bab iv verdana 3
TRANSCRIPT
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
Hasil dan Pembahasan
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.
4.1 Kegunaan Kebijakan (Policy Usefulness)
103
Hasil dan Pembahasan
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.
4.1.1 Model Ekonometrik
A. Kemampuan Mengontrol Besaran (aggregate) Moneter
104
Hasil dan Pembahasan
(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 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
105
Hasil dan Pembahasan
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).
(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
Variabel ADF Variabel ADF
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
106
Hasil dan Pembahasan
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
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 = Ut-1 + vt
Hipotesis untuk pengujian ini adalah :
H0 : = 0 (variabel-variabel dalam model tidak terkointegrasi)
17 Tabel MacKinnon secara lengkap dapat dilihat pada lampiran
107
Hasil dan Pembahasan
H1 : 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
ut = -1.053546* ut-1 + vt
(-4,97)
R2 = 0,51 D.W Stat = 1,96Keterangan : Nilai dalam kurung adalah nilai t- Stat
(GM2)t = g + d(GMB)t + ut
ut = -0.954047*ut-1 + vt
(-4,58)
R2 = 0,47 D.W Stat = 1,99Keterangan : Nilai dalam kurung adalah nilai t- Stat
(GM2 (isl)) t = h + q(GMB(isl))t + ut
ut = -0.878444*ut-1 + vt
(-4,24)
R2 = 0,43 D.W Stat = 1,97Keterangan : Nilai dalam kurung adalah nilai t- Stat
108
Hasil dan Pembahasan
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 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
109
Hasil dan Pembahasan
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 = 1,67Keterangan : Nilai dalam kurung adalah nilai t- Stat
GCPIt = l0 + l1(GM2)t + l2(GM2)t-1 + l3(GM2)t-2 + l4(GM2)t-3 + ut
ut = -1.492746733*ut-1 + vt
(-7,75)
R2 = 0,75 D.W Stat = 1,18Keterangan : Nilai dalam kurung adalah nilai t- Stat
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)
R2 = 0,57 D.W Stat = 1,44Keterangan : Nilai dalam kurung adalah nilai t- Stat
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
110
Hasil dan Pembahasan
Keterangan : Nilai dalam kurung adalah nilai t- Stat
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.
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
111
Hasil dan Pembahasan
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
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 = 13,4Keterangan : Nilai dalam kurung adalah nilai t- Stat
D(GM1ISL) = -0.009 + 0.997*D(GMBISL) - 1.049*ut-1 (3a) (-0,06) (119,3) (-4,69)
R2 = 0,99 D.W Stat = 1,95 F Stat = 734,5Keterangan : Nilai dalam kurung adalah nilai t- Stat
D(GM2ISL) = -0.046 + 0.841*D(GMBISL) - 0.87*ut-1 (4a) (-0,04) (15,5) (-3,94)
R2 = 0,92 D.W Stat = 1,96 F Stat = 121,9Keterangan : Nilai dalam kurung adalah nilai t- Stat
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
112
Hasil dan Pembahasan
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).
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)
113
Hasil dan Pembahasan
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%.
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
114
Hasil dan Pembahasan
Dari hasil perhitungan diperoleh:
Persamaan (1a): Variabel first difference monetary base (DGMB) &
Variabel error correction
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) &
Variabel error correction
t-Statistik (3,41) > nilai t-tabel (2,08)
t-Statistik (|-4,37|) > nilai t-tabel (2,08)
Hipotesis H0 ditolak, Artinya variabel first difference monetary base
(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
t-Statistik (119,3) > nilai t-tabel (2,08)
t-Statistik (|-4,69|) > nilai t-tabel (2,08)
Hipotesis H0 ditolak, Artinya variabel first difference monetary base
(DGMBISL) dan variabel error correction mempengaruhi variabel tidak
115
Hasil dan Pembahasan
bebasnya (DGM1ISL) secara parsial dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan (4a): Variabel first diffrence monetary base (DGMBISL)
& Variabel error correction
t-Statistik (15,5) > nilai t-tabel (2,08)
t-Statistik (|-3,94|) > nilai t-tabel (2,08)
Hipotesis H0 ditolak, Artinya variabel first difference monetary base
(DGMBISL) dan variabel error correction mempengaruhi variabel tidak
bebasnya (DGM2ISL) secara parsial dengan tingkat kepercayaan
(confidence level) 95%.
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.
116
Hasil dan Pembahasan
Pada model ekonometrik yang digunakan untuk mengestimasi
kemampuan kontrol otoritas moneter didapat nilai F-kritis sebagai berikut:
Tabel 4.3Tabel Pengujian F-statistik
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
2,97
Sumber: Damodar Gujarati, Basic Econometrics
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
(confidence level) 95%.
Persamaan (2a) : F-statistik (13,4) > nilai F-tabel (3,55)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan (3a) : F-statistik (734,5) > nilai F-tabel (3,55)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan (4a) : F-statistik (121,9) > nilai F-tabel (3,55)
117
Hasil dan Pembahasan
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
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
118
Hasil dan Pembahasan
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.
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).
Persamaan (3a&4a) : D.W Stat = 1,95 & 1,96
Nilai DW-stat yang diperoleh dari persamaan adalah sebesar1,95 & 1,96
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 (3a&4a).
Analisis Hasil Estimasi Model Dinamis Kemampuan
Mengontrol Besaran (aggregate) Moneter
Hasil output estimasi dari software eviews 3.1 adalah sebagai
berikut
119
Hasil dan Pembahasan
D(GM1) = 0.159 + 0.599*D(GMB) - 1.205*ut-1
D(GM2) = 0.012 + 0.211*D(GMB) - 0.9008*ut-1
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
120
Hasil dan Pembahasan
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
menunjukkan angka yang signifikan dengan angka koefisien respon
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
(aggregate) moneter bebas bunga mempunyai hubungan yang lebih erat
121
Hasil dan Pembahasan
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
Adapun hasil estimasi (output dari software Eviews 3.1) dengan
menggunakan error-correction model (ECM) adalah sebagai berikut:
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)
R2 = 0,75 D.W Stat = 1,70 F Stat = 9,23Keterangan : Nilai dalam kurung adalah nilai t- Stat
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)
R2 = 0,806 D.W Stat = 1,42 F Stat = 12,4Keterangan : Nilai dalam kurung adalah nilai t- Stat
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)
R2 = 0,72 D.W Stat = 1,44 F Stat = 8,10Keterangan : Nilai dalam kurung adalah nilai t- Stat
D(GCPI) = 0.11 + 0.3003*D(GM2ISL) + 0.3105*D(GM2ISL)t-1 + (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)
122
Hasil dan Pembahasan
R2 = 0,66 D.W Stat = 1,60 F Stat = 6,08Keterangan : Nilai dalam kurung adalah nilai t- Stat
Pengujian Statistik
Penaksiran Koefisien Determinasi R2
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%.
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
123
Hasil dan Pembahasan
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
Pada model ekonometrik yang digunakan untuk mengestimasi
keterkaitan antara besaran (aggregate) moneter dan tingkat harga
didapat nilai t-kritis sebagai berikut:
Tabel 4.5Tabel Pengujian t-statistik
Degree of Freedom Significance Level
t-Tabel
(n-k) 15
(n-k) 15
(n-k) 15
0,01
0,05
0,10
2,947
2,131
1,753
Sumber: Damodar Gujarati, Basic Econometrics
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
(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%.
124
Hasil dan Pembahasan
Persamaan 6a : Variabel DGM2 ( t, t-1,t-2, t-3) dan Variabel error
correction
Variabel t-Statistik t-tabel
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
error correction Ut-1 |-6,96|
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-Statistik t-tabel
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
error correction Ut-1 |-4,53|
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.
125
Hasil dan Pembahasan
Variabel t-Statistik t-tabel
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
error correction Ut-1 |-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
Pada model ekonometrik yang digunakan untuk mengestimasi
keterkaitan antara besaran (aggregate) moneter dan tingkat harga
didapat nilai F-kritis sebagai berikut:
Tabel 4.6Tabel Pengujian F-statistik
Degree of Freedom Significance
Level
F-Tabel
F (5, 16)
F (5, 16)
F (5, 16)
0,01
0,05
0,10
4,44
2,85
2,24
Sumber: Damodar Gujarati, Basic Econometrics
Persamaan 5a : F-statistik (9,23) > nilai F-tabel (2,85)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan 6a : F-statistik (12,4) > nilai F-tabel (2,85)
126
Hasil dan Pembahasan
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan 7a : F-statistik (8,10) > nilai F-tabel (2,85)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan 8a : F-statistik (6,08) > nilai F-tabel (2,85)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Pengujian Masalah Dalam Regresi Linear
Masalah Autokorelasi
Persamaan (5a&6a) : D.W Stat = 1,70 & 1,42
Nilai DW-stat yang diperoleh dari persamaan adalah sebesar 1,70 & 1,42.
Nilai dL dan dU berturut-turut adalah 0,829 & 1,964 (confidence level 95%).
Sementara nilai 4 – dL dan 4 - dU berturut-turut adalah 3,171 dan 2,036.
Dengan demikian nilai DW-stat berada pada daerah DL < DW < 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.
127
Hasil dan Pembahasan
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)
Dimana :
E(k) : nilai rata-rata
s(k) : varians
S(k) : standar deviasi
128
Hasil dan Pembahasan
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
Nilai DW-stat yang diperoleh dari persamaan adalah sebesar 1,44 & 1,60.
Nilai dL dan dU berturut-turut adalah 0,829 & 1,964 (confidence level 95%).
Sementara nilai 4 – dL dan 4 - dU berturut-turut adalah 2,036 dan 3,171.
Dengan demikian nilai DW-stat berada pada daerah DL < DW < DU
(daerah ragu-ragu,tidak terdapat positif autokorelasi), Untuk 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
129
Hasil dan Pembahasan
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
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
130
Hasil dan Pembahasan
(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
menunjukkan angka yang signifikan dengan angka koefisien respon
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
Variabel perubahan pertumbuhan harga (DGCPI) akan naik
sebesar 0,559 persen, 0,529 persen, 0,258 persen, 0,0785 persen
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
menunjukkan angka yang signifikan dengan angka koefisien respon
sebesar 1,597, artinya ketidaksesuaian pertumbuhan tingkat harga
aktual dengan pertumbuhan jangka panjangnya sebesar 1,597
akan dikoreksi setiap periodenya.
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
131
Hasil dan Pembahasan
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
menunjukkan angka yang signifikan dengan angka koefisien respon
sebesar 1,16, artinya ketidaksesuaian pertumbuhan tingkat harga
aktual dengan pertumbuhan jangka panjangnya sebesar 1,16 akan
dikoreksi setiap periodenya.
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
Variabel perubahan pertumbuhan harga (DGCPI) akan naik
sebesar 0,30 persen, 0,3105 persen, 0,206 persen, 0,105 persen
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
menunjukkan angka yang signifikan dengan angka koefisien respon
sebesar 0.994, artinya ketidaksesuaian pertumbuhan tingkat harga
aktual dengan pertumbuhan jangka panjangnya sebesar 0,994
akan dikoreksi setiap periodenya.
132
Hasil dan Pembahasan
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
(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
133
Hasil dan Pembahasan
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;
4.2.2 Uji Akar-akar Unit (Unit Root )
Tabel 4.8Hasil Pengujian Unit Root
Variabel ADF Variabel ADF
Level
GCredit -2,58First
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
134
Hasil dan Pembahasan
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.
(GCREDIT) t = g + d(GLIQUID)t + ut
ut = -0.396502*ut-1 + vt
(-2,37)
R2 = 0,19 D.W Stat = 1,96Keterangan : Nilai dalam kurung adalah nilai t- Stat
(GCREDIT (ISL)) t = h + qGLIQUID (ISL)t + ut
ut = -0.942442*ut + vt (-4,53)
R2 = 0,47 D.W Stat = 1,91Keterangan : Nilai dalam kurung adalah nilai t- Stat
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.
135
Hasil dan Pembahasan
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.
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)
Adapun hasil estimasi (output dari software Eviews 3.1) dengan
menggunakan error-correction model (ECM) adalah sebagai berikut:
136
Hasil dan Pembahasan
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
Pengujian Statistik
Penaksiran Koefisien Determinasi R2
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
137
Hasil dan Pembahasan
Pada model ekonometrik yang digunakan untuk mengestimasi
instrumen kredit dan likuid didapat nilai t-kritis sebagai berikut:
Tabel 4.9Tabel Pengujian t-statistik
Degree of Freedom Significance Level t-Tabel
(n-k) 21 0,01 2,831(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
t-Statistik (6,58) > nilai t-tabel (2,08)
t-Statistik (|-2,20|) > nilai t-tabel (2,08)
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
Variabel error correction
t-Statistik (5,45) > nilai t-tabel (2,08)
t-Statistik (|-4,34|) > nilai t-tabel (2,08)
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
138
Hasil dan Pembahasan
Pada model ekonometrik yang digunakan untuk mengestimasi
instrumen kredit dan likuid didapat nilai F-kritis sebagai berikut:
Tabel 4.10Tabel Pengujian F-statistik
Degree of Freedom Significance Level F-Tabel
F (2, 21) 0,01 5.85F (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
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Persamaan (10a) : F-statistik (23.1) > nilai F-tabel (3.49)
Hipotesis H0 ditolak. Artinya seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya dengan tingkat kepercayaan
(confidence level) 95%.
Pengujian Masalah Dalam Regresi Linear
Masalah Autokorelasi
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).
139
Hasil dan Pembahasan
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 –
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%.
140
Hasil dan Pembahasan
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 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
141
Hasil dan Pembahasan
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
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
142
Hasil dan Pembahasan
antara instrumen likuid berbasis bunga dan bebas bunga yang berlaku
saat ini masih dapat dipersamakan untuk periode 1997.1-2003.1 di
Indonesia.
143