangan, pendapatan investasi, pendapatan operasional lainnya, pendapatan kotor, pengeluaran operasional, depresiasi, pendapatan operasional bersih. Selain laba bank itu sendiri variabel yang juga cukup besar memberikan proporsi terhadap perubahan laba bank adalah NPLs, dimana pada jangka pendek guncangan NPLs akan menyebabkan laba bank berubah sebesar 17,4 persen, dan pada jangka panjang (24 bulan) pengaruhnya yaitu sebesar 29,6 persen. Sedangkan suku bunga SBI hanya mempengaruhi laba bank sebesar 1.2 persen pada jangka pendek (1 bulan) dan pada jangka panjang (24 bulan) pengaruh suku bunga SBI terhadap laba bank naik menjadi 1,4 persen. Variabel yang paling mempengaruhi Capital Adequacy Ratio (CAR) pada jangka pendek adalah variabel CAR itu sendiri, pada awal bulan proporsi yang diberikan oleh CAR dalam mempengaruhi perubahan CAR adalah sebesar 52,2
persen, namun dalam jangka panjang (24 bulan) suku bunga SBI lebih mempengaruhi perubahan CAR yaitu sebesar 35,3 persen. Tabel 5.4. Hasil Analisis Forecast Error Variance Decomposition Proporsi Guncangan (%) Variabel Periode Endogen LB CAR NIM NPL LDR 0 100 0 0 0 0 1 80.7 2.7 2.1 17.4 0.1 3 57.0 1.5 4.6 23.2 12.5 6 51.1 1.0 5.9 26.5 13.5 9 49.6 1.0 5.3 28.9 13.0 LB 12 49.3 0.9 4.9 29.7 13.0 15 49.6 0.8 4.7 29.8 13.2 18 50.0 0.6 4.6 29.7 13.2 21 50.3 0.6 4.5 29.6 13.2 24 50.6 0.5 4.5 29.6 13.2 1 32.2 52.2 0.2 9.4 0.3 3 26.4 39.5 2.2 15.5 10.3 6 24.3 33.8 3.4 15.7 9.9 9 27.3 29.5 3.5 14.2 9.3 CAR 12 30.0 24.9 3.6 12.1 8.8 15 31.4 20.9 3.8 10.3 8.2 18 32.0 17.8 3.9 8.8 7.7 21 32.4 15.5 4.1 7.8 7.2 24 32.6 13.7 4.2 6.9 6.9 1 1.6 7.8 4.9 13.6 50.7 3 1.5 12.5 9.2 22.9 36.5 6 1.1 23.2 7.4 18.2 37.0 9 0.9 33.5 7.0 14.6 33.2 12 0.8 41.7 6.8 12.1 29.4 NIM 15 0.6 47.9 6.7 10.3 26.4 18 0.6 52.5 6.6 9.0 24.2 21 0.5 56.0 6.5 7.9 22.6 24 0.4 58.7 6.5 7.1 21.3 1 0.7 17.3 1.6 71.2 7.8 3 2.2 29.0 0.7 57.0 6.6 6 1.0 36.4 0.6 45.5 6.1 9 1.0 38.3 0.7 42.0 5.8 12 1.2 38.5 0.8 41.1 5.7 NPL 15 1.3 38.4 0.8 41.0 5.8 18 1.5 38.2 0.9 41.1 5.8 21 1.5 38.1 0.9 41.2 5.9 24 1.6 37.8 0.9 41.3 5.9
RSBI 0 1.2 1.0 1.7 1.8 1.9 1.7 1.6 1.5 1.4 5.4 5.8 12.6 15.9 20.3 25.2 29.4 32.7 35.3 21.3 17.1 12.8 10.4 8.8 7.7 6.8 6.2 5.7 0.4 4.1 10.2 11.9 12.2 12.3 12.3 12.2 12.1
Variabel Periode Endogen
LDR
RSBI
1 3 6 9 12 15 18 21 24 1 3 6 9 12 15 18 21 24
LB 1.8 2.3 2.4 2.0 1.8 1.6 1.5 1.4 1.3 1.5 2.3 2.6 2.0 3.0 1.6 1.5 1.4 2.3
CAR 0.05 0. 8 1.7 3.3 5.7 8.3 10.4 11.9 13.1 0.9 0.8 4.6 3.3 16.2 8.3 10.4 11.9 25.3
Proporsi Guncangan (%) NIM NPL LDR 2.5 37.1 46.1 3.7 29.8 44.3 4.1 27.4 40.9 4.1 24.2 39.5 4.1 20.8 37.3 4.0 18.0 35.1 4.0 15.9 33.2 4.0 14.3 31.8 3.9 13.1 30.8 8.3 32.5 34.7 3.7 29.8 44.3 8.1 38.3 28.3 4.1 24.2 39.5 5.3 41.5 16.3 4.0 18.0 35.1 4.0 15.9 33.2 4.0 14.3 31.8 3.7 40.1 9.7
RSBI 12.1 18.8 23.4 26.7 30.0 32.8 34.8 36.3 37.4 21.8 18.8 17.7 26.7 17.4 32.8 34.8 36.3 18.6
Sumber: Lampiran 10.
Dalam jangka pendek variabel LDR merupakan variabel yang memberikan proporsi paling besar dalam mempengaruhi Net Interest Margin (NIM). Pada jangka pendek (1 bulan) proporsi yang diberikan LDR dalam mempengaruhi NIM yaitu sebesar 50,7 persen namun dalam jangka panjang (24 bulan) guncangan pada CAR merupakan variabel yang paling berpengaruh terhadap perubahan NIM yaitu sebesar 58,7 persen. Suku
bunga SBI juga turut memberikan proporsi
perubahan yang cukup besar yaitu 21,3 persen pada jangka pendek (1 bulan), namun proporsi yang diberikannya semakin kecil pada jangka panjang yaitu 0,4 persen. Perubahan Non Performing Loans (NPLs) sangat dipengaruhi oleh guncangan NPLs-nya itu sendiri yang dalam jangka pendek memberikan proporsi sebesar 71.2 persen terhadap terjadinya perubahan NPLs, namun pada jangka
panjang (24 bulan) proporsi pengaruhnya semakin kecil yaitu sebesar 41,3 persen. Proporsi pengaruh suku bunga SBI cukup memberi peranan dalam perubahan NPLs walaupun pada jangka pendek (1 bulan) proporsinya hanya sebesar 0.4 persen namun dalam jangka panjang (24 bulan) proporsinya terhadap perubahan NPLs naik menjadi 12,1 persen. Ketika suku bunga SBI naik maka bank-bank akan lebih tertarik menanamkan dananya pada surat berharga ini dan mengurangi alokasi dananya terhadap kredit, dana yang digunakan untuk membeli SBI mengakibatkan likuiditas bank berkurang untuk itu bank menaikkan suku bunga depositonya untuk menarik dana masyarakat sehingga likuiditas bank tetap terjaga, namun dengan bertambahnya biaya dana ini memaksa bank untuk meningkatkan juga suku bunga pinjamannya, dengan kondisi makroekonomi yang belum stabil ditambah dengan tingkat suku bunga pinjaman yang tinggi mendorong angka NPLs menjadi tinggi. Pada jangka pendek (1 bulan) Loan To Deposit Ratio (LDR) merupakan variabel yang memberikan proporsi paling besar dalam mempengaruhi perubahan LDR itu sendiri proporsinya mencapai 46,1 persen namun pada jangka panjang variabel yang memberikan proporsi paling besar dalam mempengaruhi perubahan LDR adalah suku bunga SBI yaitu sebesar 37,4 persen, hal ini dikarenakan resiko menyimpan dana dalam bentuk SBI lebih kecil dibandingkan dalam bentuk kredit sehingga bank akan lebih tertarik untuk mengalokasikan dananya pada kredit. Sedangkan guncangan yang paling mempengaruhi suku bunga SBI adalah LDR, NPLs, dan suku bunga SBI itu sendiri. Pada awal bulan variabel LDR dan NPLs hampir memiliki peranan yang sama yaitu secara berturut-turut sebesar 32,5
persen dan 34,7 persen, sementara itu proporsi peranan suku bunga SBI itu sendiri cukup besar yaitu 21,87 persen. Pada jangka panjang (24 bulan) peranan terbesar dalam mempengaruhi perubahan suku bunga SBI adalah guncangan dari NPLs yaitu sebesar 40,1 persen.
5.6.
Simulasi Kebijakan Simulasi kebijakan perlu dilakukan untuk mengetahui bagaimana dampak
kebijakan yang akan ditetapkan, sehingga Bank Sentral memiliki gambaran mengenai langkah kebijakan yang lebih tepat. Besaran standar deviasi diperoleh dari akar varians masing-masing variabel. Tabel 5.5. Nilai Satu Standar Deviasi No Variabel Nilai Satu Standar Deviasi 1 LB 0.480936 2 CAR 1.142147 3 NIM 0.334439 4 NPL 0.743552 5 LDR 1.546964 6 RSBI 1.427655
Simulasi Kenaikan Sebesar 0,25% 0.000519 0.000218 0.000747 0.000336 0.001616 0.001751
Sumber: Data olahan.
Apabila kondisi makroekonomi Indonesia mengalami fluktuasi tidak terduga dengan inflasi yang semakin meningkat dan Bank Indonesia melakukan skenario untuk mengeluarkan paket kebijakan lagi seperti yang dilakukan pada awal Januari 2006 untuk tetap melakukan kebijakan moneter ketat (tight bias) dalam rangka tetap membawa ekspektasi inflasi ke depan kearah inflasi jangka menengah maka kenaikan suku bunga SBI tidak terhindarkan, maka seandainya Bank Sentral berencana menaikkan tingkat suku bunga SBI 1 bulan hingga sebesar 25 basis poin atau sebesar 0,25% dilihat dari analisis yang telah dilakukan
untuk melihat fluktuasi laba akibat guncangan suku bunga SBI yaitu sebesar 1,2 persen pada awal bulan, maka dapat ditarik kesimpulan bahwa jika guncangan terhadap suku bunga BI adalah sebesar 0,0017511 standar deviasi, maka pengaruh guncangan suku bunga SBI terhadap perubahan laba adalah sebesar 0,0021 persen pada bulan pertama, proporsi perubahan laba bank satu tahun setelah terjadi guncangan suku bunga SBI. Tabel 5.6. Hasil Simulasi Kebijakan Suku Bunga SBI Terhadap Laba Perbankan Periode Proporsi guncangan Proporsi guncangan Proporsi guncangan (%) sebelum (%) setelah simulasi (%) setelah simulasi simulasi sebesar 0,25% sebesar 0,5% 1 1.2 0.0021 0.0042 3 1.0 0.0017 0.0035 6 1.7 0.0029 0.0059 9 1.8 0.0031 0.0063 12 1.9 0.0033 0.0066 15 1.7 0.0029 0.0059 18 1.6 0.0028 0.0056 21 1.5 0.0026 0.0052 24 1.4 0.0024 0.0049 Sumber: Data olahan. Catatan: Proporsi guncangan setelah suku bunga SBI disimulasi diperoleh dari hasil pengalian nilai satu standar deviasi suku bunga SBI dengan proporsi guncangan sebelum suku bunga SBI disimulasi.
BAB VI. KESIMPULAN DAN SARAN
6.1. Kesimpulan 1.
Hasil analisis ini menunjukkan dalam jangka pendek yang signifikan mempengaruhi laba bank hanya non performing loans satu periode sebelumnya, sedangkan dalam jangka panjang menunjukkan adanya hubungan yang positif antara laba dengan net interest margin dan non
performing loans, namun berhubungan negatif dengan loan to deposit ratio dan suku bunga SBI. 2.
Respon laba akibat guncangan kinerja bank menunjukkan pengaruh yang positif sedangkan pengaruh guncangan suku bunga SBI akan direspon negatif oleh laba bank.
3.
Hasil analisis Impulse Response Function (IRF) dan Forecast Error
Variance Decomposition (FEVD) menunjukkan bahwa suku bunga SBI hanya berpengaruh kecil terhadap perubahan laba. Variabel yang paling berpengaruh terhadap perubahan laba bank adalah variabel laba itu sendiri, hal ini berarti komponen pendapatan dan pengeluaran laba lebih berpengaruh terhadap perubahan besarnya laba. 4.
Dari hasil simulasi kebijakan dapat disimpulkan bahwa semakin tinggi suku bunga SBI maka semakin kecil pula proporsi guncangan yang diberikan terhadap laba.
6.2. Saran 1.
Karena variabel yang paling berpengaruh pada laba bank adalah labanya itu sendiri, maka bank sebaiknya meningkatkan laba melalui fee based income (jasa pembayaran) karena lebih memberikan kepastian memperoleh pendapatan, selain itu jika bank menaikkan suku bunga kreditnya maka resiko kredit macet akan semakin tinggi dan debitur tidak tertarik lagi untuk mengajukan pinjaman karena tingkat suku bunga kredit yang tinggi.
2.
Bank perlu melakukan analisis kredit yang lebih mendalam agar dapat menekan tingkat non performing loans bank yang dapat mengurangi laba perbankan.
3.
Dari hasil simulasi kenaikan suku bunga SBI yang telah dilakukan maka sebaiknya Bank Indonesia berusaha untuk menahan naiknya tingkat suku bunga SBI karena proporsi guncangan yang diberikan suku bunga SBI semakin mengecil dan bank akan lebih memilih menanamkan dananya pada SBI dibandingkan menyalurkan kredit sebagai fungsi utamanya.
DAFTAR PUSTAKA
Agung, J. 1998. “Financial Deregulation and the Bank Lending Channel in Developing Countries : the Case of Indonesia”. Asian Economic Journal. Vol 12 No 13, USA. Agung, J. dan P. Warjiyo. 2002. Transmission Mechanism of Moneter Policy in Indonesia. Bank Indonesia, Jakarta. Alamsyah, H. dan D. Zulverdi. 2005. “Banking Disintermediation and Its Implication for Monetary Policy: The Case of Indonesia”. http://www.google.com [Maret 2005]. Anggraeni, Y. 2005. Analisis Faktor-faktor yang Mempengaruhi Laba Bank Umum Syariah di Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Arsana, I.G.P. 2005. Vector Auto Regressive. Laboratorium Komputasi Ilmu Ekonomi FEUI, Universitas Indonesia, Jakarta. Bank Indonesia. 2003. Tinjauan Kelembagaan, Kebijakan, dan Organisasi. Pusat Pendidikan dan Studi Kebanksentralan. Bank Indonesia, Jakarta. ____________. 2004. Statistik Perbankan Indonesia 2004. Bank Indonesia, Jakarta. Batiz, F.R. dan Luis R.B. 1985, International Finance and Open Economy, Macroeconomics. Mcmillan Publishing co, New York. Brooks, C. 2002. Introductory Econometrics for Finance. Cambridge University Press, UK. Dendawijaya, L. 2001. Manajemen Perbankan. Ghalia Indonesia, Jakarta. Enders, W. 2000. Appllied Economic Time Series. John Wiley & Sons, New York. Febryani, A. dan R. Zulfadin. 2003. “Analisis Kinerja Bank Devisa dan Bank Non Devisa di Indonesia”. Kajian Ekonomi dan Keuangan, Vol. 7, No. 4. Greuning, H.V. dan S.B. Bratanovic. 2000. Analyzing Banking Risk. The World Bank, Washington D.C.
Gujarati, D. 1995. Ekonometrika Dasar. Zain dan Sumarno [penerjemah]. Erlangga, Jakarta. Hasibuan M.S.P. 2005. Dasar-Dasar Perbankan. PT. Bumi Aksara, Jakarta. Ikhsan, M. 1996. “Penentuan Tingkat Bunga di Indonesia”. Jurnal Ekonomi Indonesia:117. Jong, R.P.D. 2005. Analisis Kesinambungan Fiskal di Indonesia dan Faktorfaktor yang Mempengaruhinya [skripsi]. Bogor: Institut Pertanian Bogor. Judisseno, R.K. 2002. Sistem Moneter dan Perbankan di Indonesia. PT. Gramedia, Jakarta. Koch, T.W. dan S.S. MacDonald. Bank Management 5th Edition. Thomson, South Western. Lestari, K.I. 2005. Pengaruh Struktur Modal Terhadap Laba Bank Rakyat Indonesia (Periode 2000-2004) [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Mankiw, G.N. 2000. Teori Makroekonomi, edisi keempat, penerjemah Iman Nurmawan, Erlangga, Jakarta. Mishkin, F.S. 2001. The Economic of Money, Banking and Financial Markets, sixth edition, Columbia University. Nugroho, A.E. 2002. Sektor Perbankan dan Keuangan di Indonesia, Pamator, Jakarta. Pasaribu, S.H., D. Hartono, dan T. Irawan. 2005. Pedoman Penulisan Skripsi. Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Pesaran. M.H. dan B. Pesaran. 1997. Working with Microfit 4.0 Interactive Econometric Analysis. Oxford University. Republik Indonesia. 1998. Undang-Undang Tentang Perbankan No. 10 Tahun 1998. Rindjin, K. 2000. Pengantar Perbankan dan Lembaga Keuangan Bukan Bank. Jakarta. Rose, P.S. 1999. Commercial Bank Management 4th Edition. Mc. Graw Hill Companies. Inc.
Setyaningsih. 2001. “Faktor-Faktor Sektor Keuangan Bank yang Berpengaruh terhadap Kinerja Keuangan Perbankan pada saat Krisis Ekonomi di Indonesia“. Ventura, Volume 4, No. 2: 1. Sugiyono, F.X. 2004. Operasi Pasar Terbuka. Pusat Pendidikan dan Studi Kebanksentralan, Jakarta. Thomas, R. L. 1997. Modern Econometrics – an Introduction. Department of Economics, Manchester Metropolitan University. Warjiyo, P. 2004. Bank Indonesia Bank sentral Republik Indonesia – Sebuah Pengantar. Pusat Pendidikan dan Studi Kebanksentralan, Bank Indonesia, Jakarta.
LAMPIRAN
Lampiran 1. Data yang Digunakan PERIODE Jan-01 Feb-01 Mar-01 Apr-01 Mei-01 Jun-01 Jul-01 Agust-01 Sep-01 Okt-01 Nop-01 Des-01 Jan-02 Feb-02 Mar-02 Apr-02 Mei-02 Jun-02 Jul-02 Agust-02 Sep-02 Okt-02 Nop-02 Des-02 Jan-03 Feb-03 Mar-03 Apr-03 Mei-03 Jun-03 Jul-03 Agust-03 Sep-03 Okt-03 Nop-03 Des-03
LABA BERSIH 2.340.120 3.522.979 3.928.531 6.243.979 9.020.011 8.055.157 8.564.031 11.031.364 11.856.490 12.907.459 15.070.276 12.811.004 1.964.565 4.228.908 5.260.521 8.004.476 9.227.246 10.634.470 11.901.344 13.164.097 14.817.141 16.384.676 16.935.865 16.210.050 2.869.752 5.123.468 6.202.144 8.247.723 9.874.199 11.136.368 13.330.401 15.060.746 16.792.755 19.138.540 19.690.666 19.514.116
CAR 13,72 14,74 14,19 14,21 15,41 15,80 17,43 19,44 19,04 18,96 19,01 19,93 23,42 23,38 24,20 23,18 23,43 23,25 23,48 23,17 24,04 23,03 22,77 22,44 23,90 25,30 23,44 23,77 23,07 22,86 22,28 22,80 20,44 19,01 20,39 19,43
NIM 3,6 3,46 3,42 3,41 3,38 3,58 3,58 3,66 4,06 4,07 4,11 4,14 3,8 3,75 3,84 3,87 3,89 3,94 3,98 4,04 4,06 4,07 4,11 4,14 4,31 4,2 4,29 4,34 4,36 4,41 4,48 4,54 4,63 4,73 4,74 4,64
NPL 19,66 18,78 19,13 19,55 18,54 17,48 16,37 16,23 15,11 14,81 14,09 12,22 12,01 12,49 12,85 13,24 12,32 11,79 13,21 12,47 10,93 10,64 10,25 7,65 7,93 7,65 7,61 7,36 7,46 6,48 7,06 6,66 6,75 6,64 7,12 6,78
LDR 39,2175 39,8177 40,6761 42,2547 41,9705 42,1971 41,0568 40,7083 42,4771 43,0292 40,4751 39,4961 38,9843 39,1653 39,4341 39,5618 39,2767 40,1372 41,2668 42,1856 42,9632 43,4691 44,8225 44,3684 44,0619 44,7034 45,7714 46,2449 46,5073 46,6424 47,1602 47,7227 48,2372 48,4817 50,0171 49,3575
SBI 14,74 14,79 15,82 16,09 16,33 16,65 17,17 17,67 17,57 17,58 17,6 17,62 16,93 16,86 16,76 16,6 15,51 15,11 14,93 14,35 13,22 13,1 13,06 12,93 12,69 12,24 11,4 11,06 10,44 9,53 9,1 8,91 8,66 8,48 8,49 8,31
LABA BERSIH Jan-04 3.485.998 Feb-04 5.988.890 Mar-04 8.591.493 Apr-04 10.323.074 Mei-04 13.175.192 Jun-04 15.071.764 Jul-04 17.714.224 Agust-04 20.559.972 Sep-04 23.035.011 Okt-04 25.113.071 Nop-04 26.833.136 Des-04 28.971.892 Jan-05 3.028.148 Feb-05 5.302.051 Mar-05 7.612.794 Apr-05 9.977.950 Mei-05 12.575.971 Jun-05 13.868.331 Jul-05 15.248.472 Agust-05 17.557.395 Sep-05 19.230.512 Okt-05 20.645.653 Nop-05 22.135.053 Des-05 23.192.363 Sumber: Bank Indonesia. PERIODE
CAR 23,79 23,32 23,49 22,46 21,68 21,08 20,70 20,72 20,78 20,44 19,77 19,42 22,35 22,09 21,75 21,21 20,03 19,51 18,45 18,94 19,43 19,44 19,69 19,30
NIM 5,79 5,69 5,89 5,89 5,85 5,83 5,83 5,81 5,79 5,81 5,83 5,88 5,92 5,7 5,81 5,81 5,73 5,75 5,7 5,68 5,65 5,64 5,64 5,63
NPL 6,73 6,86 6,12 6,29 6,42 6,13 6,02 5,82 5,53 5,39 5,44 4,44 4,67 4,69 6,26 4,47 6,37 6,99 7,64 8,02 7,87 7,5 7,84 7,56
LDR 49,4014 50,2375 51,2737 52,6453 53,1952 53,7769 54,2786 55,5475 55,9295 57,199 57,5811 58,0866 58,4609 59,6518 60,6604 60,6735 62,3505 62,2462 63,24 63,6744 63,1071 63,9939 62,8773 61,5979
RSBI 7,86 7,48 7,42 7,33 7,32 7,34 7,36 7,37 7,39 7,41 7,41 7,43 7,42 7,43 7,44 7,7 7,95 8,25 8,49 9,51 10 11 12,25 12,75
Lampiran 2. Hasil Uji Akar Unit pada Level Unit root tests for variable LLB The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -2.4941 -39.4701 -41.4701 -43.4774 -42.2463 ADF(1) -2.1846 -39.4032 -42.4032 -45.4142 -43.5676 ADF(2) -2.0311 -39.4000 -43.4000 -47.4147 -44.9525 ADF(3) -1.8127 -39.3222 -44.3222 -49.3406 -46.2629 ADF(4) -1.6418 -39.2343 -45.2343 -51.2563 -47.5630 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable LLB The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -3.7573 -35.8802 -38.8802 -41.8912 -40.0446 ADF(1) -3.5316 -35.7588 -39.7588 -43.7735 -41.3113 ADF(2) -3.5373 -35.3557 -40.3557 -45.3741 -42.2964 ADF(3) -3.4249 -35.1316 -41.1316 -47.1536 -43.4604 ADF(4) -3.3612 -34.8630 -41.8630 -48.8887 -44.5799 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable CAR The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -3.0192 -83.1395 -85.1395 -87.1468 -85.9157 ADF(1) -2.9706 -83.1393 -86.1393 -89.1503 -87.3037 ADF(2) -3.0973 -82.2785 -86.2785 -90.2932 -87.8310 ADF(3) -2.9027 -81.9908 -86.9908 -92.0091 -88.9314 ADF(4) -2.8193 -80.9118 -86.9118 -92.9338 -89.2406 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Unit root tests for variable CAR The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -3.2147 -81.2587 -84.2587 -87.2697 -85.4231 ADF(1) -3.1308 -81.1495 -85.1495 -89.1641 -86.7020 ADF(2) -3.1851 -80.7572 -85.7572 -90.7755 -87.6978 ADF(3) -2.9412 -80.0693 -86.0693 -92.0913 -88.3980 ADF(4) -2.8597 -77.6087 -84.6087 -91.6343 -87.3256 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable NIM The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -4.9577 -95.3638 -97.3638 -99.3711 -98.1400 ADF(1) -2.2264 -92.3999 -95.3999 -98.4109 -96.5643 ADF(2) -1.9744 -92.2605 -96.2605 -100.2752 -97.8130 ADF(3) -1.8128 -92.1809 -97.1809 -102.1993 -99.1216 ADF(4) -1.6909 -92.0464 -98.0464 -104.0684 -100.3752 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable NIM The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -5.7627 -92.2548 -95.2548 -98.2658 -96.4192 ADF(1) -2.0879 -91.8971 -95.8971 -99.9118 -97.4496 ADF(2) -1.6875 -91.8971 -96.8971 -101.9155 -98.8377 ADF(3) -1.4385 -91.8971 -97.8971 -103.9191 -100.2258 ADF(4) -1.1232 -91.8867 -98.8867 -105.9124 -101.6036 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable NPL The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions.
Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -3.1586 -59.8318 -61.8318 -63.8391 -62.6080 ADF(1) -3.4637 -58.6310 -61.6310 -64.6420 -62.7954 ADF(2) -3.3469 -58.6283 -62.6283 -66.6429 -64.1808 ADF(3) -3.1974 -58.4900 -63.4900 -68.5084 -65.4306 ADF(4) -3.0093 -57.8185 -63.8185 -69.8405 -66.1472 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable NPL The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -1.6793 -59.8318 -62.8318 -65.8428 -63.9961 ADF(1) -1.4337 -58.4772 -62.4772 -66.4919 -64.0298 ADF(2) -1.3548 -58.4359 -63.4359 -68.4542 -65.3765 ADF(3) -1.3715 -58.3894 -64.3894 -70.4114 -66.7182 ADF(4) -1.6073 -57.8171 -64.8171 -71.8428 -67.5340 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable LDR The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -.23587 -104.8662 -106.8662 -108.8735 -107.6424 ADF(1) .13713 -102.9200 -105.9200 -108.9310 -107.0844 ADF(2) .21450 -102.3718 -106.3718 -110.3864 -107.9243 ADF(3) .52865 -101.3381 -106.3381 -111.3564 -108.2787 ADF(4) .45164 -101.3203 -107.3203 -113.3423 -109.6490 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable LDR The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -3.5868 -98.5774 -101.5774 -104.5884 -102.7418
ADF(1) -3.1237 -97.6406 -101.6406 -105.6552 -103.1931 ADF(2) -2.9180 -97.5759 -102.5759 -107.5942 -104.5165 ADF(3) -2.6733 -96.9050 -102.9050 -108.9270 -105.2338 ADF(4) -2.6653 -96.8534 -103.8534 -110.8790 -106.5703 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable RSBI The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -1.8729 -106.7185 -108.7185 -110.7259 -109.4948 ADF(1) -1.4854 -104.1686 -107.1686 -110.1796 -108.3330 ADF(2) -1.1672 -99.1616 -103.1616 -107.1763 -104.7141 ADF(3) -1.1478 -99.1577 -104.1577 -109.1760 -106.0983 ADF(4) -1.2264 -98.2970 -104.2970 -110.3190 -106.6257 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9147 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable RSBI The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 55 observations used in the estimation of all ADF regressions. Sample period from 2001M6 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -2.1678 -105.6495 -108.6495 -111.6605 -109.8139 ADF(1) -.81628 -104.1350 -108.1350 -112.1496 -109.6875 ADF(2) -.19786 -99.1186 -104.1186 -109.1369 -106.0592 ADF(3) -.14259 -99.1032 -105.1032 -111.1252 -107.4319 ADF(4) -.48667 -98.2956 -105.2956 -112.3212 -108.0124 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4919 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Lampiran 3. Hasil uji stasioneritas pada tingkat First Difference Unit root tests for variable DLLB The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -8.4474 -41.5324 -43.5324 -45.5214 -44.2994 ADF(1) -5.9944 -41.2726 -44.2726 -47.2561 -45.4232
ADF(2) -5.1965 -40.8183 -44.8183 -48.7963 -46.3525 ADF(3) -4.6692 -40.4619 -45.4619 -50.4344 -47.3796 ADF(4) -4.3264 -40.1346 -46.1346 -52.1015 -48.4358 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DLLB The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -8.3739 -41.5012 -44.5012 -47.4847 -45.6518 ADF(1) -5.9447 -41.2372 -45.2372 -49.2152 -46.7714 ADF(2) -5.1528 -40.7829 -45.7829 -50.7553 -47.7005 ADF(3) -4.6279 -40.4280 -46.4280 -52.3950 -48.7293 ADF(4) -4.2818 -40.1081 -47.1081 -54.0695 -49.7929 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DCAR The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -7.5702 -86.3064 -88.3064 -90.2954 -89.0735 ADF(1) -4.5986 -85.8813 -88.8813 -91.8648 -90.0319 ADF(2) -4.5109 -85.1770 -89.1770 -93.1549 -90.7111 ADF(3) -4.6819 -83.9065 -88.9065 -93.8790 -90.8242 ADF(4) -3.3881 -83.4077 -89.4077 -95.3747 -91.7090 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DCAR The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -7.8661 -84.9150 -87.9150 -90.8984 -89.0656 ADF(1) -4.8667 -84.7721 -88.7721 -92.7501 -90.3063 ADF(2) -4.9417 -83.4704 -88.4704 -93.4429 -90.3881 ADF(3) -5.4347 -80.9349 -86.9349 -92.9018 -89.2361 ADF(4) -4.0964 -80.9290 -87.9290 -94.8905 -90.6138 *******************************************************************************
95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DNIM The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -12.0425 -93.6687 -95.6687 -97.6576 -96.4357 ADF(1) -6.5201 -93.0615 -96.0615 -99.0450 -97.2122 ADF(2) -4.8183 -92.6979 -96.6979 -100.6758 -98.2320 ADF(3) -4.1234 -92.3989 -97.3989 -102.3714 -99.3166 ADF(4) -4.0026 -91.5394 -97.5394 -103.5063 -99.8406 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DNIM The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -12.1118 -92.8610 -95.8610 -98.8445 -97.0116 ADF(1) -6.6929 -92.1306 -96.1306 -100.1085 -97.6647 ADF(2) -4.9963 -91.6967 -96.6967 -101.6692 -98.6144 ADF(3) -4.2972 -91.3497 -97.3497 -103.3167 -99.6509 ADF(4) -4.2190 -90.3011 -97.3011 -104.2625 -99.9858 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DNPL The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -8.1771 -62.9249 -64.9249 -66.9139 -65.6920 ADF(1) -4.9080 -62.5773 -65.5773 -68.5608 -66.7279 ADF(2) -3.4559 -61.9142 -65.9142 -69.8922 -67.4484 ADF(3) -2.5485 -60.9648 -65.9648 -70.9373 -67.8825 ADF(4) -2.6193 -60.6951 -66.6951 -72.6621 -68.9964 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Unit root tests for variable DNPL The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -9.2245 -58.7279 -61.7279 -64.7114 -62.8785 ADF(1) -5.9175 -58.6508 -62.6508 -66.6288 -64.1850 ADF(2) -4.4067 -58.6476 -63.6476 -68.6201 -65.5653 ADF(3) -3.4010 -58.4763 -64.4763 -70.4433 -66.7775 ADF(4) -3.7177 -57.3231 -64.3231 -71.2846 -67.0079 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DLDR The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -9.5314 -101.3339 -103.3339 -105.3229 -104.1010 ADF(1) -6.0669 -100.8879 -103.8879 -106.8714 -105.0386 ADF(2) -5.4014 -100.0203 -104.0203 -107.9983 -105.5545 ADF(3) -3.9556 -99.9728 -104.9728 -109.9452 -106.8905 ADF(4) -3.7429 -99.6968 -105.6968 -111.6637 -107.9980 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DLDR The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -9.5358 -100.9792 -103.9792 -106.9627 -105.1298 ADF(1) -6.1050 -100.4909 -104.4909 -108.4689 -106.0251 ADF(2) -5.5412 -99.2946 -104.2946 -109.2670 -106.2122 ADF(3) -4.1099 -99.2946 -105.2946 -111.2615 -107.5958 ADF(4) -3.9880 -98.7096 -105.7096 -112.6710 -108.3943 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DRSBI The Dickey-Fuller regressions include an intercept but not a trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions.
Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -10.0816 -103.8764 -105.8764 -107.8654 -106.6435 ADF(1) -7.2005 -98.5515 -101.5515 -104.5350 -102.7021 ADF(2) -5.0995 -98.5309 -102.5309 -106.5089 -104.0651 ADF(3) -3.5121 -97.7964 -102.7964 -107.7689 -104.7141 ADF(4) -3.1273 -97.7908 -103.7908 -109.7578 -106.0921 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -2.9157 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion Unit root tests for variable DRSBI The Dickey-Fuller regressions include an intercept and a linear trend ******************************************************************************* 54 observations used in the estimation of all ADF regressions. Sample period from 2001M7 to 2005M12 ******************************************************************************* Test Statistic LL AIC SBC HQC DF -10.2045 -103.0807 -106.0807 -109.0641 -107.2313 ADF(1) -7.2476 -97.7276 -101.7276 -105.7056 -103.2618 ADF(2) -5.2094 -97.6718 -102.6718 -107.6443 -104.5895 ADF(3) -3.6237 -96.9985 -102.9985 -108.9655 -105.2997 ADF(4) -3.2257 -96.9933 -103.9933 -110.9548 -106.6781 ******************************************************************************* 95% critical value for the augmented Dickey-Fuller statistic = -3.4935 LL = Maximized log-likelihood AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Lampiran 4. Uji lag optimal Test Statistics and Choice Criteria for Selecting the Order of the VAR Model ******************************************************************************* Based on 56 observations from 2001M5 to 2005M12. Order of VAR = 4 List of variables included in the unrestricted VAR: LLB CAR NIM NPL LDR RSBI List of deterministic and/or exogenous variables: C TREND ******************************************************************************* Order LL AIC SBC LR test Adjusted LR test 4 -172.6555 -328.6555 -486.6329 ----------3 -231.4407 -351.4407 -472.9618 CHSQ( 36)= 117.5703[.000] 62.9841[.004] 2 -263.2079 -347.2079 -432.2727 CHSQ( 72)= 181.1049[.000] 97.0205[.026] 1 -339.2655 -387.2655 -435.8739 CHSQ(108)= 333.2200[.000] 178.5107[.000] 0 -556.9883 -568.9883 -581.1404 CHSQ(144)= 768.6657[.000] 411.7852[.000] ******************************************************************************* AIC=Akaike Information Criterion SBC=Schwarz Bayesian Criterion
Lampiran 5. Hasil Estimasi VECM ECM for variable LLB estimated by OLS based on cointegrating VAR(3) ******************************************************************************* Dependent variable is dLLB 57 observations used for estimation from 2001M4 to 2005M12 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] Intercept -2.4171 3.8435 -.62887[.533] dLLB1 -.24538 .23055 -1.0643[.293] dCAR1 .081779 .10208 .80113[.428] dNIM1 .19777 .23279 .84957[.400] dNPL1 .28871 .11149 2.5895[.013] dLDR1 .062770 .10433 .60168[.551] dRSBI1 -.020076 .10926 -.18374[.855] dLLB2 -.025176 .17504 -.14383[.886] dCAR2 .059832 .076317 .78400[.437] dNIM2 .14004 .10586 1.3229[.193] dNPL2 .020209 .11188 .18063[.858] dLDR2 .065019 .10949 .59383[.556] dRSBI2 -.18360 .18358 -1.0001[.323] ecm1(-1) .043883 .16971 .25858[.797] ecm2(-1) .047647 .084186 .56597[.574] ******************************************************************************* List of additional temporary variables created: dLLB = LLB-LLB(-1) dLLB1 = LLB(-1)-LLB(-2) dCAR1 = CAR(-1)-CAR(-2) dNIM1 = NIM(-1)-NIM(-2) dNPL1 = NPL(-1)-NPL(-2) dLDR1 = LDR(-1)-LDR(-2) dRSBI1 = RSBI(-1)-RSBI(-2) dLLB2 = LLB(-2)-LLB(-3) dCAR2 = CAR(-2)-CAR(-3) dNIM2 = NIM(-2)-NIM(-3) dNPL2 = NPL(-2)-NPL(-3) dLDR2 = LDR(-2)-LDR(-3) dRSBI2 = RSBI(-2)-RSBI(-3) ecm1 = 1.0000*LLB 0.00*CAR -.41881*NIM -1.5644*NPL + .057587*LDR + .71124*RSBI -.25474*Trend;ecm2 = 0.00*LLB + 1.0000*CAR -.68162 *NIM + 3.4352*NPL + .57525*LDR -2.2768*RSBI + .046735*Trend ******************************************************************************* R-Squared .44430 R-Bar-Squared .25907 S.E. of Regression .45141 F-stat. F( 14, 42) 2.3986[.015] Mean of Dependent Variable .039953 S.D. of Dependent Variable .52442 Residual Sum of Squares 8.5582 Equation Log-likelihood -26.8389 Akaike Info. Criterion -41.8389 Schwarz Bayesian Criterion -57.1618 DW-statistic 2.1652 System Log-likelihood -273.5742 ******************************************************************************* Diagnostic Tests ******************************************************************************* * Test Statistics * LM Version * F Version * ******************************************************************************* * * * *
* A:Serial Correlation*CHSQ( 12)= 19.6564[.074]*F( 12, 30)= 1.3159[.261]* * * * * * B:Functional Form *CHSQ( 1)= 17.4501[.000]*F( 1, 41)= 18.0900[.000]* * * * * * C:Normality *CHSQ( 2)= 135.9109[.000]* Not applicable * * * * * * D:Heteroscedasticity*CHSQ( 1)= 5.7112[.017]*F( 1, 55)= 6.1244[.016]* ******************************************************************************* A:Lagrange multiplier test of residual serial correlation B:Ramsey's RESET test using the square of the fitted values C:Based on a test of skewness and kurtosis of residuals D:Based on the regression of squared residuals on squared fitted values
Lampiran 6. Uji Rank Kointegrasi Cointegration with unrestricted intercepts and restricted trends in the VAR Cointegration LR Test Based on Maximal Eigenvalue of the Stochastic Matrix ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend List of eigenvalues in descending order: .62541 .53540 .33685 .26322 .19072 .11852 .0000 ******************************************************************************* Null Alternative Statistic 95% Critical Value 90% Critical Value r=0 r=1 55.9689 43.6100 40.7600 r<= 1 r=2 43.6948 37.8600 35.0400 r<= 2 r=3 23.4127 31.7900 29.1300 r<= 3 r=4 17.4118 25.4200 23.1000 r<= 4 r=5 12.0620 19.2200 17.1800 r<= 5 r=6 7.1907 12.3900 10.5500 ******************************************************************************* Use the above table to determine r (the number of cointegrating vectors). Cointegration with unrestricted intercepts and restricted trends in the VAR Cointegration LR Test Based on Trace of the Stochastic Matrix ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend List of eigenvalues in descending order: .62541 .53540 .33685 .26322 .19072 .11852 .0000 ******************************************************************************* Null Alternative Statistic 95% Critical Value 90% Critical Value r=0 r>= 1 159.7409 115.8500 110.6000 r<= 1 r>= 2 103.7720 87.1700 82.8800 r<= 2 r>= 3 60.0772 63.0000 59.1600 r<= 3 r>= 4 36.6645 42.3400 39.3400 r<= 4 r>= 5 19.2527 25.7700 23.0800 r<= 5 r=6 7.1907 12.3900 10.5500 ******************************************************************************* Use the above table to determine r (the number of cointegrating vectors).
Cointegration with unrestricted intercepts and restricted trends in the VAR Choice of the Number of Cointegrating Relations Using Model Selection Criteria ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend List of eigenvalues in descending order: .62541 .53540 .33685 .26322 .19072 .11852 .0000 ******************************************************************************* Rank Maximized LL AIC SBC HQC r=0 -323.4061 -401.4061 -481.0851 -432.3721 r=1 -295.4216 -385.4216 -477.3590 -421.1516 r=2 -273.5742 -373.5742 -475.7268 -413.2742 r=3 -261.8679 -369.8679 -480.1927 -412.7439 r=4 -253.1620 -367.1620 -483.6159 -412.4200 r=5 -247.1310 -365.1310 -485.6710 -411.9769 r=6 -243.5356 -363.5356 -486.1187 -411.1756 ******************************************************************************* AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Lampiran 7. Matrix Varians dan Covarians Estimated System Covariance Matrix of Errors ******************************************************************************* LLB CAR NIM NPL LDR RSBI LLB .23130 -.30941 .021821 .043089 .10153 .065801 CAR
-.30941
1.3045
.10443 -.30092 -.12075 .017024
NIM
.021821
.10443 .11185 -.058768 -.053291 -.10271
NPL
.043089 -.30092 -.058768
.55287
.58730 .46177
LDR
.10153 -.12075 -.053291
.58730
2.3931 1.8360
RSBI
.065801 .017024 -.10271
.46177
1.8360 2.0382
Lampiran 8. Estimasi Vektor Kointegrasi Estimated Cointegrated Vectors in Johansen Estimation (Normalized in Brackets) Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* Vector 1 Vector 2 LLB -.35314 .12895
( -1.0000)
( -1.0000)
CAR
-.15836 .098498 ( -.44844) ( -.76383)
NIM
.25584 -.12114 ( .72447) ( .93945)
NPL
.0084344 .13663 ( .023884) ( -1.0595)
LDR
-.11144 .064087 ( -.31555) ( -.49698)
RSBI
.10940 -.13255 ( .30979) ( 1.0279)
Trend
.082559 -.028246 ( .23378) ( .21904)
*******************************************************************************
Lampiran 9. Hasil Restriksi Umum ML estimates subject to exactly identifying restriction(s) Estimates of Restricted Cointegrating Relations (SE's in Brackets) Converged after 2 iterations Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restriction(s) on cointegrating vectors: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Vector 1 Vector 2 LLB 1.0000 0.00 ( *NONE*) ( *NONE*) CAR
0.00 ( *NONE*)
1.0000 ( *NONE*)
NIM
-.41881 -.68162 ( .79287) ( 1.6557)
NPL
-1.5644 3.4352 ( 1.4747) ( 3.0739)
LDR
.057587 .57525 ( .24064) ( .50186)
RSBI
.71124 -2.2768 ( .79135) ( 1.6497)
Trend
-.25474 .046735 ( .21116) ( .43876)
******************************************************************************* LL subject to exactly identifying restrictions=-273.5742 *******************************************************************************
Lampiran 10. Hasil Analisis Impulse Response Function Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LLB Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .48094 -.64334 .045372 .089594 .21111 .13682 1 .34807 -.68956 .17373 -.0084828 -.18680 -.14095 2 .27881 -.70061 -.077444 -.22063 -.20199 -.11895 3 .18925 -.53040 -.070760 .0024069 -.22548 -.11684 4 .23507 -.52019 -.048281 .0045981 -.25374 -.077768 5 .22999 -.53037 .028564 .018670 -.14170 -.099274 6 .23934 -.55945 .042772 .073565 -.17934 -.21204 7 .27470 -.63307 -.037643 .096324 -.17223 -.20763 8 .27426 -.66063 -.026706 .10403 -.098555 -.13480 9 .26249 -.63884 .046094 .11130 -.10907 -.17681 10 .27502 -.65568 .0023937 .11752 -.11867 -.20616 11 .28693 -.69258 -.030035 .12126 -.10822 -.16933 12 .27550 -.66627 .0035239 .11888 -.11450 -.16214 13 .27338 -.65429 .9650E-3 .11411 -.10902 -.16697 14 .27948 -.66487 -.0086749 .11844 -.11914 -.17039 15 .27933 -.65916 -.013329 .11651 -.12797 -.16425 16 .27706 -.65390 -.012740 .11108 -.11765 -.15043 17 .27523 -.64672 -.0025052 .11234 -.12543 -.15847 18 .27736 -.64585 -.012081 .11103 -.13168 -.16105 19 .27826 -.64895 -.016735 .10894 -.12710 -.15032 20 .27534 -.64128 -.0073053 .10832 -.13076 -.15209 21 .27563 -.63913 -.010611 .10684 -.13176 -.15434 22 .27688 -.64219 -.013608 .10689 -.13180 -.15193 23 .27587 -.63924 -.011148 .10633 -.13399 -.15174 24 .27550 -.63803 -.011745 .10511 -.13222 -.15068 25 .27563 -.63834 -.010951 .10554 -.13325 -.15174 26 .27570 -.63781 -.011735 .10535 -.13463 -.15236 27 .27573 -.63831 -.012518 .10481 -.13298 -.15049 28 .27531 -.63749 -.010601 .10504 -.13366 -.15140 29 .27544 -.63733 -.011400 .10492 -.13406 -.15216 30 .27569 -.63829 -.012121 .10491 -.13336 -.15128 31 .27540 -.63773 -.011054 .10501 -.13378 -.15163 32 .27541 -.63765 -.011383 .10487 -.13351 -.15179
33 .27554 -.63814 -.011494 .10502 -.13339 -.15174 34 .27548 -.63797 -.011289 .10507 -.13369 -.15196 35 .27549 -.63808 -.011507 .10498 -.13329 -.15171 36 .27547 -.63814 -.011229 .10510 -.13335 -.15187 37 .27549 -.63809 -.011313 .10511 -.13349 -.15206 38 .27554 -.63830 -.011501 .10509 -.13325 -.15182 39 .27548 -.63822 -.011236 .10515 -.13333 -.15192 40 .27549 -.63819 -.011324 .10514 -.13334 -.15201 41 .27553 -.63833 -.011408 .10515 -.13325 -.15191 42 .27551 -.63827 -.011293 .10518 -.13333 -.15197 43 .27551 -.63827 -.011357 .10515 -.13327 -.15195 44 .27552 -.63831 -.011341 .10517 -.13326 -.15194 45 .27551 -.63828 -.011322 .10518 -.13332 -.15199 46 .27552 -.63831 -.011373 .10517 -.13326 -.15194 47 .27551 -.63830 -.011324 .10518 -.13328 -.15195 48 .27551 -.63828 -.011335 .10517 -.13330 -.15197 49 .27552 -.63831 -.011365 .10517 -.13327 -.15194 50 .27552 -.63829 -.011330 .10518 -.13329 -.15195 *******************************************************************************
Orthogonalized Impulse Response(s) to one S.E. shock in the equation for CAR Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 0.00 .94373 .14159 -.25779 .015959 .11131 1 .034666 .74162 .36611 -.33907 -.043765 -.10865 2 .076024 .83559 .28589 -.47620 .10326 -.10434 3 .075095 .58402 .34040 -.57363 .22715 -.043701 4 .012783 .67157 .50737 -.65076 .14150 -.22532 5 -.0016218 .57969 .38282 -.69251 .23469 -.24206 6 -.011690 .49540 .45282 -.68624 .25505 -.27095 7 -.049463 .52109 .51944 -.67269 .25463 -.38168 8 -.037606 .41728 .48294 -.65933 .36136 -.40132 9 -.040034 .35405 .55038 -.60348 .36817 -.48758 10 -.035318 .30348 .53748 -.58010 .41477 -.53373 11 -.025317 .21626 .54369 -.54894 .49444 -.53890 12 -.026725 .18522 .58946 -.51094 .49611 -.60387 13 -.014692 .13170 .55911 -.49406 .53843 -.61790 14 -.0087091 .082506 .57009 -.47029 .57153 -.61908 15 -.010336 .073916 .58988 -.45335 .57172 -.64840 16 -.0027338 .043970 .57051 -.44487 .59850 -.64692 17 -.1482E-3 .025573 .58038 -.43121 .60290 -.65176 18 .5891E-4 .024141 .58111 -.42621 .60335 -.65942 19 .0034428 .011152 .57342 -.42300 .61711 -.65218 20 .0034164 .010024 .58168 -.41721 .61165 -.65793 21 .0046526 .0097302 .57521 -.41721 .61267 -.65724
22 .0058974 .0052367 .57349 -.41625 .61730 -.65097 23 .0048835 .0098379 .57855 -.41501 .61145 -.65449 24 .0058993 .0098098 .57270 -.41642 .61290 -.65168 25 .0061548 .0092824 .57347 -.41615 .61258 -.64881 26 .0053822 .013476 .57503 -.41673 .60899 -.65005 27 .0058788 .013459 .57186 -.41800 .61039 -.64729 28 .0056534 .014593 .57347 -.41794 .60849 -.64695 29 .0053798 .016837 .57294 -.41883 .60699 -.64704 30 .0055618 .016687 .57177 -.41953 .60788 -.64514 31 .0052022 .018103 .57321 -.41959 .60618 -.64572 32 .0052060 .018883 .57216 -.42025 .60594 -.64543 33 .0052512 .018708 .57203 -.42047 .60624 -.64454 34 .0049818 .019718 .57283 -.42057 .60523 -.64511 35 .0050562 .019778 .57205 -.42093 .60553 -.64475 36 .0050338 .019715 .57233 -.42092 .60545 -.64457 37 .0049113 .020209 .57254 -.42101 .60503 -.64491 38 .0049764 .020022 .57215 -.42116 .60540 -.64459 39 .0049243 .020075 .57250 -.42108 .60520 -.64473 40 .0049011 .020219 .57241 -.42114 .60512 -.64486 41 .0049418 .020019 .57228 -.42116 .60536 -.64468 42 .0048930 .020112 .57254 -.42111 .60519 -.64486 43 .0049090 .020096 .57238 -.42114 .60526 -.64487 44 .0049266 .019970 .57240 -.42112 .60536 -.64480 45 .0048980 .020043 .57251 -.42109 .60526 -.64492 46 .0049194 .019980 .57240 -.42111 .60536 -.64488 47 .0049206 .019932 .57246 -.42107 .60536 -.64489 48 .0049109 .019968 .57248 -.42107 .60532 -.64495 49 .0049264 .019911 .57242 -.42107 .60540 -.64490 50 .0049201 .019910 .57248 -.42105 .60537 -.64493 ******************************************************************************* Orthogonalized Impulse Response(s) to one S.E. shock in the equation for NIM Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 0.00 0.00 .29957 -.087902 -.21741 -.41618 1 .030641 .078652 -.087571 .098742 .24944 -.19754 2 .17590 -.35292 .11422 .047285 .36483 .012268 3 .076311 -.096482 .38406 .8450E-3 .17835 -.30937 4 .13170 -.30006 -.0032136 -.076912 .35844 -.15677 5 .11947 -.32810 .15259 -.037616 .23303 -.14425 6 .064919 -.14892 .16101 -.091769 .19408 -.17220 7 .085853 -.24172 .099023 -.11996 .32014 -.084240 8 .065562 -.18168 .21388 -.072896 .16876 -.21838 9 .080007 -.19182 .088664 -.10771 .21364 -.17309 10 .078047 -.23593 .13290 -.098350 .28002 -.11305 11 .057925 -.16841 .21181 -.082783 .19964 -.21568
12 .081109 -.22089 .11107 -.095978 .25314 -.18373 13 .079681 -.24559 .15117 -.078960 .25686 -.16753 14 .067516 -.20508 .17695 -.081470 .23274 -.20387 15 .078361 -.23899 .13709 -.085033 .27345 -.18159 16 .076735 -.24203 .16627 -.071369 .25054 -.19801 17 .075490 -.23231 .15369 -.077237 .25153 -.20057 18 .078387 -.24957 .14842 -.076719 .27464 -.18307 19 .074816 -.23906 .16977 -.070032 .25343 -.20444 20 .078245 -.24377 .14860 -.074223 .26181 -.19885 21 .078836 -.25216 .15350 -.071749 .26895 -.18977 22 .075591 -.24101 .16434 -.070425 .25764 -.20200 23 .078483 -.24736 .15075 -.072686 .26631 -.19607 24 .078352 -.24977 .15696 -.070023 .26426 -.19540 25 .077026 -.24395 .15826 -.070933 .26052 -.19926 26 .078356 -.24826 .15310 -.071831 .26669 -.19432 27 .077693 -.24689 .15846 -.070119 .26222 -.19747 28 .077800 -.24554 .15531 -.071305 .26227 -.19754 29 .078251 -.24798 .15456 -.071332 .26522 -.19441 30 .077478 -.24552 .15801 -.070691 .26183 -.19740 31 .077976 -.24606 .15475 -.071518 .26320 -.19639 32 .078068 -.24713 .15556 -.071147 .26374 -.19527 33 .077587 -.24533 .15688 -.071140 .26204 -.19685 34 .077957 -.24619 .15500 -.071567 .26347 -.19573 35 .077871 -.24630 .15615 -.071179 .26290 -.19591 36 .077732 -.24551 .15605 -.071380 .26239 -.19642 37 .077918 -.24620 .15535 -.071515 .26334 -.19558 38 .077764 -.24584 .15628 -.071282 .26260 -.19615 39 .077805 -.24570 .15571 -.071476 .26268 -.19615 40 .077877 -.24611 .15564 -.071450 .26308 -.19571 41 .077750 -.24571 .15615 -.071368 .26258 -.19617 42 .077826 -.24583 .15566 -.071492 .26285 -.19599 43 .077836 -.24598 .15583 -.071413 .26289 -.19589 44 .077774 -.24574 .15598 -.071416 .26266 -.19612 45 .077829 -.24590 .15571 -.071473 .26290 -.19593 46 .077808 -.24589 .15592 -.071406 .26280 -.19600 47 .077796 -.24580 .15587 -.071436 .26274 -.19607 48 .077826 -.24592 .15577 -.071448 .26289 -.19594 49 .077799 -.24585 .15592 -.071412 .26277 -.19604 50 .077808 -.24585 .15583 -.071441 .26280 -.19603 *******************************************************************************
Orthogonalized Impulse Response(s) to one S.E. shock in the equation for NPL Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 0.00 0.00 0.00 .68604 .80663 .64373
1 .27537 -.50974 .51833 .52469 .95705 .64519 2 .16967 -.44327 .57819 .58869 .51233 -.058304 3 .29168 -.72027 -.20301 .59617 .61147 .29385 4 .24351 -.64506 .062962 .66842 .64864 .63657 5 .15379 -.27689 .31552 .61151 .56812 .50521 6 .23452 -.40627 .092848 .60614 .58200 .47737 7 .26170 -.41978 .046315 .64762 .41368 .50573 8 .23449 -.30807 .023199 .57523 .46104 .66368 9 .21292 -.24740 .10914 .55388 .49989 .69695 10 .21827 -.18835 .11510 .56299 .35148 .58289 11 .24450 -.21887 -.025947 .52587 .37078 .68142 12 .22193 -.17950 .044769 .51046 .38362 .75106 13 .20067 -.091224 .095257 .49650 .32693 .69089 14 .22048 -.11962 .016994 .48366 .33484 .70969 15 .21845 -.11704 .032281 .48325 .31367 .73198 16 .20505 -.074026 .049055 .46721 .30850 .73343 17 .20700 -.078013 .040975 .46203 .32127 .73766 18 .20795 -.074726 .047279 .46649 .29453 .72079 19 .20832 -.072580 .030991 .45819 .30102 .73408 20 .20537 -.072566 .042286 .45674 .31135 .74291 21 .20275 -.062164 .053168 .45868 .29681 .72406 22 .20685 -.071041 .035155 .45632 .30303 .72936 23 .20591 -.073982 .041990 .45768 .30529 .73444 24 .20316 -.066166 .048731 .45722 .30172 .72731 25 .20520 -.071917 .041675 .45695 .30698 .72862 26 .20538 -.073996 .044753 .45910 .30424 .72704 27 .20474 -.072204 .044336 .45826 .30498 .72681 28 .20503 -.074668 .044072 .45846 .30874 .72839 29 .20483 -.074145 .046650 .45982 .30567 .72468 30 .20540 -.075353 .043431 .45938 .30708 .72563 31 .20536 -.076646 .044511 .45978 .30869 .72706 32 .20489 -.075172 .046376 .46019 .30709 .72477 33 .20545 -.076480 .044086 .46002 .30832 .72541 34 .20547 -.077123 .044886 .46047 .30829 .72575 35 .20521 -.076217 .045391 .46041 .30784 .72510 36 .20543 -.076910 .044593 .46034 .30874 .72563 37 .20541 -.076919 .045220 .46065 .30813 .72521 38 .20541 -.076725 .044828 .46050 .30816 .72525 39 .20546 -.077050 .044759 .46050 .30864 .72570 40 .20536 -.076733 .045245 .46062 .30813 .72522 41 .20545 -.076832 .044728 .46051 .30830 .72537 42 .20546 -.076986 .044840 .46056 .30842 .72559 43 .20538 -.076695 .045077 .46056 .30816 .72535 44 .20544 -.076815 .044778 .46050 .30834 .72549 45 .20544 -.076847 .044915 .46055 .30827 .72550 46 .20541 -.076709 .044927 .46052 .30818 .72543 47 .20543 -.076792 .044825 .46049 .30832 .72555 48 .20541 -.076746 .044948 .46053 .30820 .72547 49 .20542 -.076718 .044866 .46050 .30821 .72548 50 .20543 -.076769 .044856 .46049 .30827 .72555 *******************************************************************************
Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LDR Cointegration with unrestricted intercepts and restricted trends in the VAR
******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 0.00 0.00 0.00 0.00 1.2846 .93073 1 .028490 -.091551 1.0009 .28716 .54584 -.13781 2 .18285 -.21636 .044776 .21193 .48627 -.25950 3 .26076 -.76868 -.14774 .20310 1.0431 .54603 4 .036999 -.15861 .68182 .28402 .61845 .10809 5 .13407 -.25455 .16033 .18437 .78990 .092947 6 .21389 -.54777 .12872 .27051 .79214 .25556 7 .12293 -.25336 .32001 .25283 .57632 .14721 8 .14568 -.31113 .13819 .17231 .83336 .32763 9 .14142 -.31257 .30993 .24866 .68467 .20898 10 .14741 -.24195 .20192 .21543 .59743 .16569 11 .16410 -.33192 .12396 .18459 .76384 .35344 12 .12374 -.22724 .31303 .21445 .64111 .24061 13 .14144 -.21937 .19220 .18545 .64294 .22422 14 .15854 -.29441 .16448 .18993 .69551 .30930 15 .13079 -.21432 .25757 .19427 .62345 .25455 16 .13936 -.22249 .19114 .17270 .66757 .27546 17 .14446 -.24934 .21001 .18719 .66027 .28060 18 .13660 -.21472 .22208 .18378 .62555 .25569 19 .14176 -.23355 .18994 .17276 .66850 .29156 20 .13693 -.22671 .22735 .18324 .64691 .27244 21 .13773 -.21676 .21078 .17835 .63755 .26116 22 .14223 -.23649 .19668 .17637 .66088 .28600 23 .13615 -.22204 .22430 .18104 .64305 .27008 24 .13806 -.22148 .20799 .17657 .64800 .26936 25 .14048 -.23302 .20663 .17883 .65456 .27776 26 .13732 -.22326 .21742 .18004 .64371 .26857 27 .13882 -.22658 .20711 .17710 .65264 .27404 28 .13888 -.22941 .21279 .17977 .65121 .27334 29 .13809 -.22497 .21333 .17947 .64642 .26867 30 .13931 -.22933 .20785 .17830 .65316 .27452 31 .13834 -.22785 .21420 .17997 .64976 .27162 32 .13844 -.22643 .21157 .17917 .64908 .27007 33 .13923 -.22970 .20962 .17918 .65226 .27337 34 .13840 -.22756 .21341 .17990 .64938 .27097 35 .13869 -.22763 .21086 .17915 .65062 .27142 36 .13895 -.22909 .21117 .17958 .65133 .27236 37 .13855 -.22765 .21243 .17973 .64962 .27088 38 .13884 -.22835 .21073 .17929 .65110 .27201 39 .13876 -.22853 .21187 .17969 .65073 .27183 40 .13865 -.22782 .21181 .17959 .65006 .27114 41 .13887 -.22855 .21096 .17944 .65104 .27205 42 .13870 -.22823 .21195 .17967 .65043 .27161 43 .13872 -.22801 .21150 .17950 .65042 .27147 44 .13883 -.22847 .21129 .17952 .65084 .27191
45 .13871 -.22812 .21180 .17962 .65036 .27153 46 .13876 -.22817 .21138 .17949 .65060 .27168 47 .13878 -.22834 .21151 .17956 .65066 .27179 48 .13872 -.22811 .21166 .17957 .65041 .27155 49 .13877 -.22824 .21139 .17950 .65064 .27175 50 .13875 -.22824 .21159 .17956 .65056 .27171 ******************************************************************************* Orthogonalized Impulse Response(s) to one S.E. shock in the equation for RSBI Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 0.00 0.00 0.00 0.00 0.00 .74378 1 -.072405 .38932 .64866 .10403 -.71516 -.065485 2 -.053758 .41405 -.21656 .12986 -.67796 .043218 3 .017403 .21475 -.11262 .27997 -.65037 .34332 4 -.096595 .71416 .20135 .38927 -.78894 .16579 5 .031413 .47926 -.062001 .34521 -.52525 .31176 6 .052478 .45248 .087989 .46267 -.71934 .19064 7 .061331 .52888 -.068331 .40608 -.74223 .26513 8 .073329 .46931 -.082161 .37177 -.58992 .46704 9 .035865 .62080 .078614 .39248 -.78394 .32721 10 .067887 .61598 -.11313 .33543 -.77714 .38921 11 .067041 .59961 -.096931 .32695 -.75769 .50096 12 .031719 .73344 -.0090458 .30937 -.85754 .44443 13 .046573 .72795 -.10229 .27634 -.82280 .48754 14 .046438 .72934 -.074341 .28229 -.85954 .50042 15 .034175 .78754 -.068373 .26296 -.89463 .49089 16 .037672 .77838 -.095678 .24696 -.85784 .53018 17 .031699 .79821 -.058667 .25318 -.89725 .50464 18 .032948 .80988 -.085852 .24096 -.90177 .50618 19 .034336 .79717 -.089409 .23710 -.88174 .53189 20 .026986 .81896 -.061419 .23930 -.90571 .50957 21 .030475 .81530 -.084666 .23297 -.89733 .51346 22 .031423 .80616 -.080312 .23530 -.89353 .52101 23 .027431 .81851 -.069711 .23505 -.90388 .51022 24 .029559 .81231 -.081110 .23234 -.89295 .51609 25 .029284 .80991 -.073507 .23572 -.89660 .51299 26 .028554 .81360 -.074564 .23484 -.89920 .50918 27 .029676 .80809 -.078516 .23432 -.89149 .51470 28 .028600 .80985 -.071527 .23647 -.89599 .50962 29 .029146 .80959 -.075819 .23566 -.89497 .50897 30 .029762 .80592 -.076338 .23623 -.89167 .51194 31 .028843 .80829 -.072429 .23707 -.89466 .50858 32 .029439 .80706 -.075749 .23650 -.89251 .50942 33 .029631 .80550 -.074729 .23729 -.89212 .50995 34 .029239 .80693 -.073729 .23741 -.89353 .50841
35 .029618 .80574 -.075457 .23712 -.89167 .50969 36 .029506 .80566 -.074035 .23768 -.89240 .50911 37 .029473 .80618 -.074477 .23753 -.89276 .50863 38 .029683 .80533 -.075117 .23748 -.89171 .50961 39 .029487 .80581 -.074045 .23774 -.89251 .50893 40 .029569 .80586 -.074756 .23755 -.89233 .50897 41 .029657 .80541 -.074796 .23762 -.89199 .50941 42 .029521 .80587 -.074300 .23769 -.89251 .50897 43 .029603 .80573 -.074814 .23755 -.89218 .50921 44 .029606 .80562 -.074595 .23764 -.89222 .50927 45 .029553 .80587 -.074514 .23762 -.89246 .50906 46 .029609 .80571 -.074779 .23756 -.89219 .50931 47 .029575 .80577 -.074532 .23762 -.89234 .50921 48 .029570 .80586 -.074626 .23758 -.89239 .50916 49 .029600 .80574 -.074713 .23757 -.89226 .50930 50 .029566 .80584 -.074552 .23759 -.89239 .50920 *******************************************************************************
Lampiran 11. Hasil Analisis Forecast Error Variance Decomposition Orthogonalized Forecast Error Variance Decomposition for variable LLB Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 1.0000 0.00 0.00 0.00 0.00 0.00 1 .80749 .0027532 .0021510 .17373 .0018596 .012011 2 .69830 .011333 .051748 .16982 .055592 .013201 3 .57059 .015453 .046165 .23227 .12519 .010329 4 .54328 .013324 .057372 .25951 .10799 .018516 5 .53697 .011959 .064830 .25499 .11371 .017538 6 .51154 .010469 .059571 .26543 .13556 .017423 7 .50241 .010924 .057500 .28154 .12967 .017959 8 .49831 .010694 .054285 .28742 .12976 .019525 9 .49678 .010733 .053474 .28980 .13057 .018640 10 .49553 .010499 .052243 .29096 .13123 .019540 11 .49278 .0099022 .049352 .29493 .13300 .020041 12 .49396 .0095567 .049005 .29738 .13096 .019142 13 .49555 .0090619 .048707 .29632 .13147 .018893 14 .49535 .0085169 .047439 .29696 .13318 .018556 15 .49670 .0080741 .047066 .29813 .13208 .017944 16 .49830 .0076562 .046722 .29765 .13215 .017518 17 .49929 .0072757 .046338 .29742 .13268 .016989 18 .50059 .0069314 .046136 .29736 .13245 .016537 19 .50167 .0066185 .045759 .29720 .13261 .016146 20 .50278 .0063406 .045626 .29705 .13253 .015675 21 .50391 .0060889 .045536 .29664 .13252 .015301
22 .50470 .0058553 .045276 .29646 .13275 .014960 23 .50560 .0056404 .045182 .29639 .13260 .014592 24 .50647 .0054448 .045097 .29609 .13261 .014284 25 .50713 .0052620 .044953 .29591 .13275 .013989 26 .50783 .0050902 .044874 .29581 .13269 .013707 27 .50848 .0049308 .044775 .29564 .13272 .013457 28 .50904 .0047812 .044688 .29552 .13276 .013210 29 .50960 .0046402 .044622 .29540 .13275 .012985 30 .51009 .0045075 .044530 .29530 .13280 .012780 31 .51056 .0043821 .044462 .29522 .13280 .012576 32 .51102 .0042639 .044402 .29512 .13280 .012391 33 .51142 .0041519 .044327 .29504 .13284 .012218 34 .51182 .0040456 .044269 .29498 .13284 .012050 35 .51219 .0039449 .044211 .29490 .13286 .011894 36 .51254 .0038492 .044151 .29484 .13288 .011746 37 .51287 .0037581 .044100 .29478 .13288 .011604 38 .51319 .0036715 .044047 .29472 .13290 .011471 39 .51349 .0035888 .043998 .29467 .13291 .011343 40 .51378 .0035100 .043953 .29461 .13292 .011221 41 .51405 .0034347 .043906 .29456 .13294 .011105 42 .51432 .0033627 .043863 .29452 .13294 .010994 43 .51457 .0032938 .043823 .29447 .13295 .010888 44 .51481 .0032279 .043782 .29443 .13297 .010786 45 .51504 .0031646 .043745 .29439 .13297 .010688 46 .51526 .0031040 .043709 .29435 .13298 .010595 47 .51548 .0030457 .043674 .29431 .13299 .010505 48 .51568 .0029897 .043640 .29427 .13300 .010419 49 .51588 .0029358 .043608 .29424 .13301 .010336 50 .51607 .0028840 .043577 .29420 .13301 .010255 ******************************************************************************* Orthogonalized Forecast Error Variance Decomposition for variable CAR Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .31727 .68273 0.00 0.00 0.00 0.00 1 .32271 .52273 .0022446 .094279 .0030412 .054998 2 .30779 .47696 .029155 .10176 .012308 .072030 3 .26492 .39541 .022330 .15547 .10301 .058855 4 .24047 .36478 .028636 .17315 .083540 .10942 5 .24241 .35779 .036988 .16076 .080607 .12144 6 .24336 .33834 .034669 .15730 .099802 .12653 7 .25165 .32530 .035964 .15553 .094588 .13697 8 .26511 .31196 .035574 .15007 .094348 .14294 9 .27327 .29585 .035367 .14239 .093808 .15932 10 .28288 .28111 .036612 .13470 .091111 .17359 11 .29395 .26512 .035928 .12864 .091893 .18448
12 .30017 .24929 .036368 .12187 .088735 .20357 13 .30569 .23526 .037502 .11500 .086049 .22050 14 .31079 .22191 .037497 .10904 .085529 .23523 15 .31415 .20941 .038131 .10344 .082855 .25201 16 .31723 .19837 .038815 .098197 .080741 .26664 17 .31918 .18815 .039176 .093388 .079295 .28081 18 .32077 .17886 .039833 .088997 .077291 .29425 19 .32255 .17052 .040246 .085054 .075853 .30579 20 .32349 .16277 .040671 .081387 .074355 .31733 21 .32437 .15575 .041226 .078017 .072854 .32778 22 .32539 .14935 .041553 .074984 .071805 .33693 23 .32605 .14339 .041939 .072173 .070586 .34587 24 .32674 .13794 .042349 .069569 .069478 .35393 25 .32739 .13289 .042642 .067181 .068615 .36128 26 .32795 .12818 .042972 .064964 .067674 .36826 27 .32856 .12383 .043270 .062905 .066854 .37459 28 .32907 .11975 .043527 .060988 .066120 .38054 29 .32956 .11594 .043801 .059192 .065380 .38613 30 .33008 .11238 .044031 .057518 .064744 .39125 31 .33053 .10902 .044251 .055945 .064124 .39613 32 .33097 .10587 .044473 .054461 .063528 .40070 33 .33140 .10290 .044663 .053067 .063003 .40497 34 .33180 .10008 .044851 .051750 .062482 .40904 35 .33219 .097422 .045032 .050502 .061992 .41286 36 .33256 .094899 .045194 .049320 .061541 .41648 37 .33291 .092504 .045355 .048198 .061099 .41993 38 .33325 .090229 .045505 .047132 .060686 .42320 39 .33357 .088062 .045646 .046118 .060294 .42631 40 .33388 .085998 .045785 .045150 .059914 .42928 41 .33417 .084029 .045913 .044228 .059559 .43210 42 .33445 .082147 .046037 .043347 .059216 .43480 43 .33472 .080349 .046156 .042504 .058886 .43739 44 .33497 .078628 .046269 .041698 .058575 .43986 45 .33522 .076979 .046377 .040925 .058274 .44223 46 .33545 .075399 .046482 .040185 .057985 .44450 47 .33568 .073882 .046581 .039474 .057710 .44668 48 .33589 .072425 .046677 .038791 .057443 .44877 49 .33610 .071025 .046769 .038135 .057188 .45078 50 .33630 .069678 .046858 .037504 .056943 .45272 ******************************************************************************* Orthogonalized Forecast Error Variance Decomposition for variable NIM Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .018406 .17923 .80236 0.00 0.00 0.00 1 .016325 .078020 .049324 .13604 .50724 .21305
2 .015551 .095904 .044921 .24522 .40822 .19019 3 .015428 .12547 .092028 .22982 .36589 .17137 4 .012759 .17052 .072216 .18144 .41725 .14582 5 .011982 .19517 .072638 .19311 .39158 .13552 6 .011654 .23219 .074239 .18279 .37044 .12869 7 .010963 .27177 .070006 .16751 .36113 .11863 8 .010416 .30281 .075036 .15702 .34221 .11251 9 .0099746 .33580 .070439 .14653 .33269 .10456 10 .0093146 .36482 .068906 .13918 .31788 .099898 11 .0088956 .39178 .072171 .13078 .30101 .095358 12 .0082644 .41767 .068943 .12178 .29475 .088583 13 .0077919 .43940 .068335 .11614 .28329 .085044 14 .0073835 .46066 .068985 .10994 .27180 .081236 15 .0069846 .47963 .067489 .10379 .26490 .077202 16 .0066578 .49608 .067558 .098935 .25626 .074501 17 .0063374 .51182 .067080 .094360 .24910 .071312 18 .0060559 .52566 .066400 .090176 .24292 .068788 19 .0058240 .53822 .066622 .086378 .23629 .066670 20 .0055795 .54988 .066031 .082854 .23146 .064196 21 .0053656 .56033 .065692 .079791 .22650 .062314 22 .0051783 .57014 .065746 .076863 .22153 .060547 23 .0049938 .57912 .065333 .074116 .21774 .058700 24 .0048280 .58734 .065172 .071684 .21378 .057187 25 .0046724 .59513 .065064 .069371 .21007 .055683 26 .0045268 .60230 .064803 .067205 .20690 .054269 27 .0043941 .60898 .064722 .065206 .20368 .053019 28 .0042655 .61530 .064559 .063320 .20080 .051758 29 .0041460 .62117 .064387 .061564 .19812 .050619 30 .0040355 .62672 .064316 .059902 .19546 .049563 31 .0039288 .63195 .064164 .058330 .19311 .048516 32 .0038289 .63687 .064045 .056862 .19083 .047565 33 .0037348 .64156 .063963 .055463 .18862 .046659 34 .0036448 .64598 .063840 .054135 .18662 .045784 35 .0035601 .65017 .063751 .052882 .18466 .044975 36 .0034792 .65416 .063664 .051688 .18281 .044192 37 .0034022 .65795 .063566 .050552 .18108 .043450 38 .0033292 .66157 .063492 .049471 .17939 .042751 39 .0032592 .66502 .063410 .048438 .17780 .042073 40 .0031925 .66831 .063330 .047454 .17628 .041432 41 .0031289 .67146 .063263 .046513 .17482 .040821 42 .0030679 .67447 .063190 .045611 .17343 .040231 43 .0030095 .67735 .063123 .044750 .17210 .039671 44 .0029536 .68011 .063062 .043923 .17082 .039133 45 .0028999 .68276 .062998 .043129 .16960 .038615 46 .0028484 .68530 .062941 .042368 .16842 .038121 47 .0027988 .68775 .062885 .041637 .16729 .037643 48 .0027512 .69010 .062829 .040933 .16620 .037185 49 .0027054 .69236 .062778 .040256 .16515 .036745 50 .0026613 .69454 .062727 .039604 .16415 .036320 *******************************************************************************
Orthogonalized Forecast Error Variance Decomposition for variable NPL Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .014519 .12020 .013976 .85130 0.00 0.00 1 .0077410 .17341 .016704 .71299 .078817 .010343 2 .032776 .23564 .011380 .63069 .073532 .015981 3 .022387 .29067 .0077723 .57087 .066483 .041819 4 .015585 .31847 .0070317 .51984 .068397 .070675 5 .012282 .35251 .0058119 .48755 .060879 .080968 6 .010801 .36447 .0061225 .45507 .061537 .10200 7 .010386 .37064 .0072078 .44173 .060776 .10926 8 .010508 .38116 .0070132 .43047 .057213 .11364 9 .010829 .38310 .0076073 .42075 .058320 .11939 10 .011324 .38479 .0079520 .41714 .058077 .12072 11 .011934 .38638 .0080452 .41402 .057215 .12241 12 .012472 .38599 .0083792 .41187 .057822 .12346 13 .012925 .38638 .0084679 .41109 .057694 .12344 14 .013446 .38578 .0086008 .41033 .057853 .12399 15 .013910 .38476 .0087846 .41041 .058239 .12390 16 .014288 .38447 .0088211 .41064 .058185 .12360 17 .014666 .38354 .0089223 .41072 .058542 .12361 18 .015004 .38258 .0090157 .41131 .058818 .12327 19 .015306 .38197 .0090474 .41182 .058880 .12298 20 .015581 .38109 .0091170 .41225 .059185 .12278 21 .015822 .38036 .0091617 .41285 .059373 .12243 22 .016053 .37969 .0091937 .41336 .059517 .12219 23 .016261 .37895 .0092420 .41386 .059745 .12194 24 .016445 .37838 .0092671 .41438 .059877 .12165 25 .016622 .37779 .0092969 .41480 .060040 .12145 26 .016786 .37720 .0093309 .41525 .060210 .12122 27 .016936 .37672 .0093508 .41567 .060319 .12100 28 .017078 .37622 .0093773 .41602 .060465 .12083 29 .017212 .37576 .0094020 .41639 .060593 .12064 30 .017338 .37534 .0094210 .41673 .060695 .12048 31 .017459 .37492 .0094440 .41703 .060817 .12033 32 .017572 .37454 .0094634 .41733 .060918 .12017 33 .017681 .37418 .0094817 .41760 .061014 .12004 34 .017785 .37383 .0095015 .41787 .061115 .11990 35 .017884 .37351 .0095181 .41812 .061200 .11977 36 .017979 .37319 .0095351 .41835 .061287 .11966 37 .018070 .37288 .0095520 .41858 .061371 .11954 38 .018158 .37260 .0095669 .41880 .061447 .11943 39 .018242 .37232 .0095823 .41900 .061524 .11933 40 .018323 .37205 .0095969 .41920 .061597 .11923 41 .018401 .37180 .0096106 .41939 .061666 .11913 42 .018476 .37155 .0096243 .41957 .061734 .11904
43 .018548 .37132 .0096372 .41975 .061798 .11895 44 .018618 .37109 .0096496 .41992 .061860 .11886 45 .018685 .37087 .0096619 .42008 .061921 .11878 46 .018750 .37066 .0096734 .42024 .061979 .11870 47 .018813 .37045 .0096846 .42039 .062035 .11862 48 .018874 .37025 .0096956 .42054 .062089 .11855 49 .018932 .37006 .0097060 .42068 .062141 .11848 50 .018989 .36987 .0097162 .42082 .062192 .11841 ******************************************************************************* Orthogonalized Forecast Error Variance Decomposition for variable LDR Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .018623 .1064E-3 .019751 .27189 .68962 0.00 1 .018841 .5146E-3 .025961 .37146 .46195 .12127 2 .022435 .0023940 .045254 .34121 .40755 .18116 3 .023186 .0087309 .037183 .29852 .44347 .18891 4 .026113 .0093649 .044673 .29094 .40531 .22360 5 .024644 .013455 .044085 .28413 .41263 .22105 6 .024000 .017065 .041275 .27402 .40927 .23437 7 .023973 .020349 .045116 .26105 .39568 .25383 8 .022307 .027278 .042677 .25020 .40462 .25292 9 .020939 .033079 .041473 .24205 .39543 .26703 10 .020131 .040344 .042754 .23048 .38537 .28093 11 .019069 .049768 .041282 .21849 .38381 .28758 12 .018215 .057752 .041153 .20856 .37371 .30061 13 .017470 .066695 .041224 .19872 .36603 .30987 14 .016804 .075483 .040511 .18909 .35981 .31830 15 .016327 .083178 .040732 .18038 .35108 .32830 16 .015813 .091039 .040479 .17261 .34542 .33464 17 .015385 .097906 .040169 .16559 .33923 .34172 18 .015077 .10413 .040337 .15905 .33272 .34869 19 .014752 .11011 .040111 .15319 .32832 .35351 20 .014481 .11521 .040010 .14804 .32338 .35888 21 .014255 .11995 .040058 .14327 .31885 .36361 22 .014041 .12430 .039916 .13895 .31532 .36747 23 .013862 .12811 .039907 .13506 .31157 .37149 24 .013693 .13168 .039886 .13151 .30840 .37483 25 .013538 .13489 .039807 .12827 .30558 .37791 26 .013407 .13780 .039817 .12528 .30275 .38095 27 .013278 .14053 .039778 .12253 .30039 .38349 28 .013160 .14299 .039738 .12002 .29813 .38596 29 .013055 .14528 .039739 .11767 .29596 .38830 30 .012953 .14742 .039703 .11549 .29409 .39035 31 .012859 .14938 .039683 .11347 .29226 .39235 32 .012772 .15123 .039673 .11157 .29056 .39420
33 .012688 .15296 .039646 .10979 .28902 .39590 34 .012611 .15457 .039634 .10812 .28751 .39755 35 .012537 .15610 .039619 .10655 .28613 .39907 36 .012468 .15754 .039599 .10507 .28483 .40051 37 .012402 .15889 .039590 .10366 .28357 .40188 38 .012340 .16018 .039574 .10234 .28241 .40316 39 .012281 .16140 .039560 .10108 .28130 .40439 40 .012225 .16255 .039550 .099886 .28023 .40555 41 .012171 .16365 .039537 .098751 .27924 .40665 42 .012120 .16470 .039526 .097671 .27828 .40771 43 .012071 .16570 .039516 .096640 .27736 .40871 44 .012025 .16665 .039505 .095657 .27650 .40966 45 .011981 .16756 .039496 .094718 .27566 .41058 46 .011938 .16844 .039486 .093819 .27487 .41145 47 .011898 .16927 .039477 .092960 .27411 .41229 48 .011859 .17007 .039469 .092136 .27338 .41309 49 .011822 .17083 .039461 .091346 .27268 .41386 50 .011786 .17157 .039453 .090588 .27201 .41459 ******************************************************************************* Orthogonalized Forecast Error Variance Decomposition for variable RSBI Cointegration with unrestricted intercepts and restricted trends in the VAR ******************************************************************************* 57 observations from 2001M4 to 2005M12. Order of VAR = 3, chosen r =2. List of variables included in the cointegrating vector: LLB CAR NIM NPL LDR RSBI Trend ******************************************************************************* List of imposed restrictions: a1=1;a2=0;b1=0;b2=1; ******************************************************************************* Horizon LLB CAR NIM NPL LDR RSBI 0 .0091843 .0060786 .084983 .20331 .42502 .27142 1 .015141 .0094937 .083280 .32595 .34737 .21876 2 .019928 .013257 .080260 .31519 .35998 .21138 3 .020365 .011347 .094512 .28235 .38368 .20775 4 .019134 .023182 .087878 .35017 .33348 .18616 5 .019426 .034550 .083447 .37320 .30006 .18931 6 .026997 .046624 .081283 .38374 .28352 .17784 7 .032406 .069514 .074228 .39271 .25832 .17282 8 .030165 .084240 .070067 .40080 .23446 .18027 9 .030589 .10636 .065115 .41622 .21002 .17170 10 .032607 .13042 .059752 .41402 .19101 .17220 11 .031456 .14481 .056992 .41025 .17961 .17688 12 .030232 .16239 .053451 .41536 .16383 .17473 13 .029506 .17833 .050353 .41345 .15128 .17708 14 .028780 .18993 .048501 .41073 .14347 .17859 15 .028008 .20175 .046327 .41023 .13475 .17893 16 .026996 .21074 .044766 .40856 .12778 .18116 17 .026304 .21874 .043536 .40770 .12215 .18157 18 .025804 .22650 .042198 .40635 .11684 .18231 19 .025126 .23200 .041332 .40490 .11289 .18374 20 .024579 .23731 .040503 .40455 .10904 .18402 21 .024166 .24229 .039679 .40362 .10554 .18471 22 .023743 .24610 .039107 .40269 .10290 .18546
23 .023374 .24978 .038519 .40233 .10024 .18576 24 .023039 .25304 .037995 .40174 .097866 .18632 25 .022746 .25583 .037574 .40126 .095884 .18670 26 .022495 .25852 .037140 .40090 .093950 .18699 27 .022244 .26081 .036778 .40049 .092266 .18741 28 .022025 .26292 .036451 .40024 .090722 .18764 29 .021837 .26495 .036124 .39995 .089251 .18789 30 .021652 .26669 .035850 .39965 .087971 .18818 31 .021485 .26835 .035587 .39947 .086748 .18836 32 .021334 .26991 .035336 .39925 .085599 .18857 33 .021191 .27131 .035115 .39904 .084570 .18877 34 .021061 .27265 .034900 .39888 .083582 .18893 35 .020937 .27389 .034701 .39870 .082663 .18911 36 .020821 .27504 .034518 .39855 .081812 .18925 37 .020715 .27615 .034340 .39841 .080998 .18939 38 .020613 .27717 .034176 .39826 .080242 .18953 39 .020517 .27814 .034022 .39814 .079528 .18966 40 .020428 .27906 .033873 .39802 .078847 .18977 41 .020342 .27992 .033736 .39790 .078212 .18989 42 .020261 .28074 .033604 .39779 .077605 .18999 43 .020185 .28152 .033478 .39769 .077028 .19010 44 .020112 .28226 .033360 .39759 .076484 .19020 45 .020042 .28297 .033247 .39749 .075964 .19029 46 .019976 .28364 .033140 .39740 .075469 .19038 47 .019913 .28428 .033037 .39732 .074998 .19046 48 .019853 .28489 .032939 .39723 .074547 .19054 49 .019796 .28547 .032846 .39716 .074117 .19061 50 .019741 .28603 .032757 .39708 .073706 .19069 *******************************************************************************
