ii

iii

ABSTRAK

Ihsan Fathoni Amri. 2016. PENDETEKSIAN KRISIS PERBANKAN DI

INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN

MARKOV SWITCHING BERDASARKAN INDIKATOR BANK DEPOSITS.

Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.

Surakarta.

Indonesia telah mengalami beberapa kali krisis yang terjadi sejak tahun

1970. Krisis terparah terjadi pada tahun 1997 yang berawal dari jatuhnya mata uang

Baht Thailand. Krisis keuangan terbagi menjadi tiga tipe yaitu krisis perbankan,

krisis mata uang dan krisis hutang. Krisis perbankan dapat dideteksi dengan

memantau indikator perbankan seperti bank deposits, rasio tingkat bunga pinjaman

dengan tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Pada

penelitian ini pendeteksian krisis perbankan dilakukan berdasarkan indikator bank

deposits.

Penelitian ini bertujuan untuk menentukan model terbaik yang sesuai untuk

mendeteksi krisis perbankan di Indonesia berdasarkan indikator bank deposits dan

kemudian meramalkan nilai bank deposits untuk dua belas periode ke depan. Pada

penelitian ini digunakan gabungan model volatilitas dan Markov switching dengan

asumsi dua state dan tiga state.

Hasil penelitian ini menunjukkan bahwa data bank deposits periode Juni

1989 sampai dengan Februari 2015 tidak stasioner, mempunyai efek

heteroskedastisitas, dan mengalami perubahan struktur. Oleh karena itu model yang

digunakan model SWARCH untuk mendeteksi krisis perbankan. Diperoleh model

SWARCH(2,1) dan SWARCH(3,1) yang dapat mendeteksi krisis perbankan pada

April 1998 dan November 1998 sampai dengan Oktober 2000. Model

SWARCH(2,1) dan SWARCH(3,1) digunakan untuk mendeteksi krisis periode

Maret 2015 sampai dengan Februari 2016. Berdasarkan hasil pendeteksian pada

penelitian ini diperoleh bahwa indonesia tidak akan mengalami krisis perbankan

pada periode Maret 2015 sampai dengan Februari 2016 berdasarkan indikator bank

deposits, karena data peramalan tidak mengalami perubahan struktur dan

mempunyai nilai filtered probabilities yang kecil.

Kata kunci: krisis perbankan, bank deposits, SWARCH, dua state, tiga state

iv

ABSTRACT

Ihsan Fathoni Amri. 2016 DETECTION OF BANKING CRISIS IN

INDONESIA USING COMBINATION OF VOLATILITY MODEL AND

MARKOV SWITCHING BASED ON BANK DEPOSITS INDICATOR. Faculty

of Mathematics and Natural Sciences. Sebelas Maret University.

Indonesia has suffered several crises that have occurred since 1970. The

crisis is most severe in 1997 that began with the collapse of the Thai Baht currency.

The financial crisis is divided into three types: banking crisis, currency crisis and

sovereign debt crisis. The banking crisis can be detected by monitoring the banking

indicators such as bank deposits, the ratio of loans to savings interest rate, real

interest rate spread, and the real interest rate savings. In this study the detection of

the banking crisis is based on indicators of bank deposits.

This purpose of this study is to determine the appropriate model to detect

banking crisis in Indonesia based on bank deposits indicator and then forecast the

value of bank deposits to twelve period ahead. In this study used a combination of

volatility and Markov switching models assuming two state and three state.

The results showed that the data bank deposits with the period from June

1989 to February 2015 is not stationary, have the effect of heteroskedastisity, and

switching regime. Therefore the model used to detect the model SWARCH banking

crisis. SWARCH model is obtained (2.1) and SWARCH (3.1) can detect the

banking crisis in April 1998 and November 1998 to October 2000. Model

SWARCH (2.1) and SWARCH (3.1) were used to detect the crisis period March

2015 to February 2016. From detection results in this study obtained that Indonesia

will not happen banking crisis in the period March 2015 to February 2016 based on

indicators of bank deposits, because the prediction data did not show any structure

change and the filtered probabilities value was low.

Keywords: banking crisis, bank deposits, SWARCH, two state, three state

v

MOTO

“Barang siapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah

untuk dirinya sendiri.”

[QS Al-Ankabut: 6]

vi

PERSEMBAHAN

Karya ini saya persembahkan untuk

Kedua orangtua tercinta saya Ibunda Marsi Sugiyanti dan Ayahanda Sugiyanto.

Istri, kakak dan adik saya, Sepvia Hera Permata, Yahya Fathoni Amri, Maryam,

serta

Aryan Fathoni Amri.

Tim Krisis dan keluarga besar Matematika 2011.

Terima kasih atas bantuan, do’a serta dukungannya.

vii

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada Alloh SWT atas segala

rahmat dan karunia yang telah diberikan, sehingga penulis dapat menyelesaikan

penulisan skripsi ini. Selesainya penulisan skripsi ini tidak lepas dari bantuan

berbagai pihak. Ucapan terima kasih penulis sampaikan kepada

1. Drs. Sugiyanto, M.Si., Pembimbing I, atas pengarahan dan motivasi yang

diberikan dalam membimbing penulis.

2. Supriyadi Wibowo, S.Si., M.Si., Pembimbing II yang telah memberikan

saran dan bimbingan dalam penulisan skripsi ini.

3. Semua pihak yang berperan dalam penulisan skripsi ini.

Penulis berharap semoga skripsi ini bermanfaat.

Surakarta, Januari 2016

Penulis

viii

DAFTAR ISI

HALAMAN JUDUL ........................................................................................ i

HALAMAN PENGESAHAN .......................................................................... ii

ABSTRAK ....................................................................................................... iii

ABSTRACT ....................................................................................................... iv

MOTO .............................................................................................................. v

PERSEMBAHAN ............................................................................................ vi

KATA PENGANTAR ..................................................................................... vii

DAFTAR ISI .................................................................................................... viii

DAFTAR TABEL ............................................................................................ xi

DAFTAR GAMBAR ....................................................................................... xii

DAFTAR NOTASI .......................................................................................... xiii

I. PENDAHULUAN 1

1.1 Latar Belakang Masalah ..................................................................... 1

1.2 Perumusan Masalah ............................................................................ 3

1.3 Tujuan Penelitian ................................................................................ 4

1.4 Manfaat Penelitian .............................................................................. 4

II. LANDASAN TEORI 5

2.1 Tinjauan Pustaka................................................................................. 5

2.2 Teori-Teori Penunjang ........................................................................ 7

2.2.1 Bank Deposits ............................................................................ 7

2.2.2 Konsep Dasar Analisis Runtun Waktu ...................................... 7

2.2.3 Uji Kestasioneran ...................................................................... 7

2.2.4 Log Return ................................................................................. 8

2.2.5 ACF dan PACF .......................................................................... 9

2.2.6 Model ARMA ............................................................................. 10

2.2.7 Uji Efek Heteroskedastisitas ...................................................... 13

2.2.8 Model ARCH ............................................................................. 13

2.2.9 Kriteria Informasi ...................................................................... 17

2.2.10 Uji Diagnostik Model ARCH .................................................. 17

ix

2.2.11 Uji Perubahan Struktur ............................................................ 19

2.2.12 Model Markov Switching ........................................................ 20

2.2.13 Model SWARCH ...................................................................... 21

2.2.14 Filtered Probabilities .............................................................. 24

2.3 Kerangka Pemikiran ........................................................................... 27

III. METODE PENELITIAN 29

IV. HASIL DAN PEMBAHASAN 31

4.1 Deskripsi Data .................................................................................. 31

4.2 Uji ADF ............................................................................................ 31

4.3 Log Return ........................................................................................ 32

4.4 Uji ADF ............................................................................................ 32

4.5 Pembentukan Model ARMA ............................................................. 33

4.5.1 Identifikasi Model ARMA ........................................................ 33

4.5.2 Estimasi Parameter Model ARMA ............................................ 33

4.6 Uji Efek Heteroskedastisitas ............................................................. 35

4.7 Pembentukan Model Volatilitas ....................................................... 35

4.7.1 Estimasi Parameter Model ARCH ............................................ 35

4.7.2 Model GARCH ......................................................................... 36

4.7.3 Uji Diagnostik Model ARCH(3) .............................................. 37

4.7.4 Pemilihan Model Terbaik ......................................................... 39

4.8 Uji Perubahan Struktur ..................................................................... 40

4.9 Pembentukan Model SWARCH ........................................................ 40

4.9.1 Model SWARCH(2,1) ............................................................... 41

4.9.2 Model SWARCH(3,1) ............................................................... 42

4.10 Filtered Probabilities ....................................................................... 44

4.11 Pendeteksian Krisis Perbankan ......................................................... 45

4.12 Pendeteksian Krisis Perbankan di Masa yang Akan Datang ............ 46

4.12.1 Peramalan Volatilitas ............................................................. 46

4.12.2 Peramalan Log Return ........................................................... 47

4.12.3 Pendeteksian Krisis Perbankan .............................................. 49

x

V. PENUTUP 51

5.1 Kesimpulan ......................................................................................... 51

5.2 Saran ................................................................................................... 51

DAFTAR PUSTAKA 52

LAMPIRAN 53

Lampiran 1 ................................................................................................ 54

Lampiran 2 ................................................................................................ 58

xi

DAFTAR TABEL

Tabel 2.1 Ciri-Ciri Plot ACF dan PACF Model ARMA ................................. 11

Tabel 4.1 Estimasi Parameter Model ARMA.................................................. 33

Tabel 4.2 Estimasi Parameter Model ARCH .................................................. 36

Tabel 4.3 Estimasi Parameter Model GARCH ............................................... 36

Tabel 4.4 Estimasi Parameter Model ARCH Menggunakan Metode QMLE . 39

Tabel 4.5 Uji Chow Breakpoint Berdasarkan Model ARMA(1,0) ................. 41

Tabel 4.6 Estimasi Parameter Model SWARCH(2,1) ..................................... 42

Tabel 4.7 Hasil Estimasi Parameter Model SWARCH(3,1) ........................... 43

Tabel 4.8 Nilai Filtered Probabilities Pada Periode yang Mengalami

Perubahan Struktur ......................................................................... 47

Tabel 4.9 Nilai Peramalan Volatilitas Periode Maret 2015-Februari 2016 ... 47

Tabel 4.10 Nilai Peramalan Log Retrun Periode Maret 2015-Februari 2016 .. 48

Tabel 4.11 Nilai Peramalan Bank Deposits Periode Maret 2015-Februari

2016 ................................................................................................ 48

Tabel 4.12 Probabilitas Uji Chow breakpoint Periode Maret 2015-Februari

2016 ................................................................................................ 49

Tabel 4.13 Nilai Filtered Probabilities untuk kondisi dua state dan tiga state

periode Maret 2015-Februari 2016 ................................................ 50

xii

DAFTAR GAMBAR

Gambar 4.1 Plot data dari indikator bank deposits ........................................ 31

Gambar 4.2 Plot log return data bank deposits .............................................. 32

Gambar 4.3 Plot ACF dan PACF data bank deposits..................................... 34

Gambar 4.4 Plot ACF dan PACF residu model ARCH(3) dengan model

rata-rata bersyarat ARMA(1,0) ................................................... 38

Gambar 4.5 Plot nilai filtered probabilities kondisi dua state ....................... 44

Gambar 4.6 Plot nilai filtered probabilities kondisi tiga state ....................... 45

xiii

DAFTAR NOTASI

𝑃𝑡 : data pada waktu ke-t

𝑅𝑡 : return pada waktu ke-t

𝑟𝑡 : log return pada waktu ke-t

�̅� : rata-rata sampel

𝛾𝑘 : autokovariansi lag ke-𝑘

𝜌𝑘 : autokorelasi lag ke-𝑘

𝜙𝑘𝑘 : autokorelasi parsial lag ke-𝑘

𝜀𝑡 : residu pada waktu ke-t

𝑆∗ : jumlah kuadrat residu

ℓ : fungsi log likelihood

𝑄(𝑚) : statistik uji Ljung-Box sampai dengan lag ke-𝑚

�̂�(𝑟𝑡) : koefisien skewness pada waktu ke-𝑡

�̂�(𝑟𝑡) : koefisien kurtosis pada waktu ke-𝑡

𝜉 : statistik uji pengali Lagrange

𝑢𝑡 : suatu proses white noise pada waktu ke-𝑡 dengan mean nol dan

variansinya satu

𝜓𝑡 : suatu himpunan informasi sampai waktu ke-t

𝜎𝑡2 : variansi bersyarat pada waktu ke-𝑡

𝑥𝑡𝜇 : rata-rata dari return sebagai kombinasi linear dari variable eksogen

𝜇 : sebuah vektor dari parameter yang tidak diketahui

𝝎 : vektor parameter model ARCH

𝐾 : matriks yang berukuran T x 1

𝐹 : statistik uji Chow breakpoint

𝑠𝑡 : state

𝜇𝑠𝑡 : rata-rata model Markov switching yang bergantung pada suatu state

𝑝𝑖𝑗 : probabilitas transisi state i diikuti state j

𝜽 : vektor parameter model SWARCH

1

Bab I

PENDAHULUAN

1.1 Latar Belakang

Suatu negara dikatakan mengalami krisis keuangan ketika sistem keuangan

negara tersebut mengalami gangguan sehingga berdampak sistem tersebut tidak lagi

bisa berfungsi secara efisien. Krisis keuangan merupakan suatu istilah yang

digunakan untuk situasi dimana beberapa aset keuangan tiba-tiba kehilangan

sebagian besar dari nilai nominalnya. Menurut Lestano et al. [19], krisis keuangan

terbagi menjadi tiga tipe yaitu krisis perbankan (banking crisis), krisis mata uang

(currency crisis) dan krisis hutang (debt crisis). Menurut Waibot [33] krisis

keuangan telah berkali-kali menerpa ekonomi Indonesia sejak tahun 1970 tepatnya

pada tahun 1978, 1983, 1986, 1997, dan 2008.

Krisis terparah di Indonesia terjadi pada tahun 1997. Menurut Abimanyu

dan Imansyah [1], jatuhnya nilai tukar Baht Thailand merupakan awal terjadinya

krisis pada tahun 1997 di Indonesia. Dampaknya adalah terjadi krisis keuangan dan

krisis perbankan di Indonesia. Menurut Kaminsky et al. [17], krisis perbankan

adalah apabila kredit macet lebih besar daripada rata-rata selama masa tidak krisis

ditambah 2 standar deviasi. Krisis perbankan dimulai dengan mencuatnya nilai

tukar dan nilai mata uang rupiah merosot tajam. Akibat krisis yang terjadi beban

hutang perusahaan yang menggunakan mata uang asing, sedangkan pembiayaannya

tergantung oleh bank membengkak secara tajam. Akibat lebih lanjut, timbulnya

kredit macet yang secara tidak langsung akan mengganggu (dalam jumlah yang

besar bahkan akan menghentikan) operasional bank. Padahal bagian perbankan

merupakan salah satu sektor untuk menutupi terjadinya krisis ekonomi. Tornell [30]

berpendapat apabila pemerintah tidak bersedia membiarkan mata uangnya

terdepresiasi maka pemerintah harus siap untuk meng-cover semua kebijakan

(liabilities) sistem perbankan dengan cadangan. Oleh karena itu pemerintah

mengeluarkan beberapa kebijakan pada bagian perbankan digunakan untuk

menutupi sektor ekonomi yang terkena dampak adanya krisis. Berdasarkan

kebijakan-kebijakan yang ada membuat bagian perbankan juga mengalami krisis

2

perbankan. Beberapa indikator yang dapat digunakan untuk mendeteksi adanya

krisis perbankan yaitu bank deposits, rasio tingkat bunga pinjaman dengan

tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Menurut

Abimanyu dan Imansyah [1], bank deposits merupakan salah satu indikator penting

yang digunakan untuk mendeteksi adanya krisis. Untuk itulah bank deposits dipilih

sebagai indikator untuk mendeteksi krisis perbankan di Indonesia. Menurut

Undang-Undang Republik Indonesia Nomor 10 Tahun 1998, Perubahan Atas

Undang-Undang Nomor 7 Tahun 1992 Tentang Perbankan mengatakan bahwa

bank deposits adalah simpanan yang penarikannya hanya dapat dilakukan pada

waktu tertentu berdasarkan perjanjian nasabah penyimpanan dengan bank.

Beberapa indikator sudah digunakan pada penelitian sebelumnya untuk mendeteksi

krisis keuangan di Indonesia, antara lain Retnosari [26] dan Pudyastuti [25]

menggunakan indikator nilai tukar riil, Pitaningsih [24] dan Sagitania [28]

menggunakan indicator pertumbuhan kredit domestik, Utami [32] dan Mustikasari

[21] menggunakan indikator rasio cadangan internasional terhadap M2, Marlina

[20] menggunakan indikator harga saham, dan Ananda [2] menggunakan indikator

tekanan pasar. Oleh karena itu dalam penelitian akan digunakan indikator bank

deposits yang belum digunakan pada penelitian sebelumnya untuk mendeteksi

krisis perbankan di Indonesia.

Data bank deposits merupakan data runtun waktu karena dikumpulkan,

dicatat, dan diamati berdasarkan urutan waktu. Data yang didapatkan mengalami

fluktuasi yang signifikan sehingga mengindikasikan data tidak stasioner. Data yang

tidak stasioner perlu dilakukan transformasi log return untuk menjadikannya data

stasioner. Menurut Cryer [8], salah satu model yang digunakan untuk data stasioner

adalah model Autoregressive Moving Average (ARMA). Asumsi yang harus

dipenuhi model ARMA adalah variansi residu yang konstan (homoskedastisitas).

Karena data bank deposits yang didapatkan memiliki efek heteroskedastisitas,

sehingga asumsi homoskedastisitas tidak dipenuhi.

Guna mengatasi efek heteroskedastisitas tersebut, Engle [9]

memperkenalkan model Autoregressive Conditional Heteroscedasticity (ARCH).

Bollerslev [3] memperkenalkan model generalized autoregressive conditional

3

heteroscedasticity (GARCH), Nelson [23] memperkenalkan model exponential

generalized autoregressive conditional heteroscedasticity (EGARCH), dan Glosten

et al. [10] memperkenalkan model threshold generalized autoregressive

conditional heteroscedasticity (TGARCH). Namun data bank deposits mengalami

perubahan struktur sehingga model ARCH, GARCH, dan EGARCH tidak dapat

digunakan. Hamilton [13], memperkenalkan model Markov switching (MS) untuk

memodelkan data runtun waktu yang mengalami perubahan struktur. Model

Markos switching tidak dapat mengatasi masalah efek heteroskedastisitas dan

perubahan struktur. Hamilton dan Susmel [14] pada tahun 1994 menggabungkan

model volatilitas ARCH dengan model Markov switching yang kemudian dikenal

dengan model Markov switching ARCH (SWARCH), Gray [11] memperkenalkan

kombinasi model Markov switching dengan model volatilitas GARCH

(MSGARCH), dan Henry [15] memperkenalkan kombinasi model Markov

switching dengan model volatilitas EGARCH (MS-EGARCH). Gabungan model

volatilitas dan Markov switching telah diterapkan oleh beberapa peneliti untuk

mendeteksi krisis keuangan yang terjadi pada suatu negara. Misalnya Chang et al.

[6] yang menerapkan model SWARCH untuk mengidentifkasi volatilitas mata uang

asing dan krisis keuangan global di Korea menggunakan tiga state, yaitu volatilitas

rendah, volatilitas sedang dan volatilitas tinggi.

Pada penelitian ini dilakukan pendeteksian krisis perbankan di Indonesia

menggunakan gabungan model volatilitas dan Markov switching berdasarkan

indikator bank deposits. Data bank deposits mengindikasikan terdapat efek

heteroskedastisitas dan mengalami perubahan struktur, sehingga dapat dimodelkan

dengan model SWARCH berdasarkan asumsi dua state dan tiga state.

1.2 PERUMUSAN MASALAH

Berdasarkan latar belakang masalah yang diuraikan sebelumnya, dapat

dituliskan rumusan masalah berikut

a. Bagaimana model yang sesuai untuk mendeteksi krisis perbankan di

Indonesia berdasarkan indikator bank deposits?

4

b. Apakah pada Maret 2015 sampai dengan Februari 2016 Indonesia akan

mengalami krisis berdasarkan indikator bank deposits?

1.3 TUJUAN PENELITIAN

Berdasarkan perumusan masalah, penelitian ini bertujuan

a. menentukan model yang sesuai untuk mendeteksi krisis perbankan di

Indonesia berdasarkan indikator bank deposits, dan

b. mendeteksi krisis perbankan di Indonesia pada bulan Maret 2015 sampai

dengan Februari 2016 berdasarkan indikator bank deposits.

1.4 MANFAAT PENELITIAN

Hasil dari penelitian ini diharapkan dapat memberikan manfaat untuk

mendeteksi sinyal krisis perbankan di Indonesia berdasarkan indikator bank

deposits dimasa yang akan datang.