IFI-INDEKS

Dosen Pengampu : Dr. Sunaryati, SE, M.Si
Oleh : Indika Farhatunnada_19208012039
Magister Ekonomi Syariah
Fakultas Ekonomi dan Bisnis Islam
Universitas Islam Negeri Sunan Kalijaga
Review Jurnal “A FINANCIAL INCLUSION
INDEX FOR INDONESIA”
Hilman Hanivan dan Nasrudin Nasrudin
Bulletin of Monetary Economics and Banking, Vol. 22, No. 3 (2019), pp. 351 - 366
1

2
INTRODUCTION
Inklusi keuangan dianggap sebagai landasan dalam pembangunan ekonomi suatu negara, dan
menjadi faktor penting dalam memenuhi beberapa tujuan pembangunan secara kelanjutan, seperti
mengentaskan kemiskinan dan membantu dalam mempromosikan pertumbuhan ekonomi.
(Burgess dan Pande, 2005; Beck et Jovanovic (1990).
Indonesia pada tahun 2017, 48% dari populasi orang dewasa memiliki akun di lembaga keuangan.
Jumlah ini lebih rendah daripada di negara berkembang lainnya, seperti Malaysia (85%), Thailand
(82%), India (80%), Kenya (82%), Sri Lanka (74%), dan Afrika Selatan ( 69%) .
- World Bank’s Global Findex database

3
Beberapa alasan yang mencegah seseorang untuk memiliki akun keuangan:
1) 72,13% Terkendala dana yang tidak
mencukupi
2) 32,96% Terkendala jarak yang jauh
3) 31,74% Terkendala biaya yang mahal
4) 29,20% Karena beberapa sanak
keluarga sudah memilikinya
5) 26,39% Karena kurangnya dokumen
yang diperlukan
6) 8,04% Karena kurangnya
kepercayaan terhadap Lembaga
keuangan
7) 5,24% Karena alasan agama atau
kepercayaan
8) 1,69% karena tidak memerlukan jika
untuk pelayanan keuangan saja

4
Jadi, ada problem dari penelitian terdahulu, adalah alokasi bobot yang sama untuk setiap dimensi inklusi keuangan
Ummah dan Nuryatono
(2013)
Membuat indeks inklusi
keuangan menggunakan
data panel beberapa negara
Asia, termasuk Indonesia.
Dengan asumsi bahwa
masing-masing dimensi
terdiri dari bagian yang
sama persis dari peran
dalam menentukan inklusi
keuangan, mereka
menggunakan bobot yang
sama dalam analisis empiris
mereka
Ummah et al. (2015)
Menetapkan bobot yang
sama untuk menyusun
indeks inklusi keuangan
menggunakan data panel 33
provinsi di Indonesia. Dalam
kumpulan data mereka,
batas bawah setiap dimensi
ditentukan sebelumnya
sebagai nol, sedangkan
batas atas setiap dimensi
didefinisikan sebagai nilai
maksimum dari data empiris
Perbandingan Dengan Penelitian Terdahulu
Sanjaya dan Nursechafia
(2016)
Menyusun indeks inklusi
keuangan menggunakan
data panel 33 provinsi di
Indonesia dari 2008
hingga 2014. Penelitian
mereka juga menerapkan
bobot yang sama.
Umar (2017)
Memberikan bobot
yang sama untuk
menyusun indeks
inklusi keuangan
Syariah di Indonesia.
Lantas, seberapa akurat peneliti dapat mengukur inklusifitas keuangan?

5
Cámara dan Tuesta (2014),
Berpendapat bahwa pembobotan sewenang-wenang dalam proses membangun indeks komposit
untuk mengukur inklusi keuangan tersebut masih dipertanyakan dan bahwa pilihan bobot eksogen
tidak memiliki kekuatan ilmiah.
Menurut Organisation for Economic Co-operation and Development (OECD) (2008),
Bobot pada dasarnya adalah seperangkat penilaian nilai.
Di sisi lain, bobot yang sama menyiratkan bahwa semua variabel memainkan peran yang sama dalam indikator komposit
Next…

6
Penelitian ini memberikan kontribusi untuk pembangunan indeks inklusi keuangan bobot
multidimensi di Indonesia. Menggunakan dua tahap Principal Component (PC) Analysis (PCA),
peneliti menemukan indeks ini membaik pada indeks inklusi keuangan Indonesia yang ada dengan
cara yang mungkin untuk menghilangkan subjektivitas atau pengenaan pada bobot.
Next..
Ini karena bobot masing-masing indikator / dimensi diperoleh dari estimasi statistik
dari data empiris, yang pada gilirannya juga dapat menunjukkan apakah masing-
masing dimensi memiliki bobot yang sama, atau adanya dominasi dari bobot tertentu
Selain itu, pendekatan ini memungkinkan peneliti untuk melakukan
analisis yang lebih dalam di tingkat sub-indeks (tingkat dimensi), karena
peneliti juga memperkirakan bobot masing-masing indikator di setiap
dimensi

7
METHODOLOGY AND DATA
Metodologi yang digunakan untuk membangun indeks inklusi keuangan dalam penelitian ini adalah berdasarkan
pada OECD (2008), dimana untuk membangun indikator komposit melibatkan beberapa langkah, diantaranya:
1.
• Peneliti mengembangkan kerangka teori, di mana peneliti mendefinisikan apa yang
diukur dengan indikator komposit
2.
• Pemilihan variabel. Variabel harus dipilih berdasarkan relevansinya dengan
fenomena yang diukur.
3.
• Mempertimbangkan standardisasi data, dengan mengadopsi transformasi
distribusi normal
4.
• Pembobotan, yang diperkirakan secara endogen melalui PCA dua tahap.
Setelah mendapatkan indeks, peneliti menghubungkan indeks itu dengan variabel ekonomi makro untuk menguji validitas atau
kekuatan penjelas dari indeks yang dimiliki saat pengambilan informasi tentang tingkat inklusifitas keuangan di Indonesia.

8
A. Index Construction
Peneliti mengadaptasi dimensi inklusi keuangan yang didefinisikan oleh Sarma dan Pais (2011),
Akses (Access)1
• Mengukur penetrasi jasa keuangan di masyarakat.
Ketersediaan (Availability)2
• Menggambarkan betapa mudahnya layanan perbankan
digunakan oleh penggunanya
Pemakaian (Usage)3
• Mengantisipasi kemungkinan pengamatan, dengan
banyaknya orang yang memiliki akun tetapi membuat
pemanfaatan produk perbankan sangat rendah.
 Jumlah rekening bank per 1.000 orang dewasa
 jumlah kartu debit per 1.000 orang dewasa
 jumlah kartu kredit per 1.000 orang dewasa
 jumlah akun uang elektronik per 1.000 orang dewasa
dalam populasi
Indikator
 Menyertakan jumlah cabang bank komersial dan
ATMS per 100.000 orang dewasa
Indikator
 Kredit domestik ke sektor swasta sebagai persentase
dari produk domestik bruto triwulanan nominal (PDB)
 Jumlah transaksi per kartu debit
 Jumlah transaksi per kartu kredit
Indikator

9
Peneliti mengumpulkan data bulanan untuk setiap indikator dari Januari 2012 hingga Desember 2018,
karena kendala data, peneliti memperoleh pengamatan selama 84 bulan.
Next,,,
Waktu
Semua data berasal dari Bank Indonesia.
Sumber Data
Pendekatan PCA Dua Tahap
1. Memperkirakan skor tiga dimensi (sub-indeks) yaitu: akses, ketersediaan, dan penggunaan - dan bobot
masing-masing indikator
2. Memperkirakan keseluruhan indeks inklusi keuangan dan bobot setiap dimensi.

10
Result
A. Hasil Estimasi
Hasil estimasi Analisis Principal Components (PC) tahap pertama dalam
membangun semua dimensi :
Kolom 1 nama variabel
Kolom 2, 3, 4, dan 5 vektor pemuatan setiap PC.
Kolom 6 adalah bobot dinormalisasi
Dimensi Akses (Access)1
•Kartu Kredit memilki bobot paling besar (0,2869). Maka, kartu kredit adalah
indikator terpenting dalam mengarahkan dimensi akses. Bobotnya cenderung
merata, tanpa indikator mendominasi bobotnya.
Dimensi Ketersediaan (Availability)2
•Kedua indikator memiliki bobot yang relatif sama, meskipun bobot ATMS
(0,5091) sedikit lebih besar daripada cabang (0,4909).
Dimensi Pemakaian (Usage)3
•Transaksi Kredit memiliki bobot terbesar (0,4441), diikuti oleh Credit-to-GDP
(0,3513) dan transaksi debit (0,2046). Karena itu, penting untuk
memperhitungkan transaksi kredit dalam menentukan dimensi penggunaan
inklusi keuangan

11
Next,,,
Tabel tentang varian kumulatif yang dijelaskan oleh komponen PCA pada tahap
pertama ;
Kolom 1 komponen utama (PC).
Kolom 2 porsi varian total yang dikandung oleh setiap PC.
Kolom 3 varian kumulatif untuk setiap penambahan PC.
Dimensi Akses (Access)1
•PC pertama menjelaskan 80,43% dari total varians. Komponen pertama juga
tercatat memiliki kontribusi dari semua indikator. Berarti bahwa memiliki kartu
kredit juga bisa mewakili bidang inklusi keuangan yang lebih luas
Dimensi Ketersediaan (Availability)2
•PC pertama sudah mengandung 98,21% dari total variasi, dapat dikatakan
bahwa kedua indikator, cabang dan ATMS benar-benar mengukur struktur
laten yang sama dalam inklusi keuangan.
Dimensi Pemakaian (Usage)3
•PC pertama hanya menyumbang 58,82% dari total varians.
•Selain itu, perlu dicatat bahwa transaksi kredit dan credit-to-GDP cenderung
memiliki pembebanan positif yang serupa di komponen pertama, sementara
transaksi debet memiliki pembebanan negatif yang sangat kecil. Sebaliknya,
pemuatan transaksi debit tertinggi dan mendominasi di komponen kedua, di
mana dua komponen lainnya ditemukan memiliki muatan kecil.
•Hasil ini menunjukkan bahwa transaksi debit mungkin mengukur struktur laten
yang berbeda dari yang diukur oleh dua indikator lainnya.

12
Next,,,
Tabel tentang Hasil estimasi analisis PC tahap pertama dalam membangun
Indeks Inklusi Keuangan (Index of Financial Inclusion).
Kolom 1 adalah nama dimensi yang digunakan untuk mengukur variabel grand
latent IFI.
Kolom 2, 3, dan 4 adalah vektor pemuatan setiap PC.
Kolom 5 berisi bobot dinormalisasi yang diperhitungkan untuk setiap dimensi
dalam mendefinisikan IFI.
 Dimensi Usage memiliki bobot terbesar dalam
menentukan IFI (0,3680), diikuti oleh Availability
(0,3179) dan Access (0,3141).
 Temuan ini menyiratkan bahwa Usage adalah
dimensi atau sub-indeks yang paling penting
dalam menentukan indeks inklusi keuangan
untuk Indonesia.
 Hasil estimasi ini juga menyiratkan bahwa harus
ada penyesuaian bobot untuk setiap dimensi
dalam membangun indeks untuk pengambilan
informasi yang berbasis empiris.
 jika bobot digunakan dalam proses pengindeksan
itu sama, mungkin tidak dapat diambil informasi
yang berbasis empiris yang diperhitungkan di
setiap dimensi

13
Next,,,
• komponen pertama sudah mengandung
89,07% dari total variasi dan tiga dimensi
memberikan kontribusi yang relatif merata.
• Ini menunjukkan bahwa ketiga indikator ini
mengukur struktur laten yang sama.
• Namun demikian, Usage juga
mengalokasikan sebagian informasinya ke
PC kedua, sehingga Usage berkontribusi
pada keseluruhan IFI melalui PC pertama
dan kedua, yang merupakan cara Usage
untuk memperoleh kepentingannya dalam
mendefinisikan inklusi keuangan.
Tabel ini tentang varians kumulatif yang dijelaskan oleh komponen Analisis PC pada
tahap kedua untuk Indeks Inklusi Keuangan.
Kolom 1 berisi PC.
Kolom 2 berisi porsi total varians yang dikontribusikan oleh setiap PC.
Kolom 3 berisi varians kumulatif untuk PC tambahan.

14
B. Beberapa Rincian
Perhatikan bahwa IFI dan tiga dimensi (Access,
Availability, Usage) dinormalisasi untuk
visualisasi data yang lebih baik. Bagan garis
menunjukkan bahwa IFI memiliki tren positif,
yang menyiratkan bahwa perwujudan inklusi
keuangan di Indonesia telah meningkat
selama tujuh tahun terakhir. Namun, selama
kemajuan positif secara keseluruhan, fluktuasi
tidak mungkin untuk dihindari.
Untuk memperkaya analisis skor IFI dan dimensinya, Gambar 2
disediakan.
Gambar ini menyediakan grafik garis Indeks bulanan Inklusi Keuangan
Indonesia yang diperoleh dari PCA tahap kedua dari Januari 2012 hingga
Desember 2018.

15
Next,,,
November 2012, dimensi Access menghadapi penurunan paling signifikan atas sampel data
kami, yang disebabkan oleh penurunan 4,7% kartu kredit. Hal ini sebagian disebabkan oleh
kebijakan Bank Indonesia (2012: Q4) tentang kelayakan pemegang kartu kredit, yang dibuat
lebih ketat.
Agustus 2013, IFI menurun sekitar 0,1361 poin, yang bertepatan dengan penurunan Usage
0,3325 poin, bersama dengan penurunan Access 0,04 dan peningkatan Availability 0,0273.
Selain itu, penurunan Usage juga bertepatan dengan penurunan 10,9% dalam transaksi
debit dan penurunan 8,89% dalam transaksi kredit.
IFI, naik secara signifikan pada Desember 2013. Pertumbuhan ini didukung oleh
pertumbuhan di semua dimensi. Kinerja dimensi Access disebabkan oleh kartu uang
elektronik (dengan pertumbuhan 25% dalam kartu e-money). Dimensi Usage ditingkatkan
karena efek musiman: Desember dianggap sebagai musim permintaan tinggi ketika
pengeluaran juga tinggi.
Maret 2014, IFI meningkat sekitar 0,1845 poin, salah satu peningkatan terbesar dalam
catatan. Kemajuan positif juga bertepatan dengan peningkatan Usage 0,419 poin, yang juga
merupakan salah satu peningkatan terbesar dalam catatan, meskipun Access menurun
sebesar 0,0321 poin pada saat yang sama, sementara Availability stabil.
April 2016, meskipun Availability mengalami peningkatan 0,0845-point dan Access
menunjukkan peningkatan moderat, IFI turun sekitar 0,1510 poin. Semua dimensi inklusi
keuangan di Indonesia telah meningkat.

16
C. Hubungan Dengan Indikator Ekonomi Makro
Peneliti menghubungkan IFI ke beberapa indikator ekonomi makro dengan menghitung koefisien korelasi Pearson untuk menguji
validasi atau kekuatan indeks.
Tabel ini memberikan gambaran singkat tentang hubungan antara ukuran inklusi
finansial dan indikator ekonomi makro menggunakan analisis korelasi Pearson.
Kolom 1 Variabel makroekonomi
Kolom 2 koefisien korelasi pearson yang diperoleh
Korelasi negatif yang kuat (-0.8956) antara IFI dan tingkat kemiskinan. Hubungan negatif ini dikaitkan
dengan inklusi keuangan yang menyediakan akses lebih besar ke layanan keuangan, memungkinkan
orang untuk memperlancar konsumsi mereka dan untuk terlibat dalam kegiatan produktif.
Korelasi negatif yang kuat (-0,8484) antara IFI dan rasio Gini, Hubungan negatif ini dikaitkan dengan
penurunan ketimpangan pendapatan dengan meningkatkan inklusi keuangan karena lebih banyak
orang di strata pendapatan yang lebih rendah mendapatkan akses ke layanan keuangan.
Korelasi positif yang kuat diamati antara IFI dan PDB per kapita (0,8696) dan antara IFI dan indeks
pembangunan manusia (0,8845).
Pesan utama dari analisis korelasi ini adalah bahwa keempat agregat ekonomi makro
berkorelasi dengan IFI secara bivariat. Tanda korelasi secara teoritis konsisten dengan
harapan; yaitu, langkah-langkah kemiskinan berkorelasi negatif, sedangkan langkah-
langkah pendapatan / pembangunan berkorelasi positif. Dari sini, penliti
menyimpulkan bahwa IFI adalah ukuran inklusifitas finansial yang cukup bagus.

17
Conclution
Studi ini berkaitan dengan inklusifitas keuangan Indonesia. Beberapa upaya
telah dilakukan untuk membangun indeks inklusifitas finansial untuk Indonesia;
namun, Peneliti mempertanyakan bobot yang sama yang diberikan pada semua
dimensi inklusivitas dan mengusulkan memperkirakan bobot spesifik secara
empiris, berdasarkan data. Oleh karena itu peneliti membuat indeks inklusifitas
keuangan Indonesia.
Analisis peneliti menunjukkan bahwa di luar Usage, Access, dan
Availability (tiga dimensi yang secara populer dipertimbangkan dalam
literatur ini) dengan bobot sekitar 37%. Peneliti menyimpulkan dengan
mengembangkan koneksi antara indeks dan data ekonomi makro lainnya
Peneliti menunjukkan bahwa korelasi antara indeks dan ukuran kemiskinan (tingkat
kemiskinan dan rasio Gini) bersifat negatif, dan antara indeks dan ukuran pendapatan /
pembangunan bersifat positif, semua secara statistik berbeda dari nol. Secara
keseluruhan, ada dukungan yang menunjukkan bahwa inklusivitas keuangan memiliki
hubungan ekonomi dengan seluruh perekonomian.
Penliti menyimpulkan bahwa IFI adalah ukuran inklusifitas finansial
yang cukup bagus.

18
Sekian,
dan
Terimakasih 

IFI-INDEKS

Recommended

Recommended

More Related Content

Similar to IFI-INDEKS

Similar to IFI-INDEKS (20)

Recently uploaded

Recently uploaded (20)

IFI-INDEKS