HasPem

102

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 variabelvariabel 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.

103

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 berfrekuensirendah

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.

104

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.

105

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

106

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).
p −1

∆Yt = ρYt −1 + ∑ ρ j ∆Yt − j + µt

(ADF test)

j =1

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 4.1
Hasil Pengujian Unit Root

Level

Variabel
GM1
GM1(-1)
GM1(-2)
GM1(-3)
GM2
GM2(-1)
GM2(-2)
GM2(-3)
GMB
GCPI

ADF
-3,37
-3,4
-3,31
-3,15
-2,76
-2,78
-2,71
-2,63
-3,53
-1,99

Variabel
GM1
GM1(-1)
GM1(-2)
GM1(-3)
GM2
First Difference
GM2(-1)
GM2(-2)
GM2(-3)
GMB
GCPI

ADF
-4,48
-4,45
-4,29
-4,15
-5,05
-4,91
-4,78
-4,6
-5,08
-2,75

107


Level

Variabel
GM1ISL
GM1ISL(-1)
GM1ISL(-2)
GM1ISL(-3)
GM2ISL
GM2ISL(-1)
GM2ISL(-2)
GM2ISL(-3)
GMBISL
GCPI

ADF
-3,45
-3,49
-3,35
-3,3
-3,35
-3,35
-3,24
-3,18
-3,44
-1,99

Variabel
GM1ISL
GM1ISL(-1)
GM1ISL(-2)
GM1ISL(-3)
GM2ISL
First Difference
GM2ISL(-1)
GM2ISL(-2)
GM2ISL(-3)
GMBISL
GCPI

ADF
-4,57
-4,45
-4,4
-4,25
-4,63
-4,52
-4,51
-4,36
-4,57
-2,75

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
17

Uji Kointegrasi

Tabel MacKinnon secara lengkap dapat dilihat pada lampiran

108

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 EngleGranger (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)

2

R = 0,603

D.W Stat = 2,05

Keterangan : Nilai dalam kurung adalah nilai t- Stat

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

109

∆ut = -1.053546* ut-1 + vt
(-4,97)

R2 = 0,51

D.W Stat = 1,96


• (GM2)t = g + d(GMB)t + ut

∆ut = -0.954047*ut-1 + vt
(-4,58)

R2 = 0,47

D.W Stat = 1,99


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

∆ut = -0.878444*ut-1 + vt
(-4,24)

R2 = 0,43

D.W Stat = 1,97


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 tstatistik 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

110

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)

R2 = 0,56

D.W Stat = 1,67


•

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

111

∆ut = -1.492746733*ut-1 + vt
(-7,75)

R2 = 0,75

D.W Stat = 1,18


•

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)

2

R = 0,57

D.W Stat = 1,44


•

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)
R2 = 0,49

D.W Stat = 1,60


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.

112

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)
2

R = 0,89

(13,08)

(-5,6)

D.W Stat = 2,07 F Stat = 90,17


113


•

D(GM2) = 0.012 + 0.211*D(GMB) - 0.9008*ut-1
(2a)
(0,01)
(3,41)
(-4,37)
R2 = 0,56

D.W Stat = 1,88 F Stat = 13,4


•

D(GM1ISL) = -0.009 + 0.997*D(GMBISL) - 1.049*ut-1
(-0,06)
(119,3)
(-4,69)
R2 = 0,99

D.W Stat = 1,95

(3a)

F Stat = 734,5


•

(-0,04)
(15,5)
(-3,94)
R2 = 0,92

D.W Stat = 1,96




(4a)

F Stat = 121,9

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).

114

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%.

115


 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 4.2
Tabel Pengujian t-statistik
Degree of Freedom

Significance
Level

t-Tabel

(n-k) 21

0,01

2,831

(n-k) 21

0,05

2,080

(n-k) 21

0,10

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

116

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

117

(DGMBISL) dan variabel error correction
bebasnya

(DGM2ISL)

secara

parsial

mempengaruhi variabel tidak
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 H 0 tidak ditolak, sehingga
variabel bebas secara bersama-sama tidak berpengaruh terhadap
variabel tidak bebasnya.



Apabila nilai F hitung > F tabel berarti H 0 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 4.3
Tabel Pengujian F-statistik

118


F (1, 21)

Significance
Level
0,01

F (1, 21)

0,05

4,35

F (1, 21)

0,10

2,97

Degree of Freedom

F-Tabel
8,10


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
•


•


•



119




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

Kesimpulan

Estimasi Model Regresi
0 < DW < DL

H0 ditolak, terdapat autokorelasi positif

DL < DW < DU

Daerah Ragu-ragu

DU < DW < (4 - DU)

H0 diterima, tidak terdapat autokorelasi

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

Daerah Ragu-ragu

(4 - DL) < DW < 4

H0 ditolak, terdapat autokorelasi negative

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

120


•

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
(4 - DU), H0

DU < DW <

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
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

adalah sebagai

121

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*u t-1

•


122

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)
Variabel



koreksi

kesalahan

dalam

jangka

pendek

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

123

(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
(3,02)
R2 = 0,75

- 1.123*Ut-1

D.W Stat = 1,70


•

(5a)

(-4,41)

F Stat = 9,23

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
(0,75)
2

R = 0,806

(6a)

(-6,96)
D.W Stat = 1,42

F Stat = 12,4


•

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
(2,88)
(2,01)
(-4,53)
R2 = 0,72

D.W Stat = 1,44

F Stat = 8,10


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

(7a)

124

(0,10)

(3,57)

(3,36)

(2,25)
(1,25)
(-3,87)
R2 = 0,66

D.W Stat = 1,60

(8a)

F Stat = 6,08




Pengujian Statistik
Dari perbandingan masing-masing nilai koefisien determinasi R 2

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 R 2 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%.

125

nilai R2 yang lebih besar (0,72

Pada model persamaan (7a&8a),

(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 R 2 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:
Tabel 4.5
Degree of Freedom

Significance
Level

t-Tabel

(n-k) 15

0,01

2,947

(n-k) 15

0,05

2,131

(n-k) 15

0,10

1,753


•

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

t-Statistik

t-tabel

(t)

4,11

CL 99% = 2,947

(t-1)

4,67

CL 95% = 2,131

(t-2)

2,65

CL 90% = 1,753

126


(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

Variabel

t-Statistik

t-tabel

(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


|-6,96|

DGM2

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.

Variabel

t-tabel

(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)

DGM1ISL

t-Statistik

2,01


|-4,53|

127

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.

Variabel

t-tabel

(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)

DGM2ISL

t-Statistik

1,25


|-3,87|

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:
Tabel 4.6
Degree of Freedom

Significance

F-Tabel

F (5, 16)

Level
0,01

4,44

F (5, 16)

0,05

2,85

F (5, 16)

0,10

2,24


128

•

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

•


•


•






•



DL < DW <

129

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
n2 = 10
persamaan 6a: n1 = 12
n2 = 9

N = 21
k=8
N = 21
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)

130

Dimana :

E (k ) =

σ (k ) =

2n1n2
+1
n1 + n 2

2n1n2( 2n1n2 − n1 − n2)
(n1 + n2) 2 ( n1 + n2 −1)

S ( k ) = σ( k )

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.

DU

(daerah

ragu-ragu,tidak

terdapat

positif

DL < DW <

autokorelasi),

Untuk

131

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
n2 = 10

N = 21
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

132

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)


Variabel

koreksi

kesalahan

dalam

jangka

pendek

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



133

untuk

setiap

kenaikan

variabel

perubahan

pertumbuhan

M2

(DGM2) sebesar satu persen pada periode yang sama, satu kuartal
sebelumnya , dua kuartal sebelumnya dan tiga kuartal sebelumnya
(ceteris paribus).


Variabel

koreksi

kesalahan

dalam

jangka

pendek

•

D(GCPI)

=

0.052

+

0.33*D(GM1ISL)

+

0.351*D(GM1ISL)t-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).


Variabel

koreksi

kesalahan

dalam

jangka

pendek

aktual dengan pertumbuhan jangka panjangnya sebesar 1,16 akan
dikoreksi setiap periodenya.

134


•

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



untuk

setiap

kenaikan

variabel

perubahan

pertumbuhan

M2

(DGM1ISL) sebesar satu persen pada periode yang sama, satu
kuartal sebelumnya , dua kuartal sebelumnya dan tiga kuartal
sebelumnya (ceteris paribus).
Variabel



koreksi

kesalahan

dalam

jangka

pendek

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

135

(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;

136


4.2.2 Uji Akar-akar Unit (Unit Root )
Tabel 4.8
Hasil Pengujian Unit Root
Variabel
GCredit
GLikuid
Level
GCreditIsl
GLikuidIsl

ADF
-2,58
-2,78
-3,81
-3,97

Variabel
Gcredit
Glikuid
First Difference
GCreditIsl
GLikuidIsl

ADF
-4,38
-5,26
-7,23
-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.

137


•

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

∆

ut = -0.396502*ut-1 + vt
(-2,37)
R2 = 0,19

D.W Stat = 1,96


•

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

∆ ut = -0.942442*ut + vt
(-4,53)

R2 = 0,47

D.W Stat = 1,91


Dari hasil regresi pada error terms masing-masing persamaan diatas
maka penentuan terkointegrasi tidaknya variabel-variabel pada masingmasing

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

pengaruh hubungan jangka panjang.

(GCREDIT

&

GLIQUID)

memiliki

138

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*u t-1
(9a)
(-0.04)
(6.58)
(-2.20)
R2 = 0,71

D.W Stat = 1,96


•

F Stat = 26,1

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

139


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 (R 2 = 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 R 2
= 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:
Tabel 4.9
Degree of Freedom
(n-k) 21

Significance
Level
0,01

t-Tabel
2,831

140

(n-k) 21
(n-k) 21

0,05
0,1

2,08
1,721


•

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:
Tabel 4.10
Degree of Freedom
F (2, 21)

Significance
Level
F-Tabel
0,01
5.85

141

F (2, 21)
F (2, 21)

0,05
0,1

3.49
2,59


•

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

142

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*u t-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

143

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*u t-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

144

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 variabelvariabel 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

145

saat ini masih dapat dipersamakan untuk periode 1997.1-2003.1 di
Indonesia.

HasPem

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (18)

Similar to HasPem

Similar to HasPem (20)

More from Chenk Alie Patrician

More from Chenk Alie Patrician (20)

HasPem