PENGARUH PERUBAHAN GIRO WAJIB MINIMUM (GWM) TERHADAP TINGKAT KINERJA PERBANKAN INDONESIA OLEH WELLEM A. TENIWUT H

PENGARUH PERUBAHAN GIRO WAJIB MINIMUM (GWM)  TERHADAP TINGKAT KINERJA PERBANKAN INDONESIA 

OLEH  WELLEM A. TENIWUT  H14102046 

DEPARTEMEN ILMU EKONOMI  FAKULTAS EKONOMI DAN MANAJEMEN  INSTITUT PERTANIAN BOGOR  2006

RINGKASAN 

WELLEM  A.  TENIWUT.  Pengaruh  perubahan  Giro  Wajib  Minimum  (GWM)  terhadap  tingkat  kinerja  perbankan  Indonesia  (dibimbing  oleh  BAMBANG  JUANDA).  Salah satu  tolak  ukur  kemajuan  suatu  negara  dapat  dilihat  dari  kemajuan  ekonominya.  Lembaga  keuangan  non  bank,  yang  paling  banyak  memegang  peranan penting dalam pemenuhan  kebutuhan akan modal  yang dibutuhkan oleh  dunia  usaha  adalah  bank.  Pentingnya  peranan  bank  dalam  mendukung  pertumbuhan  perekonomian  suatu  negara,  maka  diperlukan  kondisi  bank  yang  sehat  dan  memiliki  tingkat  kinerja  yang  baik.  Kebijakan  Giro  Wajib  Minimum  (GWM)  sebagai  salah  satu  instrumen  kebijakan  moneter  yang  dikeluarkan  oleh  bank  sentral  yang  tujuannya  ingin  meningkatkan  kualitas  dari  bank  yang  ada  sekarang,  dimana  akan  menurunkan  tingkat  dana  cair  yang  dimiliki  oleh  bank  sehingga  dapat berpengaruh  pada  tingkat  kinerja  dari perbankan  sehingga  dalam  penelitian  ini,  penulis  ingin  melihat  pengaruh  perubahan  GWM  terhadap  tingkat  kinerja  perbankan  dan  menganalisis  seberapa  lama  jangka  waktu  perubahan  GWM terhadap tingkat kinerja perbankan. Data yang digunakan adalah data time  series dengan periode penelitian dari 1994:1 – 2005:12 dan data yang digunakan  adalah GWM, DPK, Kredit, LDR, NPL dan R dimana penelitian ini menggunakan  metode VAR yang akan dikombinasikan dengan VECM.  Hasil  VECM  menunjukkan  bahwa  dalam  jangka  pendek  pengaruh  perubahan  GWM  terhadap  tingkat  kinerja  perbankan  tidak  berpengaruh  secara  signifikan.  Hal  ini  dikarenakan,  dana maupun  aset  yang  dimiliki  oleh  bank  pada  saat  awal  periode  pengenaan  GWM  oleh  bank  sentral  masih  mencukupi  untuk  mempertahankan  tingkat  kinerja  dari  bank  tersebut  karena  bank  telah  memiliki  rencana  anggaran  dan  target  yang  telah  ditetapkan  sehingga  kinerja  dari  perbankan belum terpengaruh oleh adanya  kebijakan GWM  yang dilakukan oleh  BI.  Pada jangka panjang terdapat hubungan antara GWM dan tingkat  kinerja  perbankan dimana  pada saat peningkatan  dari  GWM  akan  meningkatkan  tingkat  kinerja yang dilihat dari jumlah DPK dan Kredit. Hal ini disebabkan karena, pada  saat jangka panjang GWM yang dikenakan oleh BI membuat dana cair dari bank  menurun sehingga bank­bank pada jangka panjang berusaha untuk meningkatkan  jumlah  pendapatan  yang  diperoleh  termasuk  pada  penyaluran  kredit  dan  jumlah  DPK yang dihimpun dari masyarakat. Kemudian inovasi dari GWM berpengaruh  pada tingkat kinerja perbankan pada periode 15 sampai ke 25.  Implikasi  hasil  penelitian  ini  adalah  bahwa,  peningkatan  GWM  menyebabkan  terjadi  peningkatan  kepercayaan  dari  masyarakat  terhadap  kondisi  bank  yang  ada  sehingga,  pada  jangka  panjang  terjadi  peningkatan  jumlah  DPK  yang dihimpun oleh masyarakat dan juga jumlah penyaluran kredit ke masyarakat.  Peningkatan  jumlah  kredit  juga  dapat  terjadi  karena  adanya  peningkatan  jumlah  DPK  yang  dihimpun  dari  masyarakat.  Perubahan  pada  jumlah  GWM  yang  dikenakan  juga  menyebabkan  peningkatan  pada  tingkat  NPL,  sehingga  disisni  terjadi paradoks pada kebijakan GWM oleh BI, karena disatu pihak meningkatkan  tingkat DPK dan jumlah kredit, tetapi sekaligus meningkatkan jumlah NPL.

PENGARUH PERUBAHAN GIRO WAJIB MINIMUM (GWM)  TERHADAP TINGKAT KINERJA PERBANKAN INDONESIA 

OLEH  WELLEM A. TENIWUT  H14102046 

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

DEPARTEMEN ILMU EKONOMI  FAKULTAS EKONOMI DAN MANAJEMEN  INSTITUT PERTANIAN BOGOR  2006

INSTITUT PERTANIAN BOGOR  FAKULTAS EKONOMI DAN MANAJEMEN  DEPARTEMEN ILMU EKONOMI  Dengan ini menyatakan bahwa skripsi yang disusun oleh  Nama Mahasiswa 

:  Wellem A. Teniwut 

Nomor Registrasi Pokok 

:  H14102046 

Program Studi 

:  Ilmu Ekonomi 

Judul Skripsi 

:  Pengaruh  perubahan  Giro  Wajib  Minimum  (GWM) terhadap tingkat kinerja perbankan 

dapat  diterima  sebagai  syarat  untuk  memperoleh  gelar  Sarjana  Ekonomi  pada  Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian  Bogor. 

Menyetujui,  Dosen Pembimbing 

Dr. Bambang Juanda  NIP. 131 779 498 

Mengetahui,  Ketua Departemen Ilmu Ekonomi 

Dr. Ir. Rina Oktaviani, MS  NIP. 131 846 872 

Tanggal Kelulusan :

PERNYATAAN 

DENGAN  INI  SAYA  MENYATAKAN  BAHWA  SKRIPSI  INI  ADALAH  BENAR­BENAR  HASIL KARYA SAYA SENDIRI YANG  BELUM PERNAH  DIGUNAKAN  SEBAGAI  SKRIPSI  ATAU  KARYA  ILMIAH  PADA  PERGURUAN TINGGI ATAU LEMBAGA MANAPUN. 

Bogor, Agustus 2006 

Wellem  A. Teniwut  H14102046

RIWAYAT HIDUP 

Penulis  bernama  Wellem  A.  Teniwut,  lahir  pada  tanggal  16  juli  1984  di  Ambon.  Penulis  merupakan  anak  pertama  dari  tiga  orang  bersaudara  dari  pasangan Kostantinus Teniwut dan Mathilda Rahaded.  Pada tahun 1996, penulis  menyelesaikan pendidikan sekolah dasar di SDN 4 Dobo, kemudian melanjutkan  ke  SLTPN  1  Dobo  dan  lulus  pada  tahun  1999.  Pada  tahun  yang  sama  penulis  diterima di SMU SAKA Langgur dan lulus pada tahun 2002. Penulis melanjutkan  pendidikan  ke  jenjang  perguruan  tinggi  yaitu  pada  tahun  2002  dimana  penulis  diterima  sebagai  mahasiswa  Institut  Pertanian  Bogor  pada  Departemen  Ilmu  Ekonomi,  Fakultas  Ekonomi  dan  Manajemen  melalui  jalur  Undangan  Seleksi  Masuk IPB (USMI).  Selama  penulis  menjalani  perkuliahan,  penulis  juga  pernah  ikut  dalam  berbagai kepanitiaan dan juga bergabung dalam beberapa organisasi intra kampus  diantaranya: Keluarga Mahasiswa katolik IPB (KEMAKI), Himpunan Profesi dan  Peminat  Ilmu­Ilmu  Ekonomi  dan  Studi  Pembangunan  (HIPOTESA)  dan  Unit  Kegiatan  Mahasiswa  Music  Agriculture  Xpresion  (MAX)  serta  menjadi  anggota  Persatuan Mahasiswa Katolik Republik Indonesia (PMKRI).

KATA PENGANTAR 

Puji dan syukur kehadirat Tuhan Yang Maha Esa, atas segala rahmat dan  karunia­Nya  sehingga penulis dapat menyelesaikan  skripsi “Pengaruh Perubahan  Giro Wajib Minimum (GWM) Terhadap  tingkat kinerja perbankan”.  Adapun hal  yang  melatarbelakangi  penulis  dalam  membuat  skripsi  ini  adalah  diperlukan  kondisi perbankan  yang sehat dan baik  sehingga  dapat mendukung pertumbuhan  ekonomi  yang  ingin  dicapai  negara  ini.  Skripsi  ini  merupakan  syarat  untuk  memperoleh  gelar  Sarjana  Ekonomi  pada  Departemen  Ilmu  Ekonomi,  Fakultas  Ekonomi dan Manajemen, Institut Pertanian Bogor.  Penulis mengucapkan terima kasih kepada:  1. 

Tuhan Yesus Kristus dan Bunda Maria atas perlindungan dan penyertaannya  sehingga dapat terselesaikannya skripsi ini. 

2. 

Orang  tua  penulis,  yaitu  Bapak  Kostantinus  Teniwut  dan  Ibu  Mathilda  Rahaded serta adik Johan, Yully dan Rully atas Kasih sayang dan dukungan  mereka sangat berarti dalam penyelesaian skripsi ini. 

3. 

Bapak  Bambang  Juanda  yang  telah  membimbing  penulis  dengan  sabar  dalam  proses  penyusunan  skripsi  ini  sehingga  dapat  diselesaikan  dengan  baik.  Selain  itu  ucapan  terima  kasih  juga  disampaikan  kepada Bapak Noer  Azam  Achsani  sebagai  penguji  utama  yang  telah  memberikan  banyak  masukan dalam skripsi ini dan juga kepada Ibu Fifi Diana Thamrin sebagai  komisi  Pendidikan  yang  juga  telah  memberikan  koreksi  untuk  penulisan  skripsi ini. 

4. 

Teman­teman yang telah membantu: Eko Purwanto, Harry Girsang, Risky S  Firdaus,  Edgar  Simbolon  serta  teman­teman  Ilmu  Ekonomi  angkatan  39:  Edy, Firman, Aryati, Humairoh, Reinhard, Yoshika, Erick, Granson, Hanie,  Ruth.  B,  Sri,  Herry,  Ratna,  Fikri,  Ary,  Nova,  Sahat  jahat,  Bambang,  Ida,  Dodo.

Semoga  karya  kecil  ini  dapat  bermanfaat  bagi  penulis  dan  pihak  lain  yang  membutuhkan. 

Bogor, Juli 2006 

Wellem A. Teniwut  H14102046

DAFTAR ISI 

Halaman  DAFTAR TABEL ........................................................................................  i  DAFTAR GAMBAR  ...................................................................................  ii  DAFTAR LAMPIRAN ................................................................................  iii  DAFTAR SINGKATAN  .............................................................................  iv  I 

II 

PENDAHULUAN  ...........................................................................  1  1.1. 

Latar Belakang .....................................................................  1 

1.2. 

Perumusan Masalah  .............................................................  6 

1.3. 

Tujuan Penulisan  .................................................................  7 

1.4. 

Manfaat Penulisan ................................................................  7 

TINJAUAN PUSTAKA  ...................................................................  8  2.1. 

Bank Sentral dan Instrumen Kebijakan Moneter  ...................  8 

2.2. 

Giro Wajib Minimum (GWM) Sebagai  Salah Satu Instruman Kebijakan Moneter. .............................  10 

2.3. 

Tingkat Suku Bunga  .............................................................  11 

2.4. 

Kinerja Perbankan  ................................................................  12  2.4.1.  Kredit.........................................................................  12  2.4.2.  NPL  ..........................................................................  14  2.4.3.  DPK  ..........................................................................  15  2.4.4.  LDR  ..........................................................................  15 

III 

2.5. 

Penelitian Sebelumnya ..........................................................  15 

2.6. 

Hipotesis ...............................................................................  17 

2.7. 

Kerangka Pemikiran  .............................................................  17 

METODOLOGI PENELITIAN ........................................................  19  3.1. 

Jenis dan Sumer Data ............................................................  19 

3.2. 

Model Umum VAR  ..............................................................  19 

3.3. 

Model Penelitian ...................................................................  22 

3.4. 

Metode Pendugaan Model .....................................................  24  3.4.1.  Uji Stasioneritas  ........................................................  26  3.4.2.  Pemilihan Panjang Lag Optimal .................................  28

3.4.3.  Kointegrasi ................................................................  28  3.4.4.  Vector Error Corection Model (VECM) ....................  29  3.4.5.  Impulse Response Function (IRF) ..............................  30  3.4.6.  Batasan Operasional  ..................................................  31  IV 

HASIL DAN PEMBAHASAN  ........................................................  32  4.1. 

Pengujian Akar – Akar Unit (Unit Root Test) ........................  32 

4.2. 

Pengujian Tingkat Lag Optimal  ............................................  34 

4.3. 

Uji Kointegrasi  .....................................................................  36 

4.4. 

Estimasi Model Vector error Corection Model ......................  37 

4.5.  Impulse Response Function (IRF)  ..........................................  46  V 

KESIMPULAN DAN SARAN .........................................................  52  5.1. 

Kesimpulan ..........................................................................  52 

5.2. 

Saran  ...................................................................................  54 

DAFTAR PUSTAKA  ..................................................................................  56

I. PENDAHULUAN 

1.1. 

Latar Belakang  Kestabilan  dalam  suatu  perekonomian  dapat  terwujud  apabila  sektor­ 

sektor    yang  memiliki  hubungan  secara  langsung  maupun,  yang  mendukung  secara  tidak  langsung  harus  sama­sama  saling  mendukung.  Faktor­faktor  seperti  kestabilan  nilai  tukar,  kepastian  hukum,  dan  juga  kemampuan  dalam  menjaga  kestabilan  dalam  sektor  moneter  sangat  diperlukan  sehingga  dapat  mendukung  pertumbuhan ekonomi yang ingin dicapai.  Kondisi  perbankan  di  Indonesia  sekarang  ini  sudah  cukup  maju  dimana  setelah  melewati  krisis  yang  melanda  pada  pertengahan  tahun  1997  yang  membuat banyak bank gulung tikar dan juga ada beberapa bank yang merupakan  hasil  merger  seperti  Bank  Mandiri  dan  Bank  Permata  yang  memiliki  aset  yang  baik sehingga  menjadi  salah  satu  bank  terbesar  di  Indonesia.  Dari  hasil  “seleksi  alam” pada saat melewati krisis membuat jumlah bank­bank yang ada sekarang ini  menjadi  lebih  berkurang  jika  dibandingkan  dengan  jumlah  bank  pada  saat  sebelum  terjadinya    krisis,  meskipun  menurut  hasil  survei  yang  dilakukan  oleh  “Asiaweek”  terbitan  november  1996  BNI  yang  asetnya  terbesar  di  Indonesia,  hanya menduduki peringkat 150 saja dari 500 bank terbesar di  Asia, andai saja ke  10  bank  terbesar  di  Indonesia  di  satukan  (merger)  maka  peringkat  berdasarkan  “Asiaweek”    belum  bisa  masuk  ke  10 besar  Asia  (Wijaya,  2002),  tetapi  dengan  adanya  dua  bank  hasil  restrukturisasi  pemerintah  yang  meniliki aset  yang  cukup  besar  dan  masuk  dalam  bank  terbesar  di  Indonesia  ini  cukup  mampu

mengembalikan  tingkat  kepercayaan  dari  masyarakat  maupun pihak  asing  dalam  melihat kemampuan otoritas moneter di Indonesia.  Keterkaitan  antara  sistem  perbankan  dengan  stabilitas  ekonomi  makro  sekaligus  sebagai  landasan  yang  kuat  bagi  pertumbuhan  ekonomi  yang  mantap  adalah karena fungsi perbankan sebagai lembaga intermediasi antar pemilik dana  (deposan) dengan pengguna dana (debitor). Kemampuan sistem perbankan dalam  menyalurkan  dana  akan  tergantung,  karena  itu  wajar  bila  keberuntungan  sistem  perbankan pasca  krisis mata uang  seperti Thailand, Korea Selatan dan Malaysia,  data  menunjukan  bahwa  PDB  riil  dari  negara­negara  tersebut  telah  tumbuh  masing­masing sebesar 3,5 persen ; 9,8 persen dan 4,1 persen pada kuartal kedua  tahun 1999 sebaliknya, PDB riil Indonesia hanya tumbuh sebesar 1,8 persen pada  periode yang sama (Bank Indonesia, 2000).  Mengamati peran kunci perbankan terhadap stabilitas maupun percepatan  pertumbuhan ekonomi, sebagai literatur mengemukakan pentingnya peran kehati­  hatian  pengawasan  dunia  perbankan.  Bascom  (1997)  dalam  Habibie  (2004)  menyatakan  pentingnya  prinsip  kehati­hatian  adalah  karena  kredit  perbankan  sangat  potensial  untuk  dialokasikan  oleh  praktek  perbankan  yang  tidak  sehat,  seperti  kolusi  (insider  dealing),  praktek  spekulatif  yang  sangat  memungkinkan  adanya  mis  manajemen  antara  aset  dan  kewajiban  perbankan  maupun  pinjaman  beresiko tinggi dalam portofolio investasi perbankan.  Peran  dunia  perbankan  dalam  fungsimya  sebagai  lembaga  intermediasi  yang sekarang ini sudah tidak berjalan dengan tidak semestinya karena pihak lebih  suka  menanamkan  modalnya  atau  menginvestasikan  modalnya  ke  sebuah

perusahaan  atau  pihak  asing  dibandingkan  dengan  memberikan  pinjaman  ke  masyarakat  yang  nantinya  akan  mempengaruhi  jumlah  kredit  yang  diberikan  dimana  kredit  merupakan  salah  satu  indikator  dari  kinerja  perbankan  akan  mengalami  perubahan.  Kemudian  relatif  masih  terlalu  sedikitnya  proporsi  penduduk Indonesia  yang  biasa  bertindak sebagai  penabung  dan  peminjam  dana  dibandingkan dengan jumlah  kantor bank  yang tersedia, menyebabkan Indonesia  dikatakan  sudah  Overbanking  (Wijaya,  2002).  Dunia  perbankan  di  Indonesia  memiliki  iklim  yang  ketat  yang  akan  mempengaruhi  tingkat  kinerja  dari  perbankan  tersebut  karena  tingginya  tingkat  persaingan  yang  terjadi  maka  persaingan  untuk  meningkatkan  tingkat  kinerja  dari  bank­bank  menjadi  sangat  sulit,  kemudian  faktor  eksternal  yang  mempengaruhi  tingkat  kinerja  dari  perbankan  di  Indonesia  adalah  krisis  ekonomi  yang  terjadi  di  negara  ini  pada  tahun  1997,  membuat  dunia  industri  maupun  dunia  usaha  menjadi  sangat  terguncang dimana banyak perusahaan yang gulung tikar akibat krisis yang terjadi  hal ini menyebabkan permintaan terhadap kredit menurun dan juga tingkat kredit  yang  bermasalah    menjadi  meningkat  yang  dengan  sendirinya  akan  menurunkan  tingkat  kinerja  dari  bank­bank  tersebut.  Selain  faktor  lain  seperti  struktur  perbankan    tersebut  juga  dapat  mempengaruhi  tingkat  kinerja  dari  perbankan  tersebut.  Dalam memasuki era globalisasi sekarang ini, ada dua bank nasional yang  sudah  “Go­Public”  yaitu  Bank  Rakyat  Indonesia  (BRI)  dan  Bank  Mandiri.  Masalah  bagi  perbankan  Indonesia  dalam memasuki  pasar  global  pada dasarnya  bukan  lagi  dalam  keterkaitan  visi,  tetapi  justru  dalam  aksinya,  artinya  visi

terhadap adanya globalisasi sudah banyak dipahami dan di antisipasi, tetapi dalam  hal  aksinya  masih  banyak  yang  belum  dapat  perhatian,  hal  ini  juga  yang  yang  menjadi salah satu faktor  yang membuat baru hanya Bank Rakyat  Indonesia dan  Bank Mandiri yang bisa “Go­Public”  (Wijaya, 2002).  Bank Indonesia sebagai lembaga yang bertanggung jawab dalam kebijakan  moneter  di Indonesia,  dalam  fungsinya  untuk  mengontrol  dan mengawasi  sektor  perbankan  di  Indonesia  dalam  salah  instrumen  kebijakannya  yaitu  dengan  menetapkan Giro Wajib Minimum (GWM), dimana instrumen kebijakan ini yang  pada saat itu dikenal dengan nama cadangan minimum pertama kali  dilaksanakan  oleh  bank  Indonesia  pada  tahun  1957,  dimana  bank­bank  diwajibkan  untuk  memelihara  cadangan  sebesar    30  persen  dari  total  depositnya.  Total  deposit  terdiri  dari  giro,  sebagian  dari  deposito  berjangka  dan  tabungan  masyarakat.  Kemudian Instrumen kebijakan  ini menjadi GWM (Giro  Wajib Minimum) pada  tahun  1968,  GWM  merupakan  kebijakan  yang  bersifat  jangka  panjang  (Bank  Indonesia, 2004), dimana  kebijakan  yang dikeluarkan oleh BI dalam  hal ini baru  dapat dirasakan dampaknya pada jangka panjang tidak secara langsung dirasakan  efeknya.  Tujuan  utama  dari  pelaksanaan  instrumen  kebijakan  ini  adalah  untuk  menjaga  agar  setiap  bank­bank  yang  ada  tetap  memiliki  dana  cadangan  yang  membuat  sehingga  Bank  Indonesia  dengan  mudah  dapat  mengetahui  seberapa  besar total Dana Pihak Ketiga (DPK) dari bank­bank yang ada.  Instrumen  moneter  yang  ditetapkan  oleh  Bank  Sentral  telah  mengalami  beberapa  perubahan  hingga  sekarang.  dapat  dilihat  pada  tabel  dibawah  bahwa

telah  terjadi  beberapa  perubahan  sejak  pertama  diberlakukan  pada  tahun  1968  hingga sekarang.  Tabel 1.1 Perubahan GWM yang Dikenakan Oleh BI  Tahun 

Jumlah GWM yang dikenakan ke setiap bank 

1968 ­ 1977 

30 persen dari kewajiban lancarnya 

1977 ­ 1988 

15 persen dari kewajiban lancarnya 

1988 ­ 1996 

2 persen dari total  DPK dimana terdiri dari deposito  berjangka, tabungan dan giro 

1996 ­ 1997 

3 persen dari total DPK 

1997 ­ sekarang 

1)  Bank  dengan  total  DPK  diatas  Rp.50  triliun  dikenakan  tambahan  3  persen  sehingga  total  menjadi 8 persen.  2)  Bank dengan total DPK antara Rp.10 – 50 triliun  dikenakan  tambahan  2  persen  sehingga  totalnya  menjadi 7 persen.  3)  Bank  dengan  total  DPK  antara  1  –  10  triliun  dikenakan  tambahan  1  persen  sehingga  totalnya  menjadi 6 persen.  4)  Bank  dengan total  DPK  di  bawah  1  triliun  tidak  diberlakukan  kenaikan  GWM  sehingga  GWM  harus dipelihara. 

Sumber : Bank Indonesia (dalam Manurung dan Raharja, 2004). 

Berikut  adalah  Posisi  penghimpunan  dana  pada  Bank  Umum  menurut  kelompok Bank (Milyar Rp),

Tabel 1.2 Penghimpunan Dana Pada Bank Umum Menurut Kelompok Bank  Keterangan  Bank Persero  Giro  Tabungan  Simpanan  Berjangka  Bank Swasta  Nasional  Giro  Tabungan  Simpanan  Berjangka 

1999  233.773  25.407  55.044  153.322 

2000  269.812  49.205  68.538  153.609 

2001  318.722  54.256  79.645  184.821 

2002  323.556  51.320  90.573  181.663 

2003  331292  64.181  115.150  151.961 

217.804 

236.981 

257.068 

289.800 

331.886 

26.866  62.267  128.731 

34.123  77.267  125.651 

38.099  82.034  136.935 

44.238  90.828  154.734 

53.401  112.326  166.159 

Sumber : Bank Indonesia (dalam Manurung dan Raharja, 2004). 

Dapat dilihat bahwa penghimpunan dana dari tahun 1999 – 2003 mengalami  peningkatan  karena GWM disesuaikan menjadi 5 persen sejak bulan April tahun  1997  (Tarmizi,  1997),  perubahan  GWM  tidak  sering  dilakukan  karena  hanya  dibatasi untuk dua tujuan (Haslag, 1995) yaitu :  1)  GWM  dipakai  untuk  menyerap  excess  reserve  yang  berlebihan  atau  untuk mengatasi kekurangan cadangan yang fundamental dalam sistem  perbankan.  2)  Cadangan  wajib  digunakan  untuk  menggunakan  adanya  kebijakan  yang  penting,  maksudnya  agar  masyarakat  dan  dunia  perbankan  mengetahui arah yang dituju oleh otoritas moneter. 

I.2. 

Perumusan Masalah  Perubahan  jumlah  GWM  yang  diwajibkan  kepada  setiap  bank  ini  akan 

berpengaruh  pada  jumlah  dana  yang  dimiliki  oleh  setiap  bank  yang  ada,  jika  jumlah  GWM  yang  dikenakan  meningkat  maka  dengan  sendirinya  jumlah  dari

dana  yang  dipegang  oleh  bank  menjadi  berkurang,  sehingga  dari  latar  belakang  tersebut maka ada beberapa permasalahan yang dilihat oleh penulis antara lain :  1)  Apakah ada pengaruh perubahan GWM oleh Bank Indonesia terhadap  kinerja perbankan Indonesia dan bagaimanakah hubungannya?  2)  Berapa  lama  jangka  waktu  respon  dari  tingkat  kinerja  perbankan  terhadap perubahan GWM tersebut? 

I.3. 

Tujuan Penulisan  Penulisan  ini  bertujuan  untuk  menjawab  permasalahan  yang  ada  pada 

penelitian ini yaitu :  1)  Menganalisis  apakah  ada  hubungan  antara  perubahan  GWM  oleh  Bank  Indonesia terhadap tingkat kinerja perbankan Indonesia, kemudian  2)  Mengetahui seberapa lama respon dari tingkat kinerja perbankan terhadap  perubahan GWM (Giro Wajib Minimum). 

I.4. 

Manfaat Penulisan  Manfaat dari tulisan ini adalah untuk memberikan informasi kepada pihak 

mana  saja  menengenai  pengaruh  perubahan  GWM  (Giro  Wajib  Minimum)  terhadap  tingkat  kinerja  perbankan  Indonesia,  serta  kepada  Bank  Indonesia  sebagai  otoritas  moneter  agar dapat melihat  akibat  perubahn  GWM  (Giro  Wajib  Minimum) yang ditetapkan terhadap kinerja perbankan Indonesia.

II. TINJAUAN PUSTAKA 

2.1. 

Bank Sentral dan Instrumen Kebijakan Moneter  Lembaga  keuangan  yang  paling  besar  dan  berpengaruh  di  dalam  suatu 

perekonomian  modern  adalah  bank  sentral.  Apa  yang  diputuskan  oleh  bank  sentral,  yaitu  perihal  kebijakan  moneter,  akan  mempengaruhi  kinerja  perekonomian.  Bank  Sentral  secara  konsep  merupakan  lembaga  keuangan  yang  berbentuk  badan  hukum.  Karena  bank  sentral  merupakan  lembaga  keuangan  formal (Manurung dan Rahardja, 2004).  Tugas  utama  dari  bank  sentral  adalah  untuk  menjaga  kestabilan  moneter  perekonomian sebuah negara. Bank sentral sebuah negara seringkali harus bekerja  sama  dengan  bank  sentral  negara­negara  lain  untuk  menjaga  stabilitas  perekonomian  dunia,  Untuk  dapat  menjalankan  fungsi  pengaturan  jumlah  uang  beredar.  Fungsi  bank  sentral  lebih  luas  dibandingkan  dengan  hanya  mengatur  jumlah  uang  beredar,  melalui  kebijakan  moneter.  Beberapa  fungsi  dari  bank  sentral  adalah sebagai agen pemerintah, banknya  bank, penentu dan pelaksanaan  kebijkan  moneter  dan  lain­lain  seperti  malakukan  riset­riset  ekonomi  dan  penanganan transaksi giro, khususnya pada fungsi sebagai pelaksana dan penentu  kebijakan  moneter  bank  sentral  memiliki  beberapa  instrumen  seperti  dalam  mewujudkan tujuan yang ingin dicapai. Konsep kebijakan moneter sendiri adalah  kebijakan ekonomi untuk mengarahkan makroekonomi ke kondisi yang lebih baik  atau diinginkan dengan jalan mengubah­ubah jumlah uang beredar.  Dalam  kebijakan  moneter  tersebut  bank sentral  memiliki  instrumen  yang  mendukungnya dalam mencapai tujuan, beberapa instrumen tersebut antara lain :

a)  Operasi Pasar Terbuka (Open Market Operation)  Jika  pemerintah  ingin  mengedalikan  jumlah  uang  beredar  dengan  menggunakan instrumen operasi pasar terbuka, maka pemerintah menjual dan  membeli  surat  berharga  milik  pemerintah.  Di  Indonesia,  salah  satu  sekuritas  yang  sering  digunakan  oleh  Bank  Indonesia  untuk  mengendalikan  jumlah  uang  beredar  adalah  SBI  (Sertifikat  Bank  Indonesia)    yang  dikeluarkan  oleh  bank  sentral.  Kepada  setiap  pemilik  SBI  Bank  Indonesia  memberikan  balas  jasa berupa pendapatan bunga.  b)  Tingkat Bunga Diskonto (Discount Rate)  Untuk  membantu  bank  umum  yang  mengalami  kesulitan  dana  dalam  rangka  ekspansi  kredit,  bank  sentral  dapat  memberi  pinjaman.  Pinjaman  oleh  bank  sentral  kepada  bank  umum  tersebut  disebut  juga  fasilitas  diskonto.  Jika  pemerintah ingin menambah jumlah uang beredar, maka daya ekspansi kredit  bank umum harus ditingkatkan, cateris paribus, maka dana yang dimiliki oleh  bank bertambah. Bank sentral memberikan bantuan melalui fasilitas diskonto.  Bank  umum  yang  ekspansif,  maka  tingkat  bunga  pinjaman  fasilitas  diskonto  harus diturunkan. Dengan cara  ini pinjaman bank umum kepada bank sentral  akan meningkat, begitu juga sebaliknya.  c)  Imbauan moral  Bank sentral juga dapat melakikan imbauan moral, instrumen sangat kualitatif  sifatnya dan tidak menuntut bank umum untuk menaatinya.  d)  Giro Wajib Minimum (Reserve Requirment Ratio)

Dari  keempat  instrumen  kebijakan  moneter  yang  dimiliki  oleh  bank  sentral  penulis  lebih  menekankan  pembahasan  pada  instrumen  yang  keempat  yaitu  kebijakan Giro Wajib Minimum (GWM). 

2.2. 

Giro Wajib Minimum (GWM) Sebagai Salah Satu Instruman  Kebijakan  Moneter.  Giro  Wajib  Minimum  (GWM)  adalah  ketentuan  Bank  Sentral  dalam  hal 

ini  adalah  Bank  Indonesia  yang  mewajibkan  bank­bank  untuk  memelihara  sejumlah  harta lancar sebesar persentasi tertentu dari kewajiban  lancarnya (Bank  Indonesia,  1999a).  Menurut  Ascarya  (2002),  cadangan  primer  atau  yang  umum  dikenal  dengan  GWM  adalah  instrumen  tidak  langsung  yang  merupakan  ketentuan  bank  sentral  yang  mewajibkan  bank  memelihara  sejumlah  alat  likuid  sebesar persentasi tertentu dari kewajiban lancarnya.  Dalam  contoh  tentang  penciptaan  uang  giral,  telah  ditunjukkan  bahwa  persentase cadangan wajib minimum  memenuhi daya ekspansi  kredit. Jika bank  sentral  menurunkan  rasio  cadangan  minimum  maka  daya  ekspansi  kredit  bank  umum akan meningkat, sehingga jumlah uang beredar bertambah. Sebaliknya jika  rasio  cadangan  minimum  menurun  maka  jumlah  uang  beredar  juga  berkurang.  Menurut Manurung dan Rahardja (2004), GWM merupakan  sejumlah dana  yang  harus di setorkan kepada bank sentral atas setiap unit deposito yang diterimanya.  Besarnya  GWM  tergantung  kepada  persentase  (reserve  requirement  ratio,  disingkat RRR)  yang ditetapkan bank sentral. Makin besar RRR  yang ditetapkan  bank sentral, maka makin kecil daya ekspansi kredit bank.

2.3. 

Tingkat Suku Bunga  Menurut Keynes bahwa bunga adalah semata–mata gejala moneter, bunga 

adalah  sebuah  pembayaran  untuk  menggunakan  uang.  Berdsarkan  atas  pendapat  tersebut,  Keynes  menganggap  adanya  pengaruh  uang  terhadap  sistem  perekonomian  seluruhnya.  Dalam  buku  klasiknya  The  General  Theory,  Keynes  menjabarkan  pandangannya  mengenai  penentuan  tingkat  bunga  dalam  jangka  pendek.  Teori  tersebut  dinamakan  teori  preferensi  likuiditas,  karena  teori  itu  menyatakan  bahwa  tingkat  bunga  menyesuaikan  untuk  menyeimbangkan  penawaran  dan  permintaan  untuk  aset  perekonomian  yang  paling  likuid,  yaitu  uang (Mankiw, 2000).  Teori  preferensi  likuiditas  mengasumsikan  adanya  penawaran  uang  riil  tetap yaitu :  S 

M  æM ö ç ÷ = P è P  ø 

(2.1) 

Penawaran  uang  M  adalah  variabel  kebijakan  eksogen  yang  dipilih  oleh  bank sentral. Tingkat harga (P) juga merupakan variabel eksogen dalam model ini.  Tanda garis di atas menunjukkan variabel­variabel  yang dianggap konstan dalam  jangka pendek. Asumsi ini menunjukkan bahwa penawaran uang riil adalah tetap  dan  biasanya,  tidak  tergantung  pada  tingkat  bunga  akan  didapatkan  kurva  penawaran vertikal.  Teori  preferensi  tingkat  bunga  juga  menegaskan  bahwa  tingkat  bunga  adalah  sebuah  determinan  dari  berapa  banyak  uang  yang  ingin  dipegang  masyarakat.  Alasannya  karena  tingkat  bunga  adalah  biaya  peluang  (opportunitty

Cost)  dari  memegang  uang.  Ketika  tingkat  bunga  naik,  maka  masyarakat  hanya  ingin memegang lebih sedikit uang. Jadi permintan uang dapat dituliskan sebagai  berikut :  d 

æ M  ö ç ÷ = L(i )  è P ø 

(2.2) 

Dimana  fungsi  L(i)  menunjukkan  bahwa  jumlah  uang  yang  diminta  tergantung  pada tingkat bunga. 

2.4. 

Kinerja Perbankan  Sawir  (2001),  kinerja  merupakan  kemampuan  perusahaan  untuk 

mendapatkan  atau  meraih  keuntungan  dan  kemampuan  dalam  mengelola  perusahaan secara efisien.  Menurut  Kidwell  dan  Peterson  (1981),  bahwa  kinerja  di  ukur  dengan  menggunakan  rata–rata  bunga  pinjaman,  rata–rata  tingkat  bunga  simpanan  dan  profitabilitas perbankan, indikator kinerja pasar adalah keuntungan yang diperoleh  dalam suatu industri. Tingkat kinerja yang dimaksud di dalam penulisan ini adalah  bahwa  mekanisme  kerja  dari  sistem  manajemen  perbankan  dalam  menjalankan  roda perusahaan perbankan dimana tidak hanya dilihat melalui tingkat pendapatan  yang  diterima  tetapi  juga  tingkat  pelayanan  dan  juga  mobilitas  kerja  dari  perbankan. Beberapa indikator yabg dipakai antara lain :  2.4.1.  Kredit  Kredit  adalah  penyediaan  uang  atau  tagihan  yang  dapat  dipersamakan  dengan  itu  berdasarkan  persetrujuan  atau  kesepakatan  pinjam­meminjam  antara  bank  dengan  pihak  lain  yang  mewajibkan  pihak  peminjam  untuk  melunasi

utangnya  setelah  jangka  waktu  tertentu  dengan  jumlah  bunga,  imbalan  atau  pembagian keuntungan. Menurut Undang–Undang 10/1998 tentang perbankan.  Tabel 2.1 Klasifikasi Kredit Berdasarkan Pengertian  Klasifikasi kredit  Jangka waktu 

Keterangan  Ø  Kredit Jangka Pendek  Ø  Kredit Jangka Menengah  Ø  Kredit Jangka Panjang 

Ada tidaknya jaminan 

Ø  Kredit Dengan Jaminan  Ø  Kredit Tanpa Jaminan 

Segmen usaha 

Ø  Kredit Pertanian  Ø  Kredit Industri  Ø  Kredit Jasa 

Tujuan 

Ø  Kredit Komersial  Ø  Kredit Konsumtif  Ø  Kredit Produktif 

Penggunaan 

Ø  Kredit Modal Kerja  Ø  Kredit Investasi 

Kredit non kas 

Ø  Bank Garansi  Ø  Letter Of Credit 

Sumber  :  Uang,  Perbankan,  dan  Ekonomi  Moneter  (Kajian  Konseptual  Indonesia)  Manurung dan Raharja, 2004 

Kredit  dipakai  sebagai  salah  indikator  dalam  pengukuran  tingkat  kinerja  dari  perbankan  adalah  karena  dengan  tingkat  kredit  yang  tinggi  oleh  perbankan  maka pihak bank dapat menambah penerimaan dari tingkat NIM atau Net Interest  Margin  dari  hasil  bunga  kredit  yang  dikembalikan  oleh  peminjam,  dengan  demikian maka kredit memiliki hubungan dengan tingkat kinerja perbankan.

2.4.2.  NPL  Non  Performing  Loan  (NPL)  dimasukan  dalam  indikator  kinerja  perbankan karena, jika kredit macet yang terdapat pada bank tersebut tinggi maka  dapat  dilihat  bahwa  kinerja  dari  bank  tersebut  menjadi  kurang  dan  sebaliknya,  yang termasuk dalam kredit bermasalah adalah :  1)  Kredit kurang lancar  §  Untuk  kredit  non  KPR  ada  tunggakan  angsuran  pokok  yang  lebih  lama. Misalnya untuk kredit yang masa angsurannya bulanan terdapat  tunggakan satu bulan tetapi belum sampai dua bulan. Sedangkan kredit  yang angsurannya 6 bulan terdapat tunggakan, namun belum mencapai  12 bulan.  §  Bagi  kredit  BPR,  ada  tunggakan  angsuran  pokok  yang  melebihi  6  bulan, tetapi belum melebihi 9 bulan.  2)  Kredit yang diragukan  Kredit yang diragukan adalah kredit yang tidak termasuk kurang lancar, tetapi  kredit  dapat diselamatkan  jika  agunannya  lebih  sama  dengan  75  persen  dari  utang debitor atau kredit  yang tidak dapat diselamatkan  jika agunannya lebih  besar sama dengan 100 persen dari utang debitor.  3)  Kredit macet  Kredit  macet  adalah  kredit  yang  sejak  kurang  lebih  21  bulan  dikategorikan  diragukan,  belum  ada  pelunasan  atau  upaya  penyelamatan  kredit.  Kredit  tersebut  penyelesaiannya  telah  diserahkan  kepada  pengadilan  negeri  atau

Badan  Urusan  Piutang  negara  (BUPN)  atau  telah  diajukan  pengantian  rugi  kepada perusahaan asuransi kredit.  2.4.3.  DPK  Dana Pihak Ketiga merupakan dana­dana  yang dihimpun dari masyarakat  merupakan sumber dana terbesar yang paling diandalkan oleh bank, terdiri dari :  §  Giro (Demand Deposit).  §  Deposito (Time Deposit).  §  Tabungan (Saving).  2.4.4.  LDR  Loan  Deposit  Ratio,  merupakan  rasio  antara  seluruh  jumlah  kredit  yang  diterima  bank.  Rasio  ini  merupakan  salah  satu  penilaian  likuiditas  bank  dan  deposito.  LDR  menyatakan  seberapa  jauh  kemampuan  bank  dalam  membayar  kembali  penarikan  dana  yang  dilakukan  deposan  dengan  mengandalkan  kredit  sebagai  sumber  likuiditasnya.  Dengan  kata  lain,  seberapa  jauh  pemberian  kredit  nasabah  dapat  mengimbangi  kewajiban  untuk  segera  memenuhi  permintaan  deposan  yang  ingin  menarik  kembali  uangnya  yang  telah  digunakan  oleh  bank  untuk  memberikan  kredit,  semakin  tinggi  rasio  tersebut  memberikan  indikasi  rendahnya kemampuan likuiditas bank yang bersangkutan. 

2.5. 

Penelitian Sebelumnya  Analisis  serta  kajian  terhadap  perubahan  GWM  telah  dilakukan  baik  di 

dalam  negeri  maupun  luar  negeri,  berikut  akan  dipaparkan  beberapa  penelitian  terdahulu dengan  pendekatan  yang  secara  khusus  menganalisis  perubahan  dalam  GWM.

Dias Marchi Adisti (2005), mencoba untuk melihat perubahan rasio GWM  terhadap  Inflasi  di  Indonesia.  Kesimpulam  dari  penelitian  ini  adalah  perubahan  GWM mempengaruhi Inflasi secara tidak langsung melalui perubahan dari M1.  Froyen dan Ganeca (1996), mencoba untuk melihat hubungan antara rasio  GWM  dengan  masalah  kontrol  moneter  dengan  asumsi  bahwa  suku  bunga  deposito  adalah  dalam  jangka  pendek.  Mereka  mencoba  untuk  melihat  dampak  perubahan  rasio  GWM  terhadap  deposito  pada  dua  jenis  perekonomian  yang  menggunakan  target  operasional  yang  berbeda.  Dalam  studi  mereka  menunujukkan  hubungan  antara  rasio  GWM  dan  deposito  adalah  negatif  dan  tergantung pada operasional Bank Sentral.  Kemudian  analisis  mengenai  kinerja  perbankan  telah  dilakukan  oleh  beberapa peneliti, beberapa diantaranya :  Yuniarsih  (2005),  mengenai  Analisis  Struktur  Perilaku­kinerja  Bank  Umum Persero, dimana kesimpulan dari penelitian ini adalah bahwa struktur pasar  dan  kinerja  berhubungan  positif  dimana  pada  struktur  pasar  menjadi  semakin  tinggi  maka  tingkat  kinerja  dari  perbankan  tersebut  menjadi  semakin  meningkat  juga.  Putra  (1992),  dalam  penelitiannya  yang  bertujuan  melihat  pengaruh  struktur pasar dan perilaku terhadap kinerja terhadap industri perbankan, dimana  penelitian berkesimpulan bahwa struktur pasar yang dilihat dari aset dan perilaku  yang  dilihat  dari  biaya  tenaga  kerja  berpengaruh  secara  siginifikan  terhadap  kinerja industri perbankan.

2.6. 

Hipotesis  Berdasarkan  penelitian  dan  teori  yang  mendukung  menyatakan  bahwa 

perubahan  pada  GWM  dan  tingkat  kinerja  mempunyai  hubungan  yang  negatif.  Respon  dari  kinerja  perbankan  terhadap  pengenaan  GWM  terjadi  pada  periode  awal. 

2.7. 

Kerangka Pemikiran 

Bank Sentral  (otoritas moneter) 

Instrumen Kebijakan  Moneter 

Penetapan jumlah Giro  Wajib Minimum  (GWM) 

Suku Bunga

LDR 

Kinerja Perbankan 

Kredit 

NPL 

Gambar 2.1. Bagan Kerangka Pemikiran 

Krisis ekonomi  yang terjadi di  Indonesia 

DPK 

Bank  sentral  sebagai  lembaga  yang  bertanggung  jawab  dalam  kestabilan  dalam  sektor  moneter  memiliki  beberapa  instrumen  yang  mendukung  dalam  mencapai  kestabilan  moneter,  salah  satu  diantaranya  kebijakan  Giro  wajib  minimum  (GWM).  Pengenaan  kebijakan  ini  mewajibkan  setiap  bank  untuk  menyimpan  sejumlah  dana  ke  bank  sentral  dimana  besarnya  tergantung  dari  jumlah  DPK  yang  dimiliki  bank  tersebut.  Hal  ini  akan  berpengaruh  pada  penyaluran kredit oleh bank, yang nantinya juga akan berpengaruh pada indikator  kinerja  perbankan  yang  lain  seperti  LDR  (Loan  Deposit  Ratio),  NPL  (Non  Performing  Loan).  Selain  itu  juga  pada  periode  penelitian  ini  dari  1994:1  –  2005:12  terjadi  krisis  ekonomi  yang  terjadi  di  Indonesia  sehingga  akan  berpengaruh pada tingkat  kinerja perbankan,  serta adanya pengaruh tingkat suku  bunga  yang secara langsung berpengaruh pada penyaluran kredit maupun tingkat  DPK (Dana Pihak Ketiga), sehingga dimasukan juga dalam penelitian ini.

III. METODE PENELITIAN 

3.1. 

Jenis dan Sumber Data  Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang 

diperoleh  dari  berbagai  sumber,  yaitu  literatur  yang  berkaitan  dengan  topik  penelitian dan dari  Bank Indonesia.  Data­data  yang  digunakan  adalah  data  Loan  Deposit  Ratio  (LDR),  Total  Kredit  (Cr),  Dana  Pihak  Ketiga  (DPK),  Non  Performing  Loan  (NPL),  tingkat  suku  bunga  kredit  (R)  dan  data  Giro  wajib  Minimum  (GWM)  serta  menggunakan  variabel  Dummy  yang  melambangkan  krisis  ekonomi  yang  terjadi  pada  jangka  waktu  penelitian  ini,  karena  pada  saat  terjadi  krisis  ekonomi  dan  juga  fluktuasi  dalam  sektor  moneter  mempengaruhi  variabel  yang  digunakan,  dimana  variabel  yang  digunakan  dari  tahun  1994:1  –  2005:12. 

3.2. 

Model Umum VAR  Vector autoregressive atau  yang lebih dikenal dengan VAR  adalah suatu 

sistem  persamaan  yang  memperlihatkan  setiap  peubah  sebagai  fungsi  linear  dari  dari konstanta dan  nilai lag  (lampau) dari peubah itu sendiri serta nilai lag  dari  peubah  yang ada dalam sistem. Peubah penjelas VAR  meliputi nilai lag seluruh  peubah tak bebas dalam sistem.  Dalam  menggunakan  metode  VAR  jika  data­data  yang  digunakan  tidak  stasioner pada tingkat level I(0) tetapi stasioner pada tingkat first differences I(1)  dimana  data  tersebut  sudah  terkointegrasi  maka  metode  yang  digunakan  adalah

VECM  atau  VAR  first  differences,  tetapi  jika  data  stasioner  pada  tingkat  level  maka digunakan metode VAR tradisional (Enders, 2004).  Uji  kausalitas  dalam  VAR  merupakan  generalisasi  dari  metode  uji  kausalitas Granger. Uji kausalitas VAR bersifat multivariat, sedangkan kausalitas  Granger  bersifat  bivariat,  sehingga  implikasi  kausalitas  yang  dihasilkan  oleh  Granger  Causality  Test  tidak  sesuai  dengan  fenomena  nyata  mengingat  estimasi  parameter  yang  bias  akibat  penghilangan  variabel  bebas  lain  yang  relevan  bila  dimasukan dalam sistem persamaan.  Hubungan  kausalitas  antar  variabel  dalam  sistem  persamaan  multivariat  lebih rumit dibandingkan pada sistem persamaan bivariat. VAR membuat seluruh  variabel  menjadi endogenous dan  menurunkan distribute  lag­nya.  Secara  umum,  VAR  yang berordo p dan mempunyai  n buah peubah tak bebas pada waktu ke­t  dapat dimodelkan sebagai berikut :  yt 

= A0  + A1  yt ­ 1  + A2  yt – 2 +.................+ Ap yt – p  + et 

(3.1) 

yt 

= vektor peubah tak bebas (y 1 . t............... y n. t) berukuran n x 1 

A0 

= vektor intersep berukuran n x 1 

A1 

= matrik parameter yang berukuran n x n untuk setiap i = 1,2.....p 

Et 

= vektor sisaan (e1,t,...................,en , t) 

Dari  tiga  contoh  variabel  (X,  Y,  Z)  yang  dicontohkan  oleh  Hsio  dalam  Sitorus  (1995),  memberikan  gambaran  definisi  hubungan  kausalitas  diantara  ketiga  variabel  tersebut.  Berikut  ini  susunan  hubungan  variabel  yang  dimasukan  dalam matriks guna mempermudah analisa hubungan antar variabel tersebut :

é Y ù é a11 ( L ) ê X ú = êa (L) ê ú ê 21 êë Z úû êë a31 ( L )

a12 ( L ) a 22 ( L ) a32 ( L )

a13 ( L ) ù é Yt ù é u t  ù a 23 ( L ) ú ê X t ú + ê v t  ú úê ú ê ú a33 ( L ) úû êë Z t úû êë wt  úû 

(3.2) 

Dalam  penelitiannya  Hsio  juga  secara  rinci  menerangkan  teorema  pembuatan  pola  hubungan  antar  variabel  berdasarkan  nilai  dalam  a  ij  sebagai  berikut :  1.  Bila variabel X tidak mempengaruhi Z, syaratnya adalah a 32(L) = 0.  2.  Bila variabel X mempengaruhi Z, syaratnya : a 32(L) ≠ 0.  3.  Hubungan timbal balik antar variabel X dan Z, bila : a  32(L) ≠ 0 dan a  23(L) ≠ 0. 

4.  Hubungan tidak langsung dari variabel X dan Z melalui Y, syaratnya :  a 32(L) = 0; a 31(L) ≠ 0; a 12(L) ≠ 0.  5.  Hubungan  semu  jenis  I  dari  variabel  X  terhadap  variabel  Z  jika  dan  hanya jika terdapat kondisi : a 21(L) = 0; a 32(L) ≠ 0, untuk semua jenis  lag.  6.  hubungan semu jenis II dari variabel X terhadap Z jika dan hanya jika  terdapat kondisi: 

a 32(L) = 0; a 21(L) = 0, untuk semua panjang lag k dan,  a 31(L) ≠ 0; a 12(L) ≠ 0, untuk semua panjang lag k.

3.3. 

Model Penelitian  Penelitian  ini  penting  untuk  menyajikan  implikasi  kebijakan  penetapan 

Giro  Wajib  Minimum  oleh  Bank  Indonesia  terhadap  tingkat  kinerja  dari  perbankan di Indonesia. Teori  yang mendasari model adalah besarnya dana  yang  disalurkan  kepada  masyarakat  sebagai  pinjaman  dipengaruhi  juga  oleh  besarnya  GWM yang harus disetorkan oleh bank (Manurung dan Raharja, 2004), sehingga  nantinya  akan  juga  berpengaruh  terhadap  tingkat  LDR,  NPL  dan  DPK.  Dalam  penelitian  ini,  variabel  yang  digunakan  adalah Loan Deposit Ratio  (LDR),  Total  Kredit  (Cr),  Dana  Pihak  Ketiga  (DPK),  Non  Performing  Loan  (NPL)  yang  mewakili  variabel  kinerja  dari  perbankan  Indonesia  dan  Giro  Wajib  Minimum  (GWM), Suku Bunga Kredit (R) serta Dummy (Dum) yang menjadi variabel yang  mempengaruhi variabel tingkat kinerja perbankan. Pembahasan yang dilihat hanya  pengaruh GWM terhadap tingkat kinerja dan tidak sebaliknya.  Dengan model sebagai berikut : 

éLn_GWM ù é a0 ù é a11 ê Ln_DPK ú ê b ú êa ê ú ê 0 ú ê 21 ê NPL  ú ê c0 ú êa31 ê ú ê ú ê ê LDR  ú = êd0 ú + êa41 ê Ln _ Cr  ú ê e0 ú êa51 ê ú ê ú ê ê Dum  ú ê f0 ú êa61 ê ú ê g  ú êa R ë û ë 0 û  ë 71

a12 a13 a14 a15 a16 a 17 ù éLn_GWM ù ée1 t  ù a22 a23 a24 a25 a26 a 27 úú ê Ln_DPK ú êêe2 t úú ê ú a32 a33 a34 a35 a36 a 37 ú ê NPL  ú êe3 t ú úê ú ê ú a42 a43 a44 a45 a46 a 47 ú ê LDR  ú + êe4 t ú a52 a53 a54 a55 a56 a 57 ú ê Ln _ Cr  ú êe5 t ú úê ú ê ú a62 a 6 3 a64 a65 a66 a 67 ú ê D  ú êe6 t ú ú êe ú a72 a73 a74 a75 a76 a 77 úû êë R û ë 7 t û 

(3.3)

Dimana :  Ln_GWM 

= Ln [Giro Wajib Minimum (milyar Rp)]. 

Ln_Cr 

= Ln [Total Kredit (milyar Rp)]. 

Dum 

=  Dummy, dimana 0 pada saat tidak terjadi krisis ekonomi,  1  pada  saat  terjadi  krisis  ekonomi  dan  akibat dari krisis. 

Ln_DPK 

= Ln [Dana Pihak Ketiga (milyar Rp)]. 

NPL 

= Non Performing Loan (persen). 

LDR 

= Loan Deposit Ratio (persen). 

R 

= Tingkat Suku Bunga Kredit (persen). 

Dari model tersebut dapat dilihat bahwa dalam metode VAR atau VECM  (jangka pendeknya), semua variabel bisa menjadi variabel endogen  atau variabel  eksogen,  artinya  semua  variabel  saling  mempengaruhi  namun  demikian,  dalam  penelitian ini analisis difokuskan pada persamaan dua, tiga, empat dan lima, untuk  melihat  pengaruh  GWM  terhadap  beberapa  variabel  indikator  kinerja  perbankan  yang ada.  Adapun  deskripsi  dari  setiap  variabel  yang  digunakan  dalam  model  penelitian dengan menggunakan VAR disajikan dalam tabel berikut :  Tabel 3.1 Deskripsi Variabel Model VAR  Variabel  Giro Wajib Minimum 

Notasi  GWM 

Deskripsi  Jumlah  total  sejumlah  alat  likuid  sebesar  persentasi  tertentu  dari  kewajiban  lancar  bank–  bank  yang  diwajibkan  oleh BI.

Total Kredit 

Cr 

Dummy 

Dum 

Dana Pihak Ketiga 

DPK 

Non Performing Loan 

NPL 

Loan Deposit Ratio 

LDR 

Suku Bunga Kredit 

R 

Total  kredit  dalam  Rupiah  maupun  dalam  Valuta  Asing  oleh  perbankan.  Krisis  ekonomi  yang  terjadi,  dengan  0  pada  saat  tidak  terjadi  krisis  ekonomi  dan  1  pada  saat  terjadi krisis ekonomi dan  akibat dari krisis.  Jumlah  Total  Dana  Pihak  Ketiga terdiri dari :  Ø  Giro  (Demand  Deposit)  Ø  Deposito  (Time Deposit)  Ø  Tabungan  (Saving) 

Jumlah  Total  Kredit  bermasalah.  Jumlah  total  LDR  yang  diberikan Bank.  Tingkat  suku  bunga  kredit. 

3.4 . Metode Pendugaan Model  Studi  ini  menggunakan  alat  analisis  Vector  Autoregression  (VAR),  yang  dikemukakan  oleh  Sims  pada  tahun  1980  dalam  Laksani  (2004).  VAR  adalah  suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear  dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain  yang ada dalam sistem (Kumala dalam Habibi, 2004). Uji kausalitas dalam VAR  merupakan  generalisasi  dari  metode  uji  Granger.  Uji  kausalitas  VAR  bersifat  multivariat, sedangkan uji kausalitas Granger bersifat bivariat, sehingga implikasi  kausalitas  yang dihasilkan oleh Granger Causality tidak sesuai dengan fenomena

nyata mengingat estimasi parameter yang bias akibat penghilangan variabel bebas  lain yang relevan bila dimasukan dalam sistem persamaan.  Hubungan  kausalitas  dalam  VAR  merupakan  hubungan  kausalitas  antara  dua  variabel  yang  dapat  memasukan  unsur  waktu.  Jadi  hubungan  kausalitas  ini  berdasarkan  pemikiran  Granger.  Uji  kausalitas  menyatakan  bahwa  variabel  X  mempengaruhi  variabel  Y  jika  nilai–nilai  X  baik  saat  ini  maupun  nilai  periode  masa  lalu  dapat    memprediksi  Y  lebih  akurat  dibandingkan  bila  tidak  menggunakan variabel X.  Keunggulan  metode  VAR  dibandingkan  dengan  metode  ekonometrika  konvensional menurut Klien dalam Sitorus (1995) adalah :  1.  Mengembangkan  model  secara  bersamaan  dalam  suatu  sistem  yang  kompleks  (multivariat)  sehingga  dapat  menangkap  hubungan  terdeteksi  bisa bersifat langsung ataupun tidak langsung.  2.  Uji  VAR  yang  multivariat  bisa  menghindari  parameter  yang  bias  akibat  tidak dimasukan variabel yang relevan.  3.  Metode  VAR  dapat  mendeteksi  hubungan  antar  variabel  di  dalam  sistem  persamaan, dengan menjadikan seluruh variabel sebagai endogenus.  4.  Karena  bekerja  berdasarkan  data,  metode  VAR  terbebas  dari  berbagai  batasan  teori  ekonomi  yang  paling  sering  muncul  termasuk  gejala  berbedaan  semu  (spurious  variable  endogenity  dan  exogenity)  di  dalam  model  ekonometri  konvensional  terutama  pada  persamaan  simultan,  sehingga menghindari penafsiran yang salah.

5.  Dengan teknik VAR maka yang akan terpilih hanya variabel yang relevan  untuk disinkronisasi dengan teori yang ada.  Sedangkan kelemahan VAR menurut Klien dalam Sitorus (1995) antara lain :  1.  Model  VAR  merupakan  pengukuran  yang  tidak  dilandasi  oleh  teori  tentang hubungan antar variabel (model non­struktural).  2.  Metode  VAR  tidak  mempermasalahkan  perbedaan  variabel  endogen  dan  eksogen, sehingga menyebabkan implikasi kebijakan kurang tepat.  3.  Metode VAR  tidak  mementingkan  masalah  signifikansi  dalam  penentuan  panjang lag.  3.4.1.  Uji Stasioneritas  Uji  stasioneritas  merupakan  hal  yang  penting  yang  berkaitan  dengan  penelitian  yang  menggunakan  data  time  series.  Data  deret  waktu  dikatakan  stasioner jika secara stokastik data menunjukkan pola yang konstan dari waktu ke  waktu  atau  dengan  kata  lain  tidak  terdapat  pertumbuhan  atau  penurunan  pada  data, secara kasarnya data harus horisontal sepanjang sumbu waktu.  Data  bersifat  stasioner  pada  nilai  tengahnya  (mean)  apabila  data  tersebut  berfluktuasi  di  sekitar  suatu  nilai  tengah  yang  tetap  dari  waktu  ke  waktu,  yang  dinotasikan sebagai berikut : 

m

y

= E ( Y t ) = E  ( Y

t + m 

) 

Dimana :  Yt 

= 

Nilai observasi pada waktu ke­4 

m 

= 

1,2,3,……

(3.4) 

Data  juga  bersifat  stasioner  pada    variannya  (variance)  apabila  data  berfluktuasi  dengan varian yang tetap dari waktu ke waktu, atau dinotasikan sabagai berikut : 

s

2 y

= E éë ( Y t - m y ) 2 ùû = E éë ( Y t + m - m y  ) 2  ùû 

(3.5) 

Dimana : 

s 

2  y

= 

ragam 

m 

y

= 

nilai ragan tengah variabel y 

Penggunaan  data  yang  tidak  stasioner  dapat  menghasilkan  regresi  yang  semu  (spurious  regression),  yaitu  regresi  yang  menggambarkan  hubungan  dua  variabel  atau  lebih  yang  nampaknya  signifikan  secara  statistik  padahal  dalam  kenyataannya  tidak  sebesar  regresi  yang  dihasilkan  tersebut,  sehingga  dapat  menghasilkan misleading (Irawan dalam Habibi, 2004).  Salah  satu  cara  yang  dapat  dilakukan  untuk  mengukur  keberadaan  stasioneritas  data  adalah  dengan  menggunakan  Augmented  Dicky  Fuller  (ADF)  test,  yaitu  jika  nilai  ADF  statistiknya  lebih  kecil  dari MacKinnon  Critical Value  maka  dapat  disimpulkan  bahwa  series  tersebut  stasioner,  solusi  yang  dapat  dilakukan apabila suatu series tidak stasioner berdasarkan ADF test adalah dengan  melakukan differences non stasioner process. ADF test pada dasarnya melakukan  estimasi terhadap persamaan regresi sebagai berikut :  m 

D Y t = b 1 + b 2 t + d Y t - 1 + a 1 å  D Y t - 1  + e t  t - 1 

(3.6)

Dimana : 

D Yt = Yt -1 - Yt - 2 

e  t

=  white noise 

Pada ADF,  yang akan diuji adalah apakah δ<0, jika  nilai t  hitung δ lebih  kecil  dari  nilai  absolut  Dicky,  maka  hipotesis  nol  yang  mengatakan  bahwa  data  tidak stasioner ditolak terhadap hipotesis alternatifnya.  3.4.2.  Pemilihan Panjang Lag Optimal  Pemilihan  lag  yang  optimal  dibantu  dengan  menggunakan  adjusted­R 2 .  atau dengan menggunakan Schwarz Information Creterion (SC). Yang ditentukan  dengan : SC (q) = AIC (q) + (q/T) (log T­1) 

(3.7) 

Dimana T merupakan jumlah sampel, sedangkan q adalah jumlah variabel  yang beroperasi dalam persamaan. Untuk menetapkan besarnya lag yang optimal  (lag  length  criteria),  sebenarnya  dapat  digunakan  kriteria  lain  selain  SC  seperti  Akaike Information Criteria (AIC) dan Hannan­Quinn Creterion (HQ). Besarnya  lag yang optimal ditentukan oleh lag yang memiliki nilai kriteria terkecil diantara  ketiga kriteria tersebut.  3.4.3.  Kointegrasi  Kointegrasi  adalah  suatu  hubungan  jangka  panjang  (long­term  relationship)  antar  variabel­variabel  yang  tidak  stasioner.  Kointegrasi  berarti  walaupun  secara  individual tidak stasioner, kombinasi linear antara variabel tersebut dapat menjadi  stasioner. Ada beberapa cara untuk melakukan uji kointegrasi, antara lain Eangle­  Granger  cointegration  Test,  Johansen  Cointegration  Test  dan  Cointegrating

Regression  Durbin­Watson  (CRDW)  Test.  Rank  kointegrasi  merupakan  jumlah  dari hubungan kointegrasi (Johansen, 1995).  Suatu data deret  waktu dikatakan  terintegrasi pada  tingkat  lag  ke­d  jika  data  tersebut  stasioner  setelah  pendeferensian  sebanyak  d  kali.  Data­data  tidak  stasioner  yang  terintegrasi  pada  tingkat  yang  sama  dapat  membentuk  kombinasi  linear  yang  bersifat  stasioner.  Komponen  dari  vektor  yt  dikatakan  terkointegrasi  jika ada vektor β = ( β1,β2,...,βn) sehingga kombinasi linear βyt  bersifat stasioner,  dengan  syarat  ada  unsur  matrik  β  bernilai  tidak  sama  dengan  nol.  Vektor  β  dinamakan  vektor  kointegrasi.  Rank  kointegrasi  (r)  dari  vektor  yt  adalah  banyaknya  vektor  kointegrasi  yang  saling  bebas.  Nilai  r  dapat  diuji  dengan  uji  Johansen.  Hipotesis yang diuji adalah :  Ho : rank ≤ r  H1  : rank > r  Jika rank kointegrasi lebih besar dari nol maka model yang digunakan adalah  Vector Error Corection Model (VECM). Jika rank  kointegrasi sama dengan  nol,  maka  model  yang  digunakan  adalah  model  VAR  dengan  pendifferensial  sampai  lag ke­d.  3.4.4.  Vector Error Corection Model (VECM)  Tahap berikutnya adalah melakukan pengestimasian vektor koreksi kesalahan  atau  VECM.  Adanya  hubungan  kointegrasi  diantara  variabel­variabel  mensyaratkan  bahwa  sebuah  formulasi  error  corection  pada  VAR    dapat  diestimasi dalam bentuk level­level  dan penyesuaian jangka pendek dalam suku­

suku perbedaan sistem persamaan  VAR. Suku­suku perbedaan dalam persamaan  hanya  menangkap  penyesuaian  jangka  pendek  (Sastrahandaya,  2003  dalam  Habibi, 2004).  Model VECM disusun apabila rank kointegrasi (r) lebih besar dari nol. Model  VECM ordo p dan rank r kointegrasi dituliskan sebagai berikut :  p -1 

D y t = A0 + p y t -1 + å f i* D y t -1  + e t 

(3.8) 

i =1 

Dimana :

p 

= ab

b 

= vektor kointegrasi berukuran r x 1

a 

= vektor adjusted berukuran r x 1 

f i* 

= ­ å Aj 

p 

j =i +1 

Pendugaan  parameter  dilakukan  dengan  menggunakan  metode  kemungkinan  maksimum.  Model  VECM  dapat  dituliskan  dalam  model  VAR  dengan  menguraikan nilai diferensi : 

D y t = y t -  y t - 1 

(3.9) 

3.4.5.  Impulse Response Function (IRF)  VAR  merupakan metode  yang  akan  menentukan  sendiri  struktur dinamisnya  dari  suatu  model.  Setelah  melakukan  uji  VAR,  diperlukan  adanya  metode  yang  dapat  mencirikan  struktur  dinamis  yang  dihasilkan  oleh  VAR  secara  jelas.  IRF  menunjukkan  bagaimana  respon  dari  setiap  variabel  endogen  sepanjang  waktu  kejutan  dalam  variabel  itu  sendiri  dan  variabel  endogen  lainnya.  IRF  juga  dapat  mengidentifikasikan  suatu  kejutan  pada  satu  variabel  endogen  sehingga  dapat

menentukan  bagaimana  suatu  perubahan  yang  tidak  diharapkan  dalam  variabel  mempengaruhi variabel lainnya sepanjang waktu.  3.4.6.  Batasan Operasional  1.  Giro Wajib Minimum perbankan pada periode 1994:1 – 2005:12.  2.  Dummy, dengan 0 pada saat tidak terjadi krisis, dan  1 pada saat terjadi krisis dan akibat dari krisis.  Periode krisis terjadi dalam periode 1997:7 – 2005:12  3.  Total  kredit  dalam  Rupiah  maupun  dalam  Valuta  Asing  oleh  perbankan  di  Indonesia pada periode 1994:1 – 2005:12.  4.  Jumlah Total Dana Pihak Ketiga periode 1994:1 – 2005:12 terdiri dari :  Ø  Giro       (Demand Deposit).  Ø  Deposito      (Time Deposit).  Ø  Tabungan (Saving).  5.  Jumlah NPL pada periode 1994:1 – 2005:12.  6.  Tingkat Suku Bunga Kredit pada periode 1994:1 – 2005:12.

IV. HASIL DAN PEMBAHASAN 

4.1. 

Pengujian Akar­Akar Unit (Unit Root Test)  Pengujian akar­akar untuk semua variabel yang digunakan dalam analisis 

runtun  waktu  perlu  dilakukan  untuk  memenuhi  kesahihan  analisis  Vector  Auto  Regression  (VAR).  hal  ini  berarti  bahwa  data  yang  dipergunakan  harus  bersifat  stasioner memiliki ragam yang tidak terlalu besar dan mempunyai kecenderungan  untuk mendekati nilai rata­ratanya. Pada variabel dummy tidak perlu mengadakan  pengujian unit root karena jika diturunkan dari level menjadi data first differences  maka nilainya akan menjadi nol.  Pengujian  akar unit  data  yang  dilakukan  terhadap  seluruh  variabel  dalam  model  penelitian,  didasarkan  pada  Augmented  Dickey­Fuller  test  (ADF).  Perhitungannya  menggunakan  bantuan  komputer  program  Eviews  5.0.  hasil  pengujian dapat dilihat pada tabel berikut :  Tabel 4.1. Hasil Pengujian Akar Unit pada Level.  Variabel 

ADF  statistik 

Nilai kritis MacKinnon  1 persen 

5 persen 

Keterangan 

10 persen 

Ln_kredit 

1.688600 

­2.581349 

­1.943090 

­1.615220  Tidak Stasioner 

Ln_dpk 

5.276266 

­2.581233 

­1.943074 

­1.615231  Tidak Stasioner 

Ln_gwm 

3.948845 

­2.581233 

­1.943074 

­1.615231  Tidak Stasioner 

Npl 

­1.145976 

­2.581349 

­1.943090 

­1.615220  Tidak Stasioner 

Ldr 

­1.221998 

­2.581349 

­1.943090 

­1.615220  Tidak Stasioner 

R 

­0.514170 

­2.581233 

­1.943074 

­1.615231  Tidak Stasioner 

Sumber : Lampiran 2 

Catatan : dalam taraf nyata 5 persen

Hasil uji unit root pada tingkat level menunjukkan bahwa semua variabel  belum stasioner, baik pada taraf 1 persen; 5 persen; 10 persen, dikarenakan nilai  ADF­nya  lebih  besar  daripada  nilai  kritis  Mackinnon.  Maka  dari  itu,  pengujian  unit  root  dilanjutkan  pada  first  differences  dikarenakan  pada  level  masih  mengandung  akar  unit.  Dengan  mendeferensiasikan  masing­masing  data  hingga  menjadi  stasioner,  maka  diketahui  dalam  derajat  berapa  semua  variabel  akan  terintegrasi.  Berdasarkan  uji  tingkat  first  differences  diperoleh  hasil  sebagai  berikut:  Tabel 4.2.  Hasil Pengujian Akar Unit pada first differences dari Variabel Asal.  Variabel Asal  ADF statistik 

Nilai kritis MacKinnon  1 persen 

5 persen 

10 persen 

Ln_kredit 

­9.067313 

­2.581349 

­1.943090 

­1.615220 

Ln_dpk 

­2.493112 

­2.581827 

­1.943157 

­1.615178 

Ln_gwm 

­7.319872 

­2.581466 

­1.943107 

­1.615210 

Npl 

­5.838204 

­2.581349 

­1.943090 

­1.615220 

Ldr 

­7.488793 

­2.581349 

­1.943090 

­1.615220 

R 

­14.02987 

­2.581349 

­1.943090 

­1.615220 

Keterangan 

Stasioner  1 persen  Stasioner  5 persen  Stasioner  1 persen  Stasioner  1 persen  Stasioner  1 persen  Stasioner  1 persen 

Sumber : Lampiran 2 

Catatan : dalam taraf nyata 5 persen  Mengingat  tidak  semua  variabel  pada  data  asli  nilainya  stasioner,  maka  data tersebut di­differences (beda) tingkat pertama, dengan rumus DYt  = Yt  – Yt­1.  Pada  pengujian  dalam  bentuk  first  differences  (Tabel  4.2),  variabel  yang  digunakan  mulai  dari  Ln_kredit,  Ln_dpk,  Ln_gwm,  NPL,  dan  LDR  sudah  mencapai  stasioner.  Dikarenakan  ADF  hitung  untuk  semua  variabel  lebih  kecil

pada  pada  pada  pada  pada  pada 

dari  nilai  kritis  Mackinnon  pada  derajat  kepercayaan  99  persen  kecuali  pada  variabel  Ln_dpk  yang  terdapat  pada  derajat  kepercayaan  95  persen.  Dengan  demikian,  dapat  dijelaskan  bahwa  seluruh  variabel  yang  diestimasi  dalam  penelitian  ini telah  stasioner pada derajat  yang  sama,  yaitu pada derajat integrasi  satu I(1). 

4.2. 

Pengujian Tingkat Lag Optimal  Penetapan  lag optimal penting dilakukan,  karena  dalam metode VAR  lag 

optimal  dari  variabel  endogen  merupakan  variabel  independen  yang  digunakan  dalam  model.  Nilai  lag  optimal  diperoleh  dengan  melakukan  estimasi  VAR  terlebih  dahulu,  sebelum  melakukan  penentuan  lag  optimal  maka  dilihat  dulu  apakah  model  VAR  tersebut  stabil  atau  tidak  dengan  lag  interval  1  dapat dilihat  sebagai berikut :  Tabel 4.3. Stabilitas VAR  Root 

Modulus 

0.739146 

0.739146 

0.434987  ­0.091836 ­  0.196067i  ­0.091836 +  0.196067i 

0.434987 

­0.208446 

0.208446 

0.216509  0.216509 

0.087452  ­0.087452  No root lies outside the unit circle.  VAR satisfies the stability condition.  Sumber : Lampiran 3

Dapat  dilihat  bahwa  model  VAR  tersebut  stabil  karena  semua  modulus­  nya tidak lebih besar dari 1. Kemudian dilakukan penetapan lag optimum, dimana  lag optimum tersebut dihitung dengan menggunakan SC dengan mengambil nilai  SC yang paling kecil. Pada tabel 4.4. berikut dapat dilihat :  Tabel 4.4. Penetapan lag Optimal  Lag  SC  0  0.687265  1  0.395935*  2  1.020884  3  1.725474  4  2.269568  5  3.108595  6  4.019512  7  4.694442  8  5.127863  9  5.713517  10  6.282226  11  6.555003  12  7.247601  * indicates lag order selected by the criterion  Sumber : Lampiran 3 

Dari tabel diatas dapat dilihat bahwa dari 12 lag  (bulan), lag yang terdapat  tanda  *  terdapat  pada  lag  ke  1,  yang  berarti  bahwa  lag  optimal  yang  dipilih  dengan  menggunakan  kriteria  SC  terdapat  pada  lag  ke  1.  dari  hasil  pengujian  kestasioneran  data  didapatkan  hasil  bahwa  tidak  semua  data  stasioner  di  tingkat  level.  Maka,  untuk  mengetahui  penggunaan  data  deret  waktu  menggunakan  estimasi VAR first differences atau dengan VECM, maka dari itu perlu dilakukan  uji kointegrasi.

4.3. 

Uji Kointegrasi.  Pada  pengujian  kestasioneran  data,  semua  data  stasioner  di  first 

differences, sehingga data yang stasioner di first differences telah terintegrasi pada  derajat  yang  sama  yakni  I(1).  Dengan  demikian  semua  variabel  dalam  sistem  mempunyai  sifat  integrated  of  order  one.  Pengujian  dapat  dilanjutkan  dengan  menggunakan  lag  optimal  1.  pada  tingkat  lag  tersebut  digunakan  untuk  mengetahui jumlah persamaan kointegrasi dalam sistem. Uji kointegrasi dilakukan  dengan menggunakan Johansen Trace Statistic test., dimana dapat dilihat sebagai  berikut:  Tabel 4.5. Hasil Uji Kointegrasi (Johansen Trace Statistic test)  Hypothesized  No. of CE(s)  None * 

Trace  0.05  Statistic  Critical Value  Prob.**  246.2096  95.75366  0.0000 

Eigenvalue  0.564680 

At most 1 *  At most 2 * 

0.381395  0.227489 

128.1118  59.91086 

69.81889  0.0000  47.85613  0.0025 

At most 3  At most 4 

0.100025  0.037524 

23.25939  8.294295 

29.79707  0.2336  15.49471  0.4345 

At most 5  0.019962  2.863320  3.841466  0.0906  Trace test indicates 3 cointegrating eqn(s) at the 0.05 level  Sumber : Lampiran 4 

Hasil  uji  kointegrasi  dengan  menggunakan  Johansen  Trace  Statistic  test  menunjukkan  bahwa,  terdapat 3 persamaan  kointegrasi  pada  taraf  5 persen  yang  berarti  juga  bahwa,  hanya  tiga  persamaan  yang  terkoitegrasi  di  jangka  panjang.  Hal ini diperoleh dengan, membandingkan estimasi Trace Statistic terhadap nilai  kritisnya  (critical  value), dimana dalam  taraf  5  persen,  ada  tiga  persamaan  yang  nilai critical value lebih kecil dibandingkan dengan Trace Statistic­nya.

Berdasarkan  uji  unit  root  dan  uji  kointegrasi,  bahwa  semua  variabel  stasioner  pada  tingkat  derajat  integrasi  I(1)  dan  uji  kointegrasi  mendapatkan  persamaan  yang  terkointegrasi  adalah  tiga.  Model  VECM  yang  digunakan  ada  tiga, karena rank kointegrasi dari model ini adalah 3. 

4.4. 

Estimasi Model Vector error Corection Model 

Hasil  estimasi  VECM  menghasilkan  persamaan  jangka  pendek  maupun  persamaan  jangka panjang. Dari persamaan  jangka pendek, penulis menganalisis  perubahan  GWM  oleh  Bank  Indonesia  terhadap  tingkat  kinerja  dari  perbankan  dimana,  yang  menjadi  variabel  endogen  adalah  Loan  Deposit  Ratio  (LDR),  tingkat  Kredit  (Kredit),  Non  loan  Performing  (NPL),  dan  Dana  Pihak  Ketiga  (DPK).  Variabel  eksogen  dalam  peneltian  ini  adalah  GWM,  Suku  Bunga  kredit  (R) dan Dummy (Dum).  Tabel 4.6. Hasil Jangka Pendek DPK sebagai Variabel Endogen  Variabel  Koefisien  T­ Statistik  Ln_DPK(­1)  0.229656  [­1.26071]  Ln_Cr(­1)  ­ 0.359825  [1.94207]*  LDR(­1)  0.008997  [­3.38394]***  NPL(­1)  ­ 0.004756  [1.89391]*  Ln_GWM(­1)  0.031513  [­0.92949]  Dum  ­ 0.032670  [3.65049]***  R(­1)  0.002950  [­1.48831]*  C  0.011370  [­1.61650]*  *  signifikan  pada 10 persen;  **  signifikan  pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5  Dari  tabel  diatas  terlihat  bahwa,  kebijakan  moneter  melalui  instrumen  penetapan Giro Wajib Minimum (GWM), tidak signifikan mempengaruhi tingkat  Dana  Pihak  Ketiga  (DPK)  pada  Lag  pertama,  berbeda  dengan  variabel  dummy

yang melambangkan krisis ekonomi yang secara siginifikan mempengaruhi dalam  taraf  1 persen  secara  negatif  sebesar  0.032670.  Hal  ini  terjadi  karena,  pada  saat  krisis  semua  orang  memiliki  kebutuhan  yang  mendesak  akan  uang  mereka  sehingga,  dana  yang  dimiliki  sebagian  besar  untuk  konsumsi  yang  akhirnya  menyebabkan dana yang disalurkan ke tabungan menjadi berkurang. Tingkat suku  bunga  mempengaruhi  secara  positif  dan  signifikan  pada  taraf  10  persen  sebesar  0.002950  yang  berarti,  bila  terjadi  peningkatan  tingkat  suku  bunga  sebesar  1  persen  maka  akan  meningkatkan  jumlah  DPK  sebesar  0.002950.  Hal  ini  dapat  dijelaskan  dimana,  pada  saat  terjadi  peningkatan  tingkat  suku  bunga  maka  akan  memberikan  insentif  pada  publik  untuk  menabung  ke  bank,  baik  dalam  bentuk  tabungan maupun deposit sehingga akan meningkatkan jumlah DPK di bank.  Kemudian  pengaruh  kredit  terhadap  DPK  adalah  negatif.  Hal  ini  terjadi  karena,  pada  saat  itu  masyarakat  sangat  membutuhkan  banyak  dana  segar  untuk  memenuhi  kebutuhannya,  sehingga  menyebabkan  dana  yang  dikeluarkan  untuk  ditabung juga menjadi berkurang. Pengaruh NPL terhadap jumlah DPK signifikan  dan  negatif.  Pada  saat  meningkatnya  jumlah  kredit  macet  di  masyarakat,  yang  diasumsikan  disebabkan  oleh  moral  hazard  atau  juga  memang  usahanya  yang  gulung  tikar,  akan  menurunkan  jumlah  dana  yang  akan  disimpan  ke  bank.  Pengaruh  LDR  terhadap  DPK  signifikan  dan  positif.  Pada  saat  peningkatan  kemampuan bank dalam mengembalikan dana yang digunakan sebagai kredit, jika  suatu  saat  ditarik  oleh  pihak  deposan  maka,  deposan  akan  memiliki  keberanian  untuk  menyimpan  dana  yang  dimiliki  untuk  ditabung  ke  bank  sehingga,  dapat  meningkatkan jumlah DPK.

Tabel 4.7. Hasil Jangka Pendek Kredit sebagai Variabel Endogen  Variabel  Koefisien  T­ Statistik  Ln_DPK(­1)  ­ 0.154567  [0.53373]  Ln_Cr(­1)  ­ 0.082706  [0.29482  LDR(­1)  0.006188  [­1.53721]*  NPL(­1)  ­ 0.017172  [4.51625]***  Ln_GWM(­1)  0.033958  [­0.66153]  Dum  ­ 0.07773  [4.26362]***  R(­1)  0.001212  [­0.40403]  C  0.34206  [­3.21209]***  *  signifikan  pada 10 persen;  **  signifikan pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5 

Tabel  diatas  terlihat  bahwa,  kebijakan  moneter  melalui  instrumen  penetapan  Giro Wajib Minimum (GWM), tidak signifikan mempengaruhi tingkat kredit pada  Lag  pertama  begitu  juga  dengan  tingkat  suku  bunga,  tetapi  NPL  maupun  krisis  ekonomi  mempengaruhi  jumlah  kredit  secara  negatif  dimana  pada  jumlah  kredit  yang bermasalah menurun maka kredit yang disalurkan oleh bank meningkat. Hal  ini  dapat  dimengerti  karena,  pada  saat  jumlah  kredit  macet  yang  ada  pada  bank  tersebut  menurun  maka  bank  tersebut  akan  lebih  mempunyai  keberanian  untuk  menyalurkan  kredit  kepada  masyarakat  sedangkan  pengaruh  krisis  terhadap  jumlah  kredit  adalah  negatif,  dimana  pada  saat  terjadi  krisis  masyarakat  banyak  yang  terkena  dampaknya  termasuk  perusahaan­perusahaan  besar  yang  rasio  permintaan kredit paling besar, karena usaha yang dijalankan kinerjanya menurun  dan  bahkan  gulung  tikar  maka  tingkat  permintaan  kreditnya  juga  berkurang  sehingga  tingkat  penyaluran  kredit  dari  bank  ke  masyarakat  menurun.  Pengaruh  Loan Deposit Ratio (LDR) yang berpengaruh secara positif terhadap jumlah kredit  dimana pada saat tingkat  kemampuan dari bank untuk mengembalikan dana dari

deposan yang digunakan untuk memberikan kredit kepada masyarakat, meningkat  maka pihak bank akan yang semakin meningkatkan jumlah kredit yang diberikan  kepada  masyarakat  yang  berarti  bahwa  hubungan  antara  jumlah  LDR  dan  kredit  memiliki hubungan positif menurut hasil analisis yang dilakukan.  Tabel 4.8. Hasil Jangka Pendek LDR sebagai Variabel Endogen  Variabel  Koefisien  T­ Statistik  Ln_DPK(­1)  ­ 20.11498  [1.48241]*  Ln_Cr(­1)  6.275612  [­0.47744]  LDR(­1)  0.055250  [­0.29292]  NPL(­1)  ­ 0.847138  [4.75496]***  Ln_GWM(­1)  0.216739  [­0.09011]  Dum  ­ 1.619483  [2.55074]**  R(­1)  ­ 0.245022  [1.74258]*  C  1.653242  [­3.31327]***  *  signifikan  pada 10 persen;  **  signifikan pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5 

Dari  tabel  diatas  terlihat  bahwa,  kebijakan  moneter  melalui  instrumen  penetapan Giro Wajib Minimum (GWM), tidak signifikan mempengaruhi tingkat  Loan  Deposit  Ratio  (LDR)  pada  Lag  pertama  berbeda  dengan  krisis  ekonomi  yang berpengaruh secara signifikan dan negatif pada tingkat LDR yang mana pada  saat  krisis  masyarakat  banyak  yang  terkena  dampaknya  termasuk  perusahaan­  perusahaan maupun usaha kecil  yang rasio permintaan kredit paling besar karena  usaha  yang  dijalankan  menurun  karena  pasar  yang  tidak  mendukung  yang  akhirnya akan menurunkan tingkat permintaan kredit sehingga tingkat penyaluran  kredit  dari  bank  ke  masyarakat  menurun,  sehingga  menyebabkan  menurunnya  tingkat  LDR  dari  bank.  Tingkat  suku  bunga  mempengaruhi  secara  negatif  dan  signifikan  pada  taraf  10  persen  terhadap  jumlah  LDR  sebesar  0.245022  yang  berarti  jika  terjadi  peningkatan  tingkat  suku  bunga  sebesar  1  persen  maka  akan

menurunkan jumlah LDR sebesar 0.245022, hal ini terjadi karena pada saat terjadi  peningkatan tingkat suku bunga masyarakat akan merasa terbebani dengan tingkat  bunga  yang  tinggi  sehingga,  keinginan  mereka  untuk  melakukan  kredit  menjadi  menurun  yang  menyebabkan  permintaan  kredit  menurun  juga  maka  dengan  sendirinya akan menurunkan tingkat LDR.  Pengaruh DPK terhadap jumlah LDR signifikan dan negatif. Hal ini terjadi  karena,  pada  saat  terjadi  peningkatan  jumlah  dana  yang  disimpan  ke  bank  maka  jumlah  dana  yang  dapat  dipakai  oleh  bank  untuk  menyalurkan  kredit  menjadi  besar  yang  menyebabkan  beban  bank  untuk  mengembalikan  dana  digunakan  untuk  kredit  jika  ditarik  oleh  deposan  menjadi  meningkat  sehingga  secara  riil  LDR dari bank tersebut menjadi berkurang jika bank tidak meningkatkan jumlah  dana  yang  berasal  dari  sumber  lain  selain  DPK.  Pengaruh  NPL  juga  secara  signifikan dan negatif terhadap LDR, dikarenakan pada saat meningkatnya jumlah  kredit  macet  maka  bank  akan  sulit  untuk  mengembalikan  dana  yang  digunakan  untuk  kredit  jika  suatu  saat  akan  ditarik  oleh  pihak  deposan  karena  dana  kredit  tersebut tidak dikembalikan maka akan menurunkan tingkat LDR.  Tabel 4.9. Hasil Jangka Pendek NPL sebagai Variabel Endogen  Variabel  Koefisien  T­ Statistik  Ln_DPK(­1)  ­11.48155  [1.21255]  Ln_Cr(­1)  13.01089  [­1.41847  LDR(­1)  ­ 0.210595  [1.59999]*  NPL(­1)  ­ 0.461952  [3.71570]***  Ln_GWM(­1)  ­ 0.832693  [0.49612]  Dum  ­ 0.88441  [1.99171]**  R(­1)  ­ 0.066813  [0.68092]  C  0.650720  [­1.86881]*  *  signifikan  pada 10 persen;  **  signifikan pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5

Tabel  diatas  terlihat  bahwa  kebijakan  moneter  melalui  instrumen  kebijakan  penetapan  Giro  Wajib  Minimum  (GWM),  tidak  signifikan  mempengaruhi  tingkat  Non  Performing  Loan  (NPL)  pada  Lag  pertama  berbeda  dengan  krisis  ekonomi  dimana  berpengaruh  secara  signifikan  dan  negatif  pada  taraf  5  persen.  Hal  ini  dapat  terjadi  karena,  pada  saat  krisis  jumlah  permintaan  akan kredit menurun sehingga berpengaruh juga pada jumlah NPL yang juga akan  ikut  menrun  pada  saat  itu  sedangakan  tingkat  suku  bunga  tidak  signifikan  berpengaruh  pada  tingkat  NPL  tersebut. LDR berpengaruh secara  signifikan  dan  negatif  terhadap  NPL  dimana  hal  ini  terjadi  karena  pada  saat  kemampuan  dari  bank  umtuk  mengembalikan  dana  yang  digunakan  untuk  kredit  jika  ditarik  oleh  deposan  meningkat  maka  akan  menurunkan  tingkat  NPL  karena  dana  yang  digunakan untuk kredit dikembalikan dan tidak tertahan di masyarakat.  Dari  hasil  analisis  jangka  pendek  dapat  dilihat  bahwa  semua  variabel  endogen  yang  ada  dari  DPK,  Kredit,  LDR,  dan  NPL  tidak  dipengaruhi  oleh  perubahan  GWM.  Dengan  demikian  maka,  kebijakan  moneter  dengan  menggunakan instrumen Giro Wajib Minimum (GWM) pada jangka pendek tidak  mempengaruhi  tingkat  kinerja  dari  perbankan.  Hal  ini  didisebabkan  oleh,  dana  maupun  aset  yang  dimiliki  oleh  bank  pada  saat  awal  periode  pengenaan  GWM  oleh  Bank  sentral  masih  mencukupi  untuk  mempertahankan  tingkat  kinerja  dari  bank,  karena  bank  telah  memiliki  rencana  anggaran  dan  target  yang  telah  ditetapkan  sehingga  kinerja  dari  perbankan  belum  terpengaruh  oleh  adanya  kebijakan  GWM  tersebut.  Berbeda dengan  krisis  yang  terjadi  dimana,  pada  saat

jangka  pendek  berpengaruh  secara  signifikan  pada  keempat  indikator  kinerja  perbankan.  Berdasarkan  hasil  uji  kointegrasi  yang  dilakukan,  didapat  tiga  persamaan  yang  terkointegrasi  di  jangka  panjang  sehingga,  persamaan  yang  dianalisis  pada  jangka  panjang  tersebut  hanya  ada  tiga.  Estimasi  VECM  juga  menghasilkan  persamaan  jangka  panjang  untuk  menganalisis  kebijakan  moneter  melalui  instrumen Giro Wajib Minimum (GWM) dan tingkat suku bunga terhadap tingkat  kinerja dari perbankan.  Tabel 4.10. Hasil Jangka Panjang DPK sebagai Variabel Endogen  Variabel  NPL(­1) 

Koefisien 

T­Statistik 

­ 0.009057 

[ 3.45668]*** 

Ln_GWM(­1) 

0.448812 

[ ­7.69621]*** 

R(­1) 

0.017127 

[ ­1.86971]* 

C 

8.553133 

*  signifikan  pada 10 persen;  **  signifikan pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5 

Estimasi  VECM  diperoleh  persamaaan  jangka  panjang  pertama  yang  menghasilkan  kesimpulan  bahwa  variabel  Giro  Wajib  Minimum  (GWM)  mempengaruhi  tingkat  DPK  pada  taraf  nyata  1  persen.  Hasil  estimasi  menunjukkan,  hubungan  positif  antara  kebijakan  moneter  dengan  instrumen  GWM  dengan  tingkat  DPK  sebesar  0.448812  artinya  setiap  peningkatan  GWM  sebesar  satu  persen,  maka  tingkat  DPK  pada  perbankan  meningkat  sebesar  0.448812 persen. Hal ini dapat dimengerti karena, penetapan jumlah GWM akan  menurunkan tingkat dana  yang dimiliki oleh bank sehingga pada jangka panjang  pihak  bank  akan  berusaha  untuk  meningkatkan  jumlah  DPK  yang  dimiliki.

Tingkat suku bunga berpengaruh secara signifikan dan positif  sebesar 0.017127,  dimana  pada  saat  terjadi  peningkatan  tingkat  suku  bunga  maka,  pada  jangka  panjang  tingkat  DPK  akan  meningkat  karena,  pada  jangka  panjang  masyarakat  sebagai  pihak  deposan  memilih  untuk  menabung  ke  bank  karena  insentif  dari  bunga yang tinggi.  Pengaruh NPL terhadap jumlah DPK pada saat jangka panjang signifikan dan  negatif.  Pada  saat  meningkatnya  jumlah  kredit  macet  di  masyarakat  yang  diasumsikan  disebabkan  oleh  moral  hazard  atau  juga  memang  usahanya  yang  bangkrut,  akan  menurunkan  jumlah  dana  yang  akan  disimpan  ke  bank.  Hal  ini  disebabkan  oleh,  adanya  moral  hazard  seperti  korupsi  maka,  biasanya  dana  tersebut  akan  digunakan  untuk  dikonsumsi  sendiri  dan  meskipun  ditabung  biasanya  ke  bank  yang  berada  di  luar  negeri,  dan  jika  penyebabnya  karena  usahanya  gulung  tikar  maka  dana  yang  ada  akan  lebih  banyak  digunakan  untuk  memenuhi kebutuhan usahanya daripada untuk disimpan ke bank.  Tabel 4.11. Hasil Jangka Panjang Kredit sebagai Variabel Endogen  Variabel  Koefisien  T­Statistik  NPL(­1)  ­ 0.01641  [0.55105]  Ln_GWM(­1)  0.352477  [­5.28439]***  R(­1)  ­ 0.647751  [4.58743]***  C  10.22116  *  signifikan  pada 10 persen;  **  signifikan pada 5 persen;  ***  signifikan  pada 1  persen.  Sumber : Lampiran 5 

Estimasi  jangka  panjang  kedua  dapat  terlihat  bahwa  kebijakan  moneter  melalui  instrumen  GWM  signifikan  mempengaruhi  dalam  taraf  nyata  1  persen.  Hasil  estimasi  menunjukkan,  hubungan  yang  positf  antara  kebijakan  moneter  melalui instrumen GWM terhadap tingkat penyaluran kredit  yang dilakukan oleh

perbankan  sebesar  0.352477,  artinya  setiap  kenaikan  GWM  sebesar  satu  persen  maka  akan  meningkatkan  tingkat  penyaluran  kredit  sebesar  0.352477  persen.  Hubungan positif antara pengenaan GWM dengan jumlah  kredit  yang disalurkan  oleh  bank  pada  saat  jangka  panjang  karena,  pengenaan  GWM  tersebut  akan  menurunkan  tingkat  dana  maupun  cadangan  aset  yang  dimiliki  bank,  sehingga  kredit yang merupakan salah satu sumber pendapatan dari bank akan ditingkatkan  oleh bank pada saat jangka panjang untuk meningkatkan jumlah penerimaan dari  bank agar dapat meningkatkan aset  yang dimiliki oleh bank. Tingkat suku bunga  berpengaruh  secara  signifikan  dan  negatif  terhadap  jumlah  kredit  sebesar  0.647751,  dimana  pada  saat  jangka  panjang  orang  akan  cenderung  untuk  tidak  meminta  kredit  pada  saat  tingkat  suku  bunganya  meningkat  sehingga  akan  menurunkan  tingkat  permintaan  kredit  bank  sehingga  akan  menurunkan  juga  tingkat penyaluran kredit dari bank.  Tabel 4.12. Hasil Jangka Panjang LDR sebagai Variabel Endogen  Variabel  NPL(­1)  Ln_GWM(­1)  R(­1)  C 

Koefisien  0.491838  ­ 7.285768 

T­Statistik  [­1.48810]*  [0.98395] 

­ 3.152642  197.1125 

[2.72830]** 

* signifikan pada 10 persen; ** signifikan pada 5 persen; *** signifikan pada 1  persen.  Sumber : Lampiran 5 

Hasil  estimasi  jangka  panjang  ketiga  dapat  terlihat  bahwa  kebijakan  moneter  melalui  instrumen  GWM  tidak  signifikan  mempengaruhi  jumlah  LDR,  sedangkan  tingkat  suku  bunga  mempengaruhi  secara  signifikan  dan  negatif  terhadap  tingkat  LDR  pada  bank.  Hal  ini  disebabkan  karena,  pada  saat  terjadi

peningkatan  suku  bunga  akan  menurunkan  jumlah  kredit  yang  disalurkan  oleh  bank  sehingga  akan  juga  menurunkan  tingkat  LDR  pada  jangka  panjang,  kemudian pada saat jangka panjang pengaruh NPL terhadap LDR signifikan dan  positif dimana pada saat jangka panjang, dimana  jika terjadi peningkatan  jumlah  kredit macet maka bank akan berusaha untuk meningkatkan kemampuannya untuk  mengembalikan  dana  yang  telah  digunakan  untuk  kredit  jika  suatu  saat  di  tarik  oleh pihak deposan karena untuk mengantisipasi terjadinya kredit macet.  Dari  hasil  analisis  diatas  dapat disimpulakan  bahwa  pada  jangka  panjang  kebijakan  moneter  melalui  instrumen  GWM  mempengaruhi  kinerja  perbankan  melalui kedua variabel indikator yang ada baik oleh DPK maupun tingkat Kredit  sedangkan  pada  variabel  LDR  tidak  signifikan.  Hal  ini  berbeda  dengan  analisis  pada jangka pendek dimana, semua indikator kinerja perbankan baik DPK, Kredit,  LDR, maupun NPL tidak dipengaruhi oleh tingkat GWM. 

4.5. Impulse Response Function (IRF)  IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel  dependen  jika  mendapatkan  guncangan  atau  inovasi  dari  variabel  independen  sebesar  satu  standar  deviasi.  Pada  penelitian  ini  penulis  menganalisis  dampak  goncangan  dari  variabel  GWM  dan  tingkat  suku  bunga  terhadap  tingkat  DPK,  Kredit,  LDR  dan  NPL.  Hasil  IRF  sangat sensitif  terhadap pengurutan  (ordering,  lampiran 7) variabel yang digunakan dalam perhitungan.  Enders (2004), menyarankan bahwa pengurutan  variabel  yang didasarkan  pada  faktorisasi  cholesky,  dengan  catatan  variabel  yang  tidak  memiliki  nilai  prediksi terhadap variabel lain diletakan di belakang berdampingan satu sama lain.

Pada  penelitian  ini  GWM  ditempatkan  di  depan  kerana  di  asumsikan  untuk  menyebabkan  empat  variabel  lain.  Berdasarkan correlattion  matrix  (lampiran  6)  menunjukkan bahwa korelasi yang paling tinggi terhadap perubahan GWM adalah  secara berturut­turut adalah DPK, Kredit, NPL dan LDR.  Response  of  LN_DPK  to  LN_GWM 

Response  of  LN_CR  to  LN_GWM 

.020 

.030  .025 

.016 

.020  .012  .015  .008  .010  .004 

.005 

.000 

.000  10 

20 

30 

40 

50 

60 

70 

10 

20 

30 

40 

50 

60 

70 

Sumber : Lampiran 7  Gambar 4.1 Respon DPK dan Kredit terhadap GWM 

Gambar  4.1  menggambarkan  reaksi  DPK  dan  Kredit  dalam  periode  75  terhadap  inovasi  GWM  sebesar  satu  standar  deviasi.  Impuls  Response  Function  untuk DPK dan Kredit mengindikasikan bahwa dampak GWM pada awal periode  inovasi  tidak  mempengaruhi  tingkat  DPK  dan  Kredit.  Inovasi  dari  GWM  pada  tingkat  Kredit.  Pada  periode  ke  10  terjadi  peningkatan  kemudian  pada  periode  selanjutnya, peningkatannya menurun tetapi stabil pada nilai positif. Respon dari  DPK terhadap inovasi dari GWM, terjadi peningkatan sampai periode 20. Setelah  itu,  pada  periode  berikutnya  kembali  menjadi  stabil  dan  nilainya  tidak  berbeda  dengan nilai pada periode ke 20. Hasil scatter plot data time series antara variabel  GWM  dengan  DPK  dibawah  dapat  dilihat  bahwa,  hubungan  antara  GWM  dan  DPK, berhubungan positif sehingga  sesuai dengan hasil IRF.

14.0 

ln  _  d  p  k(%  ) 

13.6  13.2  12.8  12.4  12.0  11.6  7.5 

8.0 

8.5 

9.0 

9.5 

10.0 

10.5 

11.0 

11.5 

ln_gwm(%) 

Sumber : Hasil Olahan Excel  Gambar 4.2 Hasil Scatter Plot Data Time Series Antara GWM Dan DPK. 

Kemudian dari hasil Scatter plot data time series antara variabel GWM dan  jumlah kredit dapat dilihat sebagai berikut :  13.6 

ln  _  c  r(%  ) 

13.2 

12.8 

12.4 

12.0 

11.6  7.5 

8.0 

8.5 

9.0 

9.5 

10.0 

10.5 

11.0 

11.5 

ln_gwm(%) 

Sumber : Hasil Olahan Excel  Gambar 4.3 Hasil Scatter Plot Data Time Series Antara GWM Dan Kredit. 

Dari hasil gambar diatas dapat dilihat bahwa hubungan antara data GWM  dan  kredit  dari  tahun  1994  –  2005  positif  dimana  peningkatan  GWM  diikuti  dengan  peningkatan  jumlah  kredit  pada  awal  periode  kemudian  mengalami  penurunan  yang  lebih  disebabkan  oleh  krisis  ekonomi  yang  terjadi  kemudian  kembali mengalami peningkatan pada periode berikutnya. Sehingga hal ini sesuai  juga  dengan  hasil  IRF  yang  dilakukan  dan  juga  sesuai  dengan  hasil  estimasi

VECM pada saat jangka panjang dimana, hubungan  antara GWM dan DPK dan  Kredit adalah positif. 

Response  of  LDR  to  LN_GWM 

Response  of  NPL  to  LN_GWM 

1.6 

1.6 

1.2  1.2  0.8  0.4 

0.8 

0.0  0.4  ­0.4  ­0.8 

0.0  10 

20 

30 

40 

50 

60 

70 

10 

20 

30 

40 

50 

60 

70 

Sumber : Lampiran 7  Gambar 4.4. Respon LDR dan NPL terhadap GWM. 

Respon  yang diberikan oleh tingkat LDR dan NPL terhadap inovasi pada  GWM  ditujukan  pada  Gambar  4.4.  Pada  periode  awal,  inovasi  GWM  tidak  mempengaruhi LDR maupun NPL. Pada periode berikutnya, inovasi dari tingkat  GWM yang mempengaruhi  LDR, meningkat sampai pada periode ke 10. Setelah  periode ke 23, peningkatan LDR menurun sampai pada nilai yang negatif. Inovasi  dari  GWM  yang mempengaruhi NPL,  meningkat  dan  mencapai  puncaknya  pada  periode ke 25. Pada periode berikutnya, NPL bernilai stabil pada nilai yang tidak  berbeda  dengan  periode  ke  25.  Peningkatan  NPL  ini  akan  mengganggu  kinerja  dari bank, sehingga disisni terjadi paradoks pada kebijakan GWM oleh BI, karena  disatu  pihak  meningkatkan  tingkat  DPK  dan  jumlah  kredit,  tetapi  sekaligus  meningkatkan jumlah NPL.  Dari  hasil  scatter  plot  data  time  series  antara  variabel  GWM  dan  LDR  dibawah  ini  dapat  dilihat  bahwa,  pada  awal  periode  hingga  pertengahan  tahun  1998,  tingkat  LDR  cukup  tinggi  dimana  setelah  pertengahan  tahun  1998  hingga  tahun  2002  merupakan  rentang  titik  terendah  dalam  tingkat  LDR.  Pada  periode

selanjutnya,  kembali meningkat secara perlahan.  Hal  ini sesuai dengan  hasil  IRF  diatas  dimana  pada  awal  periode,  tingkat  LDR  mencapai  titik  maksimum  dan  kemudian turun selama beberapa periode, dan pada periode selanjutnya meningkat  secara perlahan.  120  110  100  ld  r(%  ) 

90  80  70  60  50  40  30  7.5 

8.0 

8.5 

9.0 

9.5 

10.0 

10.5 

11.0 

11.5 

ln_gwm(%) 

Sumber : Hasil Olahan Excel  Gambar 4.5 Hasil Scatter Plot Data Time Series Antara GWM Dan LDR.  70  60 

n  p  l(%  ) 

50  40  30  20  10  0  7.5 

8.0 

8.5 

9.0 

9.5 

10.0 

10.5 

11.0 

11.5 

ln_gwm(%) 

Sumber : Hasil Olahan Excel  Gambar 4.6 Hasil Scatter Plot Data Time Series Antara GWM Dan NPL. 

Hasil  scatter  plot  data  time  series  antara  variabel  GWM  dan  NPL  pada  Gambar  4.6  yang  memperlihatkan  adanya  hubungan  yang  positif,  antara  GWM  dan NPL pada tahun 1997 hingga tahun 2002. Hal ini terjadi karena, dalam kurun  waktu  tersebut  terjadi  krisis  ekonomi  yang  sangat  berat  sehingga,  menyebabkan  banyak perusahaan  yang tutup dan  juga adanya tindakan moral hazard dari para

peminjam sehingga, banyak terjadi kredit macet. Hal ini sesuai dengan hasil IRF  jumlah NPL meningkat dengan hubungan yang positif terhadap jumlah GWM.

V. KESIMPULAN DAN SARAN 

5.1. Kesimpulan  Dalam  jangka  pendek  GWM  tidak  mempengaruhi  tingkat  kinerja  perbankan seperti DPK, Kredit, LDR dan NPL. Hal ini dikarenakan, dana maupun  aset yang dimiliki oleh bank pada saat awal periode pengenaan GWM oleh Bank  sentral masih mencukupi untuk mempertahankan tingkat kinerja dari bank, karena  bank telah memiliki rencana anggaran dan target yang telah ditetapkan sehingga  kinerja dari perbankan belum terpengaruh oleh adanya kebijakan GWM.  Dalam  jangka  panjang  GWM  berhubungan  secara  positif  dengan  jumlah  DPK.  GWM  yang  dikenakan  oleh  BI  membuat  dana  cair  dari  bank  menurun  sehingga,  DPK  yang  merupakan  salah  satu  sumber  pendapatan  dari  bank,  sehingga  pada  jangka  panjang  bank  berusaha  untuk  meningkatkan  jumlah  pendapatan  yang  diperoleh,  termasuk  pada  jumlah  DPK  yang  dihimpun  dari  masyarakat.  Pengaruh GWM terhadap tingkat penyaluran kredit adalah positif dimana,  peningkatan dari jumlah GWM akan menyebabkan terjadinya peningkatan  kredit  pada  saat  jangka  panjang.  Pengenaan  GWM  tersebut  akan  menyebabkan  jumlah  dana  yang  dimiliki  oleh  bank  menjadi  semakin  berkurang  sehingga,  akan  mempengaruhi  jumlah penyaluran  kredit  ke masyarakat, sehingga bank berusaha  untuk  dapat  meningkatkan  tingkat  pendapatannya  agar  dapat  meningkatkan  jumlah  dana  yang  dimiliki,  karena  kredit  merupakan  salah  satu  sumber

pendapatan  dari  bank  sehingga,  menyebabkan  terjadinya  peningkatan  jumlah  penyaluran kredit.  Pengaruh  dari  GWM  dalam  jangka  pendek  terhadap  tingkat  perbankan  yang  dilihat  dari  indikator  seperti  DPK,  Kredit,  LDR  dan  NPL  tidak  signifikan.  Pada jangka panjang, pengaruh GWM positif dan sangat signifikan terhadap DPK  dan  Kredit,  sedangkan  pengaruhnya  terhadap  LDR  sampai  periode  ke  23  mengalami peningkatan namun semakin berkurang setelah periode ke 23.  Respon  dari  variabel­variabel  yang  mewakili  tingkat  kinerja  dari  perbankan rata­rata terjadi pada periode dari bulan ke 10 sampai dengan bulan ke  25.  Pada  saat  setelah  periode­periode  tersebut  peningkatannya  mencapai  puncaknya namun setelah periode tersebut kembali menurun dan variabel­variabel  tersebut stabil pada nilai tersebut.  Berdasarkan  hasil  pembahasan  maka  hipotesis  pertama  di  tolak  dimana  menurut  hipotesis  GWM  dan  kinerja  bank  berhubungan  negatif  tetapi  menurut  hasil penelitisn GWM dan kinerja perbankan berhubungan positif. Hipotesis yang  kedua yang menyatakan respon dari kinerja perbankan terhadap pengenaan GWM  terjadi  pada  periode  awal  diterima  karena,  respon  dari  variabel  yang  mewakili  tingkat  kinerja  oleh  inovasi  dari  GWM tersebut terjadi  rata­rata  pada periode  ke  15  hingga  25,  yang  masih  tergolong  periode  awal  karena  melihat  jangka  waktu  penelitian ini yang menggunakan data bulanan dari tahun 1994 – 2005.  Implikasi hasil penelitian ini adalah bahwa, peningkatan GWM oleh Bank  Sentral  telah  menyebabkan  terjadi  peningkatan  kepercayaan  dari  masyarakat  terhadap  kondisi  bank  yang  ada  sehingga,  pada  jangka  panjang  terjadi

peningkatan  jumlah  Dana  Pihak  Ketiga  (DPK)  yang  dihimpun  oleh  masyarakat  dan juga jumlah penyaluran kredit ke masyarakat. Peningkatan jumlah kredit juga  dapat  terjadi  karena  adanya  peningkatan  jumlah  DPK  yang  dihimpun  dari  masyarakat.  Perubahan  pada  jumlah  GWM  yang  dikenakan  juga  menyebabkan  peningkatan  pada  tingkat  NPL,  sehingga  disisni  terjadi  paradoks  pada  kebijakan  GWM oleh BI, karena disatu pihak meningkatkan tingkat DPK dan jumlah kredit,  tetapi sekaligus meningkatkan jumlah NPL. 

5.2.  Saran  Penulis  menyarankan  kepada  pihak  perbankan,  baik  Bank  Komersial  maupun Bank Syariah, Bank Pemerintah maupun Bank Swasta, agar tidak hanya  melihat  faktor­faktor  yang  mempengurihi  dari  luar  terhadap  kinerja  perbankan.  Faktor­faktor  internal  yang  mempengaruhi  seperti  sumber  daya  manusia,  lingkungan  kerja  yang  kondusif  dan  tingkat  pelayanan  yang  lebih  baik  perlu  diperhatikan,  sehingga  jika  dalam  diri  bank  tersebut  sudah  sehat  maka,  akan  mempengaruhi  proses  kerja  dari  bank  itu  sendiri,  sehingga  akan  menghasilkan  tingkat kinerja yang baik pula.  Kemudian penulis menyarankan kepada Bank Indonesia agar menggunkan  instrumen  kebijakan  moneter  melalui  kebijakan  Giro  Wajib  Minimum  (GWM)  untuk meningkatkan kualitas kesehatan dari bank, karena menurut hasil penelitian  yang  dilakukan  pengaruhnya  positif  dan  signifikan  terhadap  tingkat  DPK  yang  dihimpun dari masyarakat dan jumlah kredit  yang disalurkan ke masyarakat. Hal  ini  terjadi  karena  kondisi  kesehatan  pada  bank  pada  saat  jangka  panjang  sudah  baik sehingga, tingkat kepercayaan masyarakat meningkat yang dengan sendirinya

akan  menyebabkan  peningkatan  jumlah  dana  yang  disimpan  ke  bank  yang  juga  akan berpengaruh pada jumlah kredit  yang akan disalurkan ke masyarakat, tetapi  juga  harus  juga  memperhatikan  sampai  batas  tertentu  karena,  menurut  hasil  penelitian  juga  bahwa  respon  dari  NPL  terhadap  perubahan  dari  GWM  adalah  positif. Peningkatan NPL ini akan mengganggu kinerja dari bank.

Daftar Pustaka 

Adisti, D. M. 2005. Analisis Pengaruh Perubahan GWM terhadap Inflasi  di  Indonesia.  [Skripsi].  Bogor:  Departemen  Ilmu  Ekonomi  Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.  Ascarya.  2002.  Instrumen­Instrumen  Pengendalian  Moneter.  Pusat  Studi  Kebangsentralan (PPSK). Bank Indonesia, Jakarta.  Bank  Indonesia.  1999a.  Kajian  atas  efektifitas  GWM  dan  Kemungkinan  Penerapan  Secondary  Reserves  sebagai  Piranti  Kebijakan  Moneter, Jakarta.  Enders,  W.  2004.  Applied  Econometric  Time  Series  (Second  Edition).  John Willey & Sons, Inc., Alabama.  Habibi,  K.  2004.  Analisis  Penawaran  dan  Permintaan  Kredit  Rupiah  Di  Indonesia  Periode  1994  –  2003.  [Skripsi].  Bogor:  Departemen  Ilmu  Ekonomi  Fakultas  Ekonomi  dan  Manajemen  Institut  Pertanian Bogor.  Haslag,  J.  1995.  Measuring  The  Policy  Effect  Of  Change  in  Reserves  Requirment Ratio. Economic Review, 3:2 – 15.  Hudina,  H.  2005.  Eksogenitas  Uang  Serta  Implikasi  Kebijakan  Bank  Indonesia  Sebagai  Otoritas  Moneter  Terhadap  Kontrol  Harga  [Skripsi]. Bogor: Departemen Ilmu Ekonomi Fakultas Ekonomi  dan Manajemen Institut Pertanian Bogor.  Johansen,  S.  1995.  Likelihood­Based  Inference  In  Cointegrated  Vector  Autoregressive Model. Oxford University Press, New York.  Kasnir. 2002. Manajemen Perbankan. Raja Grafindo Persada, Jakarta.  Latif,  A.  2000.  Sektor  Perbankan  Nasional  Kini  dan  Mendatang.  PEP­  LIPI, Jakarta.  Mankiw,  N.  G.  2000.  Teori  Makroekonomi.  Iman  Nurmawan  [Penerjemah]. Erlangga, Jakarta.  Manurung,  M  dan  Rahardja,  P.  2004.  Uang,  Perbankan,  dan  Ekonomi  Moneter  (Kajian  Konseptual  Indonesia).  Fakultas  Ekonomi  Universitas Indonesia, Jakarta.

Sitorus,  T.  2006.  Kinerja  Ekonomi  Moneter  2005  dan  Prospek  Tahun  2006. Bank Indonesia, Jakarta.  Tarmizi,  M.  A.  1997.  Kenaikan  GWM  dalam  Mengendalikan  Moneter.  Bank Indonesia, Jakarta.  Walpole,  R.  E. 1995.  Pengantar  Statistika.  PT Gramedia  Pustaka  Utama,  Jakarta.  Whidiastuti. 1996. Analisis Hubungan Antar Struktur dan Kinerja Industri  Perbankan  Nasional.  [Tesis].  Jakarta:  Program  studi  Pasca  Sarjana Universitas Indonesia.  Wijaya,  K.  2002.  Analisis  Kinerja  Perbankan  Nasional.  Pustaka  Wira  usaha Muda, Jakarta.

LAMPIRAN

Lampiran 1  Data – data yang digunakan  Ln_DPK  11.88  11.9  11.88  11.89  11.9  11.91  11.92 

Ln_Cr  11.93  11.95  11.96  11.97  11.99  12.01  12.02 

Ln_GWM  7.74  7.8  7.77  7.75  7.78  7.76  7.63 

NPL  16.43  16.8  16.42  16.01  15.73  15.46  15.62 

LDR  105.56  104.52  108.69  108.36  109.5  111.0  111.12 

dum  0  0  0  0  0  0  0 

11.90  11.92  11.94  11.97  11.99  12.01  12.04  12.04  12.05  12.06  12.07  12.09  12.12  12.15  12.18  12.20  12.22  12.24  12.27  12.32  12.35  12.37  12.4  12.42  12.42  12.44  12.47  12.51  12.55  12.54  12.56  12.57  12.58  12.6  12.62  12.66  12.69 

12.01  12.02  12.04  12.07  12.09  12.11  12.14  12.15  12.16  12.18  12.20  12.22  12.24  12.26  12.28  12.30  12.32  12.32  12.36  12.39  12.42  12.44  12.47  12.48  12.50  12.51  12.53  12.54  12.58  12.60  12.60  12.63  12.65  12.67  12.70  12.73  12.79 

7.75  7.80  7.82  7.86  7.87  7.90  7.91  7.92  7.92  7.93  7.96  8.01  8.05  8.07  8.10  8.12  8.15  8.15  8.59  8.62  8.64  8.67  8.68  8.71  8.72  8.73  8.77  8.82  8.83  8.86  9.06  8.89  9.39  9.40  9.42  9.46  9.44 

16.36  14.8  15.09  15.11  13.6  13.46  13.14  12.94  13.16  13.04  12.74  13.23  12.88  12.59  12.7  12.81  11.13  11.52  11.47  11.34  11.48  11.82  11.82  11.34  11.38  11.25  10.87  10.87  9.54  9.84  9.99  10.14  10.1  9.78  9.21  8.83  8.76 

110.48  110.87  111.12  111.37  110.84  111.27  112.54  112.84  113.41  113.76  112.35  111.22  110.89  111.02  109.85  108.44  109.24  108.57  107.95  108.35  108.34  108.09  107.88  106.96  108.02  108.4  106.69  104.37  103.97  105.02  104.85  106.67  106.77  107.59  108.5  107.6  110.4 

0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  1  1 

R  18.49  18.33  17.97  17.67  17.5  17.49  17.54  17.59  17.57  17.57  17.64  17.76  18.03  18.29  18.4  18.63  18.79  18.94  19.02  19.11  19.2  19.27  19.27  19.27  19.29  19.32  19.3  19.28  19.27  19.18  19.14  19.13  19.21  19.21  19.22  19.04  19.05  19.0  18.88  18.82  18.79  18.56  18.59  25.13 

periode  Jan­94  Feb­94  Mar­94  Apr­94  Mei­94  Jun­94  Jul­94  Agust­94  Sep­94  Okt­94  Nop­94  Des­94  Jan­95  Feb­95  Mar­95  Apr­95  Mei­95  Jun­95  Jul­95  Agust­95  Sep­95  Okt­95  Nop­95  Des­95  Jan­96  Feb­96  Mar­96  Apr­96  Mei­96  Jun­96  Jul­96  Agust­96  Sep­96  Okt­96  Nop­96  Des­96  Jan­97  Feb­97  Mar­97  Apr­97  Mei­97  Jun­97  Jul­97  Agust­97

Lampiran 1. Lanjutan  12.7  12.74  12.71  12.79  13.06  13.01  13.02  13.02  13.11  13.26  13.24  13.21  13.23  13.18  13.21  13.26  13.3  13.31  13.3  13.32  13.34  13.32  13.34  13.36  13.38  13.33  13.35  13.35  13.37  13.37  13.38  13.39  13.41  13.4  13.4  13.4  13.42  13.45  13.48  13.49  13.48  13.5  13.51  13.55  13.54  13.54  13.51  13.51 

12.81  12.85  12.83  12.84  13.14  13.08  13.07  13.05  13.17  13.34  13.27  13.20  13.16  13.06  13.05  13.09  13.13  13.12  12.81  12.57  12.53  12.43  12.42  12.45  12.48  12.40  12.41  12.32  12.32  12.34  12.31  12.34  12.37  12.39  12.41  12.39  12.42  12.47  12.48  12.50  12.48  12.52  12.56  12.63  12.61  12.63  12.57  12.57 

9.42  9.43  9.43  9.44  9.49  9.55  9.66  9.71  9.76  9.78  9.83  9.84  9.85  9.9  9.93  9.99  10.00  10.02  10.01  10.06  10.07  10.09  10.11  10.15  10.13  10.10  10.13  10.15  10.16  10.17  10.17  10.18  10.20  10.22  10.21  10.25  10.33  10.25  10.24  10.25  10.28  10.29  10.29  10.30  10.30  10.30  10.31  10.31 

9.1  9.12  8.87  8.15  8.91  10.19  13.12  16.84  23.12  28.82  33.26  36.27  40.51  44.21  47.02  53.79  59.42  60.93  54.99  46.71  47.11  45.66  45.43  45.62  44.38  43.23  41.83  36.86  37.63  37.25  35.28  35.13  33.08  32.2  31.49  29.77  28.23  27.47  25.06  19.43  19.21  18.35  18.62  19.0  18.03  16.84  15.76  15.63 

112.44  113.21  114.03  105.73  108.75  107.42  105.27  103.92  106.8  109.17  103.33  100.04  96.68  89.35  85.97  84.99  84.5  83.19  61.14  47.06  44.46  41.28  40.14  40.7  40.67  39.61  39.47  35.98  35.43  35.57  34.58  35.05  35.62  36.5  37.14  36.76  37.11  37.63  37.11  37.34  36.93  37.53  38.57  39.94  39.78  40.15  39.35  39.22 

1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 

26.41  26.76  26.42  21.98  25.57  25.63  27.8  29.47  33.21  33.79  34.12  34.95  35.72  35.68  35.16  32.27  34.61  34.61  33.12  31.71  30.46  28.84  26.21  24.28  23.07  22.77  21.59  28.89  20.08  19.75  18.93  18.83  18.42  18.14  18.01  17.93  17.99  17.9  17.84  18.43  17.85  17.8  17.9  18.13  18.21  18.45  18.68  18.89 

Sep­97  Okt­97  Nop­97  Des­97  Jan­98  Feb­98  Mar­98  Apr­98  Mei­98  Jun­98  Jul­98  Agust­98  Sep­98  Okt­98  Nop­98  Des­98  Jan­99  Feb­99  Mar­99  Apr­99  Mei­99  Jun­99  Jul­99  Agust­99  Sep­99  Okt­99  Nop­99  Des­99  Jan­00  Feb­00  Mar­00  Apr­00  Mei­00  Jun­00  Jul­00  Agust­00  Sep­00  Okt­00  Nop­00  Des­00  Jan­01  Feb­01  Mar­01  Apr­01  Mei­01  Jun­01  Jul­01  Agust­01

Lampiran 1. Lanjutan  13.52  13.56  13.57  13.6  13.6  13.59  13.59  13.59  13.58  13.59  13.61  13.61  13.62  13.63  13.62  13.65  13.63  13.64  13.64  13.64  13.64  13.65  13.66  13.67  13.67  13.69  13.69  13.71  13.7  13.69  13.69  13.68  13.71  13.73  13.72  13.73  13.74  13.74  13.75  13.78  13.77  13.76  13.78  13.8  13.8  13.83  13.83  13.86 

12.62  12.67  12.62  12.63  12.62  12.61  12.62  12.62  12.62  12.65  12.68  12.71  12.74  12.76  12.78  12.80  12.79  12.81  12.83  12.85  12.86  12.87  12.89  12.90  12.92  12.95  12.98  12.99  12.97  12.99  13.00  13.02  13.06  13.09  13.09  13.13  13.14  13.17  13.18  13.22  13.21  13.23  13.26  13.28  13.32  13.34  13.36  13.40 

10.32  10.33  10.35  10.35  10.39  10.38  10.38  10.38  10.39  10.40  10.41  10.42  10.43  10.43  10.43  10.44  10.46  10.45  10.46  10.47  10.48  10.49  10.50  10.51  10.52  10.53  10.54  10.56  10.57  10.54  10.54  10.53  10.54  10.57  10.94  10.96  10.97  10.97  10.93  11.00  11.02  11.01  11.01  11.03  11.02  11.04  11.05  11.06 

14.47  14.21  13.53  11.66  11.43  11.94  12.42  12.84  11.92  11.27  11.69  11.06  10.08  9.9  9.55  7.57  7.94  7.66  7.62  7.39  7.51  7.11  7.24  6.65  6.65  6.62  7.08  6.77  8.2  8.1  7.8  7.7  7.8  7.5  7.3  6.7  6.9  6.7  6.6  5.75  5.9  6.0  5.6  5.7  7.3  7.9  8.5  8.9 

40.88  41.61  38.81  38.01  37.61  37.82  38.09  38.17  38.26  39.17  39.72  40.64  41.38  41.84  43.22  43.24  42.92  43.64  44.84  45.34  45.51  45.89  46.39  46.86  47.52  47.78  49.23  48.53  48.67  49.6  50.66  51.97  52.47  53.11  53.59  54.89  55.28  56.54  56.9  57.35  57.72  59.06  59.97  59.91  61.62  61.44  62.41  62.79 

1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 

19.06  19.18  19.23  19.19  19.27  19.33  19.35  19.25  19.2  19.08  19.0  18.86  18.74  18.57  18.44  18.25  18.26  18.25  18.08  17.87  17.75  17.41  16.88  16.36  16.07  15.77  15.45  15.07  14.99  14.79  14.61  14.48  14.27  14.1  13.99  13.84  13.8  13.64  13.57  13.41  13.4  13.37  13.31  13.31  13.2  13.36  13.42  13.4 

Sep­01  Okt­01  Nop­01  Des­01  Jan­02  Feb­02  Mar­02  Apr­02  Mei­02  Jun­02  Jul­02  Agust­02  Sep­02  Okt­02  Nop­02  Des­02  Jan­03  Feb­03  Mar­03  Apr­03  Mei­03  Jun­03  Jul­03  Agust­03  Sep­03  Okt­03  Nop­03  Des­03  Jan­04  Feb­04  Mar­04  Apr­04  Mei­04  Jun­04  Jul­04  Agust­04  Sep­04  Okt­04  Nop­04  Des­04  Jan­05  Feb­05  Mar­05  Apr­05  Mei­05  Jun­05  Jul­05  Agust­05

Lampiran 1. Lanjutan  13.9  13.89  13.91  13.94 

13.41  13.42  13.43  13.44 

11.37  11.38  11.39  11.40 

8.8  8.4  8.7  8.3 

62.16  62.93  61.9  60.81 

1  1  1  1 

14.51  15.18  15.92  16.23 

Sep­05  Okt­05  Nop­05  Des­05 

Sumber : Bank Indonesia  Ket :  Ln_DPK  Ln_Cr  Ln_GWM  LDR  NPL  R  Dum 

= Ln [Dana Pihak Ketiga (milyar Rp)].  = Ln [Kredit (milyar Rp)].  = Ln [Giro Wajib Minimum (milyar Rp)].  = Loan Deposit Ratio (persen).  = Non Performing Loan (persen).  = Suku Bunga Kredit (persen).  = Dummy.

Lampiran 2.  Pengujian unit root  DPK  Null Hypothesis: LN_DPK has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

5.253576 

1.0000 

Test critical values: 

1persen level 

­2.581233 

5persen level  10persen  level 

­1.943074  ­1.615231 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_DPK)  Method: Least Squares  Date: 06/22/06   Time: 14:14  Sample (adjusted): 1994M02 2005M12  Included observations: 143 after adjustments  Variable  LN_DPK(­1) 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

0.001077 

0.000205 

5.253576 

0.0000 

R­squared 

­0.007765 

Mean dependent var 

Adjusted R­squared 

­0.007765 

S.D. dependent var 

0.014406  0.032035 

S.E. of regression 

0.032159 

Akaike info criterion 

­4.029284 

Sum squared resid 

0.146856 

Schwarz criterion 

­4.008565 

Log likelihood 

289.0938 

Durbin­Watson stat 

1.901181 

Null Hypothesis: D(LN_DPK) has a unit root  Exogenous: None  Lag Length: 4 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­2.460950 

0.0139 

Test critical values: 

1persen level 

­2.581827 

5persen level  10persen  level 

­1.943157 

*MacKinnon (1996) one­sided p­values.

­1.615178 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_DPK,2)  Method: Least Squares  Date: 06/22/06   Time: 14:14  Sample (adjusted): 1994M07 2005M12  Included observations: 138 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(LN_DPK(­1)) 

­0.333134 

0.135368 

­2.460950 

0.0151 

D(LN_DPK(­1),2) 

­0.535296 

0.131441 

­4.072525 

0.0001 

D(LN_DPK(­2),2) 

­0.597417 

0.120160 

­4.971837 

0.0000 

D(LN_DPK(­3),2)  D(LN_DPK(­4),2) 

­0.463810  ­0.413250 

0.102593  0.079469 

­4.520885  ­5.200151 

0.0000  0.0000 

R­squared 

0.517272 

Mean dependent var 

Adjusted R­squared 

0.502754 

S.D. dependent var 

0.000145 

S.E. of regression 

0.031673 

Akaike info criterion 

­4.031131 

Sum squared resid 

0.133425 

Schwarz criterion 

­3.925071 

Log likelihood 

283.1480 

Durbin­Watson stat 

0.044917 

2.117980 

Pengujian unit root  Kredit  Null Hypothesis: LN_CR has a unit root  Exogenous: None  Lag Length: 1 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

1.680851 

0.9773 

Test critical values: 

1persen level 

­2.581349 

5persen level  10persen  level 

­1.943090  ­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_CR)  Method: Least Squares  Date: 06/22/06   Time: 14:11  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob.

LN_CR(­1)  D(LN_CR(­1)) 

0.000587  0.275021 

0.000349  0.081319 

1.680851  3.382027 

0.0950  0.0009 

R­squared 

0.074810 

Mean dependent var 

0.010493 

Adjusted R­squared 

0.068201 

S.D. dependent var 

0.053651 

S.E. of regression 

0.051790 

Akaike info criterion 

­3.069270 

Sum squared resid 

0.375503 

Schwarz criterion 

­3.027639 

Log likelihood 

219.9182 

Durbin­Watson stat 

1.982121 

Null Hypothesis: D(LN_CR) has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­8.699544 

0.0000 

Test critical values: 

1persen level 

­2.581349 

5persen level  10persen  level 

­1.943090  ­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_CR,2)  Method: Least Squares  Date: 06/22/06   Time: 14:11  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(LN_CR(­1)) 

­0.698198 

0.080257 

­8.699544 

0.0000 

R­squared 

0.349276 

Mean dependent var 

Adjusted R­squared 

0.349276 

S.D. dependent var 

­7.04E­05 

S.E. of regression 

0.052124 

Akaike info criterion 

­3.063375 

Sum squared resid 

0.383081 

Schwarz criterion 

­3.042560 

Log likelihood 

218.4996 

Durbin­Watson stat 

0.064616 

1.993645

Pengujian unit root  LDR  Null Hypothesis: LDR has a unit root  Exogenous: None  Lag Length: 1 (Automatic based on SIC, MAXLAG=13) 

t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­1.221998 

0.2027 

Test critical values: 

1persen level 

­2.581349 

5persen level 

­1.943090 

10persen level 

­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LDR)  Method: Least Squares  Date: 06/22/06   Time: 14:12  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments 

Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

LDR(­1) 

­0.003243 

0.002654 

­1.221998 

0.2238 

D(LDR(­1)) 

0.421193 

0.076279 

5.521715 

0.0000 

R­squared 

0.183763 

Mean dependent var 

­0.307817 

Adjusted R­squared 

0.177933 

S.D. dependent var 

2.715942 

S.E. of regression 

2.462489 

Akaike info criterion 

4.654207 

Sum squared resid 

848.9393 

Schwarz criterion 

4.695838 

Durbin­Watson stat 

1.947366 

Log likelihood 

­328.4487 

Null Hypothesis: D(LDR) has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­7.488793 

0.0000 

Test critical values: 

1persen level  5persen level 

­2.581349  ­1.943090 

10persen level 

­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LDR,2)  Method: Least Squares  Date: 06/22/06   Time: 14:13  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(LDR(­1)) 

­0.569174 

0.076003 

­7.488793 

0.0000 

R­squared  Adjusted R­squared 

0.284562  0.284562 

Mean dependent var  S.D. dependent var 

­0.000352  2.916397 

S.E. of regression  Sum squared resid 

2.466793  857.9943 

Akaike info criterion  Schwarz criterion 

4.650732  4.671548 

­329.2020 

Durbin­Watson stat 

1.951974 

Log likelihood 

Pengujian unit root  NPL  Null Hypothesis: NPL has a unit root  Exogenous: None  Lag Length: 1 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­1.145976 

0.2286 

Test critical values: 

1persen level 

­2.581349 

5persen level  10persen  level 

­1.943090 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(NPL)  Method: Least Squares  Date: 06/22/06   Time: 14:17

­1.615220 

Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

NPL(­1) 

­0.006438 

0.005618 

­1.145976 

0.2538 

D(NPL(­1)) 

0.612523 

0.066641 

9.191406 

0.0000 

R­squared 

0.378005 

Mean dependent var 

­0.059859 

Adjusted R­squared 

0.373562 

S.D. dependent var 

1.831445 

S.E. of regression 

1.449549 

Akaike info criterion 

3.594366 

Sum squared resid 

294.1668 

Schwarz criterion 

3.635997 

Durbin­Watson stat 

2.018497 

Log likelihood 

­253.2000 

Null Hypothesis: D(NPL) has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­5.838204 

0.0000 

Test critical values: 

1persen level 

­2.581349 

5persen level  10persen  level 

­1.943090  ­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(NPL,2)  Method: Least Squares  Date: 06/22/06   Time: 14:17  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(NPL(­1)) 

­0.389375 

0.066694 

­5.838204 

0.0000 

R­squared 

0.194666 

Mean dependent var 

­0.005423 

Adjusted R­squared  S.E. of regression 

0.194666  1.451158 

S.D. dependent var  Akaike info criterion 

1.617062  3.589618 

296.9263 

Schwarz criterion 

3.610434 

Durbin­Watson stat 

2.008711

Sum squared resid  Log likelihood 

­253.8629 

Pengujian unit root  GWM  Null Hypothesis: LN_GWM has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

3.948845 

1.0000 

Test critical values: 

­2.581233  ­1.943074 

1persen level  5persen level  10persen  level 

­1.615231 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_GWM)  Method: Least Squares  Date: 06/22/06   Time: 14:15  Sample (adjusted): 1994M02 2005M12  Included observations: 143 after adjustments  Variable  LN_GWM(­1) 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

0.002524 

0.000639 

3.948845 

0.0001 

R­squared 

­0.008097 

Mean dependent var 

Adjusted R­squared 

­0.008097 

S.D. dependent var 

0.025594  0.074518 

S.E. of regression 

0.074819 

Akaike info criterion 

­2.340509 

Sum squared resid 

0.794909 

Schwarz criterion 

­2.319790 

Log likelihood 

168.3464 

Durbin­Watson stat 

2.321474 

Null Hypothesis: D(LN_GWM) has a unit root  Exogenous: None  Lag Length: 1 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­7.076240 

0.0000 

Test critical values: 

1persen level 

­2.581466 

5persen level  10persen  level 

­1.943107 

*MacKinnon (1996) one­sided p­values.

­1.615210 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(LN_GWM,2)  Method: Least Squares  Date: 06/22/06   Time: 14:15  Sample (adjusted): 1994M04 2005M12  Included observations: 141 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(LN_GWM(­1))  D(LN_GWM(­1),2) 

­0.852029  ­0.183097 

0.120407  0.083182 

­7.076240  ­2.201152 

0.0000  0.0294 

R­squared 

0.538068 

Mean dependent var 

0.000284 

Adjusted R­squared  S.E. of regression  Sum squared resid 

0.534745  0.078039  0.846532 

S.D. dependent var  Akaike info criterion  Schwarz criterion 

0.114411  ­2.249122  ­2.207295 

Log likelihood 

160.5631 

Durbin­Watson stat 

2.055050 

Pengujian unit root  R  Null Hypothesis: R has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­0.514170 

0.4923 

Test critical values: 

1persen level 

­2.581233 

5persen level  10persen  level 

­1.943074  ­1.615231 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(R)  Method: Least Squares  Date: 06/22/06   Time: 14:16  Sample (adjusted): 1994M02 2005M12  Included observations: 143 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

R(­1) 

­0.002890 

0.005620 

­0.514170 

0.6079 

R­squared 

0.001728 

Mean dependent var 

­0.015804

Adjusted R­squared  S.E. of regression  Sum squared resid  Log likelihood 

0.001728  1.388214 

S.D. dependent var  Akaike info criterion 

1.389415  3.500881 

273.6535 

Schwarz criterion 

3.521600 

Durbin­Watson stat 

2.327856 

­249.3130 

Null Hypothesis: D(R) has a unit root  Exogenous: None  Lag Length: 0 (Automatic based on SIC, MAXLAG=13)  t­Statistic 

Prob.* 

Augmented Dickey­Fuller test statistic 

­14.02987 

0.0000 

Test critical values: 

1persen level 

­2.581349 

5persen level  10persen  level 

­1.943090  ­1.615220 

*MacKinnon (1996) one­sided p­values. 

Augmented Dickey­Fuller Test Equation  Dependent Variable: D(R,2)  Method: Least Squares  Date: 06/22/06   Time: 14:16  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Variable 

Coefficient 

Std. Error 

t­Statistic 

Prob. 

D(R(­1)) 

­1.165407 

0.083066 

­14.02987 

0.0000 

R­squared 

0.582638 

Mean dependent var 

0.003310 

Adjusted R­squared 

0.582638 

S.D. dependent var 

2.128609 

S.E. of regression 

1.375157 

Akaike info criterion 

3.482030 

266.6391 

Schwarz criterion 

3.502846 

Durbin­Watson stat 

1.954825

Sum squared resid  Log likelihood 

­246.2242 

Lampiran 3  Uji Lag Optimal  VAR Lag Order Selection Criteria  Endogenous variables: D(LN_DPK) D(LN_CR) D(LDR) D(NPL) D(LN_GWM) D(R)  Exogenous variables: C DUM  Date: 06/22/06   Time: 00:22  Sample: 1994M01 2005M12  Included observations: 131  Lag 

LogL 

LR 

FPE 

AIC 

SC 

HQ 

0 

­15.76468 

NA 

6.16e­08 

0.423888 

0.687265 

0.530910 

1 

91.07098 

200.6227 

2.09e­08 

­0.657572 

0.395935* 

­0.229485* 

2 

137.8904 

83.63162 

1.78e­08 

­0.822754 

1.020884 

­0.073602 

3 

179.4933 

70.50264 

1.65e­08 

­0.908295 

1.725474 

0.161923 

4 

231.6087 

83.54375 

1.31e­08 

­1.154331 

2.269568 

0.236952 

5 

264.4060 

49.57144 

1.42e­08 

­1.105434 

3.108595 

0.606914 

6 

292.4945 

39.88138 

1.67e­08 

­0.984648 

4.019512 

1.048766 

7 

336.0401 

57.83920 

1.58e­08 

­1.099848 

4.694442 

1.254631 

8 

395.4046 

73.41262 

1.20e­08 

­1.456559 

5.127863 

1.218986 

9 

444.7978 

56.55706 

1.09e­08 

­1.661034 

5.713517 

1.335576 

10 

495.3009 

53.20178 

1.00e­08 

­1.882456 

6.282226 

1.435219 

11 

565.1875 

67.21921* 

7.16e­09* 

­2.399810 

6.555003 

1.238931 

12 

607.5759 

36.88760 

8.16e­09 

­2.497342* 

7.247601 

1.462464 

* indicates lag order selected by the criterion  LR: sequential modified LR test statistic (each test at 5persen level)  FPE: Final prediction error  AIC: Akaike information criterion  SC: Schwarz information criterion  HQ: Hannan­Quinn information criterion

Uji kestabilan VAR  Roots of Characteristic Polynomial  Endogenous variables: D(LN_DPK) D(LN_CR) D(LDR) D(NPL)  D(LN_GWM) D(R)  Exogenous variables: C DUM  Lag specification: 1 1  Date: 06/22/06   Time: 00:22  Root 

Modulus 

0.739146  0.434987 

0.739146  0.434987 

­0.091836 ­ 0.196067i 

0.216509 

­0.091836 + 0.196067i 

0.216509 

­0.208446 

0.208446 

­0.087452 

0.087452 

No root lies outside the unit circle.  VAR satisfies the stability condition.

Lampiran 4  Uji Kointegrasi 1  Date: 06/22/06   Time: 00:28  Sample: 1994M01 2005M12  Included observations: 142  Series: LN_DPK LN_CR LDR NPL LN_GWM R  Exogenous series: DUM  Warning: Rank Test critical values derived assuming no exogenous series  Lags interval: 1 to 1  Selected (0.05  level*) Number  of Cointegrating  Relations by  Model  Data Trend:  Test Type  Trace  Max­Eig 

None  No Intercept  No Trend  3  3 

None  Intercept  No Trend  4  4 

Linear  Intercept  No Trend  3  3 

Linear  Intercept  Trend  4  4 

Quadratic  Intercept  Trend  4  4 

*Critical values based on MacKinnon­Haug­Michelis (1999)  Information  Criteria by Rank  and Model  Data Trend:  Rank or  No. of CEs 

0  1  2  3  4  5  6 

None  No Intercept  No Trend 

None  Intercept  No Trend 

Linear  Intercept  No Trend 

Linear  Intercept  Trend 

Quadratic  Intercept  Trend 

Log Likelihood  by Rank (rows)  and Model  (columns)  99.28824  147.7263  173.6880  186.0424  193.5067  196.8860  196.8936 

99.28824  158.3385  193.2954  212.1829  224.5134  231.9220  234.6327 

111.5279  170.5768  204.6772  223.0030  230.4855  233.2010  234.6327 

111.5279  170.8548  205.9120  224.3402  241.1788  247.9777  249.4992 

118.4714  176.9085  211.9655  229.2244  243.5017  249.3999  249.4992

0  1  2  3  4  5  6 

Akaike  Information  Criteria by Rank  (rows) and  Model  (columns)  ­0.891384  ­1.404596  ­1.601240  ­1.606231  ­1.542348  ­1.420930  ­1.252023 

­0.891384  ­1.539979  ­1.849230  ­1.932154  ­1.922724  ­1.843971  ­1.699052 

­0.979266  ­1.641927  ­1.953201  ­2.042295  ­1.978669  ­1.847902  ­1.699052 

­0.979266  ­1.631758  ­1.942423  ­2.018876  ­2.072941  ­1.985602  ­1.823932 

­0.992555  ­1.646599  ­1.971345  ­2.045414  ­2.077489*  ­1.991549  ­1.823932 

0  1  2  3  4  5  6 

Schwarz  Criteria by Rank  (rows) and  Model  (columns)  ­0.142019  ­0.405443  ­0.352299  ­0.107502  0.206169  0.577375  0.996071 

­0.142019  ­0.520010  ­0.558658  ­0.370978  ­0.090944  0.258413  0.673936 

­0.105007  ­0.517880  ­0.579366*  ­0.418672  ­0.105258  0.275298  0.673936 

­0.105007  ­0.486895  ­0.526957  ­0.332806  ­0.116267  0.241676  0.673950 

0.006598  ­0.397658  ­0.472616  ­0.296897  ­0.079184  0.256545  0.673950 

Uji Kointegrasi 2  Date: 06/22/06   Time: 00:28  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Trend assumption: Linear deterministic trend  Series: LN_DPK LN_CR LDR NPL LN_GWM R  Exogenous series: DUM  Warning: Critical values assume no exogenous series  Lags interval (in first differences): 1 to 1  Unrestricted Cointegration Rank Test (Trace)  Hypothesized  No. of CE(s)  None *  At most 1 *  At most 2 * 

Eigenvalue 

Trace  Statistic 

0.05  Critical Value 

Prob.** 

0.564680  0.381395  0.227489 

246.2096  128.1118  59.91086 

95.75366  69.81889  47.85613 

0.0000  0.0000  0.0025

At most 3  At most 4  At most 5 

0.100025  0.037524  0.019962 

23.25939  8.294295  2.863320 

29.79707  15.49471  3.841466 

0.2336  0.4345  0.0906 

Trace test indicates 3 cointegrating eqn(s) at the 0.05 level  * denotes rejection of the hypothesis at the 0.05 level  **MacKinnon­Haug­Michelis (1999) p­values  Unrestricted Cointegration Rank Test (Maximum Eigenvalue)  Hypothesized  No. of CE(s) 

Eigenvalue 

Max­Eigen  Statistic 

0.05  Critical Value 

Prob.** 

None *  At most 1 *  At most 2 *  At most 3  At most 4  At most 5 

0.564680  0.381395  0.227489  0.100025  0.037524  0.019962 

118.0978  68.20091  36.65146  14.96510  5.430975  2.863320 

40.07757  33.87687  27.58434  21.13162  14.26460  3.841466 

0.0000  0.0000  0.0026  0.2914  0.6867  0.0906 

Max­eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level  * denotes rejection of the hypothesis at the 0.05 level  **MacKinnon­Haug­Michelis (1999) p­values  Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):  LN_DPK  12.87690  36.06572  ­24.54307  4.601757  22.57219  3.473668 

LN_CR  ­0.313268  ­26.83342  12.04913  ­4.269260  ­24.46014  0.948191 

LDR  0.109015  0.507800  ­0.229199  0.123709  0.358861  ­0.023584 

NPL  0.062488  0.032851  ­0.089778  0.149174  0.016393  ­0.003374 

LN_GWM  ­4.874628  ­3.028831  5.098282  ­0.051933  2.950967  ­4.996397 

R  0.108189  ­0.298096  0.273114  ­0.379901  0.079373  ­0.043732 

0.011602  0.011722  0.162841  0.257814  ­0.010168  0.109633 

0.000155  ­0.006788  ­0.389122  ­0.368132  ­0.002351  0.187555 

0.001047  0.000414  ­0.152572  ­0.066495  ­0.005894  ­0.139044

Unrestricted Adjustment Coefficients (alpha):  D(LN_DPK)  D(LN_CR)  D(LDR)  D(NPL)  D(LN_GWM)  D(R) 

­0.005815  ­0.023093  ­1.366875  0.165170  0.012756  ­0.187856 

0.003840  0.011392  0.191447  0.184409  0.011126  0.449132 

1 Cointegrating Equation(s): 

Log likelihood 

170.5768 

Normalized cointegrating coefficients (standard error in parentheses)  LN_DPK  LN_CR  LDR  NPL  1.000000  ­0.024328  0.008466  0.004853  (0.08193)  (0.00095)  (0.00094) 

LN_GWM  ­0.378556  (0.04912) 

R  0.008402  (0.00282) 

LN_GWM  ­0.388514  (0.01887)  ­0.409310  (0.02856) 

R  0.008965  (0.00291)  0.023159  (0.00440) 

Adjustment coefficients (standard error in parentheses)  D(LN_DPK)  ­0.074880  (0.03334)  D(LN_CR)  ­0.297370  (0.04954)  D(LDR)  ­17.60111  (2.17606)  D(NPL)  2.126880  (1.54688)  D(LN_GWM)  0.164263  (0.07914)  D(R)  ­2.418998  (1.40984) 

2 Cointegrating Equation(s): 

Log likelihood 

204.6772 

Normalized cointegrating coefficients (standard error in parentheses)  LN_DPK  LN_CR  LDR  NPL  1.000000  0.000000  0.008276  0.004986  (0.00052)  (0.00092)  0.000000  1.000000  ­0.007801  0.005477  (0.00079)  (0.00140)  Adjustment coefficients (standard error in parentheses)  D(LN_DPK)  0.063617  ­0.101222  (0.09832)  (0.06890)  D(LN_CR)  0.113500  ­0.298459  (0.14239)  (0.09978)  D(LDR)  ­10.69645  ­4.708973  (6.44026)  (4.51295)  D(NPL)  8.777720  ­5.000064  (4.55943)  (3.19498)  D(LN_GWM)  0.565518  ­0.302536  (0.23243)  (0.16287)  D(R)  13.77925  ­11.99289

(3.91860) 

3 Cointegrating Equation(s): 

(2.74592) 

Log likelihood 

223.0030 

Normalized cointegrating coefficients (standard error in parentheses)  LN_DPK  LN_CR  LDR  NPL  1.000000  0.000000  0.000000  0.009057  (0.00260)  0.000000  1.000000  0.000000  0.001641  (0.00295)  0.000000  0.000000  1.000000  ­0.491838  (0.32802) 

LN_GWM  ­0.448812  (0.05825)  ­0.352477  (0.06620)  7.285796  (7.34879) 

R  ­0.017127  (0.00909)  0.047751  (0.01033)  3.152642  (1.14681) 

LN_GWM  ­0.428527  (0.05434)  ­0.348803  (0.06947)  6.184174  (6.55697)  ­2.239804  (4.78138) 

R  0.008039  (0.00668)  0.052310  (0.00854)  1.785974  (0.80626)  ­2.778692  (0.58793) 

Adjustment coefficients (standard error in parentheses)  D(LN_DPK)  ­0.221140  0.038576  ­0.001343  (0.10744)  (0.06949)  (0.00134)  D(LN_CR)  ­0.174198  ­0.157217  0.000581  (0.16268)  (0.10521)  (0.00203)  D(LDR)  ­14.69306  ­2.746883  ­0.089116  (7.62237)  (4.92952)  (0.09513)  D(NPL)  2.450178  ­1.893633  0.052558  (5.31911)  (3.43997)  (0.06639)  D(LN_GWM)  0.815073  ­0.425052  0.009371  (0.27314)  (0.17664)  (0.00341)  D(R)  11.08851  ­10.67190  0.182462  (4.63417)  (2.99700)  (0.05784) 

4 Cointegrating Equation(s): 

Log likelihood 

230.4855 

Normalized cointegrating coefficients (standard error in parentheses)  LN_DPK  LN_CR  LDR  NPL  1.000000  0.000000  0.000000  0.000000  0.000000 

1.000000 

0.000000 

0.000000 

0.000000 

0.000000 

1.000000 

0.000000 

0.000000 

0.000000 

0.000000 

1.000000 

Adjustment coefficients (standard error in parentheses)  D(LN_DPK)  ­0.220427  0.037914  ­0.001324 

­0.001256

D(LN_CR)  D(LDR)  D(NPL)  D(LN_GWM)  D(R) 

(0.10799)  ­0.205436  (0.16128)  ­16.48370  (7.50438)  0.756123  (5.14323)  0.804255  (0.27438)  11.95160  (4.59810) 

5 Cointegrating Equation(s): 

(0.07021)  ­0.128236  (0.10486)  ­1.085622  (4.87916)  ­0.321981  (3.34400)  ­0.415016  (0.17839)  ­11.47262  (2.98957) 

(0.00137)  ­0.000259  (0.00205)  ­0.137254  (0.09537)  0.007017  (0.06536)  0.009080  (0.00349)  0.205664  (0.05844) 

Log likelihood 

233.2010 

Normalized cointegrating coefficients (standard error in parentheses)  LN_DPK  LN_CR  LDR  NPL  1.000000  0.000000  0.000000  0.000000 

(0.00044)  ­0.003134  (0.00066)  ­0.151791  (0.03084)  ­0.061683  (0.02114)  0.001725  (0.00113)  0.021152  (0.01890) 

LN_GWM  0.000000 

0.000000 

1.000000 

0.000000 

0.000000 

0.000000 

0.000000 

0.000000 

1.000000 

0.000000 

0.000000 

0.000000 

0.000000 

0.000000 

1.000000 

0.000000 

0.000000 

0.000000 

0.000000 

0.000000 

1.000000 

Adjustment coefficients (standard error in parentheses)  D(LN_DPK)  ­0.196804  0.012315  ­0.000948  (0.12035)  (0.09086)  (0.00161)  D(LN_CR)  ­0.196093  ­0.138360  ­0.000110  (0.17986)  (0.13579)  (0.00241)  D(LDR)  ­19.92759  2.646313  ­0.192006  (8.34199)  (6.29821)  (0.11173)  D(NPL)  ­0.744814  1.304494  ­0.016846  (5.72843)  (4.32497)  (0.07673)  D(LN_GWM)  0.671209  ­0.270842  0.006965  (0.30488)  (0.23019)  (0.00408)  D(R)  8.813076  ­8.071594  0.155767  (5.09103)  (3.84373)  (0.06819) 

­0.001239  (0.00045)  ­0.003127  (0.00067)  ­0.154292  (0.03086)  ­0.062773  (0.02119)  0.001628  (0.00113)  0.018872  (0.01883) 

R  0.138667  (0.03044)  0.158636  (0.02671)  ­0.099151  (0.75604)  ­2.095932  (0.49123)  0.304831  (0.06968) 

0.078948  (0.01941)  0.139403  (0.02901)  6.483329  (1.34560)  ­0.226386  (0.92402)  ­0.164992  (0.04918)  ­0.305729  (0.82121)

Lampiran 5  Estimasi VECM  Vector Error Correction Estimates  Date: 06/22/06   Time: 00:29  Sample (adjusted): 1994M03 2005M12  Included observations: 142 after adjustments  Standard errors in ( ) & t­statistics in [ ] 

Cointegrating Eq: 

CointEq1 

CointEq2 

CointEq3 

LN_DPK(­1) 

1.000000 

0.000000 

0.000000 

LN_CR(­1) 

0.000000 

1.000000 

0.000000 

LDR(­1) 

0.000000 

0.000000 

1.000000 

NPL(­1) 

0.009057 

0.001641 

­0.491838 

(0.00262) 

(0.00298) 

(0.33051) 

[ 3.45668] 

[ 0.55105] 

[­1.48810] 

­0.448812 

­0.352477 

7.285796 

(0.05870) 

(0.06670) 

(7.40467) 

[­7.64621] 

[­5.28439] 

[ 0.98395] 

­0.017127 

0.047751 

3.152642 

(0.00916) 

(0.01041) 

(1.15553) 

[­1.86971] 

[ 4.58743] 

[ 2.72830] 

C 

­8.553133 

­10.22116 

­197.1125 

Error Correction: 

D(LN_DPK) 

D(LN_CR) 

D(LDR) 

D(NPL) 

D(LN_GWM) 

CointEq1 

­0.221140 

­0.174198 

­14.69306 

2.450178 

0.815073 

(0.10826) 

(0.16391) 

(7.68033) 

(5.35956) 

(0.27522) 

[­2.04267] 

[­1.06273] 

[­1.91308] 

[ 0.45716] 

[ 2.96157]

LN_GWM(­1) 

R(­1) 

CointEq2 

CointEq3 

D(LN_DPK(­1)) 

D(LN_CR(­1)) 

D(LDR(­1)) 

D(NPL(­1)) 

D(LN_GWM(­1)) 

D(R(­1)) 

C 

0.038576 

­0.157217 

­2.746883 

­1.893633 

­0.425052 

(0.07001) 

(0.10601) 

(4.96701) 

(3.46613) 

(0.17799) 

[ 0.55097] 

[­1.48309] 

[­0.55303] 

[­0.54632] 

[­2.38810] 

­0.001343 

0.000581 

­0.089116 

0.052558 

0.009371 

(0.00135) 

(0.00205) 

(0.09586) 

(0.06689) 

(0.00343) 

[­0.99407] 

[ 0.28388] 

[­0.92968] 

[ 0.78572] 

[ 2.72807] 

­0.229656 

0.154567 

20.11498 

11.48155 

­0.205530 

(0.19127) 

(0.28959) 

(13.5691) 

(9.46894) 

(0.48624) 

[­1.20071] 

[ 0.53373] 

[ 1.48241] 

[ 1.21255] 

[­0.42270] 

0.359825 

0.082706 

­6.275612 

­13.01089 

0.063973 

(0.18528) 

(0.28053) 

(13.1443) 

(9.17248) 

(0.47101) 

[ 1.94207] 

[ 0.29482] 

[­0.47744] 

[­1.41847] 

[ 0.13582] 

­0.008997 

­0.006188 

­0.055250 

0.210595 

­0.001531 

(0.00266) 

(0.00403) 

(0.18862) 

(0.13162) 

(0.00676) 

[­3.38394] 

[­1.53721] 

[­0.29292] 

[ 1.59999] 

[­0.22653] 

0.004756 

0.017172 

0.847138 

0.461952 

­0.006428 

(0.00251) 

(0.00380) 

(0.17816) 

(0.12432) 

(0.00638) 

[ 1.89391] 

[ 4.51625] 

[ 4.75496] 

[ 3.71570] 

[­1.00681] 

­0.031513 

­0.033958 

­0.216739 

0.832693 

­0.129725 

(0.03390) 

(0.05133) 

(2.40521) 

(1.67843) 

(0.08619) 

[­0.92949] 

[­0.66153] 

[­0.09011] 

[ 0.49612] 

[­1.50513] 

­0.002950 

­0.001212 

0.245022 

0.066813 

­0.001472 

(0.00198) 

(0.00300) 

(0.14061) 

(0.09812) 

(0.00504) 

[­1.48831] 

[­0.40403] 

[ 1.74258] 

[ 0.68092] 

[­0.29217] 

­0.011370 

­0.034206 

­1.653242 

­0.650720 

0.062180 

(0.00703) 

(0.01065) 

(0.49898) 

(0.34820) 

(0.01788)

[­1.61650] 

[­3.21209] 

[­3.31327] 

[­1.86881] 

[ 3.47755] 

0.032670 

0.057773 

1.619483 

0.882441 

­0.044657 

(0.00895) 

(0.01355) 

(0.63491) 

(0.44306) 

(0.02275) 

[ 3.65049] 

[ 4.26362] 

[ 2.55074] 

[ 1.99171] 

[­1.96286] 

R­squared 

0.276706 

0.404788 

0.490062 

0.453903 

0.135012 

Adj. R­squared 

0.221492 

0.359352 

0.451136 

0.412217 

0.068982 

Sum sq. resids 

0.105379 

0.241576 

530.3681 

258.2714 

0.681033 

S.E. equation 

0.028362 

0.042943 

2.012116 

1.404114 

0.072102 

F­statistic 

5.011575 

8.908952 

12.58941 

10.88843 

2.044718 

Log likelihood 

310.1381 

251.2350 

­295.0491 

­243.9603 

177.6487 

Akaike AIC 

­4.213213 

­3.383591 

4.310551 

3.590991 

­2.347165 

Schwarz SC 

­3.984241 

­3.154618 

4.539523 

3.819963 

­2.118192 

Mean dependent 

0.014366 

0.010493 

­0.307817 

­0.059859 

0.025352 

S.D. dependent 

0.032145 

0.053651 

2.715942 

1.831445 

0.074726 

Determinant resid covariance (dof adj.) 

2.83E­09 

Determinant resid covariance 

1.74E­09 

Log likelihood 

223.0030 

DUM 

Akaike information criterion 

­1.957788 

Schwarz criterion 

­0.209271

Lampiran 6  Matriks korelasi  LDR 

LN_CR 

LN_DPK 

R 

NPL 

LN_GWM 

DUM 

LDR 

1.000000 

­0.251419 

­0.849019 

0.236422 

­0.159916 

­0.802648 

­0.761748 

LN_CR 

­0.251419 

1.000000 

0.722455 

0.071937 

­0.135253 

0.761710 

0.646756 

LN_DPK 

­0.849019 

0.722455 

1.000000 

­0.113101 

0.042571 

0.988232 

0.905347 

R 

0.236422 

0.071937 

­0.113101 

1.000000 

0.716888 

­0.123073 

0.147907 

NPL 

­0.159916 

­0.135253 

0.042571 

0.716888 

1.000000 

0.020868 

0.220896 

LN_GWM 

­0.802648 

0.761710 

0.988232 

­0.123073 

0.020868 

1.000000 

0.891098 

DUM 

­0.761748 

0.646756 

0.905347 

0.147907 

0.220896 

0.891098 

1.000000

Lampiran 7  Impuls Respon Function  Respon  se of  LN_DP  K:  Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

1  2 

0.028362 

0.000000 

0.026154 

­0.003306 

3 

0.021800 

4 

0.021072 

5  6 

R 

0.000000 

0.000000 

0.000000 

0.000000 

0.002880 

­0.009009 

0.003202 

­0.001708 

­0.003885 

­0.000503 

­0.005535 

0.004447 

­0.001447 

­0.004962 

­0.002090 

­0.004220 

0.005928 

0.000557 

0.020248 

­0.005687 

­0.002793 

­0.003911 

0.007111 

0.000736 

0.019447 

­0.006143 

­0.003687 

­0.002858 

0.008027 

0.001152 

7 

0.018935 

­0.006553 

­0.004317 

­0.002006 

0.008944 

0.001498 

8 

0.018427 

­0.006921 

­0.004864 

­0.001203 

0.009807 

0.001677 

9 

0.017934 

­0.007285 

­0.005400 

­0.000393 

0.010638 

0.001814 

10 

0.017452 

­0.007667 

­0.005917 

0.000361 

0.011446 

0.001887 

11 

0.016963 

­0.008074 

­0.006435 

0.001067 

0.012227 

0.001904 

12 

0.016472 

­0.008505 

­0.006956 

0.001721 

0.012975 

0.001875 

13 

0.015981 

­0.008958 

­0.007478 

0.002317 

0.013688 

0.001805 

14  15 

0.015494  0.015014 

­0.009429  ­0.009911 

­0.007998  ­0.008513 

0.002854  0.003331 

0.014360  0.014987 

0.001697  0.001557 

16 

0.014546 

­0.010398 

­0.009016 

0.003746 

0.015567 

0.001390 

17 

0.014095 

­0.010886 

­0.009504 

0.004101 

0.016097 

0.001200 

18 

0.013663 

­0.011368 

­0.009973 

0.004396 

0.016574 

0.000992 

19 

0.013256 

­0.011839 

­0.010419 

0.004633 

0.016999 

0.000769 

20 

0.012874 

­0.012295 

­0.010839 

0.004815 

0.017370 

0.000535 

21 

0.012521 

­0.012732 

­0.011230 

0.004944 

0.017688 

0.000295 

22 

0.012197 

­0.013146 

­0.011589 

0.005023 

0.017954 

5.07E­05 

23 

0.011905 

­0.013534 

­0.011917 

0.005056 

0.018169 

­0.000193 

24 

0.011644 

­0.013895 

­0.012211 

0.005047 

0.018336 

­0.000435 

25 

0.011416 

­0.014225 

­0.012471 

0.004998 

0.018456 

­0.000671 

26 

0.011219 

­0.014525 

­0.012697 

0.004915 

0.018532 

­0.000899 

27 

0.011054 

­0.014793 

­0.012889 

0.004802 

0.018568 

­0.001118 

28 

0.010920 

­0.015028 

­0.013049 

0.004661 

0.018566 

­0.001325 

29 

0.010815 

­0.015231 

­0.013176 

0.004499 

0.018529 

­0.001519 

30 

0.010739 

­0.015403 

­0.013273 

0.004317 

0.018462 

­0.001699 

31 

0.010689 

­0.015544 

­0.013340 

0.004121 

0.018368 

­0.001865 

32 

0.010663 

­0.015654 

­0.013380 

0.003913 

0.018250 

­0.002014 

33 

0.010661 

­0.015736 

­0.013395 

0.003698 

0.018111 

­0.002148 

34 

0.010680 

­0.015792 

­0.013387 

0.003478 

0.017956 

­0.002266 

35 

0.010718 

­0.015821 

­0.013357 

0.003257 

0.017787 

­0.002367 

36 

0.010772 

­0.015828 

­0.013308 

0.003037 

0.017608 

­0.002453 

37 

0.010841 

­0.015813 

­0.013243 

0.002820 

0.017422 

­0.002523 

38 

0.010923 

­0.015779 

­0.013163 

0.002610 

0.017231 

­0.002578

39  40 

0.011015  0.011115 

­0.015727  ­0.015660 

­0.013071  ­0.012969 

0.002407  0.002214 

0.017038  0.016847 

­0.002619  ­0.002646 

41 

0.011222 

­0.015581 

­0.012859 

0.002032 

0.016657 

­0.002661 

42 

0.011334 

­0.015490 

­0.012743 

0.001863 

0.016473 

­0.002663 

43 

0.011448 

­0.015391 

­0.012623 

0.001707 

0.016296 

­0.002656 

44 

0.011564 

­0.015284 

­0.012500 

0.001564 

0.016126 

­0.002638 

45 

0.011680 

­0.015173 

­0.012377 

0.001436 

0.015966 

­0.002612 

46 

0.011794 

­0.015058 

­0.012255 

0.001322 

0.015817 

­0.002578 

47 

0.011906 

­0.014942 

­0.012136 

0.001223 

0.015679 

­0.002538 

48 

0.012013 

­0.014826 

­0.012019 

0.001139 

0.015552 

­0.002493 

49 

0.012116 

­0.014711 

­0.011907 

0.001069 

0.015439 

­0.002443 

50 

0.012213 

­0.014598 

­0.011801 

0.001012 

0.015338 

­0.002389 

51 

0.012304 

­0.014489 

­0.011701 

0.000969 

0.015249 

­0.002334 

52 

0.012389 

­0.014385 

­0.011608 

0.000939 

0.015173 

­0.002276 

53 

0.012466 

­0.014287 

­0.011522 

0.000920 

0.015110 

­0.002218 

54  55 

0.012535  0.012597 

­0.014194  ­0.014108 

­0.011444  ­0.011374 

0.000912  0.000915 

0.015059  0.015020 

­0.002159  ­0.002102 

56 

0.012652 

­0.014029 

­0.011312 

0.000927 

0.014991 

­0.002045 

57 

0.012699 

­0.013958 

­0.011258 

0.000947 

0.014973 

­0.001991 

58 

0.012738 

­0.013894 

­0.011212 

0.000974 

0.014965 

­0.001939 

59 

0.012770 

­0.013838 

­0.011175 

0.001008 

0.014965 

­0.001889 

60 

0.012795 

­0.013789 

­0.011144 

0.001047 

0.014974 

­0.001843 

61 

0.012813 

­0.013749 

­0.011121 

0.001090 

0.014991 

­0.001800 

62 

0.012825 

­0.013715 

­0.011105 

0.001137 

0.015013 

­0.001761 

63 

0.012830 

­0.013689 

­0.011096 

0.001187 

0.015042 

­0.001725 

64 

0.012831 

­0.013669 

­0.011093 

0.001238 

0.015075 

­0.001693 

65 

0.012826 

­0.013656 

­0.011095 

0.001291 

0.015112 

­0.001665 

66 

0.012817 

­0.013649 

­0.011102 

0.001344 

0.015152 

­0.001641 

67 

0.012804 

­0.013648 

­0.011114 

0.001396 

0.015195 

­0.001621 

68 

0.012787 

­0.013652 

­0.011129 

0.001448 

0.015240 

­0.001604 

69 

0.012768 

­0.013660 

­0.011149 

0.001498 

0.015285 

­0.001591 

70 

0.012746 

­0.013672 

­0.011171 

0.001546 

0.015331 

­0.001581 

71 

0.012722 

­0.013688 

­0.011195 

0.001592 

0.015377 

­0.001575 

72 

0.012696 

­0.013708 

­0.011221 

0.001636 

0.015422 

­0.001571 

73 

0.012670 

­0.013729 

­0.011249 

0.001676 

0.015466 

­0.001571 

74 

0.012642 

­0.013753 

­0.011278 

0.001714 

0.015509 

­0.001573 

75 

0.012614 

­0.013778 

­0.011307 

0.001748 

0.015549 

­0.001577 

Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

R 

1 

0.031019 

0.029697 

0.000000 

0.000000 

0.000000 

0.000000 

2 

0.030583 

0.032598 

0.014818 

­0.006020 

0.007507 

­0.004289 

3 

0.023015 

0.032828 

0.013189 

­0.000158 

0.012689 

­0.005092 

4 

0.019489 

0.030079 

0.010586 

0.002580 

0.016990 

­0.004653

Respon  se of  LN_CR: 

5  6 

0.016124  0.013028 

0.026756  0.023513 

0.007939  0.004860 

0.003367  0.004403 

0.020291  0.022744 

­0.006259  ­0.007769 

7 

0.010532 

8 

0.008344 

0.020404 

0.002129 

0.004871 

0.024723 

­0.009333 

0.017543 

­0.000289 

0.004963 

0.026243 

­0.011034 

9 

0.006453 

0.014942 

­0.002430 

0.004797 

0.027366 

­0.012711 

10 

0.004846 

0.012592 

­0.004276 

0.004353 

0.028141 

­0.014360 

11 

0.003489 

0.010493 

­0.005849 

0.003672 

0.028595 

­0.015961 

12 

0.002371 

0.008639 

­0.007166 

0.002786 

0.028759 

­0.017491 

13 

0.001477 

0.007025 

­0.008237 

0.001720 

0.028658 

­0.018938 

14 

0.000796 

0.005645 

­0.009077 

0.000503 

0.028318 

­0.020290 

15 

0.000315 

0.004495 

­0.009696 

­0.000837 

0.027767 

­0.021541 

16 

2.16E­05 

0.003565 

­0.010110 

­0.002273 

0.027028 

­0.022683 

17 

­9.83E­05 

0.002846 

­0.010332 

­0.003780 

0.026128 

­0.023712 

18 

­5.88E­05 

0.002329 

­0.010377 

­0.005334 

0.025092 

­0.024627 

19 

0.000126 

0.002001 

­0.010260 

­0.006913 

0.023945 

­0.025426 

20  21 

0.000440  0.000868 

0.001850  0.001861 

­0.009997  ­0.009605 

­0.008495  ­0.010062 

0.022709  0.021407 

­0.026111  ­0.026682 

22 

0.001396 

0.002019 

­0.009098 

­0.011596 

0.020060 

­0.027144 

23 

0.002008 

0.002311 

­0.008494 

­0.013082 

0.018689 

­0.027500 

24 

0.002689 

0.002721 

­0.007808 

­0.014506 

0.017312 

­0.027757 

25 

0.003426 

0.003233 

­0.007056 

­0.015858 

0.015945 

­0.027918 

26 

0.004205 

0.003832 

­0.006252 

­0.017128 

0.014604 

­0.027992 

27 

0.005012 

0.004505 

­0.005410 

­0.018307 

0.013303 

­0.027984 

28 

0.005836 

0.005235 

­0.004544 

­0.019390 

0.012053 

­0.027902 

29 

0.006665 

0.006010 

­0.003666 

­0.020373 

0.010864 

­0.027754 

30 

0.007490 

0.006816 

­0.002788 

­0.021252 

0.009746 

­0.027547 

31 

0.008300 

0.007640 

­0.001920 

­0.022027 

0.008706 

­0.027289 

32 

0.009088 

0.008473 

­0.001071 

­0.022697 

0.007748 

­0.026987 

33 

0.009845 

0.009302 

­0.000250 

­0.023263 

0.006877 

­0.026649 

34 

0.010567 

0.010119 

0.000536 

­0.023729 

0.006096 

­0.026283 

35 

0.011247 

0.010915 

0.001281 

­0.024098 

0.005406 

­0.025894 

36 

0.011881 

0.011682 

0.001979 

­0.024373 

0.004807 

­0.025489 

37 

0.012465 

0.012414 

0.002627 

­0.024560 

0.004298 

­0.025075 

38 

0.012998 

0.013105 

0.003221 

­0.024664 

0.003877 

­0.024658 

39 

0.013477 

0.013751 

0.003758 

­0.024692 

0.003542 

­0.024242 

40 

0.013901 

0.014347 

0.004239 

­0.024649 

0.003288 

­0.023833 

41 

0.014270 

0.014892 

0.004661 

­0.024543 

0.003112 

­0.023434 

42 

0.014585 

0.015383 

0.005025 

­0.024380 

0.003009 

­0.023050 

43 

0.014847 

0.015819 

0.005331 

­0.024168 

0.002974 

­0.022684 

44  45 

0.015056  0.015217 

0.016201  0.016527 

0.005582  0.005779 

­0.023913  ­0.023622 

0.003000  0.003083 

­0.022338  ­0.022015 

46 

0.015330 

0.016800 

0.005925 

­0.023301 

0.003217 

­0.021717 

47 

0.015398 

0.017020 

0.006022 

­0.022957 

0.003394 

­0.021444 

48 

0.015426 

0.017190 

0.006074 

­0.022597 

0.003610 

­0.021199 

49 

0.015415 

0.017313 

0.006083 

­0.022226 

0.003858 

­0.020981 

50 

0.015371 

0.017390 

0.006055 

­0.021848 

0.004133 

­0.020791 

51 

0.015295 

0.017425 

0.005991 

­0.021470 

0.004429 

­0.020628

52  53 

0.015192  0.015065 

0.017421  0.017383 

0.005896  0.005775 

­0.021096  ­0.020730 

0.004740  0.005062 

­0.020492  ­0.020382 

54 

0.014919 

0.017312 

0.005630 

­0.020375 

0.005390 

­0.020297 

55 

0.014755 

0.017214 

0.005466 

­0.020035 

0.005719 

­0.020237 

56 

0.014579 

0.017091 

0.005285 

­0.019712 

0.006046 

­0.020199 

57 

0.014393 

0.016947 

0.005093 

­0.019409 

0.006366 

­0.020182 

58 

0.014200 

0.016786 

0.004892 

­0.019128 

0.006677 

­0.020184 

59 

0.014003 

0.016611 

0.004685 

­0.018870 

0.006975 

­0.020204 

60 

0.013805 

0.016426 

0.004475 

­0.018636 

0.007258 

­0.020240 

61 

0.013608 

0.016233 

0.004265 

­0.018426 

0.007525 

­0.020289 

62 

0.013414 

0.016036 

0.004058 

­0.018242 

0.007773 

­0.020351 

63 

0.013226 

0.015837 

0.003855 

­0.018082 

0.008002 

­0.020424 

64 

0.013045 

0.015639 

0.003659 

­0.017947 

0.008209 

­0.020504 

65 

0.012873 

0.015444 

0.003471 

­0.017837 

0.008395 

­0.020592 

66 

0.012711 

0.015254 

0.003294 

­0.017749 

0.008560 

­0.020685 

67  68 

0.012560  0.012420 

0.015071  0.014896 

0.003127  0.002973 

­0.017684  ­0.017640 

0.008702  0.008824 

­0.020782  ­0.020881 

69 

0.012293 

0.014731 

0.002831 

­0.017615 

0.008924 

­0.020981 

70 

0.012179 

0.014577 

0.002703 

­0.017609 

0.009003 

­0.021080 

71 

0.012078 

0.014435 

0.002589 

­0.017620 

0.009063 

­0.021178 

72 

0.011990 

0.014305 

0.002488 

­0.017645 

0.009105 

­0.021273 

73 

0.011915 

0.014188 

0.002401 

­0.017684 

0.009129 

­0.021365 

74 

0.011853 

0.014084 

0.002328 

­0.017735 

0.009137 

­0.021452 

75 

0.011803 

0.013993 

0.002269 

­0.017797 

0.009131 

­0.021535 

Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

R 

1 

0.195934 

0.978867 

0.987404 

0.000000 

0.000000 

0.000000 

2 

0.297307 

1.455197 

1.442219 

0.271971 

0.052852 

0.109958 

3  4 

0.376080  0.398870 

1.678359  1.799108 

1.676474  1.786750 

0.388651  0.482782 

0.119458  0.177784 

0.220637  0.278074 

5 

0.403739 

1.866455 

1.827899 

0.584256 

0.236932 

0.339999 

6 

0.400250 

1.903145 

1.842397 

0.674868 

0.301762 

0.390928 

7 

0.386125 

1.922054 

1.838320 

0.764762 

0.369997 

0.432895 

8 

0.365091 

1.928131 

1.822284 

0.853903 

0.441772 

0.468782 

9 

0.338183 

1.924105 

1.798094 

0.940798 

0.516292 

0.497948 

10 

0.306096 

1.911717 

1.767312 

1.025329 

0.592489 

0.520912 

11 

0.269795 

1.892126 

1.731281 

1.106736 

0.669439 

0.538094 

12 

0.230058 

1.866318 

1.691050 

1.184331 

0.746206 

0.549777 

13 

0.187639 

1.835194 

1.647501 

1.257579 

0.821914 

0.556336 

14 

0.143276 

1.799606 

1.601465 

1.325995 

0.895773 

0.558158 

15 

0.097659 

1.760374 

1.553710 

1.389196 

0.967078 

0.555639 

16 

0.051435 

1.718284 

1.504954 

1.446898 

1.035213 

0.549196 

17 

0.005204 

1.674086 

1.455862 

1.498901 

1.099650 

0.539254

Respon  se of  NPL: 

18  19 

­0.040488  ­0.085148 

1.628489  1.582156 

1.407045  1.359055 

1.545092  1.585436 

1.159955  1.215778 

0.526238  0.510576 

20 

­0.128337 

1.535702 

1.312388 

1.619973 

1.266852 

0.492686 

21 

­0.169675 

1.489686 

1.267480 

1.648804 

1.312992 

0.472978 

22 

­0.208834 

1.444616 

1.224708 

1.672092 

1.354087 

0.451846 

23 

­0.245543 

1.400943 

1.184390 

1.690051 

1.390096 

0.429665 

24 

­0.279584 

1.359059 

1.146787 

1.702938 

1.421039 

0.406792 

25 

­0.310788 

1.319305 

1.112106 

1.711048 

1.446999 

0.383558 

26 

­0.339036 

1.281962 

1.080498 

1.714706 

1.468107 

0.360271 

27 

­0.364254 

1.247261 

1.052068 

1.714263 

1.484541 

0.337212 

28 

­0.386411 

1.215379 

1.026872 

1.710085 

1.496519 

0.314633 

29 

­0.405514 

1.186447 

1.004923 

1.702552 

1.504293 

0.292760 

30 

­0.421607 

1.160545 

0.986194 

1.692049 

1.508141 

0.271790 

31 

­0.434765 

1.137714 

0.970623 

1.678963 

1.508365 

0.251891 

32 

­0.445090 

1.117954 

0.958117 

1.663678 

1.505282 

0.233206 

33  34 

­0.452711  ­0.457776 

1.101226  1.087462 

0.948552  0.941782 

1.646568  1.627997 

1.499221  1.490515 

0.215847  0.199905 

35 

­0.460451 

1.076564 

0.937641 

1.608315 

1.479502 

0.185442 

36 

­0.460914 

1.068407 

0.935946 

1.587852 

1.466517 

0.172500 

37 

­0.459356 

1.062846 

0.936500 

1.566921 

1.451886 

0.161098 

38 

­0.455973 

1.059718 

0.939100 

1.545811 

1.435929 

0.151234 

39 

­0.450967 

1.058845 

0.943533 

1.524787 

1.418952 

0.142891 

40 

­0.444541 

1.060039 

0.949585 

1.504092 

1.401247 

0.136032 

41 

­0.436895 

1.063102 

0.957041 

1.483941 

1.383086 

0.130608 

42 

­0.428228 

1.067834 

0.965689 

1.464525 

1.364727 

0.126557 

43 

­0.418734 

1.074031 

0.975322 

1.446010 

1.346403 

0.123805 

44 

­0.408597 

1.081490 

0.985737 

1.428536 

1.328330 

0.122270 

45 

­0.397995 

1.090011 

0.996743 

1.412217 

1.310698 

0.121864 

46 

­0.387094 

1.099400 

1.008158 

1.397145 

1.293679 

0.122490 

47 

­0.376050 

1.109469 

1.019809 

1.383389 

1.277419 

0.124051 

48 

­0.365006 

1.120038 

1.031537 

1.370996 

1.262045 

0.126446 

49 

­0.354093 

1.130938 

1.043198 

1.359992 

1.247660 

0.129572 

50 

­0.343429 

1.142011 

1.054658 

1.350384 

1.234348 

0.133328 

51 

­0.333119 

1.153110 

1.065800 

1.342164 

1.222171 

0.137614 

52 

­0.323253 

1.164101 

1.076519 

1.335307 

1.211175 

0.142332 

53 

­0.313910 

1.174863 

1.086726 

1.329773 

1.201384 

0.147389 

54 

­0.305153 

1.185290 

1.096345 

1.325511 

1.192808 

0.152694 

55 

­0.297034 

1.195286 

1.105314 

1.322460 

1.185443 

0.158162 

56 

­0.289595 

1.204773 

1.113584 

1.320548 

1.179268 

0.163715 

57  58 

­0.282862  ­0.276853 

1.213681  1.221957 

1.121119  1.127894 

1.319698  1.319826 

1.174251  1.170350 

0.169279  0.174786 

59 

­0.271576 

1.229559 

1.133896 

1.320844 

1.167512 

0.180178 

60 

­0.267029 

1.236455 

1.139123 

1.322662 

1.165678 

0.185400 

61 

­0.263200 

1.242627 

1.143580 

1.325187 

1.164779 

0.190405 

62 

­0.260073 

1.248065 

1.147283 

1.328327 

1.164745 

0.195153 

63 

­0.257621 

1.252770 

1.150254 

1.331991 

1.165500 

0.199611 

64 

­0.255815 

1.256750 

1.152524 

1.336088 

1.166964 

0.203751

65  66 

­0.254618  ­0.253992 

1.260022  1.262611 

1.154126  1.155101 

1.340533  1.345241 

1.169058  1.171701 

0.207552  0.210999 

67 

­0.253894 

1.264545 

1.155493 

1.350134 

1.174814 

0.214083 

68 

­0.254277 

1.265859 

1.155348 

1.355137 

1.178319 

0.216799 

69 

­0.255095 

1.266593 

1.154716 

1.360182 

1.182138 

0.219147 

70 

­0.256299 

1.266790 

1.153647 

1.365204 

1.186199 

0.221132 

71 

­0.257842 

1.266493 

1.152193 

1.370147 

1.190433 

0.222763 

72 

­0.259676 

1.265752 

1.150404 

1.374958 

1.194775 

0.224051 

73 

­0.261752 

1.264612 

1.148331 

1.379592 

1.199162 

0.225012 

74 

­0.264024 

1.263124 

1.146025 

1.384011 

1.203539 

0.225662 

75 

­0.266450 

1.261335 

1.143532 

1.388180 

1.207856 

0.226022 

Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

R 

1 

0.281766 

1.815566 

0.065744 

0.817689 

0.000000 

0.000000 

2 

0.323899 

2.036782 

0.783779 

0.782632 

0.474213 

0.092851 

3 

­0.041501 

2.014396 

0.821806 

0.872344 

0.765012 

­0.059730 

4 

­0.285563 

1.855321 

0.662226 

0.990835 

0.952684 

­0.097730 

5 

­0.462356 

1.653705 

0.514845 

0.976011 

1.090914 

­0.203029 

6 

­0.622499 

1.462074 

0.358959 

0.951524 

1.175603 

­0.325018 

7 

­0.747485 

1.286711 

0.220450 

0.907844 

1.227043 

­0.440246 

8  9 

­0.846906  ­0.925873 

1.131479  0.997322 

0.106509  0.013263 

0.841792  0.762546 

1.251012  1.250955 

­0.556813  ­0.668749 

10 

­0.985513 

0.883090 

­0.059712 

0.671046 

1.230683 

­0.774037 

11 

­1.028121 

0.787861 

­0.113945 

0.569342 

1.192752 

­0.872220 

12 

­1.055283 

0.710664 

­0.151133 

0.459832 

1.139470 

­0.962341 

13 

­1.068296 

0.650498 

­0.172636 

0.344387 

1.073034 

­1.043943 

14 

­1.068464 

0.606382 

­0.179815 

0.224887 

0.995479 

­1.116783 

15 

­1.057022 

0.577304 

­0.173994 

0.103109 

0.908756 

­1.180725 

16  17 

­1.035187  ­1.004170 

0.562209  0.560000 

­0.156471  ­0.128535 

­0.019317  ­0.140888 

0.814734  0.715184 

­1.235784  ­1.282084 

18 

­0.965167 

0.569542 

­0.091465 

­0.260239 

0.611783 

­1.319843 

19 

­0.919355 

0.589671 

­0.046521 

­0.376156 

0.506101 

­1.349367 

20 

­0.867885 

0.619206 

0.005059 

­0.487567 

0.399594 

­1.371030 

21 

­0.811868 

0.656962 

0.062073 

­0.593552 

0.293599 

­1.385269 

22 

­0.752373 

0.701764 

0.123363 

­0.693333 

0.189327 

­1.392571 

23 

­0.690411 

0.752456 

0.187823 

­0.786275 

0.087863 

­1.393460 

24 

­0.626937 

0.807919 

0.254409 

­0.871881 

­0.009839 

­1.388494 

25 

­0.562835 

0.867071 

0.322143 

­0.949784 

­0.102952 

­1.378246 

26 

­0.498921 

0.928888 

0.390121 

­1.019740 

­0.190778 

­1.363306 

27 

­0.435937 

0.992400 

0.457515 

­1.081622 

­0.272743 

­1.344264 

28 

­0.374546 

1.056705 

0.523578 

­1.135410 

­0.348393 

­1.321708 

29 

­0.315337 

1.120970 

0.587645 

­1.181180 

­0.417389 

­1.296216 

30 

­0.258817 

1.184439 

0.649132 

­1.219098 

­0.479499 

­1.268349

Respon  se of  LDR: 

31  32 

­0.205419  ­0.155501 

1.246428  1.306333 

0.707539  0.762445 

­1.249408  ­1.272422 

­0.534597  ­0.582648 

­1.238647  ­1.207624 

33 

­0.109348 

1.363629 

0.813508 

­1.288511 

­0.623704 

­1.175765 

34 

­0.067173 

1.417867 

0.860462 

­1.298096 

­0.657897 

­1.143520 

35 

­0.029125 

1.468674 

0.903114 

­1.301638 

­0.685427 

­1.111306 

36 

0.004708 

1.515750 

0.941338 

­1.299628 

­0.706556 

­1.079503 

37 

0.034299 

1.558867 

0.975072 

­1.292580 

­0.721599 

­1.048450 

38 

0.059670 

1.597864 

1.004312 

­1.281022 

­0.730915 

­1.018450 

39 

0.080894 

1.632642 

1.029108 

­1.265490 

­0.734898 

­0.989765 

40 

0.098086 

1.663161 

1.049560 

­1.246519 

­0.733974 

­0.962620 

41 

0.111397 

1.689436 

1.065807 

­1.224637 

­0.728585 

­0.937199 

42 

0.121012 

1.711529 

1.078030 

­1.200360 

­0.719190 

­0.913652 

43 

0.127144 

1.729549 

1.086437 

­1.174187 

­0.706254 

­0.892093 

44 

0.130027 

1.743640 

1.091267 

­1.146597 

­0.690242 

­0.872602 

45 

0.129914 

1.753984 

1.092777 

­1.118041 

­0.671617 

­0.855227 

46  47 

0.127072  0.121774 

1.760788  1.764284 

1.091244  1.086954 

­1.088943  ­1.059695 

­0.650829  ­0.628316 

­0.839987  ­0.826874 

48 

0.114300 

1.764723 

1.080201 

­1.030658 

­0.604497 

­0.815857 

49 

0.104931 

1.762369 

1.071282 

­1.002158 

­0.579770 

­0.806880 

50 

0.093945 

1.757497 

1.060495 

­0.974483 

­0.554507 

­0.799870 

51 

0.081616 

1.750387 

1.048133 

­0.947891 

­0.529056 

­0.794736 

52 

0.068207 

1.741321 

1.034480 

­0.922600 

­0.503735 

­0.791374 

53 

0.053973 

1.730578 

1.019813 

­0.898795 

­0.478833 

­0.789666 

54 

0.039157 

1.718435 

1.004395 

­0.876627 

­0.454607 

­0.789488 

55 

0.023984 

1.705158 

0.988475 

­0.856214 

­0.431285 

­0.790706 

56 

0.008666 

1.691006 

0.972287 

­0.837644 

­0.409064 

­0.793183 

57 

­0.006603 

1.676223 

0.956045 

­0.820974 

­0.388110 

­0.796778 

58 

­0.021646 

1.661041 

0.939947 

­0.806233 

­0.368560 

­0.801349 

59 

­0.036304 

1.645673 

0.924171 

­0.793426 

­0.350520 

­0.806757 

60 

­0.050438 

1.630320 

0.908875 

­0.782534 

­0.334072 

­0.812863 

61 

­0.063927 

1.615161 

0.894199 

­0.773517 

­0.319270 

­0.819533 

62 

­0.076667 

1.600359 

0.880262 

­0.766317 

­0.306145 

­0.826639 

63 

­0.088574 

1.586058 

0.867163 

­0.760858 

­0.294703 

­0.834058 

64 

­0.099580 

1.572384 

0.854985 

­0.757052 

­0.284932 

­0.841674 

65 

­0.109635 

1.559442 

0.843789 

­0.754797 

­0.276800 

­0.849379 

66 

­0.118703 

1.547323 

0.833622 

­0.753983 

­0.270258 

­0.857075 

67 

­0.126763 

1.536096 

0.824514 

­0.754493 

­0.265245 

­0.864671 

68 

­0.133810 

1.525816 

0.816479 

­0.756204 

­0.261684 

­0.872086 

69 

­0.139849 

1.516521 

0.809517 

­0.758989 

­0.259489 

­0.879248 

70  71 

­0.144897  ­0.148982 

1.508235  1.500967 

0.803617  0.798754 

­0.762721  ­0.767272 

­0.258566  ­0.258813 

­0.886094  ­0.892571 

72 

­0.152142 

1.494712 

0.794895 

­0.772516 

­0.260125 

­0.898635 

73 

­0.154419 

1.489457 

0.791997 

­0.778329 

­0.262391 

­0.904250 

74 

­0.155865 

1.485173 

0.790009 

­0.784592 

­0.265500 

­0.909390 

75 

­0.156536 

1.481828 

0.788874 

­0.791191 

­0.269342 

­0.914036 

Respon

se of  LN_GW  M:  Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

R 

1 

0.009423 

0.002899 

­0.001043 

0.005805 

0.071181 

0.000000 

2 

0.014386 

0.001756 

­0.003849 

0.007377 

0.051612 

­0.006793 

3 

0.022233 

0.004479 

­0.001407 

0.007956 

0.049093 

­0.007153 

4 

0.026062 

0.006957 

0.001981 

0.007543 

0.047109 

­0.009183 

5 

0.027925 

0.008965 

0.003762 

0.008829 

0.046378 

­0.009604 

6 

0.029081 

0.010175 

0.005026 

0.009746 

0.046420 

­0.009666 

7 

0.029513 

0.010860 

0.005685 

0.010622 

0.046796 

­0.009717 

8 

0.029570 

0.011161 

0.005885 

0.011520 

0.047358 

­0.009660 

9 

0.029417 

0.011194 

0.005824 

0.012336 

0.048023 

­0.009604 

10 

0.029123 

0.011051 

0.005585 

0.013099 

0.048728 

­0.009575 

11 

0.028750 

0.010790 

0.005233 

0.013808 

0.049444 

­0.009574 

12 

0.028330 

0.010450 

0.004815 

0.014457 

0.050149 

­0.009608 

13 

0.027885 

0.010056 

0.004359 

0.015047 

0.050831 

­0.009678 

14 

0.027429 

0.009626 

0.003882 

0.015578 

0.051480 

­0.009781 

15  16 

0.026973  0.026524 

0.009174  0.008710 

0.003398  0.002918 

0.016049  0.016460 

0.052089  0.052654 

­0.009914  ­0.010073 

17 

0.026088 

0.008242 

0.002448 

0.016812 

0.053172 

­0.010255 

18 

0.025669 

0.007777 

0.001995 

0.017106 

0.053641 

­0.010454 

19 

0.025273 

0.007321 

0.001562 

0.017344 

0.054058 

­0.010668 

20 

0.024900 

0.006878 

0.001153 

0.017527 

0.054424 

­0.010893 

21 

0.024555 

0.006454 

0.000772 

0.017659 

0.054739 

­0.011125 

22 

0.024238 

0.006050 

0.000419 

0.017742 

0.055003 

­0.011360 

23 

0.023951 

0.005671 

9.85E­05 

0.017780 

0.055218 

­0.011596 

24 

0.023695 

0.005319 

­0.000190 

0.017777 

0.055386 

­0.011830 

25 

0.023469 

0.004995 

­0.000447 

0.017735 

0.055508 

­0.012059 

26 

0.023275 

0.004701 

­0.000670 

0.017660 

0.055588 

­0.012281 

27 

0.023111 

0.004438 

­0.000860 

0.017554 

0.055628 

­0.012494 

28 

0.022977 

0.004206 

­0.001019 

0.017422 

0.055631 

­0.012696 

29 

0.022872 

0.004005 

­0.001146 

0.017267 

0.055601 

­0.012885 

30 

0.022794 

0.003835 

­0.001244 

0.017094 

0.055540 

­0.013062 

31 

0.022742 

0.003694 

­0.001313 

0.016906 

0.055452 

­0.013224 

32 

0.022714 

0.003583 

­0.001356 

0.016707 

0.055341 

­0.013370 

33 

0.022709 

0.003500 

­0.001374 

0.016500 

0.055210 

­0.013502 

34 

0.022724 

0.003443 

­0.001369 

0.016288 

0.055062 

­0.013618 

35 

0.022758 

0.003411 

­0.001343 

0.016074 

0.054901 

­0.013718 

36 

0.022809 

0.003401 

­0.001298 

0.015861 

0.054729 

­0.013803 

37 

0.022873 

0.003413 

­0.001237 

0.015651 

0.054549 

­0.013873 

38 

0.022951 

0.003444 

­0.001162 

0.015446 

0.054366 

­0.013928 

39  40 

0.023038  0.023134 

0.003491  0.003554 

­0.001075  ­0.000977 

0.015249  0.015062 

0.054179  0.053994 

­0.013970  ­0.013998 

41 

0.023237 

0.003629 

­0.000872 

0.014884 

0.053810 

­0.014014 

42 

0.023344 

0.003715 

­0.000760 

0.014718 

0.053632 

­0.014018

43  44 

0.023455  0.023567 

0.003810  0.003912 

­0.000645  ­0.000527 

0.014565  0.014426 

0.053459  0.053294 

­0.014012  ­0.013996 

45 

0.023679 

0.004019 

­0.000408 

0.014300 

0.053138 

­0.013972 

46 

0.023789 

0.004129 

­0.000289 

0.014188 

0.052992 

­0.013941 

47 

0.023897 

0.004242 

­0.000173 

0.014090 

0.052857 

­0.013903 

48 

0.024002 

0.004354 

­6.03E­05 

0.014006 

0.052733 

­0.013860 

49 

0.024102 

0.004466 

4.85E­05 

0.013937 

0.052621 

­0.013812 

50 

0.024197 

0.004575 

0.000152 

0.013880 

0.052522 

­0.013761 

51 

0.024286 

0.004681 

0.000250 

0.013837 

0.052434 

­0.013707 

52 

0.024368 

0.004782 

0.000341 

0.013806 

0.052359 

­0.013652 

53 

0.024444 

0.004878 

0.000425 

0.013786 

0.052297 

­0.013595 

54 

0.024512 

0.004969 

0.000501 

0.013777 

0.052245 

­0.013539 

55 

0.024573 

0.005053 

0.000570 

0.013778 

0.052206 

­0.013483 

56 

0.024627 

0.005130 

0.000631 

0.013788 

0.052177 

­0.013428 

57 

0.024673 

0.005200 

0.000684 

0.013806 

0.052158 

­0.013375 

58  59 

0.024712  0.024744 

0.005263  0.005318 

0.000730  0.000767 

0.013832  0.013864 

0.052149  0.052148 

­0.013325  ­0.013276 

60 

0.024769 

0.005366 

0.000798 

0.013901 

0.052155 

­0.013231 

61 

0.024788 

0.005406 

0.000821 

0.013942 

0.052170 

­0.013189 

62 

0.024800 

0.005440 

0.000837 

0.013987 

0.052191 

­0.013151 

63 

0.024806 

0.005466 

0.000847 

0.014035 

0.052218 

­0.013116 

64 

0.024808 

0.005486 

0.000851 

0.014084 

0.052249 

­0.013084 

65 

0.024804 

0.005499 

0.000850 

0.014135 

0.052285 

­0.013057 

66 

0.024796 

0.005507 

0.000844 

0.014186 

0.052323 

­0.013033 

67 

0.024783 

0.005509 

0.000833 

0.014237 

0.052365 

­0.013012 

68 

0.024768 

0.005506 

0.000818 

0.014287 

0.052407 

­0.012996 

69 

0.024749 

0.005499 

0.000800 

0.014336 

0.052451 

­0.012983 

70 

0.024728 

0.005487 

0.000779 

0.014383 

0.052496 

­0.012973 

71 

0.024705 

0.005472 

0.000756 

0.014428 

0.052540 

­0.012966 

72 

0.024681 

0.005454 

0.000731 

0.014470 

0.052584 

­0.012963 

73 

0.024655 

0.005434 

0.000704 

0.014510 

0.052627 

­0.012962 

74 

0.024629 

0.005411 

0.000677 

0.014546 

0.052668 

­0.012963 

75 

0.024602 

0.005386 

0.000648 

0.014579 

0.052707 

­0.012967 

Period 

LN_DPK 

LN_CR 

NPL 

LDR 

LN_GWM 

R 

1 

­0.021510 

­0.066524 

­0.111063 

0.521821 

­0.029087 

1.098230 

2 

0.166882 

0.014472 

0.169393 

0.287993 

0.019278 

0.746634 

3 

0.154660 

0.081039 

0.152583 

0.468470 

­0.010099 

0.732843 

4 

0.196011 

0.091344 

0.180652 

0.519340 

0.037088 

0.730413 

5 

0.180243 

0.082992 

0.180884 

0.561586 

0.083861 

0.694673 

6 

0.150716 

0.059976 

0.153635 

0.616441 

0.133392 

0.678032 

7 

0.118142 

0.025697 

0.121564 

0.656272 

0.184554 

0.659433 

8 

0.080388 

­0.013698 

0.083752 

0.690515 

0.232496 

0.638399 

9 

0.042153 

­0.055820 

0.043538 

0.719429 

0.276658 

0.617359

Respon  se of R: 

10  11 

0.004871  ­0.030816 

­0.098853  ­0.141435 

0.003625  ­0.035074 

0.742027  0.759220 

0.316445  0.351383 

0.595144  0.572107 

12 

­0.064183 

­0.182738 

­0.071699 

0.771267 

0.381390 

0.548617 

13 

­0.094883 

­0.222156 

­0.105707 

0.778458 

0.406467 

0.524881 

14 

­0.122704 

­0.259257 

­0.136794 

0.781185 

0.426706 

0.501194 

15 

­0.147508 

­0.293734 

­0.164762 

0.779814 

0.442275 

0.477822 

16 

­0.169241 

­0.325369 

­0.189504 

0.774727 

0.453389 

0.455005 

17 

­0.187900 

­0.354016 

­0.210987 

0.766317 

0.460302 

0.432961 

18 

­0.203527 

­0.379585 

­0.229229 

0.754979 

0.463300 

0.411882 

19 

­0.216198 

­0.402039 

­0.244293 

0.741107 

0.462692 

0.391930 

20 

­0.226023 

­0.421383 

­0.256275 

0.725089 

0.458802 

0.373243 

21 

­0.233134 

­0.437660 

­0.265303 

0.707305 

0.451964 

0.355930 

22 

­0.237686 

­0.450947 

­0.271529 

0.688121 

0.442521 

0.340074 

23 

­0.239851 

­0.461349 

­0.275127 

0.667890 

0.430814 

0.325735 

24 

­0.239813 

­0.468998 

­0.276285 

0.646943 

0.417181 

0.312949 

25  26 

­0.237767  ­0.233914 

­0.474045  ­0.476661 

­0.275205  ­0.272097 

0.625591  0.604124 

0.401954  0.385454 

0.301730  0.292073 

27 

­0.228461 

­0.477029 

­0.267176 

0.582806 

0.367989 

0.283954 

28 

­0.221612 

­0.475343 

­0.260662 

0.561877 

0.349851 

0.277333 

29 

­0.213572 

­0.471804 

­0.252772 

0.541550 

0.331315 

0.272158 

30 

­0.204542 

­0.466618 

­0.243721 

0.522014 

0.312636 

0.268362 

31 

­0.194715 

­0.459993 

­0.233718 

0.503429 

0.294047 

0.265867 

32 

­0.184279 

­0.452132 

­0.222967 

0.485933 

0.275761 

0.264589 

33 

­0.173412 

­0.443239 

­0.211661 

0.469635 

0.257967 

0.264435 

34 

­0.162279 

­0.433511 

­0.199982 

0.454625 

0.240834 

0.265308 

35 

­0.151037 

­0.423136 

­0.188103 

0.440966 

0.224506 

0.267107 

36 

­0.139828 

­0.412294 

­0.176181 

0.428700 

0.209106 

0.269729 

37 

­0.128783 

­0.401155 

­0.164362 

0.417851 

0.194733 

0.273070 

38 

­0.118017 

­0.389877 

­0.152777 

0.408421 

0.181469 

0.277027 

39 

­0.107634 

­0.378606 

­0.141542 

0.400397 

0.169371 

0.281499 

40 

­0.097723 

­0.367476 

­0.130760 

0.393750 

0.158481 

0.286387 

41 

­0.088360 

­0.356605 

­0.120518 

0.388437 

0.148821 

0.291596 

42 

­0.079607 

­0.346100 

­0.110890 

0.384404 

0.140397 

0.297037 

43 

­0.071514 

­0.336053 

­0.101937 

0.381585 

0.133199 

0.302625 

44 

­0.064119 

­0.326542 

­0.093703 

0.379906 

0.127205 

0.308280 

45 

­0.057448 

­0.317633 

­0.086225 

0.379287 

0.122379 

0.313929 

46 

­0.051516 

­0.309378 

­0.079523 

0.379642 

0.118676 

0.319507 

47 

­0.046328 

­0.301818 

­0.073609 

0.380880 

0.116040 

0.324952 

48 

­0.041880 

­0.294981 

­0.068482 

0.382908 

0.114409 

0.330213 

49  50 

­0.038159  ­0.035146 

­0.288883  ­0.283533 

­0.064135  ­0.060550 

0.385633  0.388962 

0.113712  0.113876 

0.335243  0.340003 

51 

­0.032813 

­0.278926 

­0.057703 

0.392800 

0.114823 

0.344461 

52 

­0.031128 

­0.275053 

­0.055561 

0.397059 

0.116472 

0.348590 

53 

­0.030054 

­0.271894 

­0.054087 

0.401649 

0.118742 

0.352370 

54 

­0.029550 

­0.269425 

­0.053242 

0.406489 

0.121551 

0.355787 

55 

­0.029570 

­0.267612 

­0.052978 

0.411497 

0.124818 

0.358834 

56 

­0.030070 

­0.266420 

­0.053248 

0.416600 

0.128465 

0.361506

57  58 

­0.031000  ­0.032312 

­0.265808  ­0.265732 

­0.054001  ­0.055187 

0.421730  0.426822 

0.132414  0.136591 

0.363804  0.365736 

59 

­0.033955 

­0.266146 

­0.056752 

0.431820 

0.140928 

0.367309 

60 

­0.035883 

­0.267001 

­0.058644 

0.436673 

0.145359 

0.368538 

61 

­0.038045 

­0.268249 

­0.060813 

0.441336 

0.149822 

0.369438 

62 

­0.040397 

­0.269840 

­0.063207 

0.445771 

0.154263 

0.370027 

63 

­0.042894 

­0.271724 

­0.065780 

0.449945 

0.158630 

0.370326 

64 

­0.045492 

­0.273855 

­0.068484 

0.453832 

0.162878 

0.370356 

65 

­0.048153 

­0.276183 

­0.071276 

0.457412 

0.166968 

0.370142 

66 

­0.050840 

­0.278666 

­0.074115 

0.460668 

0.170864 

0.369707 

67 

­0.053518 

­0.281258 

­0.076964 

0.463590 

0.174539 

0.369077 

68 

­0.056156 

­0.283921 

­0.079787 

0.466175 

0.177967 

0.368274 

69 

­0.058726 

­0.286616 

­0.082554 

0.468420 

0.181130 

0.367326 

70 

­0.061205 

­0.289309 

­0.085236 

0.470330 

0.184014 

0.366255 

71 

­0.063570 

­0.291967 

­0.087809 

0.471910 

0.186609 

0.365085 

72  73 

­0.065804  ­0.067892 

­0.294563  ­0.297071 

­0.090253  ­0.092550 

0.473172  0.474129 

0.188911  0.190916 

0.363838  0.362537 

74 

­0.069822 

­0.299469 

­0.094686 

0.474796 

0.192629 

0.361201 

75 

­0.071585 

­0.301738 

­0.096649 

0.475191 

0.194055 

0.359850 

Choles  ky  Orderin  g:  LN_DP  K  LN_CR  NPL  LDR  LN_GW  M R

Response to Cholesky One S.D. Innovations Response  of  LN_DPK  to  LN_GWM 

Response  of  LN_CR  to  LN_GWM 

.020 

.030  .025 

.016 

.020  .012  .015  .008  .010  .004 

.005 

.000 

.000  10 

20 

30 

40 

50 

60 

70 

10 

Response  of  NPL  to  LN_GWM 

20 

30 

40 

50 

60 

70 

Response  of  LDR  to  LN_GWM 

1.6 

1.6  1.2 

1.2  0.8  0.8 

0.4  0.0 

0.4  ­0.4  0.0 

­0.8  10 

20 

30 

40 

50 

60 

70 

10 

20 

30 

40 

50 

60 

70