DIAJUKAN UNTUK MEMENUHI SEBAGIAN PRASYARAT DALAM MEMPEROLEH GELAR SARJANA EKONOMI DEPARTEMEN ILMU EKONOMI PROGRAM STUDI EKONOMI PEMBANGUNAN

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

PROPERTY PRICE BUBBLE: ANALISIS REGIONAL DI INDONESIA DIAJUKAN UNTUK MEMENUHI SEBAGIAN PRASYARAT DALAM MEMPEROLEH GELAR SARJANA EKONOMI DEPARTEMEN ILMU EKONOMI PROGRAM STUDI EKONOMI PEMBANGUNAN

DIAJUKAN OLEH INDRA KURNIAWAN NIM: 041211132011

FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS AIRLANGGA SURABAYA 2016

SKRIPSI

PROPERTY PRICE BUBBLE ....

INDRA KURNIAWAN


ii

SKRIPSI


INDRA KURNIAWAN


iii

SKRIPSI


INDRA KURNIAWAN


iv

SKRIPSI


INDRA KURNIAWAN


v

SKRIPSI


INDRA KURNIAWAN


KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT, karena berkat rahmat dan karunia-Nya penulis dapat menyelesaikan skripsi ini sebagai salah satu persyaratan dalam mendapatkan gelar Sarjana Ekonomi pada program studi Ekonomi Pembangunan di Fakultas Ekonomi dan Bisnis Universitas Airlangga dengan judul “Property Price Bubble: Analisis Regional di Indonesia”. Penyusunan dan penulisan skripsi ini tidak terlepas dari bantuan serta dukungan dari berbagai pihak. Oleh karena itu, penulis menyampaikan rasa terimakasih yang sebesar-besarnya kepada: 1. Kedua orang tua penulis bapak Nurman dan Ibu Susilowati yang selalu memberikan doa, motivasi, dorongan baik secara moril maupun materil, serta Deni Irawan adik kandung penulis. 2. Dr. Rudi Purwono, SE., MSE selaku wakil dekan I Fakultas Ekonomi dan Bisnis serta sebagai dosen pembimbing atas kesabaran dan kebaikan serta pengarahan dalam penulisan skripsi ini serta telah membimbing dengan baik selama penulis mengikuti organisasi. 3. Prof. Dr. Hj. Dian Agustia, S.E., M.Si., Ak., CMA., CA. selaku Dekan Fakultas Ekonomi dan Bisnis Universitas Airlangga 4. Dr. Muryani, SE., MEMD selaku ketua departemen Ilmu Ekonomi Universitas Airlangga 5. Rossanto Dwi Handoyo, SE., MSi., PhD selaku sekretaris departemen Ilmu Ekonomi serta sebagai dosen wali penulis yang telah memberikan vi

SKRIPSI


INDRA KURNIAWAN


pengarahan arahan selama perkuliahan serta memberikan arahan dalam permasalahan penulisan skripsi. 6. Kepada Fandi, Noel, Almara, Alfian, Trianto, Jebu, Abah dan Arsya teman

gerumbulan

IM3B

(Ikatan

Mahasiswa

Bangku

Belakang

Berprestasi) dari semester awal hingga satu-persatu lulus, makasih atas pertemanan yang kurang ber-etika kalian namun tetap saling menjaga keutuhan pertemanan sebagai sebuah keluarga. 7. Terima kasih kepada teman-teman CCK (Mia, Dedek, Cece, Nicul, Ajeng dan Happy) dan PPG (Jannah, Nana, Niastiti dan Nur Aini) teman seperjuangan dari semester I, selalu bersama dalam akademik maupun non akademik, terimakasih atas semangatnya. 8. Kepada Abah, Jebu, Farah, Jannah atas bimbingan dalam penulisan maupun pengurusan administrasi skripsi. 9. Alvin, Hendy, Tince dan Bambang yang merupakan teman penulis semenjak SMP dan selalu menyempatkan waktu untuk selalu bertemu terima kasih telah memberi semangat dan kebersamaanya. 10. Teman-teman satu angkatan EP 2012 seluruh warga EP atas kebersamaan dan bantuannya selama 4 tahun dalam pertemanan dan perkuliahan. 11. Rizal, Irfan, Raka, Fi’la, Ais dan teman-teman BPH BEM lainnya atas pertemanan, bantuan serta kerja sama dalam mengelola program kerja BEM. 12. Kepanitiaan ECCENTS 7th yang telah sukses menjalankan acara, menghasilkan acara yang berkontribusi dalam meningkatkan iklim vii

SKRIPSI


INDRA KURNIAWAN


keilmuan terutama jurusan ekonomi studi pembangunan dan senantiasa tetap menjaga hubungan antar panitia. 13. Teman-teman SEGA dan PENGMAS BEM FEB Unair atas bantuan semangat, kebersamaan serta pengalaman yang bermanfaat. 14. Teman-teman HIMA EP periode 2013 dan 2014 atas pengalaman, kebersamaan

dan

kekeluagaannya

khususnya

di

Departemen

Kesekretariatan dan Departemen Ilmu Ekonomi. 15. Teman-teman BEM FEB UNAIR periode 2015 atas pengalaman dan pelajaran-pelajaran yang penulis dapatkan. 16. Serta pihak lainnya yang turut membantu dalam menyelesaikan skripsi ini yang tidak dapat saya sebutkan satu persatu. Penulis menyadari bahwa skripsi ini masih banyak kekurangan yang disebabkan adanya keterbatasan pengetahuan, akses, referensi, dan pengalaman penulis. Oleh karena itu, penulis sangat mengharapkan masukan berupa kritik dan saran yang membangun dari pembaca guna melengkapi tulisan ini. Akhir kata dengan segala keterbatasan dan kekurangan, penulis berharap skripsi ini dapat memberikan manfaat bagi pembaca maupun pihak yang membutuhkannya.

Penulis, Indra Kurniawan

viii

SKRIPSI


INDRA KURNIAWAN


DEPARTEMEN PENDIDIKAN NASIONAL FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS AIRLANGGA PROGRAM STUDI DAFTAR NO

: EKONOMI PEMBANGUNAN : ……………………..

ABSTRAK SKRIPSI SARJANA EKONOMI NAMA : INDRA KURNIAWAN NIM : 041211132011 TAHUN PENYUSUNAN : 2016 JUDUL: PROPERTY PRICE BUBBLE: ANALISIS REGIONAL DI INDONESIA ISI

: Penelitian ini bertujuan untuk melihat pengaruh dari faktor fundamental sisi permintaan dan penawaran terhadap harga properti di 5 kota besar Indonesia menggunakan metode regresi data panel. Selain itu, penelitian ini juga menganalisis terjadinya property price bubble di regional Indonesia menggunakan analisis HP filter. Hasil dari analisis metode regresi data panel menunjukkan bahwa faktor fundamental sisi permintaan seperti pertumbuhan ekonomi dan inflasi berpengaruh positif terhadap harga properti serta suku bunga dan loan to value berpengaruh secara negatif terhadap harga properti. Di sisi lain, faktor fundamental sisi penawaran yaitu variabel ekspektasi harga pengembang berpengaruh secara positif terhadap harga properti. Hasil analisis Hodrick Prescot filter mengidentifikasi adanya bubble di tiap-tiap kota yang berlangsung selama dua periode selama penelitian. KATA KUNCI : Harga properti, property price bubble, faktor fundamental

ix

SKRIPSI


INDRA KURNIAWAN


DEPARTMENT OF NATIONAL EDUCATION FACULTY OF ECONOMICS AND BUSINESS, AIRLANGGA UNIVERSITY STUDY COURSE : ECONOMICS DEVELOPMENT REGISTER NO : ………………………….. ABSTRACT BACHELOR THESIS OF ECONOMICS NAME : INDRA KURNIAWAN NIM : 041211132011 ARRANGED YEAR : 2016 TITTLE : PROPERTY PRICE BUBBLE : REGIONAL ANALYSIS IN INDONESIA CONTENT: The purpose of this study is to look at the influence of fundamental factors of demand and supply side of the property prices in five major cities in Indonesia using panel data regression methods. In addition, this study also analyzes the regional property price bubble in Indonesia using the Hodrick Prescott filter analysis. The results of the analysis of panel data regression method showed that the demand-side fundamentals such as economic growth and inflation have positive effect on property prices as well as interest rate and loan to value negative affect the price of the property. On the other hand, the fundamental factors supplyside variable price expectations developer impact positively on the price of the property. HP filter analysis results identifying the bubble in every city that lasted for two periods during the study. KEYWORDS : Property price, property price bubble, fundamental factors

x

SKRIPSI


INDRA KURNIAWAN


DAFTAR ISI Halaman Judul......................................................................................................... i Halaman Pengesahan Sidang Skripsi……………………… .................................. ii Halaman Persetujuan ............................................................................................... iii Halaman Pernyataan Orisinalitas Skripsi ................................................................ iv Decralation ............................................................................................................. v Kata Pengantar ........................................................................................................ vi Abstrak .................................................................................................................... ix Abstract ................................................................................................................... x Daftar Isi.................................................................................................................. xi Daftar Tabel ............................................................................................................ xv Daftar Gambar ......................................................................................................... xvi Daftar Lampiran ...................................................................................................... xviii BAB I PENDAHULUAN 1.1 Latar Belakang ............................................................................................ 1 1.2 Rumusan Masalah ....................................................................................... 7 1.3 Tujuan Penelitian ........................................................................................ 8 1.4 Manfaat Penelitian ...................................................................................... 9 1.5 Sistematika Penulisan ................................................................................. 10 BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori ............................................................................................ 12 2.1.1

Teori Pasar Properti (Property Market) .......................................... 12

2.1.2

Property Price Bubble................................................................... ..15

2.1.3

Teori Lokasi (Location Theory) ................................................... ..19

2.1.4

Overvalued-Undervalued of Housing Price.................................. ..19

2.1.5

Teori Rational Asset Price Bubble ................................................ ..24

2.1.6

Boom-Bust Housing Cycle ............................................................ ..26 xi

SKRIPSI


INDRA KURNIAWAN


2.1.7

Faktor Fundamental Penentu Harga Properti ................................ ..27

2.1.7.1 Pertumbuhan Ekonomi ............................................................ 29 2.1.7.2 Inflasi ...................................................................................... 31 2.1.7.3 Suku Bunga ............................................................................. 33 2.1.7.4 Loan to Value (LTV) .............................................................. 36 2.1.4.7.1 Kebijakan Loan to Value (LTV) sebagai Instrumen Kebijakan Makroprudensial ......................................... 37 2.1.4.7.2 Hubungan Kebijakan Loan to Value (LTV) terhadap Harga Properti ............................................................... 39 2.1.7.5 Ekspektasi Harga Pengembang ............................................... 40 2.2 Penelitian Terdahulu ................................................................................. 41 2.3 Hipotesis dan Model Analisis ................................................................... 45 2.3.1

Hipotesis........................................................................................ 45

2.3.2

Model Analisis .............................................................................. 46

2.4 Kerangka Berpikir ..................................................................................... 47 BAB III METODOLOGI PENELITIAN 3.1 Pendekatan Penelitian ............................................................................... 44 3.2 Identifikasi Variabel .................................................................................. 44 3.3 Definisi Operasional Variabel ................................................................... 45 3.3.1 Indeks Harga Properti Residensial (IHPR) ..................................... 45 3.3.2 Pertumbuhan Ekonomi ..................................................................... 46 3.3.3 Inflasi ............................................................................................... 46 3.3.4 Suku Bunga ...................................................................................... 47 3.3.5 Ekspektasi Harga Pengembang ........................................................ 47 3.3.6 Loan to Value (LTV)........................................................................ 48 3.4 Jenis dan Sumber Data .............................................................................. 48 3.5 Prosedur Pengumpulan Data ..................................................................... 49 3.6 Teknik Analisis ......................................................................................... 49 3.6.1

Metode Regresi Data Panel ........................................................... 49

3.6.1.1 Pemilihan Model Estimasi Data Panel ....................................................... 52 xii

SKRIPSI


INDRA KURNIAWAN


3.6.1.1.1 Uji Chow ............................................................................. 52 3.6.1.1.2 Uji Lagrange Multiplier ...................................................... 53 3.6.1.1.3 Uji Hausman ....................................................................... 54 3.6.1.2 Pengujian Asumsi Klasik ......................................................... 55 3.6.1.2.1 Uji Multikolinearitas ........................................................... 55 3.6.1.2.2 Uji Heterokedastisitas ......................................................... 56 3.6.1.2.3 Uji Autokorelasi .................................................................. 57 3.6.1.3Pengujian Statistik ..................................................................... 57 3.6.1.3.1 Uji t- statistik ....................................................................... 58 3.6.1.3.2 Uji F-statistik ....................................................................... 58 3.6.1.3.3 Pengukuran Koefisien Determinasi (Adjusted

) ............. 59

3.6.2 Metode Hodrick-Prescott Filter (HP-Filter) .................................... 60 BAB IV PEMBAHASAN 4.1 Gambaran Umum Objek Penelitian .......................................................... 63 4.1.1 Perkembangan Harga Properti ........................................................ 63 4.1.2 Perkembangan Pertumbuhan Ekonomi ............................................ 65 4.1.3 Perkembangan Laju Inflasi ............................................................... 67 4.1.4 Perkembangan Suku Bunga ............................................................. 69 4.1.5 Perkembangan Kebijakan Loan to Value (LTV) ............................. 72 4.1.6 Perkembangan Ekspektasi Harga Pengembang ............................... 75 4.2 Deskripsi Hasil Penelitian ......................................................................... 77 4.2.1 Pemilihan Model Estimasi ............................................................... 77 4.2.1.1 Uji Chow .................................................................................. 78 4.2.1.2 Uji Lagrange Multiplier ........................................................... 78 4.2.1.3 Uji Hausman ............................................................................ 79 4.2.2 Uji Asumsi Klasik ............................................................................ 80 4.2.2.1 Uji Multikolinearitas ................................................................ 80 4.2.2.2 Uji Heterokedastisitas .............................................................. 81 4.2.2.3 Uji Autokorelasi ....................................................................... 81 4.2.2.4 Solusi Pelanggaran Asumsi Klasik .......................................... 82 xiii

SKRIPSI


INDRA KURNIAWAN


4.2.3 Pengujian Kriteria Statistik .............................................................. 83 4.2.3.1 Uji t-statistik ............................................................................... 83 4.2.3.2 Uji F-statistik.............................................................................. 84 4.2.3.3 Pengukuran Koefisien Determinasi (Adjusted

) .................... 84

4.3 Analisis Hasil dan Pengujian Hipotesis .................................................... 85 4.3.1

Analisis Hasil Metode Regresi Data Panel ................................... 85

4.3.2

Analisis Property Price Bubble di 5 Kota Besar Indonesia .......... 87

4.3.2.1 Medan ........................................................................................ 88 4.3.2.2 Jakarta ........................................................................................ 89 4.3.2.3 Surabaya ..................................................................................... 90 4.3.2.4 Manado ...................................................................................... 91 4.3.2.5 Makassar .................................................................................... 93 4.3.3

Pembuktian Hipotesis .................................................................... 94

4.4 Pembahasan .............................................................................................. 95 4.4.1 Faktor Fundamental Penentu Harga Properti di 5 Kota Besar Indonesia ...................................................................................... 95 4.4.2 Analisis Property Price Bubble di 5 Kota Besar Indonesia ........... 100 4.5 Keterbatasan Penelitian ........................................................................... 105 BAB V SIMPULAN DAN SARAN 5.1 Simpulan ................................................................................................... 106 5.2 Saran .......................................................................................................... 108 DAFTAR PUSTAKA .......................................................................................... 110 LAMPIRAN ......................................................................................................... cxiv

xiv

SKRIPSI


INDRA KURNIAWAN


DAFTAR TABEL Tabel 4.1 Kententuan Kebijakan loan to value SE No.14/10/DPNP ......................74 Tabel 4.2 Kententuan Kebijakan loan to value SE No.15/40/DKMP .....................75 Tabel 4.3 Hasil Uji Lagrange Multiplier ...............................................................78 Tabel 4.4 Hasil Uji Hausman .................................................................................79 Tabel 4.5 Hasil Uji Multikolinearitas .....................................................................80 Tabel 4.6 Hasil Uji Heterokedastisitas ....................................................................81 Tabel 4.7 Hasil Uji Autokorelasi ............................................................................81 Tabel 4.8 Hasil Uji Penyembuhan Asumsi Klasik .................................................101 Tabel 4.9 Tabel Hasil Analisis Property Price Bubble ..........................................101

xv

SKRIPSI


INDRA KURNIAWAN


DAFTAR GAMBAR Gambar 1.1

U.S Housing Price ............................................................................1

Gambar 1.2

Perkembangan Harga Properti Regional ............................................4

Gambar 2.1

Hubungan Risiko dan Tingkat Imbal Hasil ........................................20

Gambar 2.2

Kurva Keseimbangan Harga Properti .................................................23

Gambar 2.3

Kurva Permintaan dan Penawaran Uang ............................................30

Gambar 2.4

Instrumen Kebijakan LTV ..................................................................34

Gambar 2.5

Kerangka Berpikir ..............................................................................43

Gambar 3.1

Tahapan Pemilihan Model Estimasi Data Panel ................................53

Gambar 3.2

Metode Hodrick-Prescot ....................................................................62

Gambar 4.1

Grafik Perkembangan Harga Properti ................................................63

Gambar 4.2

Perkembangan Pertumbuhan Ekonomi ..............................................65

Gambar 4.3

Perkembangan Laju Inflasi ................................................................68

Gambar 4.4

Perkembangan Suku Bunga Kredit di 5 kota besar Indonesia ...........70

Gambar 4.5

Perkembangan Suku Bunga Kredit di Indonesia ................................71

Gambar 4.6

Grafik Perkembangan Ekspektasi Harga Pengembang ......................76

Gambar 4.7

Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Medan tahun 2006-2014 .................................88

Gambar 4.8

Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Jakarta tahun 2006-2014 ................................89

Gambar 4.9

Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Surabaya tahun 2006-2014 .............................91

Gambar 4.10 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Manado tahun 2006-2014 ...............................92 Gambar 4.11 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Makassar tahun 2006-2014 ............................93

xvi

SKRIPSI


INDRA KURNIAWAN


DAFTAR LAMPIRAN Lampiran 1

Hasil Estimasi Pooled Least Square (PLS) ................................... cxiv

Lampiran 2

Hasil Estimasi Random Effect Model (REM) ................................ cxiv

Lampiran 3

Hasil Estimasi Fixed Effect Model (FEM) .................................... cxv

Lampiran 4

Hasil Pemilihan Model Estimasi (Uji Lagrange Multiplier) ......... cxv

Lampiran 5

Hasil Pemilihan Model Estimasi (Uji Hausman) .......................... cxvi

Lampiran 6

Hasil Uji Multikolinearitas ............................................................ cxvi

Lampiran 5

Hasil Uji Heteroskedastisitas ......................................................... cxvi

Lampiran 5

Hasil Uji Autokorelasi ................................................................... cxvii

Lampiran 5

Hasil Pengembuhan Asumsi Klasik (Metode PCSE) .................... cxvii

xvii

SKRIPSI


INDRA KURNIAWAN


BAB I PENDAHULUAN 1.1 Latar Belakang Krisis yang terjadi di Amerika Serikat (Lehman Brother bangkrut dan AIG collapse pada bulan September 2008) yang kemudian menular ke Eropa menunjukkan bahwa ketidakstabilan di sektor keuangan berdampak serius pada sektor riil. Krisis keuangan yang didorong oleh credit-driven bubbles berubah menjadi krisis global dan telah menyebabkan aktivitas perekonomian turun drastis. Adanya peningkatan harga perumahan secara global secara signifikan dimulai tahun 1995-2011. Misalnya, harga rumah di Australia, Swedia, Spanyol, Irlandia dan Inggris sebelum terjadi kredit macet di Amerika Serikat telah meningkat dua kali lebih besar dibanding awal 1990an (Quigley, 2001). Pertumbuhan perumahan meningkat lebih dari 70% dari periode Januari 2001 dan puncaknya pada Mei 2006, hal inilah yang membawa terhadap munculnya krisis finansial.

250.00 200.00 150.00 100.00 50.00

Q1 2010

Q1 2008

Q1 2006

Q1 2004

Q1 2002

Q1 2000

0.00

Sumber : Bank for International Settlement, 2015 Gambar 1.1 U.S Housing Price 1

SKRIPSI


INDRA KURNIAWAN


2

Semakin meningkatnya harga perumahan menyebabkan munculnya volatilitas terhadap harga perumahan yang menjadi penyebab terjadinya kredit macet serta meningkatnya harga rumah (Miles, 2008). Banyak peneliti percaya bahwa pertumbuhan harga rumah yang signifikan berpotensi mengakibatkan munculnya bubble. Ketika bubble tersebut meletus, ini akan membahayakan stabilitas perekonomian suatu negara. Contohnya, Glindro, et al. (2011) menemukan bahwa bubble harga aset merupakan salah satu risiko sistemik dari krisis perbankan yang muncul disaat meningkatnya kredit selama pertumbuhan properti. Minsky (1986) menjelaskan bagaimana harga aset mengalami bubbles dan meletus terjadi melalui 5 tahap seperti displacement, boom, euphoria, profit taking dan panic. Saat terjadi bubble pada pasar properti, peningkatan pada harga perumahan meningkatkan ekspektasi pada harga rumah dalam jangka panjang. Inilah bagaimana bubble pada harga perumahan terjadi. Fenomena krisis juga dialami lebih dulu di kawasan Asia pada pertengahan tahun 1990an. Beberapa peneliti menelusuri penyebab terjadinya krisis keuangan di Asia. Berdasarkan historis data dan pengumpulan informasi, Quigley (2001) menyimpulkan keadaan sebelum terjadinya krisis antara lain : (1) Rasio harga properti properti terhadap harga sewa properti komersial dan ritel real estate tinggi; (2) pertumbuhan kredit melebihi pertumbuhan Gross National Product (GNP) dan rasio Non Performing Loan (NPL) pinjaman properti terhadap total pinjaman sangat besar di Asia Tenggara; (3) Pertenggahan tahun 1990an kontribusi sektor properti relatif besar pada perekonomian; (4) Persentase properti lebih dominan

SKRIPSI


INDRA KURNIAWAN


3

dibandingkan properti lainnya di Asia meletus sebelum efek domino muncul dan sebelum krisis nilai tukar terbentuk. Pada saat terjadi krisis global di tahun 2008, Asia lebih tahan dan siap karena telah memiliki regulasi yang lebih kuat dalam memitigasi risiko krisis dan lebih banyak belajar dari pengalaman krisis finansial di tahun 1997/1998. Salah satunya dengan penerapan instrumen kebijakan makroprudensial

dalam

mengendalikan pertumbuhan kredit sekaligus harga properti yaitu kebijakan loan to value. Penerapan kebijakan loan to value mulai diberlakukan di Hongkong sejak tahun 1991, Korea pada tahun 2002, Thailand pada tahun 2003, Singapura tahun 2005, sedangkan Malaysia pada tahun 2010 dan Indonesia tahun 2012 (Krznar dan Morsink, 2014). Penelitian tentang property price bubble sebelumnya telah banyak dilakukan oleh beberapa peneliti. Mikhed dan Petr (2007) dalam penelitiannya tentang bubble pada Metropolitan Statistical Areas (MSA) Amerika Serikat dan menemukan bahwa indikator dalam model yang mereka kembangkan menemukan adanya bubble yang terjadi pada rentang waktu akhir 1980-an, serta awal 1990-an. Cameron, et al. (2006) dalam penelitiannya tentang investigasi bubble pada British regional house price dengan model panel data dinamis tahun 1972-2003 tidak menemukan bubble namun ada interaksi antara indeks ketersediaan kredit dengan suku bunga riil maupun nominal. Michal dan Lubos (2012) melalui penelitian tentang analisa housing price bubbles di regional Ceko serta faktor-faktor yang mempengaruhinya menemukan bahwa ada overvalued (bubble) property price pada

SKRIPSI


INDRA KURNIAWAN

4


2003/2004 serta 2007/2008 yang disebabkan faktor fundamental seperti pertumbuhan ekonomi, inflasi serta suku bunga. Selain dalam lingkup skala nasional, Bank Indonesia juga melakukan pengawasan pada skala regional. Setiap wilayah di Indonesia, memiliki perkembangan pertumbuhan ekonomi yang berbeda-beda, sehingga pertumbuhan harga properti juga berbeda. Terdapat lima kota besar yang pertumbuhan harga properti residensialnya melebihi pertumbuhan harga properti di 9 kota lainnya yang disurvei (Survei Harga Properti Residensial Primer, 2014). Kelima kota besar tersebut adalah kota Medan, Jakarta, Surabaya, Manado dan Makassar. Berdasarkan pola pertumbuhan tahunan, dapat diindikasikan bahwa harga properti kelima kota besar tersebut cenderung menjadi pemicu kenaikan harga properti di sembilan kota lainnya yaitu Denpasar, Bandung, Bandar Lampung, Padang, Banjarmasin, Pontianak, Semarang, Palembang dan Jogjakarta. 300

(Indeks)

250 200 150 100 50 0

2006

2007

2008

2009

2010

2011

2012

2013

2014

Sumber: Survei Harga Properti Residensial Primer (Bank Indonesia),diolah Gambar 1.2 Perkembangan Harga Properti Regional

SKRIPSI


INDRA KURNIAWAN


5

Penelitian tentang harga perumahan di regional suatu negara telah banyak dilakukan oleh beberapa peneliti seperti diantaranya adalah Michal dan Lubos (2011), Cameron, et al.(2006) dan Mikhed dan Petr (2007). Dalam penelitiannya mengenai analisis regional tentang gelembung harga perumahan serta faktor-faktor yang mempengaruhinya di Republik Ceko. Di negara berkembang seperti Indonesia, pertumbuhan harga properti memiliki perbedaan yang sangat signifikan di setiap regionalnya. Seperti pertumbuhan harga properti pada kota-kota besar dengan pertumbuhan yang jauh tinggi serta relatif cepat dibandingkan dengan daerah seperti kabupaten dan lainlain. Hal ini utamanya disebabkan oleh perbedaan tingkat pertumbuhan serta output yang sangat timpang. Karena perbedaan tingkat kesejahteraan tersebut, menyebabkan demand akan hunian/perumahan di kota besar sangat tinggi serta supply yang semakin menurun diakibatkan lahan perumahan yang bertambah sempit pada akhirnya menyebabkan harga rumah di kota-kota besar semakin melambung. Peningkatan pembiayaan properti dari sektor kredit meningkatkan peranan perbankan untuk menambah likuiditas. Peningkatan likuiditas menyebabkan peningkatan harga properti, nilai anggunan atau collateral meningkatkan dan mendorong ekspansi kredit (Koh, 2004). Peningkatan kredit yang cukup tinggi dapat membuat harga properti melambung sehingga mengarah pada property price bubble. Property price bubble terjadi ketika harga yang terus meningkat diatas nilai yang semestinya. Dari sisi pembiayaan properti di Indonesia masih didominasi oleh kredit pemilikan rumah (KPR) dan kredit pemilikan apartemen (KPA).

SKRIPSI


INDRA KURNIAWAN


6

Peningkatan kredit mendorong ekspektasi peningkatan harga properti yang dapat mengarahkan kondisi ekonomi kearah bubble. Bank Indonesia melakukan pengawasan terhadap pergerakan harga properti residensial untuk mewaspadai terjadinya property price bubble, sehingga dapat diantisipasi sedini mungkin. Perkembangan harga properti residensial terus meningkat dan meningkat signifikan semenjak tahun 2012. Untuk mencegah adanya risiko kredit akibat semakin tingginya harga perumahan yang nantinya dapat memunculkan bubble maka Bank Indonesia mengeluarkan salah satu instrumennya yaitu kebijakan loan to value (LTV). Kebijakan loan to value adalah ketentuan maksimum pembiayaan kredit yang dapat diberikan bank terhadap nilai properti pada saat pemberian kredit atau pembiayaan berdasarkan harga penilaian akhir. Pengendalian pada kredit khususnya properti diharapkan mampu mengurangi pertumbuhan harga dan mencegah terjadinya property price bubble. Kebijakan loan to value merupakan salah satu kebijakan makroprudensial yang bertujuan untuk memitigasi risiko kredit yang diterapkan di Indonesia. Dalam pengendalian kredit diharapkan mampu mencegah terjadinya potensi property price bubble. Penelitian tentang property price bubble perlu untuk dilakukan untuk mengidentifikasi periode terjadinya dan sekaligus diperlukan dalam mengetahui sejauh mana kebijakan loan to value mampu mengendalikan pertumbuhan harga, selain digunakan untuk mengendalikan pertumbuhan kredit di Indonesia. Dalam rentang waktu periode penelitian ini Bank Indonesia menerapkan kebijakan loan to value sejak tahun 2012 sesuai dengan Surat Edaran No.1410/DPNP, kemudian

SKRIPSI


INDRA KURNIAWAN


7

direvisi melalui melalui Surat Edaran Eksternal Bank Indonesia N0.15/40/DKMP tanggal 24 Septembar 2013 tentang Penerapan manajemen risiko pada bank yang melakukan pemberian kredit atau pembiayaan pemilikan properti, kredit atau pembiayaan konsumsi beragun properti, dan kredit atau pembiayaan kendaraan bermotor (Bank Indonesia, 2014). Dari uraian latar belakang diatas, maka tujuan dari penelitian adalah yang pertama, seperti yang kita ketahui sebelumnya property price bubble berpengaruh sangat tajam terhadap perekonomian secara keseluruhan. Oleh karena itu melalui penelitian ini akan melihat apakah faktor-faktor fundamental penentu harga properti dari sisi permintaan dan penawaran seperti pertumbuhan ekonomi, inflasi, suku bunga, ekspektasi harga pengembang serta kebijakan makroprudensial (loan to value) berpengaruh terhadap harga properti di 5 kota besar Indonesia. Kedua, menganalisis harga properti di analisis regional Indonesia apakah terdapat property price bubble yang terjadi.

1.2 Rumusan Masalah Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah sebagai berikut : 1. Bagaimana pengaruh dari variabel pertumbuhan ekonomi, inflasi, suku bunga, loan to value (LTV) dan ekspektasi harga pengembang secara individu maupun bersama-sama terhadap harga properti di 5 kota besar Indonesia pada periode 2006-2014?

SKRIPSI


INDRA KURNIAWAN

8


2. Apakah terjadi fenomena property price bubble di 5 kota besar Indonesia pada periode pada periode 2006-2014?

1.3 Tujuan Penelitian Berdasarkan rumusan masalah di atas maka tujuan utama dari penelitian ini adalah : 1. Mengetahui pengaruh dari variabel pertumbuhan ekonomi, inflasi, suku bunga, loan to value (LTV) dan ekspektasi harga pengembang secara individu maupun bersama-sama terhadap harga properti di 5 kota besar Indonesia pada periode 2006-2014. 2. Mengidentifikasi terjadinya property price bubble di 5 kota besar Indonesia pada periode 2006-2014.

1.4 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini sebagai berikut : 1. Memberikan pengetahuan tentang fenomena property price bubble dan pengaruh dari faktor fundamental penentu harga properti ditinjau dari sisi permintaan dan penawaran terhadap harga properti. 2. Memberikan

masukan

bagi

pemerintah

Indonesia

agar

dapat

memformulasikan kebijakan yang mampu menanggulangi terjadinya property price bubble. 3. Hasil penelitian dapat digunakan sebagai masukan, bahan informasi, dalam penelitian lebih lanjut.

SKRIPSI


INDRA KURNIAWAN


9

1.5 Sistematika Penulisan Skripsi ini terbagi menjadi lima bagian yang dalam pembahasannya saling memiliki keterkaitan, sistematika penulisan sebagai berikut: BAB I : PENDAHULUAN Pada bab ini merupakan latar belakang masalah awal dari penelitian yang dilakukan pada seluruh variabel yang menjadi ide pokok penulisan skripsi. Selain itu bab ini juga menjelaskan tentang rumusan masalah yang memerlukan pemecahan dan jawaban melalui penelitian yang dilakukan oleh penulis. Bab ini juga berisi tentang tujuan penelitian, manfaat penelitian dan sistematika penelitian skripsi. BAB II : TINJAUAN PUSTAKA Pada bab dua ini terdapat uraian secara mendalam tentang teori-teori yang relevan dan berkaitan dengan pemasalahan yang dibahas. Berbagai sumber literatur yang berkaitan dengan variabel atau permasalahan digunakan menjadi dasar penulisan. Sub bab dari landasan teori terdiri dari variabel-variabel yang ada di Indonesia serta tentang harga properti di Indonesia. Selain itu juga dalam bab ini membahas tentang penelitian-penelitian terdahulu yang mendukung penulisan berikutnya. Dalam bab ini juga menjelaskan tentang hipotesis dan model analisis. BAB III : METODE PENELITIAN Pada bab tiga menjelaskan tentang metode penelitian yang digunakan, identifikasi variabel, definisi operasional variabel, jenis dan sumber data, prosedur pengumpulan data, serta teknik analisis regresi data.

SKRIPSI


INDRA KURNIAWAN


10

BAB IV : HASIL DAN PEMBAHASAN Pada bab empat merupakan inti dari penulisan skripsi yang dilakukan berupa analisis hasil penelitian yang dilakukan penulis. Bab ini terdiri dari atas gambaran umum dari seluruh variabel penelitian, analisis model, dan pembuktian dari hipotesis dan pembahasan. BAB V : KESIMPULAN DAN SARAN Pada bab lima ini merupakan bagian terakhir dari penulisan skripsi, yang berisi tentang kesimpulan dari pembahasan yang telah dilakukan pada bab-bab sebelumnya. Serta berisi tentang saran yang diajukan berdasarkan hasil penelitian yang diperoleh. DAFTAR PUSTAKA LAMPIRAN

SKRIPSI


INDRA KURNIAWAN


BAB II TINJAUAN PUSTAKA

2.1 Landasan Teori 2.1.1 Teori Pasar Properti (Property Market) Teori property market menurut Miles (2008) memiliki dua pendekatan antara lain sebagai standard goods maupun financial asset, seperti halnya pada perumahan yang memiliki dua kegunaan yaitu sebagai komoditas konsumsi serta sebagai investasi. Perumahan sebagai investasi memiliki keunggulan yaitu tentang sifatnya yang tahan lama, memiliki bentuk “riil” serta relativitas dalam pembeliannya melalui tinggi rendahnya uang muka yang dikeluarkan (hal ini menjelaskan bahwa likuiditas pembeli serta hal-hal yang mempengaruhi likuiditas menjadi peran penting disini) serta adanya secondary market dalam pasar perumahan Selain itu, property market dapat menjelaskan beberapa pasar lain yang berhubungan. Teori lain yang menjelaskan property market menyatakan bahwa property market juga dapat menjelaskan yang pertama, nilai dari sebuah properti yang ditentukan oleh harga rumah itu sendiri serta perkembangan dalam pembangunan properti yang ditentukan oleh bertambahnya investasi di sektor properti (Poterba, 1984). Menurut Hordahl dan Packer (2007), harga aset merupakan faktor penting dalam menggerakkan fluktuasi ekonomi, alokasi sumber daya antar sektor dan waktu, serta mempengaruhi kekuatan sistem keuangan. Hal tersebut dikarenakan harga aset memainkan peran penting dalam kerangka stabilitas keuangan dan

11 SKRIPSI


INDRA KURNIAWAN


12

kebijakan moneter. Peran tersebut yaitu bertindak sebagai: (1) sumber informasi mengenai ekspektasi dan resiko pasar, (2) indikator dari

output, inflasi dan

ketidakstabilan keuangan, (3) indikator adanya shock dalam perekonomian. Peran lain dari harga aset dalam Handbook on Residential Property rice Indices (OECD, 2011), yaitu pertama, sebagai indikator makroekonomi dari pertumbuhan ekonomi. Kedua, untuk digunakan dalam kebijakan moneter dan inflation targeting, ketiga sebagai input untuk indeks harga konsumen serta sebagai pembanding antar wilayah dan antar negara. Definisi properti menurut Sullivan (2012:367) merupakan barang konsumsi (perumahan) yang memiliki tiga pendekatan pembeda dari barang lainnya. Pertama, perumahan yang bersifat heterogeneous artinya memiliki perbedaan dalam ukuran, lokasi, fungsi/kegunaan,dan style. Kedua, rumah memiliki sifat yang tahan lama dan dapat meyusut dengan cepat maupun lambat sesuai dengan perawatan dan perbaikan dari sang pemilik. Ketiga, mengurangi biaya dari adanya perpindahan, dengan adanya tempat tinggal seseorang mengurangi biaya untuk beraktivitas seperti mandi, tidur, makan dan sebagainya di tempat yang berbeda-beda. Brueggerman dan Fisher (2005:10-12) menyatakan, properti adalah semua hal yang dapat dimiliki, digunakan, dimanfaatkan, dikontrol dan dipindahkan hak kepemilikannya. Properti diklasifikasikan menjadi dua: 1. Properti Riil Properti Riil adalah real estate (benda yang tidak bergerak seperti tanah dan bangunan) dan hak kepemilikan yang berhubungan dengan sewa dan kepemilikan properti tersebut.

SKRIPSI


INDRA KURNIAWAN


13

2. Properti Personal Properti personal adalah intangible assets dan semua benda yang bergerak seperti mobil, furnitur, saham dan hak paten. Selain

itu,

terdapat

dua

kategori

utama

yang

digunakan

untuk

mengklasfikasikan properti riil: 1. Properti Perumahan Properti perumahan terdiri dari single family house dan multifamily properties seperti apartemen dan kondominium 2. Properti Perumahan Non-komersial Properti non-perumahan dibagi menjadi lima sub-kategori utama: komersial (gedung perkantoran dan retail space), industri, hotel, rekreasi, dan indtitusional. Tillman (2012) mendefinisikan harga aset sebagai harga saham dan harga properti. Dalam penelitian ini, harga aset yang digunakan adalah harga propeti perumahan/residensial yang diambil dari Survey Harga Properti Residensial (SHPR) oleh Bank Indonesia. Pemilihan variabel harga properti residensial dilarenakan IHPR merupakan salah satu indikator utama dari financial imbalances dan resiko makroekonomi. Survei Harga Properti Residensial (SHPR) merupakan aset triwulanan yang dilaksanakan sejak triwulan I-1999 terhadap beberapa pengembang proyek perumahan (developer) di 12 kota yaitu Medan, Padang, Palembang, Bandar Lampung, Bandung, Semarang, Yogyakarta, Surabaya, Denpasar, Banjarmasin, Manado, dan Makassar. Wilayah Jabotabek mulai masuk dalam survey dan menjadi satu dalam Indeks Harga Properti Residensial (IHPR)

SKRIPSI


INDRA KURNIAWAN


14

ada triwulan I-2002. Pada triwulan I-2004 bertambah satu kota yaitu Pontianak sehingga total menjadi 14 kota di seluruh Indonesia. Pengumpulan data dilakukan secara langsung (face to face) mencakup data harga jual rumah, jumlah unit rumah yang dibangun dan dijual pada triwulan bersangkutan serta prakiraan harga jual rumah pada triwulan berikutnya. Pengolahan data dilakukan dengan metode ratarata sederhana atas harrga rumah pada tiap tipe bangunan rumah (tipe kecil, tipe menengah dan tipe besar) dan selanjutnya Indeks Harga Properti Residensial (IHPR) dihitung dengan metode indeks berantai sederhana. 2.1.2 Property Price Bubble Menurut Bank Indonesia (2012), property price bubble atau penggelembungan harga properti adalah keadaan dimana terjadi kenaikan harga properti secara tidak wajar. Kewajaran dari peningkatan harga berlaku secara bertahap seiring dengan meningkatnya tingkat inflasi atau pendapatan. Jika cepatnya pergerakan harga terus dibiarkan, akan terjadi pecahnya kondisi bubble property yang menjadikan harga-harga properti jatuh diikuti dengan ambruknya ekonomi secara menyeluruh sehingga akan menimbulkan masalah nasional berupa resesi ekonomi. Dari pengalaman negara-negara yang pernah mengalami krisis keuangan akibat bubble properti dan literatur (Holt, 2009), terdapat beberapa kondisi yang umumnya mendahului terjadinya krisis. Pertama adalah kondisi suku bunga rendah. Kondisi ini membuat banyak pihak lebih mudah memperoleh pembiayaan properti sehingga KPR dan produk turunannya tumbuh dengan cepat. Kondisi kedua adalah ketentuan kredit yang longgar. Ketentuan yang

SKRIPSI


INDRA KURNIAWAN


15

tidak disesuaikan dengan perkembangan situasi perekonomian dapat menyebabkan penyaluran kredit yang kurang berhati-hati ke suatu sektor termasuk KPR terus meningkat dan menimbulkan risiko yang semakin besar. Faktor ketiga adalah adanya persepsi yang meluas di masyarakat bahwa harga properti akan senantiasa naik dan tidak akan turun. Faktor ketiga dipandang memiliki peran paling besar atas terjadinya bubble properti karena beberapa alasan yaitu (i) persepsi tersebut membuat masyarakat bersedia membeli properti pada harga berapapun, baik dengan dana sendiri maupun dengan dana pinjaman dari lembaga keuangan, dengan harapan akan mendapat keuntungan bila properti dijual kembali. (ii) Bila perbankan juga memiliki persepsi yang sama, bank dapat terjebak membiayai KPR tanpa memperhatikan kemungkinan nilai properti yang dibiayai sudah overvalued. Bank yang kurang berhati-hati cenderung percaya bahwa harga properti yang terus naik akan menutup kewajiban debitur yang gagal memenuhi kewajibannya. Pengalaman beberapa negara memperlihatkan bahwa keyakinan mengenai harga properti yang tidak pernah turun dapat memicu perilaku masyarakat untuk berinvestasi di properti secara berlebihan. Bila hal ini dibiayai dengan menggunakan kredit, maka kredit properti akan naik signifikan dalam waktu tidak terlalu lama dan berpotensi mendorong terjadinya bubble. Blanchard and Watson (1982)

menyatakan bahwa ada dua penyebab

bubble, pertama: bubble suatu aset bisa saja dipengaruhi oleh tidak adanya aset subsitusi yang sempurna dari aset tersebut.

Akibatnya, aset tersebut

terus mengalami peningkatan dikarena banyaknya pembeli dikarenakan

SKRIPSI


INDRA KURNIAWAN

16


membutuhkan aset tersebut.

Bila dikatakan pasarnya monopoli maka harga

yang ditentukan produsen tetap atau terjadi kenaikan sesuai kewajaran tetapi di pasar harganya naik tajam. Kedua, adanya kenaikan permintaan akan barang dan kemungkinannya untuk uang dimana membawa peningkatan pada ekuilibrium rata-rata tingkat pengembalian. Bisa juga penurunan dari aset lain dan sekaligus penurunan dari nilai fundamental aset yang memiliki bubble. Bubble juga bisa terjadi dikarenakan adanya informasi asimetris antara pemilik dana yang berinvestasi pada aset dengan pihak penerbit dari aset tersebut. Ada juga bubbles yang terjadi dikarenakan tidak ada perubahan pada nilai fundamental, tetapi faktor lain yang tidak terlihat. Salah satu kenaikan harga bisa dilakukan oleh

noise

trader

dikarenakan

keinginan

untuk

mendapatkan tingkat pengembalian atas dana yang dimiliki. Noise trader menyebarkan issue yang membuat pihak lain dan sekaligus membuat adanya pembelian secara besar-besaran di pasar dan juga membuat order penjualan pada harga tertinggi dimana penyebar issue sudah mendapatkan keuntungan. Investor yang ingin mendapatkan keuntungan dan mendengar rumor tersebut mengikut untuk membeli saham sampai pada harga dimana penyebar isu sudah memberikan order jual. Bubble seperti ini bisa juga dikatakan bubble dalam waktu singkat di pasar saham. Dalam kerangka melihat adanya bubble, Classens, et al. (2013) membuat daftar yang harus diperhatikan atau karakteristik dari Bubble. Adapun kakrakteristik dari bubble tersebut yaitu: a)

Harga meningkat tajam

b) Ekspektasi yang tinggi atas peningkatan yang tajam berkesinambungan

SKRIPSI


INDRA KURNIAWAN


17

Terjadi overvaluation dibandingkan sebelumnya atau historisnya

c)

d) Beberapa tahun masuk ke peningkatan ekonomi (economic upswing) e)

Peningkatan utama pada pinjaman

f)

Kebijakan moneter yang rileks (pelonggaran) Gelembung yang terjadi disebabkan oleh latar belakang yang berbeda-

beda. Terdapat tiga jenis bubble yang dijlaskan oleh Lind (2008) antara lain pure speculative bubble, an irrational expectation bubble dan the irrational institutionns bubble. Penjelasan tentang ketiga jenis bubble antara lain sebagai berikut: 1. Pure speculative bubble, terjadi ketika pembeli percaya bahwa harga aset saat ini terlalu tinggi dan pada akhirnya akan jatuh, tetapi yakin akan kelanjutan kenaikan harga untuk beberapa waktu, dan berencana untuk menjual dengan keuntungan pada saat sebelum harga jatuh. 2. An irrational expectation bubble, terjadi ketika pelaku pasar menjadi terlalu optimis dan berpikir harga aset akan tumbuh pesat selama periode daripada nilai rata-rata historis. Oleh karena itu, pelaku pasar merasa bahwa harga tinggi yang terbentuk cukup rasional, dan tetap memutuskan untuk membeli meskipun tidak didukung oleh pendapatan mapun tingkat bunga. 3. The irrational institutions bubble, terjadi pada saat pelaku pasar memiliki insentif untuk membayar harga yang lebih tinggi dari kemampuannya. Pembeli apartemen atau rumah tidak mengharapkan untuk menderita kerugian ketika terjadi penurunan harga secara drastis. Lender juga

SKRIPSI


INDRA KURNIAWAN


18

mengharapkan dapat menggeser kerugian kepada orang lain, mungkin pada pemerintah untuk menanggung kerugian pada saat terjadinya gagal bayar. Salah satu contoh jenis gelembung ini adalah housing bubble yang dilatar belakangi subprime mortgage. Hingga saat ini belum ada definisi secara jelas tentang bubble yang disekapati secara internasional. Beberapa peneliti mengungkapkan definisi bubble secara general. Glindro, et al

(2011) menyatakan bahwa nilai fundamental

perumahan ditentukan oleh kondisi jangka panjang pada kondisi ekonomi. Apabila terjadi penyimpangan pada nilai fundamental jangka panjangnya maka mengindikasi terjadinya bubble. Hal serupa diungkapkan oleh Dong (2013) yang menangkap fenomena bubble dengan membandingkan harga aktual dan trend jangka panjang dari hasil estimasi. Apabila harga aktual berada di atas trend jangka panjangnya lebih dari tiga periode berturut-turut mengindikasi terjadinya bubble. Landergren (2013) mendefinisikan tiga definisi untuk property price bubble antara lain: (1) Harga rumah berada di atas trend jangka panjangnya; (2) Harga rumah tidak bisa dijelaskan oleh faktor fundamental; dan (3) Estimasi model memprediksi indikasi harga rumah akan jatuh.

2.1.3

Teori Lokasi (Location Theory) Dalam pembentukan harga properti salah satu hal yang paling penting

sebagai penentu harga properti adalah land (tanah). Menurut O’flaherty (2005:116) berangkat dari sesuatu yang ‘tidak ternilai’ tanah dapat menjadi komoditas yang

SKRIPSI


INDRA KURNIAWAN


19

paling mahal. Sehingga faktor tanah dalam perumahan dapat menyebabkan muncul kapitalisasi dan bubble pada perumahan.

Sumber: O’flaherty (2005:118) Gambar 2.1 Basic Location Theory Hal yang menyebabkan nilai tanah dapat dengan mudah meningkat bahkan dengan tajam dan turun adalah faktor lokasi. Faktor lokasi yang dimaksudkan merupakan seberapa jauh lokasi tanah tersebut dengan Central Business District (CBD) ataupun juga bisa disebut magnet site, dimana CBD merupakan tempat dimana pusat kegiatan terutama perekonomian berlangsung serta pusat pemerintahan berada. Atas dasar tersebut, nilai tanah menjadi tinggi ketika jarak lokasi tanah tersebut dengan pusat kegiatan CBD semakin dekat. Sebaliknya ketika jarak semakin jauh menyebabkan nilai tanah semakin turun. Dalam industri perumahan faktor utama dalam penyediaan properti oleh pengembang yang memiliki cost tinggi adalah faktor lahan/tanah. Semakin dekat lokasi yang akan dibangun oleh pengembang dengan CBD maka akan semakin

SKRIPSI


INDRA KURNIAWAN


20

mahal biaya input (tanah) yang harus dibayar, sehingga konsekuensi dari mahalnya biaya input dalam penyediaan properti menyebabkan harga properti melonjak dan menyebabkan bubble. Selain itu, hal-hal lain yang dapat menyebabkan harga tanah meningkat yaitu masalah aksesbilitas dan semakin mudahnya transportasi massal menjangkau daerah terjauh dari CBD/magnet site. Dari sisi aksesibilitas yaitu dibangunnya akses infrastruktur seperti jalan, jembatan dan lain-lain serta munculnya moda transportasi massal seperti bus maupun monorail yang pastinya akan mengurangi biaya masyarakat dalam akses menuju pusat kota. Hal inilah yang dapat menyamakan harga tanah dari wilayah terdekat hingga terjauh dari CBD.

2.1.4 Overvalued-Undervalued of Housing Price Dalam perkembangannya harga properti dipengaruhi dengan faktor-faktor fundamental penentunya. Ketika harga harga aktual properti meningkat dan berada diatas harga fundamentalnya hal ini dapat disebut dengan overvalued housing price . Sedangkan ketika yang terjadi sebaliknya saat harga properti turun dan berada di bawah harga fundamentalnya dapat disebut dengan kondisi undervalued housing price. Dalam suatu perekonomian suatu perubahan kondisi dari titik kesimbangannya termasuk harga properti memiliki dampak terhadap perekonomian sesuai dengan jalur masing-masing dalam hal transmisi.

SKRIPSI


INDRA KURNIAWAN

21


Price

: HPI

: Overvalued

: Trend

: Undervalued

: Threshold

Gambar 2.2 Kondisi Overvalued-Undervalued Housing Price Pertama, kondisi overvalued diawali dengan meningkatnya pertumbuhan ekonomi

secara

agregat

yang juga

berdampak

dengan

meningkatnya

kesejahteraan masyarakat. Hal ini membuat preferensi masyarakat dalam memenuhi kebutuhan lain selain sandang dan pangan tapi juga papan yaitu perumahan. Adanya permintaan yang tinggi tersebut menyebabkan meningkatnya harga perumahan. Selain dari sisi peningkatan perekonomian meningkatnya harga perumahan juga bisa disebabkan adanya speculative motive dimana ada kalangan masyarakat yang berusaha mengambil keuntungan dari meningkatnya ekspektasi masyarakat akan harga perumahan yang akan selalu meningkat dalam jangka panjang. Berawal dari adanya ekspektasi tersebut muncul para spekulan yang berusaha mengambil keuntungan dengan pola pikir bahwa dia akan membeli properti dan menjual dengan harga diatas pembeliannya sebagai keuntungan. Pola

SKRIPSI


INDRA KURNIAWAN


22

yang dilakukan berulang-ulang oleh para spekulan tersebut membuat harga properti terus meningkat hingga terjadi bubble harga perumahan hal ini meruapakan teori gelembung speklulatif greater fool (Santos dan Woodford, 1997). Terjadinya bubble perumahan jika dibiarkan berlarut-larut akan berdampak terhadap stabilitas perekonomian. Adanya bubble membuat harga aktual properti yang ada di pasar properti tidak mencerminkan harga fundamentalnya. Sehingga adanya peningkatan tersebut dalam jangka panjang akan meningkatkan beban biaya pinjaman yang ditanggung oleh household lalu mengakibatkan gagal bayar mengingat sumber pembiayaan terbesar masyarakat Indonesia dalam pembelian properti adalah melalui fasilitas kredit KPR (Bank Indonesia, 2010). Fenomena gagal bayar jika membesar akan berdampak buruk pada perbankan yang terancam terjadi default. Saat terjadi default pada suatu bank dengan besar kecilnya relatif akan berdampak systemic risk sehingga dapat menyebabkan resesi dalam perekonomian seperti yang terjadi ketika krisis moneter Amerika Serikat pada tahun 2008 yang diakibatkan oleh subprime mortgage. Selain dari sisi overvalued (bubble) property price kondisi undervalued juga berdampak negatif pada perekonomian. Menurunnya harga perumahan yang diawali oleh penurunan kondisi perekonomian yang berdampak pada berkurangnya pendapatan masyarakat sehingga membuat permintaan akan perumahan juga menurun diikuti dengan harga yang semakin turun. Menurunnya permintaan harga properti akan berdampak pada lesunya industri perumahan.

SKRIPSI


INDRA KURNIAWAN


23

Lesunya pasar property juga akan direspon oleh melemahnya industri bahan baku bangunan dalam penyediaan perumahan. Selain itu dalam menjalankan likuiditas dalam pembangunan properti sumber pembiayaan yang didapatkan oleh para pengembang juga berasal dari pembiayaan kredit dari perbankan. Saat terjadi penurunan dalam permintaan properti membuat penyaluran kredit oleh perbankan menurun dan dalam jangka panjang menurunnya harga properti (undervalued) akan berdampak pada lesunya perekonomian dan pada akhinya perekonomian akan mengalami kondisi kontraksi.

2.1.5

Teori Rational Asset Price Bubble Santos dan Woodford (1997) mengungkapkan tentang teori rational

asset price bubble dimana gelembung terjadi pada saat harga aset menyimpang di atas harga fundamentalnya. Harga aset yang tidak sesuai dengan fundamentalnya disebabkan oleh faktor penawaran dan permintaan. Faktor penawaran aset yang terbatas, sedangkan permintaan yang terus meningkat akan membuat harga aset tidak sesuai dengan harga fundamentalnya, terlebih pada aset properti yang memiliki karakteristik berbeda dibandingkan dengan aset yang lain. Oleh karena itu, harus diakui oleh investor bahwa risiko dari pasar properti tinggi namun memiliki tingkat pengembalian yang tinggi. Seperti yang disampaikan oleh Simans (1989) bahwa tingkat pengembalian dan risiko memiliki hubungan positif.

SKRIPSI


INDRA KURNIAWAN


Tingkat Imbal Hasil

Rc

tingkat risiko = 0

𝒓𝟏

Sumber : Simans (1989) Gambar 2.1 Hubungan Risiko dan Tingkat Imbal Hasil Aset dapat menjadi pilihan untuk meningkatkan kekayaan. Pada perkembangan aktivitas ekonomi aset sering digunakan sebagai objek perdaganga. Santos dan Woodford (1997) mengungkapkan bahwa individu yang melakukan perdagangan aset tidak pada harga fundamentalnya maka ia sedang melakukan zero sum game, yang disebabkan oleh konsumsi dan kekayaan. Zero sum game adalah keadaan dimana kedua individu sama-sama menginginkan keuntungan, namun kenyataannya salah satu akan diuntungkan dan yang lain dirugikan. Keuntungan yang dirasakan satu pihak besarnya sama dengan kerugian yang dirasakan oleh pihak lain. Oleh sebab itu, individu yang rasional tidak akan membeli aset yang harganya sudah mencerminkan adanya gelembung. Namun aset yang memiliki jumlah pasokan tetap, seperti properti, memunculkan adanya gagasan bahwa aset tersebut nilainya akan terus meningkat seiring waktu. Santos dan Woodford (1997) menyatakan gagasan

SKRIPSI


INDRA KURNIAWAN

24


25

yang menyebut bahwa seseorang akan percaya dapat membeli aset pada saat bubble dan kemudian menjual aset tersebut kepada orang lain dengna harga yang lebih tinggi disebut dengan teori gelembung spekulatif greater fool.

2.1.6 Boom-Bust Housing Cycle Telah sedikit dijabarkan pada latar belakang penelitian ini tentang pengalaman krisis yang dialami oleh Amerika Serikat pada tahun 2008 akibat housing bubble harus menjadi pelajaran bagi negara-negara lain untuk lebih jeli dalam mengawasi perkembangan harga perumahan. Naik-turunnya harga rumah dapat membawa dampak buruk pada kondisi perekonomian dalam keseluruhan. Siklus tersebut dapat juga disebut dengan boom-bust housing cycle. Fase boom terjadi saat optimisme para pelaku pasar mendorong permintaan akan rumah dan menyebabkan peningkatan harga rumah secara tajam. Peningkatan tersebut juga tidak diantisipasi akan berimbas terhadap perekonomian. Namun, ketika terjadi shock negatif pada perekonomian, dapat merubah fase boom menjadi bust dimana harga rumah menjadi jatuh dan mengakibatkan resesi ekonomi. Periode boom dan bust dalam perkembangan harga properti dipengaruhi oleh beberapa faktor. Faktor yang dapat mendorong periode boom terjadi antara lain penurunan standar kualitas kredit perumahan, perkembangan harga yang sudah menunjukkan bubble jika tidak dihiraukan dan dibiarkan terus berkembang karena adanya assimatric information serta optimisme tentang harga perumahan di masa mendatang. Penyaluran kredit yang diberikan pada periode boom akan membawa kerentanan terhadap sektor finansial. Terlebih jika penyaluran kredit mayoritas

SKRIPSI


INDRA KURNIAWAN


26

diberikan kepada debitur yang memiliki kualitas rendah akan meningkatkan risiko probabiitas gagal bayar (probability of default). Meningkatnya risiko kredit tersebut akan mengarah pada kerapuhan sektor finansial (Lambertini, et al. 2013). Sehingga dengan demikian konsekuensi yang harus dihadapi ketika periode boom berubah menjadi periode bust adalah perekonomian yang memasuki masa resesi. Kondisi terjadinya property price bubble akan memasuki periode boom apabila melebihi threshold trend jangka panjang. Dalam penentuan threshold jangka panjang menurut Vladimir, et al. (2006) dilakukan dengan metode HodrickPrescott. Pada penentuan threshold Hodrick-Prescott terbagi atas upper threshold dan lower threshold yaitu penambahan standar deviasi dari nilai trend jangka panjang untuk upper threshold dan pengurangan standar deviasi dari nilai trend jangka panjangnya untuk lower threshold.

2.1.7 Faktor Fundamental Penentu Harga Properti Faktor fundamental penentu dalam perkembangan harga perumahan dalam analisis ekonometrik dapat diturunkan menjadi dua faktor dasar yaitu, demand (permintaan) dan supply (penawaran). Seperti dalam penjelasan pada bab sebelumnya bahwa keseimbangan harga perumahan dapat dicerminkan dari kondisi perekonomian suatu negara. Michal dan Lubos (2011) mencirikan pergerakan harga rumah dipengaruhi oleh tiga faktor diantaranya: (1) nilai fundamental perumahan yang ditentukan oleh kondisi ekonomi jangka panjang dan pengaturan yang ditetapkan; (2) penyimpangan harga dari faktor fundamental disebabkan oleh siklus kredit. (3) ketidakrasionalan atau komponen bubble yang mendorong ekspektasi

SKRIPSI


INDRA KURNIAWAN


27

terlalu tinggi. Miskhin (2001:136) menjelaskan melalui pendekatan pasar aset (asset market approach) dengan menggunakan analisis penawaran dan permintaan aset. Kurva permintaan aset menunjukkan hubungan antara jumlah permintaan dan harga ketika variabel lain tetap atau cateris paribus. Artinya, nilai dari variabel lain telah ditentukan. Asumsi yang sama digunakan untuk kurva penawaran aset. Harga Aset Penawaran Aset

P2

2

P1

1

Permintaan Aset

Q1

Jumlah Aset

Q2

Sumber : Mishkin (2001:136) Gambar 2.2 Kurva Keseimbangan Harga Properti a. Faktor Permintaan (demand factor) Permintaan untuk properti utamanya ditentukan oleh pendapatan seseorang atau umumnya dapat dilihat dari seberapa besar pertumbuhan ekonomi. Dengan semakin meningkatnya kesejahteraan, kebutuhan akan tempat tinggal juga akan meningkat. Namun, adanya laju inflasi dapat mempengaruhi pola konsumsi masyarakat. Karena adanya inflasi membuat pendapatan riil seseorang menjadi berkurang. Karena pendapatan riil yang berkurang

akan mempengaruhi pola

konsumsi masyarakat yang akan cenderung mendahulukan kebutuhan sandang dan panagan.

SKRIPSI


INDRA KURNIAWAN


28

Faktor permintaan lain yang dipertimbangkan seseorang akan permintaan perumahan yaitu suku bunga kredit yang dikenakan dalam kredit perumahan. Saat kredit perumahan tinggi, calon kreditur akan menjadi berpikir kembali untuk membeli perumahan sehingga permintaan akan perumahan menjadi turun dan begitu pula sebaliknya. Selain suku bunga, Kebijakan bank Indonesia dalam mengendalikan kredit perumahan (loan to value) menjadi faktor utama penentu permintaan akan perumahan. Saat Bank Indonesia ingin mengelakukan kebijakan pengetatan dalam kredit properti dengan menurunkan tingkat LTV maka Down Payment (DP) dalam pembelian perumahan akan meningkat sehingga akan menurunkan tingkat permintaan kredit. b. Faktor Penawaran (Supply Factor) Faktor penawaran dalam pasar perumahan umumnya ditentukan oleh tingkat profitabilitas dari bisnis properti. Dalam melakukan efisiensi akan profit maka cost (biaya) akan pembangunan perumahan merupakan hal yang utama bagi pengembang. Biaya dalam membangun perumahan sangat ditentukan oleh harga dari faktor input seperti harga bahan baku seperti harga semen, pasir, batu bata dan harga faktor input lainnya. Berdasarkan dari faktor input tersebut para pengembang melakukan peramalan (ekspektasi) akan berapa harga rumah tersebut akan dijual.

2.1.7.1 Pertumbuhan Ekonomi Pertumbuhan ekonomi adalah proses perubahan pertumbuhan perekonomian suatu negara secara berkesinambungan menuju keadaan yang lebih baik selama periode tertentu. Pertumbuhan ekonomi dapat diartikan juga sebagai proses

SKRIPSI


INDRA KURNIAWAN


29

kenaikan kapasitas pendapatan nasional. Adanya pertumbuhan ekonomi merupakan indikasi keberhasilan pembangunan ekonomi. Menurut Boediono (1985) pertumbuhan ekonomi adalah proses kenaikan output per kapita. Perekonomian dikatakan mengalami pertumbuhan apabila tingkat kegiatan ekonomi meningkat dari satu periode ke periode berikutnya, berarti jumlah barang dan jasa yang dihasilkan bertambah besar pada tahun berikutnya yang berarti bahwa produktivitas dari faktor-faktor yang dimasukkan dalam produksi menyebabkan pertumbuhan ekonomi meningkat. Pertumbuhan ekonomi sering diukur dengan menggunakan pertumbuhan Produk Domestik Bruto (PDB/PDRB). Produk Domestik Regional Bruto (PDRB) pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu daerah tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi. Menurut Mankiw (2003). Produk Domestik Bruto meringkas aktivitas ekonomi suatu negara yang dapat dilihat dari sisi pendapatan total pada setiap orang di dalam perekonomian atau dari sisi pengeluaran total atas output barang dan jasa perekonomian. Adanya pertumbuhan ekonomi dapat meningkatkan investasi pada properti, sehingga peningkatan pertumbuhan ekonomi dapat meningkatkan harga properti residensial. Pertumbuhan ekonomi merupakan variabel yang sering digunakan oleh peneliti yang meneliti tentang harga properti. Interaksi antara pertumbuhan ekonomi dijelaskan oleh Cameron, et al. (2006) yang menjelaskan bahwa hubungan pertumbuhan ekonomi dengan harga properti adalah positif dalam penelitiannya pada regional British. Dan menjelaskan bahwa meningkatnya pendapatan atau

SKRIPSI


INDRA KURNIAWAN


30

perekonomian suatu negara berpengaruh pada kemampuan serta permintaan akan perumahan. Lalu, Igan dan Loungani (2013) juga menjelaskan adanya hubungan yang positif antara pendapatan perkapita dengan harga rumah. Sejalan dengan penelitian sebelumnya, Michal dan Lubos (2011) dalam penelitiannya mengenai analisis regional tentang gelembung harga perumahan serta faktor-faktor yang mempengaruhinya di Republik Ceko. Juga menggunakan variabel pendapatan per kapita sebagai salah satu indikator pertumbuhan ekonomi berpengaruh positif terhadap harga properti.

2.1.7.2 Inflasi Inflasi merupakan suatu keadaan ekonomi berupa kenaikan tingkat harga secara umum dan terus-menerus. Sedangkan menurut Miskhin (2001) mengatakan bahwa inflasi adalah kenaikan harga barang dan jasa secara umum secara terusmenerus yang dapat mempengaruhi individu, pengusaha dan pemerintah. Sehingga apabila terjadi inflasi maka secara riil masyarakat akan menjadi miskin daripada sebelumnya, meskipun pendapatan yang mereka terima tetap. Akibat dari inflasi sendiri akan menurunkan daya beli masyarakat terhadap suatu barang, sehingga keadaan ini akan mengakibatkan perubahan atau penurunan jumlah output yang dihasilkan dalam satu periode. Secara umum inflasi dapat dihitung dengan menggunakan indeks harga yang diukur dari Consumer Price Index (CPI), Producer Price Index (PPI), atau GDP Deflator. Menurut Bank Indonesia, IHK atau CPI merupakan suatu alat yang tepat dalam mengukur kesejahteraan masyarakat karena alat tersebut mengukur

SKRIPSI


INDRA KURNIAWAN


31

biaya hidup konsumen, dan kebanyakan negara-negara besar termasuk Indonesia selalu mengutamakan penggunaan sumber daya dalam pengumpulan CPI dibandingkan dengan indeks lainnya. CPI menunjukkan bahwa ketika indeks harga konsumen meningkat, maka rata-rata keluarga harus membelanjakan lebih banyak uangnya untuk mempertahankan standar kehidupan agar tetap stabil. Laju inflasi dapat mempengaruhi baik sisi konsumen dalam permintaan properti maupun pada sisi produsen yaitu pengembang dalam menyediakan pasokan perumahan (harga bahan baku), sehingga berdampak pada harga properti. Jika dilihat dari sisi konsumen, Keynes dalam Miskhin (2001) menyatakan jumlah uang yang dipegang secara riil (dalam bentuk barang dan jasa yang dapat dibeli) memiliki peran yang penting. Penelitian ini menggunakan tingkat harga sebagai proksi dari inflasi. Ketika tingkat harga naik dan jumlah uang nominal yang sama, nilai uang dalam bentuk pembelian menjadi rendah. Jumlah nominal tersebut tidak dapat digunakan untuk membeli sebanyak barang dan jasa riil. Oleh karena itu, inflasi dapat mempengaruhi daya beli masyarakat. Peningkatan laju inflasi dapat membawa dampak pada pendapatan masyarakat secara riil menjadi turun, meskipun pendapatan yang diterima tidak berubah atau tetap. Meningkatnya barang dan jasa akan merubah pola konsumsi masyarakat dalam memilih prioritas kebutuhan yaitu dengan mendahulukan kebutuhan sandang pangan daripada kebutuhan papan. Oleh karena itu, inflasi menurunkan daya beli masyarakat terhadap pembelian properti residensial, sehingga menurunkan permintaan properti yang berdampak pada menurunnya harga properti.

SKRIPSI


INDRA KURNIAWAN

32


Dilihat dari sisi pengembang, adanya inflasi berdampak pada kenaikan biaya produksi perusahaan properti. Kenaikan tingkat inflasi akan mendorong harga bahan baku bangunan menjadi ikut meningkat. Harga bahan baku yang semakin mahal akan meningkatkan biaya produksi sehingga meningkatkan harga jual properti. Hal ini membawa konsekuensi bahwa peningkatan inflasi akan meningkatkan harga properti residensial. Transmisi ini diperkuat dengan hasil penemuan Dong (2013) yang menjelaskan bahwa inflasi dengan harga properti berhubungan positif. Namun dalam penelitian ini digunakan sudut pandang inflasi dalam komponen permintaan dimana inflasi berpengaruh negatif terhadap harga properti karena mengurangi daya beli masyarakat sehingga mengurangi permintaan properti.

2.1.7.3 Suku Bunga Pengertian dasar dari teori tingkat suku bunga yaitu harga dari penggunaan uang

untuk

jangka

waktu

tertentu.

Bunga

merupakan

imbalan

atas

ketidaknyamanan karena melepas uang, dengan demikian bunga adalah harga kredit. Tingkat suku bunga berkaitan dengan peranan waktu didalam kegiatankegiatan ekonomi. Tingkat suku bunga muncul dari kegemaran untuk mempunyai uang sekarang. Teori klasik menyatakan bahwa bunga adalah harga dari loanable funds (dana investasi) dengan demikian bunga adalah harga yang terjadi di pasar dan investasi. Menurut teori Keynes tingkat bunga merupakan suatu fenomena moneter.

SKRIPSI


INDRA KURNIAWAN


33

Artinya tingkat bunga ditentukan oleh penawawran dan permintaan akan uang (ditentukan di pasar uang). Dalam industri perbankan yang sangat kompetitif, penentuan tingkat bunga kredit menjadi suatu alat persaingan yang sangat strategis. Bank-bank yang mampu mengendalikan dalam penentuan tingkat bunga kredit (lending rate) akan mampu menentukan kredit yang lebih rendah dibandingkan dengan bank-bank lainnya. Suku bunga kredit berhubungan dengan pembiayaan yang dilakukan maupun melalui kredit. Pembiayaan kredit oleh konsumen maupun pengembang dalam menyediakan perumahan dipengaruhi oleh besarnya suku bunga kredit yang mencerminkan besarnya biaya pengembalian. Suku bunga kredit yang ditetapkan untuk pembiayaan kredit properti pada konsumen termasuk dalam suku bunga kredit konsumsi. Suku bunga dapat mempengaruhi harga properti melalui transmisi aliran dana kredit atau besarnya kredit yang disalurkan. Pengaruh suku bunga dan pertumbuhan terhadap harga aset dijelaskan melalui mekanisme tidak langsung (indirect channel) dengan menggunakan analisis permintaan uang. Penentuan keseimbangan suku bunga aset tidak hanya menggunakan analisis penawaran dan permintaan untuk aset. Alternatif lain yang dikembangkan oleh John Maynard Keynes dalam Miskhin (2001) yaitu kerangka kerja preferensi likuiditas (liquidity preference framework) dengan menentukan keseimbangan suku bunga melalui mekanisme penawaran dan permintaan uang. Keynes menyatakan bahwa ekuilibrium di pasar uang sama dengan ekuilibrium di pasar aset. Jadi, kerangka kerja preferensi likuiditas yang menganalisis pasar uang sama dengan kerangka kerja yang menganalisis di pasar aset.

SKRIPSI


INDRA KURNIAWAN


34

Penawaran uang

Suku bunga

Lr2

2

Lr1

1

Permintaan uang

Q1

Q2

Sumber : Miskhin (2001:153)

Jumlah uang

Gambar 2.3 Kurva Permintaan dan Penawaran Uang Kurva menunjukkan respon perubahan permintaan uang terhadap perubahan pendapatan dan tingkat harga. Dalam analisis preferensi likuiditas Keynes, salah satu faktor yang menyebabkan pergeseran kurva permintaan untuk uang yaitu perubahan pendapatan. Ketika perekonomian berkembang dan siklus usaaha mengalami ekspansif, pendapatan dan kekayaan meningkat sehingga pertumbuhan ekonomi naik. Kenaikan tersebut menyebabkan keinginan memegang uang lebih banyak sebagai alat penyimpan nilai. Kedua, keinginan untuk melakukan transaksi dengan menggunakan uang naik, sehingga keinginan memegang uang lebih banyak. Hal tersebut menyebabkan pergeseran kurva permintaan ke kanan dan pergeseran ekuilibrium dari titik 1 ke titik 2. Kenaikan permintaan uang menyebabkan permintaan untuk aset meningkat, sehingga harga aset akan naik.

SKRIPSI


INDRA KURNIAWAN


35

Suku bunga menjadi faktor penting pada sisi permintaan properti. Sebab, transaksi properti didominasi oleh pembiayaan melalui kredit. Beberapa peneliti memasukkan tingkat suku bunga sebagai komponen sisi permintaan. Penelitian yang dilakukan Cameron, et al. (2006) mengungkapkan bahwa suku bunga berkorelasi negatif dengan harga properti. Hubungan positif antara suku bunga dan harga properti bisa terjadi jika dilihat dari sisi penawaran. Peningkatan ketersediaan kredit dapat meningkatkan permintaan kredit jika ekspektasi harga rumah terus meningkat, sehingga menimbulkan hubungan positif antara harga rumah dan suku bunga. Shi (2014) menemukan bahwa harga tingkat suku bunga secara signifikan berhubungan positif dengan harga riil perumahan. Hasil penelitiannya menunjukkan bahwa kebijakan suku bunga tidak mampu menekan harga rumah dan mengendalikan bubble, sehingga rekomendasi alat kebijakan makroprudensial diperlukan untuk mengendalikan pertumbuhan harga rumah.

2.1.7.4 Loan to value (LTV) Rasio Loan to value (LTV) adalah angka rasio antara nilai kredit yang dapat diberikan oleh bank terhadap nilai agunan pada saat awal pemberian suatu kredit (Surat edaran Bank Indonesia no 14/10/DPNP). Kebijakan ini merupakan kebijakan yang dikeluarkan oleh Bank Indonesia sebagai bank sentral

untuk mengantisipasi atau meminimalisir adanya gejolak dalam

perekonomian sebagai akibat dari pertumbuhan kredit pemilikan rumah (KPR) dan kepemilikan atas kendaraan bermotor yang terlalu berlebihan. Sehingga Bank Indonesia selaku penguasa moneter di Indonesia merasa perlu untuk

SKRIPSI


INDRA KURNIAWAN


memberikan batasan yang jelas terhadap jumlah uang muka yang harus dimiliki seseorang jika ingin memiliki suatu perumahan ataupun kendaraan bermotor. Konsep Loan to value sebenarnya sama dengan Down Payment. Hanya saja istilah Loan to value lebih condong digunakan pada Properti (KPR) sedangkan down payment pada kendaraan bermotor. Terkhusus untuk Loan to value, tidak semua jenis KPR yang akan dikenakan kebijakan tersebut. Menurut Surat Edaran no.14/10/DPNP ruang lingkup KPR yang diatur dalam surat edaran tersebut adalah mencakup kredit konsumsi pemilikan rumah tinggal, termasuk rumah susun atau apartemen namun tidak termasuk rumah kantor dan rumah toko, dengan tipe lebih dari 70 𝑚2 . Adapun dalam surat edaran ini juga telah ditetapkan rasio Loan to value (LTV) sebesar 70%. Itu berarti bila seseorang ingin menikmati suatu fasilitas KPR harus memiliki uang muka setidaknya 30% dari harga jual KPR tersebut. Ada beberapa alasan yang dikemukakan oleh Bank Indonesia yang mendasari terbitnya aturan ataupun kebijakan Loan to value ini (surat edaran Bank Indonesia no 14/10/DPNP): a. Semakin meningkatnya permintaan Kredit Pemilikan Rumah (KPR) dan kredit kendaran bermotor (KKB) serta mengingat pertumbuhan KPR dan KKB yang terlalu tinggi berpotensi menimbulkan berbagai risiko maka bank perlu meningkatkan kehati-hatian dalam penyaluran KPR dan KKB b. Pertumbuhan KPR yang terlalu tinggi juga dapat mendorong peningkatan harga aset properti yang tidak mencerminkan harga sebenarnya (bubble) sehingga dapat meningkatkan risiko kredit bagi bank-bank dengan eksposur kredit properti yang besar.

SKRIPSI


INDRA KURNIAWAN

36


37

c. Untuk menjaga perekonomian yang produktif dan mampu menghadapi tantangan sektor keuangan di masa yang akan datang, perlu adanya kebijakan yang dapat memperkuat ketahanan sektor keuangan untuk meminimalisir sumber sumber kerawanan yang dapat timbul, termasuk pertumbuhan Kredit Pemilikan Rumah dan Kredit kendaraan bermotor yang berlebihan. Dan kebijakan yang dimaksudkan adalah melalui penetapan besaran Loan to value (LTV) untuk KPR dan Down Payment untuk Kredit kendaraan bermotor.

2.1.4.7.1 Kebijakan Loan to value (LTV) sebagai Instrumen Kebijakan Makroprudensial Kebijakan loan to value (LTV) merupakan salah satu instrumen kebijakan makrpudensial. Kebijakan makroprudensial yang telah dikeluarkan oleh Bank Indonesia antara lain rasio loan to value untuk mengendalikan kredit perumahan dan kredit kendaraan bermotor, Giro Wajib Minimum loan to deposits Ratio (GWM LDR) untuk mengatur perhitungan giro wajib minimum rupiah berdasarkan loan to deposits ratio, Posisi Devisa Neto (PDNP) dan transparansi suku bunga dasar kredit (Harun, 2014). Lim, et al. (2011) mengklasifikasikan instrumen kebijakan makroprudensial menjadi tiga yaitu credit related, liquidit-related, dan capital related. Sehingga kebijakan makroprudensial mempunyai tujuan untuk memitigasi risiko sistemik dengan menggunakan besaran kredit, likuiditas dan permodalan.

SKRIPSI


INDRA KURNIAWAN


38

Instrumen Kebijakan LTV Mengurangi risiko KPR Mengurangi demand terhadap properti Meminimalisir risiko sistemik Sumber: Harun (2012)

Gambar 2.4 Instrumen Kebijakan LTV

Menurut Harun (2012), kebijakan yang berhubungan dengan capital related masih dalam tahapan riset untuk menentukan desain dan formulasi kebijakan. Bank Indonesia akan mengimlementasikan kebijakan countercyclical capital buffer (CCB) merupakan persyaratan tambahan modal bank dan capital surchage yang merupakan tambahan modal yang wajib disetor oleh D-SIB. Selain mencapai ketiga sasaran tersebut, bank Indonesia menambahkan sasaran risiko terkait aspek (governance-related) untuk mendorong institusi keuangan memiliki standar yang baik dalam hal governance.

2.1.4.7.2 Hubungan Kebijakan Loan to Value (LTV) terhadap Harga Properti Dalam siklus kredit, pertumbuhan kredit mempengaruhi pertumbuhan harga properti. Dalam mengendalikan harga properti berapa negara menerapkan kebijakan untuk mengendalikan kredit karena menyadari akan resiko krisis yang ditimbulkan apabila pertumbuhan kredit terlalu berlebihan. Suh (2013) mengungkapkan bahwa mengendalikan peningkatan kredit, sedangkan kebijkaan

SKRIPSI


INDRA KURNIAWAN


39

makroprudensial mampu mengendalikan pertumbuhan kredit namun kurang merespon pertumbuhan inflasi. Kebijakan suku bunga tidak mampu menekan harga rumah dan mengendalikan bubble, sehingga rekomendasi alat kebijakan makroprudensial diperlukan untuk mengendalikan pertumbuhan harga rumah. Kebijakan loan to value digunakan utnuk mengurangi kredit kemudian diharapkan mampu menurunkan harga properti. Wong, et al. (2011) dan Dong (2013) dalam penelitiannya menyatakan bahwa kebijakan loan to value mampu meredam terjadinya booming perumahan serta berhubungan negatif dengan pertumbuhan harga rumah. Sehingga apabila sebelum diterapkan LTV semakin meningkatkan permintaan serta harga properti itu sendiri sebaliknya ketika kebijakan LTV diterapkan maka akan menurunkan permintaan serta harga properti.

2.1.7.5 Ekspektasi Harga Pengembang Dalam pembentukan harga keseimbangan perumahan yaitu dengan melihat 2 faktor utama yaitu faktor demand dan faktor supply. Dalam penelitian ini satusatunya faktor supply penentu harga perumahan yaitu ekspektasi harga pengembang. Ekspektasi harga pengembang terbentuk dipengaruhi oleh biaya konstruksi yang dikeluarkan oleh pengembang dalam membangun sebuah perumahan. Biaya konstruksi terdiri dari harga faktor input seperti harga bahan baku semen, pasir, batu bata dan lain-lain. Hal ini didukung oleh Glindro, et al. (2011) yang menemukan bahwa peningkatan beban biaya konstruksi meningkatkan harga rumah. Selain itu juga dalam penelitian Dong (2013) dengan memasukkan biaya konstruksi sebagai faktor supply berhubungan positif terhadap harga rumah.

SKRIPSI


INDRA KURNIAWAN


40

Peningkatan biaya konstruksi dapat meningkatkan harga properti. Peningkatan pada biaya konstruksi dapat meningkatkan ekspektasi pengembang untuk penentuan harga properti di periode berikutnya, sehingga harga properti yang terbentuk pada periode berikutnya dipengaruhi oleh ekspektasi pengembang pada periode sebelumnya. Pengembang akan mengharakan harga yang terbentuk tidak jauh dari ekspektasi harga yang ditentukan pada periode sebelumnya, sehingga besarnya peningkatan biaya penyediaan pasokan properti yaitu biaya konstruksi baik material maupun non material mampu ditopang oleh peningkatan harga properti. Mekanisme ini didukung oleh hasil penelitian yang dilakukan oleh Gelain dan Lansing (2014) yang menyatakan bahwa ekpektasi harga berhubungan positif dengan harga aktual yang terbentuk, hal ini disebabkan oleh ekspektasi peningkatan harga pada periode berikutnya menjadi pertimbangan pada terbentuknya harga aktual. Oleh karena itu, pada penelitian ini diharapkan ekspektasi harga pengembang mampu mewakili peningkatan biaya penyediaan pasokan properti oleh pengembang yang berpengaruh signifikan terhadap indeks harga properti residensial dari sisi penawaran.

2.2 Penelitian Terdahulu Beberapa peneliti melalui masing-masing penelitiannya di berbagai negara telah melakukan penelitian tentang analisis pengaruh faktor fundamental penentu harga properti dari sisi permintaan dan penawaran serta mendeteksi adanya bubble pada pasar properti maupun perumahan .

SKRIPSI


INDRA KURNIAWAN


41

Dalam penelitian Wong, et al. (2011) tentang pentingnya kebijakan makroprudensial untuk memitigasi resiko sistemik terutama bagi negara-negara yang terpengaruh langsung shocks Internasional. Dengan melihat efektivitas kebijakan LTV sebagai variabel dummy pada tahun dimana kebijakan tersebut dijalankan. Dengan menggunakan sample 2.800 bank di 48 negara maju dan berkembang. Peneliti menemukan bahwa kebijakan LTV merupakan kebijakan yang efektif dalam mengurangi resiko sistemik. Lalu, dia juga menemukan bahwa kebijakan lain seperti caps on debt-to-income ratios dan limits on credit growth serta foreign currency lending juga efektif untuk mengurangi resiko krisis perbankan dalam cross country study. Persamaan penelitian ini dengan penulis adalah penggunaan analisis data panel dan variabel dummy LTV dalam menganalisis pengaruh kebijakan LTV dalam melihat pengaruhnya terhadap harga properti. Sejalan dengan penelitian sebelumnya, penelitian yang dilakukan Dong (2013) meneliti tentang adanya property price bubble di China dari tahun 1998 sampai 2010. Penelitian ini menggunakan variabel supply dan demand dalam menentukan faktor penentu harga perumahan. Pada sisi permintaan peneliti menggunakan variabel Gross Domestic Product (GDP), Inflasi, suku bunga, loan to value (LTV) serta variabel penawaran yaitu biaya konstruksi sebagai variabel independen. Dengan menggunakan analisis regresi time series untuk menentukan harga keseimbangan jangka pendek dan jangka panjang. Harga rumah aktual kemudian dibandingkan dengan trend jangka panjang yang didapatkan dari estimasi HP Filter. Dari estimasi harga jangka pendek peneliti menemukan adanya bubble

SKRIPSI


INDRA KURNIAWAN


42

di Beijing pada awal tahun 2006-2007, sedangkan dalam estimasi jangka panjang menunjukkan adanya bubble pada tahun 2005, 2006 dan 2007. Variabel yang digunakan dalam penelitian ini sebagian besar sama dengan variabel yang digunakan oleh penulis kecuali variabel sisi penawaran. Penulis menggunakan variabel ekspektasi harga pengembang karena ketersediaan data biaya transaksi di Indonesia lalu variabel ekspektasi ini berasal dari asumsi pengembang atas perubahan harga konstruksi dalam mengekspektasi harga properti pada periode selanjutnya. Michal dan Lubos (2011) dalam penelitiannya mengenai analisis regional tentang gelembung harga perumahan serta faktor-faktor yang mempengaruhinya di Republik Ceko. Dalam menentukan faktor penentu harga properti peneliti menggunakan pendekatan faktor fundamental dilihat dari sisi permintaan dan penawaran. Dengan menggunakan analisis data panel untuk melihat pengaruh dari variabel independen terhadap variabel dependen dan menemukan bahwa variabel demografi, sewa serta pendapatan perkapita positif mempengaruhi harga properti dan untuk melihat apakah adanya bubble di Ceko peneliti menggunakan pendekatan analisis metode Hodrick-Prescott (HP filter) dan menemukan bahwa ditemukan adanya overvalued (bubble) harga properti pada tahun 2002/2003 serta di sebagian tahun 2007/2008. Persamaan penelitian ini dengan penulis adalah pendekatan analisis yang digunakan untuk melihat adanya bubble di tiap regional dengan menggunakan analisis Hodrick-Prescott (HP filter) serta pendekatan faktor penentu harga properti sisi permintaan dan penawaran .

SKRIPSI


INDRA KURNIAWAN


43

Penelitian berikutnya adalah melihat adanya property price bubble di analisis regional Amerika Serikat dengan pendekatan data panel oleh Mikhed dan Petr (2007). Dengan menggunakan data Metropolitan Statistical Areas (MSA). Menggunakan indeks harga properti sebagai variabel dependen serta menggunakan panel data tes untuk membangun indikator bubble. Dan peneliti menemukan bahwa indikator tersebut tinggi pada akhir periode 1980an, awal 1990an. Serta, berdasarkan pembuktian dari panel data analisis, uji kausalitas granger digunakan dan menemukan bahwa perubahan harga properti sangat membantu dalam memprediksi perubahan pada sewa. Igan dan Loungani (2013) yang menganalisis karakteristik dari siklus perumahan pada 55 negara dan menganalisis faktor-faktor yang menentukan pergerakan harga rumah. Peneliti menggunakan variabel tingkat keterjangkauan (affordability level), pertumbuhan populasi penduduk usia kerja (faktor demografi), pertumbuhan saham properti, pertumbuahn kredit, suku bunga jangka pendek dan jangka panjang. Peneliti menggunakan metode OLS untuk meregres masingmasing negara untuk mengetahui dinamika siklus perumahan dan misalignment in house price dimana harga perumahan menyimpang dari harga keseimbangannya yang kemudian pada penelitian ini disebut bubble. Selanjutnya, melalui metode Panel, hasil penelitian Igan dan Loungani (2013) menunjukkan bahwa dinamika harga rumah sebagian besar didorong oleh faktor yang mempengaruhi terjadinya misaligment in house price. Peneliti hanya mengungkapkan dinamika pada 22 negara dikarenakan beberapa negara tidak tersedia data serta observasi yang terbatas.

SKRIPSI


INDRA KURNIAWAN

44


Penelitian tentang property price bubble juga dilakukan oleh Cameron, et al (2006) dalam penelitiannya tentang apakah terjadi gelembung harga perumahan di United Kingdom (UK) tahun 1972-2003. Dalam penelitiannya Cameron juga menggunakan faktor penentu sisi permintaan untuk melihat pengaruh terhadap harga properti di United Kingdom yaitu variabel pendapatan, populasi, tingkat umur, inflasi dan suku bunga. Hasil penelitiannya menyatakan bahwa seluruh variabel signifikan mempengaruhi harga properti di UK, namun tidak ditemukan adanya bubble dikarenakan adanya antisipasi oleh pemerintah setempat dalam mengantisipasi

bubble

lewat

pergerakan-pergerakan

variabel

yang

mempengaruhinya.

2.3 Hipotesis dan Model Analisis 2.3.1 Hipotesis Berdasarkan rumusan masalah, landasan teori, dan penelitian terdahulu yang telah dikemukakan penelitian sebelumnya, maka hipotesis dari penelitian ini adalah sebagai berikut: 1. Pertumbuhan Ekonomi berpengaruh positif terhadap harga properti 2. Inflasi berpengaruh negatif terhadap harga properti 3. Suku bunga berpengaruh negatif terhadap harga properti 4. Ekspektasi harga pengembang berpengaruh positif terhadap harga properti 5. Kebijakan loan to value berpengaruh negatif terhadap harga properti 6. Seluruh variabel independen (Pertumbuhan ekonomi, inflasi, suku bunga, ekspektasi harga deeveloper dan kebijakan loan to value) secara bersama-

SKRIPSI


INDRA KURNIAWAN


45

sama signifikan mempengaruhi harga properti 5 kota besar (Medan, Jakarta, Surabaya, Manado, dan Makassar) di Indonesia 7. Terjadi property price bubble di 5 kota besar (Medan, Jakarta, Surabaya, Manado, dan Makassar) di Indonesia

2.3.2 Model Analisis Model yang digunakan dalam penelitian ini mengacu pada penelitian sebelumnya yaitu Wong, et al. (2011), Cameron, et al. (2011), Michal dan Lubos (2013) dan Dong (2013). Berikut model ekonometri yang telah dimodifikasi sesuai tujuan penelitian: IHPRit = β0 + β1 PDRBit +β2 INFit + β3 LRit + β4 DLTVit + β5 EKSit + εit Keterangan: IHPRit

: Indeks Harga Properti Residensial 5 kota besar di Indonesia pada triwulan t

PDRBit

: Pertumbuhan Ekonomi 5 kota besar di Indonesia pada triwulan t

INFit

: Inflasi 5 kota besar di Indonesia pada triwulan t

LRit

: Suku bunga 5 kota besar di Indonesia pada triwulan t

DLTVit

: Dummy kebijakan loan to value. Bernilai 1 ketika kebijakan loan to value diterapkan dan selain itu bernilai 0.

EKSit

: Ekspektasi harga pengembang 5 kota besar di Indonesia pada triwulan t

Εit

: Error term

SKRIPSI


INDRA KURNIAWAN


46

2.4 Kerangka Berpikir

Bubble

Harga Properti

Demand factor

Supply factor

Pertumbuhan Ekonomi

Ekspektasi Harga Pengembang

Inflasi

Suku Bunga

loan to value (LTV)

Gambar 2.5 Kerangka Berpikir Kerangka pemikiran didasari oleh fenomena property price bubble. Dalam mengidentifikasi property price bubble, dilakukan estimasi trend jangka panjang harga properti terlebih dahulu menggunakan metode Hodrick-Prescott Filter (HPFilter) terhadap harga properti. Setelah itu diketahui selisih harga aktual dengan trendd jangka panjangnnya. Lalu dari misalignment atau gap tersebut diketahui bahwa ketika gap bernilai positif maka terjadi overvalued dan ketika gap negatif

SKRIPSI


INDRA KURNIAWAN


47

maka terjadi undervalued (Michal dan Lubos, 2011) Kondisi bubble ditentukan ketika harga aktual berada diatas trend jangka panjangnya (overvalued) selama tiga periode berturut-turut (Dong, 2013), sesuai dengan teori rational asset price bubble menurut Santos dan Woodford (1997) bahwa ketika harga properti aktual berada diatas trend jangka panjangnya dapat mengindikasikan terjadinya properti price bubble. Dalam penelitian ini juga mengidentifikasi faktor-faktor penentu harga properti dan telah digunakan dalam penelitian-penelitian sebelumnya. Faktor penentu tersebut dilihat dari sisi permintaan dan penawaran. Variabel yang digunakan untuk melihat pengaruhnya terhadap harga properti adalah variabel pertumbuhan ekonomi, variabel inflasi, variabel suku bunga, dan instrumen kebijakan loan to value sebagai faktor penentu permintaan dan variabel ekspektasi harga pengembang sebagai faktor penentu sisi penawaran.

SKRIPSI


INDRA KURNIAWAN


BAB III METODE PENELITIAN

3.1 Pendekatan Penelitian Dalam penelitian ini pendekatan yang digunakan adalah pendekatan kuantitatif. Pendekatan kuantitatif dilakukan dengan melihat pengaruh dari variabel pertumbuhan ekonomi, inflasi, suku bunga, dummy untuk kebijakan loan to value dan ekspektasi harga pengembang terhadap harga properti di 5 kota besar di Indonesia pada periode tahun triwulan I tahun 2006 sampai triwulan IV tahun 2014, dilakukan dengan metode regresi data panel serta menganalisis terjadinya properti price bubble. Kemudian menganalisa dan menginterpretasikan hasil perhitungan yang dilakukan.

3.2 Identifikasi Variabel Pada tahap

ini dilakukan identifikasi terhadap

variabel-variabel

yang

mempengaruhi harga properti di 5 kota besar (Medan, Jakarta, Surabaya, Manado dan Makassar) di Indonesia. Variabel-variabel yang digunakan dalam penelitian ini terdiri menjadi dua variabel, yaitu variabel dependen (variabel terikat) dan variabel independen (variabel bebas). 1. Variabel dependen (variabel terikat) yang digunakan adalah Indeks Harga Properti Residensial (IHPR).

44 SKRIPSI


INDRA KURNIAWAN


2.

49

Variabel independen (variabel bebas) yang digunakan adalah variabel pertumbuhan ekonomi, inflasi, suku bunga, dummy untuk kebijakan loan to value dan ekspektasi harga pengembang.

3.3 Definisi Operasional Variabel Definisi operasional variabel digunakan untuk menjelaskan variabel-variabel dalam model yang digunakan dalam sebuah penelitian. Definisi operasional dalam penelitian ini adalah sebagai berikut:

3.3.1 Indeks Harga Properti Residensial (IHPR) Menurut Bank Indonesia (2012), Indeks Harga Properti Residensial (IHPR) adalah bilangan

yang menunjukkan perbedaan harga properti residensial

dibandingkan dengan besarnya harga properti residensial pada tahun dasar tahun 2002. Harga properti didapatkan dari hasil survei harga properti residensial yang merupakan survei triwulanan oleh Bank Indonesia yang dilaksanakan secara regional di 14 kota yaitu; Makassar, Manado, Banjarmasin, Pontianak, Denpasar, Surabaya, Yogyakarta, Semarang, Bandung, Bandar lampung, Palembang, Padang, Medan, dan Jakarta. Pengumpulan data dilakukan secara tatap muka dengan beberapa pengembang proyek perumahan. Pengolahan data dilakukan dengan metode rata-rata atas harga rumah tiap golongan dan tipe bangunan rumah dan selanjutnya dihitung dengan Indeks Harga Properti Residensial dengan metode indeks berantai sederhana oleh tim Survei Harga Perumahan Residensial (SHPR) Bank Indonesia.

SKRIPSI


INDRA KURNIAWAN


50

3.3.2 Pertumbuhan Ekonomi Pertumbuhan ekonomi pada penelitian ini diproyeksikan dari pertumbuhan Produk Domestik Regional Bruto (PDRB) dari 5 kota besar (Medan, Jakarta, Surabaya, Manado, dan Makassar). Produk Domestik Regional Bruto (PDRB) merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu daerah tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi. Produk Domestik Regional Bruto (PDRB) atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga yang berlaku setiap tahun, sedangkan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan menunjukkan nilai tambah barang dan jasa tersebut yang dihitung menggunakan harga yang berlaku pada satu tahun tertentu sebagai dasar. Produk Domestik Regional Bruto (PDRB) atas dasar harga berlaku dapat digunakan untuk melihat pergeseran dan struktur ekonomi, sedang harga konstan digunakan untuk mengetahui pertumbuhan dari tahun ke tahun. Dalam penelitian ini digunakan pertumbuhan PDRB atas harga konstan tahun 2010.

3.3.3 Inflasi Inflasi merupakan kenaikan harga barang dan jasa dalam satu periode yang diukur dengan perubahan indeks harga konsumen (IHK) tahun 2007, yang mencerminkan perubahan harga barang dan jasa yang dikonsumsi oleh masyarakat umum. Dalam penelitian ini menggunakan data laju inflasi pada tiap wilayah

SKRIPSI


INDRA KURNIAWAN


51

penelitian. Dalam sajian data yang tersedia dalam bentuk data bulanan kemudian diubah menjadi data triwulanan.

3.3.4 Suku Bunga Data suku bunga yang digunakan dalam penelitian ini menggunakan data suku bunga kredit pada sektor konsumsi. Suku bunga ini merupakan faktor penentu penggerak kredit khususnya kredit properti residensial. Semakin rendah suku bunga kredit maka akan semakin rendah biaya peminjaman sehingga kredit akan meningkat begitu pula sebaliknya. Data ini digunakan sama untuk masing-masing kota karena data suku bunga kredit sektor konsumsi diperoleh dari rata-rata suku bunga kredit dari bank umum di masing-masing wilayah.

3.3.5 Kebijakan Loan to Value (LTV) Untuk menganalisis pengaruh dari kebijakan loan to value digunakan variabel dummy ltv. Dimana nilai dummy 1 merupakan periode dimana kebijakan ltv diterapkan dan 0 ketika belum diterapkannya kebijakan ltv.

3.3.6 Ekspektasi Harga Pengembang Ekspektasi harga pengembang merupakan ekspektassi perubahan harga properti residensial dimana perubahan harga yang diperkirakan oleh pihak pengembang atau pengembang pada periode berikutnya. Perubahan ekspektasi harga oleh pengembang ini dipantau oleh Bank Indonesia melalui Survei Harga Perumahan

SKRIPSI


INDRA KURNIAWAN


52

Residensial (SHPR). Dalam menentukan perubahan harga pihak pengembang diasumsikan telah mempertimbangkan peningkatan harga input bahan bangunan sehingga variabel ini termasuk dalam faktor harga properti residensial pada sisi penawaran.

3.4 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh tidak dengan penelitian secara langsung, akan tetaapi terdapat di berbagai situs yang menyediakan data seperti jurnal, buku, majalah, internet atau laporan tertulis yang terkait dengan penelitian tersebut. Data yang digunakan dari 5 kota besar (Medan, Jakarta, Surabaya, Manado dan Makassar) di Inndonesia. Jenis data sekunder yang digunakan dalam penelitian ini adalah data time series dalam bentuk triwulan dimulai dari triwulan I 2006 sampai dengan triwulan IV 2014. Sumber data yang digunakan antara lain Indeks Harga Perumahan Residensial (IHPR), Suku bunga kredit dan data ekspektasi harga pengembang dari Bank Indonesia, data Produk Domestik Regional Bruto (PDRB) serta Indeks harga Konsumen berasal dari Badan Pusat Statistik (BPS).

3.5 Prosedur Pengumpulan Data Data yang digunakan dalam obeservasi ini adalah data Indeks Harga Properti Residensial (IHPR), Produk Domestik Regional Bruto (PDRB), Indeks Harga

SKRIPSI


INDRA KURNIAWAN


53

Konsumen (IHK), Suku Bunga Kredit, Ekspetasi Harga Pengembang. Proses pengumpulan data yang dilakukan adalah: 1. Studi Kepustakaan, yang dilakukan dengan mencari dan mengumpulkan data literatur dari buku-buku perpustakaan dan makalah diskusi. 2. Pengumpulan data sekunder yang diperoleh dari sumber-sumber yang telah disebutkan.

3.6 Teknik Analisis 3.6.1

Metode Regresi Data Panel Teknik analisis yang digunakan dalam penelitian ini untuk melihat pengaruh

dari variabel independent terhadap variabel dependent adalah metode regresi data panel. Data panel merupakan kombinasi dari data time series dan cross section. Data panel memiliki dimensi ruang dan waktu. Ada beberapa keuntungan yang diperoleh ketika melakukan regresi dengan menggunakan data panel, yaitu (Gujarati, 2013:237): 1.

Teknik estimasi data panel dapat mengatasi heterogenitas secara eksplisit dengan memberikan variabel spesifik subjek

2.

Data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit kolinearitas antar variabel, lebih banyak degree of freedom dan lebih efisien.

3.

Data panel paling cocok untuk mempelajari dinamika perubahan.

SKRIPSI


INDRA KURNIAWAN


4.

54

Data panel paling baik untuk mendeteksi dan mengukur dampak yang secara sederhana tidak bisa dilihat pada data cross-section murni atau time-series murni.

5.

Data panel memudahkan untuk mempelajari model perilaku yang rumit.

6.

Data panel dapat meminimumkan bias yang terjadi jika kita mengagregasikan individu atau perusahaan ke dalam agregasi besar.

Ada beberapa metode yang bisa digunakan untuk mengestimasi model regresi data panel yaitu Pooled Least Square (PLS), Fixed Effect Model (FEM) dan Random effect Model (REM). a.

Pooled Least Square (PLS) Pooled Least Square secara sederhana menggabungkan (pooled) seluruh data

time series dan cross section dan kemudian mengestimasi model dengan metode Ordinary Least Square (OLS). Dalam pendekatan ini tidak memperhitungkan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar objek penelitian sama dalam berbagi kurun waktu (Widarjono, 2009:231). Model persamaan PLS dapat ditulis sebagai berikut: Y𝑖𝑡 = β0 + β1 X1it + β2 X2it + ... +βn Xnit + εit .....................................................(3.31)

SKRIPSI


INDRA KURNIAWAN


55

b. Random effect Model (REM) Model Random Effect merupakan metode yang menggunakan variabel residual untuk mengestimasi data panel ketika dengan fixed effect menunjukkan ketidakpastian model yang digunakan. Model ini memilih estimasi data panel dimana residual mungkin saling berubungan antar waktu dan antar individu. Metode random effect memperbaiki efisiensi proses least square dengan memperhitungkan error dari cross section dan time series (Widarjono, 2009:235). Y𝑖𝑡 = β0 + β1 X1it + β2 X2it + ... +βn Xnit + εit ......................................................... (3.2)

c.

Fixed Effect Model (FEM) Fixed Effect Model didasarkan adanya perbedaan intersep antar cross section

namun intersepnya konstan antar waktu (time invariant). Fixed effect merupakan teknik estimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan antar intersep. Dalam mengestimasi model, akan sangat tergantung dengan asumsi yang kita buat tentang intersep, koefisien slope, dan residualnya (Widarjono, 2009:232). Model persamaan fixed effect dapat ditulis sebagai berikut: Y𝑖𝑡 = 𝛼0 + 𝛼1 D1 + .... + 𝛼𝑛 D𝑛 + β2 X2it + ... + βn Xnit + εit....................................(3.3)

SKRIPSI


INDRA KURNIAWAN


56

3.6.1.1 Pemilihan Model Estimasi Data Panel

Sumber: Suwardi (2011) Gambar 3.1 Tahapan Pemilihan Model Estimasi Data Panel Untuk memilih teknik estimasi yang paling tepat digunakan antara Pooled Least Square, Fixed Effet Model dan Random effect Model digunakan tiga uji yang meliputi uji Chow, uji Lagrange Multiplier dan uji Hausman. Uji Chow digunakan untuk memilih antara Pooled Least Square dan fixed effect model. Uji Lagrange Multiplier digunakan untuk memilih antara Pooled Least Square atau random effect model. Uji Hausman digunakan untuk memilih antara fixed effect model atau random effect model.

SKRIPSI


INDRA KURNIAWAN


57

3.6.1.1.1 Uji Chow Uji chow yakni pengujian untuk menentukan model PLS atau FEM yang digunakan dalam mengestimasi data panel. Dimana penelitian hasil Uji Chow dapat diperoleh menggunakan STATA 13. Hipotesis pengujian sebagai berikut: H0

: Pooled Least Square

H1

: Fixed Effect Model Penentuan model dilakukan dengan melihat P Value (Prob > F) pada hasil

regresi FEM. Jika nilai probabilitas kurang dari 𝛼 (1%, 5% atau 10%) maka H0 ditolak sehingga model yang digunakan adalah FEM dan juga berlaku sebaliknya.

3.6.1.1.2 Uji Lagrange Mulptiplier Untuk mengetahui apakah model Random effect lebih baik digunakan daripada Pooled Least Square, maka digunakan uji Lagrange Multiplier (LM). Uji Lagrange Multiplier untuk signifikansi model random effect didasarkan pada nilai residual dari metode Pooled Least Square. Adapun perhitungan statistik LM adalah sebagai berikut: 𝑛𝑇

2 ∑𝑛 𝑖=1(𝑇𝑒)

LM = 2(𝑇−1) [∑𝑛

𝑇 2 𝑡=1 ∑𝑖=𝑡 𝑒𝑖𝑡

2

− 1] ………………………………………………….(3.4)

Dimana: n

: Jumlah individu

T

: Jumlah periode waktu

e

: Residual metode PLS

SKRIPSI


INDRA KURNIAWAN


58

Uji LM didasarkan pada distribusi chi square dengan degree of freedom sesuai dengan jumlah variabel independen. Jika nilai LM statistik > nilai chi square maka kita menolak hipotesis nul. Artinya, hipotesis yang tepat adalah metode REM. Selain menggunakan perhitungan statistik, dapat dilakukan dengan uji Breusch dan Pagan Lagrangian Multiplier Test yang ada pada software STATA 13. Hipotesis uji Breusch dan Pagan Lagrangian Multiplier Test: H0

: Pooled Least Square

H1

: Random effect Model Apabila hasil regresi menunjukkan (prob > 𝑐ℎ𝑖 2 ) lebih besar dari tingkat

signifikansi (𝛼) maka H diterima dan PLS lebih baik digunakan, sebaliknya apabila prob > 𝑐ℎ𝑖 2 lebih kecil dari tingkat signifikansi maka REM lebih baik digunakan daripada PLS.

3.6.1.1.3 Uji Hausman Uji Hausman digunakan untuk memilih antara fixed effect model atau random effect model. Uji Hausman didasarkan pada ide bahwa LSDV di dalam metode fixed effect dan GLS adalah efisien sedangkan metode PLS tidak efisien, di lain pihak alternatifnya metode PLS efisien dan GLS tidak efisien. Hipotesis dari uji Hausman adalah: H0

: Model Random Effect

H1

: Model Fixed Effect

SKRIPSI


INDRA KURNIAWAN


59

Jika nilai probabilitas chi square > α, maka H0 diterima dan H1 ditolak. Karena H0 diterima maka model yang paling tepat untuk digunakan adalah REM.

3.6.1.2 Pengujian Asumsi Klasik Dalam melakukan estimasi persamaan linear dengan menggunakan metode OLS, maka asumsi-asumsi OLS harus dipenuhi. Jika asumsi tersebut tidak dipenuhi, maka tidak akan dapat menghasilkan parameter BLUE (Best Linear Unbiased Estimator). Ada tiga cara untuk mendeteksi asumsi-asumsi OLS yaitu: 1. Uji asumsi berkaitan dengan masalah adanya hubungan antara variabel independen dalam regresi berganda (multikolinearitas) 2. Uji adanya varian residual yang tidak konstan (heteroskedastisitas) 3. Uji adanya hubungan residual antara satu observasi dengan observasi lain (autokorelasi)

3.6.1.2.1 Uji Multikolinearitas Multikolinearitas adalah adanya hubungan linear yang signifikan antara beberapa atau semua variabel independen dalam model regresi. Hubungan linear antar variabel independen dapat terjadi dalam bentuk hubungan yang sempurna dan hubungan linear

yang kurang sempurna. Adanya multikolinearitas masih

menghasilkan estimator BLUE akan tetapi menyebabkan suatu model mempunyai varian yang besar (Widarjono, 2009:101).

SKRIPSI


INDRA KURNIAWAN

60


Untuk melihat ada tidaknya multikolinearitas dapat dilihat dari koefisien korelasi (𝑟 2 ) dari masing-masing variabel bebas melalui uji t. Jika koefisien korelasi (𝑟 2 ) antara masing-masing variabel bebas memiliki nilai yang tinggi atau lebih besar dari 0,8 berarti terjadi multikolinearitas Selain melihat dari koefisien korelasi (𝑟 2 ), untuk melihat adanya multikolinearitas dapat dilakukan dengan menggunakan STATA. Dengan melihat besarnya nilai mean Variance Inflating Factor (VIF) dapat menentukan adanya multikolinearitas. Apabila mean VIF bernilai kurang dari 10 maka tidak terjadi multikolinearitas, akan tetapi apabila mean VIF lebih dari 10 maka terjadi multikolinearitas.

3.6.1.2.2 Uji Heteroskedastisitas Heteroskedastisitas adalah keadaan dimana varians dari setiap gangguan tidak konstan. Untuk mendeteksi adanya masalah heteroskedastisitas dapat dilihat pada residual hasil estimasi. Jika residual bergerak konstan maka tidak ada heteroskedastisitas,

apabila

membentuk

suatu

pola

tertentu

maka

terjadi

heteroskedastisitas. Metode lain untuk melihat ada atau tidaknya heteroskedastisitas dapat melihat probabilitas chi square yang ada pada STATA. Dengan hipotesis sebagai berikut: H0 : Homoskedastisitas H1 : Heteroskedastisitas

SKRIPSI


INDRA KURNIAWAN


61

Apabila nilai (prob > chi2 ) lebih besar dari tingkat signifikansi (α) baik 1%, 5% maupun 10% maka H0 diterima dan H1 ditolak artinya, tidak terjadi heteroskedastisitas. Sedangkan, jika prob> chi2 lebih kecil daripada tingkat signifikansi (α) maka terjadi heteroskedastisitas.

3.6.1.2.3 Uji Autokorelasi Autokorelasi adalah adanya korelasi antara satu variabel gangguan dengan variabel gangguan yang lain. Penyebab terjadinya autokorelasi antara lain karena adanya faktor-faktor kelambanan (inersia), adanya faktor-faktor lain yang tidak dimasukkan dalam model, bentuk fungsi yang tidak tepat, penggunaan lag pada model dan adanya manipulasi data. Pengujian terhadap autokorelasi dapat dilakukan dengan membandingkan nilai probabilitas F terhadap α (1%, 5%, 10%). Dengan hipotesis sebagai berikut: H0 : Tidak terdapat autokorelasi H1 : Autokorelasi H0 ditolak apabila nilai probabilitas F lebih kecil dari α, sedangkan apabila H0 diterima apabila probabilitas F > α.

3.6.1.3 Pengujian Statistik Langkah yang dilakukan selanjutnya adalah pengujian statistik terhadap masing-masing variabel. Uji statistik berguna untuk melihat apakah variabel tersebut

SKRIPSI


INDRA KURNIAWAN


62

signifikan. Apabila nilai koefisien regresi tidak sama dengan nol, maka secara statistik disebut signifikan. Jika koefisien regresi sama dengan nol, maka tidak cukup untuk menyatakan bahwa variabel independen memiliki pengaruh terhadap variabel dependen. Pengujian statistik dilakukan dengan metode:

3.6.1.3.1 Uji t-statistik Uji t merupakan pengujian terhadap koefisien dari variabel bebas secara parsial. Uji ini dilakukan untuk melihat tingkat signifikan dari variabel bebas secara individu mempengaruhi variasi dari variabel terikat. Hipotesa dalam uji t adalah: H0 : β1 = 0 , i = 0, 1, 2, 3, ...., n H1 : β1 ≠ 0 Pengujian ini dilakukan dengan cara membandingkan t hitung pada hasil regresi terhadap t tabel. Jika nilai t hitung < t tabel maka H0 diterima H1 ditolak. Artinya tidak ada pengaruh antara variabel independen dan variabel dependen. Selain membandingkan t statistik dengan t tabel, hipotesis uji t dapat dilakukan dengan cara melihat probabilitas (p-value) dengan tingkat signifikansi (α). Apabila pvalue lebih kecil daripada tingkat signifikansi (α) baik 1%, 5% maupun 10% artinya, variabel independen memiliki pengaruh dengan variabel dependen.

SKRIPSI


INDRA KURNIAWAN


63

3.6.1.3.2 Uji F-statistik Uji F adalah pengujian pengaruh semua variabel bebas terhadap variabel terikat atau dilakukan untuk menentukan tingkat signifikansi variabel bebas dan variabel terikat secara bersama-sama atau keseluruhan. Adapun nilai F hitung atau nilai F statistik dapat dicari dengan formula sebagai berikut: 𝑅 2 /−(𝑘−1)

F = (1−𝑅2 )/(𝑛−𝑘)…………………………………………………………..(3.5) Dimana k adalah jumlah parameter estimasi termasuk intersep, n adalah jumlah observasi. Apabila F hitung > F tabel, maka H0 ditolak atau H1 diterima, artinya secara bersama-sama variabel bebas berpengaruh terhadap variabel terikat. Hipotesis uji F adalah sebagai berikut: H0

: β1 = β2 = .... = βn = 0

H1

: Paling tidak ada salah satu β tidak sama dengan nol Selain membandingkan antara F statistik dengan F tabel untuk hipotesis uji F

dapat dilakukan dengan cara membandingkan nilai probabilitas F statistik dengan tingkat signifikansi (α). Apabila nilai probabilitas F statistik < α maka H0 ditolak dan H1 diterima, artinya secara bersama-sama variabel bebas berpengaruh terhadap variabel terikat.

3.6.1.3.3

Pengukuran Koefisien Determinasi (Adjusted 𝐑𝟐 )

Pengukuran adjusted R2 dilakukan untuk menunjukkan seberapa besar variasi variabel independen dapat menerangkan variabel dependen dan untuk mengukur

SKRIPSI


INDRA KURNIAWAN


64

seberapa baik garis regresi. Nilai adjusted R2 berkisar antara 0 sampai 1. Jika nilai koefisien determinasi adjusted R2 sama dengan 1 maka dapat diartikan bahwa variabel independen dapat menerangkan variabel dependen dengan sempurna. Sebaliknya, jika adjusted R2 sama dengan 0 maka dapat diartikan bahwa variabel independen tidak dapat menerangkan variabel dependen. Sehingga, semakin adjusted R2 mendekati 1, maka semakin baik hasil regresi.

3.6.2 Metode Hodrick Prescott Filter (HP Filter) Metode Hodrick Prescott Filter (HP Filter) pertama kali dikenalkan oleh Hodrick Prescott pada tahun 1997. Metode ini digunakan untuk melakukan dekomposisi trend jangka panjang dan siklikal dalam model univariat (Enders, 2004). Metode ini secara teknis merupakan filter linier dua sisi (backward-forward) yang digunakan dalam menghitung smoothed-trend series dari data (Y) dengan cara meminimulan loss function (L), yaitu varians y di sekitar nilai, dengan penalti tertentu. Persamaan pada Hodrick Prescott Filter sebagai berikut : 𝑌𝑡 = 𝜏̂ 𝑇𝑡 + 𝑐̂𝑇𝑡 ………………………………………………………….……….

(3.6)

Dimana 𝑌𝑡 adalah data time series yang diobservasi (observed series), 𝜇𝑡 merumakan smoothed-trend series dan 𝐶𝑡 siklus data (cycle). 1

𝑀𝑖𝑛 𝐿 = 𝑇 ∑𝑇𝑡=1(𝑦𝑡 − 𝜏𝑡 )2 +

𝜆 𝑇

2 ∑𝑇−1 𝑡=2 {(𝜏𝑡+1 − 𝜏𝑡 ) − (𝜏𝑡 − 𝜏𝑡−1 )} …………. (3.7)

Parameter penalti 𝜆 mengontrol kemulusan series 𝜏̂ 𝑇𝑡 , semakin besar nilai 𝜆, semakin mulus perkembangan 𝜏̂ 𝑇𝑡 . Apabila 𝜆 mencapai nilai tak terhingga maka trend

SKRIPSI


INDRA KURNIAWAN


65

adalah konstan, sehingga menghasilkan pola trend linier (Enders, 2004). Hodrick Prescott merekomendasikan 𝜆 =100 untuk data tahunan (annual data), 𝜆 =1600 untuk data kuartalan dan 𝜆 =14400 untuk data bulanan (monthly data). Metode HP-filter telah banyak digunakan oleh para peneliti untuk melihat trend jangka panjang dari variabel terikat sekaligus menjadi nilai threshold. Nilai threshold yang ditentukan melalui metode HP Filter terdiri dari upper threshold dan lower threshold. Periode boom ditentukan ketika data aktual berada di atas upper threshold yaitu lebih besar dari standar deviasi (+𝛿) trend jangka panjangnya. Sedangkan periode burst (krach) ditentukan ketika data aktual berada dibawah lower threshold yaitu lebih kecil dari standar deviasi (-𝛿) trend jangka panjang (Vladimir, et al. 2009).

Sumber: Vladimir, et al (2009) Gambar 3.2 Metode Hodrick-Prescot

SKRIPSI


INDRA KURNIAWAN


BAB IV PEMBAHASAN

4.1 Gambaran Umum Obyek Penelitian 4.1.1 Perkembangan Harga Properti Harga properti merupakan faktor penting dalam menggerakkan fluktuasi ekonomi, alokasi sumber daya antar sektor dan waktu, serta mempengaruhi kekuatan sistem keuangan. Hal tersebut dikarenakan harga aset memainkan peran penting dalam kerangka stabilitas keuangan dan kebijakan moneter (Hordahl dan Packer, 2007). Harga properti merupakan indikator makroekonomi dari pertumbuhan ekonomi dan kestabilan pasar. Selain itu harga properti juga merupakan sumber informasi mengenai ekspektasi dan resiko pasar. Dinamika perkembangan harga properti pada 5 kota di Indonesia yaitu; Medan, Jakarta, Surabaya, Manado dan Makassar serta Indonesia

(Indeks)

secara keseluruhan dapat dilihat pada gambar 4.1 berikut ini: 350.0 300.0 250.0 200.0 150.0 100.0 50.0 0.0

Indonesia

Medan

Surabaya

Manado

Makassar

Jakarta

Sumber: Bank Indonesia, diolah

Gambar 4.1 Grafik Perkembangan Harga Properti

66 SKRIPSI


INDRA KURNIAWAN


67

Gambar 4.1 diolah atas menggunakan data Survei Harga Properti Residensial (SHPR) primer yang dilakukan oleh Bank Indonesia. Terlihat dari gambar diatas bahwa perkembangan dari Indeks Harga Properti Residensial Indonesia secara keseluruhan lebih rendah dari obyek penelitian yaitu 5 kota lainnya (Medan, Jakarta, Surabaya, Manado, dan Makassar). Nilai IHPR tertinggi terdapat pada triwulan IV tahun 2014 yang hanya sebesar 182 sedangkan pada obyek penelitian nilai IHPR tertinggi tercatat adalah kota Makassar dengan indeks sebesar 304,24 serta terlihat bahwa pertumbuhan IHPR di wilayah penelitian lebih berfluktuatif dibandingkan dengan Indonesia. Sedangkan pertumbuhan harga properti di setiap kota berbeda sesuai dengan pertumbuhan perekonomian di masing-masing wilayah. Wilayah kota dimana harga propertinya paling berfluktuasi adalah Kota Manado terlihat pada Gambar 4.1 harga properti naik signifikan pada triwulan I tahun 2008 sebesar 5,2% dari periode sebelumnya lalu sempat turun sebesar -9,08% di triwulan I taun 2010 dari periode sebelumnya serta akhinya naik tajam dimulai dari periode triwulan I tahun 2013 sampai dengan triwulan IV taahum 2015 tercatat dalam rentang waktu tersebut kenaikan harga properti di kota Manado sebesar 47,2%. Sedangkan di wilayah lain seperti Medan, Surabaya, Jakarta dan Makassar tingkat harga lebih stabil namun kenaikan yang signifikan terjadi di semua wilayah dimulai dari triwulan III tahun 2013. Perbedaan pertumbuhan harga rumah antara Indonesia secara keseluruhan dengan analisis tiap regional inilah yang membuat peneliti ingin meneliti lebih mendalam tentang harga perumahan di wilayah perkotaan dibanding dengan Indonesia secara menyeluruh.

SKRIPSI


INDRA KURNIAWAN

68


4.1.2 Perkembangan Pertumbuhan Ekonomi Pertumbuhan ekonomi sering diukur dengan menggunakan pertumbuhan Produk Domestik Bruto (PDB/PDRB). Produk Domestik Regional Bruto (PDRB) pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu daerah tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi. Indonesia sebagai negara yang luas memiliki karakteristik wilayah yang berbeda-beda. Sehingga perekonomian masing-masing daerah juga ditentukan oleh karakter suatu daerah tersebut. Oleh karena perbedaan wilayah maka faktor penunjang pertumbuhan ekonomi tiap wilayah ditunjang dengan sektor pendorong tertentu. 14 12 10 8 6 4 2 0 2006

2007

2008

2009

Surabaya

Medan

2010 Manado

2011

2012

Makassar

2013

2014

Jakarta

Sumber: Badan Pusat Statistik (diolah). Gambar 4.2 Perkembangan Pertumbuhan Ekonomi Dari gambar 4.2 diatas terlihat perkembangan laju pertumbuhan ekonomi 5 kota besar di Indonesia. Terlihat bahwa pertumbuhan ekonomi yang dihasilkan pada skala regional cukup tinggi, rata-rata pertumbuhan ekonomi dalam rentang periode

SKRIPSI


INDRA KURNIAWAN


69

penelitian tercatat sebesar 7,64%, angka tersebut jauh lebih tinggi daripada rata-rata pertumbuhan ekonomi Indonesia secara keseluruhan yang hanya sebesar 5,72%. Pertumbuhan paling tinggi terjadi di kota Manado pada tahun 2008 sebesar 10,94% pertumbuhan tersebut sektor unggulan kota Manado yaitu sektor Keuangan, Real Estate dan Jasa keuangan. Kota Manado justru mencatat pertumbuhan paling tinggi pada tahun 2008 dengan pertumbuhan sebesar 10,94% saat kinerja perekonomian Indonesia terimbas memburuknya perekonomian global. Namun imbas tersebut nampaknya belum berpengaruh terhadap perekonomian regional terkecuali dengan regional dengan sektor ekspor-impor sebagai sektor unggulan. (Bank Indonesia, 2009) Sedangkan menurunnya tingkat pertumbuhan ekonomi dimulai dari tahun 2009 ketika efek krisis moneter yang menjatuhkan perekonomian negara-negara maju didunia membuat efek melambatnya perekonomian negara lain, tidak terkecuali perekonomian Indonesia. Melambatnya perekonomian dikarenakan adanya hubungan perdagangan barang dan jasa antara satu negara dengan negara lain. Oleh sebab itu, menurunnya volume perdagangan akibat krisis juga akan melemahkan negara lain. Di Indonesia sendiri melambatnya perekonomian juga berimbas hingga ke skala regional. Dilihat dari Gambar 4.2 bahwa dimulai dari periode tahun 2009 hingga tahun 2014 tingkat perekonomian terus menurun. Secara umum pertumbuhan ekonomi relatif stabil di angka yang relatif tinggi dari tahun ke tahun. Sebagai ibukota sebuah provinsi, serta menjadi pusat perekonomian dan pemerintahan sangat wajar bahwa pertumbuhan ekonomi pada seluruh kota besar didorong oleh sektor perdagangan dan sektor keuangan. Ibukota

SKRIPSI


INDRA KURNIAWAN


70

provinsi juga merupakan simpul distribusi barang dan jasa terhadap daerah-daerah di sekitarnya ditunjang dengan sumber daya yang memadai.

4.1.3 Perkembangan Laju Inflasi Inflasi adalah kecenderungan dari harga yang naik secara umum dan terusmenerus. Kenaikan harga satu atau dua barang saja tidak disebut inflasi, kecuali kenaikan tersebut meluas dan mengakibatkan pada sebagian besar dari harga barangbarang lain (Boediono, 2001:161). Jika inflasi mengalami fluktuasi, maka kegiatan perekonomian akan cenderung menyesuaikan dengan kondisi yang terjadi. Dampak dari kenaikan inflasi menyebabkan menurunnya daya beli masyarakat. Dikarenakan nilai riil pada mata uang mengalami penurunan. Inflasi adalah proses peningkatan harga secara umum dan terus menerus. Indikator yang digunakan untuk melihat inflasi adalah indeks harga konsumen. Di mana indeks yang menunjukkan tingkat harga barang dan jasa yang harus dibeli konsumen dalam periode tertentu. Dalam indeks harga konsumen, setiap jenis barang ditentukan suatu timbangan atau bobot tetap yang proporsional terhadap kepentingan relatif dalam anggaran pengeluaran konsumen. Perlunya melakukan pengendalian inflasi dikarenakan ketidakstabilan inflasi yang akan terjadi akan memiliki pengaruh yang negatif terhadap kondisi ekonomi mauun sosial masyarakat. Kestabilan inflasi merupakan salah satu syarat penting untuk pertumbuhan ekonomi yang mempengaruhi secara langsung kesejahteraan masyarakat. Gambar menunjukkan bahwa pergerakan inflasi 5 kota dan Indonesia secara umum

SKRIPSI


INDRA KURNIAWAN

71


dari triwulan I tahun 2006 hingga triwulan IV tahun 2014 mengalami fluktuasi sebagai berikut. 12

Persen (%)

10 8 6 4 2 0 2006

2007

Surabaya

2008 Medan

2009 Manado

2010

2011

Makassar

2012

Jakarta

2013

2014

Indonesia

Sumber: Badan Pusat Statistik, diolah Gambar 4.3 Perkembangan Laju Inflasi Kondisi inflasi di semua wilayang cenderung fluktuatif dan hampir mengikuti tren, yakni kondisi di daerah hampir sama dengan kondisi inflasi Indonesia itu sendiri. Dimulai dari tahun 2006 dengan rata-rata inflasi 6,25% sampai dengan tahun 2014 sebesar 4,85% sedangkan grafik inflasi tertinggi terjadi di tahun 2008 dengan nilai inflasi tertinggi yaitu Indonesia sebesar 11,06% hal ini disebabkan oleh tingginya lonjakan harga komoditas secara global terutama harga komoditas minyak dan pangan. Sehingga berdampak pada imported inflation yang tinggi, akan tetapi juga memiliki dampak pada kenaikan inflasi administrasi seiring dengan pada tahun 2008 kebijakan pemerintah mengurangi subsidi BBM (Bahan Bakar Minyak). Inflasi pada tahun 2008

SKRIPSI


INDRA KURNIAWAN


72

utamanya didorong pada peningkatan kelompok transportasi, kelompok bahan makanan dan kelompok makanan jadi. Sebaliknya di tahun 2009 terjadi penurunan tingkat inflasi yang signifikan dibanding tahun sebelumnya dari 11,06% menjadi 2,78%. Hal ini disebabkan terjadinya deflasi pada barang-barang yang harganya ditetapkan oleh pemerintah, seperti bahan bakar minyak dan tarif dasar listrik. Setelahnya tren inflasi di Indonesia terus berfluktuatif hingga pada tahun 2013 terjadi peningkatan tajam yang disebabkan oleh kenaikan harga pangan dan harga BBM bersubsidi.

4.1.4 Perkembangan Suku Bunga BI rate merupakan salah satu instrumen kebijakan dari Bank Indonesia untuk melakukan pengendalian sasaran moneter di Indonesia. BI rate ditetapkan pada Rapat Dewan Gubernur secara triwulan dan berlaku untuk satu triwulan berjalan. Oleh bank umum, suku bunga yang ditetapkan oleh Bank Indonesia itu sendiri digunakan sebagai acuan dalam penetapan suku bunga deposito dan suku bunga kredit. Sedangkan suku bunga kredit itu sendiri dibagi lagi menjadi suku bunga kredit modal kerja, investasi dan pinjaman Penetapan suku bunga pada kredit kepemilikan rumah/ apartemen (KPR/KPA) ditetapkan berdasarkan suku bunga kredit konsumsi.

SKRIPSI


INDRA KURNIAWAN

73


18 17 16 15 14 13 12 11 10 9 8 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 Medan

Jakarta

Surabaya

Manado

Makassar

Sumber: Badan Pusat Statistik, diolah Gambar 4.4 Perkembangan Suku Bunga Kredit di 5 Kota Besar Indonesia Gambar diatas merupakan pergerakan rata-rata suku bunga kredit di 5 kota besar di Indonesia. Terlihat dari pergerakannya bahwa tingkat suku bunga kredit di tiap kota, pergerakannya sejalan dengan tingkat suku bunga kredit secara rata-rata di Indonesia. Suku bunga kredit ditetapkan oleh bank umum mengikuti pergerakan BI rate yang ditetapkan oleh Bank Indonesia. Lalu suku bunga kredit itu sendiri diklasifikasikan lagi menjadi suku bunga kredit modal kerja, investasi dan konsumsi. data yang dipakai pada penelitian ini merupakan suku bunga kredit sektor konsumsi.

SKRIPSI


INDRA KURNIAWAN

PERSEN (%)


74

17 16 15 14 13 12 11 10 9 8 7 6

Sumber : International Financial Statistics, diolah Gambar 4.5 Perkembangan Suku Bunga Kredit di Indonesia Pada awal periode penelitian justru terlihat bahwa rata-rata suku bunga kredit tertinggi tercatat yaitu pada triwulan I tahun 2006, hal ini dikarenakan karena tingginya BI rate yang ditetapkan oleh Bank Indonesia pada periode tersebut. Hal ini dikarenakan pada periode akhir tahun 2005 terjadi inflasi yang sangat tinggi sebesar 17,79% yang disebabkan oleh peningkatan harga minyak dunia yang berpengaruh pada lonjakan permintaan valuta asing di pasar domestik. Hal tersebut mengakibatkan nilai tukan rupiah menjadi terdepresiasi serta kenaikan harga BBM yang menyebabkan inflasi yang tinggi, serta terjadinya siklus pengetatan moneter dunia yang berpengaruh pada kestabilan makroekonomi domestik. Namun setelah itu perekonomian mulai stabil hingga krisis ekonomi tahun 2008 akibat risiko kredit gagal bayar yang dikarenakan penyaluran kredit properti yang macet hingga mematikan perbankan Amerika dan berakibat krisis global serta

SKRIPSI


INDRA KURNIAWAN


75

kebijakan menaikkan harga BBM bersubsidi oleh pemerintah membuat Bank Indonesia menaikkan BI rate yang direspon oleh meningkatnya suku bunga kredit pada periode triwulan IV tahun 2008 hingga triwulan I tahun 2009 sebesar 15,01% dan 15,10%. Krisis global pada tahun 2008 akibat adanya subprime mortgage yang terjadi di Amerika Serikat memiliki pengaruh yang besar dalam pasar keuangan global sehingga berakibat pada perlambatan ekonomi global. Hal ini membuat bank-bank sentral di dunia lebih berhati-hati dalam mengawasi penyaluran kredit properti agar tidak terjadi gagal bayar. Oleh karena itu Bank Indonesia meningkatkan BI rate hingga sebesar 9,25% pada triwulan III dan IV tahun 2008. Hal ini diikuti oleh penetapan tingkat suku bunga kredit oleh bank umum mencapai 16,4% hingga 16,67% pada periode yang sama.

4.1.5 Perkembangan Kebijakan Loan to value (LTV) Sejalan dengan meningkatnya permintaan Kredit Pemilikan Rumah (KPR) maka bank perlu meningkatkan kehati-hatian dalam penyaluran KPR yang terlalu tinggi berpotensi menimbulkan berbagai risiko bagi bank. Sementara dari sudut pandang makroprudensial, pertumbuhan KPR yang terlalu tinggi juga dapat mendorong peningkatkan harga aset properti yang tidak mencerminkan harga sebenarnya (bubble) sehingga dapat meningkatkan risiko kredit bagi bank-bank dengan eksposure kredit properti yang besar. Agar dapat menjaga perekonomian yang produktif dan mampu menghadapi tantangan sektor keuangan dimasa yang akan datang, perlu adanya kebijakan yang

SKRIPSI


INDRA KURNIAWAN


76

dapat memperkuat ketahanan sektor keuangan untuk meminimalisir sumber-sumber kerawanan yang dapat timbul, termasuk pertumbuhan KPR dan yang berlebihan. Kebijakan tersebut berupa ketentuan LTV untuk penyaluran KPR pada bank. Penerapan kebijakan loan to value telah diterapkan di Indonesia sejak tahun 2012 menurut Surat Edaran No. 14/10/DPNP. Ruang lingkup KPR yang diatur dalam Surat Edaran Bank Indonesia ini mencakup kredit konsumsi kepemilikan rumah tinggal, termasuk rumah susun atau apartemen namun tidak termasuk rumah kantor dan rumah toko, dengan tipe bangunan lebih dari 70𝑚2 , yang diberikan bank kepada debitur perorangan dengan nilai kredit yang ditetapkan berdasarkan nilai agunan. Rasio Loan to value (LTV) dalam Surat Edaran Bank Indonesia ini merupakan angka rasio antara nilai kredit yang dapat diberikan oleh bank terhadap nilai adunan pada saat awal pemberian kredit.

LTV I

Tabel 4.1 Ketentuan Kebijakan loan to value SE No.14/10/DPNP Pembiayaan Kredit Kepemilikan rumah tinggal (KPR) termasuk rumah susun atau apartemen > 70𝑚2 tidak termasuk RuKo dan RuKan Kredit Kepemilikan rumah tinggal syariah (KPR iB) termasuk rumah susun atau apartemen >70𝑚2 , tidak termasuk RuKo dan RuKan

LTV/FTV Maksimum Max 70%, kecuali KPR program perumahan pemerintah Indonesia Max 70%, kecuali KPR program perumahan pemerintah Indonesia

Sumber: Bank Indonesia (diolah)

Berdasarkan Surat Edaran tahun 2012 No. 14/10/DPNP, perhitungan rasio LTV dilakukan berdasarkan nilai kredit ditetapkan berdasarkan plafon kredit yang diterima oleh debitur sebagaimana tercantum dalam perjanjian kredit dan nilai agunan

SKRIPSI


INDRA KURNIAWAN


77

ditetapkan berdasarkan nilai pengikatan agunan oleh bank. Rasio LTV untuk Bank yang memberikan KPR sebagaimana diatur dalam Surat Edaran No. 14/10/DPNP ini ditetapkan paling tinggi sebesar 70%. Pengaturan mengenai LTV sebagaimana dimaksud dikecualikan terhadap KPR dalam rangka pelaksanaan program perumahan pemerintah Indonesia. Kebijakan LTV pada tahun 2012 dalam Surat Edaran No. 14/10/DPNP dikalibrasi ulang dengan Surat Edaran Bank Indonesia No.15/40/DKMP tanggal 24 September 2013 dengan tujuan meredam risiko sistemik yang mungkin timbul akibat pertumbuhan KPR/KPA. Perbedaan signifikan antara kebijakan LTV tahun 2012 dan tahun 2013 antara lain kebijakan LTV menurut SE No. 14/10/DPNP tahun 2012 hanya mengatur untuk pembiayaan rumah pertama dan hanya untuk diterapkan pada bank konvensional, sedangkan kebijakan LTV menurut SE No.15/40/DKMP tahun 2013 yang ditunjukkan pada tabel mengatur pembiayaan untuk rumah pertama, kedua, ketiga dan seterusnya dan juga diterapkam pada perbankan syariah. Selain itu revisi juga dilakukan untuk membatasi pembelian ganda antara pasangan suami dan istri sehingga pada kebijakan LTV tahun 2013 pasangan suami dan istri diperlakukan sebagai satu debitur. Surat Edaran No.15/40/DKMP tahun 2013 mengatur LTV berdasarkan tipe angunan, sebelumnya pada Surat Edaran tahun 2012 No.14/10/DPNP hanya mengatur LTV pada agunan tipe lebih dari 70𝑚2 .

SKRIPSI


INDRA KURNIAWAN

78


LTV II

Tabel 4.2 Ketentuan Kebijakan loan to value SE No.15/40/DKMP Pembiayaan & Tipe Agunan KPR Tipe > 70 KPRS Tipe > 70 KPR Tipe 22-70 KPRS Tipe 22-70 KPRS Tipe sd 21 KP Ruko/Rukan

FK/FP 1

LTV FTV Maksimum FK/FP 1 FK/FP 1 FP 1*

FP 2*

70% 70% 80% -

60% 60% 70% 70% 70% 70%

70% 70% 80% 80% 80% 80%

Sumber: Bank Indonesia (diolah)

50% 50% 60% 60% 60% 60%

80% 80% 90% -

FP 3 dst* 60% 60% 70% 70% 70% 70%

*) Perbankan syariah (FTV) 4.1.6 Perkembangan Ekspektasi Harga Pengembang Selain dari sisi permintaan, faktor penentu harga properti residensial juga berasal dari sisi penawaran yaitu ekspektasi harga pengembang. Kenaikan harga properti residensial dari sisi penawaran oleh ekspektasi para pengembang dilatar belakangi oleh kenaikan biaya-biaya penyediaan properti residensial seperti harga bahan bangunan (semen, pasir, keramik,batu bata, dll), upah tenaga kerja dan juga lain sebagainya yang berkaitan dengan penyediaan pasokan unit perumahan. Peningkatan biaya-biaya penyediaan properti menjadi patokan para pengembang dalam mengekspektasikan harga properti residensial pada periode selanjutnya. Peningkatan ekspektasi harga properti residensial oleh para pengembang tiap periode secara triwulanan selalu dipantau oleh Bank Indonesia lewar Survei Harga Properti Residensial (SHPR).

SKRIPSI


INDRA KURNIAWAN

79


Pengawasan pada ekspektasi harga properti selain di Indonesia secara umum juga dilakukan pada beberapa regional di Indonesia, hal ini dikarenakan juga didorong oleh peningkatan harga bahan bangunan pada masing-masing wilayah. Jika melihat gambar yang menjelaskan pergerakan ekspektasi harga pengembang di 5 kota obyek penelitian selama periode 2006-2014 terlihat pergerakan yang berfluktuatif. Gejolak peningkatan ekspektasi terjadi pada triwulan III tahun 2010 serta triwulan III 2013, sedangkan para pengembang mengekspektasikan harga tertinggi terjadi di Kota Manado pada triwulan III tahun 2013 sebesar 33,98% dan harga terendah terjadi di Kota Medan yang bahkan turun -0,09% pada triwulan II tahun 2007 dibanding periode sebelumnya. 40 35 30 25 20 15 10 5 0 -5

Indonesia

Medan

Surabaya

Manado

Makassar

Jakarta

Sumber: Survei Harga Properti Residensial, Bank Indonesia (diolah) Gambar 4.6 Grafik Perkembangan Ekspektasi Harga Pengembang Kota dengan nilai fluktuasi tertinggi dilihat nilai varians datanya adalah kota Manado. Pada triwulan III tahun 2013 tercatat ekspektasi harga tertinggi kota Manado sebesar 33,98% diikuti dengan wilayah Surabaya (24,79%) hal ini dikarenakan

SKRIPSI


INDRA KURNIAWAN


80

pengaruh dari kenaikan harga BBM (Bahan Bakar Minyak) yang diumumkan pemerintah pada akhir Juni 2013 dan para pengembang memperkirakan hal ini berdampak pada kenaikan harga bahan bangunan dan secara agregat akan menyebabkan kenaikan harga properti. Kebijakan pemerintah menaikkan harga BBM bersubsidi yaitu bensin Rp 2.000/lt dan solar Rp 1.000/lt yang diumumkan pada tanggal 22 Juni 2013 diperkirakan memberikan dampak terhadap kenaikan harga properti ratarata sebesar 9,79%.

4.2 Deskripsi Hasil Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh dari pertumbuhan ekonomi, inflasi, suku bunga, dummy loan to value (ltv) serta ekspektasi harga pengembang terhadap harga properti 5 kota besar di Indonesia pada tahun 2006 sampai dengan tahun 2014. Lima kota besar di Indonesia yang dijadikan penelitian adalah Medan, Jakarta, Surabaya, Manado dan Makassar. Penelitian ini menggunakan data panel yaitu data gabungan dari time series dan cross section. Data panel dapat diestimasi dengan tiga metode yaitu, Pooled Least Square (PLS), Fixed Effect Model (FEM) dan Random Effect Model (REM). Untuk menentukan metode mana yang tepat digunakan, dapat dilakukan dengan tiga pengujian yaitu uji Chow, uji Lagrange Multiplier dan uji Hausman. 4.2.1 Pemilihan Model Estimasi Untuk memilih metode regresi data panel dapat dilakukan dengan pengujian Uji Chow, uji Lagrange Multiplier dan uji Hausman. Uji Chow digunakan untuk

SKRIPSI


INDRA KURNIAWAN


81

memilih antara Pooled Least Square (PLS) lebih baik dibandingkan dengan menggunakan Fixed Effect Model (FEM). Uji Lagrange Multiplier berguna untuk memilih antara Pooled Least Square (PLS) atau Random Effect Model (REM). Sedangkan Uji Hausman digunakan untuk memilih antara Fixed Effect Model (FEM) atau Random Effect Model (REM). Dalam penelitian ini telah dilakukan regresi dengan menggunakan Pooled Least Square, Fixed Effect Model dan Random Effect Model. 4.2.1.1 Uji Chow Uji Chow test digunakan untuk memilih model antara Pooled Least Square dengan Fixed Effect Model. Berdasarkan uji Chow test dengan STATA 13, dengan melihat hasil regresi FEM pada Lampiran 3 diperoleh bahwa hasil probabilitas P Value (Prob > F) sebesar 0,0000 yang berarti lebih kecil dibandingkan dengan derajat signifikansi sepuluh persen. Karena nilai probabilitas lebih dari tingkat signifikansi sepuluh persn maka model yang lebih baik digunakan adalah Fixed Effect Model. 4.2.1.2 Uji Lagrange Multiplier Tabel 4.3 Hasil Uji Lagrange Multiplier Breusch and Pagan Lagrangian multiplier test for random effects ihpr[city,t] = Xb + u[city] + e[city,t] Estimated results: | Var sd = sqrt(Var) ---------+----------------------------ihpr | 150.4992 12.26781 e | 31.28084 5.592928 u | 3.011123 1.735259 Test:

Var(u) = 0 chibar2(01) = Prob > chibar2 =

Sumber: Hasil olahan menggunakan STATA 13

SKRIPSI

70.45 0.0000


INDRA KURNIAWAN


82

Uji Lagrange Multiplier (LM) digunakan untuk memilih model antara Pooled Least Square dengan Random Effect Model. Berdasarkan uji LM dengan STATA 13, diperoleh hasil probabilitas chi square (Prob > 𝑐ℎ𝑖 2 ) sebesar 0,0000 yang berarti lebih kecil dibandingkan dengan derajat signifikansi (α) 5%. Karena nilai probabilitas lebih kecil dari (α) 5% maka model yang lebih baik digunakan adalah Random Effect Model. 4.2.1.3 Uji Hausman Tabel 4.4 Hasil Uji Hausman

Sumber: Hasil olahan menggunakan STATA 13 Uji Hausman digunakan untuk memilih model terbaik diantara Fixed Effect Model dan Random Effect Model. Hasil dari uji hausman menggunakan STATA 13, diperoleh hasil probabilitas sebesar 0,0000 yang lebih kecil dari tingkat signifikansi (α) 5%, maka keputusan akhir yang digunakan adalah pendekatan Fixed Effect Model.

SKRIPSI


INDRA KURNIAWAN


83

4.2.2 Uji Asumsi Klasik Untuk melihat apakah hasil regresi yang telah kita lakukan memenuhi asumsiasumsi OLS maka perlu dilakukan uji asumsi klasik. Uji asumsi klasik bertujuan apakah estimasi yang dipakai telah bersifat BLUE (Best Linear Unbiased Estimator). Uji asumsi klasik yang dilakukan antara lain uji multikolinearitas, heterokedastisitas dan autokorelasi.

4.2.2.1 Uji Multikolinearitas Tabel 4.5 Hasil Uji Multikolinearitas Variable | VIF 1/VIF -------------+---------------------ihk | 4.00 0.250070 dltv | 3.09 0.323128 lr | 2.16 0.462578 eks | 1.36 0.733994 pdrb | 1.04 0.960199 -------------+---------------------Mean VIF | 2.33

Sumber: Hasil olahan menggunakan STATA 13 Uji multikolinearitas digunakan untuk mengukur tingkat asosiasi (keeratan) hubungan atau pengaruh antar variabel bebas. Uji multikolinearitas dapat dilakukan menggunakan STATA 13 dengan melihat nilai mean VIF. Apabila nilai mean VIF kurang dari 10 maka data yang diuji tidak terdapat masalah multikolinearitas. Hasil uji multikolinearitas pada penelitian ini menunjukkan angka 2,33 artinya tidak terdapat masalah multikolinearitas.

SKRIPSI


INDRA KURNIAWAN


84

4.2.2.2 Uji Heterokedastisitas Tabel 4.6 Hasil Uji Heteroskedastisitas Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (5) = Prob>chi2 =

184.19 0.0000


Heteroskedastisitas merupakan keadaan dimana varians dari setiap gangguan tidak konstan. Untuk mendeteksi masalah heterokedastisitas dapat dilakukan dengan uji modified wald Test. Berdasarkan uji modified wald Test dengan STATA 13, diperoleh hasil probabilitas sebesar 0,0000 yang berarti kurang dari nilai tingkat signifikansi (α) 5%. Karena nilai probabilitas kurang dari tingkat signifikansi maka hasil estimasi ada masalah heterokesdastisitas. Oleh karena terdapat permasalahan heterokesdastisitas maka akan disembuhkan menggunakan metode panel-corrected standard errors (PCSE).

4.2.2.3 Uji Autokolerasi Tabel 4.7 Hasil Uji Autokorelasi Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 4) = 450.484 Prob > F = 0.0000


SKRIPSI


INDRA KURNIAWAN


85

Uji autokorelasi bertujuan untuk menunjukkan apakah ada hubungan antar variabel. Untuk mengetahui ada atau tidaknya autokorelasi dapat menggunakan Woolridge Test. Berdasarkan hasil Woolridge Test dengan menggunakan STATA 13, diperoleh nilai probabilitas sebesar 0,0000 yang berarti kurang dari tingkat signifikansi (α) 5%. Karena nilai probabilitas lebih kecil dibandingkan maka hasil estimasi ada masalah autokorelasi. Untuk mengatasi masalah autokorelasi digunakan metode panelcorrected standard error.

4.2.2.4 Solusi Pelanggaran Asumsi Klasik Dalam analisis uji asumsi klasik ditemukan masalah autokolerasi dan heterokedastisitas maka untuk mengatasi masalah tersebut digunakan metode PCSE (Panel-Corrected Standard Error), model ini mengestimasi variabel time series dimana parameter yang diestimasi menggunakan OLS maupun regresi Prais-Winsten. Metode ini menghitung kesalahan standard error serta mengasumsikan ganguan heterokedastisitas dan secara serentak berkorelasi terhadap seluruh panel (Bailey, 2011). Hasil regresi model FEM setelah dilakukan penyembuhan dengan metode PCSE menunjukkan perbedaan hasil signifikansi pdrb yang pada awalnya tidak signifikan 0,209 menjadi signifikan 0,000 serta signifikansi variabel lr yang awalnya 0,034 menjadi 0,000.

SKRIPSI


INDRA KURNIAWAN


86

Tabel 4.8 Hasil Uji Penyembuhan Asumsi Klasik

Sumber: Hasil olahan menggunakan STATA 13 4.2.3 Pengujian Kriteria Statistik 4.2.3.1 Uji t-statistik Uji t-statistik bertujuan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen secara individu. Pengujian t-statistik dapat dilakukan dengan dua cara, yaitu dengan menghitung t hitung dan melihat probabilitas pada hasil regresi. Dalam pengujian ini akan digunakan dengan melihat probabilitas pada masing-masing variabel. Masing-masing variabel

independen dalam penelitian ini signifikan

mempengaruhi variabel dependennya, hal ini dibuktikan melalui hasil regresi variabelnya dibawah tingkat signifikansi. Variabel pertumbuhan ekonomi (PDRB)

SKRIPSI


INDRA KURNIAWAN


87

memiliki probabilitas sebesar 0,0000 yaitu lebih kecil dari tingkat signifikansi (α) 5%. Variabel inflasi (INF) memiliki probabilitas sebesar 0,0000 yaitu lebih kecil dari tingkat signifikansi (α) 5%. Variabel suku bunga (LR) juga memiliki probabilitas 0,0000 dibawah tingkat signifikansi (α) 5%. Variabel variabel dummy ltv (DLTV) juga memiliki tingkat probabilitas yang sama yaitu sebesar 0,0001 yang berada dibawah level signifikansi (α) 5%. Lalu ekspektasi harga pengembang (EKS) juga memiliki probabilitas 0,0000 lebih kecil dari tingkat signifikansi (α) 5%. 4.2.3.2 Uji F-statistik Seberapa besar semua variabel bebas berpengaruh terhadap variabel terikat dapat diketahui dengan menggunakan uji F statistik atau dengan membandingkan probabilitas (p-value) F statistik dengan tingkat signifikansi (α) 5%. Hipotesis null-nya adalah apabila probabilitas F statistik (prob > F) lebih kecil dari maka H ditolak dan H diterima, artinya secara bersama-sama variabel independen berpengaruh terhadap variabel dependen Dari hasil regresi didapatkan probabilitas F-statistik (prob > F) sebesar 0,0000. Probabilitas 0,0000 lebih kecil dibandingkan tingkat signifikansi (α) 5%, artinya secara bersama-sama variabel independen mempengaruhi variabel dependen. 4.2.3.3 Pengujian Koefisien Determinasi (Adjusted 𝐑𝟐 ) Pengujian statistik untuk masing-masing variabel dan setiap periode dibutuhkan pengukuran koefisien determinasi Adjusted R2 . Pada model FEM menunjukkan bahwa Adjusted R2 sebesar 0,8671 , hal ini berarti variabel bebas dapat

SKRIPSI


INDRA KURNIAWAN


88

menjelaskan variabel terikat sebesar 86,71% dan sisanya dijelaskan oleh variabel lain diluar variabel.

4.3 Analisis Hasil dan Pengujian Hipotesis 4.3.1 Analisis Hasil Metode Regresi Data Panel Berdasarkan uji Hausman didapatkan model yang terbaik adalah model Fixed Effect Model. Hasil ini didukung oleh penelitian yang dilakukan oleh Michal dan Lubos (2011) yang menghasilkan model FEM sebagai model yang terbaik setelah dilakukan metode regresi data panel terhadap variabel fundamental yang mempengaruhi harga properti di regional Ceko. Model estimasi dengan menggunakan Fixed Effect Model diperoleh hasil sebagai berikut: IHPRit = -105,5079 + 0,0000777 (PDRBit) + 1,65182 (INFit) - 5,64472 (LRit) 14,37882 (DLTVit) + 0,840099 (EKSit) + εit Hasil regresi model Fixed Effect Model menghasilkan adjusted R2 sebesar 0,8671 yang berarti sebesar 86,71 persen variasi variabel independen dapat menjelaskan variabel dependen dan sisanya dijelaskan variabel lain diluar variabel independen. Variasi variabel independen yaitu pertumbuhan ekonomi (PDRB), inflasi (IHK), suku bunga (LR), dummy ltv (DLTV) dan ekspektasi harga pengembang (EKS) , sedangkan variabel dependennya adalah Indeks Harga Properti Residensial (IHPR). Variabel pertumbuhan ekonomi (PDRB) memiliki probabilitas sebesar 0,0000 yang berarti probabilitasnya kurang dari tingkat signifikansi (𝛼) 5%, sehingga

SKRIPSI


INDRA KURNIAWAN


89

H0 ditolak dan H1 diterima. H1 diterima berarti pertumbuhan ekonomi (PDRB) signifikan mempengaruhi Indeks harga properti residensial (IHPR) di 5 kota besar di Indonesia pada periode triwulan I 2006 sampai dengan triwulan IV 2014. Pertumbuhan ekonomi memiliki nilai koefisien 0,0000777. Hal ini berarti setiap terjadi peningkatan pertumbuhan ekonomi sebesar 1% akan meningkatkan IHPR sebesar 0,0000777 satuan dengan asumsi variabel lain dianggap tetap Variabel inflasi (IHK) memiliki probabilitas sebesar 0,0000 Dikarenakan nilai probabilitasnya lebih kecil dari tingkat signifikansi (𝛼) 5% berarti variabel inflasi signifikan mempengaruhi indeks harga properti residensial (IHPR) di 5 kota besar Indonesia pada periode penelitian. Inflasi (IHK) memiliki nilai koefisien 1,65182. Hal ini berarti setiap terjadi peningkatan 1% inflasi (IHK) akan meningkatkan IHPR sebesar 1,65182 satuan.. Variabel suku bunga (LR) memiliki probabilitas sebesar 0,0000. Dikarenakan nilai probabilitasnya lebih kecil dari tingkat signifikansi (𝛼) 5% berarti variabel inflasi signifikan mempengaruhi indeks harga properti residensial (IHPR). Dengan nilai koefisien 5,64472 dan bertanda negatif, maka setiap terjadi penurunan 1% suku bunga (LR) akan meningkatkan IHPR sebesar 5,64472 satuan. Sementara itu variabel dummy LTV (DLTV) memiliki probabilitas sebesar 0,0001. Karena memiliki probabilitas kurang dari tingkat signifikansi (𝛼) 5% berarti adanya kebjakan LTV mempengaruhi indeks harga properti residensial (IHPR). Dan

SKRIPSI


INDRA KURNIAWAN


90

nilai koefisien dummy ltv sebesar -14,37882. Hal ini menunjukkan bahwa adanya kebijakan ltv menurunkan nilai IHPR sebesar 14,37882. Lalu variabel ekspektasi harga pengembang (EKS) juga berpengaruh signifikan terhadap IHPR dengan nilai probabilitas sebesar 0,0000 lebih kecil dari tingkat signifikansi (𝛼) 5%. Sedangkan hubungan antar kedua variabel adalah positif dengan nilai koefisien sebesar 0,840099. Hal ini berarti setiap terjadi peningkatan ekspektasi harga pengembang 1% maka akan meningkatkan IHPR sebesar 0,840099 satuan.

4.3.2 Analisis Property Price Bubble di 5 Kota Besar Indonesia Pada penelitian ini untuk menguji terjadinya property price bubble di 5 kota besar di Indonesia pada periode tahun 2006 sampai 2014 digunakan metode Hodrick Prescott (HP filter). Terjadinya property price bubble dapat dibuktikan dengan menentukan trend jangka panjang dari harga properti untuk melihat gap dengan harga aktualnya. Menurut Michal dan Lubos (2011) gap antara harga aktual dengan trend jangka panjangnya disebut dengan misalignment price. Ketika bernilai positif mengindikasikan keadaan overvalued atau harga aktual properti tidak mencerminkan harga yang sesungguhnya. Lalu kondisi bubble ditentukan ketika kondisi overvalued tersebut terjadi selama lebih dari tiga periode berturut-turut (Dong, 2013). Berdasarkan hasil estimasi penelitian, terlihat bahwa:

SKRIPSI


INDRA KURNIAWAN


91

4.3.2.1 Medan 250 230 210

Indeks

190 170 150 130 110 90 70 50 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 IHPR medan

TREND

upper threshold

lower threshold

Sumber: Hasil olahan menggunakan Eviews 7 Gambar 4.7 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Medan tahun 2006-2014 Dalam analisis metode HP filter dalam penentuan trend jangka panjang serta nilai threshold IHPR di kota Medan ditemukan bahwa harga aktual indeks harga properti residensial berada diantara trend jangka panjangnya dimulai dari periode triwulan I tahun 2008 sampai dengan triwulan II tahun 2009 lalu berfluktuatif pada periode selanjutnya. Hal ini mengindikasikan adanya bubble harga properti pada periode tersebut. Memasuki periode triwulan I tahun 2010 harga aktual IHPR kota Medan kembali berada dibawah trend jangka panjangnya sampai dengan periode triwulan IV

SKRIPSI


INDRA KURNIAWAN


92

tahun 2012 hal ini mengindikasikan terjadinya kondisi undervalued. Lalu dimulai pada triwulan I tahun 2013 harga aktual IHPR meningkat dan berada diatas trend jangka panjangnya sampai triwulan IV tahun 2014, dikarenakan kondisi overvalued bertahan sampai 8 periode dapat dikatakan terjadi bubble di kota Medan selama periode tersebut. 4.3.2.2 Jakarta Dari hasil analisis yang dilakukan pada indeks harga properti residensial (IHPR) di kota Jakarta terlihat harga aktual IHPR terlihat harga properti yang terus meningkat seperti yang terjadi di kota Surabaya bahwa peningkatan terjadi dalam periode yang cukup panjang. Pada triwulan III tahun 2006 hingga triwulan II tahun 2009 tingginya harga properti berada diatas trend jangka panjangnya (overvalued) sehingga pada

Indeks

periode ini terjadi bubble. 250 230 210 190 170 150 130 110 90 70 50 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 IHPR jakarta

TREND

upper threshold

lower threshold

Sumber: Hasil olahan menggunakan Eviews 7 Gambar 4.8 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Jakarta tahun 2006-2014

SKRIPSI


INDRA KURNIAWAN


93

Kondisi overvalued terjadi kembali pada periode triwulan I tahun 2013 sampai triwulan IV tahun 2014. Terdapat 8 periode overvalued sehingga pada periode tersebut dapat dikatakan terjadi property price bubble di kota Jakarta. Sedangkan periode undervalued terjadi pada periode triwulan III tahun 2011 hingga triwulan IV tahun 2012. Adanya bubble yang muncul di kota Jakarta masih relatif aman dan tidak sampai menuju pada periode property boom. 4.3.2.3 Surabaya 300

Indeks

250 200 150 100 50 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 IHPR surabaya

TREND

threshold

threshold

Sumber: Hasil olahan menggunakan Eviews 7 Gambar 4.9 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Surabaya tahun 2006-2014 Analisis property price bubble di kota Surabaya menggunakan analisis metode property price bubble (HP filter) memperlihatkan bahwa peningkatan harga properti dengan periode yang sangat panjang terjadi dimulai dari triwulan III tahun 2006 bertahan hingga pada triwulan II tahun 2009. Namun, misalignment gap yang terlihat

SKRIPSI


INDRA KURNIAWAN


94

sangat kecil tetapi terjadi pada periode yang cukup panjang. Setelah itu harga properti cenderung turun hingga kondisi undervalued dimulai dari triwulan I tahun 2011 hingga triwulan IV tahun 2012 serta kondisi overvalued terdeteksi dimulai periode triwulan III tahun 2013 hingga akhir periode penelitian yakni triwulan IV tahun 2014. Hal ini mengindikasikan terjadi property price bubble di kota Surabaya pada periode tersebut dikarenakan kondisi overvalued terjadi selama 6 periode. Namun selama periode penelitian di kota Surabaya tidak ditemukan property boom. 4.3.2.4 Manado Berbeda dari kota lain di penelitian ini kondisi indeks harga properti residensial (IHPR) paling tinggi diantara lainnya serta berfluktuatif yang sangat tajam. Setelah dilakukan analisis metode property price bubble (HP filter) terlihat harga aktual IHPR di kota Manado berfluktuatif terdapat beberapa kondisi overvalued dan undervalued

Indeks

dikarenakan harga aktual IHPR kota Manado berada diatas trend jangka panjang. 300 250 200 150 100 50 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 IHPR manado

TREND

upper threshold

lower threshold

Sumber: Hasil olahan menggunakan Eviews 7 Gambar 4.10 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Manado tahun 2006-2014

SKRIPSI


INDRA KURNIAWAN


95

Kondisi property price bubble terjadi pada dua periode. Pertama, kondisi bubble terjadi pada periode triwulan I tahun 2008 hingga triwulan III tahun 2009 lalu periode kedua terdeteksi terjadi pada periode triwulan IV 2013 hingga akhir triwulan IV tahun 2014. Pada analisis kota Manado kondisi bubble pada periode kedua sangat tinggi hampir menyentuh batas atas threshold. Kondisi itu terjadi di periode triwulan III dan IV tahun 2014 dengan nilai aktual serta trend sebesar (262,91 dan 265,33) pada triwulan III dan triwulan IV sebesar (267,41 dan 270,85). Kenaikan harga yang tinggi pada periode ini disebabkan karena pembangunan infrastruktur yang masif dan mendorong kenaikan harga tanah setelah adanya pembangunan (Bank Indonesia, 2014) . Sedangkan kondisi undervalued juga terdeteksi pada periode triwulan I tahun 2011 hingga triwulan III tahun 2013. 4.3.2.5 Makassar Hasil analisis metode property price bubble (HP filter) untuk menentukan trend jangka panjang dan nilai threshold. Dan dari hasil analisis tersebut terjadi dua periode bubble yang terjadi di kota Makassar. Pertama, periode bubble terjadi ditunjukkan oleh periode overvalued yang terjadi dimulai dari triwulan I tahun 2008 hingga triwulan II tahun 2009. Kedua, kondisi overvalued terjadi pada periode triwulan IV tahun 2013 hingga akhir periode triwulan IV tahun 2014. Hal ini menunjukkan property price bubble juga terjadi di kota Makassar pada periode tersebut dikarenakan kondisi overvalued selama lima periode analisis. Sedangkan terdapat kondisi undervalued triwulan IV tahun 2011 hingga triwulan IV tahun 2014.

SKRIPSI


INDRA KURNIAWAN


96

300

Indeks

250 200 150 100 50 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 IHPR makassar

TREND

upper threshold

lower threshold

Sumber: Hasil olahan menggunakan Eviews 7 Gambar 4.11 Perbandingan Nilai Aktual, Trend Jangka Panjang dan Nilai Threshold IHPR Kota Makassar tahun 2006-2014 Pada gambar hasil estimasi terlihat dari 5 kota obyek penelitian (Medan, Jakarta, Surabaya, Manado dan Makassar) fluktuasi terlihat di semua kota. Kondisi overvalued dan undervalued silih berganti terjadi.

Secara umum semua kota

mengalami dua kali periode bubble. Periode pertama, bubble dimulai pada triwulan III tahun 2006 (Surabaya dan Jakarta) dan triwulan I tahun 2008 hingga triwulan II tahun 2009. Kedua terjadi pada periode triwulan I sampai IV tahun 2014. Sejalan dengan pengertian bubble yang didefinisikan oleh Michal dan Lubos (2011) bahwa bubble terjadi ketika harga aktual perumahan berada diatas trend jangka panjangnya. Periode terjadinya property price bubble di masing-masing kota terjadi di periode triwulan I sampai IV tahun 2014. Namun dari hasil analisis terlihat bahwa adanya penyimpangan harga properti di masing-masing tidak sampai melewati upper threshold, yang artinya

SKRIPSI


INDRA KURNIAWAN


97

bahwa property price bubble pada periode tersebut tidak sampai memasuki periode property boom seperti yg dikatakan Vladimir, et al. (2009) 4.3.3 Pembuktian Hipotesis Penelitian ini bertujuan untuk menganalisis pengaruh dari variabel pertumbuhan ekonomi, inflasi, suku bunga, kebijakan loan to value (LTV) dan ekspektasi harga pengembang serta terjadinya property price bubble terhadap harga properti di 5 kota besar (Medan, Jakarta, Surabaya, Manado dan Makassar) di Indonesia. Sedangkan analisis perhitungan dengan regresi data panel yang telah dijelaskan, terbukti bahwa pertumbuhan ekonomi, inflasi, suku bunga, kebijakan loan to value (LTV) dan ekspektasi harga pengembang berpengaruh secara parsial maupun bersama-sama terhadap harga properti di 5 kota besar Indonesia. Dari hasil korelasi menunjukkan bahwa variabel pertumbuhan ekonomi dan ekspektasi harga pengembang sesuai dengan hipotesis berpengaruh positif terhadap harga properti serta variabel suku bunga dan loan to value (LTV) sesuai dengan hipotesis berpengaruh secara negatif dengan harga properti sedangkan hasil korelasi variabel inflasi terhadap harga properti menunjukkan hasil yang positif dan menolak hipotesis. Hal ini dikarenakan adanya perubahan pola perilaku konsumsi masyarakat yang menganggap properti sebagai investasi yang menguntungkan karena adanya ekspektasi bahwa harga properti akan selalu meningkat dalam jangka panjang. Berikutnya, berdasarkan hasil analisis dengan menggunakan perhitungan metode property price bubble (HP filter)

SKRIPSI


INDRA KURNIAWAN


98

untuk menganalisis terjadinya property price bubble di masing-masing kota ditemukan adanya bubble harga properti.

4.4 Pembahasan 4.4.1 Faktor Fundamental Penentu Harga Properti di 5 Kota Besar Indonesia Berdasarkan uraian diatas dalam faktor fundamental penentu harga properti terdapat variabel-variabel yang mempengaruhinya dari faktor demand dan supply, Michal dan Lubos (2011) dan Dong (2013) menjelaskan bahwa harga properti terbentuk atas pengaruh dari faktor permintaan (demand) dan faktor penawaran (supply). Dalam penelitian ini variabel sisi permintaan yang digunakan antara lain pertumbuhan ekonomi, inflasi, suku bunga dan loan to value. Selain itu sisi penawaran menggunakan variabel ekspektasi harga pengembang. Dengan menggunakan metode data panel hasil hasilnya dapat dijelaskan sebagai berikut. Salah satu variabel yang merupakan faktor permintaan yang mempengaruhi harga properti yaitu pertumbuhan ekonomi. Pertumbuhan ekonomi merupakan proses kenaikan output per kapita. Perekonomian dikatakan mengalami pertumbuhan apabila tingkat kegiatan ekonomi meningkat dari satu periode ke periode berikutnya, berarti jumlah barang dan jasa yang dihasilkan bertambah besar pada tahun berikutnya yang berarti bahwa produktivitas dari faktor-faktor yang dimasukkan dalam produksi menyebabkan pertumbuhan ekonomi meningkat.

SKRIPSI


INDRA KURNIAWAN


99

Hasil analisis menggunakan metode data panel mendapatkan hasil bahwa pertumbuhan ekonomi signifikan mempengaruhi harga properti. Hasil ini sejalan dengan penelitian Igan dan Loungani (2013), Cameron, et al. (2006) dan Michal dan Lubos (2011) dimana hasil penelitiannya menjelaskan bahwa pertumbuhan ekonomi signifikan mempengaruhi harga perumahan. Sedangkan hasil regresi penelitian ini menunjukkan bahwa pertumbuhan ekonomi berpengaruh positif terhadap harga properti. Hasil ini didukung oleh hasil penelitian sebelumnya serta hipotesis yang mengatakan bahwa pertumbuhan ekonomi berhubungan positif terhadap harga properti. Hasil tersebut disebabkan karena dalam periode observasi yang diteliti terdapat fenomena perlambatan ekonomi yang terjadi didunia serta Indonesia itu sendiri. Variabel dari faktor permintaan berikutnya yang mempengaruhi indeks harga properti adalah inflasi. Hasil estimasi pada penelitian ini menjelaskan bahwa inflasi berpengaruh signifikan terhadap harga properti. Namun koefisien variabel inflasi menunjukkan hasil positif dimana peningkatan inflasi meningkatkan harga properti. Hasil ini tidak sejalan dengan penelitian yang dilakukan oleh Cameron et al (2006) dalam penelitiannya terhadap harga properti regional British dengan menggunakan variabel inflasi yang mewakili faktor permintaan terhadap harga properti menemukan bahwa inflasi berpengaruh signifikan dan negatif terhadap harga properti dikarenakan akan adanya inflasi membuat permintaan akan perumahan turun sehingga harga akan turun. Hasil ini menolak hipotesis awal yang mengatakan bahwa inflasi akan

SKRIPSI


INDRA KURNIAWAN


100

berpengaruh secara negatif. Hal ini dikarenakan walaupun harga barang-barang lainnya meningkat tetapi adanya anggapan bahwa harga rumah akan terus meningkat seiring berjalannya waktu. Selain itu, seiring dengan tingginya peningkatan pertumbuhan ekonomi kota-kota besar di Indonesia mencerminkan hasil bahwa kesejahteraan masyarakat yang semakin tinggi. Ini menyebabkan bergesernya latar belakang permintaan perumahan oleh masyarakat. Pada awalnya masyarakat menganggap bahwa perumahan merupakan standard goods artinya masyarakat menganggap perumahan sebagai komoditas konsumsi namun seiring meningkatnya pendapatan serta kesejahteraan masyarakat maka pola konsumsi masyarakat akan perumahan juga berubah, dimana masyarakat menganggap perumahan sebagai financial asset atau sebuah investasi. Dikarenakan adanya aggapan serta ekspektasi oleh masyarakat bahwa harga properti dalam jangka panjang akan terus meningkat. Hal ini didukung oleh teori property market oleh Miles (1995) bahwa properti memiliki dua pendekatan antara lain sebagai standard goods maupun financial asset seperti halnya perumahan yang memiliki dua kegunaan yaitu sebagai komoditas konsumsi serta sebagai investasi. Perumahan sebagai investasi memiliki keunggulan yaitu tentang sifatnya yang tahan lama, memiliki bentuk yang riil. Hasil ini didukung oleh penelitian dari Dong (2013). Menurut Dong (2013) dari penelitiannya terhadap analisis property price bubble regional analisis di China yang menemukan bahwa variabel inflasi yang digunakan di analisis tersebut berpengaruh positif terhadap harga properti yang diakibatkan karena pertumbuhan penduduk yang sangat tinggi di China menyebabkan berkurangnya tanah untuk mengembangkan perumahan baru sehingga properti menjadi barang kebutuhan

SKRIPSI


INDRA KURNIAWAN


101

utama dan adanya inflasi tidak menyebabkan berkurangnya permintaan masyarakat akan perumahan. Faktor permintaan lainnya yang digunakan dalam penelitian ini yaitu variabel suku bunga. Suku bunga yang digunakan dalam penelitian ini yaitu suku bunga kredit. Hasil regresi yang dilakukan menunjukkan bahwa suku bunga berpengaruh signifikan terhadap harga properti. Sedangkan hubungan suku bunga dengan harga properti adalah negatif. Sehingga, dapat diinterpretasikan bahwa semakin tinggi suku bunga akan menurunkan tingkat harga properti. Begitu pula sebaliknya, apabila suku bunga rendah maka akan meningkatkan permintaan akan harga properti dan menyebabkan harga properti meningkat. Hasil ini didukung oleh penelitian Cameron, et al. (2006) dan Dong (2013) Hal ini dikarenakan ketika suku bunga turun maka akan mengurangi beban kreditur akan pembayaran angsuran pinjaman sehingga hal ini membuat permintaan untuk KPR meningkat sehingga membuat harga properti meningkat. Hasil estimasi dengan metode data panel dummy ltv yang menginterpretasikan pengaruh adanya kebijakan loan to value menunjukkan hasil yang signifikan dimana kebijakan ltv mempengaruhi harga properti. Bank Indonesia mengeluarkan kebijakan makroprudensial khusus untuk mengurangi resiko bubble hingga property boom seperti krisis moneter yang terjadi di Amerika Serikat tahun 2008 akibat subprime mortgage. Berdasaatkan hasil koefisien regresi menyatakan bahwa adanya kebijakan ltv berdampak pada penurunan harga properti. Hal ini didukung oleh penelitian sebelumnya dari Wong, et al. (2011) dan Dong (2013) bahwa adanya kebijakan loan

SKRIPSI


INDRA KURNIAWAN


102

to value menyebabkan penurunan kemampuan seseorang dalam memenuhi uang muka awal pembelian perumahan sehingga permintaan akan perumahan menurun dan menurunkan harga properti itu sendiri. Sedangkan faktor lain yang mempengaruhi harga properti yaitu faktor dari sisi penawaran (Supply) dan variabel faktor penawaran yang digunakan dalam penelitian ini yaitu variabel ekspektasi harga pengembang. Dari hasil regresi metode data panel yang digunakan didapatkan bahwa variabel ekspektasi harga pengembang berpengaruh signifikan terhadap harga properti dan memiliki hubungan yang positif. Variabel ekspektasi harga pengembang itu sendiri merupakan interpretasi dari ekspektasi pengembang akan adanya peningkatan biaya input dalam penyediaan properti seperti bahan baku bangunan (construction cost), melalui perkembangan biaya input (construction cost) tersebut para pengembang akan mengekspektasikan harga properti dalam periode mendatang. Hasil ini didukung oleh penelitian dari Dong (2013) dan Gelain dan Lansing (2014) yang menggunakan variabel construction cost sebagai interpretasi variabel faktor penawaran dan hasil penelitiannya bahwa biaya konstruksi (construction cost) berhubungan positif dengan harga rumah dikarenakan semakin tinggi harga input dalam membuat satu rumah maka akan meningkatkan harga rumah itu sendiri.

SKRIPSI


INDRA KURNIAWAN


103

4.4.2 Analisis Property Price Bubble di 5 Kota Besar Indonesia Ada beberapa macam metode dalam menganalisis terjadinya property price bubble yang dilakukan oleh beberapa peneliti di berbagai negara. Namun, Dong (2013) mengatakan dalam penentuan metode pasti dalam penelitan ini bahwa no one size fits all. Metode yang digunakan dalam peneletian ini untuk mengidentifikasi terjadinya property price bubble di masing-masing kota adalah metode HP filter yang telah digunakan oleh beberapa peneliti sebelumnya untuk menganalisis periode terjadinya bubble yaitu Michal and Lubos (2011), Dong (2013) dan Vladimir et al (2009). Pada penelitian ini telah terbukti dari hipotesis yang ada bahwa terjadi property price bubble di 5 kota besar (Medan, Surabaya, Jakarta, Manado dan Makassar) di Indonesia. Terjadinya bubble terjadi pada masing-masing periode yang berbeda seperti pada Tabel 4.3. Bubble yang terjadi pada periode tersebut terjadi karena nilai aktual indeks harga properti residensial berada diatas trend jangka panjangnya, hal ini sesuai dengan teori rational asset price bubble menurut Santos dan Woodford (1997) bahwa gelembung terjadi pada saar harga aset menyimpang di atas trend jangka panjangnya. Lalu Dong (2013) menajamkan analisis tersebut dengan mengatakan bahwa periode bubble terjadi ketika harga aktual harga properti berada diatas trend jangka panjangnya selama lebih dari tiga periode berturut-turut.

SKRIPSI


INDRA KURNIAWAN


104

Tabel 4.9 Tabel Hasil Analisis Property Price Bubble di 5 Kota Besar di Indonesia Property Price Bubble

Kota

Periode I

Periode II

Medan

Q1 2008 – Q2 2009

Q1 2013 – Q4 2014

Jakarta

Q3 2006 – Q2 2009

Q1 2013 – Q4 2014

Surabaya

Q3 2006 – Q2 2009

Q3 2013 - Q4 2014

Manado

Q1 2008 – Q2 2009

Q4 2013 - Q4 2014

Q1 2008 – Q2 2009 Makassar Sumber: Hasil analisis menggunakan Eviews 7

Q4 2013 - Q4 2014

Tabel 4.3 merupakan periode-periode terjadinya property price bubble di masing-masing kota dalam penelitian. Untuk menganalisis terjadinya property price bubble peneliti menggunakan metode HP filter. Metode ini sudah banyak digunakan oleh peneliti untuk menganalisis terjadinya suatu bubble. Seperti penelitian yang dilakukan oleh Michal dan Lubos (2011), Dong (2013) dan Afanasieff (2015). Dalam penelitian Michal dan Lubos (2011) tentang analisis regional terhadap gelembung harga perumahan serta faktor-faktor yang mempengaruhinya di Republik Ceko. Dengan menggunakan pendekatan analisis Hodrick-Prescott (HP filter) dan menemukan bahwa ditemukan adanya overvalued (bubble) harga properti pada tahun 2002/2003 serta di sebagian tahun 2007/2008. Penelitian ini menggunakan HP filter untuk menentukan periode bubble digunakan trend jangka panjang serta untuk menentukan bahwa terjadi pecahnya bubble (boom property) digunakan threshold. Nilai threshold ditentukan menggunakan metode HP filter dengan upper threshold dan lower threshold. Hal ini didukung dengan

SKRIPSI


INDRA KURNIAWAN


105

penelitian dari Vladimir, et al. (2009) bahwa periode boom ditentukan ketika nilai aktual berada diatas upper threshold sedangkan periode bust ditentukan ketika nilai aktual berada dibawah lower threshold. Nilai threshold ditentukan dari (+𝛿) standar deviasi trend jangka panjang untuk upper threshold sedangkan nilai lower threshold ditentukan dengan (-𝛿) standar deviasi trend jangka panjang. Dalam penentuan periode bubble, sebagaimana teori rational asset price bubble (Santos dan Woodford, 1997) bahwa gelembung terjadi pada saar harga aset menyimpang di atas trend jangka panjangnya. Lalu Dong (2013) menajamkan analisis tersebut dengan mengatakan bahwa periode bubble terjadi ketika harga aktual harga properti berada diatas tren jangka panjangnya selama tiga periode berturut-turut Hasil dari analisis property price bubble pada penelitian ini, periode bubble yang ditemukan di masing-masing kota terjadi sebanyak dua periode. Periode pertama terjadi dimulai pada triwulan II tahun 2006 (Jakarta dan Surabaya) dan triwulan I tahun 2008 (Medan, Manado dan Makassar) hingga triwulan II tahun 2009. Secara umum bubble yang terjadi di periode pertama ini diakibatkan oleh semakin tingginya harga bahan bangunan. Untuk studi kasus kota Jakarta dan Surabaya yang lebih dulu teridentifikasi bubble ini dikarenakan selain meningkatnya harga bahan bangunan juga disebabkan oleh semakin mahalnya biaya perizinan mendirikan rumah. Sedangkan setelah memasuki periode triwulan I tahun 2008 kenaikan harga properti selain disebabkan oleh terus meningkatnya bahan baku bangunan juga disebabkan oleh meningkatnya upah pekerja. Serta adanya peningkatan harga bahan bakar minyak

SKRIPSI


INDRA KURNIAWAN


106

menjadi faktor lain penyebab meningkatnya harga properti pada triwulan II dan III tahun 2008 (Bank Indonesia, 2008). Meningkatnya harga properti hingga muncul bubble pada periode pertama ini lebih banyak disebabkan oleh meningkatnya biaya faktor input dalam supply properti. Hasil ini didukung oleh penelitian dari Dong (2013) dan Gelain dan Lansing (2014) yang menggunakan variabel construction cost sebagai interpretasi variabel faktor penawaran dan hasil penelitiannya bahwa biaya konstruksi (construction cost) berhubungan positif dengan harga rumah dikarenakan semakin tinggi harga input dalam membuat satu rumah maka akan meningkatkan harga rumah itu sendiri. Periode bubble selanjutnya terjadi dalam rentang triwulan I 2013 hingga triwulan IV 2014. Kondisi bubble pada periode ini didorong karena adanya imbas perlambatan ekonomi dunia. Akibat pengaruh dari krisis moneter pada 2008 yang berefek menular pada banyak negara maju oleh karena itu pada periode tersebut banyak negara yang masih berusaha untuk memulihkan perekonomiannya, hal ini juga berdampak pada Indonesia. Perlambatan ekonomi tidak hanya berdampak pada Indonesia secara umum namun juga berdampak sampai skala regional di Indonesia. Kondisi perlambatan ekonomi yang terjadi membuat daya beli masyarakat atau permintaan akan properti menurun. Namun perlambatan ekonomi tidak menurunkan indeks harga properti residensial yang terjadi di masing-masing kota justru harga properti terus meningkat. Hal ini dikarenakan karena ekspektasi masyarakat yang beranggapan bahwa harga properti akan selalu naik dalam jangka panjang sehingga masyarakat yang memiliki kelebihan dana berinvestasi dalam wujud properti. Hal ini

SKRIPSI


INDRA KURNIAWAN


107

turut membuat permintaan akan properti terus ada serta supply akan tersedianya properti pertumbuhannya tidak lebih cepat akan permintaan yang terus meningkat menyebabkan indeks harga properti residensial yang terus meningkat. (Bank Indonesia, 2014). Namun di sisi lain, Indonesia merupakan negara dengan penduduk terbanyak keempat di dunia serta memiliki pertumbuhan ekonomi yang cukup baik di antara beberapa negara berkembang lainnya membuat para pengembang terus berinvestasi untuk meningkatkan supply perumahan. Terus meningkatnya supply properti residensial di tengah perlambatan ekonomi yang terjadi ditambah dengan fasilitas pembiayaan yang digunakan untuk membeli perumahan sebagian besar menggunakan KPR akan meningkatkan resiko gagal bayar dan berpotensi membuat pecahnya bubble yang akan berdampak kepada memburuknya perekonomian. Namun Bank Indonesia sebagai lembaga yang menjalankan instrumen moneter telah melakukan antisipasi akan terjadinya bubble. Pada tahun 2012 Bank Indonesia mengeluarkan kebijakan makroprudensial yaitu kebijakan loan to value melalui SE No. 14/10/DPNP dan diperbaharui dengan SE No. 15/40/DKMP untuk pengendalian kredit perumahan. Dari hasil analisis ekonometri hasil dari regresi dummy ltv menunjukkan bahwa variabel dummy ltv signifikan mempengaruhi harga properti namun dari hasil koefisiennya berbeda dengan hipotesis yang mengatakan bahwa hubungan dummy ltv berpengaruh negatif terhadap harga properti. Hal ini bukan dikarenakan kebijakan ltv tidak efektif untuk menurunkan harga properti namun seperti yang sudah dijelaskan

SKRIPSI


INDRA KURNIAWAN


108

sebelumnya bahwa kenaikan harga properti lebih disebabkan oleh perlambatan ekonomi dan ekspektasi masyarakat terhadap harga properti dalam jangka panjang. Menurut penjelasan Bank Indonesia dalam survei harga properti residensial menyatakan bahwa setelah kebijakan LTV dikeluarkan kebijakan LTV efektif mengurangi gagal bayar akibat siklus kredit dan peningkatan harga lebih disebabkan ekspektasi dan spekulasi masyarakat akan harga properti. Menurut lind (2011) tentang jenis-jenis terjadinya bubble, bubble yang terjadi di 5 kota besar di Indonesia adalah Irrational Expectation Bubble yaitu keadaan dimana pelaku pasar menjadi terlalu optimis dan berpikir bahwa harga properti akan terus meningkat pesat dalam jangka panjang. Pertumbuhan yang diperkirakan akan jauh lebih tinggi dari rata-rata historisnya. Oleh karena itu, pelaku pasar merasa bahwa harga tinggi yang terbentuk cukup rasional, dan tetap memutuskan untuk membeli meskipun tidak didukung oleh pendapatan tinggi.

4.5 Keterbatasan Penelitian 1. Karena keterbatasan data, penelitian ini hanya menggunakan variabel pertumbuhan ekonomi, inflasi, suku bunga, ekspektasi harga pengembang serta kebijakan loan to value. Padahal masih banyak variabel yang dapat mempengaruhi indeks harga properti residensial di analisis regional seperti variabel pajak, migrasi, serta pertumbuhan penduduk.

SKRIPSI


INDRA KURNIAWAN


109

2. Data Indeks Harga Properti Residensial di Indonesia tesedia untuk 14 kota/regional. Kondisi tersebut tidak memungkinkan untuk membandingkan harga properti di kota besar dengan kondisi di daerah yang kondisi pertumbuhannya lebih kecil dari kota besar.

SKRIPSI


INDRA KURNIAWAN


BAB V SIMPULAN DAN SARAN

5.1 Simpulan Penelitian ini bertujuan untuk mengestimasi pengaruh faktor fundamental penentu harga properti dengan variabel faktor permintaan (demand) dan penawaran (supply) terhadap harga properti serta menganalisis terjadinya property price bubble di 5 kota besar (Medan, Jakarta, Surabaya, Manado dan Makassar) Indonesia pada periode 2006 hingga 2014. Berdasarkan hasil penelitian dan pembahasan dalam bab empat didapatkan kesimpulan sebagai berikut: 1. Variabel pertumbuhan ekonomi berpengaruh signifikan memiliki korelasi positif mempengaruhi harga properti. Hasil ini sejalan dengan penelitian Dong (2013), Igan dan Loungani (2013) ,Cameron, et al. (2006) dan Michal dan Lubos (2011) bahwa pertumbuhan ekonomi signifikan positif mempengaruhi harga properti. 2. Variabel Inflasi dari hasil penelitian menunjukkan hasil yang signifikan mempengaruhi harga properti. Dengan hasil koefisien yang positif menunjukkan bahwa hipotesis awal ditolak. Hal ini dikarenakan pergeseran latar belakang permintaan perummahan oleh masyarakat dari awalnya properti sebagai standard goods menjadi sebuah financial asset atau sebuah investasi (Miles, 1995). Hasil ini juga didukung oleh hasil penelitian dari Dong (2013)

110 SKRIPSI


INDRA KURNIAWAN


111

yang menemukan hubungan positif antara inflasi dengan harga perumahan dari penelitiannya. 3. Variabel suku bunga berpengaruh signifikan dan bertanda negatif terhadap harga properti. Hal ini menandakan bahwa semakin kecil tingkat suku bunga kredit sektor konsumsi yang ditetapkan oleh bank berarti biaya dalam pembelian perumahan akan semakin kecil sehingga hal ini akan meningkatkan permintaan dan harga properti akan meningkat. Hasil ini didukung oleh penelitian oleh Dong (2013) dan Cameron, et al. (2006) bahwa suku bunga berhubungan negatif terhadap harga properti. 4. Variabel dummy ltv sebagai dummy kebijakan LTV dimana 1 adalah kondisi dimana kebijakan LTV diterapkan dan 0 adalah periode sebelum adanya kebijakan LTV. Dari hasil analisis regresi diperoleh hasil bahwa variabel dummy ltv berkorelasi negatif terhadap harga properti. Hal ini menandakan bahwa dengan adanya penerapan kebijakan loan to value menyebabkan menurunnya permintaan akan properti. Sejalan dengan penelitian Wong, et al. (2011) dan Dong (2013) bahwa adanya kebijakan LTV akan menurunkan permintaan dan harga properti. 5. Variabel ekspektasi harga pengembang berpengaruh positif dan signifikan mempengaruhi harga properti. Hal ini sama dengan Dong (2013) dan Gelain dan Lansing (2014) bahwa semakin tinggi harga input dalam membuat satu rumah maka akan meningkatkan harga rumah itu sendiri.

SKRIPSI


INDRA KURNIAWAN


112

6. Variabel independen (pertumbuhan ekonomi, inflasi, suku bunga, ekspektasi harga pengembang serta dummy ltv) secara bersama sama mempengaruhi variabel dependen. 7. Berdasarkan hasil analisis terjadinya property price bubble menggunakan metode Hodrick-Prescott Filter (HP Filter) terhadap harga properti di 5 kota besar di Indonesia. Hasil penelitian menyatakan bahwa pada periode penelitian terjadi property price bubble di seluruh kota penelitian. Secara umum periode bubble di setiap kota besar terjadi sebanyak dua periode. Periode pertama kenaikan harga properti diakibatkan semakin meningkatnya harga bahan bangunan (faktor supply) dalam penyediaan properti sedangkan pada periode kedua diakibatkan ekspektasi masyarakat bahwa harga properti akan semakin tinggi dalam jangka panjang membuat masyarakat yang memiliki kelebihan dana berinvestasi dalam wujud properti

5.2 Saran Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan dalam bab sebelumnya, maka saran yang dapat direkomendasikan dari penelitian ini adalah: 1. Seluruh variabel independen terbukti berpengaruh terhadap harga properti. Namun peningkatan di harga properti pada periode triwulan I tahun 2013 hingga triwulan IV tahun 2014 lebih dikarenakan oleh ekspektasi masyarakat terhadap harga rumah yang akan terus meningkat dalam jangka panjang. Maka

SKRIPSI


INDRA KURNIAWAN


113

pemerintah khususnya Bank Indonesia hendaknya lebih berfokus terhadap kebijakan yang mengatasi berlebihnya ekspektasi masyarakat tersebut. 2. Terhadap kebijakan LTV di Indonesia lebih dipertimbangkan kembali oleh Bank Indonesia dikarenakan property price bubble yang ditemukan tidak terlalu besar. Kebijakan LTV yang diterapkan pada saat perlambatan ekonomi akan semakin mengurangi daya beli masyarakat sehingga permintaan yang rendah dapat berdampak pada penurunan kinerja sektor properti.

SKRIPSI


INDRA KURNIAWAN


DAFTAR PUSTAKA Bank Indonesia. 2012. Surat Edaran Nomor. 14/10/DPNP. -------------------. 2013. Surat Edaran Nomor. 15/40/DKMP. -------------------. 2014. Survei Harga Properti Residensial (Online). (http://www.bi.go.id/id/publikasi/survei/harga-properti-primer/Default.aspx diakses pada tanggal 20 Maret 2016) -------------------. 2014. Kajian Ekonomi Regional (Online). http://www.bi.go.id/id/publikasi/kajian-ekonomiregional/Contents/Default.aspx diakses pada tanggal 22 Maret 2016) Blanchard, Olivier J. dan Mark W. Watson. 1982. Bubbles, rational expectation and financial markets. Boediono. 1985. Demand for Money in Indonesia, 1975-184. Bulletin of Indonesian Economic Studies. Brueggerman, William dan Jeffrey Fisher. 2005. Real Estate Finance and Investment: International Edition. New York: McGraw Hill Education. Cameron, G., John M., dan Anthony. 2006. Was There A British House Price Bubble? Evidence from a Regional Panel. Department of Economics, University of Oxford. Claessens, Stijn, Swati R. Ghosh, dan Roxsns Mihet. 2013. Macro-prudentian polocies to mitigate financial system vulnerabilities. Journal of International Money and Finance 39. Coleman, Major, Michael LaCour-Little dan Kerry D. Vandell. 2008. Subprime Lending and the housing bubble: Tail wags dog?. Journal of Housing Economics 17; page 272-290. Collyns, Charles dan Abdelhak Senhadji. 2002. Lending Booms, Real Estate Bubbles and The Asian Crisis. IMF Working Paper WP/02/20. Committee on the Global Financial System. 2010. “Macroprudential instruments and framewors: a stocktaking of issues and experiences”, CGFS – BIS Papers, No, 38. Divisi Statistik Sektor Riil. 2006-2014. Survey Harga Properti Residensial triwulan I 2006-IV 2014. Jakarta: Bank Indonesia. Dong, Ryan. 2013. An Empirical Analysis of Housing Price Bubble: A Case Study of Beijing Housing Market. Research in Applied Economics ISSN 1948-5433 Vol.5 No.1. Gelain, Paolo dan Kevin J. Lansing. 2014. House Price, Expectation, and time varying fundamentals. Journal of Empirical Finance 29 page 3-25.

111 SKRIPSI


INDRA KURNIAWAN


112

Glindro, Eloisa T, Subhanij dan Jessica Szeto. 2011. Determinants of House Price in Nine Asia-Pasific Economies. International Journal of Central Banking Vol. 7 No. 3. Gujarati, Damodar dan Dawn C. Porter. 2009. Basic Econometrics. 5th edition. New York: McGraw-Hill. Hahm, Joon-Ho et al 2011. “Macroprudential Policies in Open Emerging Economies”, Conference Paper, Federal Reserve Bank of San Francisco Asia Economic Policy Conference. Harun, Cecilia. 2014. Kerangka Kebijakan Makroprudensial Indonesia. Artikel dalam kajian Stabilitas Keuangan Edisi Maret 2014. Holt, J. 2009. A Summary of The Primary Causes of the Housing Bubble and the Resulting Credit Crisis. A Non-Technical Paper. The Journal of Business Inquiry, 8(1), pp. 120-129. Hordahl, Peter dan Packer, Frank. 2007. Understanding Asset Prices: An Overview. BIS Papers. No.34. Igan, Deniz dan Heedon Kang. 2011. Do Loan-to-Value and Debt-to-Income Limits Work? Evidence from Korea. Working Paper International Monetary Fund. Igan, Deniz dan Prakash Loungani. 2013. Global Housing Cycles. IMF Working Paper WP/12/217. Koh, Winston TH, Roberto S. Mariano, Andrey Parlov, Sock Yong Phang, Augustine HH Tan, dan Susan M. Wachter. 2004. Bank Lending and Real Estate in Asia : Market Option and Asset Bubble. Journal of Asian Economics, 15(6), 1103-1118. Krznar, Ivo dan James Morsink. 2014. With great Power Comes Great Responsibility: Macroprudential Tools at Work in Canada. IMF Working Paper WP/14/83. Lambertini, Luisa, Caterina Mendicino, dan Maria Teresa Punzi. 2013. Learning againts boom-bust cycles in credit and housing prices. Journal of Economic Dynamics & Control 37 page 1500-1522 Landergen, Magnus. 2013. Bubble Trouble: An Inquiry into The Theories of Housing Bubbles, modestly Applied on Sweden. Master Degree Project in Economics. Lim, C. Et al. 2011. “ Macroprudential Policy: What Instruments and How to Use Them? Lesson from Country Experiences”, IMF Working Paper, WP/11/238. Lind, Hans. 2008. Price Bubble in Housing Markets: Conceps, Theory and Indicator. Building and Real Estate Economics Working Paper No. 58. Mankiw, N. Gregory. 2003. Teori Makroekonomi. Edisi Kelima. Terjemahan. Jakarta: Penerbit Erlangga.

SKRIPSI


INDRA KURNIAWAN


113

Michal, H dan Lubos K. 2011. Regional Analysis of Housing Price Bubbles and Their Determinants in the Czech Republic. Czech National Bank and Faculty of Social Science, Charles University, Prague. JEL Classification: C2, R21, R31. Mikhed, Vyacheslav dan Petr Z. 2007. Testing for Bubbles in Housing Markets: A Panel Data Approach. Working Paper Series (ISSN 1211-3298). Miles, David, dan Pillonca, V. 2008. Financial Innovation and European Housing and Mortgage Markets. Oxford Review of Economic Policy 24, pp. 145-175. Minsky, Hypman P. 1986. The Evolution of financial institutions and The Performance of The Economy. Journal of Economic Issues 20.2. Miskhin, Frederick S. 2001. The Economics of Money, Banking, and Financial Markets. Sixth Edition. Columbia: Colombia University. OECD. 2011. Handbook on Residential Property Indices. OECD Publishing. Panagiotidis, T and Printzis. 2015. On the Macroeconomic Determinants of the Housing Market in Greece: A VECM Approach. GreeSE Paper No.88. Pennachi, George. 2008. Theory of Asset Pricing. United State of America: Pearson Education, Inc. Poterba, James M. 1984. Tax subsidies to owner-occupied housing:an asset-market approach. The quarterly journal of economics: 729-752. Quigley, John M. 2001. Real Estate and Asian Crisis. Journal of Housing Economics 10 page 129-161. Rizki E, Wimanda, Meily I. Permata. 2012. Studi Penerapan Kebijakan Makroprudensial di Indonesia: Evaluasi dan Analisa Integrasi Kebijakan Bank Indonesia. Working Paper Bank Indonesia WP/11/2012. Santos, Manuel S. dan Woodford M. 1997. Rational Asset Bubbles. Econometrica, Vol. 65, No 1, pp. 19-57. Simans, C.F. 1989. Real Estate Finance. Second Edition. New York: McGraw Hill,Inc. Suwardi, Akbar. 2011. Tahapan dan Perintah (Syntax) Data Panel. Modul Departemen Ilmu Ekonomi Fakultas Ekonomi Universitas Indonesia. Tillman, Peter. 2012. Capital Inflows and Asset Prices: Evidence from Emerging Asia. Journal of Banking & Finance, Volume 37, Issue 3, 717-729. Vladimir, Borgy, Lurent Clerc, dan Jean-Paul Renne. 2009. Asset-price boom-bust cycle and credit: what is the scope of macroprudential regulation?. Banque de France, Working paper No.263 Widarjono, Agus. 2009. Ekonometrika Pengantar dan Aplikasinya. Edisi Ketiga. Yogyakarta: Ekonisia.

SKRIPSI


INDRA KURNIAWAN


114

Wong, Eric., Tom Fong, Ka-fai Li dan Henry Choi. 2011. Loan to value ratio as a macroprudential tool Hong Kong’s Experience and Cross Country Evidence. Working Paper 01/2011.

SKRIPSI


INDRA KURNIAWAN


LAMPIRAN Lampiran 1 Hasil Estimasi Pooled Least Square (PLS)

Source | SS df MS -------------+-----------------------------Model | 163646.397 5 32729.2794 Residual | 25077.8076 174 144.125331 -------------+-----------------------------Total | 188724.205 179 150.499233

Number of obs F( 5, 174) Prob > F R-squared Adj R-squared Root MSE

= = = = = =

180 227.09 0.0000 0.8671 0.8633 12.005

-----------------------------------------------------------------------------ihpr | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------pdrb | .0000777 8.89e-06 8.74 0.000 .0000602 .0000953 ihk | 1.65182 .1085886 15.21 0.000 1.437535 1.866141 lr | -5.64472 .8949628 -6.31 0.000 -7.411101 -3.878342 dltv | -14.37882 3.51449 -4.09 0.000 -21.31534 -7.442305 eks | .840099 .1777787 4.73 0.000 .4892187 1.190979 _cons | -105.5079 22.17802 -4.76 0.000 -149.2804 -61.73528 ------------------------------------------------------------------------------

Lampiran 2 Hasil Estimasi Random Effect Model (REM)

Random-effects GLS regression Group variable: city

Number of obs Number of groups

= =

180 5

R-sq:

Obs per group: min = avg = max =

36 36.0 36

within = 0.8863 between = 0.7713 overall = 0.8671

corr(u_i, X)

= 0 (assumed)

Wald chi2(5) Prob > chi2

= =

1135.45 0.0000

-----------------------------------------------------------------------------ihpr | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------pdrb | .0000777 8.89e-06 8.74 0.000 .0000603 .0000951 ihk | 1.65182 .1085886 15.21 0.000 1.438991 1.864651 lr | -5.64472 .8949628 -6.31 0.000 -7.398815 -3.890625 dltv | -14.37882 3.51449 -4.09 0.000 -21.26713 -7.490553 eks | .840099 .1777787 4.73 0.000 .4916591 1.188539 _cons | -105.5079 22.17802 -4.76 0.000 -148.9769 -62.03973 -------------+---------------------------------------------------------------sigma_u | 1.7352589 sigma_e | 5.5929275 rho | .08780843 (fraction of variance due to u_i) ------------------------------------------------------------------------------

cxiv SKRIPSI


INDRA KURNIAWAN


Lampiran 3 Hasil Estimasi Fixed Effect Model (FEM) Fixed-effects (within) regression Group variable: city

Number of obs Number of groups

= =

180 5

R-sq:

Obs per group: min = avg = max =

36 36.0 36

within = 0.8955 between = 0.6563 overall = 0.8498

corr(u_i, Xb)

F(5,170) Prob > F

= 0.0958

= =

291.36 0.0000

-----------------------------------------------------------------------------ihpr | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------pdrb | .0000592 .000047 1.26 0.209 .0000335 .0001525 ihk | 1.393568 .1022063 13.63 0.000 1.191811 1.595325 lr | -2.007285 .9417447 -2.13 0.034 -3.866305 -.1482649 dltv | -15.1313 2.932197 -5.16 0.000 -20.91953 -9.343093 eks | .8594394 .1505824 5.71 0.000 .5621873 1.156692 _cons | -26.74894 22.32726 1.20 0.233 -70.82332 17.32544 -------------+---------------------------------------------------------------sigma_u | 5.2402798 sigma_e | 5.5929275 rho | .46748198 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(4, 170) = 21.34 Prob > F = 0.0000

Lampiran 4 Hasil Pemilihan Model Estimasi (Uji Lagrange Multipier)

Breusch and Pagan Lagrangian multiplier test for random effects ihpr[city,t] = Xb + u[city] + e[city,t] Estimated results: | Var sd = sqrt(Var) ---------+----------------------------ihpr | 150.4992 12.26781 e | 31.28084 5.592928 u | 3.011123 1.735259 Test:

Var(u) = 0 chibar2(01) = Prob > chibar2 =

SKRIPSI

70.45 0.0000


INDRA KURNIAWAN

cxv


Lampiran 5 Hasil Pemilihan Model Estimasi (Uji Hausman) ---- Coefficients ---| (b) (B) (b-B) sqrt(diag(V_b-V_B)) | fe re Difference S.E. -------------+---------------------------------------------------------------pdrb | .0000592 .0000777 -.0000185 .0000461 ihk | 1.393568 1.65182 -.2582527 . lr | -2.007285 -5.64472 -3.637435 .2931292 dltv | -15.1313 -14.37882 .7524738 . eks | .8594394 .840099 .0193404 . -----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test:

Ho:

difference in coefficients not systematic chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 177.15 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite)

Lampiran 6 Hasil Uji Multikolinearitas

Variable | VIF 1/VIF -------------+---------------------ihk | 4.00 0.250070 dltv | 3.09 0.323128 lr | 2.16 0.462578 eks | 1.36 0.733994 pdrb | 1.04 0.960199 -------------+---------------------Mean VIF | 2.33

Lampiran 7 Hasil Uji Heteroskedastisitas Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (5) = Prob>chi2 =

184.19 0.0000

SKRIPSI


INDRA KURNIAWAN

cxvi


Lampiran 8 Hasil Uji Autokorelasi Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 4) = 450.484 Prob > F = 0.0000

Lampiran 9 Hasil Penyembuhan Asumsi Klasik (Metode PCSE) Linear regression, correlated panels corrected standard errors (PCSEs) Group variable: Time variable: Panels: Autocorrelation:

city date2 correlated (balanced) no autocorrelation

Estimated covariances = Estimated autocorrelations = Estimated coefficients =

15 0 6

Number of obs Number of groups Obs per group: min avg max R-squared Wald chi2(5) Prob > chi2

= = = = = = = =

180 5 36 36 36 0.8671 785.38 0.0000

-----------------------------------------------------------------------------| Panel-corrected ihpr | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------pdrb | .0000777 5.81e-06 13.38 0.000 .0000663 .0000891 ihk | 1.65182 .1381849 11.95 0.000 1.380983 1.922658 lr | -5.64472 1.069982 -5.28 0.000 -7.741846 -3.547595 dltv | -14.37882 4.419854 -3.25 0.001 -23.04158 -5.716074 eks | .840099 .2006259 4.19 0.000 .4468794 1.233319 _cons | -105.5079 27.02801 -3.90 0.000 -158.4818 -52.53392 ------------------------------------------------------------------------------

SKRIPSI


INDRA KURNIAWAN

cxvii

DIAJUKAN UNTUK MEMENUHI SEBAGIAN PRASYARAT DALAM MEMPEROLEH GELAR SARJANA EKONOMI DEPARTEMEN ILMU EKONOMI PROGRAM STUDI EKONOMI PEMBANGUNAN

Recommend Documents