bab iv verdana 3

Hasil dan Pembahasan

BAB IV

HASIL DAN PEMBAHASAN

Dalam bab ini akan dibahas mengenai perbandingan secara empiris

antara instrumen moneter bebas bunga dan instrumen moneter

berbasiskan bunga dalam hal kegunaan kebijakan (policy usefulness) oleh

Otoritas Moneter dan juga akan dibahas mengenai perbandingan

penerapan rasio likuiditas antara instrumen keuangan bebas bunga dan

instrumen keuangan berbasiskan bunga pada sistem dual banking di

Indonesia.

Analisis ekonomi maupun analisis statistik dilakukan terhadap

estimasi model yang digunakan dalam penelitian ini. Analisis ekonomi

dilakukan dengan melihat konsistensi masing-masing variabel bebas

terhadap variabel tak bebas pada setiap model. Setiap variabel bebas

dikatakan konsisten apabila arah pergerakan variabel tesebut sesuai

dengan teori yang ada dan hasilnya signifikan secara statistik.

Sedangkan analisis secara statistik akan dilakukan dengan

melakukan beberapa uji statistik untuk mengetahui signifikansi variabel-

variabel persamaan . Diantaranya yaitu uji t-statistik, uji F-statistik, uji

unit root, uji kointegrasi, uji koefisien determinasi, dan uji Durbin-Watson.

Pada bagian ini juga akan dibahas mengenai respon dari variabel tidak

bebas akibat perubahan dari variabel bebasnya.

102


Beberapa kepustakaan [(Stock dan Watson (1988) , Harris (1995)]

menyatakan bahwa regresi yang diestimasi harus tidak memasukkan

variabel-variabel non-stationary untuk menghindari adanya masalah

spurious regression (R-squares yang tinggi dan Durbin-Watson statistik

yang rendah). Lebih lanjutnya, Engle dan Granger (1987)

mempertunjukkan bahwa menggunakan variabel-variabel yang stasioner

dalam persamaan regresi , dapat menyaring informasi yang berfrekuensi-

rendah jika beberapa atau semua variabel-variabel dalam model

terkointegrasi.

Dua variabel dikatakan terkointegrasi jika memiliki hubungan

(keseimbangan) jangka panjang. Menurut teori representasi Granger

(1986), setiap sistem dari variabel-variabel yang terkointegrasi dapat di

representasikan oleh error-correction model (ECM). Pada model asli yang

mengandung variabel-variabel stasioner, ECM menambah regressor lain;

lagged residuals (yang disebut error-corection (EC) term) yang diperoleh

dari hubungan kointegrasi. Koefisien dari EC term merefleksikan proses

dimana variabel tidak bebas (dependent) dalam persamaan ECM

menyesuaikan dalam jangka pendek terhadap posisi keseimbangan

jangka panjangnya.

Diskusi diatas, maka, menyarankan bahwa analisis secara empiris

terhadap identifikasi masalah pada penelitian ini , berdasarkan model

kointegrasi dan error-correction.

103


4.1 Kegunaan Kebijakan (Policy Usefulness)

Perdebatan dalam hal kegunaan kebijakan (policy usefulness) dari

instrumen-instrumen moneter alternatif secara umum melibatkan dua

persoalan pokok; yaitu kemampuan kontrol terhadap besaran (aggregate)

moneter tersebut dan hubungan antara besaran (aggregate) moneter

dengan tujuan utama dari kebijakan tersebut (Havrilesky dan Boorman,

1980, Batten and Thornton, 1983, McCallum, 1989).

1. Kemampuan mengontrol besaran (aggregate) moneter.

Pendekatan konvensional secara umum mengasumsikan bahwa otoriras

moneter dapat mengontrol besaran (aggregate) moneter melalui

monetary base (MB). Hal ini disebabkan karena sudah menjadi

kebiasaan umum bahwa kemampuan mengontrol besaran (aggregate)

moneter diukur dengan menggunakan tingkat korelasi secara statistik

antara besaran (aggregate) moneter dengan monetary base.

2. Keterkaitan antara besaran (aggregate) moneter dan tujuan utama dari

kebijakan moneter.

Sentral bank dibanyak negara menganggap stabilitas harga (inflasi)

sebagai tujuan utama dari kebijakannya. Pemikiran ini didasari pada

teori inflasi dari monetarist yang mengangkat hubungan menonjol

pada pertumbuhan uang dalam proses terbentuknya inflasi.

Berdasarkan hubungan ini mengatasi inflasi secara umum dipandang

sebagai tujuan yang realistis dan dapat dicapai dari kebijakan

moneter.

104


4.1.1 Model Ekonometrik

A. Kemampuan Mengontrol Besaran (aggregate) Moneter

(GM1) t = g + d(GMB)t + ut (1)

(GM1(isl)) t = h + q(GMB (isl))t + ut (2)

(GM2)t = g + d(GMB)t + ut (3)

(GM2 (isl)) t = h + q(GMB(isl))t + ut (4)

B. Keterkaitan antara besaran (aggregate) moneter dan tujuan utama

dari kebijakan moneter.

GCPIt = r0 + r1(GM1)t + r2(GM1)t-1 + r3(GM1)t-2+ r4(GM1)t-3 + ut (5)

GCPIt = l0 + l1(GM2)t + l2(GM2)t-1 + l3(GM2)t-2 + l4(GM2)t-3 + ut (6)

GCPIt = r0 + r1(GM1(isl))t + r2(GM(isl)1)t-1 + r3(GM1(isl))t-2 +

r4(GM1(isl))t-3 + ut (7)

GCPIt = l0 + l1(GM2(isl))t + l2(GM2(isl))t-1 + l3(GM2(isl))t-2 +

l4(GM2(isl))t-3 + ut (8)

Untuk melihat validitas model yang digunakan serta akurasi hasil

estimasi model, maka dilakukan beberapa pengujian statistik, antara lain;

4.1.2 Uji Akar-akar Unit (Unit Root )

Di dalam penelitian ini akan digunakan uji akar unit melalui uji Augmented

Dickey-Fuller (ADF-Test) untuk mengetahui apakah data time series yang

digunakan memiliki masalah akar unit atau data tidak stasioner.

Pengujian stasioneritas ini penting karena jika ternyata data time-series

yang diteliti bersifat non-stasioner seperti kebanyakan data ekonomi,

maka hasil regresi yang berakaitan dengan data time-series ini akan

105


mengandung R2 yang relatif tinggi dan Durbin-Watson stat yang rendah

seperti yang dibuktikan oleh Granger dan Newbold (1974, 1977). Dengan

perkataan lain, kita menghadapi masalah apa yang disebut spurious

regression. Jika suatu data time series tidak stasioner pada order nol,

I(0), maka stasionaritas data tersebut bisa dicari melalui berbagai order

sehingga diperoleh tingkat stasionaritas pada order ke-n (first difference

atau I(1), atau second difference atau I(2), dan seterusnya).

∑−

=−− +∆+=∆

1

11

p

jtjtjtt YYY µρρ (ADF test)

H0 : ρ = 0 (terdapat unit roots, variabel Y tidak stasioner)

H1 : ρ # 0 (tidak terdapat unit roots, variabel Y stasioner)

Hasil pengujian unit root pada tiap-tiap variabel yang digunakan

dapat dilihat pada tabel 4.1 di bawah ini.(menggunakan software Eviews

3.1)

Tabel 4.1Hasil Pengujian Unit Root

Variabel ADF Variabel ADF

Level

GM1 -3,37

First Difference

GM1 -4,48GM1(-1) -3,4 GM1(-1) -4,45GM1(-2) -3,31 GM1(-2) -4,29GM1(-3) -3,15 GM1(-3) -4,15GM2 -2,76 GM2 -5,05GM2(-1) -2,78 GM2(-1) -4,91GM2(-2) -2,71 GM2(-2) -4,78GM2(-3) -2,63 GM2(-3) -4,6GMB -3,53 GMB -5,08GCPI -1,99 GCPI -2,75

106


Pada tabel 4.1 diatas, terdapat beberapa variabel yang stasioner

pada tingkat level dimana hasil pengujian ADF (Augmented Dickey-Fuller)

mempunyai nilai yang cukup negatif sehingga jika diambil nilai absolutnya

menjadi lebih besar bila dibandingkan dengan nilai kritis dari tabel kritis

Mac Kinnon17, namun syarat variabel-variabel terkointegrasi adalah bahwa

seluruh variabel harus terintegrasi pada derajat yang sama, maka jika

dilihat pada tingkat first-difference (perubahan atas variabel-variabel

tersebut) variabel-variabel diatas stasioner pada tingkat yang sama,

karena cukup negatif (nilai absolutnya lebih besar) bila dibandingkan

dengan tabel kritis MacKinnon.

4.1.3 Uji Kointegrasi

17 Tabel MacKinnon secara lengkap dapat dilihat pada lampiran


Level

GM1ISL -3,45

First Difference

GM1ISL -4,57GM1ISL(-1) -3,49 GM1ISL(-1) -4,45GM1ISL(-2) -3,35 GM1ISL(-2) -4,4GM1ISL(-3) -3,3 GM1ISL(-3) -4,25GM2ISL -3,35 GM2ISL -4,63GM2ISL(-1) -3,35 GM2ISL(-1) -4,52GM2ISL(-2) -3,24 GM2ISL(-2) -4,51GM2ISL(-3) -3,18 GM2ISL(-3) -4,36GMBISL -3,44 GMBISL -4,57GCPI -1,99 GCPI -2,75

107


Uji kointegrasi bertujuan untuk menguji hubungan jangka panjang

diantara variabel-variabel yang tidak stasioner. Hubungan ekuilibrium

diantara variabel-variabel yang tidak stasioner menandakan bahwa

stochastic trends dari variabel-variabel tersebut saling terkait. Hubungan

ekuilibrium disini berarti bahwa variabel-variabel tersebut tidak dapat

bergerak secara bebas. Keterkaitan di antara stochastic trends ini

menyatakan bahwa variabel-variabel tersebut terkointegrasi.

Pengujian derajat kointegrasi dilakukan dengan metode Engle-

Granger (1987). Hipotesis ini didasarkan oleh hasil regresi pada error

terms berikut ini :

∆Ut = δUt-1 + vt

Hipotesis untuk pengujian ini adalah :

H0 : δ = 0 (variabel-variabel dalam model tidak terkointegrasi)

H1 : δ ≠ 0 (variabel-variabel dalam model terkointegrasi)

Dari hasil persamaan regresi pada error terms diatas, maka

didapat error terms masing-masing persamaan. Hasil dari regresi error

terms dibawah ini menggunakan bantuan software Eviews 3.1.

A. Kemampuan mengontrol besaran (aggregate) moneter

• (GM1) t = g + d(GMB)t + ut

∆ut = -1.193570*ut-1 + vt

(-5,914)

R2 = 0,603 D.W Stat = 2,05Keterangan : Nilai dalam kurung adalah nilai t- Stat

• (GM1(isl)) t = h + q(GMB (isl))t + ut

108


∆ut = -1.053546* ut-1 + vt

(-4,97)


• (GM2)t = g + d(GMB)t + ut

∆ut = -0.954047*ut-1 + vt

(-4,58)


• (GM2 (isl)) t = h + q(GMB(isl))t + ut

∆ut = -0.878444*ut-1 + vt

(-4,24)


Dari hasil regresi pada error terms masing-masing diatas maka

penentuan terkointegrasi tidaknya variabel-variabel pada masing-masing

persamaan sesuai dengan hipotesis yang ada adalah membandingkan t-

statistik dari hasil regresi dengan Mackinnon critical value.

Hasil estimasi secara lengkap dapat dilihat pada lampiran B

Karena nilai t-statistik dari hasil regresi error terms pada keempat

persamaan diatas lebih kecil (cukup negatif ) (-5.914, -4.97, -4.58,-4.24 )

daripada Mackinnon critical value pada tingkat kepercayaan 95 % (- 1.95)

maka Ho ditolak maka sesuai dengan hipotesis yang telah dibuat hal

tersebut menunjukkan bahwa residual (error terms) dari model

kointegrasi tersebut stasioner atau terkointegrasi yang berarti dengan

109


tingkat kepercayaan 95% semua variabel dalam keempat persamaan

model memiliki pengaruh hubungan jangka panjang.

Hasil ini menunjukkan bahwa , untuk kedua besaran (aggregate)

moneter (M1&M2) baik yang berbasiskan bunga maupun bebas bunga

(Islamic) diwakilkan dari variabel pertumbuhannya mempunyai hubungan

kointegrasi yang signifikan dengan pertumbuhan monetary base (MB) ,

tetapi tentu saja hasil-hasil diatas terbatas pada ruang lingkup jangka

panjang. Perkembangan dinamis jangka pendek mungkin akan lebih

relevan dilihat dari perspektif kebijakan, dan penelitian demikian

membutuhkan estimasi regresi yang menghubungkan besaran-besaran

(aggregates) moneter kepada monetary base. Oleh karena itu, selain

mengestimasi hubungan jangka panjang, analisis juga dilanjutkan dengan

menggunakan error-correction mechanism (ECM) untuk melihat

bagaimana dinamika jangka pendek antara kedua besaran (aggregates)

moneter dengan monetary base (MB).

B. Keterkaitan antara besaran (aggregate) moneter dan

Tingkat Harga

• GCPIt = r0 + r1(GM1)t + r2(GM1)t-1 + r3(GM1)t-2+ r4(GM1)t-3 +ut

∆ut = -1.123641*ut-1 + vt (-5,05)


• GCPIt = l0 + l1(GM2)t + l2(GM2)t-1 + l3(GM2)t-2 + l4(GM2)t-3 + ut

110


∆ut = -1.492746733*ut-1 + vt

(-7,75)


• GCPIt = r0 + r1(GM1(isl))t + r2(GM(isl)1)t-1 + r3(GM1(isl))t-2 +

r4(GM1(isl))t-3 + ut

∆ut = -1.160362*ut-1 + vt

(-5,24)


• GCPIt = l0 + l1(GM2(isl))t + l2(GM2(isl))t-1 + l3(GM2(isl))t-2 +

l4(GM2(isl))t-3 + ut

∆ ut = -0.9936320424*ut-1

(-4,47)


Karena nilai t-statistik dari hasil regresi error terms pada keempat

persamaan diatas lebih kecil (cukup negatif ) (-5.05, -7.75, -5.24, -4.47 )

daripada Mackinnon critical value pada tingkat kepercayaan 95 % (- 1.95)

maka Ho ditolak maka sesuai dengan hipotesis yang telah dibuat hal

tersebut menunjukkan bahwa residual (error terms) dari model

kointegrasi tersebut stasioner atau terkointegrasi yang berarti dengan

tingkat kepercayaan 95% semua variabel dalam keempat persamaan

model memiliki pengaruh hubungan jangka panjang.

111


Hal ini menunjukkan bahwa, antara pertumbuhan harga (inflasi)

dan pertumbuhan dari besaran (aggregate) moneter (M1&M2) baik bebas

bunga maupun berbasiskan bunga terdapat hubungan jangka panjang .

Ketika kointegrasi berlaku dan jika ada shock yang menyebabkan

disekuilibrium, maka terjadi proses penyesuaian dinamis jangka pendek

seperti mekanisme error correction yang akan mendorong sistem kembali

menuju ekuilibrium jangka panjang.

4.1.4 Error Correction Model (ECM)

ECM berisi informasi tentang perubahan varaibel-variabel dalam

jangka pendek dan dalam jangka panjang dengan disequilibrium sebagai

proses penyesuaian terhadap model jangka panjang. Granger (1983 dan

1986) telah menunjukkan bahwa konsep kestabilan ekuilibrium jangka

panjang adalah ekivalen statistik dari kointegrasi. Ketika kointegrasi

berlaku dan jika ada goncangan (shock) yang menyebabkan

disekuilibrium, maka terjadi proses penyesuaian dinamis jangka pendek

seperti mekanisme error-correction yang akan mendorong sistem kembali

menuju ekuilibrium jangka panjang.

A. Kemampuan mengontrol besaran (aggregate) moneter.

Adapun hasil estimasi (output dari software Eviews 3.1) dengan

menggunakan error-correction model (ECM) adalah sebagai berikut:

• D(GM1) = 0.159 + 0.599*D(GMB) - 1.205*ut-1 (1a)

(0,17) (13,08) (-5,6)

R2 = 0,89 D.W Stat = 2,07 F Stat = 90,17Keterangan : Nilai dalam kurung adalah nilai t- Stat

112


• D(GM2) = 0.012 + 0.211*D(GMB) - 0.9008*ut-1

(2a) (0,01) (3,41) (-4,37)


• D(GM1ISL) = -0.009 + 0.997*D(GMBISL) - 1.049*ut-1 (3a) (-0,06) (119,3) (-4,69)


• D(GM2ISL) = -0.046 + 0.841*D(GMBISL) - 0.87*ut-1 (4a) (-0,04) (15,5) (-3,94)


Pengujian Statistik

Penaksiran Koefisien Determinasi R2

Penaksiran koefisien determinasi digunakan untuk mengetahui

kekuatan pengaruh dari semua variabel bebas yang digunakan pada

model regresi. Dari perbandingan masing-masing nilai koefisien

determinasi R2 antara besaran (aggregate) moneter berbasiskan bunga

dan bebas bunga (Islamic) ( persamaan 1a,2a&3a,4a) mengindikasikan

bahwa, dalam jangka pendek tingkat pertumbuhan besaran (aggregate)

moneter bebas bunga (Islamic) memiliki korelasi atau hubungan yang

lebih erat dengan tingkat pertumbuhan monetary base-nya (GMBISL)

daripada hubungan antara besaran (aggregate) moneter berbasiskan

bunga dengan monetary base-nya (GMB).

113


Pada model persamaan intrumen moneter berbasiskan bunga

(1a&2a), nilai R2 yang lebih besar (0,89 dan 0,56) pada first difference

pertumbuhan M1 (DGM1) dibandingkan dengan first difference

pertumbuhan M2 (DGM2) mengindikasikan adanya keterkaitan yang lebih

erat antara first difference GMB dengan first difference GM1 pada periode

19971.-2003.1. Nilai R2 sebesar 0,89 pada persamaan (1a) dan 0,56 pada

persamaan (2a) menjelaskan bahwa varians atau penyebaran first

difference pertumbuhan monetary base (DGMB) dapat menerangkan

variabel first difference pertumbuhan M1(DGM1) sebesar 89% dan varians

atau penyebaran first difference GMB dapat menerangkan variabel first

difference GM2 sebesar 56%.

Pada model persamaan intrumen moneter bebas bunga (3a&4a),

nilai R2 yang lebih besar (0,99 dan 0,92) pada first difference

pertumbuhan M1ISL (DGM1ISL) dibandingkan dengan first difference

pertumbuhan M2ISL (DGM2ISL) mengindikasikan adanya keterkaitan

yang lebih erat antara first difference GMBISL dengan first difference

GM1ISL pada periode 1997.1-2003.1. Nilai R2 sebesar 0,99 pada

persamaan (3a) dan 0,92 pada persamaan (4a) menjelaskan bahwa

varians atau penyebaran first difference pertumbuhan monetary base

(DGMBISL) dapat menerangkan variabel first difference pertumbuhan

M1ISL (DGM1ISL) sebesar 99% dan varians atau penyebaran first

difference GMBISL dapat menerangkan variabel first difference GM2ISL

sebesar 92%.

114


Uji t-Statistik

Pengujian t-statistik digunakan untuk menguji pengaruh parsial

dari variabel bebas terhadap variabel tidak bebasnya. Pada model

ekonometrik yang digunakan untuk mengestimasi kemampuan kontrol

otoritas moneter didapat nilai t-kritis sebagai berikut:

Tabel 4.2Tabel Pengujian t-statistik

Degree of Freedom Significance Level

t-Tabel

(n-k) 21

(n-k) 21

(n-k) 21

0,01

0,05

0,10

2,831

2,080

1,721 Sumber: Damodar Gujarati, Basic Econometrics

Pengujian ini dilakukan dengan hipotesis:

H0 : variabel bebas tidak mempengaruhi variabel tidak bebasnya

H1 : variabel bebas mempengaruhi variabel tidak bebasnya

Dengan membandingkan antara nilai t-statistik (nilai t pada model)

dengan nilai t-tabel (nilai dari tabel t-statistik).

Kriteria penerimaan hipotesis pada uji t-statistik adalah:

H0 tidak ditolak jika –(t-tabel) < t-stat < (t-tabel).

H0 ditolak jika –(t-stat) <-(t-tabel) atau t-stat > t-tabel

Dari hasil perhitungan diperoleh:

• Persamaan (1a): Variabel first difference monetary base (DGMB) &

Variabel error correction

115


t-Statistik (13,08) > nilai t-tabel (2,08)

t-Statistik (|-5,6|) > nilai t-tabel (2,08)

Hipotesis H0 ditolak, Artinya variabel first difference monetary base

(DGMB) dan variabel error correction mempengaruhi variabel tidak

bebasnya (DGM1) secara parsial dengan tingkat kepercayaan (confidence

level) 95%.

• Persamaan (2a): Variabel first difference monetary base (DGMB) &





(DGMB) dan variabel error correction mempengaruhi variabel tidak

bebasnya (DGM2) secara parsial dengan tingkat kepercayaan (confidence

level) 95%.

• Persamaan (3a): Variabel first difference monetary base

(DGMBISL) & Variabel error correction




(DGMBISL) dan variabel error correction mempengaruhi variabel tidak

bebasnya (DGM1ISL) secara parsial dengan tingkat kepercayaan

(confidence level) 95%.

• Persamaan (4a): Variabel first diffrence monetary base (DGMBISL)

& Variabel error correction

116





(DGMBISL) dan variabel error correction mempengaruhi variabel tidak

bebasnya (DGM2ISL) secara parsial dengan tingkat kepercayaan


Uji F-Statistik

Pengujian F-statistik digunakan untuk menguji signifikansi dari

semua variabel bebas sebagai suatu kesatuan, atau mengukur pengaruh

variabel bebas secara bersama-sama. Hipotesis yang digunakan adalah:

H0 : semua variabel bebas secara bersama-sama tidak berpengaruh

terhadap variabel bebasnya.

H1 : semua variabel bebas secara bersama-sama berpengaruh terhadap

variabel bebasnya.

Apabila nilai F hitung ≤ F tabel berarti H0 tidak ditolak, sehingga

variabel bebas secara bersama-sama tidak berpengaruh terhadap

variabel tidak bebasnya.

Apabila nilai F hitung > F tabel berarti H0 ditolak, sehingga variabel

bebas secara bersama-sama berpengaruh terhadap variabel tidak

bebasnya.

Pada model ekonometrik yang digunakan untuk mengestimasi

kemampuan kontrol otoritas moneter didapat nilai F-kritis sebagai berikut:

Tabel 4.3Tabel Pengujian F-statistik

117


Degree of Freedom Significance Level

F-Tabel

F (1, 21)

F (1, 21)

F (1, 21)

0,01

0,05

0,10

8,10

4,35


Dari hasil perhitungan diperoleh:

• Persamaan (1a) : F-statistik (90,17) > nilai F-tabel (3,55)

Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama

mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan














118


Pengujian Masalah Dalam Regresi Linear

Masalah Autokorelasi

Uji statistik Durbin–Watson digunakan untuk mendeteksi masalah

autokorelasi (serial korelasi) dalam suatu model regresi linier.

Autokorelasi adalah suatu keadaan di mana kesalahan pengganggu dalam

periode tertentu, katakan єt berkorelasi dengan kesalahan pengganggu

dari periode lainnya katakan єs. Jadi kesalahan pengganggu tidak bebas,

satu sama lain berkorelasi, saling berhubungan.

Hipotesis yang digunakan adalah:

H0 : tidak ada autokorelasi dalam model regresi

H1 : terdapat autokorelasi dalam model regresi

Pengujian yang dilakukan untuk menyatakan adanya autokorelasi

pada error-terms adalah dengan melihat nilai Durbin-Watson yang

diperoleh dengan memperhatikan kriteria-kriteria yang didasarkan pada

tabel berikut ini.

Tabel 4.4

Batas Kritis Hipotesis untuk DW Statistik

Nilai DW berdasarkan

Estimasi Model Regresi

Kesimpulan

0 < DW < DL

DL < DW < DU

DU < DW < (4 - DU)

(4 - DU) < DW < (4 - DL)

(4 - DL) < DW < 4

H0 ditolak, terdapat autokorelasi positif

Daerah Ragu-ragu

H0 diterima, tidak terdapat autokorelasi

Daerah Ragu-ragu

H0 ditolak, terdapat autokorelasi negative

Sumber : D. Gujarati. 1993. Ekonometrika Dasar. Jakarta : Erlangga.

119


• Persamaan (1a&2a) : D.W Stat = 2,07 & 1,88

Nilai DW-stat yang diperoleh dari persamaan adalah sebesar 2,07 & 1,88.

Nilai dL dan dU berturut-turut adalah 1,188 & 1,546 (confidence level

95%). Sementara nilai 4 – dL dan 4 - dU berturut-turut adalah 2,812 dan

2,454. Dengan demikian nilai DW-stat berada pada daerah

DU < DW < (4 - DU), H0 diterima, tidak terdapat autokorelasi dalam

persamaan (1a&2a).


Nilai DW-stat yang diperoleh dari persamaan adalah sebesar1,95 & 1,96



2,454 Dengan demikian nilai DW-stat berada pada daerah DU < DW <

(4 - DU), H0 diterima, tidak terdapat autokorelasi dalam persamaan

(3a&4a).

Analisis Hasil Estimasi Model Dinamis Kemampuan

Mengontrol Besaran (aggregate) Moneter

Hasil output estimasi dari software eviews 3.1 adalah sebagai

berikut

• D(GM1) = 0.159 + 0.599*D(GMB) - 1.205*ut-1

• D(GM2) = 0.012 + 0.211*D(GMB) - 0.9008*ut-1

120


Variabel perubahan pertumbuhan M1 (DGM1) akan naik

sebesar 0,599 persen untuk setiap kenaikan variabel perubahan

pertumbuhan MB (DGMB) sebesar satu persen (ceteris paribus)

Variabel perubahan pertumbuhan M2 (DGM2) akan naik

sebesar 0,211 persen untuk setiap kenaikan variabel perubahan

pertumbuhan MB (DGMB) sebesar satu persen (ceteris paribus)

Variabel koreksi kesalahan dalam jangka pendek

menunjukkan angka yang signifikan dengan angka koefisien respon

sebesar 1,205 dan 0,90. Berarti sekitar 1,205 dari ketidaksesuaian

pertumbuhan aktual GM1 dengan pertumbuhan jangka panjangnya

atau ekuilibriumnya akan dikoreksi atau dihilangkan setiap

periodenya dan sekitar 0,90 dari ketidaksesuaian pertumbuhan M2

aktual dengan pertumbuhan jangka panjangnya akan dikoreksi

setiap periodenya.

Dilihat dari koefisien respon antara DGM1 dan DGM2 dengan

DGMB maka dapat dikatakan bahwa pertumbuhan MB lebih besar

pengaruhnya terhadap pertumbuhan M1 dibandingkan pertumbuhan

M2, dan dengan hasil empiris ini Otoritas Moneter berarti mempunyai

kontrol yang lebih besar terhadap besaran (aggregate) M1 daripada

M2 melalui monetary base.

• D(GM1ISL) = -0.009 + 0.997*D(GMBISL) - 1.049*ut-1

• D(GM2ISL) = -0.046 + 0.841*D(GMBISL) - 0.87*ut-1

121


Variabel perubahan pertumbuhan M1ISL (DGM1ISL) akan

naik sebesar 0,997 persen untuk setiap kenaikan variabel

perubahan pertumbuhan MBISL (DGMBISL) sebesar satu persen

(ceteris paribus)

Variabel perubahan pertumbuhan M2ISL (DGM2ISL) akan

naik sebesar 0,841 persen untuk setiap kenaikan variabel

perubahan pertumbuhan MBISL (DGMBISL) sebesar satu persen

(ceteris paribus)



sebesar 1,049 dan 0,87, artinya ketidaksesuaian pertumbuhan

M1ISL aktual dengan pertumbuhan jangka panjangnya sekitar

1,049 akan dikoreksi setiap periodenya dan sekitar 0,87 dari

ketidaksesuaian pertumbuhan aktual M2ISL dengan pertumbuhan

jangka panjangnya akan dikoreksi setiap periodenya.

Dilihat dari koefisien respon antara DGM1ISL dan DGM2ISL dengan

DGMBISL maka dapat dikatakan bahwa pertumbuhan MBISL lebih besar

pengaruhnya terhadap pertumbuhan M1ISL dibandingkan pertumbuhan

M2ISL, dan dengan hasil empiris ini Otoritas Moneter berarti mempunyai

kontrol yang lebih besar terhadap besaran (aggregate) M1ISL daripada

M2ISL.

Namun jika dilihat perbandingan dari hasil estimasi antara besaran

(aggregate) moneter berbasiskan bunga dan bebas bunga dengan

monetary base , diwakilkan dari pertumbuhannya maka besaran

122


(aggregate) moneter bebas bunga mempunyai hubungan yang lebih erat

dan efektif dengan instrumen kebijakan (monetary base) (R2 = 0,99 &

0,92 dan R2 = 0,89 & 0,56) dan dapat dikatakan bahwa besaran

(aggregate) moneter bebas bunga berada dibawah kontrol Otoritas

Moneter sehingga bisa menjadi kegunaan kebijakan .

B. Keterkaitan antara besaran (aggregate) moneter dan Tingkat

Harga



• D(GCPI) = 0.0209 + 0.43*D(GM1) + 0.508*D(GM1)t-1+ 0.295*D(GM1)t-2 + (0,02) (4,11) (4,67) (2,65)

0.293*D(GM1)t-3 - 1.123*Ut-1 (5a)(3,02) (-4,41)


• D(GCPI) = 0.188 + 0.559*D(GM2) + 0.529*D(GM2)t-1 + 0.258*D(GM2)t-2 (0,22) (4,88) (4,56) (2,22)

+ 0.0785*D(GM2)t-3 - 1.597*Ut-1 (6a)(0,75) (-6,96)


• D(GCPI) = 0.052 + 0.33*D(GM1ISL) + 0.351*D(GM1ISL)t-1 + (0,05) (4,41) (4,17)

0.24*D(GM1ISL)t-2 + 0.15*D(GM1ISL)t-3 - 1.16*Ut-1 (7a)(2,88) (2,01) (-4,53)


• D(GCPI) = 0.11 + 0.3003*D(GM2ISL) + 0.3105*D(GM2ISL)t-1 +

123


(0,10) (3,57) (3,36)

0.206*D(GM2ISL)t-2 + 0.105*D(GM2ISL)t-3 - 0.994*Ut-1 (8a) (2,25) (1,25) (-3,87)


Pengujian Statistik


Dari perbandingan masing-masing nilai koefisien determinasi R2

antara besaran (aggregate) moneter berbasiskan bunga dan bebas bunga

(Islamic) dengan perubahan tingkat pertumbuhan harga (DGCPI)

(persamaan 5a,6a&7a,8a) mengindikasikan bahwa, dalam jangka pendek

perubahan tingkat pertumbuhan besaran (aggregate) moneter

berbasiskan bunga (DGM1&DGM2) memiliki korelasi atau hubungan yang

lebih erat dengan tingkat pertumbuhan perubahan harga (DGCPI)

daripada hubungan antara perubahan pertumbuhan besaran (aggregate)

moneter bebas bunga (DGM1ISL&DGM2ISL) dengan tingkat pertumbuhan

perubahan harga (DGCPI).

Pada model persamaan (5a&6a), nilai R2 yang lebih besar (0,80

(6a)& 0,75 (5a)) menunjukkan bahwa terdapat hubungan keterkaitan

yang lebih erat antara DGM2 (sampai lag ke 3) dengan perubahan

pertumbuhan tingkat harga DGCPI dibandingkan dengan DGM1 (sampai

lag ke 3) pada periode 19971.-2003.1. Nilai R2 sebesar 0,75 pada

persamaan (13) dan 0,80 pada persamaan (14) menjelaskan bahwa

varians atau penyebaran DGM1 (sampai lag ke 3) dapat menerangkan

variabel DGCPI sebesar 75% dan varians atau penyebaran DGM2 (sampai

lag ke 3) dapat menerangkan variabel DGCPI sebesar 80%.

124


Pada model persamaan (7a&8a), nilai R2 yang lebih besar (0,72

(7a) dan 0,66 (8a)) mengindikasikan adanya keterkaitan yang lebih erat

antara DGM1ISL (sampai lag ke 3) dengan DGCPI dibandingkan dengan

DGM2ISL (sampai lag ke 3) pada periode 1997.1-2003.1. Nilai R2 sebesar

0,72 pada persamaan (15) dan 0,66 pada persamaan (16) menjelaskan

bahwa varians atau penyebaran DGM1(sampai lag ke 3) dapat

menerangkan variabel DGCPI sebesar 72% dan varians atau penyebaran

DGM2 (sampai lag ke 3) dapat menerangkan variabel DGCPI sebesar

66%.

Uji t-Statistik


keterkaitan antara besaran (aggregate) moneter dan tingkat harga

didapat nilai t-kritis sebagai berikut:


Degree of FreedomSignificance

Levelt-Tabel

(n-k) 15

(n-k) 15

(n-k) 15

0,01

0,05

0,10

2,947

2,131


• Persamaan 5a : Variabel DGM1 ( t, t-1,t-2, t-3) dan Variabel error

correction

Variabel t-Statistik t-tabel

DGM1 (t) 4,11 CL 99% = 2,947

(t-1) 4,67 CL 95% = 2,131

(t-2) 2,65 CL 90% = 1,753

125


(t-3) 3,02

error correction Ut-1 |-4,41|

Hipotesis H0 ditolak, Artinya variabel DGM1( t, t-1, t-2, t-3) dan variabel

error correction mempengaruhi variabel tidak bebasnya (DGCPI) secara

parsial dengan tingkat kepercayaan (confidence level) 95%.

• Persamaan 6a : Variabel DGM2 ( t, t-1,t-2, t-3) dan Variabel error

correction


DGM2 (t) 4,88 CL 99% = 2,947

(t-1) 4,56 CL 95% = 2,131

(t-2) 2,22 CL 90% = 1,753

(t-3) 0,75


Hipotesis H0 ditolak, Artinya variabel DGM2( t, t-1, t-2, t-3) dan variabel

error correction mempengaruhi variabel tidak bebasnya (DGCPI) secara

parsial dengan tingkat kepercayaan (confidence level) 95%.

• Persamaan 7a : Variabel DGM1ISL ( t, t-1,t-2, t-3) dan Variabel

error correction.


DGM1ISL (t) 4,41 CL 99% = 2,947

(t-1) 4,17 CL 95% = 2,131

(t-2) 2,88 CL 90% = 1,753

(t-3) 2,01


126


Hipotesis H0 ditolak, Artinya variabel DGM1ISL( t, t-1, t-2, t-3) dan

variabel error correction mempengaruhi variabel tidak bebasnya (DGCPI)

secara parsial dengan tingkat kepercayaan (confidence level) 95%.

• Persamaan 8a : Variabel DGM2ISL ( t, t-1,t-2, t-3) dan Variabel

error correction.


DGM2ISL (t) 3,57 CL 99% = 2,947

(t-1) 3,36 CL 95% = 2,131

(t-2) 2,25 CL 90% = 1,753

(t-3) 1,25


Hipotesis H0 ditolak, Artinya variabel DGM2ISL( t, t-1, t-2, t-3) dan

variabel error correction mempengaruhi variabel tidak bebasnya (DGCPI)

secara parsial dengan tingkat kepercayaan (confidence level) 95%.

Uji F-Statistik


keterkaitan antara besaran (aggregate) moneter dan tingkat harga

didapat nilai F-kritis sebagai berikut:


Degree of Freedom Significance

LevelF-Tabel

F (5, 16)

F (5, 16)

F (5, 16)

0,01

0,05

0,10

4,44

2,85


127


• Persamaan 5a : F-statistik (9,23) > nilai F-tabel (2,85)






















2,036. Dengan demikian nilai DW-stat berada pada daerah DL < DW <

128


DU (daerah ragu-ragu,tidak terdapat positif autokorelasi), Untuk

mengetahui lebih lanjut ada atau tidaknya otokorelasi maka dilakukan uji

run.

Uji Run

Uji run dilakukan dengan melakukan perhitungan terhadap

pergerakan residual yang diperoleh dari selisih nilai aktual dari variabel

tak bebasnya terhadap nilai estimasinya.

Dari hasil estimasi residual persamaan 5a&6a diperoleh:

Persamaan 5a: n1 = 11 N = 21

n2 = 10 k = 8

persamaan 6a: n1 = 12 N = 21

n2 = 9 k = 10

dimana :

N = jumlah observasi (n1 + n2)

n1 = nilai residual yang positif

n2 = nilai residual yang negatif

k = jumlah run atau perubahan nilai residual positif dan negative.

Hipotesis yang digunakan adalah :

H0 : tidak terdapat autokorelasi

H1 : terdapat autokorelasi

Melalui pengujian run, H0 tidak ditolak dengan tingkat keyakinan

95% jika nilai hitung yang diperoleh berada pada rentang :

E(k)- 1,96 S(k)<k<E(k) + 1,96S(k)

129


Dimana :

121

212)( +

+=

nn

nnkE

)121()21(

)21212(212)(

2 −++−−=nnnn

nnnnnnkσ

)()( kkS σ=

E(k) : nilai rata-rata

σ(k) : varians

S(k) : standar deviasi

Dari hasil perhitungan diperoleh :

Persamaan 5a : E(k) = 11,47 E(k) = 11,28

Persamaan 6a : S(k) = 2,22 S(k) = 2,18

Sehingga batas interval serial korelasi menjadi :

Persamaan 5a: 7,11 < k < 15,84

Persamaan 6a: 7,01 < k < 15,55

karena nilai k (8 dan 10) yang diperoleh berada pada batas interval, maka

H0 tidak ditolak sehingga dapat disimpulkan bahwa dalam model

instrumen kredit berbasis bunga tidak terdapat masalah autokorelasi.

Persamaan (7a&8a) : D.W Stat = 1,44 & 1,60




3,171. Dengan demikian nilai DW-stat berada pada daerah DL < DW <

DU (daerah ragu-ragu,tidak terdapat positif autokorelasi), Untuk

130


mengetahui lebih lanjut ada atau tidaknya otokorelasi maka dilakukan uji

run.

Uji Run

Dari hasil estimasi residual persamaan 5a&6a diperoleh:

Persamaan 7a: n1 = 11 N = 21

n2 = 10 k = 8

persamaan 8a: n1 = 10 N = 21

n2 = 11 k = 11

dimana :

N = jumlah observasi (n1 + n2)

n1 = nilai residual yang positif

n2 = nilai residual yang negatif

k = jumlah run atau perubahan nilai residual positif dan negative.

Hipotesis yang digunakan adalah :

H0 : tidak terdapat autokorelasi

H1 : terdapat autokorelasi

Melalui pengujian run, H0 tidak ditolak dengan tingkat keyakinan 95% jika

nilai hitung yang diperoleh berada pada rentang :

E(k)- 1,96 S(k)<k<E(k) + 1,96S(k)

Dari hasil perhitungan diperoleh :

Persamaan 7a : E(k) = 11,47 E(k) = 11,28

Persamaan 8a : S(k) = 2,22 S(k) = 2,18

Sehingga batas interval serial korelasi menjadi :

Persamaan 7a: 7,11 < k < 15,84

Persamaan 8a: 7,01 < k < 15,55

131


karena nilai k (8 dan 11 ) yang diperoleh berada pada batas interval,

maka H0 tidak ditolak sehingga dapat disimpulkan bahwa dalam model

instrumen kredit berbasis bunga tidak terdapat masalah autokorelasi.

Analisis Hasil Estimasi Model Dinamis Keterkaitan antara

besaran (aggregate) moneter dan Tingkat Harga

Hasil output estimasi dari software eviews 3.1 adalah sebagai berikut:

• D(GCPI) = 0.0209 + 0.43*D(GM1) + 0.508*D(GM1)t-1+

0.295*D(GM1)t-2 + 0.293*D(GM1)t-3 - 1.123*Ut-1

Variabel perubahan pertumbuhan harga (DGCPI) akan naik

sebesar 0,43 persen, 0,508 persen, 0,295 persen, 0,293 persen

untuk setiap kenaikan variabel perubahan pertumbuhan M1

(DGM1) sebesar satu persen pada periode yang sama, satu kuartal

sebelumnya , dua kuartal sebelumnya dan tiga kuartal sebelumnya

(ceteris paribus)



sebesar 1,123, artinya ketidaksesuaian pertumbuhan tingkat harga

aktual dengan pertumbuhan jangka panjangnya sebesar 1,123

akan dikoreksi setiap periodenya.

• D(GCPI) = 0.188 + 0.559*D(GM2) + 0.529*D(GM2)t-1 +

0.258*D(GM2)t-2 + 0.0785*D(GM2)t-3 - 1.597*Ut-1



132



(DGM2) sebesar satu persen pada periode yang sama, satu kuartal

sebelumnya , dua kuartal sebelumnya dan tiga kuartal sebelumnya

(ceteris paribus).






• D(GCPI) = 0.052 + 0.33*D(GM1ISL) +

0.351*D(GM1ISL)t-1 +

0.24*D(GM1ISL)t-2 + 0.15*D(GM1ISL)t-3 - 1.16*Ut-1

Variabel perubahan pertumbuhan harga (DGCPI)

akan naik sebesar 0,33 persen, 0,351 persen, 0,24 persen, 0,15

persen untuk setiap kenaikan variabel perubahan pertumbuhan M1

(DGM1ISL) sebesar satu persen pada periode yang sama, satu

kuartal sebelumnya , dua kuartal sebelumnya dan tiga kuartal

sebelumnya (ceteris paribus).




aktual dengan pertumbuhan jangka panjangnya sebesar 1,16 akan

dikoreksi setiap periodenya.

133


• D(GCPI) = 0.11 + 0.3003*D(GM2ISL) + 0.3105*D(GM2ISL)t-1 +

0.206*D(GM2ISL)t-2 + 0.105*D(GM2ISL)t-3 - 0.994*Ut-1




(DGM1ISL) sebesar satu persen pada periode yang sama, satu

kuartal sebelumnya , dua kuartal sebelumnya dan tiga kuartal

sebelumnya (ceteris paribus).



sebesar 0.994, artinya ketidaksesuaian pertumbuhan tingkat harga



Dari keempat hasil regresi model diatas, untuk variabel besaran

(aggregate) moneter berbasiskan bunga, dapat dikatakan bahwa besaran

(aggregate) moneter M2 mempunyai hubungan keterkaitan yang lebih

erat dengan tingkat harga daripada besaran (aggregate) M1 (R2 = 0,80 >

R2 = 0,75)

Untuk variabel besaran (aggregate) moneter bebas bunga, bisa

dilihat bahwa besaran (aggregate) moneter M1(ISL) mempunyai

hubungan keterkaitan yang lebih erat dengan tingkat harga daripada

besaran (aggregate) M2ISL (R2 = 0,72 > R2 = 0,66).

Secara keseluruhan, dilihat dari perbandingan , keterkaitan antara

besaran (aggregate) moneter dan tingkat harga maka besaran

134


(aggregate) moneter berbasiskan bunga mempunyai hubungan yang lebih

erat dengan tingkat harga (inflasi) daripada besaran (aggregate) moneter

bebas bunga, khususnya besaran moneter M2.

4.2 Instrumen Kredit

Teori ketersediaan kredit menganjurkan bahwa rasio likuiditas

dapat digunakan sebagai instrumen moneter untuk mengontrol

pertumbuhan kredit. Menurut pandangan ini, investasi swasta merespon

terhadap setiap perubahan dalam ketersediaan kredit, setiap peningkatan

dalam rasio likuiditas dapat menurunkan penawaran kredit sehingga

mengurangi permintaan agregat.

Seperti dijelaskan oleh Karim dan Abdullah (1995), kebanyakan

dari instrumen pembiayaan syariah (Islamic) adalah instrumen

pembiayaan Murabaha dan hampir semua penjualan melalui instrumen ini

ditujukan untuk sektor swasta dimana mengandung 100% resiko, seperti

tertuang dalam perjanjian Basel, karena itu persentase yang sama untuk

liquidity requirements seperti disarankan oleh perjanjian Basel tidak dapat

dipersamakan untuk instrumen keuangan bebas bunga (Islamic)

4.2.1 Model Ekonometrik

(GCREDIT) t = g + d(GLIQUID)t + ut (9)

(GCREDIT (ISL)) t = h + qGLIQUID (ISL)t + ut (10)

Untuk melihat validitas model yang digunakan serta akurasi hasil

estimasi model, maka dilakukan beberapa pengujian statistik, antara lain;

135


4.2.2 Uji Akar-akar Unit (Unit Root )

Tabel 4.8Hasil Pengujian Unit Root


Level

GCredit -2,58

First Difference

Gcredit -4,38GLikuid -2,78 Glikuid -5,26GCreditIsl -3,81 GCreditIsl -7,23GLikuidIsl -3,97 GLikuidIsl -4,57

Pada tabel 4.8 diatas, terdapat variabel yang stasioner pada tingkat

level dimana hasil pengujian ADF (Augmented Dickey-Fuller) mempunyai

nilai yang cukup negatif sehingga jika diambil nilai absolutnya menjadi

lebih besar bila dibandingkan dengan nilai kritis dari tabel kritis Mac

Kinnon, namun syarat variabel-variabel terkointegrasi adalah bahwa

seluruh variabel harus terintegrasi pada derajat yang sama, maka jika

dilihat pada tingkat first-difference (perubahan atas variabel-variabel

tersebut) variabel-variabel diatas stasioner pada tingkat yang sama,

karena cukup negatif (nilai absolutnya lebih besar) bila dibandingkan

dengan tabel kritis MacKinnon.

4.2.3 Uji Kointegrasi

Dari hasil persamaan regresi pada error terms , maka didapat

error terms masing-masing persamaan. Hasil dari regresi error terms

dibawah ini menggunakan bantuan software Eviews 3.1.

136


• (GCREDIT) t = g + d(GLIQUID)t + ut

∆ ut = -0.396502*ut-1 + vt

(-2,37)


• (GCREDIT (ISL)) t = h + qGLIQUID (ISL)t + ut

∆ ut = -0.942442*ut + vt (-4,53)


Dari hasil regresi pada error terms masing-masing persamaan diatas

maka penentuan terkointegrasi tidaknya variabel-variabel pada masing-

masing persamaan sesuai dengan hipotesis yang ada adalah

membandingkan t-statistik dari hasil regresi dengan Mackinnon critical

value.

Karena nilai t-statistik dari hasil regresi error terms pada persamaan

pertumbuhan instrumen kredit berbasiskan bunga (GCREDIT) diatas

cukup negatif (-2,37) daripada Mackinnon critical value pada tingkat

kepercayaan 95 % (- 1.95) maka hipotesis Ho ditolak dan sesuai dengan

hipotesis yang telah dibuat hal tersebut menunjukkan bahwa residual

(error terms) dari model kointegrasi GCREDIT tersebut stasioner atau

terkointegrasi yang berarti dengan tingkat kepercayaan 95% semua

variabel dalam persamaan model (GCREDIT & GLIQUID) memiliki

pengaruh hubungan jangka panjang.

137


Hasil regresi error terms pada persamaan pertumbuhan instrumen

kredit bebas bunga (GCREDITISL) nilai t-statistik yang diperoleh cukup

negatif (-4,53) daripada Mackinnon critical value pada tingkat

kepercayaan 95 % (- 1.95) maka hipotesis Ho ditolak dan sesuai dengan

hipotesis yang telah dibuat hal tersebut menunjukkan bahwa residual

(error terms) dari model kointegrasi GCREDITISL tersebut stasioner atau

terkointegrasi yang berarti dengan tingkat kepercayaan 95% semua

variabel dalam persamaan model (GCREDITISL & GLIQUIDISL) memiliki

pengaruh hubungan jangka panjang.

Tentu saja hasil diatas terbatas pada ruang lingkup jangka panjang.

Perkembangan dinamis jangka pendek mungkin akan lebih relevan dilihat

dari perspektif kebijakan menggunakan model error correction (ECM)

4.2.4 Error Correction Model (ECM)



• D(GCREDIT) = -0.084 + 1.397*D(GLIQUID) – 0.384*ut-1 (9a)

(-0.04) (6.58) (-2.20)

R2 = 0,71 D.W Stat = 1,96 F Stat = 26,1 Keterangan : Nilai dalam kurung adalah nilai t- Stat

• D(GCREDITISL) = 0.26 + 0.544*D(GLIQUIDISL) - 0.934*ut-1 (10a)

(0,07) (5,45) (-4.34)

R2 = 0,68 D.W Stat = 1,81 F Stat = 23,1 Keterangan : Nilai dalam kurung adalah nilai t- Stat

138


Pengujian Statistik


Dari perbandingan nilai R2 yang diperoleh dari hasil estimasi, dapat

dilihat bahwa perubahan pertumbuhan instrumen kredit berbasis bunga

(DGCREDIT) mempunyai hubungan yang lebih kuat (R2 = 0,71 > R2 =

0,68) dengan variabel bebas perubahan pertumbuhan likuidnya

(DGLIQUID), dibandingkan dengan variabel perubahan kredit bebas bunga

(DGCREDITISL) dan variabel bebas perubahan pertumbuhan likuidnya

(DGLIQUIDISL) dalam jangka pendek.

Nilai R2 = 0,71 pada persamaan (9a), menjelaskan bahwa varians

atau penyebaran DGCREDIT dapat menjelaskan DGLIQUID sebesar 71%

(ceteris paribus), sedangkan sisanya dijelaskan oleh variabel lain. Nilai R2

= 0,68 pada persamaan (10a), menjelaskan bahwa varians atau

penyebaran DGCREDITISL dapat menjelaskan DGLIQUIDISL sebesar 47%

(ceteris paribus), sisanya dijelaskan oleh variabel lain.

Uji t-Statistik


instrumen kredit dan likuid didapat nilai t-kritis sebagai berikut:


Degree of Freedom Significance Level t-Tabel

(n-k) 21 0,01 2,831

139


(n-k) 21 0,05 2,08(n-k) 21 0,1 1,721

Sumber: Damodar Gujarati, Basic Econometrics

• Persamaan (9a) : Variabel first difference GLIQUID dan Variabel

error correction



Untuk variabel first difference GLIQUID, dan Variabel error correction

hipotesis H0 ditolak , secara parsial mempengaruhi variabel bebasnya

(DGCREDIT) dengan tingkat kepercayaan (confidence level) 95%.

• Persamaan (10a) : Variabel first difference GLIQUIDISL dan




Untuk variabel first difference GLIQUIDISL dan Variabel error

correction, hipotesis H0 ditolak , secara parsial mempengaruhi variabel

bebasnya (DGCREDITISL), dengan tingkat kepercayaan (confidence

level) 95%.

Uji F-Statistik


instrumen kredit dan likuid didapat nilai F-kritis sebagai berikut:


Degree of Freedom Significance Level F-Tabel

F (2, 21) 0,01 5.85

140


F (2, 21) 0,05 3.49F (2, 21) 0,1 2,59

Sumber: Damodar Gujarati, Basic Econometrics

• Persamaan (9a) : F-statistik (26,1) > nilai F-tabel (3.49)

Hipotesis H0 ditolak. Artinya variabel bebas secara bersama-sama



• Persamaan (10a) : F-statistik (23.1) > nilai F-tabel (3.49)






• Persamaan (9a) : D.W Stat = 1,96

Nilai DW-stat yang diperoleh dari persamaan adalah sebesar 1,96 Nilai

dL dan dU adalah 1,188 & 1,546 (confidence level 95%). Sementara nilai 4

– dL dan 4 - dU berturut-turut adalah 2,812 dan 2,454. Dengan demikian

nilai DW-stat berada pada daerah DU < DW < (4 - DU). H0 diterima,

tidak terdapat autokorelasi dalam persamaan (9a).

• Persamaan (10a) : D.W Stat = 1,81

Nilai DW-stat yang diperoleh dari persamaan adalah sebesar 1,81. Nilai dL

dan dU adalah 1,188 & 1,546 (confidence level 95%). Sementara nilai 4 –

141


dL dan 4 - dU berturut-turut adalah 2,812 dan 2,454. Dengan demikian nilai

DW-stat berada pada daerah DU < DW < (4 - DU), H0 diterima, tidak

terdapat autokorelasi dalam persamaan (10a).

Analisis Hasil Estimasi Model Regresi Linear Standar

Instrumen Kredit

Hasil output estimasi dari software eviews 3.1 adalah sebagai berikut:

• DGCREDIT = - 0.084 + 1.397*D(GLIQUID) – 0.384*ut-1

Variabel perubahan pertumbuhan kredit berbasis

bunga (DGCREDIT) akan naik sebesar 1.397 persen, untuk setiap

kenaikan variabel perubahan pertumbuhan likuid berbasis bunga

(DGLIQUID) sebesar satu persen (ceteris paribus).

Dari uji t-statistik diperoleh hasil bahwa koefisien

dari GLIQUID adalah sebesar 1.397 dan nilainya signifikan secara

statistik. Nilai tersebut menunjukkan bahwa pertumbuhan likuid

berpengaruh positif terhadap pertumbuhan kredit dalam periode

penelitian, hubungan ini menunjukkan bahwa ketika terjadi

peningkatan likuiditas pada bank yang menerapkan sistem berbasis

bunga, maka kredit yang disalurkan juga mengalami peningkatan

sebesar 1.397%.

Hasil estimasi menunjukkan bahwa error

correction term (ut-1) secara statistik signifikan pada tingkat

kepercayaan 95%, hal ini berarti bahwa terjadi koreksi

penyesuaian perubahan jangka pendek kembali ke keseimbangan

142


jangka panjangnya atau dengan kata lain bahwa

ketidakseimbangan (disequilibrium) disuatu periode akan dikoreksi

pada periode berikutnya. Sedangkan angka koefisien sebesar -

0,384 berarti bahwa sekitar 0,384 dari ketidaksesuaian antara

pertumbuhan instrumen kredit bebas bunga aktual pertumbuhan

jangka penjangnya atau equilibriumnya akan dikoreksi atau

dihilangkan setiap periodenya.

• D(GCREDITISL) = 0.26 + 0.544*D(GLIQUIDISL) – 0.934*ut-1

Variabel perubahan pertumbuhan kredit bebas

bunga (DGCREDITISL) akan naik sebesar 0.544 persen, untuk

setiap kenaikan variabel perubahan pertumbuhan likuid bebas

bunga (DGLIKUIDISL) sebesar satu persen (ceteris paribus).

Dari uji t-statistik diperoleh hasil bahwa koefisien

dari GLIKUID adalah sebesar 0.544 dan nilainya signifikan secara

statistik. Hal ini menunjukkan bahwa dalam periode penelitian,

pertumbuhan likuid berpengaruh positif terhadap pertumbuhan

kredit, maka dapat dikatakan bahwa ketika terjadi peningkatan

likuiditas pada bank yang menerapkan sistem bebas bunga, maka

kredit yang disalurkan juga mengalami peningkatan sebesar

0.544%. Tidak seperti bank yang menerapkan sistem berbasis

bunga , elastisitas yang ditunjukkan oleh koefisien pertumbuhan

likuid pada bank yang menerapkan sistem bebas bunga masih

relatif kecil, ini dimungkinkan oleh masih kecilnya market share

143


perbankan syariah di Indonesia terhadap total perbankan dan

masih sedikitnya produk kredit perbankan syariah saat ini.

Sedangkan angka koefisien sebesar - 0,934

pada error correction term berarti bahwa sekitar 0,934 dari

ketidaksesuaian antara pertumbuhan instrumen kredit bebas

bunga aktual pertumbuhan jangka penjangnya atau equilibriumnya

akan dikoreksi atau dihilangkan setiap periodenya.

Dari kedua hasil perbandingan estimasi regresi diatas,

menunjukkan bahwa keterkaitan antara pertumbuhan instrumen kredit

berbasis bunga (GCREDIT) dan bebas bunga (GCREDITISL) dengan

masing-masing pertumbuhan likuiditasnya (GLIQUID & GLIQUIDISL) tidak

jauh berbeda (R2 = 0,71 & R2 = 0,68), artinya pengaruh variabel likuid

(berbasis bunga dan bebas bunga) dapat menjelaskan instrumen kredit

(berbasis bunga dan bebas bunga) dengan nilai yang hampir sama yaitu

40% dan 47% (ceteris paribus), sisanya dapat dijelaskan oleh variabel-

variabel lain diluar persamaan.

Melalui alat instrumen likuiditas inilah Otoritas Moneter dapat

mengontrol pertumbuhan kredit dan dengan melihat hasil dari

perbandingan estimasi regresi diatas yang mengukur seberapa besar

keterkaitan antara pertumbuhan likuiditas dan pertumbuhan kredit, dapat

disimpulkan bahwa penerapan rasio likuiditas pada sistem dual banking

antara instrumen likuid berbasis bunga dan bebas bunga yang berlaku

144


saat ini masih dapat dipersamakan untuk periode 1997.1-2003.1 di

Indonesia.

145

bab iv verdana 3

Documents