KEBIJAKAN MONETER, UKURAN BANK, DAN PINJAMAN BANK: STUDI INDONESIA
MUH. YUNUS DJAMALUDDIN
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul “Kebijakan Moneter, Ukuran Bank, dan Pinjaman Bank: Studi Indonesia” adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Mei 2014 Muh. Yunus Djamaluddin NIM H14100008
ABSTRAK MUH. YUNUS DJAMALUDDIN. Kebijakan Moneter, Ukuran Bank, dan Pinjaman Bank: Studi Indonesia. Dibimbing oleh IMAN SUGEMA. Penelitian ini secara empiris meneliti eksistensi kebijakan moneter yang diproksikan dengan suku bunga official (BI rate) terhadap realisasi pinjaman (lending channel ) yang diberikan oleh bank-bank umum di Indonesia sejak tahun 2010 hingga 2013. Data yang digunakan berupa data bulanan 88 bank umum yang di kategorikan menjadi tiga jenis bank berdasarkan ukurannya, (1) bank besar, (2) bank sedang, dan (3) bank kecil. Model diestimasi menggunakan metoda data panel statis. Selain itu, penelitian ini membedakan jenis pinjaman dalam empat karegori, (1) total pinjaman, (2) pinjaman UMKM, (3) pinjaman Non-UMKM, dan (4) pinjaman properti. Hasil penelitian menunjukkan bahwa tidak terdapat eksistensi transmisi kebijakan moneter saluran pinjaman di Indonesia. Penelitian ini juga menemukan karakteristik bank seperti total aset dan likuiditas berpengaruh berbeda terhadap lending channel pada bank yang berbeda ukuran. Kata kunci: kebijakan moneter, mekanisme transmisi, saluran pinjaman, ukuran bank, jenis pinjaman
ABSTRACT MUH. YUNUS DJAMALUDDIN. Monetary Policy, Bank Size, and Bank Lending: Evidence from Indonesia. Supervised by IMAN SUGEMA This study investigates empirically the existence of monetary policy proxied by official rate (BI’s rate) to realization of bank lending channels by conventional commercial banks in Indonesia between 2010 and 2013. The data used are monthly data of 88 conventional commercial banks, which are categorized into three bank size, (1) large bank, (2) medium bank, and (3) small bank. The model is estimated using static panel analysis. Moreover, this study categorized types of loans into four categories, (1) gross loans, (2) small and medium enterprise loans, (3) non-small and medium enterprise loans, and (4) property loans. The result showed that there isn’t existence of transmission monetary policy on bank lending channels in Indonesia. This study found the characteristics of conventional commercial banks such as assets and liquidity reacting bank lending channel differently in different bank size. Keywords: monetary policy, transmission mechanism, lending channels, bank size, types of loans
.
KEBIJAKAN MONETER, UKURAN BANK, DAN PINJAMAN BANK: STUDI INDONESIA
MUH. YUNUS DJAMALUDDIN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2014
Judul Skripsi : Kebijakan Moneter, Ukuran Bank, dan Pinjaman Bank: Studi Indonesia Nama : Muh. Yunus Djamaluddin NIM : H14100008
Disetujui oleh
Dr Ir Iman Sugema, M.Ec Dosen Pembimbing
Diketahui oleh
Dr Ir Dedi Budiman Hakim, M.Ec Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan November 2013 ini ialah Kebijakan Moneter, Ukuran Bank, dan Pinjaman Bank: Studi Indonesia. Terima kasih penulis ucapkan kepada Bapak Dr Ir Iman Sugema selaku pembimbing yang selalu memberikan arahan dan motivasi kepada penulis, serta Bapak Prof Dr Ir Noer Azam Achsani selaku dosen penguji utama dan Bapak Deni Lubis MA selaku komisi pendidikan dalam ujian sidang penulis yang telah banyak memberi saran dan masukan untuk kebaikan hasil skripsi ini. Di samping itu, penghargaan penulis sampaikan kepada kak Farhana Zahrotunnisa dan mbk Heni Hasanah selaku asisten dosen yang selalu membantu dan membimbing dalam pengolahan data penenitian ini. Ungkapan terima kasih tak lupa penulis sampaikan kepada orangtua tercinta Bapak Djamaluddin Baddolo dan Ibu Nur Aidha Muhiddin, adik tersayang Muh. Arief Bijaksana, serta seluruh keluarga besar atas doa dan kasih sayangnya. Tidak lupa juga penulis sampaikan terima kasih kepada teman satu bimbingan Penny, Rifky, Meli dan Yohanes atas kesabarannya berjuang bersama. Terakhir penulis ingin menyampaikan terima kasih kepada rekan-rekan terdekat Esya Shadrina, Dicky Pradipta, Wa Ode Shofia, Ridha Vivianty, Nurrahma Srifitayani, Nardi Najib, Ramdhani Budiman, Muhammad Muhaimin, Nur Khaidir, Zahid Nur Khalik, Idham Aulia, sahabat Extraordinary, seluruh keluarga besar CENTURY IPB, HIPOTESA FEM IPB, dan semua orang yang telah ikut membantu memberikan bantuannya. Semoga karya ilmiah ini bermanfaat.
Bogor, Mei 2014 Muh. Yunus Djamaluddin
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
4
Tujuan Penelitian
5
Manfaat Penelitian
5
Ruang Lingkup Penelitian
6
TINJAUAN PUSTAKA
6
Transmisi Kebijakan Moneter
6
Mekaisme Transmisi Kebijakan Moneter Saluran Pinjaman Bank
8
Keseimbangan Pasar Pinjaman
9
Penelitian Terdahulu
10
Hipotesis Penelitian
12
Kerangka Pemikiran
12
METODE
15
Jenis dan Sumber Data
15
Metode Pengolahan dan Analisis Data
16
HASIL DAN PEMBAHASAN
24
Deskriptif Statistik
24
Hasil dan Pembahasan Estimasi Model
25
SIMPULAN DAN SARAN
36
Simpulan
36
Saran
36
DAFTAR PUSTAKA
37
LAMPIRAN
39
RIWAYAT HIDUP
57
DAFTAR TABEL 1 2 3 4 5 6 7
Bank umum dengan aset terbesar di Indonesia Variabel dan sumber data Hasil estimasi model total pinjaman Hasil estimasi model pinjaman UMKM Hasil estimasi model pinjaman Non-UMKM Hasil estimasi pinjaman properti Hasil estimasi pinjaman keseluruhan
2 15 25 26 28 29 31
DAFTAR GAMBAR 1 2 3 4 5 6
BI rate, posisi total aset dan pinjaman bank 2010-2013 Grafik komposisi aset dan pinjaman bank umum di Indonesia Mekanisme transmisi kebijakan moneter Mekanisme transmisi moneter saluran pinjaman Kurva keseimbangan pasar pinjaman Kerangka Pemikiran
1 3 7 8 9 14
DAFTAR LAMPIRAN 1 Hasil Uji Multikolinearitas dalam Model Total Pinjaman Daerah Keputusan Pengujian Autokorelasi 2 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Total Pinjaman 3 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman UMKM 4 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman Non-UMKM 5 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman Properti
40 40 41 45 49 53
PENDAHULUAN Latar Belakang Kebijakan moneter merupakan bagian integral dari kebijakan ekonomi makro yang mempengaruhi dari sisi permintaan (demand side) yang ditujukan untuk mendukung bebagai sasaran akhir seperti pertumbuhan ekonomi, kesempatan kerja, kestabilan harga dan keseimbangan neraca pembayaran (Pohan, 2008). Hakekatnya kebijakan moneter menggambarkan kebijakan yang ditempuh oleh Bank Sentral dalam mempengaruhi berbagai aktivitas ekonomi hingga dapat mencapai tujuan yang ditetapkan. Untuk mencapai tujuan tersebut, terjadi interaksi antara bank sentral, perbankan dan lembaga keuangan lainnya, serta pelaku ekonomi rill. Menurut Warjiyo (2004), interaksi ini terjadi melalui dua tahapan proses perputaran uang. Pertama, transaksi keuangan antara bank sentral dengan perbankan dan lembaga keuangan lainnya di pasar keuangan. Kedua, interaksi yang berkaitan dengan fungsi intermediasi, yaitu interaksi antara perbankan dan lembaga keuangan lainnya dengan para pelaku ekonomi sektor rill. Salah satu saluran transmisi kebijakan moneter adalah saluran pinjaman. Berbeda dengan saluran suku bunga, saluran ini dipengaruhi oleh kondisi internal debitur (perbankan) yang tercermin pada permodalan atau Capital Adequacy Ratio (CAR), jumlah pinjaman macet atau Non-Performing Loans (NPL), Loan Deposit Ratio (LDR), isu moral hazard, dan sebagainya. Fungsi intermediasi perbankan tidak selalu berjalan sempurna, dalam arti bahwa kenaikan simpanan masyarakat tidak selalu diikuti dengan kenaikan secara prorposional pinjaman yang tersalurkan kepada masyarakat (Pohan, 2008). Padahal seperti yang kita ketahui, hal yang berpengaruh untuk menggerakkan sektor ekonomi rill adalah pinjaman yang disalurkan bukan simpanan masyarakat. Pinjaman
BI rate
3500000
8
3000000
7 6
2500000
5
2000000
4 1500000
3
1000000
2
Okt-13
Jul-13
Apr-13
Jan-13
Okt-12
Jul-12
Apr-12
Jan-12
Okt-11
Jul-11
Apr-11
Jan-11
Okt-10
0 Jul-10
0 Apr-10
1 Jan-10
500000
Sumber: Bank Indonesia. Total Pinjaman (milyar), BI Rate (persen)
Gambar 1 BI rate dan posisi total pinjaman bank umum 2010-2013
2 Pada Gambar satu memperlihatkan perkembangan BI rate dan pinjaman di Indonesia periode tahun 2010-2013. Total pinjaman bank umum terus meningkat setiap tahunnya selama periode penelitian. Suku bunga official (BI rate) merupakan salah satu instrumen kebijakan moneter yang dimiliki oleh Bank Indonesia. Melalui suku bunga official otoritas moneter melakukan transmisi kebijakan moneter untuk mencapai sasaran akhir seperti uang beredar dan inflasi. Jika Bank Indonesia sedang melakukan kebijakan moneter ekspansif dengan menurunkan suku bunga official diharapakan bank-bank akan mengikuti dengan melakukan perubahan balance sheet-nya atau menurunkan suku bunga pinjaman. Hal ini pada akhirnya akan meningkatkan jumlah pinjaman yang disalurkan, begitupun sebaliknya. Bank adalah lembaga intermediasi yang meminjam dana dari masyarakat dengan cara menerima tabungan dan deposito atau menerbitkan saham mereka sendiri dan memegang surat berharga atau aset keuangan yang diterbitkan pihak lain. Berdasarkan ukuran bank yang dilihat dari total aset, bank di Indonesia dikelompokkan menjadi empat kelompok bank, yaitu bank besar memiliki aset diatas Rp 50 triliun, bank sedang memiliki aset antara Rp 10 triliun sampai Rp 50 triliun, bank kecil memiliki aset antara Rp 100 miliar sampai Rp 10 triliun, dan bank sangat kecil memiliki aset Rp 0 sampai Rp 10 miliyar (Bank Indonesia,2013). Penelitian-penelitian terdahulu terkait transmisi kebijakan moneter dan bank lending channel menjelaskan pentingnya peranan total aset tiap individu bank terkait kemampuan bank dalam menyalurkan pinjaman. Bank yang memiliki aset yang cukup besar dapat meredam pengaruh perubahan kebijakan moneter terhadap penyaluran pinjaman. Sebaliknya, bank berukuran kecil sulit mempertahankan tingkat penyaluran pinjamannya akibat perubahan kebijakan moneter untuk terus menjaga balance sheet tetap aman. Tabel 1 Bank umum dengan aset terbesar di Indonesia No Nama Bank 1 2 3 4 5 6 7 8 9 10
PT. Bank Mandiri (Persero) Tbk PT. Bank Rakyat Indonesa (Persero) Tbk PT. Bank Central Asia Tbk PT. Bank Negara Indonesia (Persero) Tbk PT. Bank CIMB Niaga Tbk PT. Bank Permata Tbk PT. PAN Indonesia Bank Tbk PT. Bank Danamon Indonesia Tbk PT. Bank Internasional Indonesia Tbk PT. Bank Tabungan Negara (persero) Tbk
Total Aset (Jutaan Rp) 608 730 930 581 135 557 469 305 421 351 034 552 206 571 498 154 565 917 143 507 655 140 022 487 124 445 063 123 196 691
Sumber: Bank Indonesia, 2013
Seiring dengan berkembangnya perekonomian Indonesia turut mendorong pertumbuhan sektor perbankan, hal ini terlihat dari perkembangan total aset yang dimiliki oleh bank–bank umum. Pada bulan Juli 2013 total aset bank umum tercatat sebesar Rp 4610 triliun. Total aset tersebut lebih tinggi jika dibandingkan dengan total aset pada periode yang sama pada bulan Juli 2012 yaitu sebesar Rp
3 3902 triliun. Berdasarkan studi empiris, bank-bank dengan ukuran kecil lebih sensitif terhadap kenaikan dan penurunan suku bunga (BI rate). Sebaliknya, bankbank besar cenderung lebih responsif dalam merespon perubahan tersebut. Selain itu, adanya perbedaan ukuran bank dapat membuat kebijakan yang ditempuh oleh bank berbeda dalam melakukan aktivitas operasionalnya. Hal ini tentunya akan berdampak kepada pinjaman yang disalurkan bank-bank tersebut. Total Pinjaman
Total Aset
11%
4%
10%
4% Bank Besar
Bank Besar Bank Sedang
Bank Sedang 85%
Bank Kecil
86%
Bank Kecil
Sumber: Bank Indonesia, 2013
Gambar 2 Grafik komposisi aset dan pinjaman bank umum di Indonesia Pada gambar 2, terlihat share pinjaman yang disalurkan oleh perbankan umum memiliki karakteristik yang tidak jauh berbeda dengan share total aset. Total aset perbankan umum di Indonesia per bulan Desember 2013 menunjukkan bank berukuran besar memiliki share sekitar 85 persen total aset perbankan umum yaitu Rp 3 740 782 120,- jutaan, bank berukuran kecil memiliki share sekitar 11 persen total aset perbankan umum atau sekitar Rp 489 880 656,- jutaan dan bank berukuran kecil memiliki share sebesar 4 persen dari total aset perbankan umum yaitu Rp 176 378 151,- jutaan. Struktur dan karakteristik internal bank yang berbeda dari bank besar, bank sedang dan bank kecil serta pengaruh dari transmisi kebijakan moneter terhadap realisasi pinjaman yang disalurkan menjadi hal yang menarik untuk diamati. Analisis empiris dari pengaruh karekteristik bank akan menggambarkan bagaimana dan mengapa realisasi pinjaman perbankan bervariasi berdasarkan ukurannya. Penelitian ini dilakukan untuk melihat kembali eksistensi saluran pinjaman pada transmisi kebijakan moneter dan melihat faktor-faktor yang mempengaruhi realisasi pinjaman bank berdasarkan ukurannya menggunakan analisis panel statis selama periode 2010-2013.
4 Perumusan Masalah Menurut Warjiyo (2004) dengan melemahnya hubungan antara besaran moneter dan sasaran akhir dari kebijakan moneter, banyak negara mulai mengadopsi penargetan inflasi dalam pelaksanaan kebijakan moneternya. Penargetan inflasi sebagai jangkar kebijakan moneter relatif baru digunakan dan pertama kali diterapkan oleh Selandia Baru pada tahun 1990 yang diikuti oleh bank sentral negara-negara lain sebagai langkah mendasar dalam memperkuat efektivitas penerapan kebijakan moneter. Dengan menargetkan inflasi sebagai jangkar nominal, bank sentral dapat menjadi lebih kredibel dan lebih fokus dalam mencapai kestabilan harga sebagai tujuan akhir. Pada tahun 2005, Bank Indonesia menetapkan BI rate sebagai alat utama untuk mengontrol inflasi. Efektivitas BI rate sebagai “obat” persoalan ekonomi, juga tergantung pada transmisi moneter yang sangat mengandalkan fungsi dan efisiensi sektor keuangan. Kalau sektor keuangan belum berkembang atau belum dalam, seperti kondisi di Indonesia saat ini, dibutuhkan pula kebijakan moneter lain (Kolopaking,2013). Bank Indonesia juga menyadari bahwa kebijakan moneter yang diambil memiliki time-lag sehingga respon terhadap kebijakan moneter yang ditetapkan saat ini baru akan tercermin antara empat hingga enam triwulan ke depan. Demikian pun tingkat inflasi yang dirasakan saat ini merupakan dampak dari kebijakan moneter yang diambil kurun waktu satu hingga satu setengah tahun sebelumnya (Hartawan,2011). Pelaksanaan kebijakan moneter di Indonesia dimulai saat bank Indonesia selaku otoritas moneter melakukan operasi moneter dengan melibatkan Discount Facility. Discount Facility adalah salah satu instrumen kebijakan moneter dimulai dengan Bank Indonesia menetapkan suku bunga official (BI rate) yang selanjutnya di transmisikan ke suku bunga diskonto dan suku bunga Sertifikat Bank Indonesia (SBI). Jika bank sentral meningkatkan suku bunga diskonto akan menyebabkan berkurangnya permintaan pinjaman dari bank sentral yang nantinya akan berdampak pada berkurangnya kemampuan bank dalam memberikan pinjaman kepada sektor rill dan begitu pun sebaliknya (Zahrotunnisa,2013). Hal serupa juga akan terjadi jika bank sentral menaikkan suku bunga SBI, menyebabkan bank-bank akan menyimpan asetnya dalam surat berharga BI yang akan berdampak pada berkurangnya kemampuan bank memberikan pinjaman sehingga jumlah uang beredar dapat dikontrol. Kurangnya kemampuan bank memberikan pinjaman ini dapat disimpulkan sebagai akibat dari penurunan likuiditas bank-bank. Penelitian kali ini melihat proses perubahan kebijakan moneter yang diproksikan melalui perubahan suku bunga official (BI rate) terhadap saluran pinjaman bank pada bank-bank konvensional di Indonesia yang dikelompokkan menjadi bank ukuran kecil, sedang dan besar. Diprediksikan perubahan kebijakan moneter tersebut akan mempengaruhi kemampuan bank dalam menyalurkan pinjaman kepada sektor rill yang pada akhirnya akan mempengaruhi kestabilan harga sebagai sasaran akhir kebijakan moneter. Kishan dan Opiela (2000) mengemukakan bahwa bank-bank kecil dan undercapitalized paling terpengaruh oleh kebijakan moneter. Sejalan dengan itu, Kakes dan Sturm (2002) menemukan bank yang kekurangan aset likuid paling berpengaruh terhadap perubahan
5 kebijakan moneter karena penurunan kemampuan pemberian pinjaman akibat kebijakan moneter kontraktif. Penelitian ini dilakukan untuk melihat pengaruh perubahan kebijakan moneter terhadap jumlah pinjaman yang diberikan bank-bank berdasarkan ukuran bank yang diproksikan melalui aset bank dan berdasarkan jenis-jenis pinjaman. Dari hasil penelitian ini kita dapat mengidentifikasi kelompok bank berdasarkan ukuran dan jenis-jenis pinjaman yang memiliki pengaruh lebih besar atau kecil terhadap perubahan kebijakan moneter. Pada akhirnya, penelitian ini melihat eksistensi transmisi kebijakan moneter saluran pinjaman pada perekonomian Indonesa. Berdasarkan uraian di atas, maka permasalahan yang akan dianalisis dalam penelitian ini yaitu: 1. Apakah transmisi kebijakan moneter jalur pinjaman bank berfungsi di Indonesia? 2. Apakah various types of loans (jenis pinjaman) merespon secara berbeda terhadap perubahan kebijakan moneter? 3. Apakah various types of loans (jenis pinjaman) merespon secara berbeda terhadap perubahan karakteristik bank? Dari analisis tersebut maka akan diperoleh informasi empiris mengenai respon kelompok bank berdasarkan ukurannya terhadap jenis pinjaman yang disalurkan sebagai dampak kebijakan moneter yang diambil oleh bank sentral Indonesia.
Tujuan Penelitian Berdasarkan dengan permasalahan dan perumusan masalah diatas, maka tujuan yang hendak dicapai dalam penelitian ini yaitu: 1. Mengetahui berfungsi atau tidaknya trasmisi kebijakan moneter jalur pinjaman di Indonesia. 2. Mengetahui respon various types of loans (jenis pinjaman) oleh perbankan akibat perubahan kebijakan moneter di Indonesia. 3. Mengetahui respon various types of loans (jenis pinjaman) oleh perbankan akibat perubahan karakteristik bank.
Manfaat Penelitian Penelitian yang dilaksanakan ini diharapkan akan mampu memberikan manfaat antara lain: 1. Bagi bank sentral, dapat dijadikan referensi untuk menetapkan kebijakan moneter yang tepat untuk saluran pinjaman. 2. Bagai pebankan, sebagai bahan evaluasi dalam penyaluran pinjaman berdasarkan jenisnya dan yang paling sesuai dengan kebijakan moneter yang berlaku saat itu. 3. Bagi akademisi, sebagai bahan referensi untuk melakukan penelitian yang lebih mendalam terkait transmisi kebijakan moneter, saluran pinjaman dan perbankan.
6 Ruang Lingkup Penelitian Penelitian ini menggunakan data bulanan dari bulan Januari 2010 hingga Desember 2013. Data yang digunakan terlebih dahulu dihitung perubahannya. Variabel dependen diasumsikan dipengaruhi oleh variabel independen pada periode sebelumnya. Penelitian ini berfokus pada jenis-jenis pinjaman (total pinjaman, pinjaman UMKM, pinjaman Non-UMKM, dan pinjaman properti) dan ukuran bank (bank besar, sedang, dan kecil) seperti apa yang paling berpengaruh terhadap kebijakan moneter yang dilakuakan bank sentral di Indonesia. Pengolahan data yang digunakan dalam penelitian ini menggunakan Eviews 6 dan Microsoft Excel 2010.
TINJAUAN PUSTAKA Transmisi Kebijakan Moneter Tujuan akhir kebijakan moneter adalah menjaga dan memelihara kestabilan nilai rupiah terhadap harga barang jasa (komoditas) yang tercermin dari tingkat inflasi dan terhadap mata uang asing yang tercermin dari kurs. Kebijakan moneter merupakan kebijakan yang saling berkaitan dengan kebijakan lainnya (kebijakan fiskal, sektor rill dan sektor eksternal) dan ketergantungan antara variabel dalam perekonomian. Kebijakan moneter pada dasarnya menggambarkan bagaimana kebijakan moneter yang ditempuh bank sentral mempengaruhi berbagai aktivitas ekonomi dan keuangan sehingga pada akhirnya dapat mencapai tujuan akhir yang ditetapkan (Warjiyo,2004). Mekanisme transmisi kebijakan moneter menurut Pohan (2008) terjadi dalam dua langkah yaitu: 1. Interaksi antar bank sentral dengan perbankan dan lembaga keuangan lainnya dalam berbagai transaksi keuangan. Di satu sisi, bank sentral melakukan operasi moneter melalui transaksi keuangan dengan dunia perbankan. Di sisi lain, perbankan dan lembaga keuangan lainnya melakukan transaksi keuangan dalam portofolio investasinya, baik untuk kepentingan sendiri maupun kepentingan nasabahnya. Interaksi ini dapat terjadi, melalui pasar uang maupun valuta asing. 2. Interaksi yang berkaitan dengan fungsi intermediasi, yaitu interaksi antara perbankan dan lembaga keuangan lainnya dengan para pelaku ekonomi dalam sektor rill. Dalam hal ini perbankan memobilisasi dana masyarakat dalam bentuk simpanan dan menyalurkannya dalam bentuk pinjaman dan pembiayaan lainnya kepada masyarakat dan dunia usaha. Perbankan dapat mempengaruhi simpanan masyarakat, penyaluran pembiayaan (pinjaman) dan perkembagan pasar modal melalui pengaturan tingkat suku bunga. Mekanisme transmisi kebijakan moneter bermula ketika bank sentral mengubah instrumen kebijakan moneter yang dimilikinya. Perubahan pada instrumen kebijakan moneter ini akan mempengaruhi sasaran operasional, sasaran antara dan sasaran akhir. Sebagai contoh, ketika Bank Indonesia memutuskan
7 untuk mengambil kebijakan moneter yang kontraktif dengan menaikkan BI rate. Kenaikan BI rate ini akan mendorong kenaikan Suku Bunga Pasar Uang Antar Bank (rPUAB), suku bunga deposito, suku bunga pinjaman perbankan, harga aset, nilai tukar dan ekspektasi inflasi di masyarakat. Pengaruh kebijakan moneter ini akan berdampak pada perkembangan konsumsi, investasi, ekspor dan impor, sampai pertumbuhan ekonomi dan inflasi yang merupakan sasaran akhir dari kebijakan moneter. Sejak tahun 2005 Bank Indonesia menganut sebuah kerangka kerja yang disebut Inflation Targeting Framework (ITF) yang sebelumnya menetapkan uang primer (base money) sebagai sasaran moneter. Untuk mencapai tujuan itu Bank Indonesia menetapkan suku bunga kebijakan BI Rate sebagai instrumen kebijakan utama untuk mempengaruhi aktivitas kegiatan perekonomian dengan tujuan akhir pencapaian inflasi. Bank Indonesia menetapkan suku bunga acuan Bank Indonesia (BI rate) berdasarkan sasaran tingkat inflasi yang dituju, sebagai panduan bagi pasar. Dampak BI rate terasa dalam implementasi operasi moneter yang dilakukan BI melalui pengelolaan likuiditas di pasar . Sumber: Bank Indonesia, 2013
Gambar 3 Mekanisme transmisi kebijakan moneter Namun jalur atau transmisi dari keputusan BI rate sampai dengan pencapaian sasaran inflasi tersebut sangat kompleks dan memerlukan waktu (time lag). Menurut Bank Indonesia, terdapat lima saluran transmis kebijakan moneter di Negara Indonesia yaitu saluran nilai tukar, saluran pinjaman, saluran harga aset, saluran ekspektasi dan saluran suku bunga.
8 Menurut Bernarke dan Gertler (1995) mekanisme transmisi kebijakan moneter yang kompleks sering disebut dengan “black box”. Hal itu karena transmisi kebijakan moneter dipengaruhi oleh tiga faktor, yaitu: (i) perubahan perilaku bank sentral, perbankan dan para pelaku ekonomi dalam berbagai aktivitas ekonomi dan keuangan; (ii) lamanya tenggat waktu (time lag) sejak tindakan otoritas moneter sampai sasaran akhir tercapai; dan (iii) terjadinya perubahan pada saluran-saluran transmisi moneter itu sendiri sesuai dengan perkembangan ekonomi dan keuangan di negara yang berdangkutan.
Mekanisme Transmisi Kebijakan Moneter Saluran Pinjaman Bank Mekanisme transmisi melalui saluran pinjaman menekankan bahwa pengaruh kebijakan moneter terhadap output dan harga terjadi melalui pinjaman perbankan. Menurut Warjiyo (2004) transmisi dapat dibedakan menjadi dua jalur, yaitu: pertama, bank lending chnnel (Gambar 4) yang menekankan pengaruh kebijakan moneter pada pinjaman karena kondisi keuangan bank, khususnya sisi aset dan kedua , firm balance sheet channel yang menekankan pengaruh kebijakan moneter pada kondisi keuangan perusahaan seperti cash flow (arus kas) dan leverage (rasio utang terhadap modal) selanjutnya akan mempengaruhi akses perusahaan untuk mendapatkan pinjaman. Penelitian yang dilakukan saat ini hanya melihat saluran pinjaman melalui jalur bank lending channel. Cara kerja transmisi melalui saluran pinjaman ini dengan memanfaatkan media pasar utang atau pinjaman. Pohan (2008) menegaskan bahwa pendekatan mekanisme transmisi kebijakan moneter melalui saluran pinjaman didasarkan pada asumsi bahwa tidak semua simpanan masyarakat dalam bentuk uang disalurkan oleh perbankan ke masyarakat dalam bentuk pinjaman. Dengan kata lain, fungsi intermediasi perbankan tidak selalu berjalan sempurna, dalam arti bahwa kenaikan simpanan masyarakat tidak selalu diiukuti dengan kenaikan secara proposional pinjaman yang disalurkan ke masyarakat, hal ini karena bank cenderung melakukan seleksi pinjaman karena adanya informasi yang asimetris atau sebab lain. Yang lebih berpengaruh terhadap ekonomi rill adalah pinjaman perbankan, bukan simpanan masyarakat. Kebijakan Moneter Jumlah Uang Beredar
Liabilitas Bank
Ketersediaan Pinjaman Bank
Realisasi Pinjaman Sumber: Warjiyo, 2004
Gambar 4 Mekanisme transmisi moneter saluran pinjaman
Interaksi antara bank sentral dengan perbankan dan pelaku ekonomi yaitu: Tahap awal, interaksi antara bank sentral dengan perbankan terjadi di pasar
9 domestik. Interaksi ini terjadi ketika bank sentral ingin melakukan operasi moneter sesuai sasaran operasional yang ingin dicapai (uang primer atau suku bunga jangka pendek) dan bersamaan dengan itu bank-bank melakukan transaksi di pasar uang untuk pengelolaan likuiditasnya. Hal ini tentunya akan mempengaruhi perkembangan suku bunga jangka pendek di pasar uang dan besarnya dana yang dialokasikan bank-bank dalam bentuk instrumen likuiditas dan pemberian pinjaman kepada masyarakat. Tahap selanjutnya adalah transmisi kebijakan moneter dari perbankan ke sektor rill melalui pemberian pinjaman. Pemberian pinjaman ini selanjutnya akan mempengaruhi sektor rill, seperti kegiatan konsumsi, investasi dan produksi, serta pada akhirnya mempengaruhi harga barang dan jasa. Menurut saluran pinjaman bank, selain sisi aset, sisi liabilitas bank juga merupakan komponen penting dalam mekanisme transmisi kebijakan moneter. Apabila otoritas moneter melaksanakan kebijakan moneter ekspansif, misalnya melalui penurunan rasio giro wajib minimum di bank sentral, cadangan yang ada di bank akan mengalami peningkatan sehingga loanable fund (dana yang dapat dipinjamkan) oleh bank akan mengalami peningkatan. Apabila hal tersebut tidak diatasi dengan melakukan pengurangan dana atau penambahan surat-surat berharga, maka kemampuan bank untuk memberikan pinjaman akan meningkat tajam. Kondisi ini dapat menyebabkan inflasi dan perekonomian over heating.
Keseimbangan Pasar Pinjaman Keseimbangan pasar pinjaman menggambarkan antara suku bunga pinjaman dengan kuantitas pinjaman. Sumbu X menggambarkan kuantitas pinjaman, sementara sumbu Y menggambarkan suku bunga pinjaman. Permintaan dan penawaran pinjaman dipengaruhi oleh berbagai macam faktor. X
S
E X0
D Y Y0 Gambar 5 Kurva keseimbangan pasar pinjaman
10 Apabila jumlah permintaan pinjaman sama dengan jumlah penawaran pinjaman maka akan terjadi keseimbangan. Keseimbangan tersebut dapat dilihat pada Gambar 5, dimana keseimbangan pasar pinjaman pada gambar tersebut ditunjukkan oleh titik E. Hulsewig et al. (2002) membangun model keseimbangan pasar pinjaman kedalam model mereka. Dalam model Hulsewig et al. penawaran pinjaman bank merupakan fungsi dari suku bunga pinjaman, suku bunga obligasi bank sentral dan modal bank. Dengan demikian penawaran pinjaman dapat dituliskan sebagai berikut: LOANSS = a1 RL- a2 RM +a3 EQUITY di mana: RL RM EQUITY
: suku bunga pinjaman : suku bunga obligasi bank sentral : modal bank
Permintaan pinjaman merupakan fungsi dari output rill dan suku bunga pinjaman, karenanya persamaan permintaan pinjaman dituliskan sebagai berikut: LOANSD = b1 GDPR- b2 RL di mana: GDPR : output rill RL : suku bunga pinjaman Hulsewig et al. Menemukan adanya eksistensi transmisi kebijakan moneter saluran pinjaman di Jerman. Hal ini menjelaskan bahwa untuk mencapai keseimbangan pasar pinjaman dipengaruhi oleh sisi permintaan (demand side) dan sisi penawaran (supply side). Perubahan yang terjadi pada kebijakan moneter cenderung lebih mempengaruhi sisi penawaran pada keseimbangan pasar pinjaman.
Penelitian Terdahulu Kashyap dan Stein (2000) dalam upaya memberikan pengetahuan baru tentang mekanisme transmisi kebijakan moneter melakukan penelitian menggunakan data panel dengan pengamatan kuartalan setiap bank komersial di Amerika Serikat selama periode 1976-1993. Temuan utama penelitian ini adalah dampak kebijakan moneter pada pinjaman yang diberikan bank lebih kuat untuk bank-bank yang lemah dalam aset cair, seperti rasio surat berhaga terhadap total aset. Penelitian ini menegaskan eksistensi saluran pinjaman pada transmisi kebijakan moneter di Amerika Serikat. Kishan dan Opiela (2000) membuktikan penelitiannya mengenai adanya bank lending channel dalam mekanisme transmisi kebijakan moneter pada tahun 1980-1995 di Amerika Serikat. Estimasi yang dilakukan dengan membedakan bank berdasarkan ukuran aset dan modal bank. Hasil penelitian menunjukkan
11 bahwa pinjaman dari bank yang bermodal kecil merupakan kelompok yang paling responsif terhadap kebijakan moneter. Hasil ini juga membuktikan hipotesis bahwa bank dengan modal yang lebih kecil tidak dapat meningkatkan dana alternatif untuk meneruskan pembiayaan terhadap pinjaman selama kebijakan kontraktif. Altunbas et al. (2002) turut mendukung penelitian yang dilakukan oleh Kishan dan Opiela (2000). Penelitian ini menggunakan neraca bank untuk memperlihatkan respon dari pinjaman bank terhadap perubahan kebijakan moneter dalam kurun waktu 1991 hingga 1999. Secara khusus, penelitian ini mengklasifikasikan bank berdasarkan ukuran aset dan kekuatan modal untuk melihat apakah faktor-faktor ini memiliki dampak signifikan pada saluran pinjaman. Penelitian ini menemukan bahwa bank dengan ukuran kecil pada Europe Monetary Union (EMU) merespon lebih terhadap perubahan kebijakan moneter. Ada sedikit bukti yang menunjukkan bank-bank dengan modal kecil memiliki saluran pinjaman bank. Tampaknya bahwa saluran pinjaman bank lebih menonjol untuk bank-bank berukuran kecil yang beroprasi di negara-negara EMU. Penelitian Kakes dan Sturm (2002) menganalisis dampak guncangan moneter terhadap bank lending di Jerman menggunakan Vector Error Correction Model (VECM) dengan variabel simpanan berjangka, jumlah pinjaman dan jumlah surat berharga. Penelitian ini menggunakan lintas sektoral dengan melihat enam kelompok bank (big banks, landes banks, regional institutions, private banks, savings banks dan credit coporatives) berdasarkan aset. Penelitian ini menemukan bahwa respon pinjaman bank terhadap kebijakan moneter konstraksi mengalami perbedaan berdasarkan ukuran-ukuran bank. Pinjaman yang diberikan bank-bank kecil mengalami penurunan paling responsif dibandingkan dengan bank besar yang mampu melindungi portofolio pinjaman mereka dari guncangan moneter. Sehingga hasil ini mendukung keberadaan saluran pinjaman di Jerman. Suzuki (2004) melakukan penelitian tentang Lending Channel di Australian menggunakan Vector Auto Regression (VAR). Dalam penelitian ini menggunakan data kuartalan dari kuartal ke empat 1986 hingga kuartal ke dua 1998. Penelitian ini adalah satu-satunya studi saluran pinjaman di Australia dan Suzuki berpendapat bahwa kontraksi pinjaman sebagian besar disebabkan oleh perubahan dalam permintaan, sehingga transmisi kebijakan moneter saluran pinjaman tidak dominan di Australia. Wu et al. (2007) menguji secara empiris keberadaan saluran pinjaman pada transmisi kebijakan moneter di negara berkembang dengan membandingkan respon bank domestik dan bank asing terhadap perubahan kebijakan moneter. Penelitian yang dilakukan ini mempelajari perilaku 1200 bank di negara berkembang dari Eropa Timur, Eropa tengah, Amerika Latin dan Asia selama periode 1996-2003. Hasil penelitian ini menemukan eksistensi saluran pinjaman pada transmisi kebijakan moneter di negara setempat. Bank asing dan bank domestik merespon secara berbeda perubahan kebijakan moneter tersebut, dimana bank asing kurang responsif terhadap perubahan kebijakan moneter. Bhaumik et al. (2011) melakukan penelitian dengan menggunakan data level bank di India. Penelitian ini menguji dampak kebijakan moneter pada pinjaman bank dengan adanya perbedaan kepemilikan dalam rezim kebijakan moneter ekspansif dan kontraktif serta menguji dampak kebijakan moneter terhadap penyaluran pinjaman jangka menengah dan jagka pendek. Hasil
12 penelitian menunjukkan bahwa terdapat perbedaan pada reaksi bank dengan kepemilikan yang berbeda terhadap inisiatif kebijakan moneter. Bank lending channel dari transmisi kebijakan moneter lebih efektif dalam periode kontraksi moneter serta terdapat perbedaan dampak perubahan kebijakan moneter pada pinjaman jangka menengah dan jangka pendek. Hal yang membedakan penelitian mengenai transmisi kebijakan moneter terhadap saluran pinjaman bank di Indonesia dengan penelitian sebelumnya seperti yang dijelaskan diatas adalah bahwa penelitian kali ini menggunakan total aset sebagai landadan untuk pengklasifikasian ukuran bank. Bank besar memiliki aset diatas Rp 50 triliun dan bank sedang memiliki aset antara Rp 10 triliun sampai Rp 50 triliun serta bank kecil memiliki aset antara Rp 100 miliar sampai Rp 10 triliun. Penelitian ini juga melihat pengaruh perubahan kebijakan moneter berdasarkan jenis-jenis pinjaman (total pinjaman, pinjaman UMKM, pinjaman Non-UMKM, dan pinjaman properti) yang diberikan oleh bank-bank konvensional di Indonesia. Selain itu, peneliti juga menambahkan Indeks Kepercayaan Masyarakat (Confidence Index) untuk menilai kesehatan perekonomian secara keseluruhan berdasarkan prespektif masyarakat.
Hipotesis Penalitian Berdasarkan teori dan hasil penelitian terdahulu, maka dapat diberikan hipotesis (dugaan sementara) dari permasalahan yang diangkat dalam penelitian ini. Adapun hipotesis yang dimaksud adalah sebagai berikut: H1: Perubahan BI rate berpengaruh negatif signifikan terhadap pinjaman. H2: Perubahan deposito berpengaruh positif signifikan terhadap pinjaman. H3: Perubahan sekuritas berpengaruh negatif signifikan terhadap pinjaman. H4: Perubahan likuiditas berpengaruh positif signifikan terhadap pinjaman. H5: Perubahan confidence berpengaruh positif signifikan terhadap pinjaman. H6: Perubahan aset berpengaruh positif signifikan terhadap pinjaman.
Kerangka Pemikiran Mekanisme transmisi kebijakan moneter dapat didefinisikan sebagai jalur yang dilalui oleh sebuah kebijakan moneter untuk mempengaruhi kondisi perekonomian rill sebagai sasaran akhir. Konsep dasar mekanisme transmisi kebijakan moneter dimulai dari instrumen kebijakan mempengaruhi sasaran operasional, sasaran antara hingga sasaran akhir. Pada kebijakan moneter terjadi interaksi antara bank sentral, perbankan dan lembaga keuangan lainnya, serta pelaku ekonomi rill. Sehingga, bank memainkan peran penting dalam transmisi kebijakan moneter ke ekonomi rill dengan menjalankan fungsi intermediasi. Struktur perbedaan ukuran bank yang dapat dilihat berdasarkan total asetnya baik bank besar, bank sedang dan bank kecil, perlu dilihat lebih jauh pengaruhnya terhadap kinerja bank lending channel. Adanya perbedaan ukuran bank dapat membuat perbedaan kemampuan bank dalam menyalurkan pinjaman kepada pihak ketiga.
13 Penelitian ini difokuskan untuk mengetahui dampak perubahan kebijakan moneter pada jalur pinjaman oleh bank dengan ukuran bank yang berbeda. Selain itu, penelitian ini juga melihat pengaruh perubahan kebijakan moneter terhadap jenis pinjaman berbeda yang dibelikan oleh bank. Jenis-jenis pinjaman dalam penelitian ini terbagi atas empat, yaitu: total pinjaman, pinjaman kepada UMKM, pinjaman kepada Non-UMKM, dan pinjaman properti. Disamping itu, penelitian ini juga bertujuan untuk mengetahui pengaruh balance sheet bank seperti simpatan berjangka, surat berharga, total aset dan likuiditas yang dimiliki bank terhadap jumlah pinjaman yang disalurkan bank. Selain itu penelitian ini menggunakan Indeks Kepercayaan Masyarakat (confidence Index) untuk menilai kesehatan perekonomian secara keseluruhan (Widyatmiko, 2011).
14 Bank Sentral
Instrumen Moneter (BI rate)
Operating Target
Harga Aset
Suku Bunga
Pinjaman
Nilai Tukar
Ekspektasi
Bank Lending Channel
1. Perbedaan Ukuran a. Bank Besar b. Bank Sedang c. Bank Kecil 2. Jenis Pinjaman a. UMKM b. Non-UMKM c. Properti
1. Karakteristik Bank a. Deposito b. Sekuritas c. Aset d. Likuiditas 2. Confidence Index
Pengolahan Data Panel
1. Dampak kebijakan moneter pada jalur yang disalurkan bank berdasarkan ukuran bank dan jenis pinjaman. 2. Pengaruh karakteristik bank dan confidence index terhadap pinjaman yang disalurkan bank.
Implikasi Kebijakan
Gambar 6 Kerangka pemikiran
15
METODE Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data deret waktu (time series) dan antar individu (cross section). Data time series meliputi data bulanan dari Januari 2010 sampai dengan Desember 2013, sedangkan data cross section meliputi 88 bank umum konvensional yang terdapat di Indonesia yang dikelompokkan menjadi tiga kategori berdasarkan ukuran aset individu bank. Bank besar memiliki aset diatas Rp 50 triliun yang terdiri dari 19 Bank dan bank sedang memiliki aset antara Rp 10 triliun sampai Rp 50 triliun yang terdiri dari 24 bank serta bank kecil memiliki aset antara Rp 100 miliar sampai Rp 10 triliun terdiri dari 49 bank (Bank Indonesia,2010). Data diperoleh melalui Laporan Keuangan Publikasi Bank yang diterbitkan oleh Bank Indonesia dalam Direktori Perbankan Indonesia dan Danareksa Research Institute (DRI). Dalam melakukan penelitian ini, penulis juga melakukan studi pustaka dengan membaca jurnal, artikel dan berbagai literatur lainnya yang relevan dengan penelitian ini. Rincian data yang digunakan ditunjukkan oleh Tabel 2 berikut: Tabel 2 Variabel dan sumber data No 1
Jenis Variabel Pinjaman
Proksi yang digunakan a) b) c) d)
Total Pinjaman Pinjaman UMKM Pinjaman Non-UMKM Pinjaman Properti
BI Rate
Sumber Data
LKPB-BI
2
Suku Bunga Kebijakan
SEKI-BI
3
Confidence Index
DRI
4
Total Deposito
LKPB-BI
5
Total Sekuritas
LKPB-BI
6
Likuiditas
LKPB-BI
7
Total Aset
LKPB-BI
Metode Pengolahan Data Pengolahan data sekunder untuk variabel loans (total pinjaman, pinjaman UMKM, pinjaman Non-UMKM, dan pinjaman properti), suku bunga kebijakan (BI rate), confidence index, deposito, sekuritas, aset dan likuiditas untuk mengetahui pengaruh perubahan kebijakan moneter yang diproksikan oleh BI rate terhadap jumlah pinjaman yang disalurkan dengan melihat perbedaan ukuran bank dan jenis pinjaman menggunakan metode panel data. Proses menganalisis data
16 dilakukan oleh peneliti dengan menggunakan bantuan software Microsoft exel 2007 dan Eviews 6.
Metode Analisis Data Pada penelitian ini metode analisis data yang digunakan adalah metode kuantitatif yang diolah menggunakan program Microsoft Exel 2007 dan Eviews 6 dan metode deskriptif dalam bentuk narasi. Penelitian ini menggunakan panel data (pooled data). Menurut Juanda (2012) penggabungan data time series dengan cross section disebut dengan model regresi data panel. Penggunaan model ini memungkinkan peneliti untuk menangkap karakteristik antar individu dan antar waktu. Model ini digunakan apabila observasi dari cross section atau time series tidak cukup untuk dilakukan analisis. Dengan demikian akan diperoleh gambaran tentang perilaku beberapa objek tersebut selama beberapa periode waktu. Nama lain dari data panel diantaranya adalah longitudinal data, event history analysis atau cohort analysis. Baltagi dalam Juanda (2012) menyebutkan bahwa model regresi data panel memiliki beberapa keuntungan dibandingkan dengan data time series dan data cross section, antara lain: a. Karena data panel berhubungan dengan beberapa individu dari waktu ke waktu, secara otomatis dapat membuatnya memiliki unobserved heterogenity pada unit individu. Metode regresi data panel mampu mengambil unobserved heterogenity secara eksplisit dan memasukkannya kedalam perhitungan dengan membiarkannya untuk peubah spesifik individu. b. Dengan mengkombinasikan data deret waktu dan data cross section, data panel memberikan data yang lebih informatif, lebih bervariasi, mengurangi kolinearitas atar peubah, memperbesar derajat kebebadan dan lebih efisien. c. Dapat mendeteksi dan mengukur efek suatu peubah pada peubah lainnya dengan lebih baik daripada hanya menggunakan data deret waktu atau cross section saja d. Dengan menggunakan cross section yang berulang-ulang dari tahun ketahun, maka dapat dipelajari suatu bentuk perubahan yang dinamis. e. Data panel dapat digunakan untuk mempelajari model perilaku (behavioral model) yang lebih kompleks. f. Dapat mengurangi bias yang mungkin terjadi bila peneliti mengaggregasi individu-individu ke dalam agregasi yang luas. Greene (2005) menambahkan kelebihan analisis regresi data panel yang fundamental yaitu adanya fleksibilitas yang dimiliki oleh peneliti dalam memodelkan perbedaan perilaku antar individu-individu. Pada model regresi klasik, gangguan (errorterms) selalu dinyatakan homoskedastik dan serial uncorrelated. Hal ini berimplikasi pada penggunaaan metode OLS yang menghasilkan estimator bersifat Best Linier Unbiased Estimator (BLUE). Sedangkan dalam metode regresi data panel yang menggabungkan data beberapa individu dalam beberapa periode, asumsi model regresi klasik tersebut tidak dapat diterapkan. Hal ini disebebkan oleh dalam regresi data panel terdapat tiga jenis gangguan, yaitu: gangguan antar waktu, gangguan antar individu dan gangguan gabungan antar waktu dan individu.
17
Model Estimasi Regresi Data Panel Data panel adalah suatu set observasi yang terdiri dari beberapa individu pada suatu periode tertentu. Observasi tersebut merupakan padangan yit (variabel dependen) dengan xit (variabel independen) dimana i menunjukkan individu, t menunjukkan waktu, dan j menunjukkan variabel bebas. Sehingga model umum regresi data panel dapat dituliskan sebagai berikut: Yit = αi + βj Xj it +
it
Terdapat tiga pendekatan yang digunakan dalam perhitungan model regresi data panel, yaitu: Pooled Least Square Model Pendekatan PLS menggunakan metode OLS biasa dan merupakan metode paling sederhana pada regresi model panel. Dalam estimasinya diasumsikan bahwa setiap unit individu memiliki intersep dan slope yang konstan antar time series dan cross section, sehingga regresi panel yang dihasilkan akan berlaku sama untuk semua individu. Persamaan PLS dapat dituliskan sebagai berikut: Yit = αi + βj Xj it +
it
Dimana: Yit = nilai variabel dependen untuk setiap unit cross section pada periode waktu ke-t, j X it = nilai variabel independen ke-j untuk setiap unit cross section pada periode waktu ke-t, α = intercept yang konstan antar waktu dan antar cross section, βj = slope untuk variabel independen ke-j yang konstan antar waktu dan cross section, = komponen error untuk setiap unit cross section ke-i pada periode waktu it ke-t Pendekatan ini memiliki kelemahan yaitu dugaan parameter β akan bias. Hal ini terjadi karena PLS tidak dapat membedakan observasi yang berbeda pada waktu yang sama, atau tidak dapat membedakan observasi yang sama pada waktu yang berbeda. Fix Effect Model Pada fix effect model, intersep pada regresi dapat dibedakan antar individu karena setiap individu dianggap mempunyai karakteristik tersendiri. Untuk itu, dalam membedakan intersepnya dapat menggunakan variabel dummy yang mewakili masing-masing individu. Sehingga model ini dikenal juga dengan model Least Square Dummy Variabel (LSDV). Persamaan pada estimasi menggunakan FEM dapat dituliskan dalam bentuk sebagai berikut:
18 Yit = ∑ αi Di + βj Xj it +
it
Dimana: Yit = nilai variabel dependen untuk setiap unit cross section pada periode waktu ke-t, j X it = nilai variabel independen ke-j untuk setiap unit cross section pada periode waktu ke-t, α = intercept yang berubah-ubah antar waktu dan antar cross section, βj = slope untuk variabel independen ke-j yang konstan antar waktu dan cross section, D = peubah dummy = komponen error untuk setiap unit cross section ke-i pada periode waktu it ke-t Keputusan untuk memasukkan variabel dummy harus didasarkan pada perimbangan statistik. Penambahan variabel dummy dapat menimbulkan cumber sum, karena terdapat banyak dummy akan mengurangi derajat kebebadan, sehingga berefek pada kurang efisiennya penduga parameter model. Kelebihan pendekatan model ini adalah dapat menghasilkan dugaan parameter β yang tidak bias dan efisien. Random Effect Model Metode REM, konstanta (α0) tidak lagi diaggap konstan, namun dianggap sebagai peubah random. Pada metode ini, parameter yang berbeda antar unit cross section maupun antar time series dimasukkan kedalam komponen error. Persamaan pada estimasi menggunakan REM dapat dituliskan sebagai berikut: Yit = αi + βj Xj it + it =
it
uit + vit = wit
uit ~ N (0, u2) vit ~ N (0, v2) wit ~ N (0, w2)
= komponen cross section error = komponen time series error = komponen error kombinasi
Pengujian Model Data Panel Statis Pengujian model dilakukan dengan pengujian terhadap parameter yang diestimasi. Untuk menentukan model terbaik pada model data panel dilakukan dengan Uji Chow dan Uji Hausman. Sedangkan untuk mengukur validitas dari suatu persamaan dilakukan uji statistik yang meliputi uji koefisien determinasi (R2), Uji F dan Uji t. Chow Test Chow test dilakukan untuk memilih apakah model yang akan digunakan adalah Pooled Least Square Model atau Fix Effect Model. Untuk menguji apakah
19 intersep signifikan atau tidak dapat menggunakan F-test dengan hipotesis sebagai berikut: H0: Pooled Least Square Model H1: Fix Effect Model Dasar penolakan terhadap hipotesis nol (H0) tersebut adalah dengan menggunakan F-stat seperti dirumuskan oleh Chow: Chow test =
~ Fa (N-1,NT-N-K)
dimana: RRSS = Restricted Residual Sum Square (Sum Square Residual PLS) URSS = Unrestricted Residual Sum Square (Sum Square Residual PLS) N = jumlah data cross section T = jumlah data time series K = jumlah variabel independen Jika output Eviews menunjukkan F-stat (Chow Statistic) maupun chisquare signifikan (p-value lebih kecil dari taraf nyata 1%, 5 % dan/atau 10%), maka cukup bukti untuk melakukan penolakan H0. Sehingga model yang digunakan adalah Fix Effect Model, begitu juga sebaliknya. Hausman Test Uji Hausman digunakan untuk memilih model yang akan digunakan adalah Random Effect Model atau Fix Effect Model. Dalam uji ini dirumuskan hipotesis sebagai berikut: H0: Random Effect Model H1: Fix Effect Model Sebagai dasar penolakan H0 maka digunakan statistik Hausman dan membandingkannya dengan Chi square. Statistik Hausman dapat dirumuskan dengan: H = (β REM –β FEM) ’ (M FEM - M REM) -1 (β REM – β FEM) ~X2 (k) dimana M adalah matriks kovaritas untuk parameter β dan k adalah derajat bebas yang merupakan jumlah variabel independen. Jika output Eviews menunjukkan Fstat maupun chi-square signifikan (p-value lebih kecil dari taraf nyata 1%, 5 % dan/atau 10%), maka cukup bukti untuk melakukan penolakan H0. Sehingga model yang digunakan adalah Fix Effect Model, begitu juga sebaliknya.
Metode Evaluasi Model Pada penelitian ini, peneliti melakukan evaluasi dari hasil estimasi pengolahan data menggunakan metode analisis panel. Hasil estimasi tersebut
20 dievaluasi berdasarkan tiga kriteria yaitu, kriteria statistik, kriteria ekonometrika, dan kriteria ekonomi. Kriteria Statistik Evaluasi model berdasarkan kriteria statistik dilakukan dengan beberapa pengujian, yaitu: a. Koefisien Determinasi (R2) Koefisien determinasi adalah suatu angka yang mengukur keragaman pada variabel dependen yang dapat diterangkan oleh variabel independen pada model regresi. Nilai ini berkisar antara nol sampai satu (0< R2<1). Nilai yang semakin mendekati satu menunjukkan model yang terbentuk semakin baik dan mampu menjelaskan keragaman variabel dependen. Misal saja R2 sebesar 0,96 maka sebesar 96 persen keragaman variabel independen mampu menjelaskan keragaman variabel dependen. b. Uji F-statistik Uji F-Statistik digunakan untuk mengetahui apakah variabel-variabel independen yang digunakan dalam penelitian ini secara bersama-sama signifikan mempengaruhi variabel dependen. Perumusan hipotesis pada uji FStatistik adalah sebagai berikut: H0 : β1 = β2 = β3 = βk = 0 H1 : minimal ada satu β tidak sama dengan nol Pengujian ini dapat dilihat dari probabilitas F-statistiknya. Jika (p-value) menunjukkan besaran yang lebih kecil dari taraf nyata maka sudah cukup bukti untuk menolak H0. Jika tolak H0 berarti minimal ada satu parameter dugaan yang tidak sama dengan nol (terdapat paling sedikit satu variabel independen yang berpengaruh terhadap variabel dependen). c. Uji t-statistik Uji t-statistik ini digunakan untuk mengetahui apakah variabel independen secara parsial (masing-masing) berpengaruh signifikan atau tidak terhadap variabel dependen. Hipotesis yang digunakan adalah sebagai berikut: H0 : βk = 0 H1 : βk ≠ 0 Pengujian parsial ini dapat dilihat dari probabilitas t-statistiknya. Apabila (p-value) lebih kecil dari taraf nyata maka dapat ditarik kesimpulan tolak H0. Jika tolak H0 berarti variabel independen yang diuji dalam model berpengaruh signifikan terhadap variabel dependen. Kriteria Ekonometrika Juanda (2009) menegaskan bahwa model estimasi regresi linier yang ideal, optimal dan efisien harus menghasilkan estimator yang memenuhi kriteria Best Linear Unbiased Estimator (BLUE). Kriteria tersebut antara lain: a. Estimator linier artinya adalah estimator yang merupakan fungsi linier atas sebuah variabel dependen yang stokastik. b. Estimator yang dihasilkan tidak bias, artinya nilai yang diestimasi sesuai dengan nilai yang sebenarnya. c. Estimator harus mempunyai varians yang minimum sehingga menghasilakan estimator yang efisien.
21 Terdapat beberapa pelanggaran yang dapat menyebabkan sebuah estimator tidak memenuhi asumsi kriteria BLUE antara lain sebagai berikut: 1. Normalitas Pengujian asumsi normalitas dapat dilakukan dengan Jarque Bera Test atau dengan melihat plot dari sisaan. Pengujian asumsi ini dilakukan untuk melihat apakah error term mengikuti distribusi normal atau tidak. Hipotesis dalam pengujian asumsi normalitas yaitu: H0 : Residual terdistribusi normal H1 : Residual tidak terdistribusi normal. Dasar penolakan H0 dilakukan dengan membandingkan nilai probabilitas Jarque Bera Test dengan taraf nyata α, jika lebih besar menandakan tidak cukup bukti untuk menolak H0 sehingga residual terdistribusi normal. 2. Multikolinearitas Multikolinearitas muncul jika ada dua atau lebih variabel (atau kombinasi variabel) independen berkorelasi tinggi antara variabel yang satu dengan yang lainnya (Juanda,2009). Secara sederhana multikolinearitas dapat dideteksi dengan melihat nilai R-squared yang tinggi tetapi sedikit rasio yang signifikan. Cara mengatasi masalah multikol antara lain dilakukan dengan menambah jumlah data atau mengurangi jumlah data observasinya, menambah atau mengurangi jumlah variabel independennya yang memiliki hubungan linier dengan variabel lainnya, mengkombinasikan data time series dan cross section, mengganti data, dan mentransformasi variabel. 3. Heteroskedastisitas Salah satu asumsi dari model regresi linier bahwa ragam sisaan ( t) sama atau homogen yang disebut asumsi homoskedastisitas (Juanda,2009). Jika ragam sisaan tidak sama maka dapat dikatakan terdapat masalah heteroskedastisitas. Gujarati (2003) menyatakan heteroskedastisitas memiliki beberapa konsekuensi, diantaranya yaitu: a. Estimator OLS masih linier dan masih tidak bias, tetapi varians tidak minimum sehingga hanya memenuhi karakteristik Linier Unbiased Estimator (LUE). b. Perhitungan standar error tidak lagi dapat dipercaya kebenarannya karena varians tidak minimum sehingga dapat menghasilkan estimasi regresi yang tidak efisien. c. Uji hipotesis yang didasarkan pada uji F-statistik dan t-statistik tidak dipercaya. Cara mendeteksi adanya pelanggaran asumsi ini dalam panel dengan membandingkan Sum Squared Residual pada Weighted Statistics dengan Sum Squared Residual pada Unweighted Statistics. Jika Sum Squared Residual pada Weighted Statistics nilainya lebih kecil dari Sum Squared Residual pada Unweighted Statistics, maka ada kemungkinan terjadi heteroskedastisitas. Salah satu cara untuk mengatasi masalah ini adalah dengan menggunakan metode Generalized Least Square (GLS) (Juanda,2009). 4. Autokorelasi Dalam Juanda (2009), salah satu asumsi dari model regresi linier adalah bahwa tidak ada korelasi serial antar sisaan ( t). Jika antar sisaan tidak bebas maka terdapat masalah autokorelasi. Masalah autokorelasi ini akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias konsisten.
22 Autokorelasi menyebabkan estimasi standar error dan varian koefisien regresi yang diperoleh akan underestimate, sehingga R2 akan besar tetapi diuji tstatistik dan uji F-statistik menjadi tidak valid. Uji digunakan untuk untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson. Pengujian ini dilakukan dengan cara membandingkan DW statistik dan DW tabel. Hipoteis pengujian yang digunakan adalah sebagai berikut: H0 : Tidak terdapat autokorelasi H1 : Terdapat autokorelasi Kerangka identifikasi autokorelasi adalah sebagai berikut: 0 < DW < DL : tolak H0, ada autokorelasi positif DL < DW < DU : daerah ragu-ragu, coba uji lain DU < DW < DU-4 : terima H0, tidak ada autokorelasi DU-4 < DW < 4- DL: daerah ragu-ragu, coba uji lain 4- DL < DW < 4 : tolak H0, ada autokorelasi negatif Masalah autokorelasi dapat diatasi dengan penambahan lag (1) variabel dependen, sehingga hasil estimasi efisien (Anggraini, 2013). Kriteria Ekonomi Evaluasi model estimasi pada model regresi panel dilakukan dengan membandingkan kesesuaian tanda dan nilai estimator denga teori ekonomi atau fakta yang terjadi serta kesesuaian dengan logika.
Definisi Operasional dan Perumusan Model Penelitian yang dilakukan oleh peneliti menggunakan variabel dependen yaitu jenis-jenis pinjaman yang disalurkan oleh bank (loans). Jenis-jenis pinjaman tersebut yaitu total pinjaman, pinjaman UMKM, pinjaman Non-UMKM, pinjaman, dan pinjaman properti. Sedangkan variabel independen terdiri dari perubahan suku bunga official (BI rate) pada t, lag t-1 dan t-3, perubahan total deposit, perubahan total securities, perubahan likuiditas, perubahan total aset perubahan confidence index yang di proyeksikan oleh Indeks Kepercayaan Konsumen. Adapun definisi operasional dari variabel independen adalah sebagai berikut: a. Perubahan Suku Bunga Suku bunga yang digunakan dalam penelitian ini adalah suku bunga official (BI rate). Pada penelitian ini perubahan instrumen kebijakan moneter merupakan perubahan BI rate pada periode ke t, periode ke t-1 dan periode t-3. Penelitian ini memungkinkan untuk memasukkan periode ke t-2 dan ke t-4, tetapi hal tersebut perpotensial terdapat masalah mutlikolinearitas dan hal tesebut tidak dapat meningkatkan signifikansi dari model. b. Perubahan Total Deposit Total deposit merupakan simpanan berjangka pihak ketiga kepada bankbank yang penarikannya dapat dilakukan setelah jangka waktu tertentu sesuai dengan perjanjian antara nasabah penyimpan dengan bank. Total deposit diubah ke dalam bentuk ln. Dengan demikian perubahan total deposit bank
23 merupakan selisih dari ln total deposit bank pada periode t dikurangi ln total deposit bank pada periode t-1. c. Perubahan Total Sekuritas Sekuritas merupakan investasi bank dalam bentuk surat berharga kepada pihak-pihak yang menerbitkan securities. Total securities diubah ke dalam bentuk ln. Dengan demikian perubahan total securities bank merupakan selisih dari ln total securities bank pada periode t dikurangi ln total securities bank pada periode t-1. d. Perubahan Likuiditas Likuiditas adalah kemampuan bank untuk memenuhi kewajibankewajibannya pada periode tertentu. Likuiditas pada penelitian ini diukur dengan melihat rasio total aset likuid bank terhadap total aset bank. Aset likuid dalam penelitian ini memasukkan jumlah kas, penempatan pada Bank Indonesia, penempatan pada bank lain, dan surat-surat berharga. Sehingga perubahan likuiditas bank merupakan selisih dari likuiditas bank pada periode t dikurangi likuiditas bank pada periode t-1. e. Perubahan Confidence Index Confidence index merupakan indeks yang digunakan sebagai indikator untuk melihat kesehatan perekonomian secara keseluruhan. Di Indonesia confidence index dikenal sebagai Indeks Kepercayaan Konsumen (IKK) yang diterbitkan oleh Danareksa Research Intitute. Data confidence index terlebih dahulu diubah dalam bentuk ln. Sehingga perubahan confidence index bank merupakan selisih dari confidence index bank pada periode t dikurangi confidence index bank pada periode t-1. f. Perubahan Total Aset Total aset adalah modal yang dimiliki bank untuk melakukan aktivitas keuangannya. Total aset diubah ke dalam bentuk ln. Dengan demikian perubahan total aset bank merupakan selisih dari ln total aset bank pada periode t dikurangi ln total aset bank pada periode t-1. Model regresi yang digunakan dalam penelitian ini dikembangkan dari model yang digunakan oleh Liu (2012), dalam penelitian yang berjudul “Monetary Policy, Bank Size and Bank Lending: Evidence From Australia”. Peneliti menyajikan data yang diperoleh dari variabel-variabel dalam bentuk satuan yang sama yaitu persentasi, hal ini dimaksudkan untuk mempermudah peneliti dalam mengolah dan interpretasi hasil akhir. Sehingga hasil regresi dari model yang diperoleh diharapkan akan lebih efisien dan mudah untuk di interpretasikan. BI rate sebagai proks kebijakan moneter menggunakan lag periode ke t, periode ke t-1 dan periode t-3, agar peneliti dapat menangkap kemungkinan adanya time lag pada transmisi kebijakan moneter di Indonesia. Sedangkan untuk variabel independen lainnya diasumsikan tidak memiliki time lag pada realisasi pinjaman bank. Sesuai dengan keterangan di atas, maka spesifikasi model tersebut secara ekonometrika dapat dituliskan sebagai berikut: ln (pinjaman)
Dimana:
i,t
= a+ β0 ratet + β1 ratet-1 + β3 ratet-3 + ln Confidence + ln (Sekuritas) i,t + ln (Aset)I,t + i,t
ln (Deposito) i,t + Likuiditasi,t +
24 ln (Pinjaman) i,t = perubahan jenis pinjaman yang diberikan oleh bank i pada periode t, ratet = perubahan BI rate bank i pada periode t, ratet-1 = perubahan BI rate bank i pada periode t-1, ratet-3 = perubahan BI rate bank i pada periode t-3, ln (Deposito) i,t = perubahan total deposito bank i pada periode t, Confidencet = perubahan indeks kepercayaan konsumen ln (Sekuritas)i,t = perubahan total sekuritas bank i pada periode t, likuiditas i,t = perubahan likuiditas bank i pada periode t, ln (Aset)i,t = perubahan total Aset bank i pada periode t, = error term. i,t Dengan i = 1,2,3.....,N, t = 1,2,3.....,T, dimana i sebagai individu bank dan t sebagai periode dalam bulan.
HASIL DAN PEMBAHASAN Hasil Estimasi Model Permodelan menggunakan teknik regresi data panel dapat dilakukan dengan tiga pendekatan alternatif metode dalam pengolahannya. Pendekatanpendekatan tersebut yaitu Pooled Least Square (PLS), Fix Effect Model (FEM), dan Random Effect Model (REM). Estimasi yang digunakan pada penelitian kali ini menggunakan REM. Pemilihan metode REM ini didasarkan pada hasil pengujian nilai statistik Hausman yang menunjukkan 0.0000 dengan probabilitas satu. Statistik Hausman yang bernilai satu disebabkan oleh tidak adanya efek individu dalam data, yakni memiliki varians yang kecil. Hasil estimasi semua model dalam penelitian ini diduga terdapat masalah autokorelasi atau melanggar asusmsi regresi linier klasik. Hal ini dilihat dari nilai Durbin Watson statistic yang tidak berada pada daerah keputusan bebas autokorelasi. Masalah autokorelasi menyebabkan dugaan parameter koefisien tidak efisien atau ragam tidak minimum. Selain itu, standar error lebih kecil dari nilai sebenarnya. Hal ini berimplikasi pada penarikan kesimpulan, yakni dugaan parameter koefisien cenderung menolak H nul meskipun seharusnya tidak ditolak. Oleh karena itu, dalam penelitian ini ditambahkan lag (1) dari variabel dependen untuk menghilangkan autokorelasi yang timbul sehingga model sudah terbebas dari autokorelasi positif maupun maupun negatif. Hasil Estimasi Model Total Pinjaman Tabel 3 menyajikan hasil estimasi dari model pertama dalam penelitian ini yang bertujuan untuk mengetahui pengaruh perubahan kebijakan moneter dan perbedaan ukuran bank pada respon perubahan total pinjaman yang disalurkan. Berdasarkan hasil pengujian, besarnya koefisien determinasi pada bank besar adalah 0.338151. Artinya, 33.81 persen keragaman dari perubahan total pinjaman bank besar dapat dijelaskan oleh variabel independen yang digunakan. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat
25 dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan total pinjaman bank besar. Nilai koefisien Durbin-Watson adalah 1.716507 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Pada model total pinjaman bank besar tidak terdapat variabel independen yang berpengaruh signifikan terhadap perubahan total pinjaman yang direalisasikan. Model total pinjaman pada bank sedang memiliki koefisien determinasi sebesar 0.221293, artinya 22.12 persen keragaman dari perubahan total pinjaman bank berukuran sedang dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan total pinjaman bank sedang. Nilai koefisien Durbin-Watson adalah 2.316270 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model total pinjaman bank sedang adalah total aset dan likuiditas. Baik total aset maupun likuiditas berpengaruh positif dan signifikan pada taraf nyata satu persen. Sedangkan variabel BI rate, deposito, sekuritas dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan total pinjaman yang direalisasikan oleh bank sedang. Tabel 3 Hasil estimasi model total pinjaman Variabel BI rate t BI rate t-1 BI rate t-3 ln Aset ln Deposito ln Sekuritas ln Likuiditas ln Indeks Kepercayaan Constant No. of obs R2 DW-Stat Prob (F-statistics)
Besar
Sedang
0.888953 [1.896795] -0.658035 [-1.357394] -0.327346 [-0.817895] 0.724010 [0.433069] -0.119603 [-0.198021] -0.091588 [-0.290577] -1.459351 [-0.620834] 1.139405 [0.649982] 0.113449* [1.788439] 874 0.338151 1.716507 0.000000
-0.040429 [-1.165161] 0.030492 [0.851582] 0.010550 [0.353994] 0.247831*** [6.896752] 0.024799 [1.161796] -0.003803 [-0.358279] 0.064217*** [5.776088] -0.032702 [-0.251986] 0.021518*** [4.918462] 1104 0.221293 2.316270 0.000000
Kecil 0.026229 [0.503895] -0.013636 [-0.254650] -0.001051 [-0.023611] 0.189523*** [4.427815] 0.072436*** [2.591070] 0.041316 [2.543337] 0.013743*** [2.650888] 0.016647 [0.085691] 0.024822*** [3.815052] 2070 0.221701 2.044622 0.000000
Keterangan: *,**,*** signifikan pada taraf nyata 10%, 5%, 1 %
Model total pinjaman pada bank kecil memiliki koefisien determinasi sebesar 0.221701, artinya 22.17 persen keragaman dari perubahan total pinjaman
26 bank kecil dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan total pinjaman bank kecil. Model ini juga sudah terbebas dari autokorelasi seperti terlihat dari nilai koefisien Durbin-Watson sebesar 2.044622. Variabel BI rate berdasarkan pendekatan total pinjaman pada bank kecil tidak berpengaruh signifikan terhadap perubahan total pinjaman bank kecil. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan total pinjaman bank kecil adalah sekuritas dan indeks kepercayaan. Adapun variabel yang berpengaruh signifikan terhadap total pinjaman bank kecil adalah total aset, deposito, dan likuiditas. Ketiga variabel tersebut berpengaruh positif dan signifikan pada taraf nyata satu persen. Model Estimasi Pinjaman UMKM Tabel 4 Hasil estimasi model pinjaman UMKM Variabel BI rate t BI rate t-1 BI rate t-3 ln Aset ln Deposito ln Sekuritas ln Likuiditas ln Indeks Kepercayaan Constant No. of obs R2 DW-Stat Prob (F-statistics)
Besar 0.004469 [0.035801] -0.042016 [-0.325951] 0.023529 [0.220475] 1.744878*** [3.911653] -1.204278*** [-7.424390] 0.254206 [3.024370] -0.135737 [-0.216191] 0.049081 [0.105236] -0.034370** [-2.028240] 874 0.125193 1.971043 0.000000
Sedang -0.035178 [-0.350917] 0.061992 [0.598804] 0.022151 [0.256360] 0.365212*** [3.232954] 0.062570 [1.002413] 0.000460 [0.015365] 0.095627*** [2.850712] -0.418105 [-1.113250] 0.002326 [0.184519] 966 0.130040 2.038957 0.000000
Kecil 0.082269 [0.917340] -0.058859 [-0.637725] -0.026995 [-0.351839] 0.252468*** [3.110811] 0.066069 [1.333611] -0.003430 [-0.100584] 0.015340 [1.638096] 0.266868 [0.796941] 0.020816* [1.854536] 2024 0.092447 1.979044 0.000000
Keterangan: *,**,*** signifikan pada taraf nyata 10%, 5%, 1 %
Tabel 4 menyajikan hasil estimasi dari model kedua dalam penelitian ini yang bertujuan untuk mengetahui pengaruh perubahan kebijakan moneter dan perbedaan ukuran bank pada respon perubahan pinjaman UMKM yang disalurkan. Berdasarkan hasil pengujian, besarnya koefisien determinasi pada bank besar adalah 0.125193. Artinya, 12.51 persen keragaman dari perubahan pinjaman UMKM bank besar dapat dijelaskan oleh variabel independen yang digunakan.
27 Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman UMKM bank besar. Nilai koefisien Durbin-Watson adalah 1.971043 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Model pinjaman UMKM pada bank besar variabel independen yang berpengaruh signifikan adalah total aset, dimana variabel total aset berpengaruh positif dan signifikan pada taraf nyata satu persen sedangkan deposito yang berpengaruh negatif dan signifikan pada taraf nyata satu persen. Model pinjaman UMKM pada bank sedang memiliki koefisien determinasi sebesar 0.130040, artinya 13 persen keragaman dari perubahan pinjaman UMKM bank sedang dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman UMKM bank sedang. Nilai koefisien DurbinWatson adalah 2.038957 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model pinjaman UMKM bank sedang adalah total aset dan likuiditas. Baik total pinjaman maupun likuiditas berpengaruh positif dan signifikan pada taraf nyata satu persen. Sedangkan variabel BI rate, deposito, sekuritas dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan pinjaman UMKM yang direalisasikan oleh bank sedang. Model pinjaman UMKM pada bank kecil memiliki koefisien determinasi sebesar 0.092447, artinya 9.24 persen keragaman dari perubahan pinjaman UMKM bank kecil dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman UMKM bank kecil. Model ini juga sudah terbebas dari autokorelasi seperti yang terlihat dari nilai koefisien Durbin-Watson yaitu sebesar 1.979044. Variabel BI rate berdasarkan pendekatan pinjaman UMKM pada bank kecil tidak berpengaruh signifikan terhadap perubahan pinjaman UMKM bank kecil. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman UMKM bank kecil adalah sekuritas, deposito, likuiditas dan indeks kepercayaan. Adapun yang berpengaruh signifikan terhadap pinjaman UMKM bank kecil adalah total aset. Variabel tersebut berpengaruh positif dan signifikan pada taraf nyata satu persen. Model Estimasi Pinjaman Non-UMKM Tabel 5 menyajikan hasil estimasi dari model ketiga dalam penelitian ini yang bertujuan untuk mengetahui pengaruh perubahan kebijakan moneter dan perbedaan ukuran bank pada respon perubahan pinjaman Non-UMKM yang disalurkan. Berdasarkan hasil pengujian, besarnya koefisien determinasi pada bank besar adalah 0.012640. Artinya, 1.26 persen keragaman dari perubahan pinjaman Non-UMKM bank besar dapat dijelaskan oleh variabel independen yang digunakan. Untuk mengatasi masalah autokorelasi peneliti menggunakan white period pada coef covariance method. Hal ini tidak akan mengubah nilai Durbin Watson stat, tetapi standard error sudah robust. Variabel BI rate berdasarkan pendekatan pinjaman Non-UMKM pada bank besar tidak berpengaruh signifikan terhadap perubahan pinjaman Non-
28 UMKM bank besar. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman Non-UMKM bank besar adalah sekuritas, dan indeks kepercayaan. Adapun yang berpengaruh signifikan terhadap pinjaman Non-UMKM bank besar adalah total aset lukuiditas dan deposito. Variabel total aset berpengaruh positif dan signifikan pada taraf nyata sepuluh persen, variabel deposito berpengaruh positif pada taraf nyata satu persen dan variabel likuiditas berpengaruh negatif pada taraf nyata satu persen. Tabel 5 Hasil estimasi pinjaman non-UMKM Variabel BI rate t BI rate t-1 BI rate t-3 ln Aset ln Deposito ln Sekuritas ln Likuiditas ln Indeks Kepercayaan Constant No. of obs R2 DW-Stat Prob (F-statistics)
Besar -0.003858 [-0.197119] 0.001346 [0.047994] -0.000716 [-0.062221] 0.244421* [1.767429] 0.108259*** [5.731391] 0.043864 [0.939919] -0.663275*** [-2.903746] -0.022049 [-0.166109] 0.024722*** [3.975682] 874 0.012640 1.461091 0.199344
Sedang -0.075400 [-0.792096] 0.048761 [0.496425] 0.011946 [0.145918] 0.282413*** [2.878672] 0.034627 [0.590491] -0.059586** [-2.036871] 0.075364** [2.477962] 0.257823 [0.723317] 0.046167*** [3.857018] 1104 0.277721 1.622655 0.000000
Kecil 0.033665 [0.485023] -0.046342 [-0.648531] -0.004461 [-0.075098] 0.178112*** [3.179739] 0.074599** [2.034430] 0.034561 [1.588154] 0.021323*** [3.088500] 0.197474 [0.761215] 0.017539** [2.020064] 1978 0.040880 2.055084 0.000000
Keterangan: *,**,*** signifikan pada taraf nyata 10%, 5%, 1 %
Model pinjaman Non-UMKM pada bank sedang memiliki koefisien determinasi sebesar 0.277721, artinya 27.77 persen keragaman dari perubahan pinjaman Non-UMKM bank berukuran sedang dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman Non-UMKM bank sedang. Nilai koefisien Durbin-Watson adalah 1.622655 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model pinjaman Non-UMKM bank sedang adalah total aset, sekuritas dan likuiditas. Variabel total aset berpengaruh positif pada taraf nyata satu persen, variabel sekuritas berpengaruh negatif pada taraf nyata lima persen, dan variabel likuiditas berpengaruh positif pada taraf nyata lima persen. Sedangkan variabel BI rate,
29 deposito, dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan pinjaman Non-UMKM yang direalisasikan oleh bank sedang. Model pinjaman Non-UMKM pada bank kecil memiliki koefisien determinasi sebesar 0.040880, artinya 4.08 persen keragaman dari perubahan pinjaman Non-UMKM bank kecil dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman Non-UMKM bank kecil. Model ini juga sudah terbebas dari autokorelasi seperti terlihat dari nilai koefisien Durbin-Watson sebesar 2.055084. Variabel BI rate pada bank kecil berdasarkan pendekatan model ini tidak berpengaruh signifikan terhadap perubahan pinjaman NonUMKM bank kecil. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman Non-UMKM bank kecil adalah sekuritas dan indeks kepercayaan. Adapun yang berpengaruh signifikan terhadap pinjaman NonUMKM bank kecil adalah total aset, deposito, dan likuiditas. Variabel total aset maupun likuiditas berpengaruh positif dan signifikan pada taraf nyata satu persen. Sedangkan variabel deposito berpengaruh positif pada taraf nyata lima persen. Model Estimasi Pinjaman Properti Tabel 6 Hasil estimasi pinjaman properti Variabel BI rate t BI rate t-1 BI rate t-3 ln Aset ln Deposito ln Sekuritas ln Likuiditas ln Indeks Kepercayaan Constant No. of obs R2 DW-Stat Prob (F-statistics)
Besar -0.096909 [-1.409348] 0.134230 [1.887639] -0.003967 [-0.067556] 0.527078* [1.889461] 0.026385 [0.306561] -0.002987 [-0.060496] -1.041830*** [-2.905147] -0.351594 [-1.368527] 0.013121 [1.383227] 782 0.095074 2.142497 0.000000
Sedang -0.055989 [-0.341717] -0.122896 [-0.727061] 0.116511 [0.827394] -0.360675** [-2.120128] 0.359925* [3.728264] -0.099760** [-2.049205] -0.030765 [-0.605101] -0.388126 [-0.632729] 0.057213*** [2.775139] 828 0.120877 1.787356 0.000000
Keterangan: *,**,*** signifikan pada taraf nyata 10%, 5%, 1 %
Kecil -0.009924 [-0.117137] -0.006613 [-0.075647] -0.004242 [-0.058506] -0.1941148* [-1.825630] -0.036732 [-0.738008] 0.046344 [1.258360] -0.048956 [-1.095580] -0.310508 [-0.979307] 0.028186*** [2.641467] 1380 0.077747 2.133831 0.000000
30 Tabel 6 menyajikan hasil estimasi dari model keempat dalam penelitian ini yang bertujuan untuk mengetahui pengaruh perubahan kebijakan moneter dan perbedaan ukuran bank pada respon perubahan pinjaman properti yang disalurkan. Berdasarkan hasil pengujian, besarnya koefisien determinasi pada bank besar adalah 0.095074. Artinya, 9.50 persen keragaman dari perubahan pinjaman properti bank besar dapat dijelaskan oleh variabel independen yang digunakan. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman properti bank besar. Nilai koefisien Durbin-Watson adalah 2.142497 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Pada model ini, variabel independen yang berpengaruh signifikan terhadap perubahan pinjaman properti oleh bank besar adalah total aset dan likuiditas. Total aset berpengaruh positif dan signifikan pada taraf nyata sepuluh persen dan likuiditas berpengaruh negatif dan signifikan pada taraf nyata satu persen. Sedangkan variabel lainnya seperti BI rate, deposito, sekuritas, dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan pinjaman properti yang direalisasikan bank besar. Model pinjaman properti pada bank sedang memiliki koefisien determinasi sebesar 0.120877, artinya 12.08 persen keragaman dari perubahan pinjaman properti bank sedang dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman properti bank sedang. Nilai koefisien DurbinWatson adalah 1.787356 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model pinjaman properti bank sedang adalah total aset, deposito dan sekuritas. Total aset berpengaruh negatif dan signifikan pada taraf nyata lima persen, variabel deposito berpengaruh positif pada taraf nyata sepuluh persen dan variabel sekuritas berpengaruh negatif pada taraf nyata lima persen. Sedangkan variabel BI rate, likuiditas, dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan pinjaman properti yang direalisasikan oleh bank sedang. Model pinjaman properti pada bank kecil memiliki koefisien determinasi sebesar 0.077747, artinya 7.77 persen keragaman dari perubahan pinjaman properti bank kecil dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman properti bank kecil. Model ini juga sudah terbebas dari autokorelasi seperti terlihat dari nilai koefisien Durbin-Watson sebesar 2.133831. Variabel BI rate berdasarkan pendekatan model ini pada bank kecil tidak berpengaruh signifikan terhadap perubahan pinjaman properti bank kecil. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman properti bank kecil adalah deposito, sekuritas, likuiditas dan indeks kepercayaan. Total aset perpengaruh negatif dan signifikan pada taraf nyata sepuluh persen. Model Estimasi Pinjaman Keseluruhan Bank Umum Tabel 7 menyajikan hasil estimasi dari model pinjaman keseluruhan dalam penelitian ini yang bertujuan untuk mengetahui pengaruh perubahan kebijakan
31 moneter dan perbedaan jenis pinjaman pada respon perubahan pinjaman yang disalurkan. Model total pinjaman memiliki koefisien determinasi sebesar 0.326143, artinya 32.61 persen keragaman dari perubahan total pinjaman bank umum dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan total pinjaman yang direalisasikan bank umum. Nilai koefisien DurbinWatson adalah 1.734685 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model total pinjaman bank umum adalah total aset. Variabel total aset berpengaruh positif pada taraf nyata sepuluh persen. Sedangkan variabel BI rate, deposito, likuiditas, sekuritas, dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan total pinjaman yang direalisasikan oleh bank umum. Tabel 7 Hasil Estimasi Pinjaman Keseluruhan Variabel BI rate t BI rate t-1 BI rate t-3 ln Aset ln Deposito ln Sekuritas ln Likuiditas ln Indeks Kepercayaan Constant No. of obs R2 DW-Stat Prob(F-stat)
Total Pinjaman 0.210332 [2.016577] -0.152590 [-1.418662] -0.069536 [-0.777655] 0.167938* [1.861946] 0.051709 [0.808679] 0.015861 [0.453393] 0.014955 [1.164920] 0.263702 [0.675704] 0.046654*** [3.572293] 4048 0.326143 1.734685 0.000000
Pinjaman UMKM 0.043297 [0.714228] -0.030349 [-0.485650] -0.002232 [-0.042948] 0.224716*** [3.993111] 0.014139 [0.370961] 0.021288 [0.930996] 0.016558** [2.165049] 0.042288 [0.186499] 0.006974 [0.917744] 3864 0.087492 1.986682 0.000000
Pinjaman Non-UMKM -0.002234 [-0.048867] -0.005988 [-0.127044] 0.002164 [0.055205] 0.186209*** [4.756664] 0.066401** [2.388887] 0.008511 [0.550775] 0.031160*** [5.535218] 0.118371 [0.692093] 0.029986*** [5.229556] 3956 0.107980 1.766068 0.000000
Pinjaman Properti -0.045142 [-0.720264] 0.005557 [0.085968] 0.022262 [0.414484] -0.237344 [-2.961389] 0.103674** [2.525860] -0.037616 [-1.491629] -0.020685 [-0.761062] -0.371854 [-1.585825] 0.035377*** [4.473482] 2990 0.090036 1.955473 0.000000
Keterangan: *,**,*** signifikan pada taraf nyata 10%, 5%, 1 %
Model pinjaman UMKM koefisien determinasi sebesar 0.087492, artinya 8.74 persen keragaman dari perubahan pinjaman UMKM bank umum dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman UMKM bank umum. Model ini juga sudah terbebas dari autokorelasi seperti
32 terlihat dari nilai koefisien Durbin-Watson sebesar 1.986682. Variabel BI rate berdasarkan pendekatan pinjaman UMKM tidak berpengaruh signifikan terhadap perubahan pinjaman UMKM bank umum. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman UMKM bank umum adalah sekuritas, deposito, dan indeks kepercayaan. Adapun yang berpengaruh signifikan terhadap pinjaman UMKM bank umum adalah total aset dan likuiditas. Variabel total aset berpengaruh positif dan signifikan pada taraf nyata satu persen dan likuiditas berpengaruh positif dan signifikan pada taraf nyata lima persen. Model pinjaman Non-UMKM memiliki koefisien determinasi sebesar 0.107980, artinya 10.79 persen keragaman dari perubahan pinjaman Non-UMKM bank umum dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman UMKM bank umum. Nilai koefisien Durbin-Watson adalah 1.766068 yang menunjukkan bahwa estimasi model telah terbebas autokorelasi. Variabel yang signifikan dalam estimasi model pinjaman Non-UMKM bank umum adalah total aset, deposito dan likuiditas. Variabel total aset dan likuiditas berpengaruh positif pada taraf nyata satu persen dan variabel deposito berpengaruh positif pada taraf nyata lima persen. Sedangkan variabel BI rate, sekuritas, dan indeks kepercayaan tidak berpengaruh signifikan terhadap perubahan pinjaman Non-UMKM yang direalisasikan oleh bank umum. Model pinjaman properti memiliki koefisien determinasi sebesar 0.090036, artinya 9 persen keragaman dari perubahan pinjaman properti bank umum dapat dijelaskan oleh variabel independen yang digunakan dalam model. Probabilitas dari F-stat signifikan pada taraf nyata 5 persen, sehingga dapat dikatakan terdapat minimal satu variabel yang berpengaruh nyata terhadap perubahan pinjaman properti bank umum. Model ini juga sudah terbebas dari autokorelasi seperti terlihat dari nilai koefisien Durbin-Watson sebesar 1.955473. Variabel BI rate berdasarkan pendekatan model ini pada tidak berpengaruh signifikan terhadap perubahan pinjaman properti bank umum. Variabel lainnya yang juga tidak berpengaruh signifikan terhadap perubahan pinjaman properti bank umum adalah total aset, sekuritas, likuiditas dan indeks kepercayaan. Deposito merupakan variabel independen yang berpengaruh positif dan signifikan pada taraf nyata lima persen.
Pembahasan Pengaruh Kebijakan Moneter Secara teori, pada transmisi kebijakan moneter saluran pinjaman menyebutkan bahwa perubahan kebijakan moneter yang bersifat kontraktif akan menurunkan realisasi pinjaman yang diberikan. Suku bunga dan pertumbuhan pinjaman memiliki hubungan yang berlawanan. Ketika suku bunga naik maka simpanan dan cadangan bank akan turun sehingga dana yang tersedia untuk pinjaman akan berkurang. Selain itu, ketika suku bunga meningkat maka risiko pinjaman akan naik karena meningkatnya probabilitas pinjaman tidak tertagih. Pada akhirnya, bank-bank akan mengurangi realisasi penyaluran dana dalam bentuk pinjaman sehingga pinjaman akan turun. Disamping itu, bank juga akan
33 lebih memilih menanamkan dana yang dimilikinya pada Sertifikat Bank Indonesia (SBI) dan Obligasi Republik Indonesia yang risikonya lebih rendah. Berdasarkan hasil analisis dalam penelitian ini, semua jenis model pinjaman perubahan kebijakan moneter yang diproksikan dengan BI rate t, BI rate t-1, dan BI rate t-3 tidak berpengaruh terhadap jumlah realisasi pinjaman yang diberikan oleh bank-bank umum di Indonesia. Hal ini mengindikasikan bahwa pengaruh transmisi kebijakan moneter saluran pinjaman di Indonesia terhadap pinjaman perbankan tidak berfungsi. Artinya perbankan kurang responsif dalam merespon perubahan kebijakan moneter. Pengaruh Perubahan Total Aset Menurut Kishan dan Opiela (2000), aset bank mempengaruhi kemampuan bank untuk meningkatkan persediaan dana. Bank yang asetnya relatif kecil tidak dapat meningkatkan dana alternatif untuk meneruskan penyaluran pinjaman jika terjadi perubahan kebijakan moneter. Estimasi model dengan pendekatan total pinjaman menunjukkan total aset bank berpengaruh signifikan pada bank sedang dan kecil terhadap perubahan realisasi total pinjaman. Pada model menunjukkan bahwa total aset berpengaruh positif dan signifikan pada taraf nyata satu persen. Artinya, semakin besar total aset bank maka semakin besar realisasi total pinjaman yang diberikan oleh bank berukuran sedang dan kecil. Adapun pada variabel total aset tidak berpengaruh signifikan pada bank berukuran besar. Hasil estimasi model dengan pendekatan pinjaman UMKM menunjukkan total aset merupakan variabel yang sangat berpengaruh pada realisasi pinjaman UMKM untuk semua ukuran bank. Total aset berpengaruh positif dan signifikan pada taraf nyata satu persen. Hal ini menunjukkan baik bank berukuran besar, sedang, dan kecil sangat berhati-hati dalam realisasi pinjaman UMKM yang lebih berisiko gagal bayar. Hasil yang berbeda terdapat pada pinjaman Non-UMKM yang disalurkan perbankan umum. Hasil estimasi menunjukkan total aset memiliki pengaruh yang berbeda terhadap bank dengan ukuran berbeda. Total aset menjadi faktor yang sangat berpengaruh terhadap realisasi pinjaman Non-UMKM pada bank sedang dan kecil. Total aset tersebut berpengaruh positif dan signifikan pada taraf nyata satu persen. Sedangkan pada bank berukuran besar, total aset bukan faktor yang sangat mempengaruhi realisasi pinjaman Non-UMKM. Dimana total aset berpengaruh positif tapi signifikan pada taraf nyata sepuluh persen. Hasil estimasi pada model pinjaman properti menunjukkan total aset cenderung tidak berpengaruh terhadap realisasi pinjaman properti yang disalurkan oleh perbankan umum di Indonesia. Pada bank berukuran besar, total aset berpengaruh signifikan pada taraf nyata sepuluh persen. Hal berbeda terjadi terhadap bank berukuran sedang dan kecil, dimana total aset berpengaruh negatif dan signifikan pada taraf nyata lima dan sepuluh persen. Hal ini menunjukkan total aset tidak menjadi faktor penting dalam realisasi pinjaman properti. Perbedaan pengaruh antara bank berukuran besar dengan bank berukuran sedang dan kecil mengindikasikan bahwa kedua tipe bank ini lebih banyak merealisasikan pinjaman UMKM dibandingkan properti jika terjadi peningkatan total aset. Hasil penelitian ini menunjukkan, total aset cenderung lebih berpengaruh terhadap realiasi pinjaman pada bank sedang dan kecil. Hubungan positif antara total aset dengan pinjaman yang direalisasikan dapat dijelaskan melalui perbedaan
34 karakteristik kemampuan manajemen risiko bank besar dan bank kecil. Stever (2007) menjelaskan bahwa bank kecil tidak dapat dipisahkan dari risiko portofolio. Hal ini berkaitan dengan ketidakmampuan bank kecil melakukan diversivikasi portofolio seperti yang dilakukan oleh bank besar. Ketidakmampuan ini disebabkan oleh minimnya kemampuan bank kecil untuk mengakses sumber dana pihak ketiga dan ketidakmampuan bank untuk mengakses large borrowers. Pengaruh Perubahan Likuiditas Perubahan likuiditas perbankan umum di Indonesia memiliki koefisien yang positif dan signifikan pada bank berukuran sedang dan kecil. Hal ini menunjukkan bahwa variabel likuiditas berpengaruh terhadap realisasi pinjaman yang diberikan oleh bank umum. Hasil penelitian menunjukkan likuiditas sebagai indikator ketersediaan dana bank yang likuid untuk disalurkan sebagai pinjaman. Semakin tinggi tingkat likuiditas suatu bank, maka semakin besar kemampuan bank dalam menyalurkan pinjaman kepada masyarakat. Pada model estimasi total pinjaman, likuiditas menjadi faktor terpenting yang mempengaruhi realisasi total pinjaman bank berukuran sedang dan kecil. Likuiditas berpengaruh positif dan signifikan pada taraf nyata satu persen. Adapun pada bank berukuran besar, variabel likuiditas tidak berpengaruh signifikan terhadap realisasi total pinjaman. Pada model estimasi pinjaman UMKM, likuiditas cenderung berpengaruh terhadap realisasi pinjaman UMKM. Model menunjukkan bahwa likuiditas berpengaruh positif dan signifikan pada taraf nyata lima persen. Artinya, semakin tinggi tingkat likuiditas bank maka semakin besar realisasi pinjaman UMKM. Adapun pada bank berukuran besar dan kecil, variabel likuiditas tidak berpengaruh signifikan. Hasil model estimasi pinjaman Non-UMKM menunjukkan bahwa likuiditas menjadi faktor penting dalam realisasi pinjaman Non-UMKM pada bank berukuran sedang dan kecil. Likuiditas berpengaruh positif dan signifikan pada taraf nyata masing-masing lima dan satu persen. Adapun pada bank berukuran besar, variabel likuiditas berpengaruh negatif dan signifikan terhadap realisasi pinjaman Non-UMKM. Secara teori, memakin tinggi likuiditas bank maka semakin banyak dana yang dapat diputarkan oleh bank untuk mendapatkan keuntungan. Bank akan memaksimalkan penggunaan uangnya dan mencegah uang yang menganggur (Judiseno,2005). Hal ini berbeda dengan karakteristik bank besar, dimana likuiditas perpengaruh negatif terhadap pinjaman Non-UMKM dan properti. Hasil ini memberikan gambaran bahwa bank besar belum dapat mengoptimalkan sumber dana likuid untuk disalurkan kepada pinjaman masyarakat akibat faktor-faktor diluar kebijakan moneter seperti unsymmetric information. Pengaruh Perubahan Deposito dan Sekuritas Deposito dan Sekuritas adalah faktor-faktor yang diduga mempengaruhi realisasi pinjaman yang diberikan oleh bank umum di Indonesia terkait dengan sumber dana. Berdasarkan teori, deposito memiliki hubungan positif dengan tingkat realisasi pinjaman bank. Semakin besar deposito pihak ketiga yang dimiliki oleh bank, maka semakin besar pula dana yang dapat disalurkan untuk pinjaman bank. Sedangkan sekuritas memiliki hubungan yang negatif dengan realisasi pinjaman bank. Semakin besar aset dalam bentuk sekuritas yang dimiliki oleh bank, maka semakin berkurang dana yang dapat disalurkan untuk pinjaman
35 bank. Pada model total pinjaman, variabel deposit maupun sekuritas cenderung tidak mempengaruhi realisasi total pinjaman oleh perbankan. Hasil estimasi menunjukkan bahwa deposito berpengaruh positif dan signifikan pada taraf nyata satu persen pada bank berukuran kecil. Adapun pada bank berukuran besar dan sedang deposito tidak berpengaruh signifikan. Variabel sekuritas pada model total pinjaman bukan faktor utama yang mempengaruhi realisasi total pinjaman karena baik bank berukuran besar, sedang dan kecil tidak berpengaruh signifikan. Hasil estimasi pinjaman UMKM pada bank berukuran besar berpengaruh negatif dan signifikan terhadap pinjaman UMKM. Hal ini dapat dijelaskan dengan karakteristik nominal pinjaman UMKM yang relatif kecil. Artinya, bank berukuran besar akan meningkatkan realisasi pinjaman UMKM bila terjadi penurunan deposito untuk tetap menjaga tingkat keuntungan. Secara relatif pinjaman UMKM tidak memerlukan dana yang besar dalam penyalurannya. Hasil estimasi model pinjaman Non-UMKM menunjukkan variabel deposito memiliki pengaruh positif dan signifikan pada taraf nyata sepuluh dan lima persen untuk bank berukuran besar dan kecil. Hal ini mengindikasikan bahwa pangsa utama dari penyaluran pinjaman oleh bank besar adalah sektor Non-UMKM. Variabel sekutitas pada pinjaman Non-UMKM berpengaruh negatif dan signifikan pada taraf nyata lima persen. Sedangkan pada bank berukuran besar dan kecil sekuritas tidak berpengaruh signifikan, artinya sekuritas tidak menjadi faktor penting dalam realisasi pinjaman Non-UMKM. Hasil estimasi pada model pinjaman properti memperlihatkan deposito dan sekuritas cenderung tidak berpengaruh signifikan pada realisasi pinjaman properti untuk bank berukuran besar dan kecil. Sebaliknya, pada bank berukuran sedang, deposito cenderung berpengaruh positif dan signifikan pada taraf nyata sepuluh persen. Sedangkan sekuritas berpengaruh negatif dan signifikan pada taraf nyata lima persen. Seperti yang telah disebutkan diatas, bank sedang dan kecil kurang memiliki kemampuan untuk mengakses dana pihak ketiga seperti deposito. Sehingga, ketika terjadi perubahan karakteristik bank seperti deposito bank sedang dan kecil lebih responsif dalam perubahan realisasi pinjaman. Implikasi Kebijakan Penelitian ini memiliki beberapa implikasi untuk mekanisme transmisi kebijakan moneter saluran pinjaman. Pertama, Bank Indonesia selaku otoritas moneter mampu memperhitungkan suku bunga acuan (BI rate) secara tepat dan melakukan policy mix untuk meningkatkan speed of adjusment pada mekanisme transmisi kebijakan monater saluran pinjaman untuk mendapatkan sasaran yang diinginkan. Kedua, otoritas moneter atau otoritas yang bertugas perizinan dan pengawasan perbankan dapat menggunakan aturan segmentasi pasar pinjaman di Indonesia. Bank berukuran sedang dan kecil didorong untuk menggarap pinjaman UMKM sedangkan bank berukuran besar didorong ke jenis pinjaman lainnya. Hal ini dilakukan agar pasar pinjaman di Indonesia dapat berkembang lebih efisien. Ketiga, perbankan diharapkan mampu menjaga liabilitasnya secara optimum untuk menjaga sumber dana yang akan digunakan dalam realisasi pinjaman, misalnya dengan menyimpan aset dalam bentuk instrumen yang likuid.
36
SIMPULAN DAN SARAN Simpulan Berdasarkan hasil penelitian dan analisis yang telah dilakukan mengenai pengaruh kebijakan moneter, ukuran bank dan jenis pinjaman terhadap realisasi pinjaman bank pada bank umum selama periode 2010 sampai 2013, diperoleh beberapa kesimpulan, yaitu: 1. Eksistensi saluran pinjaman bank pada mekanisme transmisi kebijakan moneter di Indonesia tidak berjalan efisien. Bank-bank umum di Indonesia yang menjadi objek penelitian tidak merespon perubahan kebijakan moneter terhadap realisasi pinjaman yang disalurkan. Hal ini mengindikasikan saluran pinjaman bank tidak efisien dalam menjelaskan realisasi pinjaman bank. 2. Dari hasil uji parsial terhadap variabel-variabel independen, realisasi penyaluran pinjaman yang dilakukan oleh bank-bank umum di Indonesia lebih dipengaruhi oleh karakteristik bank seperti total aset, likuiditas, total deposito dan total sekuritas. Hasil penelitian menunjukkan bahwa adanya perbedaan reaksi bank terhadap perubahan karakteristik bank akibat ukuran bank yang berbeda. Perubahan total aset merupakan variabel independen yang paling berpengaruh terhadap realisasi pinjaman yang direspon berbeda oleh bank dengan ukuran berbeda. Bank dengan ukuran kecil dan sedang lebih responsif dibandingkan bank berukuran besar jika terjadi perubahan pada karakteristik bank. Hal ini menunjukkan bank dengan ukuran besar lebih mampu mengendalikan guncangan apabila terjadi perubahan dalam karakteristik bank. 3. Indeks Kepercayaan Konsumen untuk menilai kesehatan ekonomi secara keseluruhan juga tidak memiliki pengaruh terhadap realisasi pinjaman bank. Hal ini mengindikasikan perbankan dan masyarakat belum memanfaatkan data ini untuk digunakan dalam keputusan realisasi pinjaman bank. Saran
1.
2.
3.
4.
Adapun saran yang dapat diberikan dari penelitian ini, yaitu: Hasil penelitian menunjukkan bahwa transmisi kebijakan moneter saluran pinjaman bank sepanjang periode 2010 sampai dengan 2013 tidak efektif. Otoritas moneter perlu mempertimbangkan kebijakan moneter yang lebih dapat direspon oleh perbankan melalui saluran pinjaman bank. Bagi perbankan diharapkan dapat terus menjaga liabilitasnya (aset dan likuiditas) dalam kondisi yang optimal untuk memaksimalkan fungsi intermediasi dalam penyaluran pinjaman. Hal ini dapat dilakukan dengan memperhatikan penempatan aset bank pada instrumen yang likuid. Karakteristik bank seperti aset ternyata mempengaruhi realisasi pinjaman yang disalurkan perbankan umum. Diharapkan bank-bank kecil dapat melakukan merger dengan bank lain dan melakukan penambahan modal dengan penerbitan saham untuk meningkatkan total aset. Sehingga share bank-bank kategori kecil terhadap realisasi pinjaman dapat meningkat. Selain dari sisi liabilitas, perbankan perlu memperhatikan aspek moral hazard dan adverse selection lebih efisien untuk menekan pinjaman tidak tertagihkan yang akan mempengaruhi realisasi pinjaman bank pada periode selanjutnya.
37 5.
Berlaku tidaknya transmisi kebijakan moneter saluran pinjaman sangat tergantung pada variabel, metode, dan periode penelitian yang digunakan. Dibutuhkannya penelitian lebih lanjut mengenai faktor-faktor yang memengaruhi realisasi pinjaman pada bank umum di Indonesia, sehingga dapat memberikan pembahasan secara menyeluruh.
DAFTAR PUSTAKA Altunbas, Y., Fazylov, O. dan Molyneux, P. 2002. Evidence on the Bank Lending Channel in Europe. [Jurnal]. Journal of Banking and Finance, 26, 2093-110 Anggraini, Yeni. 2013. Analisis Faktor-Faktor yang Mempengaruhi Perbedaan Profitabilitas Bank Asing dan Bank Domestik di Indonesia . [Skripsi]. FEM IPB, Bogor. [BI] Bank Indonesia. 2010. Laporan Keuangan Publikasi Bank 2010.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2011. Laporan Keuangan Publikasi Bank 2011.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2012. Laporan Keuangan Publikasi Bank 2012.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2013. Laporan Keuangan Publikasi Bank 2013.Bank Indonesia. Jakarta. [BI] Bank Indonesia. 2013. Statistik Ekonomi dan Keuangan Indonesia 2013.Bank Indonesia. Jakarta. Bernarke, B. S. dan M. Gertler. 1995. Insede the Balck Box: The Credit Channel of Monetary Policy Transmission?. NBER Working Paper Series, 5146: 1-47. [DRI] Danareksa Research Institute. 2014. Indeks Kepercayaan Konsumen. Firdaus M. 2011. Aplikasi ekonometrika untuk data panel dan time series. Bogor (ID): IPB Pr. GujaratiD. 2004. Basic Econometrics Fourth Edition.Boston (US): The McGrawHillCompanies. Hulsewig, O. P. Winker, dan A. Worms. 2002. Bank Lending in the Transmission of Monetary Policy: A VECM Analysis for Germany. [Jurnal]. The Deutsche Bundesbank, Frankfurt. Hartawan, Arief. 2011. Menyibak Tabir Proyeksi Inflasi. Newsletter Bank Indonesia edisi 11-2011. Juanda B. 2009. Ekonometrika: Pemodelan dan Pendugaan.Bogor (ID): IPB Press. Juanda B, Junaidi. 2012. Ekonometrika deret waktu. Bogor (ID): IPB Pr. Judiseno, Rimsky K. 2005, Sistem Moneter dan Perbankan di Indonesia. Jakarta (ID): Gramedia Pr. Kakes dan Strum, Jan Egbert. 2002. Monetary Policy and Bank Lending Evidence from German Banking Groups. [Jurnal]. Journal of Banking & Finance, 26, 2077-92 Kashyap, A. K. Dan Stein, J. C. 2000. What Do a Million Observations on Banks Say About the Trasmission of Monetary Policy? [Jurnal]. The American Economic Review, 90, 470-28
38 Kishan, R.P. dan Opiela, T.P. 2000. Bank Size, Bank Capital, and the Bank Lending Channel. [Jurnal]. Journal of Money, Credit and Banking, 32, 12141 Kolopaking, Erwindo. 2013. Menakar Obat Moneter. Newsletter Bank Indonesia edisi 40-2013. Liu, Luke. 2012. Monetary Policy, Bank Size and Bank Lending: Evidence from Australia. [Jurnal]. Munich Personal RePEc Archive, 37489 Pohan A. 2008. Kerangka Kebijakan Moneter dan Implementasi di Indonesia. Jakarta (ID) : Rajawali Pr. Stever, Ryan. 2007. Bank Size, Credit and The Sources of Bank Market Risk. [Jurnal]. Bank for International Settlements Working Papers No. 238, Basel. Suzuki, T. 2004. Is the Lending Channel of Monetary Policy Dominant in Australia?. [Jurnal]. Economic Record, 80, 145-56 Warjiyo P. 2004. Bank Indonesia: Bank Sentral Republik Indonesia Sebuah Pengantar. Jakarta (ID): PPSK Pr. Widyatmiko, Sapto. 2011. Menakar Ekspektasi. Newsletter Bank Indonesia edisi 11- 2011. Wu, Ji, Luca, Aliana C., Jeon, Bang N. 2007. Transmission of Monetary Policy via Domestic and Foreign Banks in Emerging Economies: Evidence from Bank-level data.[Jurnal]. Philadelphia: Drexel University. Zohratunnisa, Farhana. 2013. Anaisis Kebijakan Moneter terhadap Suku Bunga Perbankan di Indonesia. [Skripsi]. FEM IPB, Bogor.
39
LAMPIRAN
40
Lampiran 1 Hasil Uji Multikolinearitas dalam Model Total Pinjaman
TotPinjaman (X1)
BIrate (X2) BIrate1(X3) BIrate3 (X4) Aset (X5) Deposito (X6) Sekuritas (X7) Likuiditas (X8) Confidence (X9)
(X1) (X2) (X3) 1.00 0.01 1.00 -0.01 0.54 1.00 -0.00 0.27 0.27 0.02 -0.00 -0.00 0.02 0.00 0.00 0.02 0.03 0.02 -0.00 0.00 0.00 0.01 -0.11 0.23
(X4)
(X5)
(X6)
(X7)
(X8)
1.00 -0.00 1.00 -0.02 0.09 1.00 0.02 0.04 0.17 1.00 0.00 -0.71 0.18 0.12 1.00 -0.05 0.00 -0.00 -0.01 -0.00
(X9)
1.00
Sumber: Output regresi data panel Eviews 6
Lampiran 2 Daerah Keputusan Pengujian Autokorelasi dl du
: 1.5449 : 1.8468
Autokorelasi positif
0
1.5449
Tidak dapat disimpulkan
Bebas autokorelasi
1.84688
Tidak dapat disimpulkan
2.1532
Autokorelasi negatif
2.4551
4
41 Lampiran 3 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Total Pinjaman Bank Besar Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNTOTALPINJAMAN Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 16:40 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 19 Total panel (balanced) observations: 874 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.888953 -0.658035 -0.327346 0.724010 -0.119603 -0.091588 -1.459351 1.139405 0.113449 -0.497280
0.468661 0.484778 0.400230 1.671812 0.603990 0.315193 2.350629 1.752980 0.063435 0.024204
1.896795 -1.357394 -0.817895 0.433069 -0.198021 -0.290577 -0.620834 0.649982 1.788439 -20.54545
0.0582 0.1750 0.4136 0.6651 0.8431 0.7714 0.5349 0.5159 0.0741 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 1.686110
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.338151 0.331257 1.678313 49.04819 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.099423 2.052311 2433.658 1.716507
Unweighted Statistics R-squared Sum squared resid
0.338151 2433.658
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.099423 1.716507
42 Bank Sedang Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNTOTALPINJAMAN Method: Panel EGLS (Cross-section random effects) Date: 03/25/14 Time: 22:52 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 24 Total panel (balanced) observations: 1104 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.040429 0.030492 0.010550 0.247831 0.024799 -0.003803 0.064217 -0.032702 0.021518 -0.361708
0.034698 0.035807 0.029802 0.035934 0.021345 0.010614 0.011118 0.129776 0.004375 0.024939
-1.165161 0.851582 0.353994 6.896752 1.161796 -0.358279 5.776088 -0.251986 4.918462 -14.50385
0.2442 0.3946 0.7234 0.0000 0.2456 0.7202 0.0000 0.8011 0.0000 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.141017
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.221293 0.214887 0.140159 34.54371 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.019487 0.158181 21.49104 2.316270
Unweighted Statistics R-squared Sum squared resid
0.221293 21.49104
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.019487 2.316270
43
Bank Kecil Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNTOTALPINJAMAN Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 16:42 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 45 Total panel (balanced) observations: 2070 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.026229 -0.013636 -0.001051 0.189523 0.072436 0.041316 0.013743 0.016647 0.024822 -0.433667
0.052053 0.053547 0.044494 0.042803 0.027956 0.016245 0.005184 0.194274 0.006506 0.019655
0.503895 -0.254650 -0.023611 4.427815 2.591070 2.543337 2.650888 0.085691 3.815052 -22.06435
0.6144 0.7990 0.9812 0.0000 0.0096 0.0111 0.0081 0.9317 0.0001 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.289370
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.221701 0.218301 0.287349 65.19972 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.020745 0.325005 170.0929 2.044622
Unweighted Statistics R-squared Sum squared resid
0.221701 170.0929
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.020745 2.044622
44 Total Pinjaman Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNTOTALPINJAMAN Method: Panel EGLS (Cross-section random effects) Date: 03/27/14 Time: 08:38 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 88 Total panel (balanced) observations: 4048 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.210332 -0.152590 -0.069536 0.167938 0.051709 0.015861 0.014955 0.263702 0.046654 -0.494888
0.104301 0.107559 0.089418 0.090195 0.063943 0.034984 0.012838 0.390263 0.013060 0.011308
2.016577 -1.418662 -0.777655 1.861946 0.808679 0.453393 1.164920 0.675704 3.572293 -43.76599
0.0438 0.1561 0.4368 0.0627 0.4187 0.6503 0.2441 0.4993 0.0004 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.812732
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.326143 0.324641 0.809577 217.1522 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.037389 0.985124 2646.568 1.734685
Unweighted Statistics R-squared Sum squared resid
0.326143 2646.568
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.037389 1.734685
45
Lampiran 4 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman UMKM Bank Besar Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 10:35 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 19 Total panel (balanced) observations: 874 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.004469 -0.042016 0.023529 1.744878 -1.204278 0.254206 -0.135737 0.049081 -0.034370 -0.218636
0.124822 0.128902 0.106718 0.446072 0.162206 0.084053 0.627856 0.466386 0.016946 0.031882
0.035801 -0.325951 0.220475 3.911653 -7.424390 3.024370 -0.216191 0.105236 -2.028240 -6.857732
0.9714 0.7445 0.8256 0.0001 0.0000 0.0026 0.8289 0.9162 0.0428 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.449696
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.125193 0.116081 0.452252 13.73854 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
-0.016929 0.481032 176.7156 1.971043
Unweighted Statistics R-squared Sum squared resid
0.125193 176.7156
Mean dependent var Durbin-Watson stat
-0.016929 1.971043
46 Sumber: Output regresi data panel Eviews 6
Bank Sedang Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 10:42 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 21 Total panel (balanced) observations: 966 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.035178 0.061992 0.022151 0.365212 0.062570 0.000460 0.095627 -0.418105 0.002326 -0.321368
0.100246 0.103526 0.086407 0.112965 0.062419 0.029951 0.033545 0.375572 0.012605 0.030117
-0.350917 0.598804 0.256360 3.232954 1.002413 0.015365 2.850712 -1.113250 0.184519 -10.67070
0.7257 0.5494 0.7977 0.0013 0.3164 0.9877 0.0045 0.2659 0.8536 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.381652
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.130040 0.121850 0.379259 15.87795 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.006450 0.404717 137.5085 2.038957
Unweighted Statistics R-squared Sum squared resid
0.130040 137.5085
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.006450 2.038957
47
Bank Kecil Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 11:25 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 44 Total panel (balanced) observations: 2024 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.082269 -0.058859 -0.026995 0.252468 0.066069 -0.003430 0.015340 0.266868 0.020816 -0.287649
0.089682 0.092294 0.076726 0.081158 0.049541 0.034101 0.009365 0.334865 0.011225 0.021417
0.917340 -0.637725 -0.351839 3.110811 1.333611 -0.100584 1.638096 0.796941 1.854536 -13.43063
0.3591 0.5237 0.7250 0.0019 0.1825 0.9199 0.1016 0.4256 0.0638 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.493244
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.092447 0.088391 0.489498 22.79481 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.020452 0.512680 482.5706 1.979044
Unweighted Statistics R-squared Sum squared resid
0.092447 482.5706
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.020452 1.979044
48
Pinjaman UMKM Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/27/14 Time: 01:25 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 84 Total panel (balanced) observations: 3864 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.043297 -0.030349 -0.002232 0.224716 0.014139 0.021288 0.016558 0.042288 0.006974 -0.283176
0.060620 0.062491 0.051977 0.056276 0.038114 0.022865 0.007648 0.226747 0.007600 0.015404
0.714228 -0.485650 -0.042948 3.993111 0.370961 0.930996 2.165049 0.186499 0.917744 -18.38324
0.4751 0.6272 0.9657 0.0001 0.7107 0.3519 0.0304 0.8521 0.3588 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.461550
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.087492 0.085361 0.459731 41.05827 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.008496 0.480706 814.5537 1.986682
Unweighted Statistics R-squared Sum squared resid
0.087492 814.5537
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.008496 1.986682
49
Lampiran 5 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman Non-UMKM Bank Besar Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
8
1.0000
Dependent Variable: LNPINJAMANNUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 16:08 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 19 Total panel (balanced) observations: 874 Swamy and Arora estimator of component variances White period standard errors & covariance (d.f. corrected) Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C
-0.003858 0.001346 -0.000716 0.244421 0.108259 0.043864 -0.663275 -0.022049 0.024722
0.019573 0.028054 0.011510 0.138292 0.018889 0.046668 0.228420 0.132739 0.006218
-0.197119 0.047994 -0.062221 1.767429 5.731391 0.939919 -2.903746 -0.166109 3.975682
0.8438 0.9617 0.9504 0.0775 0.0000 0.3475 0.0038 0.8681 0.0001
Effects Specification S.D. Cross-section random Idiosyncratic random
0.013237 0.182715
Rho 0.0052 0.9948
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.012640 0.003509 0.182444 1.384246 0.199344
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.027833 0.182765 28.79236 1.461091
Unweighted Statistics R-squared Sum squared resid
0.012578 28.91678
Mean dependent var Durbin-Watson stat
0.031011 1.454805
50 Sumber: Output regresi data panel Eviews 6
Bank Sedang Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANNUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 15:18 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 24 Total panel (balanced) observations: 1104 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.075400 0.048761 0.011946 0.282413 0.034627 -0.059586 0.075364 0.257823 0.046167 -0.459146
0.095191 0.098224 0.081868 0.098105 0.058641 0.029254 0.030414 0.356446 0.011970 0.022916
-0.792096 0.496425 0.145918 2.878672 0.590491 -2.036871 2.477962 0.723317 3.857018 -20.03592
0.4285 0.6197 0.8840 0.0041 0.5550 0.0419 0.0134 0.4696 0.0001 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.387450
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.277721 0.271779 0.386191 46.73899 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.037750 0.452554 163.1626 1.622655
Unweighted Statistics R-squared Sum squared resid
0.277721 163.1626
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.037750 1.622655
51
Bank Kecil Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANNUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 15:24 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 43 Total panel (balanced) observations: 1978 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
0.033665 -0.046342 -0.004461 0.178112 0.074599 0.034561 0.021323 0.197474 0.017539 -0.162362
0.069409 0.071457 0.059405 0.056015 0.036668 0.021762 0.006904 0.259419 0.008682 0.023306
0.485023 -0.648531 -0.075098 3.179739 2.034430 1.588154 3.088500 0.761215 2.020064 -6.966639
0.6277 0.5167 0.9401 0.0015 0.0420 0.1124 0.0020 0.4466 0.0435 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.377643
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.040880 0.036494 0.374799 9.320156 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.018624 0.381831 276.4534 2.055084
Unweighted Statistics R-squared Sum squared resid
0.040880 276.4534
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.018624 2.055084
52
Pinjaman Non-UMKM Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANNUMKM Method: Panel EGLS (Cross-section random effects) Date: 03/27/14 Time: 09:39 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 86 Total panel (balanced) observations: 3956 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.002234 -0.005988 0.002164 0.186209 0.066401 0.008511 0.031160 0.118371 0.029986 -0.301065
0.045721 0.047136 0.039195 0.039147 0.027796 0.015453 0.005629 0.171034 0.005734 0.014615
-0.048867 -0.127044 0.055205 4.756664 2.388887 0.550775 5.535218 0.692093 5.229556 -20.59932
0.9610 0.8989 0.9560 0.0000 0.0169 0.5818 0.0000 0.4889 0.0000 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.352241
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.107980 0.105945 0.350582 53.07410 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.026698 0.370772 484.9928 1.766068
Unweighted Statistics R-squared Sum squared resid
0.107980 484.9928
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.026698 1.766068
53
Lampiran 6 Hasil Estimasi Panel Data dengan Menggunakan Random Effect Model terhadap Pinjaman Properti Bank Besar Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANPROPERTI Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 22:47 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 17 Total panel (balanced) observations: 782 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.096909 0.134230 -0.003967 0.527078 0.026385 -0.002987 -1.041830 -0.351594 0.013121 -0.271308
0.068762 0.071110 0.058721 0.278957 0.086067 0.049373 0.358615 0.256914 0.009486 0.033409
-1.409348 1.887639 -0.067556 1.889461 0.306561 -0.060496 -2.905147 -1.368527 1.383227 -8.120844
0.1591 0.0594 0.9462 0.0592 0.7593 0.9518 0.0038 0.1715 0.1670 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.233780
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.095074 0.084525 0.232767 9.012099 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.017262 0.243276 41.82750 2.142497
Unweighted Statistics R-squared Sum squared resid
0.095074 41.82750
Mean dependent var Durbin-Watson stat
0.017262 2.142497
54 Sumber: Output regresi data panel Eviews 6
Bank Sedang Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANPROPERTI Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 23:03 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 18 Total panel (balanced) observations: 828 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.055989 -0.122896 0.116511 -0.360675 0.359925 -0.099760 -0.030765 -0.388126 0.057213 -0.286583
0.163845 0.169031 0.140817 0.170119 0.096540 0.048682 0.050843 0.613416 0.020616 0.032960
-0.341717 -0.727061 0.827394 -2.120128 3.728264 -2.049205 -0.605101 -0.632729 2.775139 -8.694852
0.7327 0.4674 0.4083 0.0343 0.0002 0.0408 0.5453 0.5271 0.0056 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.577436
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.120877 0.111205 0.575281 12.49700 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.041621 0.610210 270.7161 1.787356
Unweighted Statistics R-squared Sum squared resid
0.120877 270.7161
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.041621 1.787356
55
Bank Kecil Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANPROPERTI Method: Panel EGLS (Cross-section random effects) Date: 03/26/14 Time: 23:36 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 30 Total panel (balanced) observations: 1380 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.009924 -0.006613 -0.004242 -0.194114 -0.036732 0.046344 -0.048956 -0.310508 0.028186 -0.264021
0.084721 0.087424 0.072506 0.106327 0.049772 0.036829 0.044685 0.317069 0.010671 0.025945
-0.117137 -0.075647 -0.058506 -1.825630 -0.738008 1.258360 -1.095580 -0.979307 2.641467 -10.17612
0.9068 0.9397 0.9534 0.0681 0.4606 0.2085 0.2735 0.3276 0.0083 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.384569
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.077747 0.071688 0.382299 12.83247 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.018754 0.396786 200.2291 2.133831
Unweighted Statistics R-squared Sum squared resid
0.077747 200.2291
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.018754 2.133831
56
Pinjaman Properti Correlated Random Effects - Hausman Test Equation: EQ02 Test cross-section random effects
Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
0.000000
9
1.0000
Dependent Variable: LNPINJAMANPROPERTI Method: Panel EGLS (Cross-section random effects) Date: 03/27/14 Time: 09:55 Sample: 2010M03 2013M12 Periods included: 46 Cross-sections included: 65 Total panel (balanced) observations: 2990 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
BIRATET BIRATETSATU BIRATETTIGA LNASET LNDEPOSIT LNSEKURITAS LIKUIDITAS LNINDEKSKEPERCAYAAN C AR_1
-0.045142 0.005557 0.022262 -0.237344 0.103674 -0.037616 -0.020685 -0.371854 0.035377 -0.281929
0.062675 0.064640 0.053710 0.080146 0.041045 0.025218 0.027179 0.234486 0.007908 0.017441
-0.720264 0.085968 0.414484 -2.961389 2.525860 -1.491629 -0.761062 -1.585825 4.473482 -16.16470
0.4714 0.9315 0.6785 0.0031 0.0116 0.1359 0.4467 0.1129 0.0000 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.419648
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.090036 0.087287 0.417782 32.76151 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.024696 0.437303 520.1344 1.955473
Unweighted Statistics R-squared Sum squared resid
0.090036 520.1344
Sumber: Output regresi data panel Eviews 6
Mean dependent var Durbin-Watson stat
0.024696 1.955473
57
RIWAYAT HIDUP
Penulis dilahirkan di Ujung Pandang pada 27 November 1992 dari pasangan Djamaluddin Baddolo dan Nur Aidha Muhiddin. Penulis adalah putra pertama dari dua bersaudara. Latar pendidikan penulis dimulai tahun 1997 di SD Negeri Cendrawasih dan pada tahun 2004 dilanjutkan di SMP Negeri 1 Makassar. Hingga pada tahun 2010 penulis lulus dari SMA Negeri 2 Makassar dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB dan diterima di Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen. Selama mengikuti perkuliahan, penulis aktif mengajar mata kuliah Ekonomi Umum TPB di bimbingan belajar dan privat mahasiswa Mafia. Penulis juga aktif diberbagai organisasi kemahasiswaan di tingkat Institut Pertanian Bogor, seperti menjadi Ketua Umum UKM Center of Entrepreneurship Development for Youth dan anggota Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (HIPOTESA) FEM IPB sebagai wakil ketua divisi Discussion and Analysis HIPOTESA. Selain itu, penulis juga aktif di organisasi di luar kampus seperti menjadi vice project officer “Forum for Indonesia” chapter Bogor. Bulan Juni-Agustus 2013 penulis menjadi salah satu peserta KKN Kebangsaan yang dilaksanakan oleh Badan Kerjasama Perguruan Tinggi Negeri Bagian Barat sebagai perwakilan Institut Pertanian Bogor di Kabupaten Aceh Besar Provinsi Aceh. Penulis juga aktif dalam mengikuti berbagai perlombaan seperti menjadi juara kedua pada Business Idea Competition Tingkat Persiapan Bersama IPB tahun 2011. Penulis juga masuk dalam penerima Program Kreatifitas MahasiswaKewirausahaan yang dibiayai oleh DIKTI tahun 2012. Penulis juga pernah dinobatkan sebagai mahasiswa Berprestasi Fakultas Ekonomi dan Manajemen IPB tahun 2012. Penulis aktif sebagai pembicara dalam berbagai forum kewirausahaan di tingkat IPB. Sampai saat ini, penulis telah berhasil membuka usaha di bidang kuliner dan jasa. Usaha pertama pada tahun 2010 yaitu kuliner Lenbow Pisang Ijo dan usaha kedua tahun 2012 Jmtours bergerak dibidang jasa travel.
