kredit sektor konstruksi dan kebijakan moneter di … · 2021. 8. 10. · kredit perbankan...
TRANSCRIPT
KREDIT SEKTOR KONSTRUKSI DAN KEBIJAKAN MONETER
DI INDONESIA: PENDEKATAN VAR/VECM
SKRIPSI
Diajukan Kepada Fakultas Ekonomi Dan Bisnis Untuk Memenuhi Persyaratan
Memperoleh Gelar Sarjana Ekonomi
Oleh:
Nurul Ashari
NIM. 11150810000088
UNIVERSITAS ISLAM NEGERI (UIN)SYARIF HIDAYATULLAH
JAKARTA
FAKULTAS EKONOMI DAN BISNIS
JURUSAN MANAJEMEN
2021
ii
KREDIT SEKTOR KONSTRUKSI DAN KEBIJAKAN MONETER DI INDONESIA:
PENDEKATAN VAR/VECM
Skripsi
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana Ekonomi
Oleh
Nurul Ashari
NIM 11150810000088
Di Bawah Bimbingan
Pembimbing
Faizul Mubarok, MM
NIDN. 2014058801
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2021
iii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari Rabu, 10 Oktober 2019 telah dilakukan Ujian Komprehensif atas mahasiswa:
1. Nama : Nurul Ashari
2. NIM : 11150810000088
3. Jurusan : Manajemen
4. Judul Skripsi : Kredit Sektor Konstruksi Dan Kebijakan Moneter
Di Indonesia: Pendekatan VAR/VECM
Setelah mencermati dan memperhatikan penampilan serta kemampuan yang bersangkutan
selama proses Ujian komprehensif, maka diputuskan bahwa mahasiswa tersebut di atas dinyatakan
LULUS dan diberi kesempatan untuk melanjutkan ke tahap Ujian Skripsi sebagai salah satu syarat
untuk memperoleh gelar Sarjana Ekonomi pada Jurusan Perbankan Syariah Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 10 Oktober 2019
1. Murdiyah Hayati, S. Kom., MM ( )
NIP. 197410032003122001 Penguji I
2. Faizul Mubarok, MM ( )
NIDN. 2014058801 Penguji I
iv
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Senin, 22 Maret 2021 telah dilakukan Ujian Skripsi atas mahasiswa :
Nama : Nurul Ashari
NIM : 11150810000088
Jurusan : Manajemen
Judul Skripsi : Kredit Sektor Konstruksi dan Kebijakan Moneter Di Indonesia:
Pendekatan VAR/VECM
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang bersangkutan
selama proses ujian skripsi, maka diputuskan bahwa mahasiswa tersebut di atas dinyatakan
LULUS dan skripsi ini diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana
Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
Jakarta, 22 Maret 2021
1. Amalia, SE., MSM (________________________)
NIP. 197408212009012005 Ketua
2. Dr Titi Dewi Warninda, S.E., M.Si. (________________________)
NIP. 197312212005012002 Penguji Ahli
3. Faizul Mubarok, MM (________________________)
NIDN. 2014058801 Pembimbing
v
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini
Nama : Nurul Ashari
NIM : 11150810000088
Jurusan : Manajemen
Fakultas : Ekonomi dan Bisnis
Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan
mempertanggungjawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli atau tanpa izin
pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya ini.
Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah melalui
pembuktian yang dapat dipertanggung jawabkan, ternyata memang ditemukan bukti bahwa saya
telah melanggar pernyataan ini, maka saya siap dikenai sanksi berdasarkan aturan yang berlaku di
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Jakarta, 22 April 2021
Yang Menyatakan
(Nurul Ashari)
vi
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama lengkap : Nurul Ashari
2. Tempat, tanggal lahir : Jakarta, 25 Juli 15
3. Alamat : Jl. Amil Abas RT 005/01 No. 22
Kelurahan Gaga
Kecamatan Larangan Selatan
Ciledug, Tangerang.
4. Telepon : 081385093908
5. E-mail : [email protected]
II. PENDIDIKAN FORMAL
1. SDN 01 Larangan Utara : Tahun 2001 – 2007
2. SMPN 271 Jakarta Barat : Tahun 2007 – 2010
3. Pondok Modern Darussalam Gontor : Tahun 2010 – 2014
4. S1 UIN Syarif Hidayatullah Jakarta : Tahun 2015 – 2020
III. PENGALAMAN KERJA
1. TPQ Prince : Tahun 2016 – 2020
2. Sakinah Tour & Travel : Tahun 2017 – 2020
IV. PENGALAMAN ORGANISASI
1. Anggota Organisasi Pelajar Pondok Modern (OPPM) (2014)
2. Anggota Himpunan Mahasiswa Jurusan (Manajemen (2015-2016)
V. LATAR BELAKANG KELUARGA
1. Ayah : Tadjib Alimaswaban
Tempat, Tanggal Lahir : Pasuruan, 27 Agustus 1968
Pekerjaan : Pegawai Swasta
2. Ibu : Wahyu Tri
Tempat, Tanggal Lahir : 14 Oktober 1969
Pekerjaan : Ibu Rumah Tangga
vii
ABSTRACT
As financial literature develops in recent years, bank credit plays a vital role in economic
growth. Banking credit is an essential component in meeting company needs. This study proves that
there are factors that can affect the financing in Indonesian Banking Construction Sector.
Specifically, This paper examines whether economic conditions affect construction sector credit
and how the response and diversity of construction sector credit in the face of economic shocks.
This paper uses monthly data on Indonesian banking credit from 2012 to 2020. The method of data
analysis that used in this study is Vector Auto Regression/Vector Error Correction models
(VECM/VAR). The cointegration test shows that there is cointegration among our datasets. The
results of the VECM analysis show that economic variables have an effect on credit in the
construction sector in the long run. The results of the Impulse Response Function (IRF) show that
credit in the construction sector gives positive and negative responses. Forecast Error Variance
Decomposition (FEVD) analysis shows that gross domestic product, crises, third party funds,
interest rates, exchange rates, and inflation affect credit diversity in the construction sector. Banks
need to consider several things in the distribution of credit to the construction sector, especially
those that impact the long term.
Keywords: Credit, Construction, Crisis, Interest Rate, Inflation, DPK, GDP, Exchange Rate
viii
ABSTRAK
Seiring perkembangan literatur keuangan dalam beberapa tahun terakhir, kredit bank
memainkan peran penting dalam pertumbuhan perekonomian. Kredit perbankan merupakan
komponen penting dalam memenuhi kebutuhan perusahaan. Penelitian ini membuktikan bahwa ada
faktor-faktor yang dapat memengaruhi Pembiayaan Sektor Kontruksi perbankan di Indonesia.
Secara khusus, makalah ini meneliti apakah kondisi ekonomi mempengaruhi kredit sektor
konstruksi dan bagaimana tanggapannya serta keragaman kredit sektor konstruksi dalam
menghadapi guncangan ekonomi. Makalah ini menggunakan data bulanan kredit perbankan
Indonesia dari tahun 2012 hingga 2020. Metode analisis data yang digunakan dalam penelitian ini
adalah Vector Auto Regression/Vector Error Correction Model (VAR/VECM). Uji kointegrasi
menunjukkan adanya kointegrasi antar dataset kami. Hasil analisis VECM menunjukkan bahwa
variabel ekonomi berpengaruh terhadap kredit sektor konstruksi dalam jangka panjang. Hasil dari
Impulse Response Function (IRF) menunjukkan bahwa kredit di sektor konstruksi memberikan
respon yang positif dan negatif. Analisis Forecast Error Variance Decomposition (FEVD)
menunjukkan bahwa produk domestik bruto, krisis, dana pihak ketiga, suku bunga, nilai tukar, dan
inflasi mempengaruhi keragaman kredit sektor konstruksi. Dengan hasil tersebut Bank perlu
memperhatikan beberapa hal dalam penyaluran kredit sektor konstruksi, terutama yang berdampak
dalam jangka panjang.
Kata kunci: Kredit, Konstruksi, Krisis, BI Rate, Inflasi, DPK, GDP, Nilai Tukar
ix
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT, yang telah memberikan Nikmat,
Rahmat dan Hidayah-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Kredit
Sektor Konstruksi dan Kebijakan Moneter di Indonesia: Pendekatan VAR/VECM”. Shalawat
dan juga Salam semoga senantiasa tercurah kepada junjungan kita Nabi Muhammad SAW, beserta
keluarganya, dan para sahabatnya.
Penulisan skripsi ini ditujukan untuk memenuhi salah satu syarat memperoleh gelar Strata
Satu Sarjana Ekonomi Jurusan Manajemen Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Penulis menyadari di dalam penulisan skripsi ini tidak lepas dari banyak pihak yang telah
membantu, mendorong, ,mengarahkan dan memotivasi dalam penyusunan skripsi ini dari awal
hingga selesai. Oleh karena itu, penulis dalam kesempatan ini secara khusus menyampaikan hormat
dan terima kasih kepada:
1. Kedua orang tua, Ayahanda Tadjib Alimaswaban dan Ibunda Wahyu Tri. Terimakasih dan
syukur atas semua tetesan keringat, air mata, curahan cinta, doa, bantuan moril maupun materil
serta sudah membesarkan dan mendidik penulis dari kecil hingga sampai saat ini. Semoga Allah
SWT memberikan kalian kesehatan, umur yang panjang dan rizki yang berlimpah selalu.
Aamiin.
2. Kedua saudara kandung penulis, Febri Izha Mawaddah dan Muhammad Aprizal Hasano, serta
Vickha Renganis Sardjito dan Mamah Maryati yang telah memberi motivasi dan menemani
penulis dalam menyelesaikan skripsi ini ketika di rumah.
3. Saudara-saudara sepupu penulis, Ayu Martiana, Nindra Ekasari, Diandra Lupitasari, Teguh
Aristiawan, Langgeng Aryobimo dan Fariz Fadhillah yang telah memberi arahan dan motivasi
penulis dalam menyelesaikan skripsi ini.
x
4. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA, selaku Rektor UIN Syarif
Hidayatullah Jakarta.
5. Bapak Prof. Dr. Amilin, SE., M.Si., Ak., CA., BKP., QIA, selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta beserta jajarannya.
6. Ibu Murdiyah Hayati, S.Kom.,MM, selaku Ketua Jurusan Manajemen dan Ibu Amalia, SE.,
M.SM, selaku Sekretaris Jurusan Manajemen Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta yang telah mengesahkan secara resmi judul penelitian sebagai bahan
skripsi dan telah membantu memberikan izin kepada penulis sehingga penulisan skripsi berjalan
dengan lancar.
7. Bapak Faizul Mubarok, MM. selaku Dosen Pembimbing yang telah memberikan nasihat,
arahan, dan masukkan yang sangat berharga serta motivasi selama penelitian dan penulisan
skripsi ini.
8. Seluruh Bapak/Ibu Dosen dan Staf Fakultas Ekonomi dan Bisnis Universitas Islam Negeri
Syarif Hidayatullah Jakarta yang telah memberikan wawasan dan ilmu yang berharga dan
bermanfaat bagi penulis yang tidak dapat penulis sebutkan satu-persatu namun tidak
mengurangi rasa hormat dan terima kasih dari penulis.
9. Sahabat yang selalu yang selalu berbagi canda dan tawa selama masa perkuliahan, Ibnu Hilmi,
Muhammad Fadel, Faturrohim, Chaidir Ali, Wildan Mustinda, Muhammad Rifky dan Ulfiya
Husen, Muhammad Syafiq As’ad, Dede Munawir.
10. Teman-teman satu angkatan Manajemen 2015 Fakultas Ekonomi dan Bisnis Universitas Islam
Negeri Syarif Hidayatullah Jakarta.
11. Teman-teman KKN 181 MARKISA 2018, Mahrus Ali, Rizky Sapitri, Nurholis Nazid, Nabila
Gamaning Tias, Fauzan Azhima dan lainnya yang telah bersama-sama mengabdikan diri di
Desa Sirnasari, Kabupaten Bogor serta saling memberi motivasi selama masa perkuliahan.
xi
12. Direksi dan Pimpinan Sakinah Tour & Travel, Bapak Budi Santoso, Ibrahim Risyad dan Putri
Nutbaiti yang telah memberikan kesempatan, kepercayaan, serta fasilitas kepada penulis untuk
bekerja sama dalam perusahaan.
13. Teman-teman serta saudara GCG yang telah tumbuh bersama penulis dari kecil hingga saat ini
dan sering memberikan semangat kepada penulis untuk mengerjakan skripsi, Khaizal
Wardiaztoni, Dimas Saputra, Prajoko, Dimas Bintang Julian, Ardiansyah Dewantoro dan lainya
yang tidak bisa disebutkan satu persatu saya ucapkan syukur dan terimakasih.
14. Teman-teman Bale Reot Rengas, Tantohwi Jauhari, Nabilah Shabrina, Ivan Fadillah, Rizky
Yoganda Ramadhan, Galih Firmansyah dan Andhika Abirama yang selalu membantu dan
menemani serta menyemangati penulis dalam mengerjakan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Kritik dan saran yang
membangun sangat diharapkan untuk perbaikan di masa yang akan datang. Semoga skripsi ini
mampu memberikan manfaat bagi masyarakat dan dapat dijadikan sebagai bahan referensi terutama
bagi penelitian yang sejenis.
Jakarta, Januari 2021
Nurul Ashari
xii
DAFTAR ISI
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ............................................... iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ................................................................ iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .........................................v
DAFTAR RIWAYAT HIDUP ......................................................................................... vi
ABSTRACT ....................................................................................................................... vii
ABSTRAK ................................................................................................................... viiviii
KATA PENGANTAR ...................................................................................................... iix
DAFTAR ISI..................................................................................................................... xii
DAFTAR TABEL ........................................................................................................... xiv
DAFTAR GAMBAR ........................................................................................................ xv
BAB I PENDAHULUAN .................................................................................................. 1
A. Latar Belakang ....................................................................................................... 1
B. Rumusan Masalah ................................................................................................ 14
C. Tujuan Penelitian ................................................................................................. 14
D. Manfaat Penelitian ............................................................................................... 14
BAB II LATAR BELAKANG ....................................................................................... 16
A. Landasan Teori .................................................................................................... 16
1. Kredit ................................................................................................................ 16
2. Dana Pihak Ketiga ............................................................................................ 30
3. Konstruksi ......................................................................................................... 33
4. Makroekonomi .................................................................................................. 34
5. Inflasi ................................................................................................................ 41
6. Nilai Tukar ........................................................................................................ 44
B. Penelitian Terdahulu ............................................................................................ 46
C. Kerangka Berpikir ................................................................................................ 58
D. Hipotesis Penelitian ............................................................................................. 59
BAB III METODE PENELITIAN ................................................................................ 60
A. Ruang Lingkup Penelitian .................................................................................... 60
xiii
B. Metode Penentuan Sempel ................................................................................... 61
C. Sumber Data dan Teknik Pengumpulan Data ...................................................... 61
D. Teknik Analisis Data............................................................................................ 62
BAB IV PEMBAHASAN ............................................................................................... 68
A. Analisis Statistik Deskriptif ................................................................................. 68
B. Uji Stasioneritas / Unit Root Test ........................................................................ 70
C. Penentuan Lag Optimal........................................................................................ 71
D. Uji Stabilitas VAR ............................................................................................... 71
E. Uji Kausalitas Granger ......................................................................................... 72
F. Uji Kointegrasi Johansen ..................................................................................... 73
G. Hasil Estimasi Jangka Pendek dan Jangka Panjang (VECM) .............................. 75
H. Analisis Impulse Response Function (IRF) ......................................................... 78
I. Analisis Forecast Error Variance Decomposition (FEVD) ................................ 81
BAB V KESIMPULAN .................................................................................................. 83
A. Kesimpulan .......................................................................................................... 83
B. Implikasi .............................................................................................................. 84
C. Saran .................................................................................................................... 85
DAFTAR PUSTAKA ...................................................................................................... 87
LAMPIRAN..................................................................................................................... 93
xiv
DAFTAR TABEL
Tabel 3. 1 Variabel dan Sumber Data ............................................................................... 62
Tabel 4. 1 Hasil Analisis Deskriptif .................................................................................. 68
Tabel 4. 2 Hasil Uji Stasioneritas Data ............................................................................. 70
Tabel 4. 3 Hasil Uji Lag Optimal ...................................................................................... 71
Tabel 4. 4 VAR Stability Test Result ................................................................................ 72
Tabel 4. 5 Hasil Uji Kausalitas Granger ........................................................................... 73
Tabel 4. 6 Hasil Uji Kointegrasi ....................................................................................... 74
Tabel 4. 7 Hasil Estimasi VECM ...................................................................................... 76
xv
DAFTAR GAMBAR
Gambar 1. 1 Kredit Sektor Konstruksi Indonesia ................. Error! Bookmark not defined.
Gambar 1. 2 Laporan Dana Pihak Ketiga ............................. Error! Bookmark not defined.
Gambar 1. 3 Inflasi Tahun 2012-2020 .............................................................................. 11
Gambar 2. 1 Siklus Manajemen Kredit ............................................................................. 30
Gambar 2. 2 Kerangka Pemikiran ..................................................................................... 58
Gambar 4. 1 Guncangan BI Rate dan Nilai Tukar Terhadap Kredit ................................. 79
Gambar 4. 2 Guncangan GDP dan DPK Terhadap Kredit ................................................ 80
Gambar 4. 3 Guncangan Inflasi dan Krisis Terhadap Kredit ............................................ 81
Gambar 4. 4 Keragaman Setiap Variabel .......................................................................... 82
1
BAB I
PENDAHULUAN
A. Latar Belakang
Literatur keuangan mengalami pertumbuhan dalam beberapa tahun
terakhir melalui beberapa studi empiris dalam penelitian peran keuangan terhadap
pertumbuhan ekonomi, dan menggunakan berbagai metodologi yang dapat
menunjukkan bahwa kredit bank memiliki dampak positif terhadap pertumbuhan
ekonomi (Benczúr dkk., 2019; Chu, 2020). Bagian utama dari literatur keuangan
menunjukkan bahwa pengembangan lembaga keuangan harus mengarah kepada
pengembangan ekonomi dalam berbagai sektor mana pun (Kavya & Shijin, 2020).
Hubungan antara pengembangan sektor keuangan dan pertumbuhan ekonomi
pertama kali dipresentasikan melalui karya Schumpeter tahun 1911 dengan judul
The Theory of Economic Development yang membenarkan bahwa layanan yang
diberikan oleh institusi keuangan dapat merangsang inovasi teknologi dan
pertumbuhan ekonomi melalui pendanaan yang produktif (Sinta, 2017).
Dalam usaha meningkatan pertumbuhan ekonomi, lembaga keuangan
memegang peranan yang cukup penting. Lembaga keuangan berperan dalam
meningkatkan akumulasi modal dan inovasi teknologi. Sehingga pada akhirnya
akan menciptakan pertumbuhan ekonomi yang steady-state, yaitu pertumbuhan
konstan yang disebabkan oleh adanya depresiasi. Dengan demikian,
pengembangan sistem keuangan merupakan suatu hal yang penting untuk
dilakukan dalam rangka mendorong pertumbuhan ekonomi di suatu negara
2
(Darryl, 2017). Selain itu, Hasibuan (2013:3) mengemukakan bahwa perbankan
memiliki peran yang sangat penting dalam mendorong pertumbuhan
perekonomian suatu negara karena bank adalah lembaga keuangan yang
mengumpulkan dana dari masyarakat yang memiliki dana lebih serta
menyalurkannya kepada masyarakat yang kekurangan dana dalam bentuk kredit.
Penyaluran kredit merupakan salah satu fungsi utama bank dan lembaga
keuangan lainnya, selain itu juga merupakan sumber pendapatan bagi industri
perbankan. Kegiatan menghimpun dana tersebut dilakukan dengan mencari
alternatif sumber dana bank yang salah satunya berasal dari masyarakat. Dana
tersebut merupakan sumber dana terpenting bagi kegiatan oprasional suatu bank
maupun lembaga keuangan lain serta menjadi tolak ukur keberhasilan bank
apabila mampu membiayai oprasinya melalui dana tersebut kemudian dana yang
berhasil dihimpun sebagian besar akan dialokasikan untuk kredit. Karena kegiatan
pemberian kredit merupakan tulang punggung kegiatan perbankan (Wahab, 2017).
Seiring pesatnya perkembangan masyarakat di seluruh dunia,
pembangunan ekonomi menduduki posisi penting serta mengalami peningkatan
dalam perkembangan masyarakat secara ekonomi dan sosial (Litsareva, 2017).
Salah satu sektor ekonomi yang berperan penting dalam mendukung
pembangunan ekonomi adalah sektor konstruksi (Khan dkk., 2014). Sektor
konstruksi berkontribusi lebih ketika perekonomian suatu negara mengalami
pertumbuhan karena hal tersebut dapat memberikan investasi yang tinggi terhadap
sektor ekonomi lain (Bykau & Khavalko, 2017).
3
Indonesia merupakan salah satu negara berkembang yang sedang aktif
dalam melakukan pembangunan ekonomi yang berkelanjutan dalam berbagai
sektor, terutama pada sektor konstruksi (Hermawan dkk., 2017). Karena suatu
perkembangan infrastruktur di suatu negara sangat penting untuk merangsang
kegiatan ekonomi, sehingga dapat mengurangi angka kemiskinan, meningkatkan
tingkat pendapatan, menciptakan lapangan kerja, dan mendorong pengembangan
sumber daya manusia (Kodongo & Ojah, 2016; Marinho dkk., 2017).
Permasalahan di hilir berupa keterbatasan kelayakan keuangan (financially
unviable) pada proyek infrastruktur menjadi penyebab bagi beberapa lembaga
keuangan swasta menjadi tidak tertarik untuk berinvestasi di dalamnya. Hal ini
penting untuk dibahas karena sebagian besar proyek infrastruktur di Indonesia
termasuk proyek yang tidak layak secara keuangan, walaupun layak secara
ekonomi (Marinho dkk., 2017). Artinya, proyek infrastruktur tersebut akan
memberikan kontribusi positif terhadap perkembangan ekonomi yang layak
(economically feasible), namun pendapatan dari proyek (tarif layanan) tidak
cukup untuk mengembalikan tingkat keuntungan yang diharapkan (rate of return)
oleh pihak lembaga keuangan tersebut yang berupa pengembalian modal (return
on equity) dan pinjaman (debt principal and interest), hal ini yang sering
mengakibatkan pihak bank maupun lembaga keuangan tidak tertarik untuk
berinvestasi (Salman & Nawaz, 2018).
Oleh karena itu, pemerintah harus memberikan dukungan kepada proyek
infrastruktur dengan cara melibatkan sektor perbankan serta lembaga-lembaga
keuangan lainnya sehingga pembangunan sarana infrastruktur tetap dapat berjalan
4
sebaik mungkin, salah satunya yaitu dengan menggunakan pembiayaan atau
pemberian kredit (Agung & Agus, 2018; Khmel & Zhao, 2016).
Perbankan berperan dalam memberikan bantuan permodalan kepada sektor
riil dengan cara menyalurkan dana dalam bentuk kredit atau pembiayaan, terutama
di sektor konstruksi. Sektor konstruksi sangat penting dalam mendukung
pembangunan ekonomi di suatu negara yang berperan dalam penggerak nyata
yang melibatkan banyak orang secara langsung (Stasiak-Betlejewska & Potkány,
2015). Selain itu, sektor konstruksi juga bersifat dinamis dan dapat memberikan
multiplier effect yang berguna dalam peningkatan kesejahteraan, baik secara
langsung melalui penciptaan lapangan kerja maupun tidak langsung melalui
kontribusi secara produk bruto dalam negeri (Kodongo & Ojah, 2016).
Kondisi perekonomian yang tidak stabil tersebut tentunya telah
menyebabkan terjadinya perubahan penyaluran kredit ke sektor konstruksi.
Ketidakstabilan umumnya merupakan kombinasi dari kegagalan pasar, baik
karena faktor struktural atau perilaku. Kegagalan pasar bisa dapat berasal dari
sumber eksternal maupun internal. Berbagai kondisi perekonomian tersebut dapat
meningkat dan semakin menimbulkan keragaman terhadap ketidakstabilan sistem
keuangan, sehingga berdampak pada penyaluran kredit perbankan.
Faktor-faktor yang mempengaruhi besarnya kredit yang disalurkan oleh
perbankan dapat berasal dari kondisi internal maupun eksternal perbankan, serta
dapat berasal dari faktor makroekonomi yang ada di dalam suatu negara. Secara
umum, faktor-faktor yang mempengaruhi besarnya kredit yang disalurkan oleh
perbankan adalah posisi permodalan bank, resiko dari tipe kredit, stabilitas dana
5
dari pihak ketiga, kondisi perekonomian, kebijakan fiskal dan moneter yang
berlaku, serta kebutuhan kredit di suatu wilayah (Nidaa dkk., 2017). Menurut
Kasmir (2008) variabel kinerja perbankan dapat ditinjau dari rasio likuiditas,
solvabilitas, profitabilitas, Non Performing Loan (NPL) sektor yang akan diamati
dan Dana Pihak Ketiga (DPK). Sedangkan variabel makroekonomi Indonesia
dapat ditinjau dari variabel inflasi, tingkat suku bunga SBI, suku bunga kredit
investasi dan suku bunga kredit modal kerja (Budiarti, 2012).
Anaman dan Osei-Amponsah (2007) mengemukakan bahwa sektor
konstruksi dapat memobilisasi dan memanfaatkan sumber daya lokal, manusia
serta material secara efektif dan efisien dalam pengembangan dan pemeliharaan
perumahan dan infrastruktur fisik untuk mempromosikan pekerjaan dan
meningkatkan efisiensi ekonomi. Sektor konstruksi juga merupakan landasan bagi
pertumbuhan ekonomi suatu negara dengan menyediakan investasi infrastruktur
yang penting atau modal tetap dalam negeri yang dibutuhkan untuk pertumbuhan
dan pengembangan berbagai sektor perekonomian dalam suatu negara (Giang &
Pheng, 2011). Kontribusi sektor konstruksi untuk sektor-sektor ekonomi lainnya
seperti produksi material dan sektor distribusi, transportasi, keuangan serta sektor
pasar properti memiliki pengaruh luar biasa pada masyarakat dan lingkungan
sekitar (Oladinrin dkk., 2012).
Berdasarkan data analisis uang beredar Bank Indonesia (BI), kredit
konstruksi perbankan per Desember 2019 tercatat Rp 365,5 triliun atau meningkat
sebesar 14,4%. Data tersebut terdiri dalam bentuk kredit investasi dengan jumlah
sebesar Rp 135,2 triliun dan kredit modal kerja Rp 230,3 triliun yang masing-
6
masing tumbuh sebesar 32,4% dan 6%. Realisasi itu tumbuh lebih tinggi
dibanding tahun sebelumnya yang mencatatkan kredit konstruksi dengan jumlah
sebesar Rp 319,3 triliun atau meningkat 22,6%. Memasuki kuartal II 2019,
penyaluran kredit perbankan masih terus meningkat. Bank Indonesia (BI)
mencatatkan per April 2019 kredit bank meningkat 11% menjadi Rp 5.339,2
triliun. Pertumbuhan kredit tersebut utamanya ditopang dari peningkatan kredit di
sektor konstruksi yang secara total naik 21% menjadi Rp 327,2 triliun per April
2019. (Bank Indonesia, 2019).
Gambar 1. 1 Kredit Sektor Konstruksi
Gambar 1.1 menjelaskan perkiraan nilai kredit sektor konstruksi dan
pertumbuhannya yang terus meningkat setiap tahunnya. Hal tersebut
menunjukkan pentingnya peranan sektor konstruksi dalam pertumbuhan ekonomi
di Indonesia, penyerapan tenaga kerja serta pembangunan nasional. Salah satu
pendorong meningkatnya industri konstruksi di Indonesia adalah rencana
pemerintah dalam pembangunan infrastuktur dari tahun 2015 hingga 2019
meliputi pembangunan jalan, Mass Rapid Transportation System (MRT), bandara,
14.4
14.6
14.8
15
15.2
15.4
15.6
2012 2013 2014 2015 2016 2017 2018 2019 2020
7
pelabuhan, jalan kereta api dan sarana transportasi publik lainnya (Beny dkk.,
2018).
Pada dasarnya pencapaian kondisi pembangunan sektor konstruksi dan
infrastruktur yang optimal memerlukan kontribusi serta dukungan dari pemerintah
dan seluruh masyarakat Indonesia beserta seluruh aspek kelembagaan. Salah satu
pihak yang memiliki peran terhadap sektor konstruksi yaitu perbankan. Perbankan
berperan dalam memberikan bantuan modal untuk sektor-sektor riil di Indonesia
melalui penyaluran dana berupa kredit atau pembiayaan, terutama pada sektor
konstruksi. Pada dasarnya sektor konstruksi merupakan salah satu sektor penting
dalam mendukung pembangunan ekonomi di suatu negara dan berperan dalam
menggerakkan sektor riil yang secara langsung menyangkut kehidupan orang
banyak, selain itu sektor konstruksi merupakan sektor yang dinamis dan dapat
memberikan multiplier effect yang berguna dalam peningkatan kesejahteraan, baik
secara langsung melalui penciptaan lapangan pekerjaan maupun tidak langsung
melalui kontribusi terhadap PDB (Prooduk Domestik Bruto) nasional (Ganelli &
Tervala, 2016).
Penyelenggaraan konstruksi dan infrastruktur Indonesia perlu adanya
perbaikan serta pengembangan untuk menghadapi persaingan dengan negara
asing. Dengan adanya program Masyarakat Ekonomi ASEAN 2015 dan Master
Plan Percepatan dan Perluasan Pembangunan Ekonomi Indonesia (MP3EI) 2025,
dimana persaingan akan semakin bebas. Hal ini penting dilakukan mengingat
komitmen Indonesia dalam ASEAN Framework Agreement on Services (AFAS)
8
yang menitikberatkan pada kesiapan sektor jasa, seperti infrastruktur dan
konstruksi (Kusumawati, 2013).
Salah satu yang menghambat perekonomian Indonesia saat ini adalah
lambatnya pembangunan infrastruktur, hal ini ditandai dengan kurangnya kualitas
dan kuantitas infrastruktur atau prasarana. Berdasarkan data Logistic Performance
Index (LPI) tahun 2018 indeks infrastruktur Indonesia di ASEAN berada pada
peringkat (46) di bawah Singapura (7), China (26), Thailand (32), Vietnam (39),
dan Malaysia (41). Rendahnya indeks infastruktur berdampak pada mahalnya
biaya logistik (Agung & Agus, 2018). Ketidakstabilan dalam kondisi ekonomi
tersebut tidak diragukan lagi telah menyebabkan perubahan pada penyaluran
kredit terhadap sektor konstruksi. Ketidakstabilan tersebut umumnya merupakan
kombinasi dari kegagalan pasar, baik karena struktural atau perilaku faktor.
Kegagalan pasar bisa berasal dari sumber eksternal dan internal. Berbagai kondisi
ekonomi tersebut dapat meningkat dan semakin beragam, seperti ketidakstabilan
sistem keuangan yang akan berdampak pada pinjaman perbankan.
Selain itu, terjadinya krisis keuangan dunia yang ditandai dengan
kebangkrutan beberapa perusahaan besar di Amerika Serikat berimbas kepada
pembiayaan dalam sektor perbankan. Krisis keuangan global tahun 2008
membawa dampak terhadap melambatnya laju perekonomian, sektor perbankan
mengalami keketatan likuiditas. Terjadi penurunan kepercayaan masyarakat
kepada perbankan akibat ada beberapa bank bermasalah. Hal tersebut
menyebabkan sektor perbankan berusaha meningkatkan likuiditas serta
menerapkan prinsip kehati-hatian dalam menentukan kebijakan yang diambil
9
terutama dalam kebijakan kredit, yaitu bagaimana bank menyalurkan dana dari
masyarakat dan dapat kembali dalam keadaan aman, sehingga bank tidak ragu
menyalurkan dananya jika memang kondisi calon debiturnya sudah diketahui
dengan pasti feasibility-nya (Agus, 2012).
Krisis ekonomi tersebut menjadi tonggak sejarah kelam dalam kancah
bisnis perbankan. Pemerintah pada waktu itu bertindak tegas bahkan tidak segan-
segan untuk memberi sanksi berat kepada bank yang mempunyai kinerja buruk
bahkan ada beberapa bank yang harus dilikuidasi, hal tersebut dilakukan untuk
dijadikan pelajaran yang sangat penting bagi bank-bank yang ada. Timbulnya
krisis ekonomi menyebabkan rupiah terdepresiasi secara eksponensial, dari
Rp2.400 per dollar AS menjadi Rp16.000 per dollar pada, sehingga menyebabkan
banyak kredit macet, turunnya likuiditas perbankan dan akhirnya menurunkan
tingkat kepercayaan masyarakat terhadap sektor perbankan, serta berdampak pula
pada penurunan fungsi intermediasi perbankan yang berimbas pada melambatnya
penyaluran kredit perbankan yang diakibatkan ketidak mampuan sektor riil
mengembalikan pokok dan tingginya bunga kredit. (International Monetary Fund
[IMF], 2011).
Seiring dengan pertumbuhan ekonomi di Indonesia pada tahun 2011
yang mencapai 6,5%, mengakibatkan peningkatan transaksi-transaksi
perekonomian dan bertambahnya pendapatan di masyarakat, hal tersebut
meningkatkan peran perbankan melalui pengembangan produk dan jasa
perbankan. Selain itu sektor perbankan terus melakukan ekspansi usaha melalui
pembukaan kantor di berbagai wilayah Indonesia. Perkembangan jumlah bank
10
umum pada akhir tahun 2011 sebanyak 120 bank dengan jumlah kantor 14.797
yang tersebar diseluruh Indonesia (Bank Indonesia, 2012).
Selain itu, kinerja perbankan juga menunjukkan perkembangan yang
positif pada tahun 2011. Akan tetapi Kondisi keuangan global yang masih
melemah seiring berlarutnya krisis utang di Eropa dan melemahnya perekonomian
AS terlihat belum memberikan dampak yang signifikan bagi perbankan Indonesia.
Di sisi lain stabilitas sistem keuangan masih tetap terkendali, hal ini tercermin dari
berbagai pencapaian positif yang berhasil diraih perbankan sepanjang tahun 2011
(LPP, 2011)
Dari tabel 1.2 menjelaskan bahwa fungsi intermediasi Bank Umum
semakin membaik yang ditunjukkan oleh meningkatnya penyaluran kredit dari
penghimpunan Dana Pihak Ketiga (DPK) pada setiap tahunnya. Membaiknya
kondisi perekonomian tersebut mendorong meningkatnya permintaan kredit dari
masyarakat dan penawaran kredit dari perbankan (LPP, 2011).
Terjadinya krisis ekonomi di Indonesia tidak terlepas dari dampak naiknya
tingkat inflasi. Lonjakan inflasi pada tahun 2013 tak lepas dari tindakan
Gambar 1. 2 Laporan Dana Pihak Ketiga
14.414.614.8
1515.215.415.6
Dana Pihak Ketiga
dpk
11
pemerintah yang kerap menunda kebijakan moneter. Pada tahun 2008 tingkat
inflasi mencapai 13,06%, inflasi tahun 2013 merupakan yang tertinggi dalam lima
tahun terakhir (Aspyan dkk., 2017). Menurut data Bank Indonesia (2014), dampak
paling besar dari kenaikan harga BBM terlihat di kelompok kebutuhan
transportasi yang mengalami inflasi tahunan hingga 21,31%. Disusul kelompok
bahan makanan dan makanan jadi mengalami inflasi 11,74% dan 14,44%.
Kelompok lain yang mengalami inflasi tertinggi adalah sub kelompok biaya
tempat tinggal dengan 10,76%. Tarif dasar listrik yang sepanjang tahun 2013
beberapa kali mengalami kenaikan turut menjadi salah satu penyebab. Di sisi lain
sektor konstruksi juga memiliki kontribusi terhadap perekonomian yang
dipengaruhi oleh variabel makroekonomi seperti inflasi dan suku bunga (Erol &
Unal, 2015).
Gambar 1.3 menunjukkan pergerakan inflasi pada beberapa periode yang
berfluktuasi pada setiap tahunnya. Akan tetapi pada tahun 2013 dan 2014 tingkat
inflasi mengalami kenaikan dari tahun-tahun sebelumnya kemudian pada tahun
2019 indikator penelitian menunjukkan berhentinya laju fluktuasi tingkat inflasi
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
2012 2013 2014 2015 2016 2017 2018 2019 2020
Gambar 1. 3 Pergerakan Inflasi di Indonesia
12
yang terjadi dalam beberapa tahun sebelumnya. Kebijakan harga yang diatur
pemerintah yang disesuaikan dengan harga internasional menjadikan tingkat
inflasi di Indonesia semakin berkorelasi erat terutama terhadap sektor-sektor
perekonomian. Di saat yang bersamaan, pemerintah telah berhasil menstabilkan
bahkan menurunkan tingkat inflasi barang yang bergejola. Baik negara
berkembang maupun maju menyadari pentingnya konstruksi sektor sosial
ekonomi dan pembangunan berkelanjutan. Kegiatan konstruksi hampir berkaitan
terhadap berbagai fase perkembangan ekonomi suatu negara. Beberapa tahun
terakhir dalam tingkat ekonomi makro banyak membahas tentang kegiatan
konstruksi. Ketidakstabilan ekonomi akan berdampak pada pinjaman di sektor
konstruksi.
Penelitian terkait ketidakstabilan ekonomi dilakukan oleh Kaur dan Singh
(2020) membahas efisiensi relatif dari Exchange Traded Funds (ETF) emas
terhadap skenario emas spot dan emas berjangka di India. Chu (2020)
menganalisis hubungan antara struktur keuangan dan pertumbuhan ekonomi.
Hasil penelitian menunjukkan bahwa perbankan sedang mengalami krisis dan
volatilitas makroekonomi yang merugikan pertumbuhan ekonomi serta tidak
mempengaruhi hubungan antara struktur keuangan dan pertumbuhan ekonomi.
Peran pasar saham dalam perbankan semakin meningkat dan semakin kuat sejalan
dengan perkembangan di sektor keuangan. Gil-Alana dan Carcel (2020)
menganalisis struktur kointegrasi lima nilai tukar mata uang terhadap Dolar
Amerika Serikat, yaitu Pound Inggris, Euro, Krona Swedia, Dolar Kanada, dan
Franc Swiss.
13
Selain itu Salmanzadeh-Meydani dan Ghomi (2019) meneliti kausalitas
dan hubungan antara pertumbuhan ekonomi, konsumsi listrik, dan persediaan
modal untuk memprediksi variabel dan mengusulkan kebijakan Iran. Adedokun
(2018) menyelidiki efek guncangan harga dan permintaan minyak pada hubungan
dinamis antara pendapatan pemerintah dan belanja pemerintah di Nigeria. Yin dan
Ma (2018) mempelajari hubungan kausal antara minyak dan nilai tukar terhadap
dolar Amerika Serikat.
Muye (2017) meneliti efek dinamis dan kausalitas antara globalisasi,
kelembagaan, dan perkembangan keuangan. Hasil yang diperoleh menunjukkan
bahwa globalisasi dapat, secara langsung dan tidak langsung, mempengaruhi
sektor keuangan melalui keuangan institusi. Oleh karena itu perlu adanya
perencanaan dan pengembangan yang dapat meningkatkan globalisasi dalam
berkontribusi pada kualitas kelembagaan, dan institusi pasar keuangan yang
cenderung berkembang dengan lebih baik. Chen dkk. (2017) menyelidiki
ketergantungan spasial dalam industri real estat di Cina. Singh dan Singh (2016)
meneliti hubungan jangka panjang dan jangka pendek terkait dengan pasar ekuitas
AS dan BRIC (Brasil, Rusia, India, dan Cina).
Dari beberapa penelitian tersebut belum ada yang secara eksplisit
membahas dampak ketidakstabilan ekonomi terhadap kredit di sektor konstruksi.
Oleh karena itu penelitian ini dilakukan untuk mengisi celah yang ada.
Berdasarkan latar belakang penelitian tersebut, maka penulis tertarik untuk
melakukan penelitian dengan judul “Kredit Sektor Konstruksi dan Kebijakan
Moneter di Indonesia: Pendekatan VAR/VECM”.
14
B. Rumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan masalah yang akan akan
diajukan oleh peneliti adalah sebagai berikut:
1. Apakah faktor makroekonomi memiliki pengaruh jangka pendek dan jangka
panjang terhadap kredit sektor konstruksi?
2. Bagaimana respon Kredit sektor konstruksi terhadap guncangan
makroekonomi?
3. Bagaimana kontribusi setiap variabel terhadap Kredit sektor konstruksi?
C. Tujuan Penelitian
Berdasarkan latar belakang dan rumusan masalah yang terlah dijabarkan,
maka peneliti mengidentifikasikan tujuan penelitian adalah sebagai berikut:
1. Untuk menganalisis pengaruh jangka pendek dan jangka panjang antara faktor
makroekonomi terhadap Kredit sektor konstruksi.
2. Untuk menganalisis respon Kredit sektor konstruksi terhadap guncangan
makroekonomi.
3. Untuk menganalisis kontribusi setiap variabel terhadap Kredit sektor
konstruksi.
D. Manfaat Penelitian
Dari hasil penelitian ini diharapkan dapat memberi manfaat bagi penulis
sendiri dan pembaca secara umumnya serta berbagai pihak sebagai berikut:
1. Manfaat ilmiah, untuk mengetahui pengaruh jangka pendek dan jangka panjang
antara kondisi ekonomi dan kredit sektor konstruksi, menganalisis respon
15
kredit sektor konstruksi terhadap guncangan perekonomian, dan menganalisis
kontribusi kinerja ekonomi terhadap distribusi kredit sektor konstruksi.
2. Manfaat Praktis, diharapkan penelitian ini dapat bermanfaat sebagai referensi
bagi penelitian-penelitian selanjutnya yang berhubungan dengan masalah
serupa.
3. Manfaat Kebijakan, diharapkan dengan adanya penelitian ini dapat menjadi
bahan pertimbangan pemerintah dalam mengambil keputusan suatu kebijakan,
terutama dalam pengoptimalan Kredit sektor konstruksi.
16
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Kredit
a) Pengertian Kredit
Berdasarkan Undang-undang Perbankan RI No. 10 tahun 1998
tentang perbankan menjelaskan bahwa “kredit adalah penyediaan
uang/tagihan yang dapat dipersamakan dengan itu, berdasarkan
persetujuan/kesepakatan pinjam-meminjam antara bank dengan pihak lain
yang mewajibkan pihak peminjam melunasi utangnya setelah jangka
waktu tertentu dengan pemberian bunga”. Menurut Hasibuan (1996),
kredit adalah semua jenis pinjaman yang harus dibayar kembali bersama
bunganya oleh peminjam sesuai dengan perjanjian yang telah disepakati.
Dalam undang-undang Perbankan No. 14/1967 pasal 1 ayat c, yang
dimaksud dengan kredit ialah: “Penyediaan uang atau tagihan-tagihan
yang dapat disamakan dengan itu berdasarkan persetujuan pinjam-
meminjam antara bank dengan pihak lain dalam hal mana, pihak peminjam
berkewajiban melunasi hutangnya setelah jangka waktu tertentu dengan
jumlah bunga yang ditetapkan”.
Dalam penelitian lain, Umam (2016:205) mengemukakan bahwa
pengertian pembiayaan sebagai berikut: “Penyediaan dana atau tagihan
yang dipersamakan dengan berupaberupa yaitu transaksi bagi hasil dalam
bentuk mudharabah dan musyarakah, transaksi sewa menyewa dalam
17
bentuk ijarah atau sewa beli dalam bentuk ijarah muntahiyah bit tamlik,
transaksi jual beli dalam bentuk piutang murabahah, salam dan istishna’,
transaksi pinjam meminjam dalam bentuk piutang dan qardh, dan transaksi
sewa-menyewa jasa dalam bentuk ijarah untuk transaksi multi jasa,
berdasarkan persetujuan atau kesepakatan antara Bank Syariah dan/atau
unit usaha syariah (UUS) dan pihak lain yang mewajibkan pihak-pihak
yang dibiayai dan/atau diberi fasilitas dana untuk mengembalikan dana
tersebut setelah jangka waktu tertentu dengan imbalan Ujrah, tanpa
imbalan atau bagi hasil.”
Berdasarkan beberapa penjelasan diatas penulis menyimpulkan
bahwa kredit atau pembiayaan merupakan salah satu jenis pelayanan jasa
suatu bank baik bank konvensional ataupun bank syariah yang mana bank
memberikan jasa peminjaman dana dari pihak yang memiliki dana lebih
kepada masyarakat yang kekurangan dana dengan suatu kesepakatan dari
beberapa belah pihak.
b) Unsur-Unsur Kredit
Unsur-unsur yang terdapat dalam pemberian suatu fasilitas kredit
menurut Kasmir (2014) adalah sebagai berikut :
1) Kepercayaan (Trust)
Kepercayaan dalam hal ini yaitu suatu keyakinan pemberi kredit
bahwa yang diberikan baik berupa uang maupun jasa, akan benar-
benar diterima kembali di masa tertentu di masa mendatang.
18
2) Kesepakatan
Kesepakatan dalam hal ini dituangkan dalam suatu perjanjian dimana
masing-masing pihak menandatangi hak dan kewajibannya masing-
masing.
3) Jangka waktu
Jangka waktu mencakup masa pengembalian kredit yang telah
disepakati. Jangka waktu tersebut bisa berbentuk jangka pendek,
jangka menengah atau jangka panjang.
4) Risiko
Adanya tenggang waktu pengembalian, maka pengembalian kredit
akan memungkinkan adanya suatu risiko tidak tertagihnya atau macet
dalam pemberian kredit. Semakin panjang jangka waktu kredit maka
semakin besar risikonya demikian juga sebaliknya.
5) Balas Jasa
Balas jasa merupakan keuntungan atau pendapat atas pemberian suatu
kredit. Dalam bank jenis konvensional, balas jasa dalam bentuk bunga
dan juga biaya administrasi kredit. Sedangkan bagi bank berdasarkan
prinsip syariah, balas jasanya ditentukan dengan bagi hasil.
c) Prinsip-prinsip Kredit
Di dalam pemberian kredit bank harus memperhatikan prinsip-
prinsip pemberian kredit yang benar. Keyakinan tersebut diperoleh dari
hasil penilaian kredit sebelum kredit tersebut disalurkan. Penilaian kredit
oleh bank dapat dilakukan dengan berbagai prinsip-prinsip penilaian
19
kredit. Terdapat tiga prinsip utama dalam penilaian kredit yaitu prinsip 5C,
7P dan 3R. Adapun penjelasan dari ketiga prinsip tersebut adalah sebagai
berikut: Penilaian kredit dengan metode analisis 5C Kasmir (2008:108)
yaitu:
1) Character
Sifat atau watak dari orang-orang yang akan diberikan kredit harus
dapat dipercaya yang tercermin dari latar belakang nasabah baik latar
belakang yang bersikap pekerjaan maupun yang bersifat pribadi
seperti: cara hidup atau gaya hidup yang dianutnya, keadaan keluarga,
hobi dan sosial standingnya.
2) Capacity
Untuk melihat kemampuan calon nasabah dalam membayar kredit
yang dihubungkan dengan kemampuannya mengelola bisnis serta
kemampuannya mencari laba. Sehingga akan terlihat kemampuannya
dalam mengembalikan kredit yang disalurkan.
3) Capital
Penggunaan modal yang efektif dapat dilihat dari laporan keuangan
(neraca dan laporan rugi laba) dengan melakukan pengukuran seperti
dari segi likuiditas, solvabilitas, rentabilitas dan ukuran lainnya.
Capital adalah untuk mengetahui sumber-sumber pembiayaan yang
dimiliki nasabah terhadap usaha yang akan dibiayai oleh bank.
20
4) Collateral
Merupakan jaminan yang diberikan calon nasabah baik yang bersifat
fisik maupun non fisik.Jaminan hendaknya melebihi jumlah kredit
yang diberikan. Jaminan juga harus diteliti keabsahannya sehingga jika
terjadi suatu masalah, jaminan yang dititipkan akan dapat
dipergunakan secepat mungkin.
5) Condition
Kondisi ekonomi pada masa sekarang dan yang akan datang harus
dinilai sesuai dengan sektor masing-masing. Prospek usaha dari sektor
yang dijalankan oleh nasabah juga harus dinilai.Penilaian prospek
bidang usaha yang dibiayai hendaknya memiliki prospek yang baik,
sehingga kemungkinan kredit tersebut bermasalah relatif kecil.
Sedangkan prinsip 7P menurut Kasmir (2012:95), yaitu:
Personality, Party, Perpose, Prospect, Payment, Profitability, Protection.
Penjelasan dari analisis 7P kredit adalah:
1) Personality
Yaitu menilai nasabah dari segi kepribadiannya atau tingkah laku
seharihari maupun masa lalunya.Personality juga mencakup sikap,
emosi, tingkah laku dan tindakan nasabah dalam menghadapi suatu
masalah.
21
2) Party
Yaitu mengklasifikasikan nasabah kedalam klasifikasi tertentu atau
golongan-golongan tertentu berdasarkan modal, loyalitas serta
karakternya.
3) Perpose
Yaitu untuk mengetahui tujuan nasabah dalam pengambilan kredit
termasuk jenis kredit yang diinginkan nasabah.Tujuan pengambilan
kredit dapat bermacam-macam apakah tujuan untuk konsumtif,
produktif atau untuk tujuan perdagangan.
4) Prospect
Yaitu untuk menilai usaha nasabah dimasa yang akan datang apakah
menguntungkan atau tidak.
5) Payment
Yaitu ukuran bagaimana cara nasabah mengembalikan kredit yang
telah diambil atau dari sumber mana saja dana untuk pengembalian
kredit yang diperolehnya.
6) Profitability
Untuk menganalisis bagaimana kemampuan nasabah dalam mencari
laba. Profitability diukur dari periode ke periode apakah akan tetap
sama atau akan semakin meningkat dengan tambahan kredit yang akan
diperolehnya dari bank atau bukan bank.
22
7) Protection
Tujuannya adalah bagaimana menjaga kredit yang dikeluarkan oleh
bank atau bukan bank namun melalui suatu perlindungan.Perlindungan
dapat berupa jaminan barang atau jaminan asuransi.
Selain dua prinsip di atas, ada pula prinsip 3R menurut Kasmir
(2008:113), yaitu: Return/Returning, Repayment, Risk Bearing Ability.
Berikut merupakan penjelasan 3R sebagai berikut:
1) Return/Returning (hasil yang dicapai)
Return disini dimaksudkan penilaian atas hasil yang akan dicapai oleh
debitur setalah dibantu dengan kredit oleh bank. Persoalanya adalah
apakah hasil tersebut dapat untuk menutup pinjaman serta bersamaan
dengan itu memungkinkan pula usahanya terus berkembang atau tidak.
Return disini dapat pula diartikan keuntungan yang diperoleh oleh
bank apabila memberikan kredit kepada pemohon.
2) Repayment (pembayaran kembali)
Dalam hal ini bank harus menilai berapa lama calon debitur dapat
membayar kembali pinjaman sesuai dengan kemampuan membeyar
kembali dan apakah kredit harus diangsur atau dilunasi sekaligus
diakhir periode.
3) Risk Bearing Ability (kemampuan untuk menanggung resiko)
Dalam hal ini bank harus menilai sampai sejauh mana debitur mampu
menanggung risiko kegagalan apabila terjadi sesuatu yang tidak
diinginkan.
23
d) Tujuan Kredit
Pemberian suatu fasilitas kredit mempunyai beberapa tujuan yang
hendak dicapai yang bergantung dari tujuan bank itu sendiri. Tujuan
pemberian kredit juga tidak akan terlepas dari misi bank tersebut didirikan.
Dalam praktiknya tujuan pemberian suatu kredit sebagai berikut (Kasmir,
2012: 116) :
1) Mencari Keuntungan
Tujuan utama bank melakukan pemberian kredit adalah untuk
memperoleh keuntungan.Hasil keuntungan ini diperoleh bank dari
bunga yang diterima sebagai balas jasa dan biaya administrasi kredit
yang dibebankan kepada nasabah.Keuntungan ini penting untuk
kelangsungan hidup bank selain itu, keuntungan juga dapat
membesarkan usaha bank.
2) Membantu Usaha Nasabah
Tujuan selanjutnya adalah untuk membantu usaha nasabah yang
memerlukan dana, baik dana untuk investasi maupun dana untuk
modal kerja. Dengan dana tersebut, maka nasabah akan dapat
mengembangkan dan memperluaskan usahanya. Dalam hal ini baik
bank maupun nasabah sama-sama diuntungkan.
3) Membantu Pemerintah
Tujuan lainnya adalah membantu pemerintah dalam berbagai bidang.
Bagi pemerintah semakin banyak kredit yang diberikan oleh pihak
bank, maka semakin baik karena berarti adanya perolehan dana dalam
24
rangka peningkatan pembangunan diberbagai sektor, terutama sektor
riil.
e) Manfaat Kredit
Manfaat kredit menurut Kasmir (2012:84) dapat di golongkan
sebagai berikut:
1) Manfaat Kredit Bagi Debitur
a. Untuk meningkatkan usahanya, maka debitur dapat menggunakan
dana kredit untuk pengadaan atau peningkatan sebagai faktor
produksi, baik berupa tambahan modal kerja (money), mesin
(machine), bahan baku (material), maupun peningkatan sumber
daya manusia (man), metode (method), perluasan pasar (marked).
b. Kredit bank relative mudah di peroleh apabila usaha debitur layak
untuk di biayai.
c. Terdapat berbagai macam, jenis, tipe, kredit yang di sediakan oleh
perbankan, sehingga calon debitur dapat memilih jenis uang paling
sesuai.
d. Jumlah bank yang ada di republic ini relative banyak, sehingga
calon debitur lebih mudah memilih bank yang cocok dengan
usahanya serta rahasia debitur terlindungi.
e. Dengan memperoleh kredit dari bank biasanya debitur tersebut
sekaligus membuka kesempatan untuk menikmati produk atau jasa
lainnya seperti transfer bank, jaminan bank, pembukuan letter of
credit (L/C), dan lain sebagainya.
25
2) Manfaat Kredit Bagi Bank
a. Bank memperoleh pendapatan berupa bunga yang diterima dari
debitur.
b. Dengan pemberian kredit dari bank sekaligus dapat memasarkan
produk-produk atau jasa-jasa lainnya seperti giro, tabungan,
deposito, dan lain sebagainya.
c. Dengan diperolehnya pendapatan bunga kredit, maka diharapkan
rentabilitas bank akan baik yang tercemin dalam perolehan laba
yang meningkat.
d. Dengan adanya kegiatan pemberian kredit, maka bank dapat
mendidik dan meningkatkan kemampuan para personilnya untuk
lebih mengenal secara rinci kegiatan usaha secara riil di berbagai
sektor ekonomi.
3) Manfaat Kredit Bagi Pemerintah
a. Kredit bank dapat menciptakan dan meningkatkan lapangan usaha
dan lapangan kerja.
b. Secara tidak langsung pemberian kredit bank dapat meningkatkan
pendapat Negara yang berasal dari pajak perusahaan yang tumbuh
dan berkembang volume usahanya.
c. Kredit bank dapat di gunakan sebagai alat untuk mendorong
pertumbuhan ekonomi, baik secara umum maupun untuk sektor
tertentu saja.
26
d. Pemberian kredit bank dapat menciptakan dan memperluas pasar,
dengan adanya kredit bank maka volume produksi dan konsumsi
akan meningkatkan dan hal ini akan mendorong terciptanya pasar
baru serta peningkatan pasar yang telah ada.
e. Pemberian kredit bank yang sahamnya di miliki oleh pemerintah
yang berhasil meningkatkan labanya, akan menambah pendapatan
pemerintah yang berupa setoran bagian laba/deviden dari bank
yang bersangkutan.
4) Manfaat Kredit Bagi Masyarakat Luas
a. Dengan adanya kredit bank yang mendorong pertumbuhan dan
perluasan ekonomi, maka akan mengurangi tingkat pengangguran
dan meningkatkan tingkat pendapat masyarakat.
b. Ada jenis-jenis kredit tertentu seperti bank garansi atau letter of
credit (L/C) akan memberikan rasa aman dan ketengan bagi pihak
yang terlibat, seperti contoh: pimpinan proyek, kontraktor atau para
penjual yang terlibat di dalamnya.
c. Para pemilik dana yang menyimpan dana di bank, berharap agar
kredit bank berjalan dengan lancar, sehingga dana mereka yang di
gunakan oleh bank dapat di terima kembali secara utuh beserta
bunga sesuai dengan kesepakatan.
f) Jenis-jenis Kredit
Menurut Kasmir (2012:119), dalam praktiknya jenis kredit dilihat
dari berbagai segi dapat diklasifikasikan antara lain :
27
1) Kredit dilihat dari Segi Kegunaan
a. Kredit Investasi
Kredit investasi merupakan kredit jangka panjang yang biasanya
digunakan untuk keperluan perluasan usaha atau membangun
proyek baru atau untuk keperluan rehabilitasi.
b. Kredit Modal Kerja
Kredit Modal Kerja merupakan kredit yang digunakan untuk
keperluan meningkatkan produksi dalam operasionalnya.
2) Kredit dilihat dari Segi Jangka Waktu
a. Kredit jangka pendek (short term loan)
Yaitu kredit yang berjangka waktu maksimal 1 (satu) tahun.
Biasanya kredit jangka pendek ini cocok untuk membiayai
kebutuhan modal kerja.
b. Kredit jangka menengah (medium term loan)
Yaitu kredit yang berjangka waktu antara 1 sampai 3 tahun. Yaitu
kredit yang berjangka waktu antara 1 sampai dengan 3 tahun.
Biasanya kredit jangka menengah ini dapat berupa kredit modal
kerja atau kredit investasi yang relatif tidak terlalu besar
jumlahnya.
c. Kredit jangka panjang (long term loan)
Kredit jangka panjang yaitu kredit yang berjangka waktu lebih dari
3 (tiga) tahun.Kredit macam ini biasanya cocok untuk kredit
investasi.
28
3) Kredit dilihat dari Segi Sektor Usaha
a. Kredit untuk sektor pertanian
Yaitu kredit dengan tujuan produktif dalam rangka meningkatkan
hasil di sektor pertanian, baik berupa kredit investasi maupun
modal kerja. Sektor pertanian disini termasuk pula pengertian
untuk: perkebunan, kehutanan, perikanan, peternakan, perburuan
binatang dan sarana-sarananya.
b. Kredit untuk sektor pertambangan
Yaitu kredit untuk membiayai usaha-usaha penggalian dan
pengumpulan bahan-bahan tambang dalam bentuk padat, cair dan
gas yang meliputi minyak dan gas bumi, bijih logam, batu bara dan
barang-barang tambang lainnya.
c. Kredit untuk sektor perindustrian (manufacturing)
Yaitu kredit yang berkenaan dengan usaha atau kegiatan-kegiatan
mengubah bentuk (transformasi), meningkatkan faedah dalam
bentuk pengolahan-pengolahan baik secara mekanik maupun
secara kimiawi dari satu bahan menjadi barang baru yang
dikerjakan dengan mesin, tenaga manusia dan lain-lain.
d. Kredit untuk sektor listrik, gas dan air
Yaitu kredit yang diberikan untuk pembiayaan usaha-usaha
pengadaan dan distribusi listrik, gas dan air, baik untuk rumah
tangga, industri maupun untuk tujuan komersil.
29
e. Kredit untuk sektor kontruksi
Yaitu kredit-kredit yang diberikan kepada para kontraktor untuk
keperluan pembangunan dan perbaikan gedung, rumah, pasar, jalan
raya, jalan kereta api, pelabuhan, lapangan udara, proyek irigasi,
jembatan dan lain sebagainya.
f. Kredit untuk sektor perdagangan, restoran dan hotel
Yaitu kredit untuk membiayai usaha-usaha perdagangan, baik
perdagangan eceran, tengkulak, distribusi, eksportir dan importir.
Sektor ini meliputi pula usaha rumah makan, penginapan, hotel dan
pariwisata.
g. Kredit untuk sektor jasa-jasa dunia usaha
Yaitu kredit yang diberikan untuk pembiayaan sektor-sektor real
estate, profesi/advokat/pengacara, notaris, akuntan, insinyur,
leasing company (yaitu usaha-usaha sewa beli barang-barang
modal), lembaga keuangan bukan bank, asuransi dan sebagainya.
g) Prosedur Pemberian Kredit
Prosedur pemberian kredit antar bank satu dan yang lain memang
tidak jauh berbeda, hanya saja pada penilaian dan persyaratan yang
mungkin mengikuti kebijakan masing-masing bank. Secara singkat dapat
digambarkan sebagai berikut:
30
Tujuan prosedur pemberian kredit ini sebagai pendukung untuk
memastikan pengajuan kredit diterima atau ditolak oleh pihak kreditur
(Bank). Apabila dalam analisis terjadi hal yang kurang atau pihak debitur
tidak melengkapi persyaratan yang ditentukan maka pengajuan kredit
langsung ditolak. Kesalahan dalam analisis kredit dapat menyebakan
bertambahnya kredit bermasalah atau piutang tak tertagih. Setelah
melakukan anaisis pihak bank akan melakukan Credit Ranting yaitu
tingkatan presentase dalam pemberian kredit pada nasabah atau pelanggan.
2. Dana Pihak Ketiga
a) Pengertian Dana Pihak Ketiga
Dana pihak ketiga (DPK) merupakan dana yang bersumber dari
masyarakat luas dan merupakan sumber penting untuk aktivitas
operasional bank serta merupakan tolak ukur keberhasilan suatu bank
Permohonan
Keputusan
Pelunasan
Perjanjian Droping
Pengikatan
Pengawasan
Analisis
Gambar 2. 1 Siklus Manajemen Kredit
31
apabila bank dapat menanggung biaya operasinya dari sumber dana ini
(Kasmir, 2012:59). Bank diharapkan selalu berada ditengah masyarakat,
agar aliran uang dari masyarakat yang mempunyai kelebihan dana dapat
ditampung kemudian disalurkan kembali kepada masyarakat.
Keuntungan utama bank berasal dari sumber sumber dana dengan bunga
yang akan diterima dari alokasi tertentu. Apabila DPK meningkat, maka
bank mempunyai peluang serta kesempatan yang lebih besar untuk
memperoleh pendapatan yang lebih tinggi.
Dendawijaya (2009) menyatakan, Bank berugas memberikan
pelayanan kepada masyarakat dan bertindak selaku perantara bagi
keuangan masyarakat. Oleh karena itu, bank harus selalu berada di tengah
masyarakat agar arus uang dari masyarakat yang kelebihan dana dapat
ditampung dan disalurkan kembali kepada masyarakat. Kepercayaan
masyarakat akan keberadaan bank dan keyakinan masyarakat bahwa bank
menyelesaikan permasalahan keuangan dengan sebaik-baiknya merupakan
suatu keadaan yang diharapkan oleh semua bank. Untuk itu, bank selalu
berusaha memberikan pelayanan (service) yang dapat memuaskan
masyarakat.
b) Jenis-jenis Dana Pihak Ketiga
Dana-dana yang dihimpun dari masyarakat ternyata merupakan
sumber dana terbesar yang paling diandalkan oleh bank (bisa mencapai
80%-90% dari seluruh dana yang dikelola oleh bank). Dana masyarakat
terdiri atas beberapa jenis, yaitu sbagai berikut:
32
1) Simpanan Giro (Demand Deposit)
Giro adalah simpanan pihak ketiga pada bank yang penarikanya dapat
dilakukan setiap saat dengan menggunakan cek, bilyet giro, dan surat
perintah pembayaran lainya atau dengan cara pemindahbukuan. Dalam
pelaksanaanya, giro ditatausahakan oleh bank dalam suatu rekening
yang disebut ‘rekening koran’. Jenis rekening giro ini dapat berupa :
1) Rekening atas nama perorangan
2) Rekening atas nama suatu badan usaha/lembaga
3) Rekening bersama/gabungan
2) Simpanan Deposito (Time Deposit)
Dana bank yang bersumber dari simpanan dalam bentuk deposito
merupakan dana yang relatif mahal dibandingkan dengan sumber dana
lainya, misalnya giro atau tabungan. Kelebihan sumber dana ini dapat
dikategorikan sebagai sumber dana semi tetap, karena penarikanya
dapat diperkirakan dengan berdasarkan tanggal jatuh temponya
sehingga tingkat fluktuasinya dapat diantisipasi. Terdapat berbagai
jenis deposito, yakni :
1) Deposito Berjangka
2) Sertifikat Deposito
3) Deposit On Call
3) Simpanan Tabungan (Saving Deposit)
Tabungan adalah simpanan pihak ketiga pada bank yang penarikanya
hanya dapat dilakukan menurut syarat-syarat tertentu. Program
33
tabungan yang pernah diperkenankan pemerintah sejak tahun 1971
adalah tabanas, taska, tappelpram, tabungan ongkos naik haji, dan lain-
lain.
3. Konstruksi
a) Pengertian Konstruksi
Menurut Undang-undang tentang Jasa konstruksi, "Jasa
Konstruksi" adalah layanan jasa konsultansi perencanaan pekerjaan
konstruksi, layanan jasa pelaksanaan pekerjaan konstruksi dan layanan
jasa konsultansi pengawasan pekerjaan konstruksi. "Pekerjaan Konstruksi"
adalah keseluruhan atau sebagian rangkaian kegiatan perencanaan dan
pelaksanaan beserta pengawasan yang mencakup pekerjaan arsitektural,
sipil, mekanikal, elektrikal dan tata lingkungan masing-masing beserta
kelengkapannya untuk mewujudkan suatu bangunan atau bentuk fisik lain
(Trianto, 2011:1).
Nur (2016) mengungkapkan bahwa Konstruksi merupakan suatu
kegiatan membangun sarana maupun prasarana. Dalam sebuah bidang
arsitektur atau teknik sipil, sebuah konstruksi juga dikenal sebagai
bangunan atau satuan infrastruktur pada sebuah area atau pada beberapa
area. Secara ringkas konstruksi didefinisikan sebagai objek keseluruhan
bangunan yang terdiri dari beberapa bagian struktur. Misalnya Konstruksi
Struktur Bangunan adalah bentuk/bangun secara keseluruhan dari struktur
bangunan. Contoh lain: Konstruksi Jalan Raya, Konstruksi Jembatan,
Konstruksi Kapal, dan lain lain.
34
b) Fungsi Konstruksi Indonesia
Konstruksi Indonesia adalah sarana informasi dan komunikasi
dunia konstruksi nasional untuk menumbuhkembangkan kepercayaan dan
kebanggaan masyarakat terhadap kemampuan pelaku konstruksi nasional
dalam menghasilkan produk-produk infrastruktur, meningkatkan
kompetensi dan profesionalisme para pelaku konstruksi nasional, serta
sebagai ajang promosi dalam rangka membangkitkan investasi dan gairah
konstruksi nasional.
Perkembangan pasar industri konstruksi tidak saja hanya
dipengaruhi oleh sektor ekonomi, akan tetapi juga dipengaruhi oleh
perkembangan politik baik di dalam negeri maupun di luar negeri terutama
tingkat regional. Kebijakan penerapan otonomi daerah pada tahun 2000
menyebabkan beralihnya pengelolaan proyek-proyek dari pusat ke daerah-
daerah. Konsumen yang tadinya terkonsentrasi di Jakarta akan terbagi bagi
ke daerah-daerah potensial. Hal ini akan berpengaruh pada penerapan
strategi meraih pangsa pasar dari masing-masing pelaku jasa konstruksi
(Soemardi, 2011)
4. Makroekonomi
a) Pengertian Makroekonomi
Ilmu ekonomi makro merupakan bagian dari ilmu ekonomi yang
mengkhususkan diri dalam mempelajari mekanisme bekerjanya
perekonomian secara keseluruhan. Tujuan dari ilmu ekonomi makro itu
sendiri adalah untuk memahami peristiwa ataupun fenomena ekonomi
35
serta untuk memperbaiki kebijakan ekonomi. Disini dapat diperoleh
gambaran bahwa ekonomi makro bukanlah merupakan alat atau doktrin
perekonomian, melainkan metode yang berguna untuk membantu
mengembangkan pemikirian mengenai bagaimana cara bekerja dan
memperbaiki kondisi perekonomian (Putong, 2013:8). Menurut Mankiw
(2006:2) makroekonomi adalah sebuah studi tentang perekonomian secara
menyeluruh, berusaha menjawab pertanyaan-pertanyaan terkait
pertumbuhan pendapatan, kemiskinan, inflasi, kestabilan harga, resesi,
depresi, pengangguran dan lainnya.
Hubungan yang dipelajari dalam ilmu ekonomi makro adalah
hubungan kausal antara variabel-variabel aggregatif (keseluruhan).
Diantara variabel-variabel yang dimaksud antara lain adalah tingkat
pendapatan nasional, konsumsi rumah tangga, investasi nasional
(pemerintah maupun swasta), tingkat tabungan, belanja pemerintah,
tingkat harga-harga umum, neraca pembayaran (ekspor dan impor) dan
lainnya (Putong, 2013:8).
b) Unsur-unsur Makroekonomi
Unsur-unsur makroekonomi yang biasa dianalisis melalui beberapa
analisis ekonomi ini adalah faktor tingkat bunga, pendapatan nasional
suatu negara, kebijakan moneter, dan kebijakan fiskal yang diterapkan
oleh suatu negara.Analisis ini digunakan untuk mengetahui potensi dari
faktor makro yang pastinya menjadi salah satu faktor yang mempengaruhi
tingkat pengembalian dari investasi. Sebagai contoh mengapa kebijakan
36
moneter dapat mempengaruhi return saham yang diterima dikarenakan
oleh besar kecilnya tingkat jumlah uang yang beredar. Ketika jumlah uang
yang beredar semakin tinggi, maka terdapat kecenderungann
meningkatnya kegiatan perekonomian secara keseluruhan, hal ini
dikarenakan perusahaan-perusahaan yang mendapat supply uang yang
lebih tinggi dari biasanya. Ketika supply uang semakin tinggi, maka
kegiatan operasional yang bersifat profit oriented juga akan meningkat dan
secara otomatis akan membuat laba perusahaan meningkat pula. Dengan
ini pada nantinya akan meningkatkan return saham dari perusahaan yang
bersangkutan (Mankiw, 2006:432).
c) Tujuan Makroekonomi
Kebjiakan ekonomi makro yang dilakukan oleh setiap negara
secara bersama-sama dilakukan oleh pemerintah dan lembaga swasta
bertujuan untuk mengatasi masalah-masalah yang timbul dan mungkin
akan timbul dalam suatu perekonomian, dimana pemerintah sebagai pihak
yang membuat regulasi (regulator) dan swasta sebagai pelaksananya.
Menurut Putong (2013:278-283), adapun harapan dari perpaduan
pemerintah dan lembaga swasta tersebut dapat mencapai keadaan
perekonomian yang diharapkan, seperti:
1) Tingkat Kesempatan Kerja yang Tinggi
Pada dasarnya negara manapun di dunia ini tidak menginginkan
adanya pengangguran dalam perekonomian, karena selain dampak
buruknya terhadap sendi kehidupan sosial masyarakat juga merupakan
37
beban ekonomi negara yang harus ditanggung baik dari segi ekonomi
maupun politik.
2) Kapasitas Produksi Nasional yang Tinggi
Untuk negara-negara yang tergolong masih berkembang dan
terbelakang perekonomiannya, usaha peningkatan kapasitas produksi
memanglah merupakan suatu hal yang harus dilakukan, yaitu dengan
cara melakukan investasi di segala bidang yang sesuai dengan
peruntukkan dan kebutuhan yang tepat.
3) Tingkat Pendapatan Nasional dan Pertumbuhan Ekonomi yang Tinggi
Tingkat pendapatan suatu negara tidak memiliki ukuran standar
seberapa tinggi yang harus dicapai, akan tetapi ukuran tersebut dapat
diketahui berdasarkan perbandingan pada negara lain apakah
pendapatan nasional suatu negara lebih besar atau lebih kecil dari
negara lainnya.
4) Keadaan Perekonomian yang Stabil
Perekonomian yang stabil bukanlah berarti suatu perekonomian yang
kondisinya selalu mengalami masa-masa booming terus menerus
(tidak pernah terjadi penurunan atau peningkatan), akan tetapi suatu
kondisi yang berfluktuasi terhadap variabel ekonomi terutama harga-
harga komoditi secara umum dan tingkat pendapatan yang bergerak
atau berubah dalam kondisi yang wajar.
38
5) Neraca Pembayaran Luar Negeri yang Seimbang
Yang dimaksud dengan Neraca Pembayaran (Balance of Payment)
adalah ikhtisar sistematis dari semua transaksi ekonomi dengan luar
negeri selama jangka waktu tertentu dinyatakan dalam uang (biasanya
dalam satuan dolar Amerika Serikat).
6) Distribusi Pendapatan yang Merata
Keadilan pembagian rezeki dari hasil mengelola sumber daya baik
alam amupun manusia dari suatu negara adalah dimana pendapatan
yang diperoleh dapat dinikmati secara merata oleh rakyatnya, dalam
arti distribusi pembagian pendapatan yang relatif adil, artinya sebagian
besar pendapatan negara dinikmati oleh sebagian besar golongan
masyarakat dalam perekonomian tersebut.
d) Indikator Makroekonomi
1) Suku bunga
Tingkat suku bunga dalam aset keuangan merupakan bunga yang
diterima serta dinyatakan sebagai presentase dari harga asset (Parkin,
2018:94). Hull (2009:73) mendefinisikan suku bunga adalah situasi
khusus dimana peminjam berjanji membayar lebih pada sejumlah uang
yang dia pinjam.Suku bunga di Indonesia mengacu pada BI Rate. BI
Rate adalah suku bunga kebijakan yang mencerminkan sikap atau
stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan
diumumkan kepada publik. BI Rate juga digunakan sebagai acuan para
investor pada investasi bebas risiko (Risk Free). Suku bunga yang
39
diberikan bank disebut dengan suku bunga nominal (nominal interest
rate), sedangkan suku bunga yang disesuaikan dengan inflasi disbut
dengan suku bunga riil (real interest rate).
2) Produk Domestik Bruto (PDB)
Produk Domestik Bruto atau dalam istilah inggrisnya Gross Domestic
Product (GDP), adalah nilai barang dan jasa dalam suatu negara yang
diproduksikan oleh faktor-faktor produksi milik warga negara-negara
tersebut dan negara asing. Produk Domestik Bruto (PDB) dapat
mengukur jumlah pembelanjaan untuk barang dan jasa di seluruh pasar
dalam perekonomian (Sukirno, 2013:34-35).
3) Indeks Harga Konsumen (IHK)
Indeks Harga Konsumen (IHK-consumer price index [CPI]) adalah
ukuran biaya keseluruhan barang dan jasa yang dibeli oleh konsumen.
Ahli statistik pemerintah secara rutin menghitung dan melaporkan
indeks harga konsumen. Indeks harga konsumen digunakan untuk
mengamati perubahan dalam biaya hidup sepanjang waktu. Ketika
indeks harga konsumen naik, keluarga biasa harus menghabiskan
pengeluaran yang lebih banyak untuk menjaga stanar hidup yang sama
(Mankiw, 2012:26).
4) Neraca Pembayaran
Neraca pembayaran adalah suatu catatan aliran keuangan yang
menunjukkan nilai transaksi perdagangan dan aliran yang dilakukan di
antara suatu negara dengan negara lain dalam suatu tahun tertentu.
40
Suatu neraca pembayaran dapat dibedakan kepada dua bagian yang
utama, yaitu neraca berjalan dan nenraca modal (Sukirno, 2013:390).
5) Neraca berjalan
Menurut (Sukirno, 2013:391), neraca berjalan mencatat transaksi-
transaksi sebagai berikut:
a. Ekspor dan impor barang tampak
Transaksi ini meliputi hasil-hasil sektor pertanian, barang-barang
produksi industri, dan barang-barang yang diproduksikan oleh
sektor pertambangan dan berbagai jenis ekspor dan impor barang
tampak lainnya.
b. Ekspor dan impor jasa (atau barang tak tampak)
Transaksi ini meliputi pembayaran biaya pengangkutan dan
asuransi dari barang-barang tampak yang diekspor atau diimpor,
perbelanjaan para pelancong, dan pendapatan investasi (yang
meliputi keuangan, bunga ke atas modal yang diinvestasikan, dan
dividen).
c. Pembayaran pindahan neto ke luar negeri
Transaksi ini meliputi pembayaran dimana penerimanya tidak perlu
“membayar” dalam bentuk uang atau jasa. Contoh dari dari
transakasi ini adalah pembayaran pindahan bantuan uang suatu
negara Arab ke Afganistan, atau bantuan bahan makanan Amerika
Serikat ke penderita kelaparan di Afrika.
41
6) Neraca Modal
Neraca modal meliputi dua golongan transaksi, yaitu aliran modal
jangka panjang dan aliran modal keuangan swasta (Sukirno, 2013:391-
392) sebagai berikut:
a. Neraca modal jangka panjang
Meliputi dua jenis aliran modal, aliran modal resmi dan investasi
langsung oleh pihak swasta ke negara-negara lain. Aliran modal
resmi adalah pinjaman dan pembayaran di antara badan-badan
pemerintah di sesuatu negara dengan negara-negara lain.
b. Modal swasta dan kesilapan-ketinggalan
Dua akaun penting lain dalam neraca pembayaran meliputi akaun
“modal swasta” dan “kesilapan dan ketinggalan”. Yang
dimaksudkan dengan “modal swasta” adalah aliran-aliran modal
dalam bentuk tabungan atau investasi keuangan yang dapat dengan
cepat ditukarkan kembali kepada valuta yang asal atau valuta
lainnya atau biasa disebut “hot money”.
5. Inflasi
a) Pengertian Inflasi
Pada dasarnya yang disebut inflasi adalah berbagai kondisi dari
kenaikan terus-menerus atas tingkat harga secara keseluruhan. Inflasi
dalam definisinya yang demikianlah tidak sama dengan fluktuasi sesaat
jangka pendek dari tingkat harga umum (Hossain, 2010:142). Inflasi
merupakan keadaan perekonomian yang ditandai oleh kenaikan harga
42
secara cepat sehingga berdampak pada menurunnya daya beli, sering pula
diikuti menurunnya tingkat tabungan dan atau investasi karena
meningkatnya konsumsi masyarakat dan hanya sedikit untuk tabungan
jangka panjang (Bank Indonesia, 2014). Menurut Miskhin (2008:13),
inflasi adalah kenaikan tingkat harga yang terjadi secara terus-menerus,
sehingga mempengaruhi individu, pengusaha, dan pemerintah.Inflasi
secara umum dianggap sebagai masalah penting yang harus diselesaikan
dan sering menjadi agenda utama politik dan pengambil kebijakan.
b) Jenis Inflasi
Menurut Halim (2018:79) inflasi digolongkan menjadi beberapa
jenis, yaitu:
1) Berdasarkan asalnya.
a. Inflasi dari dalam negeri
Inflasi dalam negeri seperti terjadi defisit anggaran belanja yang
dibiayai dengan cara mencetak uang baru dan gagalnya pasar
sehingga membuat harga menjadi naik.
b. Inflasi dari luar negeri
Inflasi dari luar negeri adalah inflasi yang terjadi karena naiknya
harga barang impor.Hal ini bisa terjadi karena harga produksi
barang di luar negeri yang sedang tinggi atau adanya kenaikan
tariff dari impor barang.
43
2) Berdasarkan besarnya cakupan terhadap harga
Berdasarkan besarnya cakupan terhadap harga inflasi dapat dibagi
menjadi tiga, yaitu inflasi tertutup (closed inflation), inflasi terbuka
(open inflation), dan inflasi yang tidak terkendali (hiperinflasi).
a. Inflasi Tertutup (Closed Inflation)
Inflasi tertutup adalah kenaikan harga yang terjadi pada satu atau
dua barang tertentu.
b. Inflasi Terbuka (Open Inflation)
Inflasi terbuka adalah kenaikan harga yang terjadi pada semua
barang secara umum.
c. Inflasi yang tidak terkendali (Hyperinflation)
Inflasi yang tidak terkendali apabila serangan inflasi sangat hebat
mengakibatkan harga-harga terus berubah-ubah dan meningkat
sehinga orang tidak dapat menahan uangnya lebih lama karena
nilai uang terus merosot.
3) Berdasarkan keparahanya.
Dalam penelitiannya Karim (2008) menjelaskan bahwa inflasi seperti
sebuah penyakit, inflasi dapat digolongkan menurut tingkat
keparahanya, yaitu sebagai berikut :
a. Modern Inflation
Inflasi tersebut memiliki karakteristik dengan adanya
kenaikantingkat harga yang lambat.Umumnya disebut sebagai
“inflasi satu digit”.
44
b. Galloping inflation
Inflasi pada tingkat ini terjadi pada tingkatan 20% sampai dengan
200% pertahun.
c. Hyper inflation
Inflasi jenis ini terjadi pada tingkatan yang sangat tinggi yaitu
jutaan sampai triliyunan persenper tahun.
6. Nilai Tukar
a) Pengertian Nilai Tukar
Exchange Rate (nilai tukar uang) atau kurs mata uang adalah
catatan harga pasar dari mata uang asing (foreign currency) dalam harga
mata uang domestik (domestic currency) atau resiprokalnya, yaitu harga
mata uang domestik dalam mata uang asing. Nilai tukar uang
merepresentasikan tingkat harga pertukaran dari satu mata uang ke mata
uang yang lainya dan digunakan dalam berbagai transaksi, antara lain
transaksi perdagangan internasional, turisme, investasi internasional, dan
sebagainya (Karim, 2008).
Menurut Mishkin (2011), harga dari satu mata uang dalam mata
uang yang lain disebut sebagai kurs. Kurs dapat mempengaruhi
perekonomian dan kehidupan sehari-hari, karena ketika dollar AS menjadi
lebih berharga relatif terhadap mata uang asing, barang-barang luar negeri
menjadi lebih murah untuk orang Amerika dan barang-barang Amerika
menjadi lebih mahal, begitu juga sebaliknya.
45
b) Jenis Transaksi Nilai Tukar (Kurs)
Dalam penelitian Almira (2018), Mishkin menjelaskan bahwa ada
dua macam transaksi kurs, yaitu:
1) Transaksi spot/ tunai (spot transaction)
Transaksi tersebut meliputi pertukaran segera (dua hari) dan deposito
bank. Dalam transaksi spot/tunai menggunakan Kurs spot (spot
exchange rate) dalam melakukan transaksi.
2) Transaksi forward (forward transaction)
Transaksi memiliki perbedaan waktu dengan transaksi spot/tunai,
dalam transaksi ini meliputi pertukaran deposito bank untuk beberapa
waktu ke depan yang ditentukan. Kurs forward (forward exchange
rate) adalah kurs yang digunakan untuk transaksi forward.
c) Sistem Nilai Tukar (Kurs)
Kebijakan moneter setiap negara pasti berbeda, sehingga antara
negara yang satu dengan negara lainya tidaklah menerapkan sistem kurs
yang sama. Sistem kurs yang digunakan adalah sebagai berikut:
1) Sistem Kurs Tetap
Sistem kurs tetap atau fixed exchange rate system merupakan suatu
sistem kurs apabila kurs yang diberlakukan adalah tetap antara uang
suatu negara terhadap mata uang negara asing, misalnya Dolar
Amerika (USD).
46
2) Sistem kurs megambang
Sistem kurs megambang atau floating exchange rate system
merupakan kurs atau harga valuta asing yang terbentuk atas dasar
kemampuan pasar, karena dibiarkan bebas.
3) Sistem kurs mengambang terkendali
Sistem kurs mengambang terkendali atau managed floating exchange
rate system merupakan suatu sistem kurs yang dibiarkan mengambang
terhadap mata uang basing lainya, setelah nilai tukarnya terhadap mata
uang asing (misal USD) ditetapkan terlebih dahulu.
B. Penelitian Terdahulu
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
1. “Testing for causality
among globalization,
institution and
financial
development: Further
evidence from three
economic blocs”
Ibrahim Muhammad
Muye & Ibrahim
Yusuf Muye (2016)
Dynamic
ordinary least
squares
(DOLS), untuk
melihat
kointegrasi, The
fully modified
OLS (FMOLS)
untuk
membahas bias
yang disebabkan
oleh
endogenitas
para regressor
VECM (vector
error-correction
Uji kausalitas
Granger
menunjukkan
bahwa adanya
hubungan
kausalitas antara
globalisasi dan
institusi.
Untuk hasil PMG,
DOLS dan FMOLS
terdapat bukti
hubungan jangka
panjang yang
positif antara
globalisasi,
Globalisasi dapat
secara langsung
dan tidak langsung
mempengaruhi
sektor keuangan
melalui
kelembagaan
keuangan maka
dari itu perlunya
perencanaan dan
pengembangan
yang
meningkatkan
globalisasi yang
dapat memberikan
kontribusi yang
47
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
model) untuk
menguji
kausalitas antar
institusi,
globalisasi dan
perkembangan
keuangan.
kelembagaan dan
perkembangan
keuangan.
lebih baik terhadap
kualitas
kelembagaan, dan
pasar keuangan
cenderung
berkembang
dengan institusi
yang lebih baik.
2. ”World economic
growth and seaborne
trade volume :
Quantifying the
relationship”
Nektarios A. Michail
(2020
Vector Error-
Correction
Model (VECM)
Untuk
memeriksa
hubungan
ekonomi yang
mendasari
antara variabel.
Terdapat hubungan
jangka panjang
antara variabel
yang digunakan
terhadap PDB
dunia dan harga
minyak, yang mana
berfungsi sebagai
proxy untuk tarif
angkutan
Kuantitas barang
yang diangkut
melalui jalur laut
dapat sangat
dipengaruhi oleh
pertumbuhan PDB
dunia, Dengan
demikian
permintaan yang
disederhanakan
dapat membantu
evolusi masa
depan PDB dunia
dan dapat
digunakan oleh
perusahaan
pengiriman atau
agen industri
lainnya untuk
mengukur
kuantitas barang
48
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
yang diangkut dan
dampaknya
terhadap tarif
angkutan. Selain
itu permintaan
pengiriman harus
dipertimbangkan
secara eksplisit,
khususnya yang
berkaitan dengan
sejauh mana hal
ini mempengaruhi
perdagangan
komoditas lewat
laut karena sifat
permintaan yang
diturunkan dari
industri.
3. “The effects of oil
shocks on government
expenditures and
government revenues
nexus in Nigeria”
(with exogeneity
restrictions)
Adebayo Adedokun
(2018)
Structural
Vector
Autoregressive
(SVAR) and
Vector Error
Correction
(VEC) untuk
memahami
hubungan yang
bersangkutan di
antara variabel
Hasil SVAR
menunjukkan
guncangan harga
minyak tidak dapat
memprediksi
variasi pengeluaran
pemerintah dalam
jangka pendek.
Selain itu
guncangan harga
studi ini
menyarankan
tindakan
pemerintah yang
bijaksana untuk
mengarahkan
kembali ekonomi
dari
ketergantungan
pendapatan
minyak terhadap
49
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
makroekonomi
di luar batas.
minyak sangat
mempengaruhi
variabel kebijakan
dalam jangka
pendek dan
mentransfer
pengaruhnya pada
variabel
makroekonomi
lainnya dalam
jangka panjang.
diversifikasi di
sepanjang sumber
pendapatan lain
yang tidak mudah
berubah untuk
mencegah
transmisi efek
guncangan harga
minyak dalam
jangka panjang
pada variabel
makroekonomi
yang lebih luas.
4. “A fractional
cointegration var
analysis of exchange
rate dynamics”
Luis A. Gil-Alanaa
and Hector Carcel
(2018)
Cointegrated
VAR (CVAR)
model yang
memungkinkan
fraksional
proses orde d
yang
berkointegrasi
ke orde d-b.
Fractionally
Cointegrated
Vector
AutoRegressive
(FCVAR) untuk
memeriksa
Dari hasil CVAR
menunjukkan
bahwa lima nilai
tukar
(Poundsterling
Inggris, Euro,
Krona Swedia,
Franc Swiss dan
Dolar Kanada)
adalah tidak
terkointegrasi.
Metode FCVAR
menyimpulkan
bahwa hubungan
kointegrasi dapat
Dari hasil
penelitian ini
membuktikan
pertukaran nilai
mata uang tersebut
terkointegrasi
secara fraksional
dan hasil ini
menjadi dasar
untuk pekerjaan
lebih lanjut yang
berhubungan
dengan nilai tukar
atau seri
keuangan lainnya
dengan cara
50
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
pecahan
kointegrasi
multivariat
diperoleh dengan
mempertimbangkan
integrasi pecahan.
kointegrasi
pecahan
menggunakan
teknik FCVAR.
5. “Understanding
Chinese provincial
real estate
investment: A Global
VAR perspective”
Y. Chena, M. Hea, S.
Rudkin (2016)
Global Vector
Autoregressive
(GVAR)
Terdapat korelasi
kontemporer yang
jelas antara
investasi real estat
dan faktor penentu
utama lainnya.
Investasi real
estate harus terkait
dengan kondisi di
provinsi yang akan
dibangun serta
harus memiliki
nilai intuitif, yang
didasarkan pada
ide spillovers dan
redistribusi
pemerintah yang
ditargetkan.
Kerangka GVAR
memungkinkan
penelitian ini
menunjukkan ada
dukungan empiris
dalam memprediksi
investasi, atau
untuk memperluas
pemahaman
tentang ekonomi
regional dan
51
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
sangat relevan
dengan pembuat
kebijakan,
perencana,
investor dan
pemerintah pusat
sama.
6. “Inter-linkages and
causal relationships
between US and
BRIC equity markets:
An empirical
investigation”
Amanjot Singh &
Manjit Singh (2016)
Vector
Autoregressive
(VAR) dan
Vector Error-
Correction
Model (VECM)
untuk
menangkap
interaksi
dinamis diantara
variabel
endogen dan
untuk
menjelaskan
interaksi jangka
pendek diantara
pasar tersebut.
Ada hubungan
kerjasama dan
kausalitas jangka
panjang antara
pasar ekuitas AS
dan BRIC selama
periode pra-krisis
dan pasca-krisis
saja.
Selama periode
sebelum krisis,
pasar Brazil dan
Rusia mengikuti
tren dominan
independen dalam
jangka panjang.
Namun, selama
periode pasca
krisis, hanya pasar
ekuitas AS dan
Brasil yang
Keterkaitan ini
lebih jauh
menyoroti peran
investor domestik
dan kebijakan
fiskal terhadap
dinamika lintas
pasar yang
merugikan. Jadi,
sebuah
Pemahaman
tentang hubungan
sebab-akibat
jangka panjang
dan jangka pendek
sangat penting.
Sebagai ruang
lingkup studi masa
depan, integrasi
dan keterkaitan
pasar antara BRIC
dan pasar ekuitas
52
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
ditemukan
terpengaruh oleh
pasar ekuitas
lainnya dalam
jangka panjang.
Secara keseluruhan,
hasilnya
melaporkan
dinamika pasar
yang berubah dan
terdapat integrasi
parsial selama
periode penelitian.
maju lainnya
seperti, Inggris,
Jepang, negara UE
atau pasar
berkembang
lainnya.
7. “Assessing
macroprudential tools
in OECD countries
within a cointegration
framework“
Oriol Carreras, E.
Philip Davis &
Rebecca Piggott
(2018)
Vector
Autoregressive
(VAR) dan
Vector Error-
Correction
Model (VECM)
Terdapat dampak
intervensi
kebijakan
makroprudensial
pada harga rumah
dan pertumbuhan
kredit rumah
tangga di 19 negara
OECD,
menggunakan tiga
set data dari IMF
dan BIS.
Kebijakan
makroprudensial
tetap efektif dalam
jangka pendek dan
jangka panjang
untuk membatasi
harga rumah dan
pertumbuhan
kredit rumah
tangga dalam hasil
penelitian
kointegrasi
termasuk pada
pajak atas lembaga
keuangan,
53
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
persyaratan modal
umum, rasio
pinjaman terhadap
nilai dan batas
rasio hutang
terhadap
pendapatan.
8. “Financial structure
and economic growth
nexus revisited, Borsa
istanbul Review”
Lan Chu Khanh
(2019)
Vector Error-
Correction
Model (VECM)
Sebagian pasar
yang lebih berbasis
pada sistem
keuangan dari segi
aktivitas dan
efisiensi,
membantu negara
untuk tumbuh lebih
cepat.
Meskipun
perbankan
mengalami krisis
dan volatilitas
ekonomi makro
mempengaruhi
pertumbuhan
ekonomi secara
negatif, mereka
tidak
mempengaruhi
hubungan antara
Pembuat kebijakan
harus fokus pada
strategi untuk
menyeimbangkan
struktur keuangan
dengan
pemeliharaan
pertumbuhan
ekonomi jangka
panjang yang
positif serta
mengidentifikasi
mekanisme
dimana pengaruh
marginal dari
struktur keuangan
pada pertumbuhan
ekonomi berubah
positif ke negatif.
54
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
struktur keuangan
dan pertumbuhan
ekonomi.
Peran pasar saham
atas perbankan
semakin kuat
seiring dengan
perkembangan
sektor keuangan.
9. “The recovery of
global stock markets
indices after impacts
due to pandemics”
S.A. David, C.M.C.
Inacio Jr, Jose A
(2020)
The error
correction terms
(ECT) untuk
mengidentifikasi
kemungkinan
mekanisme
transmisi antara
deret waktu
yang berbeda
Vector Error-
Correction
Model (VECM)
untuk
menyelidiki
dinamika antara
pandemi dan
evolusi indeks
bursa saham
Hasil penelitian
menunjukkan
bahwa guncangan
yang disebabkan
oleh penyakit
cukup signifikan
mempengaruhi
pasar.
Selain itu hasil
penelitian
menunjukkan
adanya kontribusi
volatilitas yang
lebih tinggi untuk
semua indeks
keuangan selama
COVID-19.
Reaksi pasar
saham terhadap
COVID-19
memiliki karakter
yang luas.
Perlunya tindakan
kebijakan fiskal
dan moneter
selama pandemi
dan khususnya
selama penyebaran
COVID-19 yang
sedang
berlangsung
55
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
utama.
10. “The causal
relationship among
electricity
consumption,
economic growth and
capital stock in Iran”
N. Salmanzadeh &
S.M.T. Fatemi Ghomi
(2019)
Vector
Autoregressive
(VAR)
Kurangnya
kausalitas jangka
pendek antara
variabel. Hasil uji
kausalitas Granger
standar (SGC)
menunjukkan
kausalitas jangka
panjang dua arah
antara EC dan EG
dan kausalitas
jangka panjang satu
arah dari EC ke CS.
Hasil dari Analisis
impulse response
function (IRF)
menunjukkan
perilaku dinamis
dari kausalitas
jangka panjang.
Untuk mengurangi
EC dan
menghindari
dampak negatif
pada EG, Iran
harus mengadopsi
kebijakan yang
sesuai dan
terjangkau untuk
mengoptimalisasi
efisiensi EC.
Kebijakan
privatisasi,
industrialisasi,
pengawasan
sumber daya
perbankan dan
alokasi kredit dan
liberalisasi harga
listrik harus
diusulkan.
11. “Causality between
oil shocks and
exchange rate: A
Bayesian, graph-
based VAR
approach”
Vector
Autoregressive
(VAR)
Harga minyak
memiliki efek
utama di bursa
pada periode
setelah krisis tetapi
tidak pada periode
minyak maupun
negara pengimpor
minyak serta
sebagai studi
prediktif yang
relevan, untuk
56
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
Libo Yin & Xiyuan
Ma (2018)
sebelum krisis.
Guncangan pada
pasar minyak
memiliki efek
kasual yang kuat di
pasar pertukaran,
terutama setelah
krisis keuangan
tahun 2008.
Sebaliknya,
guncangan pasokan
minyak memiliki
dampak yang
paling lemah.
manajemen risiko
yang terkait
dengan guncangan
minyak dan juga
untuk penetapan
harga aset terkait
minyak.
12. “Price formation in
Indian gold market:
Analysing the role of
gold Exchange
Traded Funds (ETFs)
against spot and
futures markets”
Prabhdeep Kaur &
Jaspal Singh (2019)
Vector
Autoregressive
(VAR) - The
Augmented
Dickey-Fuller
(ADF)
Adanya hubungan
kointegrasi jangka
panjang antara ETF
emas dan
korespondensi
harga spot emas
serta harga futures.
Tidak terdapat
hubungan
kointegrasi antar
seri karena
kerusakan
struktural dalam
data keuangan deret
Pemerintah
Indonesia
menekankan
perlunya
transparansi yang
lebih besar dalam
pembelian emas
karena masyarakat
umum masih
belum mengetahui
tentang alternatif
sumber investasi
emas seperti ETF
emas.
57
No Judul Penelitian Metode Analisa Hasil Penelitian Kesimpulan
waktu. Penasihat
keuangan perlu
membimbing para
investor tentang
keuntungan relatif
dari diversifikasi
risiko melalui
investasi di ETF
emas untuk
meningkatkan
kesadaran tentang
investasi produk
baru di kalangan
masyarakat umum
58
C. Kerangka Berpikir
BI Rate (𝑋1), Inflasi(𝑋2),
Nilai Tukar (𝑋3),GDP (𝑋4),
DPK (𝑋5), Krisis (𝑋6)
Uji Stasionaritas
Tidak Stasioner Stasioner
VAR Bentuk Level Stasioner di
Diferensi
Uji Kointegerasi Tidak Terjadi VAR Bentuk
Diferensiasi
Terjadi
VECM IRF dan FEVD
Interpretasi Hasil
Kesimpulan
Kredit sektor konstruksi (Y),
Gambar 2. 2 Kerangka Pemikiran
59
D. Hipotesis Penelitian
Hipotesis merupakan jawaban sementara dari permasalahan yang ada
dengan sifat praduga, berdasarkan kerangka pemikiran mengenai faktor yang
mempengaruhi kredit pada sektor konstruksi, maka hipotesis dari penelitian ini
adalah:
a. Pengaruh Jangka Pendek dan Jangka Panjang:
H0 : Inflasi, BI Rate, Nilai Tukar, DPK, PDB dan krisis tidak memiliki
pengaruh jangka pendek dan jangka panjang terhadap kredit sektor
konstruksi selama periode penelitian.
H1 : Inflasi, BI Rate, Nilai Tukar, DPK, PDB dan krisis memiliki
pengaruh jangka pendek dan jangka panjang terhadap kredit sektor
konstruksi.
b. Respon Kredit sektor konstruksi terhadap guncangan makroekonomi:
H0 : Tidak terdapat respon Kredit sektor konstruksi terhadap guncangan
makroekonomi
H1 : Terdapat respon Kredit sektor konstruksi terhadap guncangan
makroekonomi
c. Kontribusi setiap variabel terhadap Kredit sektor konstruksi
H0 : Tidak terdapat keragaman pada setiap variabel terhadap Kredit sektor
konstruksi.
H1 : Terdapat keragaman pada setiap variabel terhadap Kredit sektor
konstruksi.
60
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Secara umum penelitian hanya mencakup perbankan konvensional di
Indonesia. Ruang lingkup penelitian ini adalah kredit sektor konstruksi di
Indonesia selama periode 2012-2020. Penelitian ini bertujuan untuk mengetahui
hubungan dan pengaruh antara dua variabel atau lebih.
Penelitian ini bersifat kuntitatif dengan menggunakan data time series.
Penelitian ini dilakukan untuk memprediksi perkembangan pembiayaan atau
kredit pada perbankan konvensional di Indonesia khususnya pada sektor
konstruksi yang disebabkan oleh beberapa faktor-faktor makroekonomi yang
dapat mempengaruhinya.
Dalam penelitian ini terdapat satu variabel dependen yaitu Kredit sektor
Konstruksi (CR) serta enam variabel independen. Variabel independen yang
digunakan pada penelitian ini adalah guncangan faktor Makro Ekonomi. Faktor
Makro Ekonomi disini lebih spesifiknya adalah Inflasi (IFL), BI Rate (IR), Nilai
Tukar (USD/IDR) (EXR), Produk Domestik Bruto (GDP), Dana Pihak Ketiga
(DPK) dan Krisis Ekonomi (CRS) yang merupakan gambaran perkembangan
kredit sektor konstruksi pada Bank umum di Indonesia. Metode analisis
menggunakan Vector Autoregressive (VAR) dan Vector Error Correction Model
(VECM) dengan alat bantu analisis Eviews 9 dan Microsoft Excel 2010.
61
B. Metode Penentuan Sempel
Populasi menurut Sugiyono (2018:80) adalah wilayah generalisasi yang
terdiri atas: obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulanya.
Populasi dari penelitian ini adalah data dari pergerakan Inflasi, BI Rate, Nilai
Tukar, Dana Pihak Ketiga, Produk Domestik Bruto dan Krisis Ekonomi.
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2018:81). Sampel dari penelitian ini adalah Kredit
sektor konstruksi di Indonesia secara umum pada perbankan konvensional yang
diambil melalui website resmi Otoritas Jasa Keuangan (OJK).
C. Sumber Data dan Teknik Pengumpulan Data
Sumber data sangat penting dalam sebuah penelitian karena untuk
memperkuat hasil penelitian. Maka dari itu data yang digunakan adalah data
sekunder yang berupa deret waktu (time series) dengan data bulanan selama
periode 2012-2020.
Metode pengambilan data yang dilakukan adalah dengan metode
dokumentasi, yaitu teknik mengumpulkan dokumen, mencatat, mengkaji dan
menghitung laporan yang berasal dari data sekunder berupa data time series yang
diperoleh dari berbagai website resmi laporan keuangan di Indonesia. Selain itu
pengumpulan data didapat melalui studi kepustakaan dengan membaca literature
yang berkaitan dengan kredit sektor konstruksi. Penulis juga mengambil referensi
dari beberapa jurnal, karya ilmiah, serta buku referensi sebagai bahan acuan
62
penelitian. Adapun rincian data yang digunakan selama penelitian dapat dilihat
pada tabel 3.1.
Tabel 3. 1 Variabel dan Sumber Data
No. Variabel Sumber Data
1. Kredit Sektor Kontruksi (KK) Statistik Perbankan
Indonesia Otoritas Jasa
Keuangan (SPI-OJK)
2. Inflasi (INF) Bank Indonesia (BI)
3. Nilai Tukar (EXR) www.yahoofinance.com
4. BI Rate (SB) Bank Indonesia (BI)
5. Dana Pihak Ketiga (DPK)
Statistik Perbankan
Indonesia Otoritas Jasa
Keuangan (SPI-OJK)
6. Produk Domestik Bruto (PDB) Badan Pusat Statistik
(BPS)
7. Krisis Ekonomi (KRS) Badan Pusat Statistik
(BPS)
D. Teknik Analisis Data
1. Analisis Statistik Deskriptif
Analisis statistik deskriptif menurut (Sugiyono, 2017:147) adalah
statistik yang digunakana untuk menganalisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku
untuk umum atau generalisasi. Pada penelitian ini analisis statistik deskriptif
dilakukan dengan menyajikan data melalui tabel, grafik, modus, median,
mean, dan lain sebagainya.
63
2. Vector Autoregrresive (VAR) atau Vector Error Correction Model (VECM)
a. Model VAR
Vector Autoregrresive (VAR) merupakan sebuah persamaan (n-
equation) dengan variabel (n-variable), dimana masing-masing variabel
dijelaskan oleh nilai Lag-nya sendiri, serta nilai saat ini dan masa lampaunya
(Firdaus, 2018:157). VAR digunakan dalam meramalkan pergerakan Kredit
sektor konstruksi di Indonesia serta untuk mengetahui pengaruh antara setiap
variabel yang diteliti. VAR hanya dapat dilakukan apabila data deret waktu
(time series) sudah stasioner (Eva & Safa’at, 2017).
Adapun persamaan untuk model VAR adalah sebagai berikut:
𝑦𝑡 = 𝐴0 + 𝐴1𝑦𝑡−1 + 𝐴2𝑦𝑡−2 +⋯+ 𝐴𝑝𝑦𝑡−𝑝 + 𝑒𝑡
Dimana:
𝑦𝑡: Vektor berukuran (n*1) yang berisikan n variabel yang terdapat dalam
sebuah model VAR
𝐴0: Vektor intersep berukuran (n*1)
𝐴1: Matriks koefisien /parameter berukuran (n*n) untuk setiap i = 1,2...,p
𝑒𝑡: Vektor error berukuran (n*1)
b. Model VECM
VECM (Vector Error Correction Model) merupakan metode turunan
dari VAR. Model VECM digunakan apabila dalam suatu persamaan terdapat
kointegrasi antar variabel atau rank kointegrasi (r) lebih dari nol, atau dapat
diartikan jika data yang digunakan tidak stasioner (not stationary) namun data
tersebut terkointegrasi (Chaidir & Gusti, 2019). Asumsi yang perlu dipenuhi
64
sama seperti VAR. Adapun persamaan dari model VECM adalah sebagai
berikut:
∆𝑦𝑡 = 𝑚0𝑥 +𝑚1𝑥𝑡 + 𝐼𝐼𝑥𝑦𝑡−1 + ∑ 𝜏𝑖𝑥∆𝑦𝑡−1 + 𝑒𝑡𝑘−1𝑖=1
Dimana :
𝑦𝑡: Vektor yang berisi variabel yang dianalisis dalam penelitian
𝑚0𝑥: Vektor intercept
𝑚1𝑥𝑡: Vektor koefisien regresi
𝑡: time trend
𝐼𝐼𝑥: 𝑎𝑥𝛽′ dimana 𝛽′ mengandung persamaan kointegrasi jangka panjang
𝑦𝑡−1: Variabel in-level
𝜏𝑖𝑥: Matriks koefisien regresi
𝑘−1: Ordo VECM dari VAR
𝑒𝑡: error term
3. Uji Stasionaritas
Uji stasioner dilakukan untuk melihat apakah data deret waktu (time
series) tersebut stasioner atau tidak stasioner. Menurut Basuki & Prawot
(2017:229) data deret waktu (time series) dikatakan stasioner apabila tidak
mengandung akar-akar unit (Unit root) dan dikatakan tidak stasioner data
tersebut mengandung akar-akar unit (Unit root). Uji ini dilakukan pada setiap
variabel di dalam model, baik pada tingkat level maupun pada derjat integerasi
satu (first difference).
Untuk menguji data time series stasioner atau tidak stasioner dapat
dilakukan dengan uji unit root dengan menggunakan Augmented Dickey-
65
Fuller (ADF) yang dikembangkan oleh Dickey dan Fuller. Langkah pertama
dalam uji ini adalah melakukan uji unit root dalam tingkat level. Apabila
probabilitas data dari salah satu atau seluruh variabel lebih besar (>) dari nilai
kritisnya maka data tersebut mengandung akar unit (Tidak Stasioner) dan
apabila nilai probabilitas dari salah satu atau semua variabel lebih kecil (<)
dari nilai kritisnya maka data tidak mengandung akar unit (Stasioner).
Apabila daalam uji unit root pada tingkat level data mengandung akar
unit (tidak stasioner) maka perlu dilakukan uji stasioneritas di tingkat
diferensiasi dengan menggunakan data yang sama namun dengan memilih
pada tingkat first difference. Apabila data first difference masih tidak stasioner
maka perlu dilakukan uji stasioner di derajat dua (second difference).
4. Uji Lag Optimal
Langkah penting yang harus dilakukan dalam menggunakan model
VAR adalah penentuan jumlah lag yang optimal yang digunakan dalam model
(Firdaus, 2018:163). Selain itu pengujian panjang lag optimal sangat berguna
untuk menghilangkan masalah autokorelasi dalam system VAR, sehingga
dengan digunakanya lag optimal diharapkan tidak lagi muncul masalah
autokorelasi (Basuki & Prawoto, 2017:253). Dalam menentukan Lag optimal
dapat menggunakan Akaike Information Criterion (AIC), Schawrz Criterion
(SC), dan Hannan-Quinn Criterion (HQ). Dalam menentukan nilai Lag dilihat
nilai yang paling kecil.
66
5. Uji Kausalitas Granger
Uji Kausalitas Granger digunakan untuk melihat hubungan kausalitas
di antara variabel-variabel yang ada dalam model (Firdaus:2018:155). Dengan
kata lain, apakah suatu variabel memiliki hubungan sebab akibat dengan
variabel lainya dengan signifikan, karena setiap variabel dalam penelitian
mempunyai kesempatan untuk menjadi variabel endogen maupun eksogen
(Basuki & Prawoto:2017:261). Uji ini untuk mengetahui apakah suatu variabel
bebas (Independent Variable) meningkatkan kinerja forecasting dari variabel
tidak bebas (Dependent Variable).
6. Uji Stabilitas VAR
Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis
lebih jauh (Basuki & Prawoto, 2017:252). Jika seandainya sistem VAR tidak
stabil, hasil yang diperoleh, seperti IRF dan FEVD menjadi tidak valid
(Firdaus, 2018:182). Berdasrkan buku Firdaus (2018:182) diketahui bahwa
estimasi VAR stabil jika seluruh roots-nya memiliki modulus lebih kecil dari
satu dan terletak di dalam unit circle-nya.
7. Uji Kointegrasi
Uji kointegerasi bertujuan untuk menentukan apakah variabel-variabel
yang tidak stationer terkointegerasi atau tidak (Firdaus, 2018:172). Untuk
melakukan uji kointegerasi penelitian ini menggunakan uji Johannsen
Cointegeration dengan hipotesis sebagai berikut:
Ho : Tidak terjadi kointegerasi
H1 : Terjadi kointegerasi
67
Jika trace statistic > critical value, maka Ho ditolak dan H1 diterima yang
artinya terjadi kointegerasi.
8. Impulse Response Function (IRF)
Setelah semua pengujian tersebut telah terpenuhi maka model VEC telah
terbentuk dan dapat dilakukan analisis terhadap hasil estimasi. Impuls Respons
Function (IRF) adalah suatu metode yang digunakan untuk menentukan respon suatu
variabel endogen terhadap suatu guncangan (shock) tertentu (Firdaus, 2018:166). IRF
mengukur pengaruh suatu shock pada suatu waktu kepada inovasi variabel endogen
pada saat tersebut dan di masa yang akan datang.
9. Forecast Errors Variance Decomposition (FEVD)
Metode yang dapat dilakukan untuk melihat bagaimana perubahan
suatu variabel yang ditunjukan untuk oleh perubahan error variance
dipengaruhi oleh variabel-variabel lainya adalah Forecast Errors Variance
Decomposition FEVD (Firdaus, 2018:168). Dalam metode ini dapat dilihat
kekuatan dan kelemahan masing-masing variabel mempengaruhi variabel
lainya dalam kurun waktu yang panjang.
68
BAB IV
ANALISIS DAN PEMBAHASAN
A. Analisis Statistik Deskriptif
Tabel 4. 1 Hasil Analisis Deskriptif
KREDIT BI_RATE DPK GDP INFLASI KRISIS NILAI_TUKAR
Mean 11.85255 0.059725 15.19445 14.66183 0.045958 0.16 9.441016
Median 12.0351 0.0575 15.21772 14.67224 0.0398 0 9.497127
Maximum 12.81385 0.0775 15.55809 14.85185 0.0879 1 9.7018
Minimum 8.222554 0.04 14.6336 14.43371 0.0196 0 9.121356
Std. Dev 1.006148 0.011875 0.250925 0.114928 0.018037 0.368453 0.14472
Sumber: Eviews 9 (2020)
Berdasarkan Tabel 4.1 untuk analisis statistik deskriptif dapat dijelaskan
sebagai berikut:
a. Hasil Uji statistik Deskriptif untuk variabel kredit sektor konstruksi secara
umum periode 2012-2020 diperoleh nilai rata-rata sebesar 11,85% dengan
nilai maksimum 12,81% dan nilai minimum sebesar 8.3%. Standar deviasi
untuk kredit sektor konstruksi sebesar 1.006148.
b. Hasil Uji statistik Deskriptif untuk variabel BI Rate periode 2012-2020
diperoleh nilai rata-rata sebesar 0,059% dengan nilai maksimum 0,07% dan
nilai minimum sebesar 0,04%. Standar deviasi untuk BI Rate sebesar
0.011875.
c. Hasil Uji statistik Deskriptif untuk variabel Dana Pihak Ketiga (DPK) periode
2012-2020 diperoleh nilai rata-rata sebesar 15.19% dengan nilai maksimum
69
15.55% dan nilai minimum sebesar 14.63%. Standar deviasi untuk Dana Pihak
Ketiga (DPK) sebesar 0.250925.
d. Hasil Uji statistik Deskriptif untuk variabel Produk Domestik Bruto (GDP)
periode 2012-2020 diperoleh nilai rata-rata sebesar 14.66% dengan nilai
maksimum 14.85% dan nilai minimumnya sebesar 14.43%. Standar deviasi
untuk Produk Domestik Bruto (GDP) sebesar 0.114928
e. Hasil Uji statistik Deskriptif untuk Inflasi periode 2012-2020 diperoleh nilai
rata-rata sebesar 0.045% dengan nilai maksimum 0.087% dan nilai minimum
sebesar 0.019%. Standar deviasi untuk variabel Inflasi sebesar 0.018037.
f. Hasil Uji statistik Deskriptif untuk variabel Krisis Ekonomi periode 2012-
2020 diperoleh nilai rata-rata sebesar 0.16% dengan nilai maksimum 1% dan
nilai minimumnya sebesar 0%. Standar deviasi untuk variabel Krisis Ekonomi
sebesar 0.368453.
g. Hasil Uji statistik Deskriptif untuk variabel Nilai Tukar Rupiah terhadap
Dollar AS periode 2012-2020 diperoleh nilai rata-rata sebesar 9.44% dengan
nilai maksimum 9.70% dan nilai minimumnya sebesar 9.12%. Standar deviasi
untuk variabel Nilai Tukar Rupiah terhadap Dollar AS sebesar 0.14472.
h.
70
B. Uji Stasioneritas / Unit Root Test
Uji stasioner dilakukan untuk mengatasi regresi palsu yang terdapat pada
data deret waktu (time series). Data deret waktu umumnya tidak stasioner karena
berisi akar unit (unit root) di levelnya. Penelitian ini menggunakan uji Augmented
Dickey-Fuller untuk menganalisis stasioneritas data yang diteliti. Hasil uji
stasioneritas menunjukkan bahwa semua variabel yang dianalisis tidak stasioner di
tingkat level (ADF statistik < nilai kritis). Data non-stasioner ini kemudian diuji
kembali di tingkat difference, dan hasilnya semua data yang dianalisis stasioner
(ADF statistik > nilai kritis). Dari tabel 4.1 dapat diketahui bahwa semua variabel
tidak stasioner di tingkat level dan harus dilakukan uji stasioneritas pada tingkat
difference sehingga seluruh variabel stasioner.
Tabel 4. 2 Hasil Uji Stasioneritas Data
Level Difference
Variable ADF
Statistic Critical Value
ADF
Statistic Critical Value
Result Result
KK -1.0167 -2.890327 Not
Stationary -7.644272 -2.892200 Stationary
SB -1.0388 -2.890623 Not
Stationary -10.37200 -2.891234 Stationary
DPK -1.3247 -2.894332 Not
Stationary -8.467677 -2.894332 Stationary
KRS -1.9051 -2.890327 Not
Stationary -11.93734 -2.891234 Stationary
PDB -1.4187 -2.894332 Not
Stationary -7.503211 -2.894332 Stationary
INF -1.3985 -2.890926 Not
Stationary -8.053397 -2.892200 Stationary
EXR -1.9987 -2.890327 Not
Stationary -9.490700 -2.891550 Stationary
Sumber : Data sekunder diolah
71
C. Penentuan Lag Optimal
Uji lag optimal bertujuan untuk menganalisis berapa lama reaksi variabel
terhadap variabel lain dan menghilangkan masalah autokorelasi pada model VAR.
Pengujian panjang lag pada penelitian ini didasarkan pada kriteria Akaike
Information Criterion (AIC) terkecil. Pada penelitian ini model VAR diuji dengan
tingkat lag yang berbeda kemudian dibandingkan dengan nilai AIC. Penggunaan
nilai AIC terkecil untuk referensi nilai lag yang optimal. Berdasarkan hasil uji lag
optimum pada tabel 4.2 menunjukkan bahwa model penelitian ini optimal pada
lag 1.
Tabel 4. 3 Hasil Uji Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 918.7973 NA 8.86e-18 -19.39994 -19.21055 -19.32344
1 1661.357 1358.726 3.47e-24 -34.15653 -32.64138* -33.54452*
2 1690.629 49.20225 5.36e-24 -33.73679 -30.89588 -32.58927
3 1752.008 94.02735 4.30e-24 -34.00017 -29.83350 -32.31714
4 1784.509 44.94760 6.64e-24 -33.64912 -28.15669 -31.43058
5 1825.579 50.68224 9.07e-24 -33.48040 -26.66220 -30.72635
6 1947.679 132.4922 2.40e-24 -35.03573 -26.89178 -31.74617
7 2091.066 134.2342* 4.52e-25 -37.04395 -27.57424 -33.21888
8 2166.586 59.45225 4.25e-25* -37.60822* -26.81274 -33.24764
Sumber: Data sekunder diolah
D. Uji Stabilitas VAR
Setelah melakukan uji lag optimum, selanjutnya dilakukan uji stabilitas
VAR. Uji stabilitas VAR berfungsi untuk menganalisis kestabilan model karena
jika hasil penggabungan estimasi VAR dengan model koreksi kesalahan tidak
stabil maka Impulse Response Function (IRF) dan Forecast Error Variance
Decomposition (FEVD) tidak valid. Pengujian stabil atau tidak pada estimasi
72
VAR didasarkan pada pengecekan kondisi stabilitas VAR dalam bentuk
karakteristik akar polinomial. Suatu sistem VAR dikatakan stabil jika semua akar
memiliki modulus kurang dari satu dan semuanya berada pada lingkaran satuan.
Hasil pengujian stabilitas VAR pada tabel 4.3 menunjukkan bahwa sistem VAR
stabil karena modulus memiliki range kurang dari satu yaitu berkisar antara
0.044871-0.960176, sehingga model VAR dapat disimpulkan stabil lag
optimalnya.
Tabel 4. 4 VAR Stability Test Result
Root Modulus
0.959916 - 0.022328i 0.960176
0.959916 + 0.022328i 0.960176
0.937546 0.937546
0.897917 0.897917
0.723567 - 0.116089i 0.732820
0.723567 + 0.116089i 0.732820
0.520951 0.520951
0.350142 - 0.072801i 0.357630
0.350142 + 0.072801i 0.357630
-0.333628 0.333628
0.086986 - 0.253575i 0.268080
0.086986 + 0.253575i 0.268080
0.035827 - 0.027015i 0.044871
0.035827 + 0.027015i 0.044871
No root lies outside the unit circle.
E. Uji Kausalitas Granger
Uji kausalitas Granger dimaksudkan hanya untuk menguji hubungan sebab
akibat diantara variabel dan bukan untuk melakukan estimasi terhadap model.
Untuk menguji kausalitas dapat dilihat apabila probabilitas lebih kecil dari nilai
73
alpha (0,05) maka hipotesis nol diterima yang berarti terdapat hubungan yang
signifikan begitu juga sebaliknya apabila probabilitas lebih besar dari nilai alpha
(0,05) maka hipotesis nol ditolak atau tidak terdapat hubungan antar variabel.
Tabel 4. 5 Hasil Uji Kausalitas Granger
Null Hypothesis: Obs F-Statistic Prob. BI_RATE does not Granger Cause KREDIT 101 0.89565 0.3463
KREDIT does not Granger Cause BI_RATE 3.03834 0.0845 DPK does not Granger Cause KREDIT 101 1.73154 0.1913
KREDIT does not Granger Cause DPK 0.15852 0.6914 GDP does not Granger Cause KREDIT 101 1.85207 0.1767
KREDIT does not Granger Cause GDP 2.43109 0.1222 INFLASI does not Granger Cause KREDIT 101 0.99150 0.3218
KREDIT does not Granger Cause INFLASI 0.00095 0.9755 KRISIS does not Granger Cause KREDIT 101 0.10389 0.7479
KREDIT does not Granger Cause KRISIS 0.14252 0.7066 NILAI_TUKAR does not Granger Cause KREDIT 101 0.39456 0.5314
KREDIT does not Granger Cause NILAI_TUKAR 1.02133 0.3147
Sumber: Eviews 9 data diolah (2020)
Berdasarkan hasil yang ditampilkan pada Tabel 4.4 dapat diambil
kesimpulan bahwa keseluruhan variabel faktor-faktor makroekonomi tidak
memiliki pengaruh yang signifikan terhadap Kredit sektor konstruksi selama
periode penelitian. Hal tersebut dapat dibuktikan melalui nilai probabilitas yang
lebih besar dari nilai alpha (0,05). Begitu pula sebaliknya, Kredit sektor
konstruksi tidak memiliki pengaruh yang signifikan pula terhadap variabel faktor-
faktor makroekonomi selama periode penelitian karena nilai probabilitasnya lebih
besar dari nilai alpha (0,05).
F. Uji Kointegrasi Johansen
74
Uji kointegrasi berfungsi untuk mengetahui hubungan jangka panjang
antar variabel karena selama proses integrasi semua variabel tidak stasioner pada
level tetapi stasioner pada perbedaan. Uji kointegrasi menunjukkan bahwa
persamaan sistem mengalami koreksi kesalahan, yang menggambarkan dinamika
jangka pendek yang konsisten dengan persamaan jangka panjang. Informasi
jangka panjang diperoleh dengan terlebih dahulu menentukan peringkat
kointegrasi untuk menentukan berapa banyak sistem persamaan yang dapat
menjelaskan keseluruhan sistem yang ada.
Uji kointegrasi menggunakan pendekatan kointegrasi Johansen dengan
membandingkan trace statistic dengan nilai kritis 5%. Jika hasil trace statistic
lebih besar dari nilai kritis maka terjadi kointegrasi dalam sistem persamaan. Hasil
pengujian kointegrasi Johansen pada tabel 4 menunjukkan adanya kointegrasi
antara perkembangan kredit dengan faktor-faktor penentunya, yaitu BI Rate (IR),
Inflasi (IFL), Nilai Tukar (EXR), Dana Pihak Ketiga (DPK), Produk Domestik
Bruto (GDP) dan Krisis Ekonomi (CSR) untuk melanjutkan penelitian ini hasil
tersebut akan diperjelas menggunakan analisis Vector Error Correction Model
(VECM).
Tabel 4. 6 Hasil Uji Kointegrasi
Hypothesized No. of CE(s) Eigenvalue
Trace Statistic
0.05 Critical Value Prob.**
None * 0.406458 155.9865 150.5585 0.0237
At most 1 0.291095 103.8217 117.7082 0.2697
At most 2 0.221106 69.41838 88.80380 0.5298
At most 3 0.185830 44.43033 63.87610 0.6731
At most 4 0.125516 23.87176 42.91525 0.8425
At most 5 0.064414 10.45961 25.87211 0.9039
75
At most 6 0.037300 3.801380 12.51798 0.7707
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
G. Hasil Estimasi Jangka Pendek dan Jangka Panjang (VECM)
Berdasarkan hasil analisis VECM pada tabel 4.5 menunjukkan bahwa t-
statistik jangka pendek tidak signifikan, karena nilai t-statistiknya lebih kecil
dibandingkan dengan nilai t-tabel. Hasil tersebut menunjukkan bahwa penggunaan
variabel dalam penelitian ini tidak berpengaruh dalam jangka pendek. Hal tersebut
dapat diartikan bahwa mekanisme transmisi kebijakan moneter memerlukan
waktu yang lambat (time lag) sehingga tidak merespon dalam waktu jangka
pendek.
Time lag masing-masing faktor makroekonomi bisa berbeda. Salah satu
contohnya sektor perbankan akan merespon kenaikan/penurunan BI Rate dengan
kenaikan/penurunan suku bunga perbankan. Namun, apabila perbankan melihat
risiko perekonomian cukup tinggi, respon perbankan terhadap penurunan suku
bunga BI Rate akan lebih lambat. Sebaliknya, apabila perbankan sedang
melakukan konsolidasi untuk memperbaiki permodalan, penurunan suku bunga
kredit dan peningkatan permintaan kredit juga tidak selalu direspon dengan
menaikkan penyaluran kredit secara langsung, karena penurunan suku bunga
kredit perbankan juga tidak selalu direspon oleh meningkatnya permintaan kredit
dari masyarakat apabila prospek perekonomian sedang lesu (Bank Sentral
Republik Indonesia, 2020).
76
Tabel 4. 7 Hasil Estimasi VECM
Short Term
Variable Coefficient [t-statistic]
CointEq1 -0.024 [-0.87963]
D(SB(-1)) 0.713 [0.02866]
D(DPK(-1)) -5.942 [-1.24471]
D(KRS(-1)) 0.235 [0.46689]
D(PDB(-1)) 0.313 [0.09722]
D(INF(-1)) 3.327 [0.40274]
D(EXR(-1)) 2.753 [1.18437]
C 0.014 [0.21707]
Long Term
SB(-1) -71.829 [-2.04722]*
DPK(-1) 78.061 [ 5.45479]*
KRS(-1) 7.679 [ 6.27331]*
PDB(-1) -30.438 [-2.33613]*
INF(-1) 50.279 [ 2.04842]*
EXR(-1) -11.236 [-1.64594]
C 621.488
*significant at 5 percent
BI Rate (SB) berpengaruh negatif signifikan terhadap kredit sektor
konstruksi. Hasil ini berarti jika terjadi kenaikan suku bunga maka akan
berpengaruh pada bunga kredit sehingga mengurangi minat dalam penggunaan
kredit. Dalam hal pemberian kredit kepada publik, perubahan suku bunga akan
mempengaruhi jumlah kredit yang diberikan (da Silva & Pirtouscheg, 2015;
Jiménez dkk., 2020). Semakin tinggi suku bunga kredit, semakin rendah jumlah
penyaluran kredit (Were & Wambua, 2014). Kenaikan suku bunga dapat
mempengaruhi kredit karena sebagian besar perusahaan menginginkan suku
bunga kredit yang rendah dan menghasilkan pendapatan yang lebih besar untuk
pengembalian biaya kredit tersebut.
77
Kemudian variabel Dana Pihak Ketiga (DPK) berpengaruh positif
signifikan terhadap kredit sektor konstruksi. Hasil ini menunjukkan bahwa bank
umum di Indonesia telah menjalankan fungsinya seperti halnya lembaga
keuangan. Perbankan sebagai lembaga perantara antara unit surplus dan unit
defisit dimana sumber dana bank berasal dari masyarakat untuk disalurkan
kembali secara moral kepada masyarakat dalam bentuk kredit (Boukhatem &
Moussa, 2018; Dong dkk., 2020). Penghimpunan dana masyarakat menjadi
sumber dana terbesar yang diandalkan oleh bank (Werner, 2016). Oleh karena itu,
besaran pinjaman bergantung pada dana yang tersedia, terutama dana dari pihak
ketiga (Trimulato, 2019).
Variabel krisis (KRS) berpengaruh positif signifikan terhadap kredit sektor
konstruksi. Secara umum, krisis ekonomi akan mengganggu kegiatan perbankan,
khususnya bank umum, yaitu dengan menaikkan suku bunga. Kenaikan suku
bunga bank umum akan memperketat kredit yang biasanya tidak sepenuhnya
memenuhi kriteria 5C (Character, Capacity, Capital, Condition, and Collateral),
terutama dalam hal agunan (Ashraf dkk., 2020; Bian dkk., 2018). Namun, jika
operasi tidak bergantung pada ekspor-impor, maka tidak akan langsung
terpengaruh oleh fluktuasi nilai tukar (Byström, 2014; Medvedev, 2016). Dengan
skala ekonomi domestik dan bahkan lokal, kegiatan konstruksi menjadi lebih
tangguh dalam menghadapi krisis. Kondisi ini kemungkinan akan mendorong
pertumbuhan kredit meski perekonomian saat ini sedang mengalami krisis.
Variabel Produk Domestik Bruto (PDB) berpengaruh negatif signifikan
terhadap kredit sektor konstruksi. Hasil tersebut menunjukkan bahwa dengan
78
peningkatan GDP maka tingkat konsumsi masyarakat akan meningkat. Oleh
karena itu, jika GDP meningkat maka permintaan kredit juga akan meningkat
yang berguna untuk memenuhi konsumsi masyarakat (Louhichi & Boujelbene,
2016). Sehingga peningkatan konsumsi masyarakat tersebut akan membuat
perusahaan-perusahaan konstruksi tidak dapat memenuhi kebutuhannya dalam
menjalankan pekerjaannya karena banyaknya permohonan kredit oleh masyarakat
yang mana akan menyebabkan suku bunga meningkat (Duican & Pop, 2015).
Variabel inflasi (INF) berpengaruh positif signifikan terhadap kredit
sektor konstruksi. Hasil tersebut dapat diartikan bahwa ketika inflasi meningkat,
jumlah kredit akan meningkat pula. Kenaikan jumlah kredit yang disebabkan
karena terjadinya inflasi maka akan berakibat pada pelemahan nilai mata uang
(Chadwick, 2018; Nahar & Sarker, 2016). Kemudian karena nilai kredit menjadi
murah maka akan menambah jumlah perusahaan konstruksi yang akan
menggunakan kredit tersebut (Musarat dkk., 2020).
Sedangkan variabel nilai tukar (EXR) tidak berpengaruh terhadap kredit
sektor konstruksi dalam waktu jangka panjang. Hal tersebut dapat terjadi karena
lingkup penelitian hanya berskala nasional (dalam negeri), maka nilai tukar tidak
berpengaruh terhadap kredit sektor konstruksi. Nilai tukar hanya dapat
mempengaruhi nilai suku bunga apabila transaksi yang dilakukan dalam skala
yang lebih luas atau internasional.
H. Analisis Impulse Response Function (IRF)
79
Kredit sektor konstruksi (CR) merespon positif guncangan nilai tukar
(EXR) periode kedua sebesar 0,048043 persen, memasuki periode ketiga turun
menjadi 0,041005 persen, pada periode keempat turun kembali menjadi 0,025348
persen, periode kelima menjadi 0,023596 persen. Ini mulai stabil saat memasuki
periode ketiga belas hingga akhir pengamatan.
Kredit sektor konstruksi (KK) merespon negatif guncangan BI Rate (SB)
periode kedua sebesar -0,0088 persen. Memasuki periode ketiga respon menurun
menjadi -0,019475 persen. Pada periode keempat meningkat menjadi -0,0037
persen dan mulai stabil saat memasuki periode kesembilan hingga akhir
pengamatan.
Gambar 4. 1 Guncangan BI Rate dan Nilai Tukar Terhadap Kredit
Kredit sektor konstruksi (KK) merespon positif guncangan produk
domestik bruto (PDB) pada periode kedua sebesar 0,017647 persen, pada periode
ketiga meningkat menjadi 0,030206 persen, periode keempat menjadi 0,033743
persen, periode kelima menjadi 0,041521 persen. Angka tersebut terus meningkat
hingga periode dua puluh empat sebesar 0,099103 persen. Respon kredit di sektor
konstruksi mulai stabil pada periode kedua puluh lima hingga akhir pengamatan.
-.04
-.02
.00
.02
.04
.06
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to BI_RATE
-.04
-.02
.00
.02
.04
.06
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to NILAI_TUKAR
80
Kredit sektor konstruksi (KK) merespon negatif guncangan dana pihak
ketiga (DPK) periode kedua sebesar -0,052592 persen, memasuki periode ketiga
meningkat menjadi -0,032154 persen, periode keempat menjadi -0,020104%, pada
periode kelima mengalami penurunan kembali menjadi -0.032794 persen, periode
keenam sebesar -0.033816 persen, dan mulai stabil saat memasuki periode
kesepuluh hingga akhir pengamatan.
Gambar 4. 2 Guncangan GDP dan DPK Terhadap Kredit
Kredit sektor konstruksi (KK) merespon positif guncangan inflasi (INF)
periode kedua sebesar 0,021892 persen. Memasuki periode ketiga meningkat
menjadi 0,025745 persen. Periode keempat turun menjadi 0,015268 persen, dan
pada periode kelima menjadi 0,013676 persen, kemudian terus menurun hingga
periode ketujuh belas menjadi negatif pada periode kedelapan belas sebesar -
0,0005 persen. Itu mulai stabil dalam periode dua puluh delapan sampai akhir
pengamatan.
Kredit sektor konstruksi merespon (KK) positif terhadap guncangan krisis
(KRS) periode kedua sebesar 0,008997 persen, dan pada periode ketiga sebesar
0,008534 persen. Pada periode keempat, kredit sektor konstruksi direspon negatif
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to GDP
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to DPK
81
sebesar -0,003636 persen; periode kelima menjadi -0,006655 persen dan mulai
stabil saat memasuki periode ketujuh puluh tujuh sampai akhir pengamatan.
Gambar 4. 3 Guncangan Inflasi dan Krisis Terhadap Kredit
I. Analisis Forecast Error Variance Decomposition (FEVD)
Analisis Forecast Error Variance Decomposition (FEVD) dalam penelitian
ini bertujuan untuk menjelaskan kontribusi masing-masing variabel terhadap
kredit sektor konstruksi di Indonesia. Analisis ini akan memberikan informasi
tentang proporsi pengaruh guncangan pada satu variabel terhadap guncangan
terhadap variabel lain pada periode saat ini dan yang akan datang.
Hasil FEVD menunjukkan bahwa kredit sektor konstruksi berkontribusi
100% terhadap kredit sektor konstruksi pada periode pertama. Pada periode kedua
hingga akhir pengamatan, variabel lain mulai berkontribusi terhadap kredit sektor
konstruksi dengan proporsi yang berbeda. Sepanjang pantauan, kontribusi paling
signifikan dalam mempengaruhi keberagaman Kredit sektor konstruksi (KK)
adalah Kredit sektor konstruksi itu sendiri sebesar 95,3%, diikuti oleh Produk
-.08
-.06
-.04
-.02
.00
.02
.04
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to INFLASI
-.08
-.06
-.04
-.02
.00
.02
.04
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to DUMMY
82
Domestik Bruto (PDB) sebesar 2,84%, krisis (KRS) sebesar 1,1%, Dana Pihak
Ketiga (DPK). 0,4%, BI Rate (SB) 0,17%, nilai tukar (EXR) 0,05%, dan terakhir
inflasi (INF) 0,016%.
Gambar 4. 4 Keragaman Setiap Variabel
83
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Dari penelitian yang telah dilakukan dapat disimpulkan bahwa pengaruh
BI Rate (SB), Dana Pihak Ketiga (DPK), Krisis ekonomi (KRS), Inflasi (INF),
Produk Domestik Bruto (PDB) dan Nilai Tukar (EXR) terhadap Kredit sektor
konstruksi (KRS) adalah sebagai berikut :
1) Pengaruh jangka pendek dan jangka panjang Makroekonomi dengan Kredit
sektor konstruksi
Hasil estimasi VECM menunjukkan bahwa BI Rate (SB), Dana Pihak Ketiga
(DPK), krisis ekonomi (KRS), Inflasi (INF), Produk Domestik Bruto (PDB)
tidak berpengaruh terhadap kredit sektor konstruksi dalam waktu jangka
pendek. Sedangkan dalam penelitian jangka penjang keseluruhan variabel
makroekonomi berpengaruh terhadap kredit di sektor konstruksi secara
signifikan kecuali variabel Nilai Tukar (EXR).
2) Analisis respon Kredit sektor konstruksi terhadap guncangan makroekonomi.
Hasil analisis Impulse Response Function (IRF) menunjukkan bahwa
penyaluran kredit sektor konstruksi memberikan respon yang positif terhadap
Nilai tukar (EXR), Produk Domestik Bruto (PDB), Inflasi (INF) serta Krisis
Ekonomi (KRS) dan memberikan respos negatif terhadap BI Rate (SB) dan
Dana Pihak Ketiga (DPK). Respon Kredit di sektor konstruksi (KK) dengan
84
cepat menjadi stabil ketika merespon Inflasi (INF), diikuti oleh Nilai tukar
(EXR), Produk Domestik Bruto (PDB), BI rate (SB), Dana Pihak Ketiga
(DPK), dan Krisis ekonomi (KRS).
3) Analisis Kontribusi setiap variabel terhadap Kredit sektor konstruksi.
Hasil analisis Forecast Error Variance Decomposition (FEVD) menunjukkan
bahwa Kredit sektor konstruksi (KK) memiliki kontribusi paling signifikan
terhadap Kredit sektor konstruksi itu sendiri, diikuti oleh Produk Domestik
Bruto (PDB), Krisis ekonomi (KRS), Dana Pihak Ketiga (DPK), BI Rate
(SB), Nilai tukar (EXR), dan Inflasi (INF).
B. Implikasi
Berdasarkan penelitian yang telah dilakukan, terdapat beberapa hal yang
dapat diimplikasikan dan memberi manfaat bagi pihak-pihak yang
berkepentingan, diantaranya:
1) Akademisi
Penelitian ini diharapkan dapat menjadi gambaran umum terkait pengaruh
faktor-faktor makroekonomi terhadap Kredit sektor konstruksi sehingga dapat
menguji teori-teori dari materi perkuliahan terhadap studi kasus yang terjadi di
perusahaan dalam negeri maupun luar negeri sebagai studi lanjutan.
2) Perbankan
Perbankan harus memperhatikan beberapa hal yang mempengaruhi penyaluran
kredit kepada perusahaan-perusahaan yang membutuhkan terutama yang
bergerak pada sektor konstruksi serta dapat menjadi tambahan referensi bagi
85
perusahaan-perusahaan untuk dapat lebih cermat dalam melakukan analisis
melihat kondisi ekonomi sebelum menggunakan kredit.
3) Pemerintah
Berdasarkan hasil penelitian makalah ini diharapkan agar pemerintah dapat
menjaga stabilitas perekonomian di Indonesia dan mengambil langkah-
langkah untuk mengantisipasi guncangan yang terjadi pada iklim ekonomi
secara cepat.
4) Penulis
Penelitian ini membantu penulis dalam memahami beberapa faktor yang
berkaitan tentang kredit terutama pada sektor konstruksi dan variabel yang
diteliti serta menambah wawasan bagi penulis.
C. Saran
Setelah penelitian dilakukan, berikut beberapa saran yang dapat penulis
sampaikan untuk penelitian selanjutnya, mengingat masih terbatasnya penelitian
ini sehingga penelitian selanjutnya dapat menyempurnakan.
1. Pada penelitian ini penulis menggunakan variabel makroekonomi, yaitu BI
Rate (SB), Dana Pihak Ketiga (DPK), Krisis ekonomi (KRS), Inflasi (INF),
Produk Domestik Bruto (PDB) dan Nilai Tukar (EXR) dengan variabel
dependen, yaitu Kredit sektor konstruksi. Diharapkan penelitian selanjutnya
dapat memasukan variabel lain seperti Harga Minyak, Indeks Harga Saham
dan sebagainya, atau dengan mengganti variabel dependen dengan
menggunakan harga saham konstruksi.
86
2. Dalam penelitian ini, penulis menggunakan objek penelitian yaitu Kredit
sektor konstruksi dengan periode 2012-2020. Diharapkan pada penelitian
selanjutnya dapat menggunakan objek penelitian lain seperti kredit pada sektor
lainnya, atau dengan menggunakan periode waktu yang berbeda.
3. Dalam penelitian ini penulis menggunakan metode penelitian berupa Vector
Autoregression (VAR) dan Vector Error Correction Model (VECM)
menggunakan perangkat lunak Eviews 9 dan Microsoft Excel 2010 sebagai
alat bantu penelitian statistik. Diharapkan penelitian selanjutnya dapat
menggunakan metode analisis yang berbeda serta dengan alat bantu yang
berbeda, karena akan memberikan hasil yang berbeda juga sehingga
memberikan gambaran yang lebih luas.
87
DAFTAR PUSTAKA
Adedokun, A. (2018). The Effects of Oil Shocks on Government Expenditures
and Government Revenues Nexus in Nigeria (with Exogeneity
Restrictions). Future Business Journal, 4(2), 219–232.
https://doi.org/10.1016/j.fbj.2018.06.003
Ashraf, B. N., Zheng, C., Jiang, C., & Qian, N. (2020). Capital Regulation,
Deposit Insurance, and Bank Risk: International Evidence from Normal
and Crisis Periods. Research in International Business and Finance, 52,
1–37. https://doi.org/10.1016/j.ribaf.2020.101188
Anggreni, Made Ria, & Suardhika, I Made Sadha (2014). Pengaruh Dana Pihak
Ketiga, Kecukupan Modal, Risiko Kredit dan Suku Bunga Kredit Pada
Profitabilitas. E-Jurnal Akuntansi Universitas Udayana. 9(1), 27-38.
https://ojs.unud.ac.id/index.php/Akuntansi/article/view/8612
Benczúr, P., Karagiannis, S., & Kvedaras, V. (2019). Finance and Economic
Growth: Financing Structure and Non-Linear Impact. Journal of
Macroeconomics, 62, 1–49. https://doi.org/10.1016/j.jmacro.2018.08.001
Bian, X., Lin, Z., & Liu, Y. (2018). House Price, Loan-to-value Ratio, and Credit
Risk. Journal of Banking and Finance, 92, 1-12.
https://doi.org/10.1016/j.jbankfin.2018.04.006
Boukhatem, J., & Moussa, F. Ben. (2018). The Effect of Islamic Banks on GDP
Growth: Some Evidence from Selected MENA Countries. Borsa Istanbul
Review, 18(3), 231– 247. https://doi.org/10.1016/j.bir.2017.11.004
Byström, H. (2014). The Impact of Currency Movements on Asset Value
Correlations. Journal of International Financial Markets, Institutions, and
Money, 31(1), 178–186. https://doi.org/10.1016/j.intfin.2014.03.014
88
Carreras, O., Davis, E. P., & Piggott, R. (2018). Assessing Macroprudential Tools
in OECD Countries Within a Cointegration Framework. Journal of
Financial Stability, 37, 112– 130. https://doi.org/10.1016/j.jfs.2018.04.004
Chadwick, M. G. (2018). Effectiveness of monetary and macroprudential shocks
on consumer credit growth and volatility in Turkey. Central Bank Review,
18(2), 69–83. https://doi.org/10.1016/j.cbrev.2018.03.001
Chen, H. J., & Lin, K. T. (2016). How Do Banks Make The Trade-offs Among
Risks? The Role of Corporate Governance. Journal of Banking and
Finance, 72(5), 39–69. https://doi.org/10.1016/j.jbankfin.2016.05.010
Chen, Y., He, M., & Rudkin, S. (2017). Understanding Chinese Provincial Real
Estate Investment: A Global VAR Perspective. Economic Modelling,
67(20), 248–260. https://doi.org/10.1016/j.econmod.2016.12.019
Chu, L. K. (2020). Financial Structure and Economic Growth Nexus Revisited.
Borsa Istanbul Review, 20(1), 24–36.
https://doi.org/10.1016/j.bir.2019.08.003Darmayanti, Novi. (2014).
Pengaruh GDP Terhadap Inflasi di Indonesia: Tahun 2000-2012. Jurnal
Manajemen dan Akuntansi. 3(1), 239-244.
http://publishing/widyagama.ac.id/ejournal/v2/index.php/jma/article/view/
244/0
da Silva, G. J. C., & Pirtouscheg, L. A. S. (2015). Basic Interest Rate, Bank
Competition, and Bank Spread in Personal Credit Operations in Brazil: A
Theoretical and Empirical Analysis. Economia, 16(1), 32–45.
http://dx.doi.org/10.1016/j.econ.2014.12.001
Dong, J., Yin, L., Liu, X., Hu, M., Li, X., & Liu, L. (2020). Impact of Internet
Finance on the Performance of Commercial Banks in China. International
Review of Financial Analysis, 72, 1–12.
https://doi.org/10.1016/j.irfa.2020.101579
89
Duican, E. R., & Pop, A. (2015). The Implications of Credit Activity on
Economic Growth in Romania. Procedia Economics and Finance, 30(15),
195–201. https://doi.org/10.1016/s2212-5671(15)01286-1
Gazdar, K., & Cherif, M. (2015). Institutions and the Finance-growth Nexus:
Empirical Evidence from MENA Countries. Borsa Istanbul Review, 15(3),
137–160. https://doi.org/10.1016/j.bir.2015.06.001
Ghenimi, A., Chaibi, H., & Omri, M. A. B. (2017). The Effects of Liquidity Risk
and Credit Risk on Bank Stability: Evidence from the MENA Region.
Borsa Istanbul Review, 17(4), 238–248.
https://doi.org/10.1016/j.bir.2017.05.002
Gil-Alana, L. A., & Carcel, H. (2020). A Fractional Cointegration VAR Analysis
of Exchange Rate Dynamics. North American Journal of Economics and
Finance, 51, 1–9. https://doi.org/10.1016/j.najef.2018.09.006
Jiménez, G., Mian, A., Peydró, J. L., & Saurina, J. (2020). The Real Effects of the
Bank Lending Channel. Journal of Monetary Economics, 115, 162–179.
https://doi.org/10.1016/j.jmoneco.2019.06.002
Kaur, P., & Singh, J. (2020). Price Formation in Indian Gold Market: Analysing
the Role of Gold Exchange Traded Funds (ETFs) Against Spot and
Futures Markets. IIMB Management Review, 32(1), 59–74.
https://doi.org/10.1016/j.iimb.2019.07.017
Kavya, T. B., & Shijin, S. (2020). Economic Development, Financial
Development, and Income Inequality Nexus. Borsa Istanbul Review,
20(1), 80–93. https://doi.org/10.1016/j.bir.2019.12.002
Khan, R. A., Liew, M. S., & Ghazali, Z. Bin. (2014). Malaysian Construction
Sector and Malaysia Vision 2020: Developed Nation Status. Procedia -
Social and Behavioral Sciences, 109, 507–513.
https://doi.org?10.1016/j.sbspro.2013.12.498
90
Khmel, V., & Zhao, S. (2016). Arrangement of Financing for Highway
Infrastructure Projects under the Conditions of Public-Private Partnership.
IATSS Research, 39(2), 138–145. https://doi:10.1016/j.iatssr.2015.05.002
Kodongo, O., & Ojah, K. (2016). Does Infrastructure Explain Economic Growth
in Sub- Saharan Africa?. Review of Development Finance, 6(2), 105–125.
https://doi.org/10.1016/j.rdf.2016.12.001
Le Goff, M., & Singh, R. J. (2014). Does Trade Reduce Poverty? A View from
Africa. Journal of African Trade, 1(2), 1–26.
https://doi.org/10.1016/j.joat.2014.06.001
Lestari, Murti. (2015). Dampak Krisis Ekonomi dan Masuknya Bank Umum Pada
Pasar Kredit Usaha Mikro Kecil Terhadap Kinerja Bank Perkreditan
Rakyat (BPR) DIY. KINERJA, 18(1), 45-63.
https://ojs.uajy.ac.id/index.php/kinerja/article/view/517
Litsareva, E. (2017). Success Factors of Asia-Pacific Fast-Developing Regions
’Technological Innovation Development and Economic Growth’.
International Journal of Innovation Studies, 1(1), 72–88.
https://doi.org/10.3724/sp.j.1440.101006
Louhichi, A., & Boujelbene, Y. (2016). Credit Risk, Managerial Behaviour, and
Macroeconomic Equilibrium within Dual Banking Systems: Interest-free
vs. Interest-based Banking Industries. Research in International Business
and Finance, 38, 104– 121. https://doi.org/10.1016/j.ribaf.2016.03.014
Marinho, E., Campelo, G., França, J., & Araujo, J. (2017). Impact of
Infrastructure Expenses in Strategic Sectors for Brazilian Poverty.
Economia, 18(2), 244–259. https://doi.org/10.1016/j.econ.2017.01.002
Medvedev, D. (2016). The social and economic development of Russia: Finding
new dynamics. Russian Journal of Economics, 2(4), 327–348.
http://dx.doi.org/10.1016/j.ruje.2016.11.001
91
Michail, N. A. (2020). World Economic Growth and Seaborne trade Volume:
Quantifying the Relationship. Transportation Research Interdisciplinary
Perspectives, 4, 1–8. https://doi.org/10.1016/j.trip.2020.100108
Musarat, M. A., Alaloul, W. S., & Liew, M. S. (2020). Impact of Inflation Rate on
Construction Projects Budget: A Review. Ain Shams Engineering Journal,
1–8. https://doi.org/10.1016/j.asej.2020.04.009
Muye, I. M., & Muye, I. Y. (2017). Testing for Causality Among Globalization,
Institution and Financial Development: Further Evidence from Three
Economic Blocs. Borsa Istanbul Review, 17(2), 117–132.
https://doi.org/10.1016/j.bir.2016.10.001
Nahar, S., & Sarker, N. (2016). Are Macroeconomic Factors Substantially
Influential For Islamic Bank Financing? Cross-Country Evidence. IOSR
Journal of Business and Management, 18(6), 2319–7668.
https://doi.org/10.9790/487X-1806012027
Ozili, P. K. (2018). Impact of Digital Finance on Financial Inclusion and Stability.
Borsa Istanbul Review, 18(4), 329–340.
https://doi.org/10.1016/j.bir.2017.12.003
Rothenberg, A., Gaduh, A., Burger, N., Chazali, C., Tjandraningsih, I., Radikun,
R., Weilant, S. (2016). Rethinking Indonesia’s Informal Sector. World
Development, 80, 96–113. https://doi.org/10.1016/j.worlddev.2015.11.005
Salman, A., & Nawaz, H. (2018). Sistem Keuangan Islam dan Perbankan
Konvensional: Perbandingan. Arab Economic and Business Journal,
13(2), 155–167. https://doi.org/10.1016/j.aebj.2018.09.003
Salmanzadeh-Meydani, N., & Fatemi Ghomi, S. M. T. (2019). The Causal
Relationship Among Electricity Consumption, Economic Growth, and
Capital Stock in Iran. Journal of Policy Modeling, 41(6), 1230–1256.
https://doi.org/10.1016/j.jpolmod.2019.05.003
92
Sarkis, N., & Daou, L. (2013). Giving Back to the Community, an Obligation or
an Option Today?—Case of the Educational Sector in Lebanon.
International Strategic Management Review, 1(2), 59–64.
https://doi.org/10.1016/j.ism.2013.09.001
Setiawan, H., Erdogan, B., & Ogunlana, S. O. (2015). Proaktif kontraktor: Studi
kasus di Indonesia. Procedia Engineering, 125, 60–67.
https://doi.org/10.1016/j.proeng.2015.11.010
Singh, A., & Singh, M. (2016). Inter-linkages and Causal Relationships between
the US and BRIC Equity Markets: An Empirical Investigation. Arab
Economic and Business Journal, 11(2), 115–145.
https://doi.org/10.1016/j.aebj.2016.10.003
Stasiak-Betlejewska, R., & Potkány, M. (2015). Construction Costs Analysis and
its Importance to the Economy. Procedia Economics and Finance, 34(15),
35–42. https://doi.org/10.1016/s2212-5671(15)01598-1
Tayssir, O., & Feryel, O. (2018). Does Central Banking Promote Financial
Development?. Borsa Istanbul Review, 18(1), 52–75.
https://doi.org/10.1016/j.bir.2017.09.001
Trimulato, T. (2019). Fintech Lembaga Keuangan Mikro Syariah: Analisis
Kualitatif terhadap Pemanfaatan Teknologi Keuangan pada BPRS dan
BMT. Journal of Islamic Economics, 4(2), 123.
https://doi.org/10.29240/alfalah.v4i2.917
Were, M., & Wambua, J. (2014). What Factors Drive Interest Rate Spread of
Commercial Banks? Empirical Evidence from Kenya. Review of
Development Finance, 4(2), 73–82.
https://doi.org/10.1016/j.rdf.2014.05.005
Werner, R. (2016). A Lost Century in Economics: Three Theories of Banking and
the Conclusive Evidence. International Review of Financial Analysis, 46,
361–379. https://doi.org/10.1016/j.irfa.2015.08.014
93
Yin, L., & Ma, X. (2018). Causality Between Oil Shocks and Exchange Rate: A
Bayesian, graph-based VAR Approach. Physica A: Statistical Mechanics
and Its Applications, 508, 434–453.
https://doi.org/10.1016/j.physa.2018.05.064
LAMPIRAN
A. Lampiran 1: Data Variabel Penelitian
VARIABEL
DEPENDEN VARIABEL INDEPENDEN
Kredit Inflasi BI Rate Nilai Tukar Krisis GDP DPK
11.19715937 0.0365 0.06 9.110674721 1 14.43371 14.59681
11.24084111 0.0356 0.0575 9.105979357 1 14.43371 14.60534
11.28132122 0.0397 0.0575 9.121356141 1 14.43371 14.6336
11.30308059 0.045 0.0575 9.121847899 1 14.47252 14.65587
11.34882882 0.0445 0.0575 9.13309209 1 14.47252 14.68519
11.41618326 0.0453 0.0575 9.14881597 1 14.47252 14.71276
11.43163948 0.0456 0.0575 9.152552348 1 14.50547 14.71977
11.43849282 0.0458 0.0575 9.158899698 1 14.50547 14.73605
11.50286503 0.0431 0.0575 9.164997758 1 14.50547 14.75389
11.4885508 0.0461 0.0575 9.168788945 1 14.48275 14.76537
11.4997997 0.0432 0.0575 9.17092364 1 14.48275 14.78288
11.47128022 0.043 0.0575 9.173883835 1 14.48275 14.81167
11.40595254 0.0457 0.0575 9.175541866 0 14.48764 14.80436
11.41536776 0.0531 0.0575 9.177383202 0 14.48764 14.81567
11.4434146 0.059 0.0575 9.18076737 0 14.48764 14.83377
11.47692516 0.0557 0.0575 9.180952755 0 14.5269 14.85374
11.54261047 0.0547 0.0575 9.185114867 0 14.5269 14.87589
11.59828631 0.059 0.06 9.19682951 0 14.5269 14.9004
94
11.62280177 0.0861 0.065 9.218407743 0 14.55916 14.92114
11.67844838 0.0879 0.07 9.262382386 0 14.55916 14.93634
11.69918924 0.084 0.0725 9.335782888 0 14.55916 14.96203
11.67860938 0.0832 0.0725 9.336629352 0 14.53709 14.96592
11.67676053 0.0837 0.075 9.358975871 0 14.53709 14.98315
11.66212103 0.0838 0.075 9.399703744 0 14.53709 15.00727
11.61784388 0.0822 0.075 9.40624427 0 14.53753 14.99675
11.62838581 0.0775 0.075 9.385293179 0 14.53753 14.99963
11.66454724 0.0732 0.075 9.342438238 0 14.53753 15.01152
11.69488029 0.0725 0.075 9.344775106 0 14.57509 15.02785
11.7113008 0.0732 0.075 9.353817145 0 14.57509 15.04021
11.75993397 0.067 0.075 9.3835455 0 14.57509 15.05914
11.80240342 0.0453 0.075 9.362683705 0 14.6073 15.06685
11.83246951 0.0399 0.075 9.367309932 0 14.6073 15.06781
11.87019423 0.0453 0.075 9.383965894 0 14.6073 15.08563
11.91176199 0.0483 0.075 9.405257273 0 14.58634 15.08473
11.91427545 0.0623 0.0775 9.406351136 0 14.58634 15.0955
11.89999575 0.0836 0.0775 9.428093421 0 14.58634 15.11688
11.86070496 0.0696 0.0775 9.440165551 0 14.58471 15.10602
11.87474515 0.0629 0.075 9.455894911 0 14.58471 15.11453
11.913646 0.0638 0.075 9.478136014 0 14.58471 15.11839
11.94030861 0.0679 0.075 9.467699826 0 14.62141 15.12697
11.95879008 0.0715 0.075 9.483743484 0 14.62141 15.13917
12.00291553 0.0726 0.075 9.496293451 0 14.62141 15.15786
12.01716746 0.0726 0.075 9.501628435 0 14.65399 15.15935
12.02486846 0.0718 0.075 9.532923746 0 14.65399 15.17168
12.05153356 0.0683 0.075 9.577064652 0 14.65399 15.19087
12.06563748 0.0625 0.075 9.53174248 0 14.63658 15.18248
12.06102953 0.0489 0.075 9.524011777 0 14.63658 15.18938
12.0606653 0.0335 0.075 9.534667729 0 14.63658 15.21618
12.0046967 0.0414 0.0725 9.539421073 0 14.63296 15.19755
12.01547494 0.0442 0.07 9.510881906 0 14.63296 15.19375
12.04534035 0.0445 0.0675 9.487737233 0 14.63296 15.20192
12.07199825 0.036 0.0675 9.485696795 0 14.67224 15.20348
12.10365779 0.0333 0.0675 9.502696504 0 14.67224 15.21926
12.16866149 0.0345 0.065 9.497509813 0 14.67224 15.24302
12.16386427 0.0321 0.065 9.480085027 0 14.7031 15.23389
12.18867213 0.0279 0.0525 9.485104364 0 14.7031 15.23772
12.23097987 0.0307 0.05 9.480596491 0 14.7031 15.25354
12.25125631 0.0331 0.0475 9.473542747 0 14.68479 15.25428
12.2551342 0.0358 0.0475 9.496578903 0 14.68479 15.27062
95
12.27726244 0.0302 0.0475 9.502748758 0 14.68479 15.29192
12.23138945 0.0349 0.0475 9.499735975 0 14.68183 15.27714
12.25741669 0.0383 0.0475 9.499189263 0 14.68183 15.276
12.27970872 0.0361 0.0475 9.499473891 0 14.68183 15.29027
12.30039597 0.0417 0.0475 9.495827537 0 14.72115 15.29394
12.32512155 0.0433 0.0475 9.497659879 0 14.72115 15.30282
12.36371294 0.0437 0.0475 9.496744128 0 14.72115 15.31763
12.38073578 0.0388 0.0475 9.499226719 0 14.7525 15.31274
12.39519188 0.0382 0.045 9.499361547 0 14.7525 15.31706
12.42157508 0.0372 0.0425 9.496631477 0 14.7525 15.32923
12.42575822 0.0358 0.0425 9.513876108 0 14.73538 15.33287
12.44874035 0.033 0.0425 9.512605592 0 14.73538 15.34267
12.4643169 0.0361 0.0425 9.513986833 0 14.73538 15.37112
12.41619985 0.0325 0.0425 9.500731272 0 14.73123 15.34857
12.40545205 0.0318 0.0425 9.518596833 0 14.73123 15.35503
12.44789663 0.034 0.0425 9.529324871 0 14.73123 15.37223
12.4546539 0.0341 0.0425 9.533249617 0 14.77247 15.37957
12.49633638 0.0323 0.0475 9.549793874 0 14.77247 15.40051
12.53256309 0.0312 0.0525 9.547526639 0 14.77247 15.41976
12.55105854 0.0318 0.0525 9.575427831 0 14.80288 15.42013
12.5677217 0.032 0.055 9.586850296 0 14.80288 15.43143
12.58063515 0.0288 0.0575 9.606959806 0 14.80288 15.44868
12.62913861 0.0316 0.0575 9.628497922 0 14.78587 15.45815
12.64533352 0.0323 0.06 9.591464972 0 14.78587 15.45648
12.66380441 0.0313 0.06 9.581386553 0 14.78587 15.48225
12.63469097 0.0282 0.06 9.549166978 0 14.78065 15.46159
12.65704635 0.0257 0.06 9.547883464 0 14.78065 15.46954
12.68781029 0.0248 0.06 9.563318491 0 14.78065 15.48156
12.69795395 0.0283 0.06 9.56036324 0 14.82175 15.48434
12.74417875 0.0332 0.06 9.575052928 0 14.82175 15.50536
12.76093142 0.0328 0.06 9.559905098 0 14.82175 15.51436
12.7774363 0.0332 0.0575 9.551544282 0 14.85185 15.51159
12.79595711 0.0349 0.055 9.563177963 0 14.85185 15.51387
12.81384711 0.0339 0.0525 9.558035114 0 14.85185 15.52465
12.80179992 0.0313 0.05 9.551089165 0 14.83432 15.52138
12.7986423 0.03 0.05 9.552631375 0 14.83432 15.52465
12.80014783 0.0272 0.05 9.541010092 0 14.83432 15.54131
8.222553638 0.0268 0.04 9.520996523 1 14.80988 15.52077
8.243808424 0.0298 0.04 9.568818689 1 14.80988 15.52717
8.272059622 0.0296 0.0425 9.701799673 1 14.80988 15.55809
8.286521374 0.0267 0.045 9.631324409 1 14.76703 15.54006
96
8.271804031 0.0219 0.045 9.591485437 1 14.76703 15.53576
8.303257121 0.0196 0.045 9.579846655 1 14.76703 15.52917
B. Lampiran 2: Hasil Uji Penelitian VAR/VECM
2. Uji Stasioneritas
a. Tingkat Level
Null Hypothesis: KREDIT has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.016701 0.7451
Test critical values: 1% level -3.496346
5% level -2.890327
10% level -2.582196
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: BI_RATE has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.038817 0.7369
Test critical values: 1% level -3.497029
5% level -2.890623
10% level -2.582353
97
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: DPK has a unit root
Exogenous: Constant
Lag Length: 12 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.324690 0.6151
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: KRISIS has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.905099 0.3288
Test critical values: 1% level -3.496346
5% level -2.890327
10% level -2.582196
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: GDP has a unit root
Exogenous: Constant
Lag Length: 12 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.418738 0.5697
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values. Null Hypothesis: INFLASI has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.*
98
Augmented Dickey-Fuller test statistic -1.398542 0.5801
Test critical values: 1% level -3.497727
5% level -2.890926
10% level -2.582514
*MacKinnon (1996) one-sided p-values. Null Hypothesis: NILAI_TUKAR has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.998693 0.2871
Test critical values: 1% level -3.496346
5% level -2.890327
10% level -2.582196
*MacKinnon (1996) one-sided p-values.
b. Tingkat First Difference
Null Hypothesis: D(KREDIT) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.968363 0.0000
Test critical values: 1% level -3.497029
5% level -2.890623
10% level -2.582353
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(BI_RATE) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.128492 0.0000
Test critical values: 1% level -3.497029
5% level -2.890623
10% level -2.582353
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(DPK) has a unit root
Exogenous: Constant
99
Lag Length: 11 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.641267 0.8549
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(KRISIS) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.899495 0.0000
Test critical values: 1% level -3.497029
5% level -2.890623
10% level -2.582353
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(GDP) has a unit root
Exogenous: Constant
Lag Length: 11 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 1.337307 0.9987
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(INFLASI) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.745838 0.0000
Test critical values: 1% level -3.497727
5% level -2.890926
10% level -2.582514
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(NILAI_TUKAR) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.*
100
Augmented Dickey-Fuller test statistic -8.979707 0.0000
Test critical values: 1% level -3.497029
5% level -2.890623
10% level -2.582353
*MacKinnon (1996) one-sided p-values.
c. Tingkat Second Difference
Null Hypothesis: D(KREDIT,2) has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.644272 0.0000
Test critical values: 1% level -3.500669
5% level -2.892200
10% level -2.583192
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(BI_RATE,2) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -10.37200 0.0000
Test critical values: 1% level -3.498439
5% level -2.891234
10% level -2.582678
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(DPK,2) has a unit root
101
Exogenous: Constant
Lag Length: 10 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.467677 0.0000
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(KRISIS,2) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -11.93734 0.0001
Test critical values: 1% level -3.498439
5% level -2.891234
10% level -2.582678
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(GDP,2) has a unit root
Exogenous: Constant
Lag Length: 10 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.503211 0.0000
Test critical values: 1% level -3.505595
5% level -2.894332
10% level -2.584325
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(INFLASI,2) has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.053397 0.0000
Test critical values: 1% level -3.500669
5% level -2.892200
10% level -2.583192
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(NILAI_TUKAR,2) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=12)
102
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.490700 0.0000
Test critical values: 1% level -3.499167
5% level -2.891550
10% level -2.582846
*MacKinnon (1996) one-sided p-values.
3. Uji Lag Optimal
VAR Lag Order Selection Criteria
Endogenous variables: KREDIT BI_RATE DPK DUMMY GDP INFLASI NILAI_TUKAR
Exogenous variables: C
Date: 09/29/20 Time: 15:28
Sample: 2012M01 2020M12
Included observations: 94 Lag LogL LR FPE AIC SC HQ 0 918.7973 NA 8.86e-18 -19.39994 -19.21055 -19.32344
1 1661.357 1358.726 3.47e-24 -34.15653 -32.64138* -33.54452*
2 1690.629 49.20225 5.36e-24 -33.73679 -30.89588 -32.58927
3 1752.008 94.02735 4.30e-24 -34.00017 -29.83350 -32.31714
4 1784.509 44.94760 6.64e-24 -33.64912 -28.15669 -31.43058
5 1825.579 50.68224 9.07e-24 -33.48040 -26.66220 -30.72635
6 1947.679 132.4922 2.40e-24 -35.03573 -26.89178 -31.74617
7 2091.066 134.2342* 4.52e-25 -37.04395 -27.57424 -33.21888
8 2166.586 59.45225 4.25e-25* -37.60822* -26.81274 -33.24764 * indicates lag order selected by the criterion
4. Uji Stabilitas VAR
Roots of Characteristic Polynomial Endogenous variables: KREDIT BI_RATE DPK DUMMY GDP INFLASI NILAI_TUKAR
103
Exogenous variables: C
Lag specification: 1 2
Date: 09/29/20 Time: 15:26 Root Modulus 0.959916 - 0.022328i 0.960176
0.959916 + 0.022328i 0.960176
0.937546 0.937546
0.897917 0.897917
0.723567 - 0.116089i 0.732820
0.723567 + 0.116089i 0.732820
0.520951 0.520951
0.350142 - 0.072801i 0.357630
0.350142 + 0.072801i 0.357630
-0.333628 0.333628
0.086986 - 0.253575i 0.268080
0.086986 + 0.253575i 0.268080
0.035827 - 0.027015i 0.044871
0.035827 + 0.027015i 0.044871 No root lies outside the unit circle.
VAR satisfies the stability condition.
5. Uji Kointegrasi
Date: 09/29/20 Time: 15:29
Sample (adjusted): 2012M03 2020M06
Included observations: 100 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: KREDIT BI_RATE DPK DUMMY GDP INFLASI NILAI_TUKAR
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.406458 155.9865 150.5585 0.0237
At most 1 0.291095 103.8217 117.7082 0.2697
At most 2 0.221106 69.41838 88.80380 0.5298
At most 3 0.185830 44.43033 63.87610 0.6731
At most 4 0.125516 23.87176 42.91525 0.8425
At most 5 0.064414 10.45961 25.87211 0.9039
At most 6 0.037300 3.801380 12.51798 0.7707 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
104
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.406458 52.16471 50.59985 0.0340
At most 1 0.291095 34.40337 44.49720 0.4006
At most 2 0.221106 24.98804 38.33101 0.6725
At most 3 0.185830 20.55858 32.11832 0.6076
At most 4 0.125516 13.41215 25.82321 0.7713
At most 5 0.064414 6.658227 19.38704 0.9225
At most 6 0.037300 3.801380 12.51798 0.7707 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
6. Uji Estimasi Vector Errorr Correction Model (VECM)
Vector Error Correction Estimates
Date: 09/29/20 Time: 15:31
Sample (adjusted): 2012M03 2020M06
Included observations: 100 after adjustments
Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 KREDIT(-1) 1.000000
BI_RATE(-1) -71.82979
(35.0865)
[-2.04722]
DPK(-1) 78.06188
(14.3107)
[ 5.45479]
DUMMY(-1) 7.679688
(1.22418)
[ 6.27331]
GDP(-1) -30.43884
(13.0296)
[-2.33613]
INFLASI(-1) 50.27938
105
(24.5454)
[ 2.04842]
NILAI_TUKAR(-1) -11.23699
(6.82711)
[-1.64594]
@TREND(12M01) -0.442813
(0.11697)
[-3.78554]
C -621.4884 Error Correction: D(KREDIT) D(BI_RATE) D(DPK) D(DUMMY) D(GDP) D(INFLASI) D(NILAI_TUKAR) CointEq1 -0.024297 -4.85E-05 -0.003847 -0.006392 -0.000712 -0.000703 -0.001095
(0.02762) (0.00012) (0.00061) (0.00861) (0.00090) (0.00034) (0.00136)
[-0.87963] [-0.40009] [-6.29835] [-0.74238] [-0.78700] [-2.08143] [-0.80358]
D(KREDIT(-1)) 0.047195 -0.000739 0.002242 0.013405 0.001083 -0.002066 -0.012184
(0.16006) (0.00070) (0.00354) (0.04989) (0.00524) (0.00196) (0.00789)
[ 0.29486] [-1.05178] [ 0.63354] [ 0.26871] [ 0.20649] [-1.05505] [-1.54334]
D(BI_RATE(-1)) 0.713374 0.333126 1.131688 2.235116 0.130226 0.088163 1.869826
(24.8886) (0.10929) (0.55036) (7.75758) (0.81532) (0.30452) (1.22761)
[ 0.02866] [ 3.04804] [ 2.05625] [ 0.28812] [ 0.15972] [ 0.28951] [ 1.52315]
D(DPK(-1)) -5.942538 0.009665 -0.225119 -1.039437 0.302273 0.022007 -0.166825
(4.77422) (0.02096) (0.10557) (1.48808) (0.15640) (0.05841) (0.23548)
[-1.24471] [ 0.46099] [-2.13236] [-0.69851] [ 1.93273] [ 0.37673] [-0.70844]
D(DUMMY(-1)) 0.235797 0.000369 0.026155 0.062295 0.005205 -0.002722 0.014648
(0.50503) (0.00222) (0.01117) (0.15742) (0.01654) (0.00618) (0.02491)
[ 0.46689] [ 0.16646] [ 2.34200] [ 0.39573] [ 0.31459] [-0.44052] [ 0.58805]
D(GDP(-1)) 0.313200 -0.013253 -0.012545 -0.190397 -0.083920 -0.018985 0.250179
(3.22151) (0.01415) (0.07124) (1.00412) (0.10553) (0.03942) (0.15890)
[ 0.09722] [-0.93683] [-0.17611] [-0.18962] [-0.79520] [-0.48166] [ 1.57447]
D(INFLASI(-1)) 3.327894 0.055225 0.123058 -0.640943 0.205541 0.220942 0.424002
(8.26316) (0.03629) (0.18272) (2.57556) (0.27069) (0.10110) (0.40757)
[ 0.40274] [ 1.52196] [ 0.67346] [-0.24886] [ 0.75932] [ 2.18532] [ 1.04031]
D(NILAI_TUKAR(-
1)) 2.753702 0.016375 0.041127 0.008089 -0.228877 0.002581 0.109686
(2.32504) (0.01021) (0.05141) (0.72470) (0.07617) (0.02845) (0.11468)
[ 1.18437] [ 1.60382] [ 0.79992] [ 0.01116] [-3.00500] [ 0.09072] [ 0.95645]
C 0.014111 -0.000214 0.011449 0.010989 0.001956 -0.000331 0.004930
(0.06501) (0.00029) (0.00144) (0.02026) (0.00213) (0.00080) (0.00321)
[ 0.21707] [-0.74929] [ 7.96465] [ 0.54235] [ 0.91870] [-0.41579] [ 1.53744] R-squared 0.030327 0.203648 0.340276 0.012628 0.115499 0.122387 0.124981
Adj. R-squared -0.054919 0.133639 0.282278 -0.074174 0.037741 0.045234 0.048057
Sum sq. resids 20.32643 0.000392 0.009939 1.974745 0.021813 0.003043 0.049451
S.E. equation 0.472618 0.002075 0.010451 0.147311 0.015482 0.005783 0.023311
F-statistic 0.355758 2.908892 5.867062 0.145476 1.485364 1.586296 1.624723
106
Log likelihood -62.23144 480.5829 318.9271 54.34270 279.6273 378.1111 238.7031
Akaike AIC 1.424629 -9.431658 -6.198542 -0.906854 -5.412546 -7.382222 -4.594062
Schwarz SC 1.659094 -9.197193 -5.964077 -0.672389 -5.178080 -7.147757 -4.359597
Mean dependent -0.029376 -0.000125 0.009238 0.000000 0.003333 -0.000160 0.004739
S.D. dependent 0.460151 0.002230 0.012336 0.142134 0.015783 0.005918 0.023893 Determinant resid covariance (dof
adj.) 2.02E-24
Determinant resid covariance 1.04E-24
Log likelihood 1767.816
Akaike information criterion -33.93632
Schwarz criterion -32.08665
7. Uji Impulse Response Function (IRF)
Period BI_RATE DPK DUMMY GDP INFLASI NILAI_TUKAR 1 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2 -0.008800 -0.052592 0.008997 0.017647 0.021892 0.048043
3 -0.019475 -0.032154 0.008534 0.030206 0.025745 0.041005
4 -0.003108 -0.020104 -0.003636 0.033743 0.015268 0.025348
5 -0.005781 -0.032794 -0.006655 0.041521 0.013676 0.023596
6 -0.011194 -0.033816 -0.012403 0.048556 0.013749 0.025519
7 -0.011089 -0.029936 -0.019699 0.052831 0.010726 0.023427
8 -0.011342 -0.032252 -0.023659 0.058531 0.009022 0.021236
9 -0.013429 -0.033290 -0.027484 0.063764 0.008492 0.019725
10 -0.014433 -0.032645 -0.032096 0.067639 0.006999 0.018239
11 -0.015408 -0.033368 -0.035779 0.071473 0.005536 0.017083
12 -0.016719 -0.033994 -0.038884 0.075206 0.004599 0.016046
13 -0.017682 -0.034002 -0.041979 0.078384 0.003659 0.014917
14 -0.018501 -0.034303 -0.044749 0.081268 0.002728 0.013934
15 -0.019402 -0.034680 -0.047187 0.083958 0.001946 0.013118
16 -0.020191 -0.034854 -0.049457 0.086362 0.001217 0.012340
17 -0.020865 -0.035047 -0.051515 0.088535 0.000536 0.011617
18 -0.021511 -0.035272 -0.053357 0.090527 -5.89E-05 0.010978
19 -0.022102 -0.035440 -0.055042 0.092327 -0.000600 0.010396
20 -0.022626 -0.035590 -0.056575 0.093954 -0.001101 0.009864
21 -0.023107 -0.035742 -0.057958 0.095436 -0.001551 0.009385
22 -0.023546 -0.035873 -0.059214 0.096781 -0.001958 0.008949
23 -0.023942 -0.035989 -0.060356 0.097998 -0.002329 0.008553
107
24 -0.024301 -0.036098 -0.061390 0.099103 -0.002665 0.008195
25 -0.024629 -0.036196 -0.062328 0.100105 -0.002969 0.007870
26 -0.024925 -0.036284 -0.063179 0.101014 -0.003246 0.007574
27 -0.025194 -0.036365 -0.063951 0.101839 -0.003497 0.007306
28 -0.025438 -0.036438 -0.064651 0.102587 -0.003724 0.007064
29 -0.025659 -0.036504 -0.065287 0.103266 -0.003930 0.006843
30 -0.025860 -0.036564 -0.065863 0.103881 -0.004118 0.006644
31 -0.026042 -0.036619 -0.066385 0.104440 -0.004287 0.006462
32 -0.026208 -0.036668 -0.066860 0.104946 -0.004441 0.006298
33 -0.026357 -0.036713 -0.067290 0.105405 -0.004581 0.006149
34 -0.026493 -0.036754 -0.067680 0.105822 -0.004708 0.006014
35 -0.026617 -0.036791 -0.068033 0.106200 -0.004823 0.005891
36 -0.026729 -0.036824 -0.068354 0.106543 -0.004927 0.005780
37 -0.026830 -0.036855 -0.068646 0.106854 -0.005022 0.005679
38 -0.026922 -0.036882 -0.068910 0.107136 -0.005107 0.005587
39 -0.027006 -0.036907 -0.069149 0.107392 -0.005185 0.005504
40 -0.027081 -0.036930 -0.069366 0.107624 -0.005256 0.005429
41 -0.027150 -0.036950 -0.069564 0.107835 -0.005320 0.005360
42 -0.027212 -0.036969 -0.069742 0.108026 -0.005378 0.005298
43 -0.027269 -0.036986 -0.069904 0.108199 -0.005431 0.005242
44 -0.027320 -0.037001 -0.070052 0.108356 -0.005478 0.005191
45 -0.027367 -0.037015 -0.070185 0.108499 -0.005522 0.005145
46 -0.027409 -0.037028 -0.070306 0.108628 -0.005561 0.005103
47 -0.027447 -0.037039 -0.070416 0.108745 -0.005597 0.005065
48 -0.027482 -0.037049 -0.070515 0.108852 -0.005629 0.005030
49 -0.027513 -0.037059 -0.070606 0.108948 -0.005658 0.004999
50 -0.027542 -0.037067 -0.070688 0.109036 -0.005685 0.004970
51 -0.027568 -0.037075 -0.070762 0.109115 -0.005709 0.004945
52 -0.027591 -0.037082 -0.070829 0.109187 -0.005731 0.004921
53 -0.027613 -0.037089 -0.070890 0.109252 -0.005751 0.004900
54 -0.027632 -0.037094 -0.070946 0.109312 -0.005769 0.004881
55 -0.027649 -0.037100 -0.070996 0.109365 -0.005785 0.004863
56 -0.027665 -0.037104 -0.071042 0.109414 -0.005800 0.004847
57 -0.027680 -0.037109 -0.071083 0.109458 -0.005814 0.004833
58 -0.027693 -0.037113 -0.071121 0.109498 -0.005826 0.004820
59 -0.027705 -0.037116 -0.071155 0.109535 -0.005837 0.004808
60 -0.027716 -0.037119 -0.071186 0.109568 -0.005847 0.004798
108
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to BI_RATE
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to DPK
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to DUMMY
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to GDP
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to INFLASI
-.08
-.04
.00
.04
.08
.12
5 10 15 20 25 30 35 40 45 50 55 60
Response of KREDIT to NILAI_TUKAR
Response to Cholesky One S.D. Innovations
109
8. Uji Forecast Error Variance Decomposition (FEVD)
Period S.E. KREDIT BI_RATE DPK DUMMY GDP INFLASI NILAI_TUKAR 1 0.493218 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2 0.698978 98.76719 0.015851 0.566131 0.016567 0.063742 0.098092 0.472431
3 0.854726 98.52636 0.062516 0.520126 0.021047 0.167522 0.156329 0.546101
4 0.980674 98.62673 0.048494 0.437130 0.017363 0.245646 0.142991 0.481645
5 1.095625 98.59813 0.041636 0.439808 0.017600 0.340421 0.130142 0.432262
6 1.204623 98.52193 0.043077 0.442623 0.025159 0.444076 0.120683 0.402454
7 1.308655 98.46368 0.043681 0.427375 0.043976 0.539252 0.108976 0.373057
8 1.406450 98.38242 0.044320 0.422595 0.066371 0.640055 0.098463 0.345780
9 1.499572 98.28487 0.047007 0.421023 0.091976 0.743835 0.089821 0.321470
10 1.589478 98.18602 0.050085 0.416922 0.122640 0.843153 0.081886 0.299299
11 1.676325 98.08221 0.053478 0.414463 0.155816 0.939842 0.074712 0.279475
12 1.760272 97.97413 0.057521 0.413170 0.190105 1.034875 0.068438 0.261764
13 1.841714 97.86599 0.061763 0.411522 0.225616 1.126512 0.062914 0.245685
14 1.920877 97.75836 0.066054 0.410193 0.261674 1.214570 0.058037 0.231114
15 1.997921 97.65157 0.070488 0.409297 0.297662 1.299295 0.053742 0.217944
16 2.073020 97.54684 0.074960 0.408447 0.333404 1.380415 0.049953 0.205983
17 2.146302 97.44468 0.079379 0.407696 0.368635 1.457917 0.046607 0.195087
18 2.217873 97.34531 0.083746 0.407100 0.403105 1.531945 0.043647 0.185149
19 2.287842 97.24906 0.088035 0.406576 0.436706 1.602533 0.041025 0.176062
20 2.356299 97.15614 0.092214 0.406108 0.469349 1.669761 0.038698 0.167733
21 2.423323 97.06659 0.096275 0.405709 0.500947 1.733772 0.036628 0.160083
22 2.488987 96.98045 0.100212 0.405357 0.531463 1.794691 0.034783 0.153040
23 2.553359 96.89775 0.104015 0.405042 0.560878 1.852642 0.033134 0.146543
24 2.616500 96.81841 0.107682 0.404762 0.589184 1.907765 0.031658 0.140537
25 2.678466 96.74239 0.111212 0.404513 0.616387 1.960196 0.030333 0.134972
26 2.739310 96.66959 0.114606 0.404288 0.642504 2.010068 0.029141 0.129808
27 2.799081 96.59991 0.117865 0.404085 0.667557 2.057512 0.028066 0.125005
28 2.857824 96.53325 0.120992 0.403901 0.691574 2.102656 0.027094 0.120529
29 2.915581 96.46950 0.123992 0.403733 0.714587 2.145622 0.026212 0.116352
30 2.972393 96.40854 0.126866 0.403579 0.736631 2.186528 0.025412 0.112447
31 3.028297 96.35024 0.129621 0.403438 0.757741 2.225486 0.024683 0.108789
32 3.083327 96.29450 0.132260 0.403309 0.777955 2.262604 0.024017 0.105357
33 3.137519 96.24119 0.134788 0.403189 0.797309 2.297983 0.023408 0.102133
34 3.190902 96.19020 0.137209 0.403079 0.815842 2.331719 0.022849 0.099100
35 3.243508 96.14143 0.139529 0.402976 0.833589 2.363904 0.022335 0.096241
36 3.295363 96.09475 0.141751 0.402880 0.850586 2.394623 0.021861 0.093544
37 3.346496 96.05008 0.143880 0.402791 0.866869 2.423959 0.021423 0.090995
38 3.396930 96.00731 0.145921 0.402708 0.882471 2.451987 0.021018 0.088583
39 3.446691 95.96635 0.147877 0.402630 0.897424 2.478780 0.020642 0.086299
40 3.495802 95.92710 0.149752 0.402557 0.911760 2.504406 0.020292 0.084132
41 3.544283 95.88948 0.151551 0.402488 0.925509 2.528928 0.019966 0.082075
42 3.592156 95.85341 0.153278 0.402423 0.938699 2.552407 0.019661 0.080120
43 3.639441 95.81881 0.154935 0.402361 0.951358 2.574898 0.019376 0.078259
44 3.686157 95.78561 0.156526 0.402303 0.963513 2.596456 0.019109 0.076486
45 3.732321 95.75373 0.158054 0.402249 0.975187 2.617130 0.018858 0.074796
46 3.777951 95.72311 0.159522 0.402197 0.986404 2.636967 0.018622 0.073182
47 3.823063 95.69368 0.160934 0.402147 0.997187 2.656011 0.018400 0.071641
48 3.867673 95.66539 0.162292 0.402100 1.007557 2.674303 0.018189 0.070167
49 3.911795 95.63818 0.163598 0.402055 1.017534 2.691883 0.017991 0.068756
50 3.955445 95.61200 0.164856 0.402013 1.027137 2.708787 0.017802 0.067405
51 3.998636 95.58679 0.166067 0.401972 1.036385 2.725050 0.017624 0.066110
110
52 4.041381 95.56252 0.167234 0.401933 1.045294 2.740704 0.017454 0.064867
53 4.083692 95.53912 0.168358 0.401896 1.053880 2.755779 0.017292 0.063674
54 4.125582 95.51657 0.169443 0.401860 1.062160 2.770304 0.017139 0.062527
55 4.167062 95.49482 0.170489 0.401826 1.070146 2.784307 0.016992 0.061425
56 4.208143 95.47383 0.171498 0.401793 1.077854 2.797812 0.016852 0.060364
57 4.248836 95.45356 0.172473 0.401762 1.085296 2.810845 0.016718 0.059343
58 4.289152 95.43399 0.173415 0.401731 1.092485 2.823426 0.016589 0.058359
59 4.329099 95.41509 0.174325 0.401702 1.099431 2.835579 0.016466 0.057410
60 4.368687 95.39681 0.175204 0.401674 1.106147 2.847322 0.016348 0.056495