STABILITAS MONETER PADA SISTEM PERBANKAN GANDA DI INDONESIA
OLEH HENI HASANAH H14103001
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
STABILITAS MONETER PADA SISTEM PERBANKAN GANDA DI INDONESIA
Oleh HENI HASANAH H14103001
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
RINGKASAN
HENI HASANAH. Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia (dibimbing oleh NOER AZAM ACHSANI dan ASCARYA). Selama periode krisis ekonomi dan moneter yang terjadi pada tahun 19971998, Bank Umum Syariah (BUS) masih dapat menunjukkan kinerja yang relatif lebih baik dibandingkan dengan lembaga keuangan konvensional. Hingga akhir September 1998 tercatat ada sebanyak 55 bank bermasalah dan semuanya merupakan bank konvensional (Perwataatmaja, 2002). Oleh karena itu, cukup alasan untuk melihat perbankan syariah sebagai lembaga keuangan alternatif. Ketiadaan instrumen suku bunga dalam seluruh aktivitas sistem keuangan syariah telah digantikan oleh konsep bagi hasil. Hal ini merupakan satu-satunya perbedaan antara sistem keuangan konvensional dengan sistem keuangan Islam pada masa kontemporer ini. Hal ini dapat dipahami mengingat sistem keuangan syariah di Indonesia masih terdominasi oleh kekuatan sistem konvensional yang besar dalam kerangka sistem perbankan ganda. Sehingga sistem moneter Islam kontemporer masih menggunakan uang fiat konvensional dan menerapkan fractional reserve banking system. Oleh karena itu, perlu dibuktikan secara empiris bahwa memang dengan tidak adanya instrumen suku bunga dalam perekonomian Islam yang digantikan dengan konsep bagi hasil ini bisa mendukung perekonomian secara keseluruhan khususnya dalam studi permintaan uang dan stabilitas moneter. Tujuan dari penelitian ini adalah untuk menganalisis fungsi permintaan uang baik pada konsep konvensional maupun pada konsep Islam serta melihat hubungan antara jumlah uang beredar baik pada konsep konvensional maupun konsep Islam dengan tingkat harga sebagai sasaran akhir kebijakan moneter. Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder negara Indonesia dalam bentuk bulanan yang diperoleh dari Statistik Ekonomi dan Keuangan Indonesia Bank Indonesia (SEKI-BI) dan Statistik Perbankan Syariah Bank Indonesia (SPS-BI) serta data return syariah dari Bank Muamalat Indonesia dalam periode waktu antara bulan Januari 2001 sampai dengan bulan Desember 2006. Dengan demikian data yang digunakan merupakan data time series. Stabilitas moneter pada sistem perbankan ganda dalam penelitian ini akan dianalisis dengan menggunakan Vector Autoregression (VAR). Kemudian jika data yang digunakan stasioner pada perbedaan pertama maka model VAR akan dikombinasikan dengan model koreksi kesalahan menjadi Vector Error Correction Model (VECM). Hasil penelitian untuk model permintaan M1 dan M2 menunjukkan bahwa pada jangka pendek terdapat nilai Error Correction Term (ECT) berturut-turut sebesar -0.004782 dan -0.016676 tetapi secara statistik tidak signifikan. Pada jangka panjang, PDB signifikan berpengaruh positif, inflasi yang diharapkan signifikan berpengaruh negatif, dan suku bunga berpengaruh negatif tetapi tidak signifikan untuk permintaan M1 konvensional. Tetapi suku bunga berpengaruh positif secara signifikan terhadap permintaan M2 konvensional. Berdasarkan IRF,
permintaan M1 konvensional kurang stabil karena respon terhadap guncangan lama menuju periode stabil. Sedangkan permintaan M2 konvensional lebih stabil dibandingkan dengan permintaan M1 konvensional. Untuk permintaan M1 dan M2 Islam jangka panjang, PDB signifikan berpengaruh positif, inflasi yang diharapkan dan return syariah signifikan berpengaruh negatif. Pada jangka pendek terdapat nilai ECT yang signifikan dengan nilai masing-masing sebesar -0.169597 untuk permintaan M1 Islam dan -0.129318 untuk permintaan M2 Islam. Hal ini menunjukkan berarti ada mekanisme penyesuaian dari jangka pendek ke jangka panjangnya. Berdasarkan IRF, respon permintaan M1 dan M2 Islam lebih stabil dalam merespon inovasi variabel lainnya daripada respon permintaan M1 dan M2 Islam. Berdasarkan hasil VAR first difference, ditemukan adanya hubungan jangka pendek antara M2 konvensional dengan tingkat harga. Untuk jangka panjang dikatakan tidak cukup bukti untuk menunjukkan adanya hubungan antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga, karena tidak ditemukannya kointegrasi. Dari hasil penelitian ini dapat disimpulkan bahwa permintaan M1 dan M2 Islam yang memasukkan variabel return syariah lebih stabil dibandingkan dengan permintaan M1 dan M2 konvensional dengan variabel suku bunganya. Hal ini menunjukkan bahwa memang adanya suku bunga itulah kegiatan spekulatif semakin meningkat sehingga respon permintaan M1 dan M2 konvensional menjadi kurang stabil. Kesimpulan kedua, pada jangka panjang ditemukan tidak adanya kointegrasi antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga sehingga dikatakan tidak cukup bukti untuk menunjukkan adanya hubungan antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga. Berdasarkan hasil penelitian, Bank Indonesia disarankan untuk mengkaji ulang penetapan inflation targeting dengan menggunakan M1 dan M2 sebagai sasaran antara. Karena ternyata tidak ditemukan cukup bukti yang menunjukkan adanya hubungan jangka panjang antara jumlah uang beredar dengan tingkat harga. Untuk penelitian selanjutnya disarankan agar analisis stabilitas moneter ini dapat dipecah ke dalam masing-masing unsur dalam M1 dan M2, misalnya permintaan terhadap uang kartal, demand deposit, dan uang kuasi, serta menambah jumlah series yang diobservasi.
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN
SEBAGAI
SKRIPSI
ATAU
KARYA
ILMIAH
PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Mei 2007
Heni Hasanah H14103001
RIWAYAT HIDUP
Penulis bernama Heni Hasanah lahir pada tanggal 10 Juni 1985 di Garut, Jawa Barat. Penulis merupakan anak ketiga dari tiga bersaudara, dari pasangan Bapak Ipin Aripin dan Ibu Roswiati. Penulis menamatkan sekolah dasar pada SDN Margamulya, kemudian melanjutkan ke SLTP Negeri 1 Garut. Setelah itu penulis melanjutkan pendidikan menengah umum di SMU Negeri 1 Tarogong dan lulus pada tahun 2003. Pada tahun yang sama penulis diterima sebagai mahasiswa Institut Pertanian Bogor (IPB). Penulis masuk IPB melalui Undangan Seleksi Masuk IPB (USMI) dan diterima sebagai mahasiswa Program Studi Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen. Selama menjadi mahasiswa, penulis aktif sebagai asisten dosen pada Mata Kuliah Ekonomi Umum, Mata Kuliah Ekonomi Dasar 1, dan Mata Kuliah Teori Mikroekonomi 1. Penulis juga terlibat sebagai pengurus dalam Organisasi Mahasiswa Daerah Himpunan Mahasiswa Garut (OMDA HIMAGA) dan Rukun Wargi Garut Wilayah Bogor. Pada tahun 2006, penulis terpilih sebagai Mahasiswa Berprestasi Rukun Wargi Garut Wilayah Bogor Tingkat IPB. Pada tahun yang sama penulis menjadi finalis mahasiswa berprestasi tingkat Departemen Ilmu Ekonomi.
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN ILMU EKONOMI Dengan ini menyatakan bahwa skripsi yang disusun oleh, Nama Mahasiswa : Heni Hasanah Nomor Registrasi Pokok
: H14103001
Program Studi
: Ilmu Ekonomi
Judul Skripsi
: Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor
Menyetujui, Pembimbing 1
Pembimbing 2
Ir. Noer Azam Achsani, MS., Ph.D. NIP. 132 104 445
Ir. Ascarya, MBA., M.Sc. PPSK - Bank Indonesia
Mengetahui, Ketua Departemen Ilmu Ekonomi
Ir. Rina Oktaviani, MS., Ph.D. NIP. 131 846 872
Tanggal Kelulusan :
KATA PENGANTAR
Bismillaahirrahmaanirrahiim. Puji serta syukur pertama-tama penulis panjatkan ke Hadirat Ilahi Rabbi, karena hanya atas rahmat dan karunia-Nya sajalah penulis akhirnya bisa menylesaikan skripsi. Shalawat serta salam semoga tetap tercurah kepada Nabi Muhammad SAW. Skripsi yang berjudul Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia ini disusun untuk memenuhi syarat mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Penulis mengucapkan terimakasih kepada Bapak Ir. Noer Azam Achsani, MS., Ph.D. dan Bapak Ir. Ascarya, MBA., M.Sc. dari Pusat Pendidikan dan Studi Kebanksentralan Bank Indonesia yang telah membimbing penulis dengan sabar dalam menyusun skripsi ini. Penulis juga mengucapkan terimakasih kepada orangtua penulis Bapak H. Ipin Aripin dan Ibu Hj. Roswiati, serta saudara-saudara penulis atas segala doa, dukungan, dan kesabarannya. Selain itu, tak lupa penulis ucapkan terimakasih kepada semua pihak yang telah membantu hingga terselesaikannya skripsi ini. Penulis menyadari sepenuhnya bahwa skripsi ini masih terdapat banyak kekurangannya, baik dari segi materinya maupun dari proses penulisannya. Oleh karena itu, penulis sangat mengharapkan berbagai saran dan kritik yang membangun bagi perbaikan penulis. Akhirnya, penulis berharap semoga skripsi ini bermanfat khususnya bagi penulis dan umumnya bagi pembaca sekalian. Amin. Bogor, Mei 2007
Heni Hasanah H14103001
DAFTAR ISI
Halaman DAFTAR TABEL........................................................................................
ix
DAFTAR GAMBAR.....................................................................................
x
DAFTAR LAMPIRAN.................................................................................
xi
I. PENDAHULUAN.....................................................................................
1
1.1 Latar Belakang.....................................................................................
1
1.2 Perumusan Masalah.............................................................................
6
1.3 Tujuan Penelitian.................................................................................
7
1.4 Manfaat Penelitian...............................................................................
7
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN...............
9
2.1 Definisi Sistem Perbankan Ganda......................................................
9
2.2 Perbedaan Bank Syariah dengan Bank Konvensional.......................
10
2.3 Sistem Moneter Islam dan Sistem Moneter Konvensional................
13
2.4 Perbedaan Konsep Suku Bunga dan Konsep Bagi Hasil...................
16
2.5 Teori Permintaan Uang Konvensional...............................................
18
2.6 Teori Permintaan Uang dalam Konsep Islam....................................
21
2.7 Konsep Inflasi dalam Ekonomi Konvensional...................................
24
2.8 Konsep Inflasi dalam Ekonomi Islam................................................
25
2.9 Konsep Kebijakan Moneter dalam Ekonomi Konvensional..............
26
2.10 Konsep Kebijakan Moneter dalam Ekonomi Islam...........................
27
2.11 Penelitian Terdahulu..........................................................................
29
2.12 Kerangka Pemikiran...........................................................................
34
2.13 Hipotesis Penelitian............................................................................
35
III. METODE PENELITIAN......................................................................
37
3.1 Jenis dan Sumber Data.........................................................................
37
3.2 Variabel dan Definisi Operasional.......................................................
37
3.3 Metode Pengolahan dan Analisis Data................................................
38
3.4 Analisis Vector Autoregression (VAR)...............................................
38
vii
3.5 Analisis Vector Error Correction Model (VECM)..............................
40
3.6 Pengujian Pra-Estimasi........................................................................
40
3.6.1 Uji Stasioneritas Data.................................................................. 41 3.6.2 Penentuan Lag Optimal............................................................... 42 3.6.3 Uji Kointegrasi............................................................................
43
3.7 Analisis Impulse Response Function (IRF).........................................
44
3.8 Analisis Forecasting Error Variance Decomposition (FEVD)...........
44
3.9 Model Penelitian..................................................................................
45
IV. HASIL DAN PEMBAHASAN.............................................................. 46 4.1 Uji Stasioneritas Data........................................................................... 46 4.2 Penentuan Lag Optimal........................................................................ 47 4.3 Pengujian Stabilitas VAR....................................................................
49
4.4 Pengujian Kointegrasi..........................................................................
50
4.5 Hasil Estimasi VECM Permintaan M1 Konvensional.........................
51
4.5.1 Simulasi Analisis Impuls Respon...............................................
53
4.5.2 Forecasting Error Variance Decomposition (FEVD) ...............
55
4.6 Hasil Estimasi VECM Permintaan M2 Konvensional.........................
57
4.6.1 Simulasi Analisis Impuls Respon...............................................
59
4.6.2 Forecasting Error Variance Decomposition (FEVD)................
60
4.7 Hasil Estimasi VECM Permintaan M1 Islam......................................
62
4.7.1 Simulasi Analisis Impuls Respon...............................................
64
4.7.2 Forecasting Error Variance Decomposition (FEVD)................
65
4.8 Hasil Estimasi VECM Permintaan M2 Islam......................................
66
4.8.1 Simulasi Analisis Impuls Respon...............................................
68
4.8.2 Forecasting Error Variance Decomposition (FEVD)...............
70
4.9 Hubungan Antara Jumlah Uang Beredar pada Konvensional dan Jumlah Uang Beredar Islam dengan Tingkat Harga.............................
72
4.10 Pembahasan Keseluruhan..................................................................
72
V. KESIMPULAN DAN SARAN...............................................................
79
5.1 Kesimpulan..........................................................................................
79
5.2 Saran..................................................................................................... 80
viii
DAFTAR PUSTAKA....................................................................................
82
LAMPIRAN...................................................................................................
85
ix
DAFTAR TABEL
Nomor
Halaman
1.1. Jumlah Total Asset dan Dana Pihak Ketiga Perbankan Syariah.................. 4 2.1. Perbedaan Bank Syariah dan Bank Konvensional .......................................13 2.2. Pengendalian Moneter Indonesia .................................................................27 4.1. Hasil Pengujian Akar Unit ...........................................................................47 4.2. Pengujian Lag Optimal VAR ......................................................................48 4.3. Uji Stabilitas Model VAR............................................................................50 4.4. Hasil Pengujian Kointegrasi.........................................................................51 4.5. Hasil Estimasi VECM Permintaan M1 ........................................................52 4.6. Hasil Estimasi VECM Permintaan M2 ................................................... .....58 4.7. Hasil Estimasi VECM Permintaan M1 Islam ......................................... .....62 4.8. Hasil Estimasi VECM Permintaan M2 Islam ......................................... .....67 4.9. Hasil Pengujian Akar Unit (2)................................................................. .....72 4.10. Pengujian Lag Optimal VAR (2) ........................................................... .....72 4.11. Hasil Pengujian Kointegrasi (2) .............................................................. .....73 4.12. Hasil Estimasi VAR First Difference ..................................................... .....74 4.13. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel PDB Sebesar Satu Standar Deviasi ............................................................................... .....76 4.14. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Inflasi yang Diharapkan Sebesar Satu Standar Deviasi.................................................................. .....76 4.15. Respon Permintaan M1 dan M2 Konvensional terhadap Guncangan Variabel Suku Bunga Sebesar Satu Standar Deviasi serta Respon Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Return Syariah Sebesar Satu Standar Deviasi....... .....77
DAFTAR GAMBAR
Nomor
Halaman
2.1. Implikasi Bunga pada Perekonomian.............................................................17 2.2. Implikasi Bagi Hasil pada Perekonomian ......................................................18 2.3. Kerangka Pemikiran Konseptual ...................................................................35 4.1. Respon Permintaan M1 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang...........................................................54 4.2. Variance Decomposition Permintaan M1 Konvensional...............................56 4.3. Respon Permintaan M2 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang...........................................................59 4.4. Variance Decomposition Permintaan M2 Konvensional...............................61 4.5. Respon Permintaan M1 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang..................................64 4.6. Variance Decomposition Permintaan M1 Islam ............................................66 4.7. Respon Permintaan M2 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang..................................69 4.8. Variance Decomposition Permintaan M2 Islam ............................................71
DAFTAR LAMPIRAN
Nomor
Halaman
1.
Hasil Uji Akar Unit (1) ........................................................................... 85
2.
Uji Lag Optimal (1)................................................................................. 89
3.
Pengujian Stabilitas VAR ....................................................................... 91
4.
Pengujian Kointegrasi (Summary).......................................................... 93
5.
Pengujian Kointegrasi (Asumsi) ............................................................. 97
6.
Estimasi VECM Permintaan M1 Konvensional ..................................... 99
7.
Estimasi VECM Permintaan M2 Konvensional ..................................... 101
8.
Estimasi VECM Permintaan M1 Islam................................................... 103
9.
Estimasi VECM Permintaan M2 Islam................................................... 105
10.
IRF Model Permintaan M1 Konvensional .............................................. 107
11.
IRF Model Permintaan M2 Konvensional .............................................. 108
12.
IRF Model Permintaan M1 Islam ........................................................... 109
13.
IRF Model Permintaan M2 Islam ........................................................... 110
14.
Variance Decomposition Permintaan M1 Konvensional........................ 111
15.
Variance Decomposition Permintaan M2 Konvensional........................ 112
16.
Variance Decomposition Permintaan M1 Islam ..................................... 113
17.
Variance Decomposition Permintaan M2 Islam ..................................... 114
18.
Hasil Uji Akar Unit (2) ........................................................................... 115
19.
Uji Lag Optimal (2)................................................................................. 118
20.
Uji Kointegrasi 2 (Asumsi) ..................................................................... 120
21.
Hasil Estimasi VAR First Difference ..................................................... 122
I. PENDAHULUAN
1.1
Latar Belakang Krisis ekonomi yang terjadi di Indonesia pada tahun 1997 telah
mengguncang kestabilan perbankan di Indonesia. Tetapi kini, perbankan Indonesia sudah mulai terlihat menggeliat kembali. Ditambah lagi dengan adanya perkembangan perbankan syariah beberapa tahun terakhir ini. Perbankan syariah di Indonesia berkembang karena saat ini memang dibutuhkan suatu lembaga intermediasi keuangan yang halal, sehat, dan amanah khususnya bagi umat Islam. Selain itu diharapkan dengan adanya perbankan syariah ini bisa benar-benar mendukung perkembangan sektor riil di Indonesia. Bank
syariah
merupakan
bank
yang
menjalankan
operasional
perbankannya didasarkan pada Al-Quran dan Al-Hadits. Bank syariah ini tidak menerapkan konsep bunga karena dalam Islam bunga adalah riba dan hukumnya adalah haram. Dalam Al-Quran, larangan ini terdapat dalam surat Al-Baqarah ayat 275 dimana Allah telah menghalalkan jual beli dan mengharamkan riba. Konsep yang digunakan dalam bank syariah adalah profit and loss sharing (PLS) yang lebih dikenal dengan bagi hasil. Selama periode krisis ekonomi dan moneter yang terjadi pada tahun 19971998, Bank Umum Syariah (BUS) masih dapat menunjukkan kinerja yang relatif lebih baik dibandingkan dengan lembaga keuangan konvensional. Hingga akhir September 1998 tercatat ada sebanyak 55 bank bermasalah semuanya bank konvensional yang terdiri dari 10 bank termasuk kategori bank beku operasi, 5
2
bank berkategori bank yang dikuasai pemerintah, dan 40 bank berkategori bank dibawah pengawasan BPPN (Perwataatmaja, 2002). Dengan tidak adanya bank syariah yang masuk dalam daftar bank bermasalah, maka cukup alasan untuk melihat bank syariah sebagai lembaga keuangan alternatif. Sistem perbankan syariah mempunyai kinerja yang lebih baik karena tidak terjadinya negative spread pada bank syariah Hal ini bisa dipahami karena bank syariah tidak mengacu pada tingkat suku bunga dan pada akhirnya dapat menyediakan dana investasi dengan biaya modal yang relatif lebih rendah kepada masyarakat. Sebagaimana dapat dilihat pada laporan keuangan Bank Muamalat Indonesia (BMI) tahun 1997, yang menunjukkan kinerja terbaiknya. Pada tahun tersebut, BMI memperoleh peningkatan laba bersih mencapai 134 persen, peningkatan aset sebesar 14 persen dari 515,5 milyar rupiah pada tahun 1996 menjadi 588,5 milyar rupiah pada tahun 1997, serta peningkatan simpanan dana masyarakat sebesar 11 persen (Perwataatmaja, 2002). Kemampuan bank syariah untuk mempertahankan kinerjanya telah menyadarkan sebagian masyarakat Indonesia, khususnya umat Islam untuk mulai mempertimbangkan investasi mereka pada perbankan syariah. Hal ini juga didasari akan kesadaran umat Islam untuk menerapkan ajaran Islam dalam seluruh aspek kehidupan termasuk dalam kegiatan ekonominya. Prestasi yang dicapai bank syariah telah menarik bank umum konvensional untuk berusaha meraih pangsa pasar dengan membuka unit usaha syariah (UUS). Pada Desember 2002 jumlah UUS hanya sekitar 22 kantor cabang. Sedangkan pada September 2006 jumlah ini meningkat menjadi 92 kantor cabang.
3
Nilai Non Performing Financing (NPF) bank syariah per Desember 2006 adalah sebesar 4,75 persen, lebih kecil jika dibandingkan dengan Non Performing Loan (NPL) bank komersial yang mencapai 6,07 persen. Nilai Financing to Deposit Ratio (FDR) BUS sebesar 105,45 persen. Nilai ini lebih besar jika dibandingkan dengan Loan to Deposit Ratio (LDR) bank komersial yang hanya sebesar 61,32 persen pada posisi November 2006.
Pangsa total asset perbankan syariah
terhadap total bank sebesar 1,63 persen pada posisi Maret 2007 yang lebih tinggi jika dibandingkan share pada Desember 2002 yaitu sebesar 0,36 persen (Statistik Perbankan Syariah, 2007). Sehingga hal ini menunjukkan betapa kompetitifnya sistem perbankan syariah meskipun sharenya masih kecil. Data statistik terakhir pada posisi bulan Agustus 2006 yang tercatat di BI menunjukkan bahwa jumlah kantor kas Bank Umum Syariah (BUS) telah meningkat dari 56 kantor pada bulan Desember 2002 menjadi 149 kantor pada bulan September 2006. Jika dilihat dari keseluruhan jaringan kantor perbankan syariah, baik untuk kelompok BUS, Unit Usaha Syariah (UUS), dan Bank Perkreditan Rakyat Syariah (BPRS) maka jumlah kantor pusat juga meningkat. Pada bulan Desember 2002 terdapat 91 kantor pusat dan pada September 2006 jumlahnya telah bertambah menjadi 127 kantor pusat. Seperti dapat dilihat pada Tabel 1.1, dari tahun ke tahun total dana pihak ketiga terus mengalami peningkatan. Begitupun dengan jumlah asset bank umum syariah yang terus menunjukkan peningkatan tiap tahunnya, tetapi dengan pertumbuhan yang semakin turun. Keadaan seperti ini seharusnya dapat dimanfaatkan secara maksimal oleh bank syariah sendiri untuk menyalurkan dana
4
ke sektor riil. Karena dalam Islam, tidak diperkenankan untuk menganggurkan suatu dana. Tabel 1.1. Jumlah Total Asset dan Dana Pihak Ketiga Perbankan Syariah Tahun
2002 2003 2004 2005 2006
Aset Milyar Pertumbuhan rupiah (%) 4087 7944 94.37 15210 91.46 20880 37.28 26722 27.98
Dana Pihak Ketiga Milyar Pertumbuhan rupiah (%) 2918 5759 97.36 11718 103.47 15581 32.97 20672 32.67
Sumber : Statistik Perbankan Indonesia, BI (2006)
Sejak tahun 1992, ketika bank syariah pertama berdiri, maka Indonesia mulai memperkenalkan dual banking system. Dengan adanya sistem ini, kebijakan moneter Bank Indonesia terbagi menjadi dua konsentrasi. Pada kasus apapun, target stabilitas moneter berupa stabilitas harga tentu saja menjadi prioritas dan tujuan akhir dari Bank Indonesia. Instrumen moneter apapun yang digunakan baik sama atau berbeda untuk bank konvensional dan bank syariah, maka tetaplah stabilitas moneter merupakan target yang harus tercapai terutama stabilitas harga sebagai tujuan jangka pendek. Chapra (2000) mengungkapkan lima sasaran utama dari kebijakan moneter yang ada dalam sistem ekonomi Islam. 1
Kesejahteraan ekonomi yang diperluas dengan kesempatan kerja penuh dan laju pertumbuhan ekonomi yang optimal;
2
Keadilan sosio-ekonomi, distribusi kekayaan dan pendapatan yang merata;
3
Stabilitas nilai mata uang untuk memungkinkan alat tukar sebagai satuan unit yang dapat diandalkan, standar yang adil bagi pembayaran yang ditangguhkan, dan alat penyimpan nilai yang stabil;
5
4
Mobilisasi dan investasi tabungan untuk pembangunan perekonomian dalam suatu cara yang adil sehingga pengembalian keuntungan dapat dijamin bagi semua pihak yang bersangkutan;
5
Memberikan semua bentuk pelayanan yang efektif yang secara normal diharapkan dari sistem perbankan. Ketiadaan instrumen suku bunga dalam seluruh aktivitas sistem keuangan
syariah telah digantikan oleh konsep bagi hasil. Hal ini merupakan satu-satunya perbedaan antara sistem keuangan konvensional dengan sistem keuangan Islam pada masa kontemporer ini. Padahal, sebenarnya masih ada karakteristik khas sistem keuangan Islam murni yang sangat jauh berbeda dengan sistem keuangan konvensional. Hal ini dapat dipahami mengingat sistem keuangan syariah di Indonesia masih terdominasi oleh kekuatan sistem konvensional yang besar dalam kerangka sistem perbankan ganda. Secara teoritis, peneliti-peneliti yang memberi perhatian terhadap perkembangan perekonomian Islam, menunjukan bahwa konsep bagi hasil jauh lebih baik daripada instrumen suku bunga yang digunakan oleh sistem konvensional dilihat dari segi keadilan, reduksi kegiatan spekulasi, dan lain-lain. Oleh karena itu, harus dibuktikan secara empiris bahwa memang dengan tidak adanya instrumen suku bunga dalam perekonomian Islam yang digantikan dengan konsep bagi hasil ini bisa mendukung perekonomian secara keseluruhan khususnya dalam studi permintaan uang dan stabilitas moneter. Masih kurangnya penelitian-penelitian empiris tentang perbankan syariah mendorong penulis
6
melakukan penelitian tentang bagaimanakah stabilitas moneter pada sistem perbankan ganda di Indonesia.
1.2
Perumusan Masalah Indonesia saat ini menganut dual banking system, dimana ada lembaga
keuangan konvensional dan lembaga keuangan syariah. Tetapi dengan adanya dual banking system ini, hanya terdapat satu bank sentral yang mengatur regulasi perbankan baik untuk bank konvensional maupun untuk bank syariah. Bank Indonesia adalah pemilik otoritas moneter tertinggi, sehingga berbagai kebijakan yang diambil
untuk menjaga kestabilan moneter di Indonesia harus melalui
saluran dua lembaga keuangan tersebut, yaitu lembaga keuangan konvensional dan Islam. Seperti yang telah kita ketahui bahwa pada intinya, tugas penting dari bank sentral adalah untuk menjaga kestabilan moneter. Tujuan yang menjadi single objective adalah stabilitas dalam harga (inflasi) terutama sejak dibuatnya Undang-Undang Bank Indonesia Nomor 23 tahun 1999 tentang Bank Indonesia. Krisis yang terjadi di Indonesia pada tahun 1997, telah membuktikan bahwa sistem keuangan dan sistem moneter konvensional tidak tahan terhadap guncangan. Kita dapat menyadari bahwa adanya sistem perbankan syariah ini merupakan alternatif yang diharapkan untuk dapat mengatasi permasalahan ekonomi yang ada. Tetapi memang tidak dapat dipungkiri juga bahwa keraguan pada sistem ini masih banyak, terutama karena sistem perbankan syariah masih baru dan belum banyak terbukti secara empiris. Berdirinya sistem perbankan syariah yang telah terintegrasi dengan sistem perbankan konvensional,
7
menimbulkan pertanyaan tentang peranan perbankan syariah terhadap kondisi keuangan dan perekonomian secara umum. Oleh karena itu, permasalahanpermasalahan yang akan dijawab dalam penelitian ini adalah sebagai berikut. 1. Bagaimanakah fungsi permintaan uang M1 dan M2 konvensional? 2. Bagaimanakah fungsi permintaan uang M1 dan M2 Islam pada sistem perbankan ganda? 3. Apakah terdapat hubungan antara jumlah uang beredar baik konvensional maupun Islam dengan tingkat harga sebagai sasaran akhir kebijakan moneter?
1.3
Tujuan Penelitian Mengacu pada permasalahan-permasalahan tersebut, maka tujuan dari
penelitian ini adalah : 1. Menganalisis fungsi permintaan uang M1 dan M2 konvensional; 2. Menganalisis fungsi permintaan uang M1 dan M2 Islam pada sistem perbankan ganda; 3. Menganalisis hubungan antara jumlah uang beredar baik konvensional maupun Islam dengan tingkat harga sebagai sasaran akhir kebijakan moneter.
1.4
Manfaat Penelitian Penelitian ini diharapkan dapat bermanfaat bagi semua pihak untuk
memperdalam informasi yang telah didapat dan menambah informasi-informasi yang baru. Selain itu bagi institusi perbankan syariah, penelitian ini diharapkan
8
bermanfaat untuk dapat lebih mengembangkan sistem perbankan syariah sesuai dengan hasil penelitian penulis. Bagi penulis sendiri penelitian ini merupakan wadah pembelajaran yang sangat bermanfaat. Bagi pengambil kebijakan, penelitian ini bermanfaat sebagai acuan dalam mengambil kebijakan yang paling relevan bagi kemajuan perbankan syariah di masa yang akan datang. Penelitian ini juga berlandaskan pada teori-teori dan penelitian terdahulu. Sehingga diharapkan penelitian ini bisa menjadi salah satu referensi bagi penelitian selanjutnya.
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN
2.1
Definisi Sistem Perbankan Ganda Sistem perbankan ganda merupakan sebuah sistem dimana sebuah negara
menjalankan dua sistem perbankan berupa perbankan konvensional dan perbankan syariah. Masing-masing sistem ini berada pada jalur sendiri-sendiri tetapi dengan satu otoritas moneter yang sama. Di Indonesia, sistem perbankan ganda lebih banyak didominasi oleh perbankan konvensional, dikarenakan bagian perbankan syariah terhadap perekonomian masih kecil. Sistem perbankan ganda dianut di Indonesia sejak tahun 1992 dimana pada tahun itu bank syariah pertama berdiri yaitu Bank Muamalat Indonesia. Undang-Undang Nomor 10 tahun 1998 mengenai perubahan UndangUndang Nomor 7 tahun 1992 tentang perbankan menyebutkan bahwa : a.
Bank umum adalah bank yang menjalankan kegiatan usaha secara konvensional dan atau berdasarkan prinsip syariah yang dalam kegiatannya memberikan jasa dalam lalu-lintas pembayaran. Sifat jasa yang diberikan adalah umum, dalam arti dapat memberikan seluruh jasa perbankan yang ada. Begitu pula dengan wilayah operasinya dapat dilakukan di seluruh wilayah Indonesia bahkan ke luar negeri (cabang). Bank umum sering disebut bank komersil (commercial bank).
b.
Bank syariah adalah bank umum yang melaksanakan kegiatan usaha berdasarkan prinsip syariah, termasuk unit usaha syariah dan kantor
10
cabang bank asing yang melakukan kegiatan berdasarkan prinsip syariah yang dalam kegiatannya memberikan jasa dalam lalu-lintas pembayaran. Ascarya (2006) menyebutkan bahwa secara makro bank syariah adalah institusi keuangan yang memposisikan dirinya sebagai pemain aktif dalam mendukung dan memainkan kegiatan investasi di masyarakat sekitarnya. Sedangkan secara umum bank syariah didefinisikan sebagai bank dengan pola bagi hasil yang merupakan landasan utama dalam segala operasinya, baik dalam produk pendanaan, pembiayaan, maupun dalam produk lainnya. Produk-produk bank syariah mempunyai kemiripan namun tidak sama dengan produk bank konvensional karena adanya pelarangan riba, gharar, dan maysir. Sedangkan Sakti (2006) menyebutkan bahwa bank Islam (syariah) merupakan lembaga keuangan yang berfungsi memperlancar mekanisme ekonomi melalui aktivitas investasi atau jual beli, serta memberikan pelayanan jasa simpanan bagi para nasabah. Dimana mekanisme kerjanya secara sederhana adalah; dana dari nasabah yang terkumpul dinvestasikan pada dunia usaha, ketika ada hasil (profit), maka bagian profit untuk bank dibagi kembali antara bank dan nasabah. Disamping itu bank syariah dapat melakukan transaksi jual-beli baik dengan pengusaha maupun nasabah, menggunakan skema murabahah, ijarah, istisna dan salam.
2.2
Perbedaan Bank Syariah dengan Bank Konvensional Menurut Antonio (2001), dalam beberapa hal bank syariah dan bank
konvensional memiliki persamaan, terutama dalam sisi teknis penerimaan uang,
11
mekanisme transfer, teknologi komputer yang digunakan, syarat-syarat umum memperoleh pembiayaan, dan sebagainya. Akan tetapi terdapat perbedaan mendasar di antara keduanya. Perbedaan-perbedaan tersebut dijelaskan sebagai berikut. A. Akad dan Aspek Legalitas Dalam bank syariah, akad yang dilakukan memiliki konsekuensi duniawi dan ukhrowi karena akad yang dilakukan berdasarkan hukum Islam. Setiap akad dalam perbankan syariah, baik dalam hal barang, pelaku transaksi, maupun ketentuan lainnya, harus memenuhi ketentuan akad seperti rukun dan syarat. B. Lembaga Penyelesai Sengketa Berbeda dengan perbankan konvensional, jika pada perbankan syariah terdapat perbedaan atau perselisihan antara bank dengan nasabahnya, kedua belah pihak tidak menyelesaikannya di pengadilan negeri, tetapi menyelesaikannya sesuai tata cara dan hukum materi syariah. Lembaga yang mengatur hukum materi dan atau berdasarkan prinsip syariah di Indonesia dikenal dengan nama Badan Arbitrase Syariah Nasional atau BASYARNAS. C. Struktur Organisasi Bank syariah dapat memiliki struktur yang sama dengan bank konensional, misalnya dalam hal komisaris dan direksi, tetapi unsur yang amat membedakan antara bank syariah dengan bank konvensional adalah keharusan adanya Dewan Pengawas Syariah yang bertugas mengawasi
12
operasional bank dan produk-produknya agar sesuai dengan garis-garis syariah. Dewan Pengawas Syariah (DPS) biasanya diletakkan pada posisi setingkat Dewan Komisaris pada setiap bank. Hal ini untuk menjamin efektivitas dari setiap opini yang diberikan oleh DPS. Karena itu biasanya penetapan anggota DPS dilakukan oleh Rapat Umum Pemegang Saham, setelah para anggota DPS itu mendapat rekomendasi dari Dewan Syariah Nasional (DSN). D. Bisnis dan Usaha yang Dibiayai Dalam bank syariah, bisnis dan usaha yang dilaksanakan tidak terlepas dari saringan syariah. Karena itu bank syariah tidak akan mungkin membiayai usaha yang terkandung di dalamnya hal-hal yang diharamkan. E. Lingkungan Kerja dan Corporate Culture Sebuah bank syariah selayaknya memiliki lingkungan kerja yang sejalan dengan syariah. Dalam hal etika, misalnya sifat amanah dan shiddiq, harus melandasi setiap karyawan sehingga tercermin integritas eksekutif muslim yang baik. Selain itu, cara berpakaian dan tingkah laku dari para karyawan merupakan cerminan bahwa mereka bekerja dalam sebuah lembaga keuangan yang membawa nama besar Islam. Buchori dalam Ascarya (2006) menyebutkan bahwa bank syariah memiliki perbedaan operasional yang cukup mendasar dengan bank konvensional dalam menjalankan fungsinya sebagai lembaga intermediasi. Secara umum perbedaanperbedaan ini bisa dilihat dari Tabel 2.1.
13
Tabel 2.1. Perbedaan Bank Syariah dan Bank Konvensional Bank Konvensional Fungsi dan kegiatan bank
Intermediasi, jasa keuangan
Mekanisme dan objek usaha
Tidak antiriba dan antimaysir
Prinsip dasar operasi
-Bebas nilai (prinsip materialis) -uang sebagai komoditi
Prioritas pelayanan Orientasi
-bunga Kepentingan pribadi Keuntungan
Bentuk
Bank komersial
Evaluasi nasabah
Kepastian pengembalian pokok dan bunga (creditworthiness dan collateral) Terbatas debitur-kreditur Pasar uang, Bank Sentral
Hubungan Nasabah Sumber Likuiditas Jangka Pendek Pinjaman yang Diberikan
Komersial dan nonkomersial, berorientasi laba
Lembaga Penyelesai Sengketa
Pengadilan, arbitrase
Resiko Usaha
-Resiko bank tidak terkait langsung dengan debitur, resiko debitur tidak terkait langsung dengan bank -kemungkinan terjadi negative spread
Struktur Organisasi pengawas
Dewan komisaris
Investasi
Halal atau haram
Bank Syariah Intermediasi, manager investasi, investor, sosial, jasa keuangan Antiriba dan antimaysir
-tidak bebas nilai (prinsip syariah Islam) -uang sebagai alat tukar dan bukan komoditi -bagi hasil, jual beli, sewa Kepentingan publik Tujuan sosial ekonomi Islam, keuntungan Bank komersial, bank pembangunan, bank universal atau multipurpose Lebih hati-hati karena partisipasi dalam resiko Erat sebagai mitra usaha Pasar uang Syariah, Bank Sentral Komersial dan nonkomersial, berorientasi laba dan nirlaba Pengadilan, Badan Arbitrase Syariah Nasional -dihadapi bersama antara bank dan nasabahdengan prinsip keadilan dan kejujuran -tidak mungkin terjadi negative spread Dewan komisaris, DPS, DSN. Halal
Sumber : Ascarya (2006)
2.3
Sistem Moneter Islam dan Sistem Moneter Konvensional Secara umum, ada tiga perbedaan utama sistem moneter Islam murni
dengan sistem moneter konvensional. Perbedaan yang pertama adalah adanya 100
14
percent reserve banking system pada perbankan Islam murni. Menurut Mankiw (2003), sistem perbankan dengan cadangan 100 persen diartikan jika sebuah bank hanya menjadikan seluruh deposit sebagai cadangan dan tidak meminjamkannya tetapi menyimpannya sampai pemiliknya menarik uang tersebut. Sementara itu, 100 percent reserve banking system tidak memberikan peluang bagi bank untuk menciptakan uang baru, karena 100 persen cadangan harus disimpan atau dikembalikan ke bank sentral. Bank maksimum hanya dapat menyalurkan pembiayaan sampai sebesar simpanan awal saja. Dengan demikian, tidak ada daya beli baru yang diciptakan (tidak ada seigniorage), sehingga tidak mengandung unsur riba, tidak menimbulkan efek inflasi, dan tidak ada pihak yang dirugikan (Ascarya, 2006). Jika bank memegang cadangan 100 persen, maka sistem perbankan ini tidak mempengaruhi jumlah uang yang beredar melalui penciptaan uang giral. Sedangkan pada sistem moneter konvensional menerapkan fractional reserve banking system. Mengacu pada Mankiw (2003) dimana pada sistem ini bank hanya memegang sebagian dari depositonya sebagai cadangan, dan bagian lainnya dipinjamkan. Menurut Ascarya (2006) fractional reserve banking system artinya bahwa bank hanya diwajibkan untuk menyimpan cadangan dalam persentase tertentu dari dana simpanan yang dihimpun. Sehingga perbankan dengan sistem ini akan mempengaruhi jumlah uang yang beredar melalui penciptaan uang giral. Perbedaan yang kedua adalah pada sistem moneter Islam murni, uang yang digunakan tidak menimbulkan seignorage. Artinya karena sistem penciptaan uang dalam Islam itu dengan menggunakan full bodied money yaitu uang dinar
15
dan dirham, yang nilai intrinsiknya sama dengan nilai nominalnya. Ataupun kalau memang menggunakan uang fiat, maka tetap harus di-back-up 100 persen dengan sesuatu yang memiliki nilai stabil yang biasanya diasosiasikan dengan emas yang disimpan oleh otoritas penerbit uang (fully backed money) (Ascarya, 2006). Sehingga dalam penciptaan uang tidak ada penciptaan nilai uang yang tiba-tiba ada tanpa ada nilai riilnya dan nilai tambahnya. Sebaliknya hal itulah yang terjadi pada sistem moneter konvensional dimana penciptaan uang fiatnya itu tidak di back-up dengan emas sehingga pada penciptaannya terjadi seignorage. Perbedaan yang ketiga merupakan perbedaan yang paling umum diketahui yaitu dalam pelaksanaan seluruh aktivitasnya sistem moneter Islam tidak menggunakan instrumen suku bunga. Karena seperti yang sudah dipahami secara umum dalam Islam bunga itu haram dan dilarang penggunaannya.Tetapi sistem moneter Islam menawarkan sistem lain sebagai alternatif yaitu sistem bagi hasil. Pada bagi hasil, return yang diperoleh tidak pasti, karena tergantung dari keuntungan yang didapatkan.
Sedangkan pada sistem moneter konvensional,
bunga merupakan instrumen yang cukup penting. Return yang diperoleh bersifat pasti karena pembayaran bunga tidak disesuaikan dengan kondisi untung dan ruginya pihak peminjam. Pada kenyataannya pada zaman kontemporer ini khususnya di Indonesia, dalam dual banking system satu-satunya perbedaan yang masih ada adalah tidak digunakannya instrumen bunga dalam aktivitas ekonomi Islam. Sedangkan dua perbedaan yang dijelaskan pertama itu tidak ada dalam kasus sistem perbankan ganda. Artinya sistem moneter Islam masih menggunakan uang yang diciptakan
16
oleh sistem konvensional dan menggunakan fractional reserve banking system karena masih terintegrasinya sistem moneter Islam pada dominasi sistem konvensional yang besar. Dengan masih diadopsinya fiat money dan fractional banking system, penciptaan uang yang bersifat inflatoir masih ada dalam sistem keuangan Islam kontemporer. Dengan demikian, bank syariah yang beroperasi dalam fractional reserve banking system juga menciptakan uang bank (giro dan uang elektronik), namun memfokuskan penggunaan uang ciptaan ini sesuai dengan prinsip syariah.
2.4
Perbedaan Konsep Suku Bunga dan Konsep Bagi Hasil Sebagai alternatif sistem bunga dalam ekonomi konvensional, ekonomi
Islam menawarkan sistem bagi hasil (profit and loss sharing), ketika pemilik modal (surplus spending unit) bekerja sama dengan pengusaha (deficit spending unit) untuk melakukan kegiatan usaha. Apabila menghasilkan keuntungan dibagi berdua, apabila menderita kerugian juga ditanggung bersama. Sistem bagi hasil menjamin adanya keadilan dan tidak ada pihak yang tereksploitasi (didzalimi). Sistem bagi hasil dapat berbentuk musyarakah atau mudharabah dengan berbagai variasinya. Bank konvensional, sistem return-nya adalah sistem bunga yaitu persentase terhadap dana yang disimpan ataupun dipinjamkan dan ditetapkan diawal transaksi sehingga berapa nilai nominal rupiahnya akan dapat diketahui besarnya dan kapan akan diperoleh dapat dipastikan tanpa melihat laba rugi yang akan terjadi nanti. Bank syari’ah sistem return-nya adalah sistem bagi hasil (profit
17
loss sharing) yaitu nisbah (persentase bagi hasil) yang besarnya ditetapkan diawal transaksi yang bersifat fixed tetapi nilai nominal rupiahnya belum dapat diketahui dengan pasti melainkan melihat laba rugi yang akan terjadi nanti.
Sistem Riba
Menghambat Laju Ekonomi
Penciptaan dan Konsentrasi Uang
Inflasi
Menyusutkan Sektor Riil Sumber : Sakti (2006)
Gambar 2.1. Implikasi Bunga pada Perekonomian Pada Gambar 2.1. dapat terlihat bahwa dalam perekonomian konvensional, sistem riba, fiat money, fractional reserve system dalam perbankan, dan diperbolehkannya spekulasi menyebabkan penciptaan uang (kartal dan giral) dan tersedotnya uang di sektor moneter untuk mencari keuntungan tanpa risiko. Akibatnya, uang atau investasi yang seharusnya tersalur ke sektor riil untuk tujuan produktif sebagian besar lari ke sektor moneter dan menghambat pertumbuhan bahkan menyusutkan sektor riil. Penciptaan uang tanpa adanya nilai tambah akan menimbulkan inflasi. Pada akhirnya, tujuan pertumbuhan ekonomi akan terhambat. Sementara itu, pada Gambar 2.2. dengan sistem zakat, sistem bagi hasil, dan pelarangan spekulasi dalam perekonomian Islam, akan mendorong iklim investasi yang akan tersalur dengan lancar ke sektor riil untuk tujuan yang
18
sepenuhnya produktif. Hal ini akan menjamin terdistribusinya kekayaan dan pendapatan serta menumbuhkan sektor riil. Dengan meningkatnya produktivitas dan kesempatan bekerja dan berusaha pada akhirnya pertumbuhan ekonomi terdorong, dan pada akhirnya akan tercapai kesejahteraan masyarakat. Investasi Bagi Hasil
Mendorong Laju Ekonomi Distribusi Kekayaan dan Pendapatan
Produktivitas dan Kesempatan
Menumbuhkan Sektor Riil Sumber : Sakti (2006)
Gambar 2.2. Implikasi Bagi Hasil pada Perekonomian
2.5
Teori Permintaan Uang Konvensional Jumlah uang beredar adalah jumlah uang yang tersedia (Mankiw,
2003).Sedangkan menurut Mishkin (2001) uang (diacu juga sebagai money supply) didefinisikan sebagai segala sesuatu yang secara umum diterima sebagai alat pembayaran barang dan jasa atau pembayaran kembali utang. Teori permintaan uang pertama kali dikemukakan oleh Irving Fisher. Fisher ingin melihat hubungan antara kuantitas uang dengan jumlah total pengeluaran untuk membeli barang dan jasa akhir yang diproduksi dalam perekonomian (P x Y), dimana P adalah tingkat harga dan Y adalah pendapatan/output agregat. Konsep yang menyediakan hubungan ini disebut
19
velositas (V) yang merupakan rata-rata jumlah uang yang dikeluarkan untuk membeli sejumlah barang dan jasa yang diproduksi dalam setahun. Fungsinya sebagai berikut : V =
P ×Y M
(1)
dengan mengalikan kedua sisi dengan M, maka kita akan mendapatkan equation of exchange yang menghubungkan pendapatan nominal dengan kuantitas uang dan velositas : M ×V = P × Y
(2)
Fisher melihat bahwa velositas konstan dalam jangka pendek, sehingga pendapatan nominal ditentukan hanya oleh pergerakan kuantitas uang. Menurut Fisher, permintaan uang adalah murni merupakan fungsi dari pendapatan dan suku bunga tidak berpengaruh terhadap permintaan uang. Hal ini terjadi karena Fisher percaya bahwa orang memegang uang hanya untuk memenuhi kebutuhan transaksi dan tidak punya kebebasan tentang jumlah uang yang ingin dipegang. Untuk para ekonom klasik, teori kuantitas uang menyediakan penjelasan bahwa pergerakan dalam tingkat harga merupakan hasil dari perubahan kuantitas uang. Menurut para ekonom Cambridge, ada dua properti uang yang memotivasi orang untuk memegang uang, yaitu utilitas uang sebagai alat pertukaran dan sebagai penyimpan kekayaan. Karena fungsi uang sebagai media pertukaran, maka orang menggunakan uang untuk melakukan transaksi. Uang juga berfungsi sebagai penyimpan kekayaan. Tingkat kekayaan seseorang mempengaruhi permintaan uang. Ekonom Cambridge percaya bahwa kekayaan nominal dan
20
banyaknya transaksi adalah proporsional terhadap pendapatan nominal. Sehingga fungsi permintaan uang menurut pendekatan Cambridge sebagai berikut :
M d = k × PY
(3)
dimana k adalah konstanta. Persamaan ini terlihat sama dengan persamaan permintaan uang menurut Fisher. Jadi menurut kedua aliran ini, suku bunga tidak memainkan peranan dalam fungsi permintaan uang. Menurut teori likuiditas Keynes, ada tiga motif memegang uang yaitu motif transaksi, motif berjaga-jaga, dan motif spekulasi. Menurut teori ini, motif transaksi dan motif berjaga-jaga proporsional terhadap pendapatan. Kemudian adanya motif spekulasi menyebabkan munculnya variabel suku bunga yang merupakan opportunity cost memegang uang. Sehingga fungsi permintaan uang menurut Keynes adalah : M d = f (i, Y )
(4)
Dimana suku bunga (i) berpengaruh negatif terhadap permintaan uang dan Y berpengaruh positif terhadap permintaan uang. Sebagaimana diketahui, suku bunga merupakan opportunity cost dalam memegang uang. Artinya ketika suku bunga naik, maka orang akan memegang uang lebih sedikit, karena lebih baik menyimpan uangnya dalam bentuk aset berbunga yang lebih menguntungkan. Sedangkan pendapatan berhubungan positif dengan permintaan uang. Pendapatan yang lebih tinggi mengakibatkan permintaan uang juga meningkat karena semakin banyaknya transaksi yang harus didanai. Teori portofolio memprediksi bahwa permintaan uang seharusnya bergantung pada resiko dan pengembalian yang diberikan oleh uang dan oleh
21
berbagai aset selain uang yang bisa dimiliki rumah tangga (Mankiw, 2003). Teori portofolio sendiri menekankan pada peran uang sebagai penyimpan nilai. Sebagai contoh, fungsi permintaan uang dapat ditulis sebagai berikut :
(M / P )d
(
= L rs , rb , π e , W
)
(5)
dimana rs adalah pengembalian riil yang diharapkan atas saham, rb adalah pengembalian riil yang diharapkan atas obligasi, πe adalah tingkat inflasi yang diharapkan, dan W adalah kekayaan riil. Kenaikan rs dan rb menurunkan permintaan uang karena aset lain menjadi lebih menarik. Kenaikan dalam πe juga menurunkan permintaan uang artinya uang menjadi tidak menarik karena πe adalah pengembalian riil yang yang diharapkan dari memegang uang. Kenaikan W meningkatkan permintaan uang karena kekayaan yang lebih tinggi berarti portofolio yang lebih besar.
2.6
Teori Permintaan Uang dalam Konsep Islam Uang adalah standar kegunaan yang terdapat pada barang dan tenaga, jadi
uang didefinisikan sebagai sesuatu yang dipergunakan untuk mengukur tiap barang dan tenaga. Uang pada dasarnya berfungsi sebagai alat transaksi yang berguna sebagai refleksi dari nilai sebuah barang dan jasa (Sakti, 2006). Dalam Islam urgensi kehadiran uang dipertegas oleh pendapat Rasulullah SAW yang menyebutkan perdagangan yang lebih baik (adil) itu perdagangan yang menggunakan uang (dinar dan dirham). Akibat kehadiran uang inilah hakikat ekonomi dalam perspektif Islam dapat berlangsung dengan baik, yaitu terpelihara dan meningkatnya perputaran (velocity) harta diantara pelaku ekonomi.
22
Dalam literatur ekonomi Islam, uang dibahas sebagai salah satu alat transaksi, perantara untuk menilai barang dan jasa, dan tidak boleh memainkan peranan sebagai komoditi. Menurut Ibnu Khaldun dalam Siregar (2002), kekayaan suatu negara tidak ditentukan oleh banyaknya uang di negara tersebut tetapi ditentukan oleh tingkat produksi negara tersebut dan neraca pembayaran yang positif. Perspektif motif memegang uang dalam Islam berbeda dengan sistem kapitalis. Dalam Islam, motif seseorang memegang uang terbatas pada motif transaksi dan berjaga-jaga. Permintaan terhadap uang karena motif spekulasi pada dasarnya didorong oleh fluktuasi suku bunga dalam perekonomian kapitalis (Chapra, 2000). Motif spekulasi tidak dibenarkan dalam syariah, karena memang perekonomian berbasis bunga yang menyebabkan adanya motif spekulasi itu tidak dibenarkan dalam Islam. Menurut Imam Ghazali dalam Siregar (2002), adanya uang sebagai ukuran nilai suatu barang maka uang akan berfungsi sebagai media pertukaran. Sedangkan menurut Monzer Kahf dalam Siregar (2002) bahwa permintaan uang terutama untuk memenuhi kebutuhan transaksi, bukan untuk kegiatan yang bersifat spekulatif. Menurut Islam, uang adalah flow concept, maka uang harus selalu berputar dalam perekonomian. Semakin cepat uang berputar dalam perekonomian berarti akan semakin banyak transaksi yang terjadi, yang nantinya
akan
meningkatkan
pendapatan
masyarakat
dan
mendorong
pertumbuhan ekonomi. Inilah salah satu perbedaan lagi antara sistem ekonomi Islam dengan sistem ekonomi konvensional. Dimana justru
pada keuangan
konvensional, velositas dari uang itu harus konstan agar kebijakan moneter
23
dengan mengendalikan jumlah uang yang beredar efektif. Pada sistem keuangan Islam, velositas uanglah yang harus dipercepat, sedangkan jumlah uang beredar menyesuaikan dengan kebutuhan sektor riil. Mengacu pada karakteristik sistem ekonomi Islam yang menggunakan 100 percent reserve banking system dan penggunaan uang komoditi (dinar dan dirham) maka perbankan dalam Islam tidak menciptakan uang giral seperti pada konvensional. Sehingga konsep uang beredar dalam Islam secara normatif adalah uang kartal itu sendiri. Sedangkan definisi demand deposit dan quasi money tidak termasuk perhitungan jumlah uang beredar. Tapi pada kenyataannya, dimana sistem perbankan Islam kontemporer di Indonesia masih terintegrasi dengan perbankan konvensional, maka pendefinisian M1 (narrow money) dan M2 (broad money) masih ada. Menurut Siregar (2002), permintaan uang dalam Islam tercermin dalam persamaan sebagai berikut :
M d = f (Ys , S , T )
(6)
dimana Ys merupakan barang dan jasa yang berkaitan dengan pemenuhan kebutuhan dasar dan investasi produktif yang sesuai dengan nilai-nilai Islam. S merupakan nilai-nilai moral dan sosial dan kelembagaan (termasuk zakat) yang mempengaruhi alokasi dan distribusi sumberdaya yang tidak digunakan untuk konsumsi yang tidak bermanfaat, investasi yang tidak produktif dan tidak juga untuk motif spekulasi. T adalah profit and loss sharing. Umumnya termasuk di beberapa negara Islam, Y merupakan output yang termasuk untuk pemenuhan konsumsi yang tidak bermanfaat dan investasi yang
24
non produktif. Sedangkan karakteristik Ys merupakan sesuatu yang normatif yang belum mencerminkan kenyataan saat ini, tetapi bukan hal yang mustahil juga untuk dicapai jika Islam dilaksanakan secara kaffah. Selanjutnya, S juga merupakan nilai-nilai sosial yang tidak harus dikuantifikasi. Sedangkan T merupakan variabel yang sudah bisa dilaksanakan pada keuangan kontemporer sekarang ini.
2.7
Konsep Inflasi dalam Ekonomi Konvensional
Inflasi merupakan kenaikan harga-harga barang dan jasa secara umum dan terus-menerus. Menurut Friedman, inflasi selalu merupakan fenomena moneter. Sumber dari inflasi adalah tingginya pertumbuhan money supply. Singkatnya, dengan mengurangi tingkat pertumbuhan money supply pada tingkat yang rendah, maka inflasi bisa dicegah. Menurut pandangan aliran monetaris, money supply dipandang sebagai satu-satunya sumber pergeseran dalam kurva permintaan agregat. Sehingga analisis monetaris mengindikasikan bahwa inflasi pasti disebabkan oleh tingginya pertumbuhan money supply (Mishkin, 2001). Aliran Keynesian menghasilkan kesimpulan yang sama dengan monetaris dimana pertumbuhan money supply akan mengakibatkan tingkat harga meningkat secara terus menerus pada tingkat yang tinggi, sehingga terjadi inflasi. Analisis keynesian mengindikasikan bahwa tingginya inflasi tidak bisa hanya disebabkan oleh kebijakan fiskal saja. Begitupun dengan fenomena dari sisi penawaran juga tidak bisa menjadi sumber inflasi yang tinggi (Mishkin, 2001). Sehingga
25
kesimpulannya adalah baik pandangan monetaris maupun pandangan keynesian, sejalan dengan pandangan Friedman.
2.8
Konsep Inflasi dalam Ekonomi Islam
Menurut Chapra (2000), inflasi mengandung implikasi bahwa uang tidak dapat berfungsi sebagai satuan hitung yang adil dan benar. Inflasi menyebabkan orang berlaku tidak adil terhadap yang lain, dengan memerosotkan daya beli asetaset moneter secara tidak diketahui. Hal itu merusak efisiensi sistem moneter dan menimbulkan ongkos kesejahteraan pada masyarakat. Inflasi memperburuk iklim ketidakpastian dimana keputusan-keputusan ekonomi diambil, menimbulkan kekhawatiran pada formasi modal dan menyebabkan misalokasi sumber daya. Inflasi cenderung merusak nilai-nilai, memberikan imbalan kepada usaha-usaha spekulasi dengan menimpakan kerugian pada aktivitas-aktivitas produktif dan memperparah ketidakmerataan pendapatan. Dengan demikian inflasi merupakan sebuah gejala disekuilibrium yang tidak sesuai dengan penekanan Islam pada ekuilibrium. Dalam teori Islam murni, sebenarnya inflasi itu tidak akan terjadi karena adanya karakteristik keuangan islam yang khas. Ketika uang yang digunakan adalah full bodied money atau fully backed money, maka tidak akan terjadi inflasi. Hal ini disebabkan karena uang jenis tesebut tidak menimbulkan penciptaan uang beredar dengan seignorage.
26
2.9
Konsep Kebijakan Moneter dalam Ekonomi Konvensional
Menurut Sukirno dalam Agustianto (2002) kebijakan moneter adalah langkah-langkah yang dijalankan oleh bank sentral untuk mengawasi jumlah uang beredar di tangan masyarakat. Menurut UU No. 23 tahun 1999 tentang Bank Indonesia, kebijakan moneter adalah kebijakan yang diterapkan dan dilaksanakan oleh Bank Indonesia untuk mencapai dan memelihara kestabilan nilai rupiah yang dilakukan antara lain melalui pengendalian jumlah uang yang beredar dan atau suku bunga. Dalam perekonomian yang menggunakan uang fiat,
pemerintah
mengendalikan jumlah uang beredar melalui monetary base. Monetary base sendiri didefinisikan sebagai jumlah dari uang kartal ditambah cadangan (Mishkin, 2001). Peraturan resmi memberi pemerintah hak untuk memonopoli pencetakan uang. Kontrol atas jumlah uang beredar disebut kebijakan moneter. Melalui monetary base inilah kebijakan moneter dilakukan dengan berbagai cara atau instrumen, diantaranya melalui operasi pasar terbuka, tingkat diskonto, dan peraturan giro wajib minimum. Skema pengendalian moneter di Indonesia dapat dilihat pada Tabel 2.2. Kebijakan
moneter
di
suatu
negara
diimplementasikan
dengan
menggunakan instrumen moneter (suku bunga atau agregat moneter) yang mempengaruhi sasaran antara untuk mencapai sasaran akhir, yaitu stabilitas harga atau pertumbuhan ekonomi (Arifin, 1998). Tujuan dari kebijakan moneter secara umum dapat dirumuskan sebagai berikut (Puspopranoto dalam Hardianto, 2004):
27
1. Pertumbuhan jumlah uang beredar (JUB) selayaknya mampu untuk mengimbangi laju pertumbuhan PDB secara riil sepanjang waktu pada tingkat harga yang stabil; 2. Pemenuhan JUB yang mampu mencukupi kebutuhan jangka pendek yaitu memadai untuk mewujudkan perekonomian pada kesempatan kerja penuh dan tingkat harga yang stabil. Tabel 2.2. Pengendalian Moneter Indonesia Instrumen Operasi Terbuka SBI)
Sasaran Operasional •
Pasar (Lelang
• • •
Intervensi Valas
Base Money (Uang primer) Net Domestic Assets Liquidity Support Net International Reserve
Nilai Tukar Rupiah
Sasaran Antara •
•
Uang Beredar (M1 dan M2) Kredit Perbankan
Sasaran Akhir • • •
Inflasi Pertumbuhan Ekonomi Neraca Pembayaran
Nilai Tukar Rupiah
Sumber : Sitorus (1998)
2.10
Konsep Kebijakan Moneter dalam Ekonomi Islam
Secara normatif, sebenarnya dalam teori ekonomi Islam tidak mengenal dikotomi sejajar antara sektor moneter dan sektor riil. Tetapi ada beberapa teori tentang kebijakan moneter pada sistem ekonomi Islam kontemporer yang masih terdominasi oleh sistem konvensional. Kebijakan moneter diarahkan pada regulasi kuantitas jumlah uang untuk tujuan stabilitas harga, neraca pembayaran, pertumbuhan ekonomi, dan keadilan distributif (Siddiqi, 1982). Menurut Chapra (2000) variabel yang akan dipakai dalam suatu kebijakan moneter yang
28
diformulasikan dalam sebuah perekonomian Islam adalah cadangan uang. Bank sentral Islam harus menjalankan kebijakan moneternya untuk menghasilkan suatu pertumbuhan dalam sirkulasi uang yang mencukupi untuk membiayai pertumbuhan potensial dalam output selama periode jangka menengah dan panjang dalam kerangka harga-harga yang stabil dan sasaran sosioekonomi Islam lainnya. Tujuannya adalah menjamin bahwa ekspansi moneter tidak bersifat kurang
mencukupi
atau
berlebihan,
tetapi
cukup
untuk
sepenuhnya
mengeksploitasi kapasitas perekonomian agar dapat mensuplai barang-barang dan jasa bagi kesejahteraan yang berbasis luas. Mekanisme kebijakan moneter menurut Chapra (2000) tidak saja hanya untuk mengatur penawaran uang agar seimbang dengan permintaan riil terhadap uang, tetapi juga membantu memenuhi kebutuhan untuk membiayai defisit pemerintah yang benar-benar riil dan sasaran-sasaran sosioekonomi masyarakat Islam lainnya. Berikut 6 unsur mekanisme kebijakan moneter atau instrumen kebijakan moneter menurut Chapra. 1. Target pertumbuhan dalam jumlah uang beredar dan monetary base; 2. Saham publik terhadap deposito unjuk (uang giral); 3. Cadangan wajib resmi; 4. Pembatas kredit; 5. Alokasi kredit yang berorientasi kepada nilai; 6. Teknik lain, seperti, membeli dan menjual saham dan sertifikat bagi hasil untuk menggantikan obligasi pemerintah dalam operasi pasar, rasio pemberian kembali pembiayaan, dan rasio pemberian pinjaman.
29
Menurut Kahf (1982) perubahan dalam kuantitas uang mempengaruhi tingkat inflasi dimana menambahkan terlalu banyak uang ke dalam perekonomian akan meningkatkan harga. Menurutnya, penawaran uang bisa dirubah dengan tiga cara yaitu managemen mata uang, reserve requirement, dan credit policy of Zakah. Perubahan dalam kuantitas jumlah mata uang yang beredar di pasar dipengaruhi langsung oleh otoritas moneter. Perubahan dalam reserve requirement yang harus dijaga oleh bank komersial mempengaruhi tingkat pinjaman dan volume demand deposits. Perubahan dalam kebijakan kredit dari dana Zakat membutuhkan pengembangan.
2.11
Penelitian Terdahulu
Penelitian-penelitian yang menganalisis tentang stabilitas moneter pada kasus sistem perbankan ganda masih sulit ditemukan. Pada bagian ini akan dijelaskan tentang beberapa penelitian terdahulu. Penelitian yang dilakukan oleh Kaleem (2000) di Malaysia dengan menggunakan data bulanan tahun 1994-1999. Pada penelitiannya Kaleem berusaha menganalisis tentang validitas dan efektivitas instrumen Islam bagi tujuan kebijakan moneter. Hasil yang didapatkan adalah sebagai berikut : 1) Dummy krisis tidak signifikan untuk variabel besaran moneter M2 dan M2-islam, sehingga menolak efek krisis keuangan tahun 1997 terhadap deposito jangka panjang; 2) Inflasi signifikan terhadap besaran moneter M1, M2, M1-isl, dan CREDIT-islam;
30
3) Menolak hipotesis bahwa instrumen moneter Islam lebih stabil dan anti guncangan terhadap krisis, karena menunjukkan hasil yang sama dengan instrumen konvensional; 4) Otoritas moneter memiliki tingkat kontrol yang lebih pada M1-islam dan M2-islam daripada terhadap M1 dan M2; 5) Instrumen kredit Islam di bawah kontrol otoritas moneter; 6) Instrumen moneter Islam juga efektif bagi pencapaian tujuan kebijakan moneter. Kemudian dari penelitian Nasution dan Nurzaman (2006) tentang efektifitas besaran M1 di Indonesia tahun 1971-2002 menghasilkan kesimpulan sebagai berikut: 1) pergerakan velositas uang bebas bunga lebih stabil daripada velositas uang berbasis bunga sehingga besaran moneter bebas bunga memperlihatkan potensi untuk menstabilkan perekonomian; 2) permintaan uang bebas bunga dan berbasis bunga mempunyai hubungan jangka panjang dengan tingkat inflasi, tetapi pada keseimbangan jangka pendek, signifikansi model Error Correction Model (ECM) untuk permintaan uang berbasis bunga lebih rendah; 3) hanya
permintaan uang bebas bunga yang memiliki stabilitas
hubungan jangka panjang dengan inflasi dan pendapatan nasional, sedangkan permintaan uang berbasis bunga tidak;
31
4) Variabel dummy krisis signifikan untuk kedua permintaan uang tersebut, tetapi karena ada mekanisme penyesuaian, maka permintaan uang bebas bunga stabil dalam jangka panjang. Darrat (2000) melakukan penelitian di Iran dan Pakistan dengan menggunakan data dari tahun 1960-1998 dan menggunakan kerangka error correction model serta Johansen-Juselius test statistic , menghasilkan kesimpulan sebagai berikut : 1) keadaan makroekonomi di Iran dan Pakistan berkembang (minimal tidak memburuk) dengan adanya interest-free banking; 2) interest-free membawa pada perilaku velositas uang yang mudah diprediksi; 3) interest-free menyediakan lingkungan moneter yang lebih terkontrol; 4) interest-free mempunyai hubungan yang kuat dengan instrumen kebijakan dan stabilitas harga. Kemudian penelitian selanjutnya yang dilakukan oleh Kia (2001) di Iran dengan kurun waktu 1966-1998 menggunakan the maximum likelihood test dan Dynamic Ordinary Least Square (DOLS) test untuk mengestimasi fungsi permintaan uang jangka panjang. Hasil yang didapatkan sebagai berikut: 1. baik pada jangka pendek maupun jangka panjang, permintaan uang pada interest-free (M1) stabil dan invarian terhadap kebijakan dan guncangan lain dalam perubahan rezim; 2. sedangkan permintaan uang pada interest-bearing (M2) tidak stabil;
32
3. reaksi agen ekonomi terhadap equilibrium error pada M1 selalu sama untuk berbagai ukuran error sedangkan pada M2 berbeda karena model ECM yang didapat pada M2 adalah non-linear. Darrat dalam Nasution ( 2006) melakukan uji tes tentang efektivitas relatif sistem keuangan syariah di Tunisia. Hasilnya menunjukkan bahwa uang berbasis non-bunga lebih efektif dan stabil. Namun penelitiannya meragukan mengingat Tunisia kurang berpengalaman dalam perbankan syariah. Hassen dan Aldayel dalam Nasution (2006) juga memperoleh hasil yang konsisten seperti penelitian Darrat untuk 15 negara. Yousafi dalam Nasution (2006) juga melakukan penelitian yang serupa di Iran. Achsani, Holtemoller, dan Sofyan (2005) melakukan penelitian tentang fungsi permintaan uang di Indonesia dengan menggunakan model ekonometrik dan fuzzy modelling periode 1990:1-2002:3. Hasilnya menunjukkan bahwa elastisitas pendapatan terhadap permintaan uang cukup stabil sebelum dan sesudah krisis. Nilai Elastisitas pendapatan pada econometric estimation dan fuzzy estimation berturut-turut sebesar 0,93 dan 0,87. Penelitian ini juga menunjukkan bahwa fungsi permintaan uang Indonesia stabil pada periode yang sulit. Serta menunjukkan mengapa hasil studi sebelumnya tentang fungsi money demand di Indonesia tidak stabil, karena semuanya menggunakan teknik kointegrasi. Padahal time series di Indonesia adalah trend-stationary sehingga kerangka kointegrasi menjadi tidak sesuai. Price dan Insukindro dalam Achsani, et al. (2005) menggunakan data kuartalan Indonesia dari 1969:1-1987:4 dengan mengaplikasikan kerangka
33
kointegrasi dan error correction model untuk permintaan uang. Hasil berdasarkan prosedur two-step Engle-Granger menghasilkan bukti yang lemah untuk hubungan kointegrasi. Sedangkan berdasarkan Johansen likelihood ratio statistic menunjukkan sampai 2 vektor kointegrasi. Deckle dan Pradhan dalam Achsani, et al. (2005) menggunakan data tahunan Indonesia dan tidak menemukan adanya hubungan kointegrasi yang bisa diinterpretasikan sebagai fungsi permintaan uang. Kia dan Darrat (2003) mengestimasi fungsi permintaan uang di Iran dengan menggunakan data kuartalan tahun 1966-2001. Hasilnya menunjukkan bahwa permintaan terhadap simpanan berbagi hasil lebih stabil dan policy invariant daripada permintaan terhadap M1. Ascarya (2007) melakukan studi literatur tentang kebijakan moneter optimum pada sistem perbankan ganda. Hasilnya menunjukkan bahwa kebijakan moneter optimum pada suatu negara yang mengadopsi sistem perbankan atau keuangan ganda harusnya mengacu pada tingkat pengembalian pada sistem bagi hasil untuk memaksimalkan keadilan distributif dan kesejahteraan sosial dan meminimalkan inefisiensi. Izhar dan Asutay (2007) melakukan penelitian juga tentang stabilitas moneter pada sistem perbankan ganda di Indonesia, dari tahun 2001 sampai 2004. Hasilnya menunjukkan bahwa baik dalam persamaan jangka panjang maupun persamaan error correction model variabel M2 konvensional dan M2 Islam tidak mempunyai hubungan yang signifikan dengan tingkat harga. Tetapi nilai error correction term (ECT) pada sistem konvensional lebih besar daripada ECT pada sistem Islam. Penelitian-penelitian tersebut pada umumnya menghasilkan kesimpulan yang sama dimana permintaan uang bebas bunga lebih stabil dan
34
permintaan uang bebas bunga sesuai digunakan sebagai instrumen untuk mencapai tujuan kebijakan otoritas moneter. Penelitian
ini
mempunyai
perbedaan
dengan
penelitian-penelitian
sebelumnya. Pertama, pada penelitian ini variabel suku bunga tetap dimasukkan ke dalam persamaan permintaan uang sistem konvensional. Hal ini berdasarkan pada hasil penelitian Kaleem (2000) yang menyebutkan bahwa permintaan uang pada sistem Islam sama saja dengan konvensional dan tidak anti guncangan. Hal ini bisa saja terjadi karena sejak awal suku bunga sebagai satu-satunya variabel yang membedakan antara sistem Islam dan sistem konvensional dalam dual banking system dihilangkan. Dalam penelitian ini, variabel suku bunga akan digantikan dengan proxi rate of return pada permintaan uang Islam. Perbedaan kedua, penelitian ini menggunakan variabel M1 dan M2 yang sesuai dengan teori Islam. Sedangkan pada penelitian Darrat (2000) serta Nasution dan Nurjaman (2006) M1 itu dinyatakan sebagai uang bebas bunga dan M2 itu disebut sebagai uang berbasis bunga. Padahal dalam Islam sendiri, sebenarnya M1 telah mengandung bunga, karena dalam penciptaan uang kartal sendiri telah mengandung riba. Time series yang digunakan juga lebih panjang yaitu dari Januari 2001 sampai dengan Desember 2006.
2.12
Kerangka Pemikiran
Keterkaitan antara perumusan masalah dan tujuan penelitian dapat dilihat dari kerangka pemikiran penelitian, sebagaimana disajikan pada Gambar 2.3. Variabel makroekonomi yaitu PDB dan tingkat inflasi yang diharapkan
35
mempengaruhi permintaan uang baik pada sistem konvensional maupun pada sistem Islam. Sebagai biaya imbangan dalam memegang uang, pada permintaan uang konvensional dimasukkan variabel suku bunga. Sedangkan pada permintaan uang Islam, variabel suku bunga digantikan oleh tingkat return pada skim syariah. Kemudian dilihat juga apakah jumlah uang beredar masing-masing sistem berhubungan dengan sasaran akhir otoritas moneter yaitu stabilitas harga. Variabel Makroekonomi : -PDB -inflasi yang diharapkan
Suku Bunga
Permintaan M1 Permintaan M2
Permintaan M1-Islam Permintaan M2-Islam
Return Syariah
Tingkat Harga
Gambar 2.3. Kerangka Pemikiran Konseptual
2.13
Hipotesis Penelitian
Dari teori-teori dan penelitian terdahulu hipotesis yang dapat dirumuskan dalam penelitian ini adalah:
untuk model permintaan uang konvensional pada jangka panjang, PDB berpengaruh positif, sedangkan inflasi dan suku bunga berpengaruh negatif;
36
untuk model permintaan uang Islam pada jangka panjang, PDB berpengaruh positif, sedangkan inflasi dan return syariah berpengaruh negatif;
Permintaan uang pada sistem Islam lebih stabil dibandingkan dengan
permintaan uang sistem konvensional; Terdapat hubungan antara jumlah uang beredar dengan tingkat harga.
III. METODE PENELITIAN
3.1
Jenis dan Sumber Data Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder
negara Indonesia dalam bentuk bulanan yang diperoleh dari Statistik Ekonomi dan Keuangan Indonesia Bank Indonesia (SEKI-BI) dan Statistik Perbankan Syariah Bank Indonesia (SPS-BI) dan data return syariah dari Bank Muamalat Indonesia dalam periode waktu antara bulan Januari 2001 sampai dengan bulan Desember 2006. Dengan demikian data yang digunakan merupakan data time series. Data yang digunakan diubah ke dalam bentuk logaritma natural untuk memudahkan hasil analisis, kecuali data suku bunga, inflasi, dan rate of return bank umum syariah. Selain itu, penulis juga melakukan studi pustaka dengan membaca literatur yang berkaitan dengan penelitian penulis baik dari media cetak maupun internet.
3.2
Variabel dan Definisi Operasional Berikut ini penjelasan mengenai variabel yang digunakan dalam penelitian
beserta definisi operasionalnya : a. Jumlah uang beredar dalam arti sempit (M1) adalah uang kartal ditambah demand deposit pada bank konvensional. b. Jumlah uang beredar dalam arti luas (M2) adalah M1 ditambah saving deposit dan time deposit pada bank konvensional. c. Jumlah uang beredar Islam dalam arti sempit (M1ISL) adalah uang kartal ditambah demand deposit (giro wadi’ah) pada bank syariah.
38
d. Jumlah uang beredar Islam dalam arti luas (M2ISL) adalah M1ISL ditambah tabungan mudharabah dan investasi mudharabah. e. Tingkat output riil (PDB riil) adalah nilai Produk Domestik Bruto yang dideflasi dengan tingkat IHK tahun dasar 2002. f. Tingkat inflasi yang diharapkan (EXPINF) adalah tingkat inflasi pada satu periode sebelumnya dengan IHK tahun dasar 2002. g. Suku bunga deposito (IDEP) adalah suku bunga deposito jangka waktu 6 bulan. h. Rate of return (RS) adalah tingkat pengembalian dana pada bank umum syariah berupa equivalent rate investasi mudharabah.
3.3
Metode Pengolahan dan Analisis Data Stabilitas moneter pada sistem perbankan ganda dalam penelitian ini akan
dianalisis dengan menggunakan Vector Autoregression (VAR). Kemudian jika data yang digunakan stasioner pada perbedaan pertama maka model VAR akan dikombinasikan dengan model koreksi kesalahan menjadi Vector Error Correction Model (VECM). Semua data dalam penelitian ini ditransformasikan ke dalam bentuk logaritma natural (ln) kecuali suku bunga, rate of return, dan inflasi untuk mendapatkan hasil analisis yang lebih valid dan konsisten. Perangkat lunak yang digunakan dalam penelitian ini adalah Microsoft Excel 2003 dan program Eviews 4.1. 3.4
Analisis Vector Autoregression (VAR) Model VAR pertama dikembangkan oleh Sims pada tahun 1980. VAR adalah
model a-priori terhadap teori ekonomi. Namun demikian model ini sangat berguna
39
dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi di mana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen (1988, 1989) yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian (Pasaribu, 2003). Pemodelan VAR adalah bentuk pemodelan yang digunakan untuk multivariate time series. Model VAR menjadikan semua variabel bersifat endogen. Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang (lag) yang digunakan dalam model. Sesuai dengan Sims (1980), variabel yang digunakan dalam persamaan VAR dipilih berdasarkan teori ekonomi yang relevan. Pemilihan selang optimal kemudian akan menggunakan kriteria informasi seperti Akaike Info Criterion (AIC) , Schwarz Info Criterion (SC), maupun Hannan-Quinn Criterion (HQ). Model VAR secara matematis dapat diwakili oleh (Achsani, et al., 2005) : k
xt = μ t + ∑ Ai xt −i + u t i =1
(7 )
dimana xt adalah vektor dari variabel-variabel endogen berdimensi (n x 1), μt adalah vektor dari variabel-variabel eksogen termasuk di dalamnya konstanta (intercept) dan tren, Ai adalah matriks-matriks koefisien berdimensi (n x n), dan ut adalah adalah vektor dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi dengan nilai-nilai lag mereka sendiri dan juga tidak berkorelasi dengan seluruh variabel yang ada dalam sisi kanan persamaan di atas.
40
3.5
Analisis Vector Error Correction Model (VECM) Menurut Verbeek dalam Nugraha (2006), ketika dua atau lebih variabel yang
terlibat dalam suatu persamaan pada data level tidak stasioner maka kemungkinan terdapat kointegrasi pada persamaan tersebut. Jika setelah dilakukan uji kointegrasi terdapat persamaan kointegrasi dalam model yang digunakan maka dianjurkan untuk memasukkan persamaan kointegrasi ke dalam model yang digunakan. Kebanyakan data
time series stasioner pada perbedaan pertama. Maka untuk mengantisipasi hilangnya informasi jangka panjang dalam penelitian ini akan digunakan model VECM. VECM standar didapat dari model VAR dengan dikurangi xt-1. Adapun persamaan VECM secara matematis ditunjukkan oleh persamaan berikut (Achsani, et al., 2005) : k −1
Δxt −1 = μ t + ∏ xt −1 + ∑ Γi Δxt −i + u t
(8)
i =1
dimana Π dan Γ adalah fungsi dari Ai. Matriks Π bisa didekomposisi ke dalam 2 matriks berdimensi (n x r) α dan β;
∏ = αβ Τ
dimana α disebut matriks penyesuaian dan β
sebagai vektor kointegrasi dan r adalah cointegration rank. Kerangka kointegrasi hanya sesuai jika variabel variabel yang berhubungan terintegrasi. Hal ini bisa diuji dengan menggunakan uji akar unit. Saat tidak ditemukan akar unit, maka metode ekonometrik tradisional dapat diterapkan.
3.6
Pengujian Pra-Estimasi Sebelum melakukan estimasi VAR/VECM, maka ada beberapa tahapan yang
harus dilakukan yaitu pengujian pra-estimasi. Pengujian-pengujian tersebut antara lain uji stasioneritas data, penentuan lag optimal, dan pengujian kointegrasi.
41
3.6.1
Uji Stasioneritas Data Data ekonomi time series pada umumnya bersifat stokastik atau memiliki tren
yang tidak stasioner artinya data tersebut mengandung akar unit.
Untuk dapat
mengestimasi suatu model mengunakan data tersebut maka langkah pertama yang haru dilakukan masalah uji stasioneritas data atau dikenal dengan unit root test. Apabila data yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model dengan menggunakan data tersebut karena tren data tersebut cenderung berfluktuasi tidak disekitar nilai rata-ratanya. Maka dapat disimpulkan bahwa data yang stasioner akan mempunyai kecenderungan untuk mendekati nilai rata-ratanya dan berfluktuasi di sekitar nilai rata-ratanya (Gujarati, 2003). Uji akar unit akan dilakukan dalam penelitian ini dengan menggunakan Augmented Dickey Fuller (ADF). Cara yang dapat digunakan untuk menguji akar unit adalah metode Dickey-
Fuller (DF). Misalkan model persamaan time series sebagai berikut (Pasaribu, 2003) :
(9)
y t = ρy t −1 + ε t
dimana ρ adalah parameter yang akan diestimasi dan ε diasumsikan white noise dimana variabel yang digunakan tersebut memiliki mean dan varian yang konstan dan kovarian sama dengan nol. Jika
ρ ≥ 1, maka y adalah variabel yang tidak stasioner, dan varian
dari y akan meningkat sejalan dengan peningkatan waktu dan cenderung untuk tak berhingga. Jika ρ < 1, maka y adalah variabel yang stasioner. Karena itu, hipotesis trend
stationarity dapat dievaluasi dengan menguji apakah nilai absolut dari ρ betul-betul lebih kecil dari satu. Pengujian umum terhadap hipotesis di atas adalah H0: ρ = 1 dan hipotesis alternatif H1: ρ < 1.
42
Kemudian dengan mengurangi kedua sisi persamaan (9) dengan yt-1 didapat persamaan: Δy t = αy t −1 + ε t
(10)
dimana Δ mengindikasikan perbedaan pertama, sedangkan α=ρ-1, sehingga hipotesis nol menjadi H0: α=0, sedangkan hipotesis alternatif menjadi H1: α<1. Sedangkan model umum dari ADF yang digunakan dalam penelitian ini adalah sebagai berikut (Pasaribu, 2003) : Δy t = k + αy t −1 + c1 Δy t − 2 + ... + c p Δ t − p + trend + ε t
(11)
Jika nilai t-statistik ADF lebih kecil daripada t-statistik kritis MacKinnon maka keputusannya adalah menolak H0 yang menyatakan bahwa data tidak stasioner atau dengan kata lain data bersifat stasioner.
3.6.2
Penentuan Lag Optimal
Tahap kedua yang harus dilakukan dalam membentuk model VAR yang baik adalah menentukan panjang lag (ordo) optimal. Penentuan lag optimal dapat diidentifikasi dengan menggunakan Akaike Info Criterion (AIC), Schwarz Criterion (SC), Hannan-Quinn Criterion (HQ), dan sebagainya. Dalam penelitian ini akan digunakan kriteria SC. Besarnya lag optimal ditentukan oleh lag yang memiliki kriteria SC terkecil. Mengacu pada Widyanti dalam Hanie (2006), perhitungan SC adalah sebagai berikut : SC = AIC (q ) + (q / T )(log T − 1)
(12)
43
dimana q merupakan jumlah variabel, T adalah jumlah observasi, dan AIC merupakan Akaike Information Criteria dengan perhitungan sebagai berikut (Syabran dalam Hanie, 2006): AIC = log ∑ ε t / N + 2 K / N 2
dengan
∑ε
2 t
(13)
merupakan jumlah residual kuadrat, N adalah jumlah sampel, dan k
adalah jumlah variabel.
3.6.3
Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner mengalami kointegasi atau tidak. Konsep kointegrasi dikemukakan oleh Engle dan Granger pada tahun 1987 sebagai fenomena dimana kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menjadi stasioner. Kombinasi linear ini dikenal dengan nama persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan keseimbangan jangka panjang diantara variabel. Untuk menguji apakah kombinasi variabel yang tidak stasioner mengalami kointegrasi, pengujian yang dapat dilakukan adalah uji kointegrasi Engle-Granger, uji kointegrasi Johansen, maupun uji kointegrasi Durbin-Watson. Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antara variabel yang telah memenuhi persyaratan dalam proses integrasi dimana semua variabel telah stasioner pada derajat yang sama yaitu pada first difference. Salah satu uji kointegrasi yang akan digunakan dalam penelitian ini adalah uji kointegrasi Johansen. Dengan H0 = nonkointegrasi, dan H1 = kointegrasi. Jika t-trace statistics > t-mac-kinnon maka tolak H0 yang artinya persamaan tersebut terkointegrasi.
44
3.7
Analisis Impulse Response Function (IRF)
Analisis impuls respon adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk mengetahui respon dinamik variabel permintaan uang baik pada konvensional maupun pada Islam terhadap guncangan variabel PDB, inflasi yang diharapkan, suku bunga, dan return syariah untuk permintaan uang pada Islam.
3.8
Analisis Forecasting Error Variance Decomposition (FEVD)
Analisis dekomposisi varian atau dikenal dengan Forecasting Error Variance Decomposition (FEVD) digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel lainnya dalam model VAR. Peramalan dekomposisi varian dalam penelitian ini untuk melihat seberapa besar inovasi dari variabel PDB, suku bunga dan inflasi yang diharapkan dalam menjelaskan permintaan uang konvensional sebagai variabel endogen. Serta melihat seberapa besar inovasi dari variabel PDB, inflasi yang diharapkan, dan return syariah dalam menjelasakan permintaan uang Islam sebagai variabel endogen.
45
3.9
Model Penelitian
Model yang digunakan dalam penelitian ini adalah sebagai berikut :
⎡ lm 1rt ⎤ ⎡ a11 (L ) ⎢ lpdbr ⎥ ⎢ a (L ) t⎥ ⎢ = ⎢ 21 ⎢ inf t ⎥ ⎢ a 31 (L ) ⎢ ⎥ ⎢ ⎣ rt ⎦ ⎣ a 41 (L ) ⎡ lm 2 rt ⎤ ⎡ a 11 (L ) ⎢ lpdbr ⎥ ⎢ a (L ) t⎥ ⎢ = ⎢ 21 ⎢ inf t ⎥ ⎢ a 31 (L ) ⎢ ⎥ ⎢ ⎣ rt ⎦ ⎣ a 41 (L )
a12 (L ) a 22 (L )
a 23 (L ) a 24 (L )
a13 (L ) a 23 (L )
a 33 (L ) a 43 (L )
a14 (L )⎤ ⎡ lm 1rt − i ⎤ a 24 (L )⎥⎥ ⎢⎢ lpdbr t − i ⎥⎥ + a 34 (L )⎥ ⎢ inf t − i ⎥ ⎥⎢ ⎥ a 44 (L )⎦ ⎣ idep t − i ⎦
a 12 (L ) a 22 (L ) a 32 (L ) a 42 (L )
a 13 (L ) a 23 (L ) a 33 (L ) a 43 (L )
a 14 (L )⎤ ⎡ lm 2 rt − i ⎤ ⎡ ε 1 t ⎤ a 24 (L )⎥⎥ ⎢⎢ lpdbr t − i ⎥⎥ ⎢⎢ ε 2 t ⎥⎥ + a 34 (L )⎥ ⎢ inf t − i ⎥ ⎢ ε 3 t ⎥ ⎥⎢ ⎥ ⎢ ⎥ a 44 (L )⎦ ⎣ idep t − i ⎦ ⎣ ε 4 t ⎦
⎡ ε 1t ⎤ ⎢ε ⎥ ⎢ 2t ⎥ ⎢ε 3t ⎥ ⎢ ⎥ ⎣ε 4 t ⎦
(14)
(15)
⎡lm1islrt ⎤ ⎡ a11 (L ) ⎢ lpdbr ⎥ ⎢a (L ) t ⎥ ⎢ = ⎢ 21 ⎢ inf t ⎥ ⎢a31 (L) ⎢ ⎥ ⎢ ⎣ rst ⎦ ⎣a41 (L )
a12 (L) a13 (L) a14 (L )⎤ ⎡lm1islrt −i ⎤ ⎡ε 1t ⎤ a22 (L ) a23 (L ) a24 (L )⎥⎥ ⎢⎢ lpdbrt −i ⎥⎥ ⎢⎢ε 2t ⎥⎥ + a32 (L ) a33 (L ) a34 (L )⎥ ⎢ inf t −i ⎥ ⎢ε 3t ⎥ ⎥⎢ ⎥ ⎢ ⎥ a42 (L ) a43 (L ) a 44 (L )⎦ ⎣ rst −i ⎦ ⎣ε 4t ⎦
(16)
⎡lm2islrt ⎤ ⎡ a11 (L ) ⎢ lpdbr ⎥ ⎢a (L ) t ⎥ ⎢ = ⎢ 21 ⎢ inf t ⎥ ⎢a31 (L ) ⎢ ⎥ ⎢ ⎣ rst ⎦ ⎣a 41 (L )
a12 (L ) a 22 (L ) a32 (L ) a 42 (L )
(17 )
a13 (L ) a 23 (L ) a33 (L ) a 43 (L )
a14 (L )⎤ ⎡lm2islrt −i ⎤ ⎡ε 1t ⎤ a 24 (L )⎥⎥ ⎢⎢ lpdbrt −i ⎥⎥ ⎢⎢ε 2t ⎥⎥ + a34 (L )⎥ ⎢ inf t −i ⎥ ⎢ε 3t ⎥ ⎥⎢ ⎥ ⎢ ⎥ a 44 (L )⎦ ⎣ rst −i ⎦ ⎣ε 4t ⎦
Untuk melihat seberapa pentingnya variabel VAR tersebut dapat diukur dari jumlah koefisien estimasi, yang dilihat dari FEVD dan IRF. Misalnya FEVD dari permintaan M1 konvensional yang mengukur respon M1 terhadap guncangan dari variabel VAR dalam model. Jika sebagian besar variasi dari M1 dapat dijelaskan oleh nilai permintaan M1 itu sendiri, maka dapat disimpulkan bahwa lag dari variabel lain tidak dominan dalam menjelaskan variasi dari permintaan M1.
IV. HASIL DAN PEMBAHASAN
Sebelum
memasuki
tahapan
analisis
model
VAR/VECM,
maka
sebelumnya dilakukan pengujian-pengujian pra-estimasi. Pengujian-pengujian tersebut meliputi uji akar unit (unit root test), pengujian stabilitas VAR, dan pengujian lag optimal. Pengujian-pengujian ini penting karena dalam model multivariate time series kebanyakan data yang digunakan mengandung akar unit sehingga akan membuat hasil estimasi menjadi palsu dan tidak valid (Gujarati, 2003).
4.1
Uji Stasioneritas Data Metode pengujian yang digunakan untuk melakukan uji stasioneritas data
dalam penelitian ini
adalah uji ADF (Augmented Dickey Fuller) dengan
menggunakan taraf nyata lima persen. Jika nilai t-ADF lebih kecil dari nilai kritis MacKinnon, maka dapat disimpulkan bahwa data yang digunakan adalah stasioner (tidak mengandung akar unit). Pengujian akar-akar unit ini dilakukan pada tingkat level sampai dengan first difference. Hasil uji stasioneritas data dapat dilihat pada Tabel 4.1. Tabel 4.1 di bawah ini menunjukkan bahwa variabel-variabel yang digunakan dalam penelitian tidak seluruhnya stasioner pada tingkat level. Ketidakstasioneran data dapat dilihat dari nilai t-ADF yang lebih besar dari nilai kritis MacKinnon pada taraf nyata lima persen. Oleh karena itu, pengujian akarakar unit ini perlu dilanjutkan pada tingkat first difference.
47
Tabel 4.1. Hasil Pengujian Akar Unit Variabel LM1R LM2R LM1ISLR LM2ISLR LPDBR EXPINF IDEP RS
Nilai ADF level 1st Difference -3.150728 -4.186927 -2.106581 -4.808571 -3.184189 -4.871297 -2.867085 -4.588587 -2.849481 -5.828555 -3.876472 -5.596616 -2.041460 -2.367211 -1.936030 -4.964099
Nilai Kritis MacKinnon 5 % Level 1st Difference -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823
Sumber : Lampiran 1 Catatan : Cetak tebal menunjukkan bahwa data tersebut stasioner pada taraf 5 %
Setelah dilakukan first difference, barulah semua data stasioner pada taraf nyata lima persen. Artinya data yang digunakan pada penelitian ini terintegrasi pada ordo satu atau dapat disingkat menjadi I(1). Menurut Sims dalam Nugraha (2006), penggunaan data perbedaan pertama tidak direkomendasikan karena akan menghilangkan informasi jangka panjang. Oleh karena itu, untuk menganalisis informasi jangka panjang akan digunakan data level sehingga model VAR akan dikombinasikan dengan model koreksi kesalahan menjadi VECM.
4.2
Penentuan Lag Optimal Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag
dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen (Enders dalam De Jong, 2005). Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Sehingga dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah autokorelasi. Penentuan lag optimal yang digunakan dalam penelitian ini
48
berdasarkan lag terpendek dengan menggunakan Schwarz Information Criterion (SC). Hasil pengujian penentuan lag optimal ini dapat dilihat pada Tabel 4.2. Tabel 4.2. Pengujian Lag Optimal VAR Lag 0 1 2 3 4 5
LM1R -5.655168 -7.595590 -8.456005 -8.515877* -7.950825 -7.823485
LM2R -6.693080 -8.748189 -9.890451 -10.07351* -9.609169 -9.569978
LM1ISLR -1.629395 -2.429522 -3.413715* -3.169537 -2.577178 -2.478067
LM2ISLR -1.735444 -2.507683 -3.510520* -3.261383 -2.681131 -2.586532
Sumber : Lampiran 2 Catatan : Tanda asterik (*) menunjukkan SC terkecil
Dengan demikian persamaan umum VAR dapat ditulis sebagai berikut : M1 Konvensional 3
3
3
3
i =1
i =1
i =1
i =1
3
3
3
3
i =1
i =1
i =1
i =1
Zt = ∑ Ψilm1rt −i + ∑ Φilpdbt −i + ∑ Πi expinft −i + ∑ Γiidept −i + ε it
(18)
M2 Konvensional
Z t = ∑ Ψi lm2rt −i + ∑ Φ i lpdbt −i + ∑ Π i exp inf t −i + ∑ Γi idept −1 + ε it
(19)
M1 Islam 2
2
2
2
i =1
i =1
i =1
i =1
2
2
2
2
i =1
i =1
i =1
i =1
X t = ∑ψ i lm1islrt −i + ∑ Φ i lpdbt −i + ∑ Π i exp inf t −i + ∑ Γi rst −i + ε it
(20)
M2 Islam
X t = ∑ψ i lm 2islrt −i + ∑ Φ i lpdbt −i + ∑ Π i exp inf t −i + ∑ Γi rst −i + ε it
(21)
dimana : Zt
= Variabel analisis untuk konvensional yang terdiri dari keseimbangan
49
uang riil M1R dan M2R, pendapatan riil (PDBR), expected inflation (EXPINF), dan suku bunga (IDEP) Xt
= Variabel analisis untuk Islam yang terdiri dari keseimbangan uang riil Islam M1ISLR dan M2ISLR, pendapatan riil (PDBR), expected inflation (EXPINF), dan rate of return syariah (RS)
ψ , Π, Γ, Φ= parameter dalam bentuk matriks polinomial (finite order matrix) dengan lag operator i
ε it
= vector white noise
i
= panjang lag (ordo) VAR
4.3
Pengujian Stabilitas VAR
Stabilitas VAR perlu diuji dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan tidak stabil, maka IRF (Impulse Response Function ) dan FEVD (Forecasting Error Variance Decomposition) menjadi tidak valid (Nugraha, 2006). Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of characteristic polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots-nya memiliki
modulus lebih kecil dari 1 (Lutkepohl dalam Eviews 4 User’s Guide, 2002). Berdasarkan uji stabilitas VAR maka dapat disimpulkan bahwa estimasi VAR yang akan digunakan untuk analisis IRF dan FEVD stabil. Ringkasan pengujian stabilitas VAR dapat dilihat pada Tabel 4.3. Dari tabel tersebut dapat disimpulkan bahwa model VAR yang dibentuk sudah stabil pada lag optimalnya.
50
Tabel 4.3. Uji Stabilitas Model VAR Model
Kisaran Modulus 0.080699-0.897403 0.339967-0.908146 0.252866-0.859786 0.296331-0.859966
LM1R LM2R LM1ISLR LM2ISLR Sumber : Lampiran 3
4.4
Pengujian Kointegrasi
Konsep kointegrasi ini dikemukakan oleh Engle dan Granger pada tahun 1987 sebagai fenomena kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menjadi stasioner. Kombinasi linear ini dikenal dengan istilah persamaan
kointegrasi
dan
dapat
diinterpretasikan
sebagai
hubungan
keseimbangan jangka panjang diantara variabel (Verbeek dalam Nugraha, 2006). metode pengujian kointegrasi didasarkan pada metode Johansen. Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antar variabel yang telah memenuhi persyaratan selama proses integrasi yaitu dimana semua variabel telah stasioner pada derajat yang sama yaitu derajat 1 I(1). Informasi jangka panjang diperoleh dengan menentukan terlebih dahulu rank kointegrasi untuk mengetahui berapa sistem persamaan yang dapat menerangkan dari keseluruhan sistem yang ada. Kriteria pengujian kointegrasi pada penelitian ini didasarkan pada trace-statistics. Apabila nilai trace-statistics lebih besar daripada nilai kritis lima persen maka hipotesis alternatif yang menyatakan jumlah rank kointegrasi dapat diterima. Hasil pengujian kointegrasi dapat dilihat pada
Tabel 4.4.
51
Tabel 4.4. Hasil Pengujian Kointegrasi Model H0 H1 LM1R LM2R LM1ISLR LM2ISLR 5 % critical value
r=0 r>=1 57.09578 62.84106 60.21652 59.37895 39.89
Trace Statistics r<=1 r<=2 r>=2 r>=3 19.79565 10.45848 22.77961 10.50753 22.40516 7.276304 21.27718 6.276524 24.31 12.53
r<=3 r>=4 3.834314 2.468704 1.742614 1.827060 3.84
Sumber : Lampiran 5 Catatan : Cetak tebal menunjukkan bahwa trace statistics > 5 % critical value dan terjadi kointegrasi
Tabel 4.4 tersebut menunjukkan bahwa untuk masing-masing persamaan terdapat minimal satu rank kointegrasi pada taraf nyata lima persen. Informasi jumlah rank ini akan digunakan sebagai model koreksi kesalahan (ECM) yang akan dimasukkan ke dalam model VAR menjadi VECM.
4.5
Hasil Estimasi VECM Permintaan M1 Konvensional
Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan jangka pendek. Hasil estimasi VECM baik untuk jangka panjang maupun jangka pendek dapat dilihat pada Tabel 4.5. Pada jangka panjang menunjukkan bahwa output (PDB) berpengaruh positif secara signifikan terhadap permintaan keseimbangan M1 riil konvensional sebesar 0.957497. Artinya ketika PDB meningkat sebesar satu persen maka permintaan keseimbangan M1 riil meningkat juga sebesar 0.957497 persen. Hal ini sesuai dengan hipotesis bahwa ketika output meningkat, maka semakin banyak transaksi yang harus dibiayai, sehingga permintaan akan uang meningkat.
52
Variabel inflasi yang diharapkan juga secara signifikan mempengaruhi permintaan uang M1 secara negatif. Koefisien sebesar -0.360059 dapat diartikan ketika inflasi yang diharapkan meningkat sebesar satu persen maka permintaan M1 akan turun sebesar 0.360059 persen. Hasil ini sejalan dengan teori bahwa tingkat inflasi yang diharapkan merupakan tingkat pengembalian riil yang diharapkan dalam memegang uang. Jadi ketika tingkat inflasi yang diharapkan meningkat, maka orang akan meminimalkan resiko inflasi tersebut dengan menurunkan jumlah uang yang dipegangnya di masa sekarang (Mankiw, 2003). Tabel 4.5. Hasil Estimasi VECM Permintaan M1
VARIABEL CointEq1 D(LM1R(-1)) D(LM1R(-2)) D(LM1R(-3)) D(LPDBR(-1)) D(LPDBR(-2)) D(LPDBR(-3)) D(IDEP(-1)) D(IDEP(-2)) D(IDEP(-3)) D(EXPINF(-1)) D(EXPINF(-2)) D(EXPINF(-3))
LPDBR(-1) IDEP(-1) EXPINF(-1)
JANGKA PENDEK KOEFISIEN -0.004782 -0.226543 -0.124576 -0.098427 0.148982 0.230850 0.820409 -0.016460 -0.040887 0.043755 -0.000194 -0.000696 -0.002046 JANGKA PANJANG 0.957497 -0.005443 -0.360059
T-STATISTICS -0.18227 -1.65451 -0.81925 -0.74329 0.19384 0.18344 0.92703 -0.71095 -1.38395 2.13883* -0.02517 -0.12658 -0.57493
137.698* -0.85300 -6.51895*
Sumber : Lampiran 6 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Variabel suku bunga dalam penelitian ini berpengaruh negatif terhadap permintaan M1, tetapi tidak signifikan. Hal ini tentu saja sesuai dengan teori bahwa suku bunga memang berpengaruh negatif terhadap permintaan uang. Hal
53
ini bisa terjadi mengingat suku bunga merupakan biaya imbangan dalam memegang uang. Ketika suku bunga naik, maka orang akan lebih senang menempatkan uangnya pada aset yang berbunga, seperti deposito dan surat-surat berharga. Secara empiris ini juga menunjukkan bahwa suku bunga tidak memperlihatkan adanya hubungan yang signifikan dalam mempengaruhi permintaan uang M1. Seperti terlihat pada Tabel 4.5, hasil estimasi VECM
untuk fungsi
permintaan M1 konvensional jangka pendek terdapat nilai koreksi kesalahan dari jangka pendek ke jangka panjang tetapi secara statistik tidak signifikan. Pada analisis jangka pendek, variabel suku bunga pada lag ketiga signifikan mempengaruhi permintaan M1 dengan koefisien sebesar
0.043755. Artinya
ketika suku bunga naik satu persen, maka permintaan M1 naik 0.043755 persen. Sedangkan untuk variabel tingkat inflasi yang diharapkan, suku bunga, dan permintaan M1 periode sebelumnya tidak signifikan mempengaruhi permintaan M1 untuk semua lag pada jangka pendek.
4.5.1
Simulasi Analisis Impuls Respon
Gambar 4.1 di bawah ini, merupakan hasil impuls respon permintaan M1 akibat guncangan PDB, tingkat inflasi yang diharapkan, dan suku bunga pada jangka panjang. Pada saat terjadi guncangan variabel PDB, permintaan M1 konvensional merespon positif dengan terjadinya kenaikan mulai dari periode kedua sampai akhir periode peramalan. Pada periode ketujuh, respon permintaan M1 terhadap guncangan PDB sebesar 2.1 persen. Mulai dari periode ke-25 sampai
54
periode ke-48, respon permintaan M1 terhadap guncangan PDB adalah sekitar 1.6 persen. Berarti permintaan M1 dapat dikatakan stabil dalam merespon guncangan PDB setelah periode ke-25. Response to Cholesky One S.D. Innovations Response of LM1R to LM1R
Response of LM1R to LPDBR
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02 5
10
15
20
25
30
35
40
45
5
Response of LM1R to IDEP
10
15
20
25
30
35
40
45
Response of LM1R to EXPINF
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02 5
10
15
20
25
30
35
40
45
-.02 5
10
15
20
25
30
35
40
45
Gambar 4.1 Respon Permintaan M1 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang Guncangan variabel inflasi yang diharapkan sebesar satu standar deviasi menyebabkan permintaan M1 konvensional turun sebesar 0.69 persen pada periode ketujuh. Pada periode ini, permintaan M1 merespon negatif guncangan inflasi yang diharapkan dengan respon yang paling besar. Respon negatif ini terus berlangsung sampai akhir periode peramalan. Respon permintaan M1 akibat guncangan inflasi yang diharapkan berfluktuasi pada kisaran nilai 0.17 sampai dengan 0.69 persen dari periode kedua sampai dengan periode ke-48. Mulai
55
periode ke-38, terlihat adanya kestabilan respon permintaan M1 terhadap guncangan inflasi yang diharapkan sekitar 0.4 persen. Secara umum respon permintaan M1 terhadap guncangan inflasi yang diharapkan selama periode peramalan adalah negatif. Secara umum guncangan variabel suku bunga mulai dari periode kedua hingga periode ke-48 menyebabkan permintaan M1 turun. Pada periode kedelapan, guncangan suku bunga sebesar satu standar deviasi menyebabkan permintaan M1 turun 1.87 persen. Periode tersebut merupakan periode dimana permintaan M1 merespon guncangan suku bunga dengan nilai terbesar. Respon permintaan M1 terhadap guncangan variabel suku bunga sudah terlihat stabil pada periode ke-31 peramalan. Mulai periode ini, respon permintaan M1 terhadap guncangan suku bunga sebesar satu standar deviasi sekitar 1.27 persen. Dari gambar dan penjelasan diatas, maka dapat disimpulkan bahwa permintaan M1 ini mulai stabil dalam merespon guncangan variabel lain setelah periode ke-25.
4.5.2
Forecasting Error Variance Decomposition (FEVD)
Struktur dinamis antar variabel dalam VAR dapat dilihat melalui analisis Forecasting Error Variance Decomposition (FEVD), dimana pola dari FEVD ini
mengindikasikan sifat dari kausalitas multivariat di antara variabel-variabel dalam model VAR. Pengurutan variabel dalam analisi FEVD ini didasarkan pada faktorisasi Cholesky. Hasil analisis FEVD terhadap permintaan uang M1 konvensional dapat dilihat pada Gambar 4.2. berikut.
56
Variance Decomposition M1 120 100 EXPINF
%
80
IDEP
60
LPDBR
40
LM1R
20 0 1
12
24
36
48
Periode
Gambar 4.2. Variance Decomposition Permintaan M1 Konvensional Pada periode pertama, fluktuasi variabel permintaan M1 dipengaruhi oleh guncangan M1 itu sendiri sebesar 100 persen, sedangkan pengaruh variabel lain belum terlihat. Pada interval peramalan periode-periode selanjutnya, pengaruh guncangan permintaan M1 itu sendiri makin menurun mempengaruhi fluktuasi permintaan M1 tetapi masih dominan. Pada periode ke-12 fluktuasi M1 dapat dijelaskan oleh variabel suku bunga dengan kontribusi 22.81 persen. Pada periode ke-24, fluktuasi permintaan M1 dipengaruhi oleh guncangan permintaan M1 itu sendiri sebesar 50.62 persen, PDB sebesar 25.40 persen, suku bunga sebesar 21.78 persen, dan guncangan inflasi yang diharapkan sebesar 2.18 persen. Sampai periode ke-48, fluktuasi permintaan M1 masih dominan dipengaruhi oleh guncangan permintaan M1 itu sendiri. Variabel PDB memberikan kontribusi terbesar kedua dalam menjelaskan variabilitas permintaan M1 pada periode ke-24, ke-36, dan ke-48. Sementara guncangan variabel inflasi yang diharapkan tidak dominan mempengaruhi fluktuasi permintaan M1 untuk setiap periode peramalan. Hal ini mengindikasikan bahwa pada jangka panjang
57
PDB berpengaruh terhadap permintaan uang M1, sedangkan inflasi yang diharapkan kurang berpengaruh.
4.6
Hasil Estimasi VECM Permintaan M2 Konvensional
Berdasarkan Tabel 4.6 yang merupakan hasil estimasi VECM jangka panjang dan jangka pendek, dapat dilihat bahwa variabel PDB, suku bunga, dan inflasi secara signifikan mempengaruhi permintaan M2 pada jangka panjang. PDB mempengaruhi permintaan M2 secara positif dengan koefisien sebesar 1.055990. Artinya ketika terjadi peningkatan PDB sebesar satu persen, maka permintaan M2 meningkat sebesar 1.055990 persen. Variabel inflasi yang diharapkan berpengaruh negatif terhadap permintaan M2 dengan koefisien sebesar -0.432484. Artinya ketika inflasi yang diharapkan meningkat sebesar satu persen, maka permintaan M2 turun sebesar 0.432484 persen. Hal ini sejalan dengan teori dimana inflasi yang diharapkan merupakan tingkat pengembalian riil yang diharapkan orang dalam memegang uang. Ketika inflasi yang diharapkan meningkat, maka orang akan cenderung menghindari resiko inflasi tersebut dengan menurunkan jumlah uang yang dipegangnya di masa sekarang. Sedangkan variabel suku bunga menunjukkan tanda positif dalam mempengaruhi permintaan M2. Hal ini tentu saja tidak sejalan dengan teori, dimana suku bunga seharusnya berpengaruh negatif terhadap permintaan uang. Tetapi dapat dijelaskan, mengingat dalam M2 sendiri terdapat unsur deposito. Jadi ketika suku bunga naik, maka orang akan lebih memilih untuk menempatkan uangnya pada aset yang berbunga seperti deposito dan obligasi. Karena variabel
58
suku bunga yang digunakan disini adalah suku bunga deposito, maka saat suku bunga meningkat, maka jumlah deposito akan naik, dan permintaan M2 akan meningkat juga. Tabel 4.6. Hasil Estimasi VECM Permintaan M2
VARIABEL CointEq1 D(LM2R(-1)) D(LM2R(-2)) D(LM2R(-3)) D(LPDBR(-1)) D(LPDBR(-2)) D(LPDBR(-3)) D(IDEP(-1)) D(IDEP(-1)) D(IDEP(-1)) D(EXPINF(-1)) D(EXPINF(-2)) D(EXPINF(-3))
LPDBR(-1) IDEP(-1) EXPINF(-1)
JANGKA PENDEK KOEFISIEN -0.016676 -0.062076 -0.097405 -0.458014 0.173739 -0.133496 0.198534 -0.000128 0.007871 -0.007317 0.008823 0.001523 0.000190 JANGKA PANJANG 1.055990 0.015002 -0.432484
T-STATISTICS -1.24459 -0.48035 -0.54007 -2.72159* 0.37720 -0.18066 0.40511 -0.00904 0.42679 -0.57291 1.87867 0.48093 0.08877
125.407* 2.00788* -6.25449*
Sumber : Lampiran 7 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Pada jangka pendek, ternyata hanya ada satu variabel yang signifikan yaitu permintaan M2 pada lag ketiga. Dimana permintaan M2 pada lag ketiga tersebut berpengaruh negatif terhadap permintaan M2. Sedangkan koefisien koreksi kesalahan mempunyai tanda negatif, tetapi secara statistik tidak signifikan. Variabel-variabel lainnya antara lain PDB, suku bunga, dan inflasi yang diharapkan, dalam jangka pendek ternyata secara statistik tidak signifikan mempengaruhi permintaan M2.
59
Simulasi Analisis Impuls Respon
4.6.1
Guncangan PDB menyebabkan permintaan M2 konvensional naik untuk semua periode peramalan. Pada periode ketujuh, respon permintaan M2 mengalami kenaikan tertinggi dengan nilai 0.67 persen. Respon permintaan M2 berfluktuasi sekitar 0.03 sampai 0.67 persen selama periode peramalan terhadap guncangan PDB sebesar satu standar deviasi. Pada periode ke-25 peramalan, mulai terlihat adanya kestabilan respon permintaan M2 terhadap pengaruh guncangan variabel PDB dengan nilai sekitar 0.5 persen. Gambar 4.3 berikut merupakan
respon permintaan M2 akibat guncangan PDB, inflasi yang
diharapkan, dan suku bunga pada jangka panjang. Response to Cholesky One S.D. Innovations Response of LM2R to LPDBR
Response of LM2R to LM2R .020
.020
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004 -.008
-.008 5
10
15
20
25
30
35
40
5
45
Response of LM2R to IDEP
10
15
20
25
30
35
40
45
Response of LM2R to EXPINF
.020
.020
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004
-.008 5
10
15
20
25
30
35
40
45
-.008 5
10
15
20
25
30
35
40
45
Gambar 4.3. Respon Permintaan M2 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang
60
Sedangkan guncangan inflasi yang diharapkan sebesar satu standar deviasi menyebabkan permintaan M2 turun untuk semua periode, kecuali pada periode kedua. Pada periode ini, guncangan inflasi yang diharapkan sebesar satu standar deviasi direspon positif oleh permintaan M2 sebesar 0.1 persen. Mulai dari periode ketiga, guncangan inflasi yang diharapkan ini direspon negatif oleh permintaan M2 sebesar 0.38 persen. Mulai dari periode ke-27, guncangan inflasi yang diharapkan sebesar satu standar deviasi direspon negatif oleh permintaan M2 dengan nilai yang stabil yakni sekitar 0.27 persen. Guncangan variabel suku bunga direspon negatif oleh permintaan M2 untuk semua horizon waktu peramalan, kecuali periode kedua, ketiga, dan keempat. Dimana guncangan suku bunga pada tiga periode ini direspon positif oleh permintaan M2. Respon terbesar dari permintaan M2 terhadap guncangan suku bunga terjadi pada periode kesembilan yaitu sebesar 0.4301 persen. Pengaruh guncangan variabel suku bunga ini pun mulai terlihat stabil sekitar periode ke-20. Dari semua penjelasan diatas, dapat disimpulkan bahwa permintaan M2 cenderung lebih stabil bila dibandingkan dengan permintaan M1 karena respon permintaan M2 terhadap guncangan variabel lain mulai stabil dalam periode waktu yang lebih cepat.
4.6.2
Forecasting Error Variance Decomposition (FEVD)
Hasil analisis FEVD terhadap permintaan uang konvensional (M2) dapat dilihat pada Gambar 4.4. Pada periode pertama, fluktuasi variabel permintaan M2 dipengaruhi oleh guncangan pada M2 itu sendiri sebesar 100 persen, sedangkan
61
pengaruh guncangan variabel lain belum nampak. Dari mulai periode ke-12 hingga periode ke-48, fluktuasi M2 masih dominan dipengaruhi oleh guncangan variabel M2 itu sendiri. Variance Decomposition M2 120 100 EXPINF
%
80
IDEP
60
LPDBR
40
LM2R
20 0 1
12
24
36
48
Periode
Gambar 4.4. Variance Decomposition Permintaan M2 Konvensional Guncangan yang mempengaruhi fluktuasi variabel M2 setelah M2 itu sendiri adalah guncangan variabel PDB untuk periode ke-12 sampai periode ke48. Pada periode ke-24, variabel permintaan keseimbangan uang riil M2 memberikan kontribusi terhadap variabilitas permintaan M2 itu sendiri sebesar 80.23 persen. Sedangkan PDB memberikan kontribusi sebesar 11.42 persen dalam menjelaskan fluktuasi permintaan M2. Variabel suku bunga dan inflasi yang diharapkan sendiri relatif memberikan kontribusi yang kecil dalam menjelaskan fluktuasi permintaan M2. Kontribusi variabel permintaan M2 sendiri dalam menjelaskan fluktuasi nilai M2 sangat dominan di setiap periode peramalan. Kontribusi rata-rata dari periode ke-12 sampai periode ke-48 adalah sebesar 80 persen.
62
4.7
Hasil Estimasi VECM Permintaan M1 Islam
Berdasarkan Tabel 4.7. dibawah ini, pada jangka panjang variabel PDB, inflasi yang diharapkan, dan return syariah berpengaruh signifikan pada taraf lima persen terhadap permintaan M1 Islam. Variabel PDB sendiri berpengaruh positif terhadap permintaan M1 Islam dengan koefisien sebesar 0.907528. Artinya ketika PDB meningkat sebesar satu persen, maka permintaan M1 Islam juga meningkat sebesar 0.907528 persen. Tabel 4.7. Hasil Estimasi VECM Permintaan M1 Islam
VARIABEL CointEq1 D(LM1ISLR(-1)) D(LM1ISLR(-2)) D(LPDBR(-1)) D(LPDBR(-2)) D(RS(-1)) D(RS(-2)) D(EXPINF(-1)) D(EXPINF(-2))
LPDBR(-1) RS(-1) EXPINF(-1)
JANGKA PENDEK KOEFISIEN -0.169597 -0.591018 -0.260233 -3.441561 3.474387 0.006353 0.000638 0.021619 0.010525 JANGKA PANJANG 0.907528 -0.044415 -0.187134
T-STATISTICS -3.20715* -4.63346* -2.03980* -4.20515* 4.11606* 1.25117 0.14235 2.89567* 2.06293*
108.678* -4.34262* -6.53012*
Sumber : Lampiran 8 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Variabel inflasi yang diharapkan dan return syariah juga sama-sama berpengaruh negatif terhadap permintaan M1 Islam. Dengan koefisien masingmasing berturut-turut sebesar -0.187134 dan -0.044415. Hal ini juga menunjukkan bahwa dalam permintaan M1 dalam Islam, orang juga masih mempertimbangkan biaya imbangan dalam memegang uang. Artinya ketika inflasi yang diharapkan dan atau return syariah meningkat, maka permintaan M1 Islam akan menurun.
63
Pada analisis jangka pendek, terdapat koreksi kesalahan sebesar 0.169597 yang secara statistik signifikan. Artinya setiap bulan kesalahan dikoreksi sebesar 0.169597 persen untuk menuju ke keseimbangan jangka panjang. Selain itu pada jangka pendek juga terdapat beberapa variabel yang secara statistik signifikan mempengaruhi permintaan M1 Islam. Variabel-variabel tersebut antara lain permintaan M1 Islam pada lag pertama dan kedua, PDB pada lag pertama dan kedua, dan inflasi yang diharapkan pada lag pertama dan kedua.
Pada jangka pendek, permintaan M1 Islam pada lag pertama dan kedua berpengaruh negatif terhadap permintaan M1 Islam dengan koefisien berturutturut sebesar sebesar -0.169597 dan -0.260233. Sedangkan PDB pada lag kedua berpengaruh positif terhadap permintaan uang dengan koefisien sebesar 3.474387. Sedangkan inflasi yang diharapkan pada lag pertama dan kedua berpengaruh positif terhadap permintaan M1 Islam dengan koefisien masing-masing sebesar 0.021619 dan 0.010525. Variabel return syariah pada jangka pendek ternyata tidak signifikan mempengaruhi permintaan M1 Islam. Berarti dalam jangka pendek, return syariah tidak mempengaruhi preferensi orang dalam memegang uang. Hal ini memang bisa terjadi mengingat orang tidak bisa melihat apakah tingkat pengembalian yang diterima naik atau turun. Karena nilai nominal yang bisa dilihat hanyalah nisbah bagi hasilnya bukan return-nya. Return syariah sendiri tidak tentu karena menyesuaikan dengan kondisi di sektor riil. 4.7.1
Simulasi Analisis Impuls Respon
Pada bulan pertama, guncangan PDB, inflasi dan tingkat pengembalian pada bank syariah tidak mempengaruhi permintaan uang. Guncangan PDB
64
sebesar satu standar deviasi pada periode kedua dan ketiga direspon negatif oleh permintaan M1 Islam. Tetapi secara umum dapat dilihat mulai dari periode keempat sampai periode ke-48, guncangan PDB sebesar satu standar deviasi menyebabkan permintaan M1 Islam naik. Pada periode ke-20, respon permintaan M1 Islam terhadap guncangan PDB mulai terlihat stabil sekitar 1.4 persen. Response to Cholesky One S.D. Innovations Response of LM1ISLR to LM1ISLR
Response of LM1ISLR to RS
.05
.05
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02
-.03
-.03 5
10
15
20
25
30
35
40
45
5
10
15
20
25
30
35
40
45
Response of LM1ISLR to EXPINF
Response of LM1ISLR to LPDBR .05
.05
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02 -.03
-.03 5
10
15
20
25
30
35
40
45
5
10
15
20
25
30
35
40
45
Gambar 4.5. Respon Permintaan M1 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang Untuk variabel inflasi yang diharapkan, mulai dari periode 2 sampai dengan periode 48, guncangan inflasi yang diharapkan menyebabkan permintaan uang M1 Islam menurun. Pada periode kesembilan, permintaan M1 mengalami penurunan tertajam yaitu sebesar 2.3696 persen akibat guncangan inflasi yang diharapkan sebesar satu standar deviasi. Baru pada periode ke-19 permintaan M1
65
Islam mulai terlihat stabil dalam merespon guncangan inflasi yang diharapkan sebesar 1.9 persen. Begitupun dengan variabel return syariah, dimana guncangan pada return akan direspon negatif oleh permintaan uang Islam dari periode kedua sampai akhir periode inovasi. Pada periode kesembilan, guncangan return syariah sebesar satu standar deviasi menyebabkan penurunan permintaan M1 Islam paling besar yaitu bernilai 1.29 persen. Mulai periode ke-15 terlihat bahwa permintaan M1 Islam mulai stabil dalam merespon guncangan return syariah dengan nilai berkisar antara 0.9 sampai 1 persen. Dari keseluruhan penjelasan diatas, dapat dikatakan bahwa permintaan M1 Islam stabil.
4.7.1
Forecasting Error Variance Decomposition (FEVD)
Hasil FEVD untuk permintaan M1 Islam diringkas pada Gambar 4.6. Fluktuasi variabel permintaan M1 Islam pada periode 1 bulan ke depan 100 persen dipengaruhi oleh guncangan variabel M1 Islam itu sendiri, pengaruh guncangan dari variabel lainnya belum terlihat. Untuk setiap periode peramalan, guncangan pada permintaan M1 Islam sendiri yang masih dominan memberikan kontribusi terbesar dalam menjelaskan variabilitas permintaan M1 Islam. Untuk periode 12 bulan ke depan, fluktuasi permintaan M1 Islam dipengaruhi oleh guncangan inflasi yang diharapkan sebesar 20.09 persen, sedangkan guncangan permintaan M1 Islam sendiri mempengaruhi fluktuasi permintaan M1 Islam sebesar 59.67 persen. Dari mulai periode ke-24 hingga periode ke-48, guncangan inflasi yang diharapkan merupakan variabel dominan kedua yang mempengaruhi
66
fluktuasi permintaan M1 Islam. Variabel PDB dan tingkat return syariah tidak dominan dalam menjelaskan fluktuasi permintaan M1 Islam. Pengaruh inflasi yang diharapkan dalam menjelaskan variabilitas permintaan M1 Islam cukup besar. Hal ini sebenarnya tidak diharapkan dalam konsep ekonomi Islam. Tetapi bisa dijelaskan mengingat dalam M1 masih terdapat unsur uang kartal. Karakteristik uang kartal sebagai uang fiat konvensional berarti masih sangat dominan dalam mempengaruhi unsur M1 Islam. Variance Decomposition M1-ISLAM 120 100 EXPINF
%
80
RS
60
LPDBR
40
LM1ISLR
20 0 1
12
24
36
48
Periode
Gambar 4.6. Variance Decomposition Permintaan M1 Islam
4.8
Hasil Estimasi VECM Permintaan M2 Islam
Pada Tabel 4.8. terlihat bahwa variabel PDB, inflasi yang diharapkan, dan return syariah berpengaruh secara signifikan terhadap permintaan M2 Islam.
Variabel PDB berpengaruh positif terhadap permintaan M2 Islam dengan koefisien sebesar 0.929250. Artinya peningkatan PDB sebesar satu persen
67
menyebabkan naiknya permintaan M2 Islam sebesar 0.929250 persen. Selain dari itu, variabel inflasi yang diharapkan dan return syariah juga berpengaruh negatif terhadap permintaan M2 Islam. Ketika terjadi peningkatan inflasi yang diharapkan dan atau return syariah, maka akan mengakibatkan turunnya permintaan M2 Islam. Koefisien masing-masing variabel tersebut berturut-turut adalah -0.219045 dan -0.064118. Tabel 4.8. Hasil Estimasi VECM Permintaan M2 Islam
VARIABEL CointEq1 D(LM2ISLR(-1)) D(LM2ISLR(-2)) D(LPDBR(-1)) D(LPDBR(-2)) D(RS(-1)) D(RS(-2)) D(EXPINF(-1)) D(EXPINF(-2))
LPDBR(-1) RS(-1) EXPINF(-1)
JANGKA PENDEK KOEFISIEN -0.129318 -0.581670 -0.243357 -3.199146 3.436573 0.006203 0.000384 0.019626 0.009812 JANGKA PANJANG 0.929250 -0.064118 -0.219045
T-STATISTICS -2.90117* -4.44598* -1.89996 -4.04682* 4.22750* 1.20579 0.08673 2.71326* 1.98651*
96.3746* -5.45737* -6.65892*
Sumber : Lampiran 9 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Berdasarkan tabel diatas pada jangka pendek dapat dilihat adanya koreksi kesalahan sebesar 0.129318 yang signifikan secara statistik dimana setiap bulannya kesalahan dikoreksi sebesar 0.129318 persen untuk menuju ke keseimbangan jangka panjangnya. Variabel lainnya yang signifikan antara lain variabel permintaan M2 Islam pada lag pertama, PDB pada lag pertama dan kedua, serta inflasi yang diharapkan pada lag pertama dan kedua.
68
Permintaan M2 Islam pada lag pertama berpengaruh negatif terhadap permintaan M2 Islam dengan koefisien sebesar -0.581670. Kemudian PDB pada lag pertama berpengaruh negatif terhadap permintaan M2 Islam sedangkan PDB
pada lag kedua berpengaruh positif terhadap permintaan M2 Islam. Variabel inflasi yang diharapkan pada lag pertama dan kedua berpengaruh positif terhadap permintaan M2 Islam. Sedangkan variabel return syariah secara statistik tidak signifikan dalam mempengruhi permintaan M2 Islam dalam jangka pendek.
4.8.1
Simulasi Analisis Impuls Respon
Pada bulan pertama, guncangan PDB, inflasi yang diharapkan, dan tingkat pengembalian pada bank syariah tidak mempengaruhi permintaan uang. Guncangan PDB sebesar satu standar deviasi pada periode kedua dan ketiga direspon negatif oleh permintaan M2 Islam. Tetapi secara umum dapat dilihat mulai dari periode keempat sampai periode ke-48, guncangan PDB sebesar satu standar deviasi menyebabkan permintaan M2 Islam naik. Periode maksimum terjadi pada periode ketujuh dimana guncangan PDB sebesar satu standar deviasi menyebabkan permintaan M2 Islam naik 2.26 persen. Pada periode ke-21, respon permintaan M2 Islam terhadap guncangan PDB mulai terlihat stabil. Gambar berikut ini merupakan respon permintaan M2 Islam selama 48 horizon waktu ke depan. Guncangan pada inflasi yang diharapkan sebesar satu standar deviasi menyebabkan permintaan M2 Islam turun untuk semua periode peramalan. Respon permintaan M2 Islam terhadap guncangan inflasi yang diharapkan
69
mengalami penurunan terbesar pada periode kesembilan dengan nilai 2.0766 persen. Mulai dari periode ke-19, respon permintaan M2 Islam terhadap guncangan inflasi yang diharapkan mulai terlihat stabil sekitar 1.7 persen. Response to Cholesky One S.D. Innovations Response of LM2ISLR to LM2ISLR
Response of LM2ISLR to LPDBR
.05
.05
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02
-.03
-.03 5
10
15
20
25
30
35
40
45
5
Response of LM2ISLR to RS
10
15
20
25
30
35
40
45
Response of LM2ISLR to EXPINF
.05
.05
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
-.02
-.02
-.03 5
10
15
20
25
30
35
40
45
-.03 5
10
15
20
25
30
35
40
45
Gambar 4.7. Respon Permintaan M2 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang Mulai dari periode kedua sampai akhir periode peramalan, guncangan variabel return syariah sebesar satu standar deviasi menyebabkan penurunan permintaan M2 Islam. Dari periode kedua hingga periode ke-18, respon permintaan M2 Islam terhadap guncangan return syariah berfluktuasi dengan kisaran nilai 0.4 sampai 1.1 persen. Pada periode ke-19, respon permintaan M2 Islam terhadap pengaruh guncangan variabel return syariah sudah mulai terlihat
70
stabil. Jadi dapat disimpulkan bahwa permintaan M2 Islam cukup stabil dalam merespon guncangan variabel lain karena menunjukkan respon yang sudah tidak berfluktuatif pada sekitar periode ke-19.
4.8.2
Forecasting Error Variance Decomposition (FEVD)
Pada Gambar 4.8. dapat dilihat bahwa guncangan variabel permintaan M2 Islam terhadap fluktuasi permintaan M2 dominan mempengaruhi pada periode pertama sebesar 100 persen. Mulai periode ke-12 sampai periode ke-48, guncangan permintaan M2 Islam masih memberikan kontribusi yang dominan dalam menjelaskan permintaan M2 Islam, tetapi porsinya terus menurun. Pada periode ke-12, PDB memberikan kontribusi sekitar 13.26 persen dalam menjelaskan variabilitas permintaan M2 Islam. Dari mulai periode ke-12 hingga periode ke-48 pengaruh guncangan inflasi yang diharapkan terhadap fluktuasi permintaan M2 terus meningkat. Pada periode ke-48, guncangan inflasi yang diharapkan mempengaruhi permintaan M2 Islam sebesar 17.22 persen. Sedangkan guncangan variabel permintaan M2 Islam itu sendiri mampu menjelaskan fluktuasi permintaan M2 sebesar 63.43 persen. Untuk variabel return syariah, guncangan pada variabel ini justru tidak dominan mempengaruhi fluktuasi permintaan M2 Islam. Hal ini mengindikasikan bahwa orang tidak terlalu mempermasalahkan return syariah naik atau tidak dalam pertimbangan memegang uang. Ini dapat dijelaskan bahwa orang yang menempatkan aset mereka pada skim perbankan syariah hanya berlandaskan pada landasan religiusnya bahwa bunga adalah haram. Jadi tidak
71
masalah return syariah naik ataupun tidak mereka tetap menempatkan aset mereka pada skim syariah. Untuk variance decomposition M2 Islam, pengaruh inflasi yang diharapkan dalam menjelaskan variabilitas permintaan M2 Islam cukup besar. Hal ini sebenarnya tidak diharapkan dalam konsep ekonomi Islam. Tetapi bisa dijelaskan mengingat dalam M2 masih terdapat unsur uang kartal yang termasuk dalam M1. Karakteristik uang kartal sebagai uang fiat konvensional berarti masih sangat dominan dalam mempengaruhi unsur M1 Islam. Karena proporsi uang kartal sendiri sangat besar jika dibandingkan dengan giro wadi’ah, tabungan mudharabah dan investasi mudharabah pada perbankan syariah. Variance Decomposition M2-ISLAM 120 100 EXPINF
%
80
RS
60
LPDBR
40
LM2ISLR
20 0 1
12
24
36
48
Periode
Gambar 4.8. Variance Decomposition Permintaan M2 Islam
4.6
Hubungan Antara Jumlah Uang Beredar pada Konvensional dan Jumlah Uang Beredar Islam dengan Tingkat Harga
Analisis yang digunakan untuk mejawab permasalahan yang ketiga ini adalah dengan menggunakan VAR first difference. Hal ini dilakukan karena
72
setelah dilakukan semua tahapan estimasi VAR, ternyata tidak ditemukan adanya kointegrasi jangka panjang antara jumlah uang beredar konvensional dan jumlah uang beredar Islam dengan tingkat harga. Sehingga estimasi dengan VECM pun tidak bisa dilanjutkan. Berikut hasil pengujian pra estimasi untuk mengetahui hubungan antara jumlah uang beredar dengan tingkat harga. Tabel 4.9. Hasil Pengujian Akar Unit (2) Variabel LM1 LM2 LM1ISL LM2ISL LIHK
Nilai ADF level 1st Difference -2.581378 -2.743636 0.042461 -2.127274 -3.553596 -4.144041 -3.192469 -3.824946 -1.941195 -2.144667
Nilai Kritis MacKinnon 5 % Level 1st Difference -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823 -3.478305 -1.945823
Sumber : Lampiran 18 Catatan : Cetak tebal menunjukkan bahwa data tersebut stasioner pada taraf 5 %
Dari Tabel 4.9. dapat dilihat bahwa baru pada first difference semua data yang digunakan untuk menjawab permasalahan ketiga ini stasioner. Tabel 4.10. Pengujian Lag Optimal VAR (2) Lag 0 1 2 3 4 5
LM1 -10.50238 -10.51994* -10.43485 -10.35295 -10.29640 -10.25950
LM2 -11.96595 -12.01493* -11.93308 -11.93273 -11.86687 -11.76063
LM1ISL -9.017752 -9.240763* -9.120257 -9.155680 -9.069476 -9.003007
LM2ISL -9.109793 -9.317811* -9.196850 -9.232773 -9.148176 -9.078805
Sumber : Lampiran 19 Catatan : Tanda asterik (*) menunjukkan AIC terkecil
Dari hasil pengujian lag optimal dengan menggunakan kriteria AIC, dapat ditentukan bahwa lag optimal yang digunakan untuk keempat model adalah pada lag pertama. Pada Tabel 4.11. dapat dilihat bahwa tidak ada satu pun model yang
menunjukkan terjadinya kointegrasi. Hal ini dapat dilihat dari nilai trace statistics
73
yang lebih kecil dari nilai kritis lima persen. Sehingga estimasi dengan menggunakan VECM pun tidak dapat dilanjutkan. Estimasi yang bisa dilakukan adalah dengan menggunakan VAR first difference. Tabel 4.11. Hasil Pengujian Kointegrasi (2) Model H0 H1 LM1R LM2R LM1ISLR LM2ISLR
Trace Statistics r=0 r<=1 r>=1 r>=2 8.372786 0.656853 (15.41) (3.76) 13.31887 0.433771 (18.17) (3.74) 18.79984 4.066706 (25.32) (12.25) 18.60514 4.266432 (25.32) (12.25)
Sumber : Lampiran 20 Catatan : Nilai dalam tanda () adalah 5 % critical value
Hasil VAR first difference lebih lengkapnya dapat dilihat pada Tabel 4.12. Hasilnya menunjukkan bahwa hanya M2 sajalah yang berpengaruh signifikan terhadap tingkat harga, tetapi dalam jangka pendek. Sedangkan untuk jangka panjangnya dikatakan tidak cukup bukti untuk menunjukkan adanya hubungan karena memang tidak ditemukan adanya kointegrasi. Hasil ini mendukung penelitian yang dilakukan Izhar dan Asutay (2007) bahwa baik dalam persamaan jangka panjang maupun persamaan jangka pendek dengan error correction model variabel M2 konvensional dan M2 Islam tidak mempunyai
hubungan yang signifikan dengan tingkat harga. Tetapi nilai error correction term (ECT) pada sistem konvensional lebih besar daripada ECT pada sistem Islam. Perbedaannya adalah pada penelitian ini ditunjukkan bahwa baik M1 dan M2
74
konvensional maupun M1 dan M2 Islam tidak efektif dalam mempengaruhi tingkat harga pada jangka panjang karena tidak terjadi kointegrasi. Tabel 4.12. Hasil Estimasi VAR First Difference D(LIHK) dan D(LM1)
D(LIHK) 0.093384 0.012194 0.006687*
Variabel D(LIHK(-1)) D(LM1(-1)) C D(LIHK) dan D(LM2) Variabel D(LIHK(-1)) D(LM2(-1)) C D(LIHK) dan D(LM1ISL) Variabel D(LIHK(-1)) D(LM1ISL(-1)) C D(LIHK) dan D(LM2ISL) Variabel D(LIHK(-1)) D(LM2ISL(-1)) C
D(LIHK) 0.084686 0.275592* 0.004561* D(LIHK) 0.043796 0.036640 0.006790* D(LIHK) 0.049139 0.035924 0.006705*
Sumber : Lampiran 21 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
4.10
Pembahasan Keseluruhan
Hasil penelitian dengan menggunakan estimasi VECM empat model diatas membuktikan bahwa permintaan uang yang didefinisikan pada sistem Islam baik M1 maupun M2 lebih stabil jika dibandingkan dengan permintaan M1 dan M2 konvensional. Hal ini dapat dijelaskan karena pada model permintaan M1 Islam dan permintaan M2 Islam terdapat koefisien penyesuaian atau koreksi kesalahan (ECT) yang menunjukkan speed of adjustment dari jangka pendek ke jangka panjangnya. Nilai koreksi kesalahan pada model permintaan M1 dan M2 Islam ini
75
secara statistik signifikan. Sehingga ketidakseimbangan pada jangka pendek akan dikoreksi untuk menuju ke keseimbangan jangka panjangnya. Sedangkan untuk model permintaan M1 dan M2 konvensional, menunjukkan bahwa nilai koreksi kesalahannya tidak signifikan secara statistik. Nilai ECT pada permintaan M1 dan M2 konvensional lebih kecil daripada nilai ECT pada permintaan M1 dan M2 Islam. Berarti penyesuaian menuju jangka panjangnya lebih cepat pada permintaan M1 dan M2 Islam daripada permintaan M1 dan M2 konvensional. Pada hasil estimasi VECM tersebut pun dapat dilihat bahwa pada jangka panjang, tingkat return syariah lebih mempunyai hubungan yang signifikan secara statistik dengan permintaan M1 dan M2 Islam. Sedangkan variabel suku bunga secara
statistik
justru
tidak
signifikan
mempengaruhi
permintaan
M1
konvensional. Pada permintaan M2 konvensional, suku bunga memang signifikan secara statistik, tetapi tanda yang diperoleh tidak sesuai dengan teori permintaan uang. Berdasarkan hasil impuls respon pun, dapat terlihat bahwa model permintaan M1 dan M2 Islam lebih stabil terhadap pengaruh guncangan variabel lain. Perbedaan hasil respon M1 dan M2 konvensional serta M1 dan M2 Islam ketika terjadi guncangan variabel PDB, suku bunga, inflasi yang diharapkan, dan return syariah diringkas pada tabel-tabel berikut. Berdasarkan Tabel 4.13 di
bawah ini, respon permintaan M1 dan M2 Islam lebih stabil terhadap guncangan variabel PDB. Hal ini ditunjukkan oleh lebih cepatnya periode kestabilan respon permintaan akibat guncangan tersebut.
76
Tabel 4.13. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel PDB Sebesar Satu Standar Deviasi
Respon Permintaan M1 Konvensional Respon Permintaan M2 Konvensional Respon Permintaan M1 Islam Respon Permintaan M2 Islam
Guncangan PDB Positif dan permanen stabil mulai periode ke-25 Positif dan permanen stabil mulai periode ke-25 Positif dan permanen stabil mulai periode ke-20 Positif dan permanen stabil mulai periode ke-21
Kemudian berdasarkan Tabel 4.14 di bawah ini, respon permintaan M1 dan M2 Islam terhadap guncangan variabel inflasi yang diharapkan lebih cepat menuju ke arah kestabilan bila dibandingkan dengan respon permintaan M1 dan M2 konvensional. Tetapi guncangan pada inflasi yang diharapkan ini direspon negatif oleh masing-masing permintaan uang baik pada konvensional maupun Islam. Tabel 4.14. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Inflasi yang Diharapkan Sebesar Satu Standar Deviasi
Respon Permintaan M1 Konvensional Respon Permintaan M2 Konvensional Respon Permintaan M1 Islam Respon Permintaan M2 Islam
Guncangan Inflasi yang Diharapkan Negatif dan permanen stabil mulai periode ke-38 Negatif dan permanen stabil mulai periode ke-27 Negatif dan permanen stabil mulai periode ke-19 Negatif dan permanen stabil mulai periode ke-19
Respon permintaan M1 dan M2 Islam terhadap guncangan tingkat return syariah lebih cepat menuju ke arah kestabilan bila dibandingkan dengan respon
77
permintaan M1 dan M2 konvensional terhadap guncangan suku bunga sebagai opportunity cost dalam memegang uang. Berarti dapat dilihat justru guncangan
variabel suku bungalah yang menyebabkan permintaan M1 dan M2 konvensional berfluktuasi. Ringkasan respon ini dapat dilihat pada Tabel 4.15. Tabel 4.15. Respon Permintaan M1 dan M2 Konvensional terhadap Guncangan Variabel Suku Bunga Sebesar Satu Standar Deviasi serta Respon Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Return Syariah Sebesar Satu Standar Deviasi
Respon Permintaan M1 Konvensional Respon Permintaan M2 Konvensional Respon Permintaan M1 Islam Respon Permintaan M2 Islam
Guncangan Suku Bunga Negatif dan permanen stabil mulai periode ke-32 Negatif dan permanen stabil mulai periode ke-20 Guncangan Return Syariah Negatif dan permanen stabil mulai periode ke-15 Negatif dan permanen stabil mulai periode ke-19
Berdasarkan simulasi variance decomposition dapat disimpulkan juga bahwa fluktuasi permintaan M1 dan M2 Islam lebih banyak dijelaskan oleh guncangan variabel permintaan M1 dan M2 itu sendiri. Tingkat return syariah tidak dominan dalam menjelaskan variabilitas permintaan M1 dan M2 Islam. Kontribusi rata-rata return syariah dalam menjelaskan variabilitas nilai M1 Islam sebesar 5.38 persen dan kontribusi rata-rata return syariah dalam menjelaskan variabilitas nilai M2 Islam sebesar 5.72 persen. Sedangkan untuk fluktuasi permintaan M1 konvensional justru pada akhir-akhir periode peramalan dijelaskan oleh variabel PDB dengan porsi yang cukup besar dengan nilai rata-rata 22.87 persen. Begitupun variabel suku bunga yang ternyata merupakan variabel yang cukup dominan dalam menjelaskan variabilitas nilai M1 konvensional dengan
78
nilai rata-rata sebesar 19.68 persen. Tetapi untuk permintaan M2 konvensional, variabel suku bunga hanya mampu menjelaskan variabilitas nilai permintaan M2 konvensional dengan rata-rata sebesar 3.27 persen.
79
V. KESIMPULAN DAN SARAN
5.1
Kesimpulan Berdasarkan hasil penelitian yang telah dilakukan mengenai analisis
permintaan uang pada sistem perbankan ganda di Indonesia, maka diperoleh tiga kesimpulan. 1. Pada model permintaan uang konvensional, PDB berpengaruh positif terhadap permintaan uang M1 dan M2 secara signifikan, tingkat inflasi yang diharapkan signifikan berpengaruh negatif terhadap permintaan M1 dan M2, suku bunga berpengaruh tidak signifikan secara statistik terhadap permintaan M1. Sedangkan untuk model permintaan M2, suku bunga berpengaruh signifikan dan positif terhadap permintaan M2. Berdasarkan hasil IRF, permintaan M1 kurang stabil dalam merespon guncangan variabel lainnya. Sedangkan permintaan M2 cukup stabil dalam merespon guncangan variabel lainnya. Tidak ditemukan adanya mekanisme penyesuaian dari jangka pendek ke jangka panjangnya, karena Error Correction Term (ECT) secara statistik tidak signifikan. Berdasarkan hasil variance decomposition suku bunga ternyata cukup dominan dalam menjelaskan fluktuasi nilai permintaan M1 konvensional. 2. Pada model permintaan uang Islam dalam sistem perbankan ganda, PDB berpengaruh positif terhadap permintaan M1 dan M2 Islam. Sedangkan tingkat inflasi yang diharapkan dan tingkat return syariah berpengaruh negatif terhadap permintaan M1 dan M2 Islam. Berdasarkan IRF, permintaan M1 dan M2 Islam dikatakan cukup stabil dalam merespon
80
inovasi variabel lainnya. Terdapat mekanisme penyesuaian dari jangka pendek ke jangka panjangnya, karena Error Correction Term (ECT) secara statistik signifikan. Berdasarkan hasil variance decomposition return syariah ternyata tidak dominan dalam menjelaskan fluktuasi nilai permintaan M1 dan M2 Islam. 3. Dengan tidak ditemukannya kointegrasi pada analisis hubungan jumlah uang beredar dengan tingkat harga, maka dapat disimpulkan bahwa dalam jangka panjang tidak cukup bukti untuk menunjukkan adanya hubungan antara jumlah uang beredar baik konvensional maupun Islam dengan tingkat harga.
5.2
Saran Berdasarkan penelitian penulis dapat dilihat bahwa permintaan M1 dan
M2 konvensional kurang stabil dan tidak ada mekanisme penyesuaian dari jangka pendek ke jangka panjangnya. Hal ini memberikan gambaran untuk Bank Indonesia agar lebih berhati-hati dalam menggunakan jumlah uang beredar M1 dan M2 sebagai sasaran antara dalam mencapai sasaran akhirnya pada pengendalian moneternya. Bank Indonesia juga harus mengkaji ulang penetapan inflation targeting dengan menggunakan M1 dan M2 sebagai sasaran antara. Karena sesuai dengan hasil penelitian penulis menunjukkan tidak adanya cukup bukti bahwa M1 dan M2 baik konvensional maupun Islam mempunyai hubungan jangka panjang dengan tingkat harga.
81
Pemerintah dan otoritas moneter diharapkan membuat peraturan-peraturan yang dapat menjadi payung perlindungan bagi pengembangan perbankan syariah di masa yang akan datang. Bagi seluruh akademisi dan praktisi yang concern terhadap perkembangan ekonomi syariah, diharapkan untuk lebih giat dalam menyebarluaskan ekonomi syariah kepada masyarakat umum. Untuk penelitian selanjutnya disarankan agar analisis permintaan uang dan stabilitas moneter ini dipecah terhadap masing-masing unsur yang ada dalam M1 dan M2, seperti permintaan terhadap uang kartal, terhadap demand deposits, dan uang kuasi untuk konvensional maupun untuk Islamnya karena kemungkinan besar masing-masing unsur tersebut mempunyai perilaku yang berbeda.
DAFTAR PUSTAKA
Achsani, Noer Azam, Oliver Holtemöller, dan Hizir Sofyan. 2005. Econometric and Fuzzy Modelling of Indonesian Money Demand. Dalam : Cizek, Pavel, Wolfgang Hardle, and Rafal Weron. Statistical Tools For Finance and Insurance. Springer-Verlag Berlin Heidelberg, Germany. Agustianto. 2002. Kebijakan Moneter Menurut Ekonomi Islam. Dalam : Ashari Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan. Antonio, M. Syafi’i. 2001. Bank Syariah dari Teori ke Praktik. Gema Insani Press, Jakarta. Arifin, Sjamsul. 1998. ” Efektivitas Kebijakan Suku Bunga dalam Rangka Stabilisasi Rupiah di Masa Krisis”. Buletin Ekonomi Moneter dan Perbankan, Vol. 1, No. 3: 1-26. Ascarya. 2006. Akad dan Produk Bank Syariah: Konsep dan Prakteknya di Beberapa Negara.[belum dipublikasikan] Ascarya. 2007. Optimum Monetary Policy under Dual Financial/Banking System. Center for Central Banking Education and Studies, Bank Indonesia, Jakarta. Ascarya, Diana Yumanita, dan Enny Anwar.2006. Sinergi Sistem Keuangan Konvensional dan Islam. Pusat Pendidikan dan studi Kebanksentralan. Bank Indonesia, Jakarta. Chapra, M. Umer. 2000. Sistem Moneter Islam. Abidin, Ikhwan [penerjemah]. Gema Insani Press, Jakarta. Darrat, Ali F. 2000. On The Efficiency of Interest-free Monetary System : A Case Study. ERF’s Seventh Annual Conference; Amman-Jordan, 26-29 Oktober 2000. De Jong, Rendie P. 2005. Analisis Kesinambungan Fiskal di Indonesia dan Faktor-faktor yang Mempengaruhinya [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Direktorat Perbankan Syariah. Statistik Perbankan Syariah. Bank Indonesia, Jakarta. Berbagai Edisi. Direktorat Perizinan dan Informasi Perbankan. Statistik Ekonomi dan Keuangan Indonesia. Bank Indonesia. Jakarta. Berbagai Edisi.
83
Direktorat Perizinan dan Informasi Perbankan. 2006. Statistik Perbankan Indonesia. Vol. 5, No. 1. Bank Indonesia, Jakarta. Gujarati, D. 2003. Ekonometrika Dasar. Zain, Sumarno [penerjemah]. Erlangga, Jakarta. Hanie. 2006. Analisis Konvergensi Nominal dan Riil diantara Negara-negara ASEAN-5, Jepang dan Korea Selatan [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Hardianto, Erwin. 2004. Mekanisme Transmisi Syariah di Indonesia. Universitas Airlangga, Surabaya. Izhar, Hylmun dan Asutay, Mehmet. 2007. The Controllability and Reliability of Monetary Policy in Dual Banking System: Evidence from Indonesia. Durham University, United Kingdom Kahf, Monzer. 1982. Fiscal and Monetary Policies in an Islamic Economy. Dalam : Mohammad Ariff. International Seminar on The Monetary and Fiscal Economics; Jeddah, 7-12 Oktober 1978. King Abdulaziz University Press, Jeddah. Kaleem, Ahmad. 2000. “Modeling Monetary Stability under Dual Banking System: The Case of Malaysia”. International Journal of Islamic Financial Services, Vol 2, No.1. Karim, Adiwarman. 2004. Bank Islam Analisis Fiqih dan Keuangan. PT Raja Grafindo Persada, Jakarta. Kia, Amir. 2001. Interest-free and Interest-bearing Money Demand : Policy Invariance and stability. Department of Economics, Emory University, Atlanta. Kia, Amir dan Darrat, Ali F. 2003. Modeling Money Demand under the ProfitSharing Banking Scheme:Evidence on Policy Invariance and Long-Run Stability. ERF’s 10th Annual Conference; Marrakech-Morocco, 16-18 Desember 2003. Mankiw, N. Gregory. 2003. Teori [penerjemah]. Erlangga, Jakarta.
Makroekonomi.
Nurmawan,
Imam
Mishkin, Frederic S. 2001. The Economics of Money, Banking, and Financial Markets. Colombia University. Nasution, Mustafa E, dan Nurzaman, M.S. “Analisis Stabilitas dan Efektivitas Relatif Besaran Moneter Bebas Bunga di Indonesia : Sebuah Pengujian
84
Ekonometrik pada Data Time Series Tahun 1971:1-2002:4”. Jurnal Ekonomi dan Pembangunan Indonesia. Vol. 6, No. 2:29-46. Nugraha, Fickry Widya. 2006. Efek Perubahan (Pass-Through Effect) Kurs terhadap Indeks Harga Konsumen di ASEAN-5, Jepang, dan Korea Selatan [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Pasaribu, Syamsul Hidayat. 2003. Eviews untuk Analisis Runtut Waktu (Time Series Analysis). Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Pasaribu, Syamsul H, Djoni Hartono, dan Tony Irawan. 2005. Pedoman Penulisan Skripsi. Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Perwataatmaja, Karnaen. 2002. Prospek Bank Islam sebagai Alternatif Pemecahan Problema Lembaga Keuangan Konvensional. Dalam : Ashari Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan. Quantitative Micro Software. 2002. E-Views 4 User’s Guide. United States of America. Revised for E-Views 4.1. Sakti, Ali. 2006. Sistem Ekonomi Islam: Jawaban atas Kekacauan Ekonomi Modern. [belum dipublikasikan]. Siddiqi, M. Nejatullah. 1982. Islamic Approaches to Money, Banking, and Monetary Policy : A Review. Dalam : Mohammad Ariff. International Seminar on The Monetary and Fiscal Economics; Jeddah, 7-12 Oktober 1978. King Abdulaziz University Press, Jeddah. Siregar, Mulya. 2002. Perlunya Manajemen Moneter yang Dapat Memperkecil Kegiatan spekulasi. Dalam : Ashari Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan. Sitorus, Tarmiden. 1998. ”Suatu Pemikiran dalam Upaya Peningkatan Efektivitas Pengendalian Moneter di Indonesia”. Buletin Ekonomi Moneter dan Perbankan, Vol. 1, No. 3: 97-120.
LAMPIRAN
LAMPIRAN 1 HASIL UJI AKAR UNIT (1) VARIABEL LM1R Null Hypothesis: LM1R has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.150728 -4.100935 -3.478305 -3.166788
0.1034
t-Statistic
Prob.*
-4.186927 -2.600471 -1.945823 -1.613589
0.0001
t-Statistic
Prob.*
-2.106581 -4.100935 -3.478305 -3.166788
0.5326
t-Statistic
Prob.*
-4.808571 -2.600471 -1.945823 -1.613589
0.0000
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1R) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
VARIABEL LM2R Null Hypothesis: LM2R has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2R) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
86
VARIABEL LPDBR Null Hypothesis: LPDBR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-6.618911 -4.100935 -3.478305 -3.166788
0.0000
t-Statistic
Prob.*
-5.066569 -2.600471 -1.945823 -1.613589
0.0000
t-Statistic
Prob.*
-3.876472 -4.100935 -3.478305 -3.166788
0.0185
t-Statistic
Prob.*
-5.596616 -2.600471 -1.945823 -1.613589
0.0000
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LPDBR) has a unit root Exogenous: None Lag Length: 4 (Fixed)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
VARIABEL EXPINF Null Hypothesis: EXPINF has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(EXPINF) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
87
VARIABEL IDEP Null Hypothesis: IDEP has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.041460 -4.100935 -3.478305 -3.166788
0.5682
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(IDEP) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.367211 -2.600471 -1.945823 -1.613589
0.0184
t-Statistic
Prob.*
-1.936030 -4.100935 -3.478305 -3.166788
0.6247
t-Statistic
Prob.*
-4.964099 -2.600471 -1.945823 -1.613589
0.0000
*MacKinnon (1996) one-sided p-values.
VARIABEL RS Null Hypothesis: RS has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(RS) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
88
VARIABEL LM1ISLR Null Hypothesis: LM1ISLR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.184189 -4.100935 -3.478305 -3.166788
0.0964
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1ISLR) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.871297 -2.600471 -1.945823 -1.613589
0.0000
t-Statistic
Prob.*
-2.867085 -4.100935 -3.478305 -3.166788
0.1797
t-Statistic
Prob.*
-4.588587 -2.600471 -1.945823 -1.613589
0.0000
*MacKinnon (1996) one-sided p-values.
VARIABEL LM2ISLR Null Hypothesis: LM2ISLR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2ISLR) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
89
LAMPIRAN 2 UJI LAG OPTIMAL (1) MODEL PERMINTAAN M1 KONVENSIONAL VAR Lag Order Selection Criteria Endogenous variables: D(LM1R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:15 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
194.9998 292.5510 354.4619 389.9550 404.8255 434.1405
NA 180.3219 106.9370 57.00396 22.08048 39.97503*
3.60E-08 3.05E-09 7.62E-10 4.28E-10 4.55E-10 3.18E-10*
-5.787874 -8.259122 -9.650362 -10.24106 -10.20683 -10.61032*
-5.655168 -7.595590 -8.456005 -8.515877* -7.950825 -7.823485
-5.735435 -7.996929 -9.178414 -9.559358* -9.315377 -9.509108
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL PERMINTAAN M2 KONVENSIONAL VAR Lag Order Selection Criteria Endogenous variables: D(LM2R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:17 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
229.2509 330.5868 401.7987 441.3568 459.5508 491.7748
NA 187.3178 123.0024 63.53282 27.01531 43.94175*
1.28E-08 9.62E-10 1.82E-10 9.02E-11 8.66E-11 5.54E-11*
-6.825786 -9.411720 -11.08481 -11.79869 -11.86518 -12.35681*
-6.693080 -8.748189 -9.890451 -10.07351* -9.609169 -9.569978
-6.773347 -9.149527 -10.61286 -11.11699 -10.97372 -11.25560*
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
90
MODEL PERMINTAAN M1 ISLAM VAR Lag Order Selection Criteria Endogenous variables: D(LM1ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:20 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
62.14936 122.0708 188.0664 213.5258 227.4952 257.7417
NA 110.7639 113.9924 40.88929 20.74244 41.24531*
2.02E-06 5.34E-07 1.18E-07 8.98E-08 9.81E-08 6.66E-08*
-1.762102 -3.093054 -4.608072 -4.894720 -4.833186 -5.264900*
-1.629395 -2.429522 -3.413715* -3.169537 -2.577178 -2.478067
-1.709663 -2.830861 -4.136125 -4.213018* -3.941730 -4.163690
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL PERMINTAAN M2 ISLAM VAR Lag Order Selection Criteria Endogenous variables: D(LM2ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Date: 05/04/07 Time: 14:45 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
65.64896 124.6501 191.2610 216.5567 230.9256 261.3210
NA 109.0627 115.0552 40.62645 21.33567 41.44834*
1.81E-06 4.94E-07 1.07E-07 8.19E-08 8.84E-08 5.97E-08*
-1.868150 -3.171215 -4.704877 -4.986566 -4.937139 -5.373365*
-1.735444 -2.507683 -3.510520* -3.261383 -2.681131 -2.586532
-1.815712 -2.909022 -4.232930 -4.304864* -4.045683 -4.272155
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
91
LAMPIRAN 3 PENGUJIAN STABILITAS VAR MODEL PERMINTAAN M1 KONVENSIONAL Roots of Characteristic Polynomial Endogenous variables: D(LM1R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Lag specification: 1 3 Date: 05/10/07 Time: 14:21 Root 0.504308 + 0.742298i 0.504308 - 0.742298i 0.810684 0.720093 - 0.319659i 0.720093 + 0.319659i -0.167098 - 0.717043i -0.167098 + 0.717043i -0.695384 0.559011 -0.419955 + 0.277524i -0.419955 - 0.277524i -0.080699
Modulus 0.897403 0.897403 0.810684 0.787855 0.787855 0.736256 0.736256 0.695384 0.559011 0.503371 0.503371 0.080699
No root lies outside the unit circle. VAR satisfies the stability condition.
MODEL PERMINTAAN M2 KONVENSIONAL Roots of Characteristic Polynomial Endogenous variables: D(LM2R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Lag specification: 1 3 Date: 05/10/07 Time: 14:24 Root 0.529312 + 0.737942i 0.529312 - 0.737942i 0.881254 0.762362 - 0.285510i 0.762362 + 0.285510i -0.209414 - 0.709668i -0.209414 + 0.709668i -0.708941 - 0.114650i -0.708941 + 0.114650i 0.407145 + 0.534228i 0.407145 - 0.534228i -0.339967 No root lies outside the unit circle. VAR satisfies the stability condition.
Modulus 0.908146 0.908146 0.881254 0.814071 0.814071 0.739920 0.739920 0.718152 0.718152 0.671690 0.671690 0.339967
92
MODEL PERMINTAAN M1 ISLAM Roots of Characteristic Polynomial Endogenous variables: D(LM1ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Lag specification: 1 2 Date: 05/10/07 Time: 14:25 Root 0.615797 - 0.600021i 0.615797 + 0.600021i -0.380173 - 0.611040i -0.380173 + 0.611040i -0.307277 - 0.541170i -0.307277 + 0.541170i -0.283103 0.252866
Modulus 0.859786 0.859786 0.719654 0.719654 0.622322 0.622322 0.283103 0.252866
No root lies outside the unit circle. VAR satisfies the stability condition.
MODEL PERMINTAAN M2 ISLAM Roots of Characteristic Polynomial Endogenous variables: D(LM2ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Lag specification: 1 2 Date: 05/10/07 Time: 14:27 Root 0.613705 - 0.602419i 0.613705 + 0.602419i -0.381425 - 0.613283i -0.381425 + 0.613283i -0.307332 - 0.544392i -0.307332 + 0.544392i -0.303687 0.296331 No root lies outside the unit circle. VAR satisfies the stability condition.
Modulus 0.859966 0.859966 0.722220 0.722220 0.625152 0.625152 0.303687 0.296331
93
LAMPIRAN 4 PENGUJIAN KOINTEGRASI (SUMMARY) MODEL PERMINTAAN M1 KONVENSIONAL Date: 05/04/07 Time: 14:30 Sample: 2001:01 2006:12 Included observations: 68 Series: LM1R LPDBR IDEP EXPINF Lags interval: 1 to 3 Data Trend: Rank or No. of CEs
None
None
Linear
No Intercept Intercept Intercept No Trend No Trend No Trend
Linear
Quadratic
Intercept Trend
Intercept Trend
Selected (5% level) Number of Cointegrating Relations by Model (columns) Trace Max-Eig
1 1
1 1
1 1
2 2
2 2
397.8794 416.5295 421.1980 424.5101 426.4273
397.8794 416.8011 421.5202 425.1851 427.1922
400.3357 419.1521 423.5043 427.1175 427.1922
400.3357 419.4702 434.6589 438.9027 441.9449
402.2138 421.3335 436.0050 439.5580 441.9449
-10.29057 -10.60381 -10.50582 -10.36794 -10.18904
-10.29057 -10.58238 -10.45648 -10.29956 -10.09389
-10.24517 -10.24517 -10.18276 -10.56330 -10.54324 -10.50981 -10.45601 -10.72526* -10.70603 -10.32698 -10.58537 -10.57523 -10.09389 -10.41014 -10.41014
-8.723859 -8.775978* -8.416876 -8.017878 -7.577852
-8.723859 -8.721915 -8.302249 -7.851575 -7.352142
-8.547898 -8.604908 -8.236500 -7.846358 -7.352142
Log Likelihood by Rank (rows) and Model (columns) 0 1 2 3 4 Akaike Information Criteria by Rank (rows) and Model (columns) 0 1 2 3 4 Schwarz Criteria by Rank (rows) and Model (columns) 0 1 2 3 4
-8.547898 -8.552213 -8.440473 -8.006827 -7.537840
-8.354929 -8.420860 -8.355963 -7.964049 -7.537840
94
MODEL PERMINTAAN M2 KONVENSIONAL Date: 05/04/07 Time: 14:35 Sample: 2001:01 2006:12 Included observations: 68 Series: LM2R LPDBR IDEP EXPINF Lags interval: 1 to 3 Data Trend: Rank or No. of CEs
None
None
Linear
No Intercept Intercept Intercept No Trend No Trend No Trend
Linear
Quadratic
Intercept Trend
Intercept Trend
Selected (5% level) Number of Cointegrating Relations by Model (columns) Trace Max-Eig
1 1
1 1
1 1
2 2
2 2
449.0929 469.1237 475.2597 479.2791 480.5135
449.0929 469.1248 478.0611 482.3204 485.3478
451.6693 471.3859 480.0755 484.2837 485.3478
451.6693 472.6594 489.7626 498.4508 501.5570
455.7475 476.5838 493.5959 499.2148 501.5570
0 1 2
-11.79685 -12.15070 -12.09587
-11.79685 -11.75498 -12.12132 -12.09959 -12.11944 -12.11987
-11.75498 -12.10763 -12.34596
3 4
-11.97880 -11.77981
-11.98001 -12.00834 -11.80435 -11.80435
-11.75728 -12.13482 12.39988* -12.33679 -12.32985 -12.16344 -12.16344
-10.23014 -10.32287* -10.00693 -9.628731 -9.168623
-10.23014 -10.26085 -9.965216 -9.532025 -9.062603
-10.05771 -10.11660 -10.06117 -9.758243 -9.291138
Log Likelihood by Rank (rows) and Model (columns) 0 1 2 3 4 Akaike Information Criteria by Rank (rows) and Model (columns)
Schwarz Criteria by Rank (rows) and Model (columns) 0 1 2 3 4
-10.05771 -10.14120 -9.900360 -9.527718 -9.062603
-9.929451 -10.04587 -10.04981 -9.718662 -9.291138
95
MODEL PERMINTAAN M1 ISLAM Date: 05/04/07 Time: 14:40 Sample: 2001:01 2006:12 Included observations: 69 Series: LM1ISLR LPDBR RS EXPINF Lags interval: 1 to 2 Data Trend: Rank or No. of CEs
None
None
Linear
No Intercept Intercept Intercept No Trend No Trend No Trend
Linear
Quadratic
Intercept Trend
Intercept Trend
Selected (5% level) Number of Cointegrating Relations by Model (columns) Trace Max-Eig
1 1
1 1
1 1
1 1
1 1
195.7323 214.6380 222.2024 224.9692 225.8405
195.7323 214.8590 223.4114 226.2335 227.1382
199.0802 218.0606 225.0456 227.1372 227.1382
199.0802 218.3124 226.5768 232.1795 233.8053
199.9301 219.0755 227.0330 232.6333 233.8053
-4.745863 -5.061970* -5.049345 -4.897659 -4.691030
-4.745863 -5.039392 -5.026419 -4.847348 -4.612700
-4.726962 -5.045234 -5.015816 -4.844557 -4.612700
-4.726962 -5.023547 -5.002225 -4.903755 -4.690008
-4.635656 -4.958710 -4.957477 -4.887921 -4.690008
-3.709756 -3.766836* -3.495184 -3.084471 -2.618816
-3.709756 -3.711880 -3.407501 -2.937025 -2.410972
-3.561341 -3.620587 -3.332141 -2.901856 -2.410972
-3.561341 -3.566521 -3.253794 -2.863918 -2.358766
-3.340522 -3.404548 -3.144289 -2.815706 -2.358766
Log Likelihood by Rank (rows) and Model (columns) 0 1 2 3 4 Akaike Information Criteria by Rank (rows) and Model (columns) 0 1 2 3 4 Schwarz Criteria by Rank (rows) and Model (columns) 0 1 2 3 4
96
MODEL PERMINTAAN M2 ISLAM Date: 05/04/07 Time: 14:45 Sample: 2001:01 2006:12 Included observations: 69 Series: LM2ISLR LPDBR RS EXPINF Lags interval: 1 to 2 Data Trend: Rank or No. of CEs
None
None
Linear
No Intercept Intercept Intercept No Trend No Trend No Trend
Linear
Quadratic
Intercept Trend
Intercept Trend
Selected (5% level) Number of Cointegrating Relations by Model (columns) Trace Max-Eig
1 1
1 1
1 1
1 1
1 1
199.3624 218.4133 225.9136 228.1383 229.0518
199.3624 218.7059 226.2146 228.5169 229.4618
202.3351 221.5426 227.7545 229.4585 229.4618
202.3351 221.6343 228.8624 234.6699 236.1323
203.1491 222.3844 229.3377 235.1452 236.1323
-4.851083 -5.171399* -5.156915 -4.989516 -4.784111
-4.851083 -5.150897 -5.107669 -4.913534 -4.680053
-4.821306 -5.146161 -5.094332 -4.911841 -4.680053
-4.821306 -5.119834 -5.068474 -4.975938 -4.757458
-4.728959 -5.054620 -5.024281 -4.960730 -4.757458
-3.814976 -3.876264* -3.602754 -3.176328 -2.711897
-3.814976 -3.823384 -3.488752 -3.003211 -2.478325
-3.655685 -3.721514 -3.410658 -2.969139 -2.478325
-3.655685 -3.662808 -3.320043 -2.936102 -2.426217
-3.433825 -3.500459 -3.211093 -2.888515 -2.426217
Log Likelihood by Rank (rows) and Model (columns) 0 1 2 3 4 Akaike Information Criteria by Rank (rows) and Model (columns) 0 1 2 3 4 Schwarz Criteria by Rank (rows) and Model (columns) 0 1 2 3 4
97
LAMPIRAN 5 PENGUJIAN KOINTEGRASI (ASUMSI) MODEL PERMINTAAN M1 KONVENSIONAL (ASUMSI 1) Date: 05/04/07 Time: 14:31 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Trend assumption: No deterministic trend Series: LM1R LPDBR IDEP EXPINF Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1 At most 2 At most 3
0.422202 0.128301 0.092820 0.054827
57.09578 19.79565 10.45848 3.834314
39.89 24.31 12.53 3.84
45.58 29.75 16.31 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
MODEL PERMINTAAN M2 KONVENSIONAL (ASUMSI 1) Date: 05/04/07 Time: 14:35 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Trend assumption: No deterministic trend Series: LM2R LPDBR IDEP EXPINF Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1 At most 2 At most 3
0.445195 0.165124 0.111498 0.035653
62.84106 22.77961 10.50753 2.468704
39.89 24.31 12.53 3.84
45.58 29.75 16.31 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
98
MODEL PERMINTAAN M1 ISLAM (ASUMSI 1) Date: 05/04/07 Time: 14:41 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Trend assumption: No deterministic trend Series: LM1ISLR LPDBR RS EXPINF Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1 At most 2 At most 3
0.421890 0.196886 0.077067 0.024939
60.21652 22.40516 7.276304 1.742614
39.89 24.31 12.53 3.84
45.58 29.75 16.31 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
MODEL PERMINTAAN M12 ISLAM (ASUMSI 1) Date: 05/04/07 Time: 14:45 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Trend assumption: No deterministic trend Series: LM2ISLR LPDBR RS EXPINF Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1 At most 2 At most 3
0.424318 0.195393 0.062450 0.026132
59.37895 21.27718 6.276524 1.827060
39.89 24.31 12.53 3.84
45.58 29.75 16.31 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
99
LAMPIRAN 6 ESTIMASI VECM PERMINTAAN M1 KONVENSIONAL Vector Error Correction Estimates Date: 04/27/07 Time: 14:04 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LM1R(-1)
1.000000
LPDBR(-1)
-0.957497 (0.00695) [-137.698]
IDEP(-1)
0.005443 (0.00638) [ 0.85300]
EXPINF(-1)
0.360059 (0.05523) [ 6.51895]
Error Correction:
D(LM1R)
D(LPDBR)
D(IDEP)
D(EXPINF)
CointEq1
-0.004782 (0.02624) [-0.18227]
-0.000826 (0.00340) [-0.24319]
0.196629 (0.14231) [ 1.38170]
-5.361976 (0.96005) [-5.58510]
D(LM1R(-1))
-0.226543 (0.13692) [-1.65451]
0.019057 (0.01773) [ 1.07473]
-1.054776 (0.74262) [-1.42033]
-13.91499 (5.00992) [-2.77749]
D(LM1R(-2))
-0.124576 (0.15206) [-0.81925]
-0.027435 (0.01969) [-1.39321]
-0.210418 (0.82472) [-0.25514]
-6.050573 (5.56373) [-1.08750]
D(LM1R(-3))
-0.098427 (0.13242) [-0.74329]
-0.027667 (0.01715) [-1.61339]
0.674424 (0.71820) [ 0.93905]
3.163326 (4.84512) [ 0.65289]
D(LPDBR(-1))
0.148982 (0.76858) [ 0.19384]
2.031980 (0.09953) [ 20.4155]
4.251716 (4.16845) [ 1.01997]
-15.65347 (28.1214) [-0.55664]
D(LPDBR(-2))
0.230850 (1.25847) [ 0.18344]
-1.929518 (0.16297) [-11.8395]
-7.391276 (6.82545) [-1.08290]
-39.65594 (46.0461) [-0.86122]
D(LPDBR(-3))
0.820409 (0.88499) [ 0.92703]
0.788142 (0.11461) [ 6.87696]
7.788863 (4.79980) [ 1.62275]
29.64554 (32.3806) [ 0.91554]
D(IDEP(-1))
-0.016460
-0.005144
0.857799
0.522046
100
(0.02315) [-0.71095]
(0.00300) [-1.71581]
(0.12556) [ 6.83159]
(0.84708) [ 0.61629]
D(IDEP(-2))
-0.040887 (0.02954) [-1.38395]
0.004714 (0.00383) [ 1.23220]
0.246258 (0.16023) [ 1.53687]
2.524328 (1.08097) [ 2.33524]
D(IDEP(-3))
0.043755 (0.02046) [ 2.13883]
-0.000158 (0.00265) [-0.05959]
-0.289425 (0.11095) [-2.60853]
-2.017919 (0.74852) [-2.69589]
D(EXPINF(-1))
-0.000194 (0.00769) [-0.02517]
6.97E-06 (0.00100) [ 0.00700]
-0.038746 (0.04171) [-0.92897]
0.688880 (0.28137) [ 2.44827]
D(EXPINF(-2))
-0.000696 (0.00550) [-0.12658]
-1.73E-05 (0.00071) [-0.02434]
0.003713 (0.02983) [ 0.12448]
0.388957 (0.20123) [ 1.93291]
D(EXPINF(-3))
-0.002046 (0.00356) [-0.57493]
-0.000629 (0.00046) [-1.36580]
-0.013671 (0.01930) [-0.70846]
0.268830 (0.13018) [ 2.06504]
0.286040 0.130267 0.038484 0.026452 1.836260 157.7305 -4.256778 -3.832461 0.004943 0.028364
0.928677 0.913116 0.000645 0.003426 59.67842 296.7272 -8.344918 -7.920601 0.003722 0.011622
0.874118 0.846653 1.132034 0.143466 31.82646 42.75890 -0.875262 -0.450944 -0.061029 0.366362
0.665822 0.592911 51.52072 0.967854 9.131917 -87.05202 2.942706 3.367024 -0.007966 1.516927
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.31E-10 416.5295 387.6737 -9.755109 -7.927279
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
101
LAMPIRAN 7 ESTIMASI VECM PERMINTAAN M2 KONVENSIONAL Vector Error Correction Estimates Date: 04/28/07 Time: 02:46 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LM2R(-1)
1.000000
LPDBR(-1)
-1.055990 (0.00842) [-125.407]
IDEP(-1)
-0.015002 (0.00747) [-2.00788]
EXPINF(-1)
0.432484 (0.06915) [ 6.25449]
Error Correction:
D(LM2R)
D(LPDBR)
D(IDEP)
D(EXPINF)
CointEq1
-0.016676 (0.01340) [-1.24459]
-2.97E-05 (0.00283) [-0.01050]
0.159701 (0.11848) [ 1.34792]
-3.076956 (0.57413) [-5.35935]
D(LM2R(-1))
-0.062076 (0.12923) [-0.48035]
0.027992 (0.02727) [ 1.02659]
-1.099915 (1.14273) [-0.96253]
-43.40872 (5.53748) [-7.83907]
D(LM2R(-2))
-0.097405 (0.18036) [-0.54007]
-0.053287 (0.03805) [-1.40029]
0.967232 (1.59482) [ 0.60648]
8.583281 (7.72821) [ 1.11064]
D(LM2R(-3))
-0.458014 (0.16829) [-2.72159]
-0.001139 (0.03551) [-0.03208]
0.440727 (1.48811) [ 0.29617]
14.13726 (7.21111) [ 1.96048]
D(LPDBR(-1))
0.173739 (0.46061) [ 0.37720]
2.001678 (0.09719) [ 20.5965]
3.519784 (4.07295) [ 0.86419]
-18.05003 (19.7368) [-0.91454]
D(LPDBR(-2))
-0.133496 (0.73895) [-0.18066]
-1.873729 (0.15591) [-12.0178]
-5.961665 (6.53420) [-0.91238]
-21.49206 (31.6636) [-0.67876]
D(LPDBR(-3))
0.198534 (0.49007) [ 0.40511]
0.760029 (0.10340) [ 7.35026]
5.918909 (4.33347) [ 1.36586]
22.21533 (20.9992) [ 1.05791]
D(IDEP(-1))
-0.000128
-0.005353
0.886691
0.436753
102
(0.01417) [-0.00904]
(0.00299) [-1.79054]
(0.12528) [ 7.07758]
(0.60709) [ 0.71942]
D(IDEP(-2))
0.007871 (0.01844) [ 0.42679]
0.004802 (0.00389) [ 1.23417]
0.237257 (0.16308) [ 1.45486]
2.381603 (0.79025) [ 3.01373]
D(IDEP(-3))
-0.007317 (0.01277) [-0.57291]
0.000257 (0.00269) [ 0.09550]
-0.293202 (0.11294) [-2.59610]
-2.208772 (0.54728) [-4.03588]
D(EXPINF(-1))
0.008823 (0.00470) [ 1.87867]
-0.000588 (0.00099) [-0.59355]
-0.026969 (0.04153) [-0.64939]
0.233892 (0.20125) [ 1.16221]
D(EXPINF(-2))
0.001523 (0.00317) [ 0.48093]
-0.000314 (0.00067) [-0.46994]
0.014494 (0.02800) [ 0.51758]
0.261519 (0.13570) [ 1.92726]
D(EXPINF(-3))
0.000190 (0.00215) [ 0.08877]
-0.000583 (0.00045) [-1.28863]
-0.013418 (0.01897) [-0.70734]
0.117627 (0.09192) [ 1.27963]
0.197540 0.022457 0.014914 0.016467 1.128268 189.9610 -5.204736 -4.780418 0.000624 0.016655
0.926627 0.910619 0.000664 0.003474 57.88325 295.7639 -8.316585 -7.892268 0.003722 0.011622
0.870326 0.842033 1.166140 0.145611 30.76159 41.74967 -0.845579 -0.421261 -0.061029 0.366362
0.822384 0.783632 27.38329 0.705605 21.22144 -65.56228 2.310655 2.734973 -0.007966 1.516927
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
2.80E-11 469.1237 440.2679 -11.30200 -9.474168
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
103
LAMPIRAN 8 ESTIMASI VECM PERMINTAAN M1 ISLAM Vector Error Correction Estimates Date: 04/28/07 Time: 03:17 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LM1ISLR(-1)
1.000000
LPDBR(-1)
-0.907528 (0.00835) [-108.678]
RS(-1)
0.044415 (0.01023) [ 4.34262]
EXPINF(-1)
0.187134 (0.02866) [ 6.53012]
Error Correction:
D(LM1ISLR)
D(LPDBR)
D(RS)
D(EXPINF)
CointEq1
-0.169597 (0.05288) [-3.20715]
-0.006654 (0.00530) [-1.25430]
-0.764768 (1.38349) [-0.55278]
-3.741482 (1.35459) [-2.76207]
D(LM1ISLR(-1))
-0.591018 (0.12755) [-4.63346]
0.028530 (0.01280) [ 2.22963]
-8.365712 (3.33713) [-2.50686]
8.306050 (3.26741) [ 2.54209]
D(LM1ISLR(-2))
-0.260233 (0.12758) [-2.03980]
0.035323 (0.01280) [ 2.76003]
-4.816285 (3.33775) [-1.44297]
3.555349 (3.26802) [ 1.08792]
D(LPDBR(-1))
-3.441561 (0.81842) [-4.20515]
1.519685 (0.08210) [ 18.5101]
-41.21924 (21.4117) [-1.92508]
-14.66083 (20.9644) [-0.69932]
D(LPDBR(-2))
3.474387 (0.84410) [ 4.11606]
-0.929285 (0.08468) [-10.9744]
42.10944 (22.0838) [ 1.90680]
-22.52845 (21.6225) [-1.04190]
D(RS(-1))
0.006353 (0.00508) [ 1.25117]
0.000195 (0.00051) [ 0.38276]
-0.642063 (0.13284) [-4.83348]
0.007174 (0.13006) [ 0.05516]
D(RS(-2))
0.000638 (0.00448) [ 0.14235]
3.18E-05 (0.00045) [ 0.07079]
-0.417029 (0.11726) [-3.55634]
0.028972 (0.11481) [ 0.25234]
D(EXPINF(-1))
0.021619
0.001089
0.028790
-0.078057
104
(0.00747) [ 2.89567]
(0.00075) [ 1.45437]
(0.19533) [ 0.14739]
(0.19125) [-0.40814]
0.010525 (0.00510) [ 2.06293]
0.001229 (0.00051) [ 2.40083]
-0.020487 (0.13348) [-0.15349]
-0.153196 (0.13069) [-1.17223]
0.473439 0.403231 0.115710 0.043915 6.743360 122.5751 -3.292031 -3.000626 0.006106 0.056847
0.872830 0.855874 0.001164 0.004405 51.47628 281.2355 -7.890883 -7.599478 0.003874 0.011604
0.480779 0.411550 79.19995 1.148912 6.944723 -102.6632 3.236616 3.528021 0.011304 1.497725
0.507527 0.441864 75.92544 1.124911 7.729253 -101.2065 3.194392 3.485797 -0.007793 1.505733
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
4.08E-08 214.6380 195.3508 -4.502922 -3.207788
D(EXPINF(-2))
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
105
LAMPIRAN 9 ESTIMASI VECM PERMINTAAN M2 ISLAM Vector Error Correction Estimates Date: 04/28/07 Time: 03:40 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LM2ISLR(-1)
1.000000
LPDBR(-1)
-0.929250 (0.00964) [-96.3746]
RS(-1)
0.064118 (0.01175) [ 5.45737]
EXPINF(-1)
0.219045 (0.03290) [ 6.65892]
Error Correction:
D(LM2ISLR)
D(LPDBR)
D(RS)
D(EXPINF)
CointEq1
-0.129318 (0.04457) [-2.90117]
-0.004672 (0.00457) [-1.02195]
-0.982376 (1.19284) [-0.82356]
-3.698747 (1.17420) [-3.15001]
D(LM2ISLR(-1))
-0.581670 (0.13083) [-4.44598]
0.031613 (0.01342) [ 2.35605]
-9.261470 (3.50110) [-2.64531]
6.825977 (3.44640) [ 1.98061]
D(LM2ISLR(-2))
-0.243357 (0.12809) [-1.89996]
0.037443 (0.01314) [ 2.85041]
-5.497727 (3.42764) [-1.60394]
2.449055 (3.37409) [ 0.72584]
D(LPDBR(-1))
-3.199146 (0.79053) [-4.04682]
1.525554 (0.08108) [ 18.8165]
-42.56980 (21.1551) [-2.01227]
-19.75417 (20.8246) [-0.94860]
D(LPDBR(-2))
3.436573 (0.81291) [ 4.22750]
-0.925144 (0.08337) [-11.0968]
40.91550 (21.7539) [ 1.88083]
-21.13748 (21.4140) [-0.98709]
D(RS(-1))
0.006203 (0.00514) [ 1.20579]
0.000164 (0.00053) [ 0.31060]
-0.615437 (0.13766) [-4.47074]
0.068559 (0.13551) [ 0.50594]
D(RS(-2))
0.000384 (0.00443) [ 0.08673]
1.42E-05 (0.00045) [ 0.03119]
-0.401874 (0.11861) [-3.38814]
0.070958 (0.11676) [ 0.60773]
D(EXPINF(-1))
0.019626
0.000998
0.066777
-0.022323
106
(0.00723) [ 2.71326]
(0.00074) [ 1.34504]
(0.19357) [ 0.34497]
(0.19055) [-0.11715]
0.009812 (0.00494) [ 1.98651]
0.001154 (0.00051) [ 2.27836]
0.000371 (0.13218) [ 0.00281]
-0.131470 (0.13011) [-1.01043]
0.454815 0.382124 0.108898 0.042602 6.256807 124.6682 -3.352703 -3.061298 0.007402 0.054198
0.874908 0.858230 0.001145 0.004369 52.45610 281.8039 -7.907360 -7.615955 0.003874 0.011604
0.488744 0.420577 77.98499 1.140066 7.169763 -102.1299 3.221156 3.512562 0.011304 1.497725
0.509850 0.444497 75.56725 1.122254 7.801440 -101.0434 3.189663 3.481068 -0.007793 1.505733
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
3.66E-08 218.4133 199.1261 -4.612351 -3.317217
D(EXPINF(-2))
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
107
LAMPIRAN 10 IRF MODEL PERMINTAAN M1 KONVENSIONAL Response of LM1R: Period
LM1R
LPDBR
1 0.026452 0.000000 2 0.021245 0.000653 3 0.021386 0.002668 4 0.022250 0.007430 5 0.023726 0.014790 6 0.022632 0.020282 7 0.022279 0.021050 8 0.021831 0.017871 9 0.020920 0.014314 10 0.020055 0.012748 11 0.019789 0.013813 12 0.019673 0.015788 13 0.019891 0.016658 14 0.019953 0.015810 15 0.019740 0.014246 16 0.019406 0.013417 17 0.019182 0.014021 18 0.019163 0.015483 19 0.019313 0.016656 20 0.019432 0.016818 21 0.019408 0.016168 22 0.019260 0.015492 23 0.019108 0.015428 24 0.019056 0.015981 25 0.019114 0.016636 26 0.019200 0.016873 27 0.019230 0.016591 28 0.019181 0.016116 29 0.019098 0.015869 30 0.019050 0.016009 31 0.019064 0.016353 32 0.019114 0.016590 33 0.019151 0.016550 34 0.019145 0.016317 35 0.019107 0.016117 36 0.019072 0.016108 37 0.019066 0.016266 38 0.019088 0.016437 39 0.019115 0.016483 40 0.019123 0.016392 41 0.019109 0.016264 42 0.019087 0.016209 43 0.019077 0.016260 44 0.019084 0.016357 45 0.019098 0.016414 46 0.019108 0.016393 47 0.019105 0.016325 48 0.019095 0.016273 Cholesky Ordering: LM1R LPDBR IDEP EXPINF
IDEP
EXPINF
0.000000 -0.002420 -0.009971 -0.010455 -0.013693 -0.016414 -0.018513 -0.018772 -0.018681 -0.017039 -0.015450 -0.014167 -0.013552 -0.013342 -0.013250 -0.012922 -0.012528 -0.012256 -0.012292 -0.012562 -0.012854 -0.012972 -0.012904 -0.012770 -0.012718 -0.012788 -0.012907 -0.012968 -0.012926 -0.012825 -0.012748 -0.012744 -0.012797 -0.012849 -0.012854 -0.012815 -0.012770 -0.012756 -0.012778 -0.012813 -0.012831 -0.012820 -0.012795 -0.012779 -0.012783 -0.012800 -0.012814 -0.012814
0.000000 -0.001711 -0.001862 -0.004643 -0.003899 -0.004186 -0.006966 -0.006761 -0.005873 -0.004666 -0.003593 -0.003739 -0.004489 -0.004840 -0.004640 -0.003990 -0.003470 -0.003486 -0.003912 -0.004342 -0.004452 -0.004216 -0.003903 -0.003786 -0.003930 -0.004174 -0.004304 -0.004234 -0.004055 -0.003928 -0.003943 -0.004061 -0.004166 -0.004176 -0.004098 -0.004011 -0.003986 -0.004032 -0.004100 -0.004130 -0.004106 -0.004057 -0.004026 -0.004036 -0.004071 -0.004098 -0.004097 -0.004074
108
LAMPIRAN 11 IRF MODEL PERMINTAAN M2 KONVENSIONAL Response of LM2R: Period
LM2R
LPDBR
1 0.016467 0.000000 2 0.014734 0.000927 3 0.013650 0.000389 4 0.012014 0.001787 5 0.012511 0.004372 6 0.012031 0.006229 7 0.012091 0.006709 8 0.011873 0.005834 9 0.011629 0.004431 10 0.011601 0.003627 11 0.011331 0.003859 12 0.011404 0.004621 13 0.011553 0.005270 14 0.011763 0.005286 15 0.011692 0.004787 16 0.011538 0.004277 17 0.011321 0.004210 18 0.011282 0.004604 19 0.011372 0.005137 20 0.011527 0.005414 21 0.011597 0.005306 22 0.011556 0.004999 23 0.011444 0.004798 24 0.011362 0.004869 25 0.011365 0.005136 26 0.011435 0.005374 27 0.011504 0.005414 28 0.011516 0.005265 29 0.011469 0.005078 30 0.011407 0.005010 31 0.011379 0.005097 32 0.011399 0.005250 33 0.011444 0.005341 34 0.011473 0.005312 35 0.011465 0.005207 36 0.011432 0.005122 37 0.011403 0.005122 38 0.011399 0.005196 39 0.011420 0.005276 40 0.011444 0.005301 41 0.011452 0.005261 42 0.011441 0.005200 43 0.011421 0.005170 44 0.011410 0.005190 45 0.011415 0.005237 46 0.011429 0.005272 47 0.011440 0.005269 48 0.011439 0.005237 Cholesky Ordering: LM2R LPDBR IDEP EXPINF
IDEP
EXPINF
0.000000 1.27E-05 0.001193 0.001083 -0.002201 -0.003118 -0.004195 -0.004300 -0.004301 -0.003692 -0.003316 -0.002747 -0.002544 -0.002435 -0.002397 -0.002295 -0.002189 -0.002085 -0.002057 -0.002100 -0.002169 -0.002221 -0.002230 -0.002212 -0.002198 -0.002209 -0.002239 -0.002264 -0.002266 -0.002245 -0.002218 -0.002203 -0.002206 -0.002219 -0.002226 -0.002221 -0.002208 -0.002196 -0.002195 -0.002202 -0.002211 -0.002214 -0.002210 -0.002203 -0.002199 -0.002201 -0.002206 -0.002210
0.000000 0.001028 -0.003879 -0.003878 -0.003447 -0.003178 -0.003433 -0.003280 -0.003376 -0.002987 -0.002720 -0.002685 -0.002767 -0.002878 -0.002927 -0.002841 -0.002685 -0.002591 -0.002594 -0.002688 -0.002780 -0.002803 -0.002752 -0.002684 -0.002653 -0.002681 -0.002735 -0.002769 -0.002758 -0.002718 -0.002682 -0.002677 -0.002701 -0.002729 -0.002738 -0.002723 -0.002699 -0.002686 -0.002692 -0.002709 -0.002722 -0.002721 -0.002710 -0.002698 -0.002695 -0.002702 -0.002711 -0.002716
109
LAMPIRAN 12 IRF MODEL PERMINTAAN M1 ISLAM Response of LM1ISLR: Period
LM1ISLR
LPDBR
1 0.043915 0.000000 2 0.016857 -0.012818 3 0.021128 -0.006444 4 0.026031 0.005448 5 0.021256 0.014985 6 0.027560 0.022807 7 0.032420 0.023597 8 0.031379 0.018700 9 0.031041 0.013812 10 0.029644 0.010885 11 0.027474 0.010527 12 0.027258 0.012472 13 0.027909 0.014731 14 0.028498 0.015923 15 0.029208 0.015949 16 0.029443 0.015131 17 0.029134 0.014153 18 0.028802 0.013639 19 0.028560 0.013676 20 0.028465 0.014042 21 0.028580 0.014454 22 0.028746 0.014672 23 0.028846 0.014643 24 0.028872 0.014476 25 0.028828 0.014302 26 0.028754 0.014212 27 0.028709 0.014229 28 0.028703 0.014304 29 0.028723 0.014379 30 0.028754 0.014415 31 0.028773 0.014406 32 0.028775 0.014372 33 0.028765 0.014340 34 0.028753 0.014326 35 0.028744 0.014331 36 0.028744 0.014345 37 0.028748 0.014359 38 0.028754 0.014365 39 0.028757 0.014363 40 0.028757 0.014356 41 0.028755 0.014350 42 0.028753 0.014348 43 0.028752 0.014349 44 0.028752 0.014352 45 0.028752 0.014354 46 0.028754 0.014355 47 0.028754 0.014355 48 0.028754 0.014353 Cholesky Ordering: LM1ISLR LPDBR RS EXPINF
RS
EXPINF
0.000000 -0.003990 -0.009028 -0.006025 -0.003439 -0.007331 -0.008854 -0.011028 -0.012957 -0.011685 -0.010299 -0.009548 -0.008886 -0.009176 -0.009902 -0.010278 -0.010439 -0.010351 -0.010054 -0.009855 -0.009813 -0.009863 -0.009978 -0.010070 -0.010087 -0.010057 -0.010010 -0.009972 -0.009964 -0.009979 -0.010000 -0.010015 -0.010018 -0.010011 -0.010002 -0.009996 -0.009995 -0.009998 -0.010002 -0.010004 -0.010005 -0.010003 -0.010001 -0.010000 -0.010000 -0.010001 -0.010002 -0.010002
0.000000 -0.009226 -0.013780 -0.016587 -0.008833 -0.010571 -0.016466 -0.020549 -0.023696 -0.023609 -0.020976 -0.018701 -0.017542 -0.017611 -0.018671 -0.019728 -0.020193 -0.020103 -0.019659 -0.019203 -0.019005 -0.019066 -0.019262 -0.019453 -0.019537 -0.019504 -0.019416 -0.019335 -0.019302 -0.019318 -0.019357 -0.019391 -0.019404 -0.019397 -0.019379 -0.019365 -0.019360 -0.019363 -0.019371 -0.019377 -0.019379 -0.019377 -0.019374 -0.019371 -0.019371 -0.019372 -0.019373 -0.019374
110
LAMPIRAN 13 IRF MODEL PERMINTAAN M2 ISLAM Response of LM2ISLR: Period
LM2ISLR
LPDBR
1 0.042602 0.000000 2 0.017504 -0.012360 3 0.022027 -0.006316 4 0.027400 0.005112 5 0.023724 0.014619 6 0.029865 0.021896 7 0.035273 0.022648 8 0.035080 0.018071 9 0.034765 0.013371 10 0.033405 0.010663 11 0.031174 0.010468 12 0.030678 0.012475 13 0.031261 0.014810 14 0.031953 0.016053 15 0.032774 0.016045 16 0.033126 0.015140 17 0.032857 0.014058 18 0.032456 0.013469 19 0.032125 0.013505 20 0.031972 0.013935 21 0.032075 0.014429 22 0.032280 0.014702 23 0.032434 0.014678 24 0.032493 0.014471 25 0.032449 0.014244 26 0.032353 0.014120 27 0.032279 0.014133 28 0.032255 0.014232 29 0.032277 0.014338 30 0.032320 0.014393 31 0.032356 0.014386 32 0.032366 0.014339 33 0.032355 0.014290 34 0.032335 0.014265 35 0.032319 0.014269 36 0.032314 0.014291 37 0.032319 0.014314 38 0.032329 0.014325 39 0.032336 0.014323 40 0.032338 0.014313 41 0.032336 0.014302 42 0.032331 0.014297 43 0.032328 0.014298 44 0.032327 0.014303 45 0.032328 0.014308 46 0.032330 0.014310 47 0.032332 0.014310 48 0.032332 0.014307 Cholesky Ordering: LM2ISLR LPDBR RS EXPINF
RS
EXPINF
0.000000 -0.004397 -0.009037 -0.006004 -0.004093 -0.007751 -0.009293 -0.011745 -0.013454 -0.012314 -0.011147 -0.010349 -0.009718 -0.010024 -0.010705 -0.011113 -0.011303 -0.011205 -0.010898 -0.010676 -0.010610 -0.010663 -0.010794 -0.010904 -0.010934 -0.010903 -0.010844 -0.010794 -0.010779 -0.010796 -0.010823 -0.010846 -0.010852 -0.010845 -0.010832 -0.010821 -0.010818 -0.010822 -0.010828 -0.010833 -0.010834 -0.010832 -0.010830 -0.010827 -0.010827 -0.010828 -0.010829 -0.010830
0.000000 -0.007860 -0.012104 -0.014784 -0.007432 -0.009019 -0.014304 -0.017866 -0.020599 -0.020766 -0.018744 -0.016836 -0.015811 -0.015807 -0.016678 -0.017627 -0.018096 -0.018054 -0.017664 -0.017223 -0.017001 -0.017034 -0.017219 -0.017419 -0.017523 -0.017504 -0.017416 -0.017324 -0.017277 -0.017286 -0.017329 -0.017371 -0.017392 -0.017387 -0.017367 -0.017347 -0.017338 -0.017341 -0.017350 -0.017359 -0.017363 -0.017362 -0.017358 -0.017353 -0.017351 -0.017352 -0.017354 -0.017356
111
LAMPIRAN 14 VARIANCE DECOMPOSITION PERMINTAAN M1 KONVENSIONAL Variance Decomposition of LM1R: Period
S.E.
LM1R
1 0.026452 100.0000 2 0.034063 99.20642 3 0.041565 93.09957 4 0.049079 87.32616 5 0.058250 78.58239 6 0.067850 69.04568 7 0.077035 61.92701 8 0.084430 58.23961 9 0.090302 56.27873 10 0.095033 55.26821 11 0.099324 54.56534 12 0.103519 53.84388 13 0.107672 53.18373 14 0.111547 52.75218 15 0.115032 52.54876 16 0.118203 52.46284 17 0.121266 52.34801 18 0.124397 52.11862 19 0.127638 51.79501 20 0.130877 51.46813 21 0.133984 51.20637 22 0.136926 51.00809 23 0.139763 50.82763 24 0.142582 50.62386 25 0.145427 50.39020 26 0.148267 50.15477 27 0.151041 49.95069 28 0.153711 49.78748 29 0.156292 49.64991 30 0.158828 49.51575 31 0.161354 49.37320 32 0.163874 49.22699 33 0.166362 49.09047 34 0.168795 48.97217 35 0.171168 48.86958 36 0.173500 48.77344 37 0.175810 48.67602 38 0.178109 48.57636 39 0.180388 48.47933 40 0.182635 48.39020 41 0.184842 48.31009 42 0.187015 48.23589 43 0.189163 48.16342 44 0.191296 48.09079 45 0.193412 48.01919 46 0.195506 47.95118 47 0.197573 47.88817 48 0.199613 47.82945 Cholesky Ordering: LM1R LPDBR IDEP EXPINF
LPDBR
IDEP
EXPINF
0.000000 0.036715 0.436681 2.605203 8.296286 15.05049 19.14258 20.41631 20.36019 20.18291 20.41077 21.11600 21.91232 22.42526 22.62060 22.71174 22.91575 23.32568 23.85904 24.34434 24.68427 24.91502 25.13251 25.40481 25.72929 26.04791 26.30656 26.49986 26.66282 26.83414 27.02760 27.22775 27.40893 27.55909 27.68673 27.80965 27.93952 28.07470 28.20462 28.32053 28.42236 28.51706 28.61180 28.70859 28.80403 28.89333 28.97466 29.05009
0.000000 0.504563 6.093556 8.908186 11.84954 14.58585 17.09034 19.17103 21.03850 22.21071 22.75251 22.81863 22.67671 22.55910 22.53952 22.54162 22.48447 22.33735 22.14486 21.98392 21.89637 21.86316 21.83711 21.78429 21.70519 21.62531 21.56859 21.53749 21.51604 21.48650 21.44310 21.39356 21.35006 21.31854 21.29539 21.27250 21.24464 21.21274 21.18184 21.15611 21.13568 21.11737 21.09790 21.07637 21.05446 21.03445 21.01728 21.00202
0.000000 0.252302 0.370190 1.160446 1.271789 1.317981 1.840079 2.173048 2.322577 2.338171 2.271385 2.221491 2.227239 2.263458 2.291118 2.283808 2.251759 2.218357 2.201085 2.203600 2.212991 2.213731 2.202749 2.187028 2.175322 2.172002 2.174161 2.175166 2.171235 2.163607 2.156094 2.151705 2.150539 2.150203 2.148306 2.144401 2.139813 2.136197 2.134206 2.133164 2.131870 2.129680 2.126881 2.124242 2.122313 2.121030 2.119891 2.118441
112
LAMPIRAN 15 VARIANCE DECOMPOSITION PERMINTAAN M2 KONVENSIONAL Variance Decomposition of LM2R: Period
S.E.
LM2R
1 0.016467 100.0000 2 0.022140 99.60919 3 0.026327 97.32543 4 0.029272 95.57149 5 0.032392 92.96788 6 0.035392 89.42934 7 0.038382 85.96249 8 0.040957 83.89912 9 0.043153 82.83691 10 0.045083 82.51797 11 0.046842 82.28938 12 0.048583 82.00628 13 0.050356 81.59849 14 0.052117 81.26958 15 0.053760 81.10862 16 0.055271 81.09198 17 0.056681 81.09612 18 0.058072 81.03391 19 0.059489 80.87182 20 0.060933 80.66443 21 0.062353 80.49108 22 0.063712 80.38370 23 0.065006 80.31508 24 0.066262 80.23893 25 0.067513 80.12567 26 0.068773 79.98142 27 0.070028 79.83980 28 0.071253 79.72929 29 0.072437 79.65192 30 0.073585 79.58883 31 0.074715 79.51911 32 0.075841 79.43460 33 0.076964 79.34368 34 0.078075 79.26145 35 0.079162 79.19610 36 0.080224 79.14378 37 0.081267 79.09423 38 0.082301 79.03941 39 0.083329 78.97889 40 0.084350 78.91867 41 0.085359 78.86517 42 0.086350 78.81999 43 0.087325 78.77966 44 0.088289 78.73924 45 0.089246 78.69624 46 0.090196 78.65196 47 0.091138 78.60974 48 0.092069 78.57190 Cholesky Ordering: LM2R LPDBR IDEP EXPINF
LPDBR
IDEP
EXPINF
0.000000 0.175277 0.145736 0.490722 2.222150 4.959238 7.271690 8.415361 8.634748 8.558517 8.606508 8.905325 9.384561 9.789452 9.993210 10.05314 10.11073 10.26105 10.52342 10.82026 11.05725 11.20618 11.30930 11.42452 11.58355 11.77360 11.95324 12.09160 12.19120 12.27732 12.37422 12.48868 12.60836 12.71504 12.80065 12.87159 12.94065 13.01645 13.09811 13.17776 13.24815 13.30833 13.36317 13.41854 13.47683 13.53592 13.59173 13.64184
0.000000 3.28E-05 0.205269 0.302931 0.709242 1.370359 2.359841 3.174803 3.853177 4.201086 4.392545 4.403007 4.353626 4.282639 4.223675 4.168265 4.112523 4.046833 3.975796 3.908452 3.853507 3.812429 3.779901 3.749398 3.717651 3.685895 3.657205 3.633494 3.613613 3.594846 3.575058 3.554064 3.533238 3.514172 3.497351 3.482017 3.467008 3.451720 3.436416 3.421847 3.408558 3.396478 3.385077 3.373842 3.362628 3.351677 3.341328 3.331716
0.000000 0.215499 2.323562 3.634856 4.100728 4.241059 4.405979 4.510714 4.675161 4.722424 4.711569 4.685393 4.663322 4.658332 4.674500 4.686622 4.680627 4.658207 4.628966 4.606861 4.598158 4.597689 4.595717 4.587148 4.573129 4.559093 4.549749 4.545614 4.543274 4.539011 4.531612 4.522652 4.514728 4.509337 4.505895 4.502605 4.498114 4.492422 4.486587 4.481721 4.478127 4.475206 4.472095 4.468379 4.464300 4.460440 4.457207 4.454547
113
LAMPIRAN 16 VARIANCE DECOMPOSITION PERMINTAAN M1 ISLAM Variance Decomposition of LM1ISLR: Period
S.E.
LM1ISLR
1 0.043915 100.0000 2 0.049779 89.29287 3 0.056897 82.13814 4 0.065238 78.39872 5 0.070868 75.43393 6 0.080420 70.32184 7 0.091787 66.45912 8 0.101504 63.90065 9 0.110394 61.92996 10 0.117804 60.71532 11 0.123651 60.04615 12 0.128954 59.67767 13 0.134207 59.42131 14 0.139541 59.13663 15 0.145003 58.82298 16 0.150388 58.51883 17 0.155507 58.23965 18 0.160341 58.00746 19 0.164923 57.82806 20 0.169331 57.68256 21 0.173655 57.55408 22 0.177928 57.43292 23 0.182141 57.31465 24 0.186275 57.20142 25 0.190309 57.09690 26 0.194237 57.00268 27 0.198070 56.91856 28 0.201825 56.84263 29 0.205517 56.77238 30 0.209151 56.70616 31 0.212731 56.64334 32 0.216253 56.58388 33 0.219717 56.52804 34 0.223123 56.47590 35 0.226475 56.42723 36 0.229778 56.38158 37 0.233035 56.33850 38 0.236248 56.29762 39 0.239420 56.25874 40 0.242550 56.22176 41 0.245640 56.18662 42 0.248691 56.15324 43 0.251704 56.12152 44 0.254682 56.09130 45 0.257625 56.06246 46 0.260536 56.03488 47 0.263414 56.00847 48 0.266262 55.98318 Cholesky Ordering: LM1ISLR LPDBR RS EXPINF
LPDBR
RS
EXPINF
0.000000 6.630106 6.357567 5.533215 9.160402 15.15601 18.24397 18.31233 17.04716 15.82360 15.08738 14.80747 14.87559 15.06230 15.15873 15.10490 14.95511 14.79051 14.66773 14.60171 14.57635 14.56457 14.54490 14.51043 14.46660 14.42285 14.38603 14.35797 14.33635 14.31737 14.29819 14.27795 14.25732 14.23758 14.21960 14.20353 14.18897 14.17531 14.16213 14.14927 14.13683 14.12495 14.11375 14.10320 14.09322 14.08369 14.07453 14.06571
0.000000 0.642313 3.009475 3.141991 2.898121 3.081573 3.296196 3.875662 4.654213 5.070844 5.296385 5.418019 5.440523 5.465002 5.527336 5.605702 5.693365 5.772008 5.827409 5.866666 5.897425 5.924846 5.953999 5.984896 6.014809 6.042097 6.065881 6.086357 6.104731 6.122013 6.138678 6.154817 6.170198 6.184566 6.197870 6.210214 6.221782 6.232757 6.243244 6.253270 6.262826 6.271902 6.280511 6.288689 6.296485 6.303940 6.311086 6.317939
0.000000 3.434712 8.494814 12.92607 12.50755 11.44058 12.00071 13.91136 16.36866 18.39024 19.57009 20.09685 20.26257 20.33606 20.49095 20.77057 21.11188 21.43002 21.67680 21.84906 21.97214 22.07766 22.18644 22.30326 22.42169 22.53237 22.62953 22.71304 22.78653 22.85445 22.91979 22.98336 23.04444 23.10195 23.15530 23.20467 23.25075 23.29431 23.33589 23.37570 23.41373 23.44990 23.48423 23.51681 23.54784 23.57749 23.60591 23.63317
114
LAMPIRAN 17 VARIANCE DECOMPOSITION PERMINTAAN M2 ISLAM Variance Decomposition of LM2ISLR: Period
S.E.
LM2ISLR
1 0.042602 100.0000 2 0.048531 90.06969 3 0.055754 83.85258 4 0.064343 81.09483 5 0.070630 78.58324 6 0.080631 74.01702 7 0.092463 70.83862 8 0.102780 68.98041 9 0.112055 67.65840 10 0.119870 66.89005 11 0.126197 66.45267 12 0.131959 66.18146 13 0.137674 65.95660 14 0.143468 65.69683 15 0.149357 65.43374 16 0.155139 65.20604 17 0.160626 65.01203 18 0.165792 64.85595 19 0.170681 64.73592 20 0.175383 64.63498 21 0.179993 64.54144 22 0.184553 64.45137 23 0.189051 64.36439 24 0.193462 64.28322 25 0.197763 64.21013 26 0.201944 64.14521 27 0.206019 64.08739 28 0.210009 64.03482 29 0.213929 63.98566 30 0.217791 63.93903 31 0.221594 63.89482 32 0.225337 63.85322 33 0.229015 63.81443 34 0.232630 63.77840 35 0.236186 63.74483 36 0.239688 63.71333 37 0.243141 63.68354 38 0.246547 63.65523 39 0.249909 63.62831 40 0.253227 63.60275 41 0.256501 63.57851 42 0.259733 63.55553 43 0.262925 63.53371 44 0.266078 63.51295 45 0.269194 63.49312 46 0.272276 63.47416 47 0.275323 63.45601 48 0.278336 63.43864 Cholesky Ordering: LM2ISLR LPDBR RS EXPINF
LPDBR
RS
EXPINF
0.000000 6.486443 6.197941 5.284823 8.670032 14.02701 16.66610 16.57952 15.37226 14.22453 13.52196 13.26076 13.33976 13.53593 13.64367 13.59790 13.45079 13.28558 13.16134 13.09647 13.07668 13.07319 13.06135 13.03197 12.99015 12.94666 12.91016 12.88364 12.86493 12.84953 12.83366 12.81587 12.79684 12.77821 12.76135 12.74669 12.73383 12.72198 12.71048 12.69906 12.68782 12.67701 12.66685 12.65739 12.64853 12.64012 12.63202 12.62418
0.000000 0.820722 3.249044 3.310353 3.083109 3.289852 3.511914 4.148144 4.931373 5.364668 5.620366 5.755387 5.785733 5.815993 5.880151 5.963081 6.057882 6.142968 6.203746 6.246127 6.277690 6.305204 6.334762 6.366810 6.398600 6.427855 6.453136 6.474496 6.493264 6.510746 6.527713 6.544353 6.560367 6.575370 6.589187 6.601885 6.613691 6.624859 6.635554 6.645824 6.655644 6.664973 6.673799 6.682153 6.690094 6.697680 6.704955 6.711940
0.000000 2.623147 6.700436 10.30999 9.663623 8.666114 8.983371 10.29192 12.03797 13.52076 14.40501 14.80239 14.91791 14.95125 15.04244 15.23297 15.47929 15.71550 15.89899 16.02243 16.10419 16.17023 16.23950 16.31801 16.40112 16.48027 16.54932 16.60705 16.65615 16.70070 16.74380 16.78655 16.82836 16.86802 16.90463 16.93809 16.96894 16.99793 17.02566 17.05237 17.07803 17.10249 17.12563 17.14751 17.16825 17.18804 17.20701 17.22524
115
LAMPIRAN 18 HASIL UJI AKAR UNIT (2) VARIABEL LM1 Null Hypothesis: LM1 has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.581378 -4.100935 -3.478305 -3.166788
0.2900
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.743636 -2.600471 -1.945823 -1.613589
0.0068
t-Statistic
Prob.*
0.042461 -4.100935 -3.478305 -3.166788
0.9961
*MacKinnon (1996) one-sided p-values.
VARIABEL LM2 Null Hypothesis: LM2 has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
t-Statistic
Prob.*
-2.127274 -2.600471 -1.945823 -1.613589
0.0330
116
VARIABEL LM1ISL Null Hypothesis: LM1ISL has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.553596 -4.100935 -3.478305 -3.166788
0.0418
Null Hypothesis: D(LM1ISL) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.144041 -2.600471 -1.945823 -1.613589
0.0001
VARIABEL LM2ISL Null Hypothesis: LM2ISL has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.192469 -4.100935 -3.478305 -3.166788
0.0947
t-Statistic
Prob.*
-3.824946 -2.600471 -1.945823 -1.613589
0.0002
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2ISL) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
117
VARIABEL LIHK Null Hypothesis: LIHK has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.941195 -4.100935 -3.478305 -3.166788
0.6219
Null Hypothesis: D(LIHK) has a unit root Exogenous: None Lag Length: 4 (Fixed) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
t-Statistic
Prob.*
-2.144667 -2.600471 -1.945823 -1.613589
0.0317
118
LAMPIRAN 19 UJI LAG OPTIMAL (2) MODEL LM1 VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM1) Exogenous variables: C Date: 05/11/07 Time: 16:31 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
0 1 2 3 4 5
348.5784 353.1581 354.3499 355.6473 357.7812 360.5634
NA* 8.743056 2.203083 2.319634 3.685692 4.637122
FPE
AIC
SC
9.42E-08 -10.50238 -10.43602* 9.25E-08* -10.51994* -10.32088 1.01E-07 -10.43485 -10.10308 1.10E-07 -10.35295 -9.888477 1.16E-07 -10.29640 -9.699220 1.21E-07 -10.25950 -9.529613
HQ -10.47616* -10.44128 -10.30375 -10.16941 -10.06042 -9.971086
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL LM2 VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM2) Exogenous variables: C Date: 05/11/07 Time: 16:35 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
0 1 2 3 4 5
396.8762 402.4927 403.7916 407.7800 409.6067 410.1007
NA 10.72227* 2.401060 7.130718 3.155242 0.823353
FPE
AIC
SC
2.18E-08 -11.96595 -11.89959* 2.08E-08* -12.01493* -11.81587 2.25E-08 -11.93308 -11.60131 2.26E-08 -11.93273 -11.46825 2.41E-08 -11.86687 -11.26969 2.69E-08 -11.76063 -11.03074
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
HQ -11.93973* -11.93627 -11.80198 -11.74919 -11.63090 -11.47221
119
MODEL LM1ISL VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM1ISL) Exogenous variables: C Date: 05/11/07 Time: 16:37 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
0 1 2 3 4 5
299.5858 310.9452 310.9685 316.1374 317.2927 319.0992
NA 21.68606* 0.043063 9.241457 1.995443 3.010913
FPE
AIC
SC
4.16E-07 -9.017752 -8.951399 3.33E-07* -9.240763* -9.041704* 3.75E-07 -9.120257 -8.788491 3.63E-07 -9.155680 -8.691208 3.96E-07 -9.069476 -8.472297 4.24E-07 -9.003007 -8.273123
HQ -8.991533 -9.162106* -8.989161 -8.972145 -8.833502 -8.714595
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL LM2ISL VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM2ISL) Exogenous variables: C Date: 05/11/07 Time: 16:39 Sample: 2001:01 2006:12 Included observations: 66 Lag
LogL
LR
0 1 2 3 4 5
302.6232 313.4878 313.4961 318.6815 319.8898 321.6006
NA 20.74151* 0.015356 9.270965 2.087036 2.851256
FPE
AIC
SC
3.79E-07 -9.109793 -9.043440 3.08E-07* -9.317811* -9.118751* 3.48E-07 -9.196850 -8.865085 3.36E-07 -9.232773 -8.768301 3.66E-07 -9.148176 -8.550997 3.93E-07 -9.078805 -8.348920
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
HQ -9.083573 -9.239153* -9.065754 -9.049238 -8.912202 -8.790393
120
LAMPIRAN 20 UJI KOINTEGRASI 2 (ASUMSI) MODEL LM1 (ASUMSI 3) Date: 05/11/07 Time: 16:33 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LIHK LM1 Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.104370 0.009340
8.372786 0.656853
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
MODEL LM2 (ASUMSI 5) Date: 05/11/07 Time: 16:36 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Quadratic deterministic trend Series: LIHK LM2 Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.168125 0.006178
13.31887 0.433771
18.17 3.74
23.46 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
121
MODEL LM1ISL (ASUMSI 4) Date: 05/11/07 Time: 16:38 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LIHK LM1ISL Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.189799 0.056440
18.79984 4.066706
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
MODEL LM2ISL (ASUMSI 4) Date: 05/11/07 Time: 16:40 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LIHK LM2ISL Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.185221 0.059129
18.60514 4.266432
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
122
LAMPIRAN 21 HASIL ESTIMASI VAR FIRST DIFFERENCE MODEL LM1 Vector Autoregression Estimates Date: 05/11/07 Time: 16:34 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LIHK)
D(LM1)
D(LIHK(-1))
0.093384 (0.12213) [ 0.76462]
-0.768893 (0.29295) [-2.62464]
D(LM1(-1))
0.012194 (0.04877) [ 0.25006]
-0.121082 (0.11697) [-1.03515]
C
0.006687 (0.00167) [ 4.00975]
0.019801 (0.00400) [ 4.95050]
0.010110 -0.019439 0.007878 0.010843 0.342139 218.9021 -6.168632 -6.072267 0.007535 0.010739
0.112333 0.085835 0.045324 0.026009 4.239362 157.6590 -4.418828 -4.322464 0.012561 0.027203
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
7.81E-08 374.1201 -10.51772 -10.32499
MODEL LM2 Vector Autoregression Estimates Date: 05/05/07 Time: 10:02 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LIHK(-1))
D(LIHK)
D(LM2)
0.084686 (0.11465) [ 0.73863]
-0.147687 (0.15018) [-0.98343]
123
D(LM2(-1))
0.275592 (0.09376) [ 2.93947]
0.074306 (0.12280) [ 0.60509]
C
0.004561 (0.00168) [ 2.71867]
0.009095 (0.00220) [ 4.13926]
0.122368 0.096170 0.006984 0.010210 4.670887 223.1149 -6.288998 -6.192634 0.007535 0.010739
0.018961 -0.010324 0.011982 0.013373 0.647454 204.2228 -5.749222 -5.652858 0.008620 0.013305
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.86E-08 424.3046 -11.95156 -11.75883
MODEL LM1ISL Vector Autoregression Estimates Date: 05/05/07 Time: 10:04 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LIHK)
D(LM1ISL)
D(LIHK(-1))
0.043796 (0.12438) [ 0.35212]
-1.921480 (0.62302) [-3.08412]
D(LM1ISL(-1))
0.036640 (0.02383) [ 1.53734]
-0.184006 (0.11938) [-1.54131]
C
0.006790 (0.00156) [ 4.35837]
0.030061 (0.00780) [ 3.85215]
0.042946 0.014377 0.007616 0.010662 1.503246 220.0828 -6.202366 -6.106002 0.007535
0.189307 0.165107 0.191098 0.053406 7.822651 107.2955 -2.979872 -2.883508 0.013578
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent
124
S.D. dependent
0.010739
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
0.058449 2.74E-07 330.1643 -9.261836 -9.069108
MODEL LM2ISL Vector Autoregression Estimates Date: 05/05/07 Time: 10:05 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LIHK)
D(LM2ISL)
D(LIHK(-1))
0.049139 (0.12422) [ 0.39559]
-1.801255 (0.59227) [-3.04125]
D(LM2ISL(-1))
0.035924 (0.02490) [ 1.44288]
-0.188860 (0.11871) [-1.59090]
C
0.006705 (0.00156) [ 4.29032]
0.030781 (0.00745) [ 4.13072]
0.039046 0.010361 0.007647 0.010684 1.361181 219.9405 -6.198299 -6.101935 0.007535 0.010739
0.186457 0.162173 0.173853 0.050939 7.677928 110.6056 -3.074447 -2.978083 0.014866 0.055652
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
2.54E-07 332.8508 -9.338595 -9.145867