PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKATAN THRESHOLD VECTOR ERROR CORRECTION MODEL. Surabaya, 30 Januari 2011

PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKATAN THRESHOLD VECTOR ERROR CORRECTION MODEL OLEH : HERI PURNOMO 1309201721

PEMBIMBING : Dr. PURHADI, M.Sc

Surabaya, 30 Januari 2011

Pendahuluan Suku bunga dan inflasi adalah indikator makro ekonomi.

Kebijakan moneter bertujuan untuk pengendalian inflasi.

Perubahan stabilisasi dari jumlah uang beredar menjadi inflation targeting framework dengan menggunakan instrumen suku bunga.

Thursday, February 03, 2011

Seminar Tesis

1

Pendahuluan ‰

Beberapa pendapat mengenai suku bunga inflasi

1 Anggito Abimanyu (1996), uji kausalitas Granger dengan kelambanan dua dan tiga tahun

2

3

Baasir (2003), inflasi di Indonesia disebabkan oleh beragam faktor dan bukan saja merupakan fenomena jangka pendek tetapi juga jangka panjang

Bachtiar (2005), suku bunga bertujuan untuk menstabilkan nilai tukar

Thursday, February 03, 2011

Seminar Tesis

Pendahuluan ™ Beberapa penelitian sebelumnya tentang suku bunga dan inflasi Peneliti

Data

Hasil

Amilia Utomo(2006)

Suku bunga dan inflasi

Adanya pengaruh yang signifikan antara inflasi dan suku bunga deposito berjangka di Indonesia

Purnomo (2004)

Uji kausalitas antara suku bunga dan inflasi

Membuktikan bahwa tingkat bunga berpengaruh terhadap inflasi, namun tidak sebaliknya

Ernawati dan Llewlyn (2007)

Suku bunga dan laju inflasi di Indonesia

Adanya hubungan yang searah dan signifikan antara suku bunga dan inflasi

Thursday, February 03, 2011

Seminar Tesis

2

Pendahuluan

Tujuan

Tujuan penelitian ini adalah mendapatkan model suku bunga dan inflasi di Indonesia dengan pendekatan Threshold Vector Error Correction Model

Batasan Masalah

Penelitian dibatasi hanya pada pemodelan Th h ld Vector Threshold V t Error E Correction C ti Model M d l dengan d dua variabel

Thursday, February 03, 2011

Seminar Tesis

Tinjauan Pustaka

1980

Tong & Lim : Threshold autoregression

Thursday, February 03, 2011

1997

Balke & Fomby : Threshold cointegration

2002

Hansen & Seo : Threshold cointegration in vector error correction model

Seminar Tesis

3

Tinjauan Pustaka ™ Model Linier VECM (Hansen-Seo, 2002):

Δxt = AT X t-1 ( β ) + ut dimana :

xt = ( x1 x2 )

T

X t-1 ( β ) = ( 1 wt −1 ( β ) Δxt −1 ™

Δxt − 2 " Δxt −l )

T

Model threshold kointegrasi (Hansen-Seo, 2002) : T ⎪⎧ A1 X t-1 ( β ) + ut Δxt = ⎨ T ⎪⎩ A2 X t-1 ( β ) + ut

, jika

wt − 1 ( β ) ≤ γ

, jika

wt −1 ( β ) ≤ γ

Thursday, February 03, 2011

Seminar Tesis

Tinjauan Pustaka ™

Estimasi Parameter Menggunakan MLE dengan asumsi error adalah iid Gaussian. Fungsi likelihood : n 1 n T Ln ( A1 , A2 , ∑ , β ,γ ) = − ln ∑ − ∑ ut ( A1 , A2 , ∑ , β ,γ ) ∑ −1 ut ( A1 , A2 , ∑ , β ,γ ) 2 2 t =1

dimana : ut ( A1 , A2 , ∑ , β ,γ ) =+ xt − A1T X t −1 ( β ) d1t ( β ,γ ) − A2T X t −1 ( β ) d 2t ( β ,γ )

Thursday, February 03, 2011

Seminar Tesis

4

Tinjauan Pustaka ™

Estimasi Parameter −1

n n ˆ ( β , γ ) = ⎛ X ( β ) ( X ( β ) )T d ( β ,γ ) ⎞ ⎛ X ( β )+ x T d ( β ,γ ) ⎞ A 1 t −1 1t t 1t ⎜ ∑ t −1 ⎟ ⎜ ∑ t −1 ⎟ ⎝ t =1 ⎠ ⎝ t =1 ⎠ −1

n n ˆ ( β ,γ ) = ⎛ X ( β ) ( X ( β ) )T d ( β ,γ ) ⎞ ⎛ X ( β )+ x T d ( β ,γ ) ⎞ A 2 t −1 2t t 2t ⎜ ∑ t −1 ⎟ ⎜ ∑ t −1 ⎟ ⎝ t =1 ⎠ ⎝ t =1 ⎠

(

ˆ ( β ,γ ) , A ˆ ( β ,γ ) uˆ t ( β ,γ ) = ut A 1 2

)

n T ˆ ( β ,γ ) = 1 u ˆ t ( β ,γ ) ( uˆ t ( β ,γ ) ) ∑ ∑ n t =1

Sehingga didapatkan : n ˆ np Ln ( β ,γ ) = − ln ∑ ( β ,γ ) − 2 2

Thursday, February 03, 2011

Seminar Tesis

Tinjauan Pustaka ‰

Kriteria Penentuan Lag Optimum ¾

AIC (Akaike's Information Criterion)

( )

2 ˆ AIC( p ) = ln ∑ p + 2 ( pq + q )

¾

BIC (Bayesian Information Criterion)

pq 2 ln (T ) ˆ BIC( p ) = ln ∑ + p T

( )

dimana : T

: jumlah observasi

p

: panjang lag

q

: jumlah parameter yang diestimasi

: penaksir matrik varian kovarian residual

Thursday, February 03, 2011

Seminar Tesis

5

Metodologi Penelitian 1. Data yang digunakan ¾ Data BI rate per bulan periode Januari 2003-Desember 2009 bersumber dari Bank Indonesia ¾ Data inflasi per bulan periode Januari 2003-Desember 2009 bersumber dari BPS ¾ Jumlah pengamatan 84 (n=84)

2. Variabel yang digunakan ¾ ¾

X1 = suku bunga X2 = inflasi

Thursday, February 03, 2011

Seminar Tesis

Metodologi Penelitian 3. Konsep dan definisi ™ Suku bunga adalah harga yang dibayarkan untuk satuan mata uang yang dipinjam pada periode waktu tertentu (Courant, 1997). S k bunga Suku b d dapat t dibedakan dib d k menjadi j di dua d yaitu it suku k bunga b nominal (Nominal Interest Rate) dan suku bunga riil (Real Interest Rate). ™ BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan kepada publik. ™ Inflasi adalah suatu kenaikan relative dalam tingkat harga umum (Winardi, 1995). Inflasi adalah salah satu fenomena moneter yang menunjukkan suatu kecenderungan akan naiknya harga-harga barang secara umum, yang berarti terjadinya penurunan nilai uang (Value of Money Declining).

Thursday, February 03, 2011

Seminar Tesis

6

Metodologi Penelitian 4. Langkah-langkah penelitian : 1. Melakukan uji kausalitas Granger terhadap variabel penelitian 2. Menentukan lag optimum yang digunakan 3. Melakukan Uji Kointegrasi antar variabel penelitian 4. Melakukan pemodelan Linier VECM 5. Menentukan nilai threshold yang digunakan 5. Melakukan pemodelan Threshold Vector Error Correction Model

Thursday, February 03, 2011

Seminar Tesis

Graphical User Interface (GUI) Tombol untuk melakukan pemanggilan data, data dalam format text (txt) Isikan jumlah lag yang digunakan d l dalam model d l Isikan jumlah grid untuk gamma Isikan jumlah grid untuk beta Isikan jumlah replikasi bootstrap Isikan nilai trimming Tombol untuk memproses data Tombol untuk keluar dari aplikasi

Thursday, February 03, 2011

Seminar Tesis

7

Hasil Penelitian ™ BI Rate dan Inflasi, 2003-2009 Grafik 2.Inflasi Bulan Januari 2003-Desember 2009

Grafik 1. BI Rate dan Inflasi y-o-y, Jan 2003-Des 2009

12.00

21 BI Rate

18

9.00

Inflasi yoy

15

6.00

12 9

3.00

6

0.00

3

Apr-09

Sep-09

Nov-08

Jan-08

Jun-08

Aug-07

Oct-06

Mar-07

May-06

Jul-05

Dec-05

Feb-05

Apr-04

Sep-04

Nov-03

Jan-03

Apr-09

Sep-09

Nov-08

Jan-08

Jun-08

Aug-07

Oct-06

Mar-07

May-06

Jul-05

Dec-05

Feb-05

Apr-04

Sep-04

Nov-03

Jan-03

Jun-03

Jun-03

-3.00

0

Grafik 1 menunjukkan pergerakan BI rate dengan Inflasi year on year periode Januari 2003 sampai dengan Desember 2009 Grafik 2 menunjukkan pergerakan inflasi per bulan periode Januari 2003 sampai dengan Desember 2009. Thursday, February 03, 2011

Seminar Tesis

Hasil Penelitian ™ Uji Kausalitas Hipotesis H0 : Tidak ada hubungan kausalitas antara variabel x1 dan x2 H1 : Ada hubungan kausalitas antara variabel x1 dan x2 Null Hypothesis: SBI does not Granger Cause INF INF does not Granger Cause SBI

Obs

F-Statistic

Probability

82

2,46628

0,0916 *

5,05409

0,0087*

*) signifikan α=0.1

Dari pengujian dengan uji F, disimpulkan bahwa ada hubungan kausalitas antara x1 dan x2 dengan tingkat signifikansi 10 persen (α=0.1)

Thursday, February 03, 2011

Seminar Tesis

8

Hasil Penelitian ™ Penentuan Lag Optimum Lag

AIC

0

BIC

5 700579 5.700579

5 761914 5.761914

1

2.400007

2.584012

2

1.817463*

2.124138*

3

1.857923

2.287269

4

1.924344

2.476360

5

1.985152

2.659838

6

1.988029

2.785385

7

2 065694 2.065694

2 985721 2.985721

8

2.132030

3.174726

Lag 2 terpilih karena nilai AIC dan BIC terkecil dihasilkan pada lag ini, dari hasil tersebut dapat diputuskan bahwa lag optimum dalam penelitian ini adalah lag 2

*) indikasi lag order yang digunakan AIC: Akaike information criterion BIC: Bayesian information criterion

Thursday, February 03, 2011

Seminar Tesis

Hasil Penelitian ™ Uji Kointegrasi Nilai Statistik Trace dan Probabilita Pengujian Kointegrasi Hipotesis Hi i Nol r=0* r≤1*

Hi Hipotesis i Alternatif r>0 r>1

Eigenvalue 0,332120 0,073668

T Trace Statistic 38,89378 6,19836

0 05 0.05 Critical Value 15,49471 3,84147

Prob.** 0,0000 0,0128

Ket : *) signifikan level 5%

Nilai Statistik Maximum Eigenvalue dan Probabilita Pengujian Kointegrasi Hipotesis Nol r=0* r≤1*

Hipotesis Alternatif r>0 r>1

Eigenvalue 0,332120 0,073668

Max-Eigen Statistic 32,69541 6,19836

0.05 Critical Value 14,26460 3,84147

Prob.** 0,0000 0,0128

Ket : *) signifikan level 5%

Hasil pengujian menunjukkan adanya kointegrasi antar variabel penelitian, dengan tingkat signifikansi 5 persen. Thursday, February 03, 2011

Seminar Tesis

9

Hasil Penelitian ™ Penaksiran Nilai Threshold (gamma) dan Kointegrasi (beta) Concentrated Negative Log Likelihood vs Gamma

­185.2

Concentrated Negative Log Likelihood vs Beta

­178 ­179

Negative Log­Likelihood

Negative Log­Likelihood

­185.25

­185.3

­185.35

­180

­181

­182 ­183

­184

­185.4 ­185

­185.45

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

5

­186

0

5

10

15

Gamma

Beta

(a)

(b)

20

25

Gambar (a) menunjukkan besarnya nilai threshold (Gamma) yang diperoleh dengan menggunakan algoritma Hansen-Seo yang diaplikasikan pada program sebesar 1,287 yang merupakan batas antara regime ekstrim dan regime biasa. Gambar (b) menunjukkan nilai hasil penaksiran kointegrasi (Beta) sebesar 14.79 Thursday, February 03, 2011

Seminar Tesis

Hasil Penelitian ™ Model Threshold Vector Error Correction untuk suku bunga dan inflasi

+ xt = A1T X t −1 ( β ) d1t ( β ,γ ) + A1T X t −1 ( β ) d 2t ( β ,γ ) + ut dimana : d1t ( β ,γ ) = I ( wt −1 ( β ) ≤ 1,287 )

d 2t ( β ,γ ) = I ( wt −1 ( β ) > 1,287 )

0,0794 ⎤ ⎡ 0,0108 ⎢ 0,1013 0,1704 ⎥⎥ ⎢ ⎢ 1,0589 −0,1645 ⎥ A1 = ⎢ ⎥ dan ⎢ 0,1453 0,3457 ⎥ ⎢ −0,0167 0,4373 ⎥ ⎢ ⎥ ⎣ −0,1153 0,1455 ⎦ Thursday, February 03, 2011

⎡ −0,0383 0,0228 ⎤ ⎢ −0,0132 −0,1395 ⎥ ⎢ ⎥ ⎢ 0,4786 0,0515 ⎥ A2 = ⎢ ⎥ ⎢ −0,3417 −0,5566 ⎥ ⎢ −0,2259 −0,2533 ⎥ ⎢ ⎥ ⎣ −0,2038 −0,2843 ⎦ Seminar Tesis

10

Hasil Penelitian Model suku bunga dan inflasi dengan pendekatan TVECM adalah sebagai berikut :

⎧ 0,1013 + 0,0108wt −1 + 1,0589 ΔSBI t −1 − 0,0167 ΔSBI t − 2 + ⎪ 0,1453Δ INF − 0,1153Δ INF + u , jika wt −1 ≤ 1,287 t −1 t −2 1t ⎪ ⎪ ΔSBI t = ⎨ ⎪−0,0132 − 0,0383w + 0,4786 ΔSBI − 0,2259 Δ SBI + t −1 t −1 t −2 ⎪ jika wt −1 > 1,287 ⎪⎩−0,3417 Δ INFt −1 − 0,2038 Δ INFt − 2 + u1t ,

Persamaan Fisher

dimana :

wt −1 = SBI t −1 − 14,79INFt −1

Thursday, February 03, 2011

Seminar Tesis

Hasil Penelitian Time Series Plot of SB_Riil 20

SB_Riil

10 1.29

0

-10

-20

Hubungan antara suku bunga dan inflasi digambarkan dalam persamaan Fisher : Suku bunga riil = suku bunga nominal - inflasi

-30 Month Year

n r ul ct n r ul c t n r u l c t n r ul ct n r ul c t n r ul ct n r ul Ja A p J O Ja A p J O Ja A p J O Ja A p J O Ja A p J O Ja Ap J O Ja A p J 03 04 05 06 07 08 09 20 20 20 20 20 20 20

Grafik di atas menunjukkan suku bunga riil berdasarkan model TVECM dan nilai threshold sebagai batas keseimbangan antara suku bunga dan inflasi, sebesar 1.287 persen Thursday, February 03, 2011

Seminar Tesis

11

Kesimpulan ™ Pemodelan dengan menggunakan pendekatan threshold error correction model dapat menggambarkan dua kondisi yang berbeda. Dalam pemodelan suku bunga dan inflasi dihasilkan bahwa suku bunga saat ini dipengaruhi satu sampai dua periode sebelumnya (2 lag). Pencapaian keseimbangan antara suku bunga dan inflasi sangat lamban, lebih dari 2 (dua) tahun. Keberadaan threshold dalam model dapat menggambarkan titik keseimbangan antara variable suku bunga dan inflasi. Titik keseimbangan jangka panjang antara suku bunga dan inflasi sebesar 1,287 persen, dengan kata lain bahwa suku bunga riil yang harus dipertahankan p adalah kurang g lebih 1,287 , persen. p

Thursday, February 03, 2011

Seminar Tesis

12