mekanisme transmisi kebijakan moneter syariah

MEKANISME TRANSMISI KEBIJAKAN MONETER SYARIAH

Diajukan oleh :

Fitri Zaelina

13918018

PROGRAM PASCASARJANA FAKULTAS EKONOMI

PROGRAM STUDI MAGISTER EKONOMI KEUANGAN ISLAM

UNIVERSITAS ISLAM INDONESIA

YOGYAKARTA

2017

2


Tesis S-2

Program Magister Ekonomi & Keuangan

Diajukan oleh :

Fitri Zaelina

13918018

PROGRAM PASCASARJANA FAKULTAS EKONOMI

PROGRAM STUDI MAGISTER EKONOMI KEUANGAN ISLAM

UNIVERSITAS ISLAM INDONESIA

YOGYAKARTA

2017

3

PERNYATAAN BEBAS PLAGIARISME

“Dengan ini saya menyatakan bahwa dalam penulisan tesis ini tidak terdapat karya

yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu perguruan tinggi, dan

sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau

diterbitkan oleh orang lain , kecuali yang secara tertulis diacu dalam naskah ini

dandisebutkan dalam referensi. Apabila dikemudian hari terbukti bahwa pernyataan ini tidak

benar, maka saya sanggup menerima hukuman/sanksi apapun sesuai peraturan yang beraku”.

Yogyakarta,.............................

Fitri Zaelina

6

KATA PENGANTAR

Alhamdulillah segala puji bagi Allah SWT yang menciptakan segala yang ada di

dunia ini dengan begitu sempurna. Serta melimpahkan segala rahmat dan karunia kepada

umat manusia sehingga penulis dapat menyelesaikan tesis ini dengan judul “Mekanisme

Transmisi Kebijakan Moneter Syariah”. Tesis ini tidak akan pernah selesai tanpa adanya

dukungan, bimbingan, bantuan serta doadari berbagai pihak selama penyusunan tesis ini.oleh

sebab itu, dalam kesempatan ini penulis mengucapkan terimakasih kepada:

1. Drs. Agus Widarjono, MA., Ph.D. selaku pembimbing tesis yang telah memberikan

ilmu dan membimbing penulis dengan sabar sehingga penyusunan tesis ini dapat

terselesaikan dengan baik.

2. Ayahanda Bejo Purnomo dan Ibunda Junaidah, serta saudara-saudara saya Dwi

Nastiti dan Ahmad Syuraih yang telah memberikan dukungan, semangat dan doa

selama penyusunan tesis ini sehingga penulis mampu menyelesaikan tesis ini.

3. Teman-teman yang selalu membantu dalam mengerjakan tesis ini yang tidak mungkin

saya sebutkan satu-persatu. Terimakasih atas dukungan dan bantuan kalian selama

pengerjaan tesis ini.

Akhir kata penulis menyadari bahwa penulisan tesis ini masih banyak kekurangan dan

jauh dari kata sempurna. Namun demikian penulis berharap semoga tesis ini dapat

memberikan manfaat bagi pembaca serta dapat dipergunakan sebagai bahan masukan untuk

pengkajian lebih lanjut.

Yogyakarta, 31 Maret 2017

Fitri Zaelina

7

DAFTAR ISI

HALAMAN SAMPUL............................................................................................. i

HALAMAN JUDUL ................................................................................................ ii

PERNYATAAN BEBAS PLAGIARISME ............................................................ iii

HALAMAN PERSETUJUAN ................................................................................ iv

KATA PENGANTAR .............................................................................................. vi

DAFTAR ISI............................................................................................................. vii

DAFTAR TABEL .................................................................................................... ix

DAFTAR GAMBAR ................................................................................................ x

ABSTRAK ................................................................................................................ xi

BAB I PENDAHULUAN

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

1.2 Rumusan Masalah ................................................................................................ 5

1.3 Tujuan Penelitian ................................................................................................ 6

1.4 Manfaat Penelitian ............................................................................................... 6

1.5 Sistematika Penulisan .......................................................................................... 6

BAB II KAJIAN PUSTAKA

2.1 Kebijakan Moneter............................................................................................... 8

2.2 Kebijakan Moneter dalam Ekonomi Makro ........................................................ 8

2.3 Instrumen-Instrumen Pengendalian Moneter ....................................................... 11

2.4 Mekanisme Transmisi Kebijakan Moneter .......................................................... 13

2.5 Tahapan Mekanisme Transmisi Kebijakan Moneter ........................................... 19

2.6 Mekanisme Transmisi Kebijakan Moneter Syariah ............................................ 20

2.7 Penelitian Terdahulu ............................................................................................ 24

2.8 Kerangka Pemikiran............................................................................................. 29

2.9 Hipotesis .............................................................................................................. 30

BAB III METODE PENELITIAN

3.1 Jenis dan Sumber Data ......................................................................................... 31

3.2 Variabel Penelitian dan Definisi Operasional ...................................................... 32

3.3 Metode Analisis ................................................................................................... 37

3.3.1 Vector Autoregression (VAR) ................................................................ 37

3.3.2 Model Umum Vector Autoregression (VAR) ........................................ 38

8

3.4 Pengujian Estimasi VAR ..................................................................................... 39

3.4.1 Uji Stasioneritas Data ............................................................................. 39

3.4.2 Uji Kointegrasi ........................................................................................ 40

3.5 Metode Vector Error Correction Model (VECM) ............................................... 42

3.5.1 Model Umum VECM ............................................................................. 43

3.6 Estimasi VAR-VECM ......................................................................................... 43

3.6.1 Impluse Responses Function (IRF)......................................................... 43

3.6.2 Variance Decomposition......................................................................... 44

3.6.3 Uji Kusalitas ........................................................................................... 44

3.7 Model Penelitian .................................................................................................. 45

BAB IV ANALISIS dan PEMBAHASAN

4.1 Estimasi VAR-VECM ........................................................................................ 45

4.1.1 Uji Stasioneritas Data Time Series ............................................................. 45

4.1.2 Penetapan Lag Optimal ............................................................................... 47

4.1.3 Uji Kointegrasi ............................................................................................ 48

4.2 Granger Causality ................................................................................................ 49

4.3 Analisis Impulse Response Function (IRF) ......................................................... 53

4.4 Analisis Variance Decomposition........................................................................ 57

BAB V KESIMPULAN dan SARAN

5.1 Kesimpulan .......................................................................................................... 61

5.2 Saran .................................................................................................................... 62

DAFTAR PUSTAKA

9

DAFTAR TABEL

Halaman

1 Tabel 4.1 Hasil Pengujian Non-stasioneritas Pada Tingkat Level 46

2 Tabel 4.2 Hasil Pengujian Non-stasioneritas Pada Tingkat First

Difference.

46

3 Tabel 4.3 Hasil Pengujian Lag Optimal 47

4 Tabel 4.4 Hasil Uji Kointegrasi. 48

5 Tabel 4.5 Hasil Pengujian Granger Causality Model Output 50

6 Tabel 4.6 Hasil Pengujian Granger Causality Model Inflasi 51

7 Tabel 4.7 Hasil Pengujian Granger Causality Model Output 52

8 Tabel 4.8 Hasil Pengujian Granger Causality Model Inflasi 53

9 Tabel 4.9 Variance Decomposition of IPI 58

10 Tabel 4.10 Variance Decomposition of IHK 59

10

DAFTAR GAMBAR

Halaman

1 Diagram 2.1 Transmisi Kebijakan Moneter 22

2 Diagram 2.2 Kerangka Pemikiran 30

3 Diagram 3.1 Proses Analisis VAR 43

4 Diagram 4.1 Alur Transmisi Moneter Syariah dari SBIS ke Output 50

5 Diagram 4.2 Alur Transmisi Moneter Syariah SBIS ke Inflasi 51

6 Diagram 4.3 Alur Transmisi Moneter Syariah BI Rate ke Output 52

7 Diagram 4.4 Alur Transmisi Moneter Syariah BI Rate ke Inflasi 53

8 Grafik 4.1 Impulse Response Function (IRF) untuk model output 55

9 Grafik 4.2 Impulse Response Function (IRF) untuk model inflasi 56

11


ABSTRACT

This study aims to identification shariah monetary policy transmission mechanism in

Indonesia and to determine their impact on inflation and output. The variables of this study

were BI rate, SBIS, PUAS, profit and loss sharing (PLS), financing, inflation and output.This

study used Vector Auto Regression (VAR) methods on monthly indonesia banking data from

january 2006 to october 2016. The result of the study shows shariah monetary policy

transmission mechanism gives positive and permananent impact to inflations and output.

Keyword : monetary transmism mechanism, PUAS, SBIS

ABSTRAK

Penelitian ini bertujuan untuk mengidentifikasi proses transmisi kebijakan moneter

syariah di Indonesia dan untuk mengetahui dampaknya terhadap pertumbuhan ekonomi dan

inflasi. Variabel yang digunakan dalam penelitian ini adalah BI rate, SBIS, PUAS, bagi hasil

(PLS), pembiayaan, inflasi dan output. Penelitian ini menggunakan metode VAR (vector auto

regressive) dengan data bulanan yang bersumber dari Bank Indonesia dari januari 2006

sampai oktober 2016. Hasil penelitian menunjukkan bahwa variabel moneter syariah

memberikan dampak positif terhadap inflasi dan output.

Kata kunci : transmisi moneter, PUAS, SBIS.

12

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kebijakan moneter merupakan salah satu kebijakan makroekonomi yang digunakan

oleh bank sentral untuk mencapai tujuan akhir berupa stabilitas harga, pertumbuhan

ekonomi, kesempatan kerja dan keseimbangan neraca pembayaran. Undang-Undang

(UU) No. 23 tahun 1999 tentang Bank Indonesia sebagaimana telah diamandemen dengan

UU No. 3 tahun 2004 pada pasal 7 menyatakan bahwa tujuan Bank Indonesia adalah

mencapai dan memelihara kestabilan nilai rupiah. Yang dimaksud dengan kestabilan

nilai rupiah antara lain adalah kestabilan terhadap harga-harga barang dan jasa yang

tercermin pada inflasi yang rendah. Kestabilan harga merupakan prasyarat bagi

pertumbuhan ekonomi yang berkesinambungan yang pada akhirnya memberikan manfaat

bagi peningkatan kesejahteraan masyarakat. Pentingnya pengendalian inflasi didasarkan

pada pertimbangan bahwa inflasi yang tinggi memberikan dampak negatif kepada kondisi

sosial ekonomi masyarakat.

Agar kebijakan moneter dapat mencapai tujuan inflasi, maka dibutuhkan mekanisme

jalur yang disebut sebagai mekanisme transmisi kebijakan moneter. Mekanisme transmisi

adalah saluran yang menghubungkan antara kebijakan moneter dengan perekonomian

(Pohan, 2008). Pada dasarnya mekanisme transmisi kebijakan moneter adalah bagaimana

menghubungkan sektor moneter dengan sektor riil. Bank Indonesia menetapkan suku

bunga kebijakan BI rate sebagai instrumen kebijakan utama untuk mempengaruhi

aktivitas kegiatan perekonomian dengan tujuan akhir pencapaian inflasi. Namun jalur

atau transmisi dari keputusan BI rate sampai dengan pencapaian sasaran inflasi tersebut

sangat kompleks dan memerlukan waktu (time lag).

13

Transmisi kebijakan moneter menuju sasaran akhir berlangsung dengan selang

waktu yang lama dan bervariasi. Hal ini disebabkan transmisi moneter banyak berkaitan

dengan pola hubungan antara berbagai variabel ekonomi dan keuangan yang selalu

berubah sejalan dengan perkembangan ekonomi negara yang bersangkutan. Pada

perekonomian tradisional, dimana peranan perbankan masih dominan dan produknya

masih sederhana, biasanya peranan saluran uang juga masih dominan dengan pola

hubungan antar aktivitas ekonomi yang relatif stabil pula. Namun, dengan semakin

berkembangnya perbankan dan pasar keuangan, semakin banyak pula produk keuangan

dengan jenis transaksi yang semakin bervariasi pula. Demikian juga dengan

perekonomian yang terbuka, perkembangan ekonomi dan keuangan di suatu negara akan

dipengaruhi oleh perkembangan ekonomi dan keuangan negara lain. Pengaruh tersebut

antara lain melalui perubahan nilai tukar, volume ekspor dan impor, ataupun besarnya

arus dana masuk dan keluar dari negara yang bersangkutan. Dengan demikian, peranan

saluran lain seperti suku bunga, kredit, dan nilai tukar menjadi semakin penting. Selain

itu, peranan saluran harga aset lainnya, seperti obligasi dan saham, dan saluran ekspektasi

juga perlu diperhatikan (Warjiyo, 2004).

Kebijakan moneter utamanya digunakan untuk mempengaruhi variabel keuangan

seperti suku bunga dan penawaran uang. Dengan mengatur kedua variabel keuangan ini,

diharapkan kestabilan nilai uang akan tercapai sehingga pada akhirnya stabilitas ekonomi

akan tercapai juga. Namun, pada kenyataannya, suku bunga merupakan sumber

permasalahan ketidakstabilan perekonomian. Hal ini disebabkan suku bunga merupakan

instrumen yang menjadikan ketidakseimbangan sektor riil dan moneter. Oleh karena itu,

dengan adanya kebijakan moneter syariah yang tidak mengenal suku bunga sebagai

instrumennya akan mampu menjadi alat yang baru bagi Indonesia dalam menjaga

stabilitas perkenomiannya.

14

Pada dasarnya transmisi kebijakan moneter merupakan interaksi antara bank sentral

sebagai otoritas moneter dengan perbankan dan lembaga keuangan lainnya, serta pelaku

ekonomi lainnya di sektor riil. Interaksi ini terjadi melalui dua tahapan proses perputaran

uang. Pertama, interaksi antara bank sentral dengan perbankan dan lembaga keuangan

lainnya dalam berbagai transaksi di pasar keuangan. Kedua, interaksi yang berkaitan

dengan fungsi intermediasi antara industri perbankan dan lembaga keuangan lainnya

dengan para pelaku ekonomi dalam berbagai kegiatan di sektor riil (Pohan, 2008).

Sejak tahun 1992, ditandai dengan berdirinya bank syariah pertama yakni Bank

Muamalat, maka di Indonesia memiliki dua sistem perbankan (dual banking system),

yaitu Interest Rate System (IRS) atau sistem tingkat suku bunga dan Profit and Lost

Sharing System (PLSS) atau Free Interest Rate System (FIRS). Semenjak munculnya

sistem perbankan syariah, Bank Indonesia pada tahun 2000 mengeluarkan instrumen

moneter syariah pertama yaitu SWBI (Sertifikat Wadiah Bank Indonesia). Seiring dengan

berkembangnya perbankan syariah pada tahun 2008 Bank Indonesia mengganti SWBI

dengan Sertifikat Bank Indonesia Syariah (SBIS) yang berdasarkan pada akad ju’alah.

Dengan adanya dual banking system maka mekanisme transmisi kebijakan moneter

semakin berkembang dan kompleks. UU No.3 Tahun 2004 menyebutkan bahwa Bank

Indonesia diberi amanah sebagai otoritas moneter ganda yang dapat menjalankan

kebijakan moneter konvensional maupun syariah. Maka dari itu isu mekanisme transmisi

kebijakan moneter syariah menjadi sangat penting.

Dalam sistem ekonomi syariah yang dikenal bukanlah sistem suku bunga melainkan

sistem pembagian keuntungan dan kerugian (profit and loss sharing). Besar kecilnya

pembagian keuntungan tergantung pada kegiatan investasi dan pembiayaan yang

dilakukan di sektor riil. Hasil dari investasi dan pembiayaan yang dilakukan bank di

15

sektor riil yang menentukan besar kecilnya pembagian keuntungan di sektor moneter. Ini

berarti sektor moneter bergantung pada sektor riil.

Dalam penelitian yang pernah dilakukan Ascarya (2012) disimpulkan bahwa

kebijakan moneter untuk ‘pengurangan inflasi’ dengan pola syariah lebih efektif daripada

dengan pola konvensional. Variabel-variabel konvensional yang utamanya adalah

variabel sektor finansial, secara alamiah memicu inflasi dan menghambat pertumbuhan

ekonomi. Sedangkan variabel-variabel syariah yang utamanya adalah variabel sektor rill,

secara alamiah tidak memicu inflasi dan mendorong pertumbuhan ekonomi.

Yoghi Citra Pratama (2013) dalam penelitiannya mengatakan bahwa instrumen

kebijakan moneter syariah merupakan instrumen yang tepat dalam mengendalikan tingkat

inflasi. Sri Hernianingrum dan Imronjana (2016) dalam penelitiannya juga disimpulkan

bahwa instrumen moneter syariah mengindikasikan adanya potensi pertumbuhan output

dan menahan laju inflasi.

Meskipun telah banyak dilakukan studi mengenai mekanisme transmisi kebijakan

moneter syariah, namun karena adanya faktor ketidakpastian dan kecendrungan-

kecendrungan baru yang dapat mempengaruhi mekanisme transmisi kebijakan moneter

syariah maka penelitian lanjutan untuk masalah tersebut tetap relevan untuk dilakukan.

Sehingga yang membedakan penelitian ini dengan penelitian-penelitian sebelumnya yaitu

lamanya periode yang digunakan yaitu 130 bulan dari bulan januari 2006 sampai oktober

2016.

1.2 Rumusan Masalah

Dari uraian pada latar belakang tersebut diatas, penulis manarik rumusan masalah

sebagai berikut:

16

1. Bagaimana proses berjalannya mekanisme transmisi kebijakan moneter syariah

melalui jalur bagi hasil?

2. Bagaimana dampaknya terhadap sasaran akhir pengendalian output dan inflasi?

1.3 Tujuan Penelitian

Tujuan penelitian ini adalah untuk memberikan gambaran mekanisme transmisi

moneter syariah. Adapun tujuan yang ingin dicapai dari penelitian ini adalah:

1. Mengidentifikasi proses transmisi moneter syariah di indonesia melalui jalur bagi

hasil.

2. Mengetahui dampak kebijakan moneter syariah terhadap sasaran akhir yaitu

pertumbuhan ekonomi dan inflasi.

1.4 Manfaat Penelitian

Diharapkan hasil penelitian ini akan menambah khasanah ilmu pengetahuan yang

dapat digunakan untuk mengukur efektivitas Mekanisme Transmisi Kebijakan Moneer

Syariah di Indonesia, sehingga dapat menjadi acuan bagi peneliti lain yang dianggap

relevan sesuai dengan kondisi dan perkembangan terkini.

1.5 Sistematika Penulisan

Dalam sistematika penulisan ini, penulis akan memberikan gambaran secara singkat

isi dalam penelitian ini yang tersusun dari lima bab yaitu:

BAB I PENDAHULUAN

Bab ini berisi latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat

penelitian, dan sistematika penulisan.

BAB II KAJIAN PUSTAKA

17

Pada bab ini mengulas teori-teori yang mendasari penelitian dan teori-teori yang

relefan berkaitan dengan transmisi kebijakan moneter syariah.

BAB III METODE PENELITIAN

Bab ini menguraikan jenis penelitian dan pendekatan yang digunakan, penentuan

sampel, pembentukan hipotesis penelitian, definisi operasional variabel, pengujian data,

dan hipotesis.

BAB IV ANALISIS DAN PEMBAHASAN

Bab ini berisi analisa dan pembahasan dari hasil penelitian yang dilakukan. Hasil

analisis tesebut akan menjawab permasalahan yang telah dirumuskan pada bab 1.

BAB V KESIMPULAN DAN SARAN

Bab ini berisikan kesimpulan yang diperoleh dari penelitian yang telah dilakuakan,

serta mengemukakan saran-saran yang diperlukan atas penulisan tesis ini untuk

kedepannya.

18

BAB II

KAJIAN PUSTAKA

2.1 Kebijakan Moneter

Kebijakan moneter merupakan kebijakan otoritas moneter atau bank sentral dalam

bentuk pengendalian besaran moneter untuk mencapai perkembangan kegiatan

pereknomian yang diinginkan. Dalam praktek, perkembangan kegiatan perekonomian

yang diinginkan tersebut adalah stabilitas ekonomi makro yang antara lain dicerminkan

oleh stabilitas harga (rendahnya laju inflasi), membaiknya perkembangan output rill

(pertumbuhan ekonomi), serta cukup luasnya lapangan/kesempatan kerja yang tersedia.

(Bank Indonesia, 2003)

2.2 Kebijakan Moneter dalam Ekonomi Makro

Kebijakan moneter adalah upaya untuk mencapai tingkat pertumbuhan ekonomi

yang tinggi secara berkelanjutan dengan tetap mempertahankan kestabilan harga. Untuk

mencapai tujuan tersebut Bank Sentral atau Otoritas Moneter berusaha mengatur

keseimbangan antara persediaan uang dengan persediaan barang agar inflasi dapat

terkendali, tercapai kesempatan kerja penuh dan kelancaran dalam pasokan/distribusi

barang. Kebijakan moneter dilakukan antara lain dengan salah satu namun tidak terbatas

pada instrumen sebagai berikut yaitu suku bunga, giro wajib minimum, intervensi dipasar

valuta asing dan sebagai tempat terakhir bagi bank-bank untuk meminjam uang apabila

mengalami kesulitan likuiditas.

Pengaturan jumlah uang yang beredar pada masyarakat diatur dengan cara

menambah atau mengurangi jumlah uang yang beredar. Kebijakan moneter dapat

digolongkan menjadi dua, yaitu :

19

a. Kebijakan Moneter Ekspansif / Monetary Expansive Policy Adalah suatu kebijakan

dalam rangka menambah jumlah uang yang edar

b. Kebijakan Moneter Kontraktif / Monetary Contractive Policy Adalah suatu kebijakan

dalam rangka mengurangi jumlah uang yang edar. Disebut juga dengan kebijakan uang

ketat (tight money policy)

Kebijakan moneter bertujuan untuk mengawasi dan mempengaruhi kestabilan,

kegiatan dan pertumbuhan ekonomi. Kebijakan moneter yang ditetapkan oleh Bank

Sentral berupa kebijakan kuantitatif dan kualitatif.

1. Kebijakan Kuantitatif

a. Open Market Operation (menjual atau membeli surat berharga)

Bank Sentral melakukan jual beli surat-surat berharga untuk mempengaruhi

jumlah uang beredar. Jika terjadi kelebihan uang beredar, Bank Sentral mengambil

kebijakan moneter dengan menjual SBI (Sertifikat Bank Indonesia), sehingga

sebagian uang masyarakat yang beredar dapat ditarik. Sebaliknya, bila

perekonomian kekurangan jumlah uang beredar, untuk mendorong perekonomian

pemerintah membeli SBI.

b. Reserve Requirement (Mempengaruhi cadangan minimum)

Bank Indonesia menetapkan dana cadangan tetap bank umum pada Bank

Indonesia. Bank Indonesia dapat membuat perubahan atas tingkat cadangan

minimum yang harus disimpan bank umum. Seandainya Bank Sentral

mengganggap bahwa jumlah uang beredar sudah terlalu banyak, bank umum telah

berlebihan dalam menyalurkan kreditnya maka bank sentral dapat menaikan

cadangan wajibnya, demikian pula sebaliknya. Dengan adanya kenaikan cadangan

wajib, akan mengurangi ekspansi kredit.

c. The Discount Rate (Mempengaruhi tingkat bunga diskonto)

20

Bank Indonesia dapat merubah, menaikan atau menurunkan suku bunga untuk

mempengaruhi peredaran uang. Bila permintaan uang meningkat, Bank Indonesia

menaikan tingkat suku bunga pinjaman yang berakibat mengurangi permintaan

kredit dan memperbesar juga uang beredar dan sebaliknya.

2. Kebijakan Kualitatif

a. Selective Credit Control (Pengawsan terhadap kredit)

Pemberian kredit pada sektor produktif. Yang diawasi adalah corak pinjaman

dan bentuk investasi yang dilakukan Bank Umum.

b. Moral Suasion

Bank Sentral dapat melakukan himbauan menggunakan tulisan atau lisan

berupa ajakan untuk untuk melakukan atau tidak suatu tindakan tertentu. Misalnya,

Bank Indonesia mengajak bank-bank nasional maupun Bank Asing mengusahakan

penurunan tingkat bunga.

2.3 Instrumen-Instrumen Pengendalian Moneter

Di dalam pelaksanaan kebijakan moneter, bank sentral biasanya menggunakan

berbagai piranti sebagai instrumen dalam mencapai sasaran. Di antara instrumen itu

adalah cadangan wajib (reserve requirement), operasi pasar terbuka (open market

operation), fasilitas diskonto (discount policy), dan imbauan (moral suasion). (Pohan,

2008)

a. Cadangan Wajib Minimum

Cadangan wajib minimum adalah ketentuan bank sentral yang mewajibkan

bank-bank untuk memelihara sejumlah alat-alat likuid (reserve) sebesar persentase

tertentu dari kewajiban lancarnya. Semakin kecil persentase tersebut semakin besar

21

kemampuan bank memanfaatkan reserve-nya untuk memberikan pinjaman dalam

jumlah yang lebih besar. Sebaliknya semakin besar persentase semakin berkurang

kemampuan bank untuk memberikan pinjaman.

Memberikan cadangan ini bisa dijaga dalam bentuk kas atau dalam bentuk

rekening giro di bank sentral. Biasanya cadangan dibedakan dalam dua bentuk yakni

cadangan primer dan cadangan sekunder. Yang dimaksud dengan cadangan wajib

minimum lebih mengacu kepada cadangan primer. Sementara itu, cadangan sekunder

merupakan tambahan, biasanya terdiri atas surat-surat berharga.

Persentase cadangan wajib minimum mempengaruhi daya ekspansi kredit. Jika

bank sentral menurunkannya maka daya ekspansi kredit bank umum akan

meningkat, sehingga jumlah uang beredar bertambah. Sebaliknya, jika persentasenya

dinaikkan maka daya ekspansi kredit bank umum menurun dan jumlah uang beredar

juga berkurang. (Mandala Manurung, 2004).

b. Operasi Pasar Terbuka

Operasi Pasar Terbuka adalah kegiatan bank sentral melakukan jual beli surat-

surat berharga jangka pendek dalam rangka mengatur jumlah uang beredar atau suku

bunga jangka pendek. Di Indonesia, salah satu sekuritas yang sering digunakan Bank

Indonesia untuk mengendalikan jumlah uang beredar adalah Sertifikat Bank

Indonesia (SBI) yang dikeluarkan BI. Kepada setiap pemilik SBI Bank Indonesia

memberikan balas jasa berupa pendapatan bunga.

Jika bank sentral bermaksud mengurangi jumlah uang yang beredar, bank

sentral akan menjual surat-surat berharga kepada bank-bank agar reserve bank-bank

berkurang sehingga kemampuan bank-bank memberikan pinjaman menurun.

Tindakan ini disebut kontraksi moneter. Sebaliknya, untuk menambah jumlah uang

beredar, bank sentral akan membeli surat-surat berharga untuk meningkatkan

22

kemampuan bank-bank memberikan pinjaman sehingga jumlah uang beredar

meningkat. Pembelian atau penjualan surat-surat berharga tersebut dapat pula

dilakukan oleh bank sentral dari/kepada masyarakat agar langsung dapat

menambah/mengurangi jumlah uang beredar. (Pohan, 2008)

c. Fasilitas Diskonto

Fasilitas diskonto adalah kebijakan moneter dalam mempengaruhi jumlah uang

beredar melalui pengaturan suku bunga pemberian kredit bank sentral kepada bank-

bank. Apabila bank sentral menetapkan tingkat diskonto lebih tinggi, bank-bank akan

mengurangi permintaan kredit dari bank sentral yang pada gilirannya akan

mengurangi kemampuan bank-bank memberikan pinjaman sehingga jumlah uang

beredar menurun. Sebaliknya, apabila bank sentral menetapkan diskonto lebih rendah

bank-bank akan meningkatkan permintaan kredit ke bank sentral untuk disalurkan

lebih lanjut berupa pemberian pinjaman, sehingga jumlah uang beredar meningkat.

2.4 Mekanisme Transmisi Kebijakan Moneter

Mekanisme transmisi kebijakan moneter pada dasarnya menggambarkan bagaimana

kebijakan moneter yang ditempuh bank sentral mempengaruhi berbagai aktivitas ekonomi

dan keuangan sehingga pada akhirnya dapat mencapai tujuan akhir yang ditetapkan.

Mekanisme transmisi moneter dimulai dari tindakan bank sentral dengan

menggunakan instrumen moneter, apakah OPT atau yang lain, dalam melaksanakan

kebijakan moneternya. Tindakan itu kemudian berpengaruh dalam aktivitas ekonomi dan

keuangan melalui berbagai saluran transmisi kebijakan moneter, yaitu saluran uang,

kredit, suku bunga, nilai tukar, harga aset dan ekpektasi. Di bidang keuangan, kebijakan

moneter berpengaruh terhadap perkembangan suku bunga, nilai tukar, dan harga saham

disamping volume dana masyarakat yang disimpan di bank, kredit yang disalurkan bank

kepada dunia usaha, penanaman dana pada obligasi, saham maupun sekuritas lainnya.

23

Sementara itu, di sektor ekonomi rill kebijakan moneter selanjutnya mempengaruhi

perkembangan konsumsi, investasi, ekspor dan impor, hingga pertumbuhan ekonomi dan

inflasi yang merupakan sasaran akhir kebijakan moneter.

Mengingat kompleksitasnya, dalam teori ekonomi moneter, mekanisme transmisi

kebijakan moneter sering disebut “black box” (mishkin: 1995), karena transmisi

dimaksud banyak dipengaruhi oleh tiga faktor, yaitu: (1) perubahan prilaku bank sentral,

perbankan, dan para pelaku ekonomi dalam berbagai aktivitas ekonomi dan keuangannya;

(2) lamanya tenggat waktu (time-lag) sejak tindakan otoritas moneter sampai sasaran

akhir tercapai; serta (3) terjadinya perubahan pada saluran-saluran transmisi moneter itu

sendiri sesuai dengan perkembangan ekonomi dan keuangan di negara yang

bersangkutan. (Pohan, 2008)

Bank Indonesia menggunakan kebijakan BI Rate sebagai instrumen kebijakan utama

untuk mempengaruhi aktivitas kegiatan perekonomian dengan tujuan akhir pencapaian

sasaran inflasi. Mekanisme bekerjanya perubahan BI Rate sampai mempengaruhi inflasi

tersebut sering disebut dengan istilah mekanisme transmisi kebijakan moneter (MTM).

Mekanisme ini menggambarkan tindakan yang dilakukan oleh Bank Indonesia melalui

perubahan-perubahan instrumen moneter dan target operasionalnya mempengaruhi

berbagai variabel ekonomi dan keuangan yang kemudian berpengaruh terhadap tujuan

akhir inflasi.

Taylor (1995) menyatakan bahwa mekanisme transmisi kebijakan moneter

merupakan jalur-jalur yang dilalui oleh kebijakan untuk dapat mempengaruhi sasaran

akhir kebijakan moneter yaitu pendapatan nasional dan inflasi. Mekanisme transmisi

kebijakan moneter terjadi melalui interaksi antara Bank Sentral, perbankan dan sektor

keuangan, serta sektor riil. Mekanisme tersebut dapat terjadi melalui berbagai jalur,

24

diantaranya jalur moneter langsung, jalur suku bunga, jalur kredit, jalur nilai tukar, jalur

harga aset, dan jalur ekspektasi.

a. Jalur Moneter Langsung

Mekanisme transmisi melalui jalur moneter langsung (direct monetary channel)

dimulai dengan tindakan bank sentral mengendalikan uang primer atau base money

(M0) sesuai dengan sasaran akhir yang ingin dicapai. Kemudian uang primer ini

melalui proses money multiplier, ditransmisikan ke jumlah uang beredar (M1 dan

M2) sesuai dengan permintaan masyarakat. Selanjutnya uang beredar akan

mempengaruhi berbagai kegiatan ekonomi, khususnya inflasi dan output riil karena

peranannya dalam pemenuhan kebutuhan transaksi ekonomi.

b. Jalur Kredit

Mekanisme transmisi kebijakan moneter melalui jalur kredit (credit channel)

didasarkan pada asumsi bahwa tidak semua simpanan masyarakat dalam bentuk uang

beredar (M1, M2) selalu disalurkan oleh perbankan sebagai kredit kepada dunia

usaha. Oleh karena itu, yang lebih berpengaruh terhadap ekonomi riil adalah kredit

perbankan, bukan simpanan masyarakat yang tercermin dalam jumlah uang beredar.

Terdapat dua jenis jalur kredit yang akan mempengaruhi transmisi moneter dari

sektor keuangan ke sektor riil, yaitu jalur pinjaman bank (bank lending channel) dan

jalur neraca perusahaan (firms balance sheet channel). Jalur pinjaman bank lebih

menekankan pengaruh kebijakan moneter pada kondisi keuangan bank, khususnya

sisi aset. Sedangkan jalur neraca perusahaan lebih menekankan pengaruh kebijakan

moneter pada kondisi keuangan perusahaan (borrower), dan selanjutnya berpengaruh

terhadap akses perusahaan untuk mendapatkan kredit.

c. Jalur Suku bunga

25

Jalur suku bunga (interest rate channel) lebih menekankan pentingnya aspek

harga di pasar keuangan terhadap berbagai aktivitas ekonomi di sektor riil. Warjiyo

dan Solikin (2003) mengemukakan, mekanisme transmisi kebijakan moneter melalui

jalur suku bunga menekankan bahwa kebijakan moneter dapat mempengaruhi

permintaan agregat melalui perubahan suku bunga. Pengaruh perubahan suku bunga

jangka pendek ditransmisikan pada suku bunga jangka menengah atau panjang

melalui mekanisme penyeimbangan sisi permintaan dan penawaran di pasar uang.

Perkembangan suku bunga tersebut akan berpengaruh terhadap biaya modal (cost of

capital) yang kemudian akan mempengaruhi pengeluaran investasi dan konsumsi

yang merupakan komponen dari permintaan agregat. Lebih lanjut Maski (2007)

mengemukakan bahwa perubahan suku bunga berdampak langsung pada cost of

credit dan cash flow. Kebijakan moneter yang ditandai dengan sinyal perubahan

jumlah uang beredar, dengan menganggap bahwa formasi permintaan adalah tertentu

(given), mendorong perubahan suku bunga di pasar keuangan. Berikutnya, inter bank

rate akan berubah dan ini akan merubah pula bank loan rate yang merupakan biaya

atau harga yang dikenakan pada peminjam/investor.

d. Jalur Nilai Tukar

Mekanisme transmisi melalui jalur nilai tukar (exchange rate channel)

menekankan pentingnya pengaruh perubahan harga aset finansial terhadap berbagai

aktivitas ekonomi. Pengaruh aset finansial dalam bentuk valuta asing yang timbul

dari kegiatan ekonomi suatu negara dengan negara lain menjadikan pentingnya jalur

nilai tukar dalam transmisi kebijakan moneter. Pengaruh tersebut tidak hanya terjadi

pada perubahan nilai tukar tetapi juga pada besarnya aliran dana akibat perdagangan

luar negeri maupun aliran modal investasi dalam neraca pembayaran. Perkembangan

26

nilai tukar dan aliran dana luar negeri tersebut selanjutnya akan mempengaruhi

output riil dan inflasi negara yang bersangkutan.

e. Jalur Harga Aset

Mekanisme transmisi melalui jalur harga aset (assets price channel)

menekankan bahwa kebijakan moneter berpengaruh pada perubahan harga aset dan

kekayaan masyarakat, yang kemudian berpengaruh terhadap investasi dan konsumsi.

Apabila bank sentral melakukan kebijakan moneter kontraktif, maka hal tersebut

akan mendorong peningkatan suku bunga, dan pada gilirannya akan menekan harga

aset perusahaan. Penurunan harga aset dapat berakibat pada dua hal, yaitu

mengurangi kemampuan perusahaan untuk melakukan ekspansi dan mengurangi nilai

kekayaan yang pada gilirannya akan mengurangi pengeluaran konsumsi. Secara

keseluruhan, kedua hal tersebut berdampak pada penurunan pengeluaran agregat.

f. Jalur Ekspektasi

Mekanisme transmisi melalui jalur ekspektasi (expectation channel)

menekankan bahwa kebijakan moneter dapat diarahkan untuk mempengaruhi

pembentukan ekspektasi mengenai inflasi dan kegiatan ekonomi. Kondisi tersebut

mempengaruhi perilaku para pelaku ekonomi dalam melakukan keputusan konsumsi

dan investasi, yang selanjutnya akan mendorong perubahan permintaan agregat dan

inflasi.

Ekspektasi inflasi pada umumnya dipengaruhi oleh perkembangan inflasi yang

telah terjadi dan juga kebijakan moneter yang ditempuh oleh bank sentral, yang dapat

terlihat pada perkembangan suku bunga dan nilai tukar. Semakin kredibel kebijakan

moneter, yang diantaranya tercermin pada kemampuan mengendalikan suku bunga

dan stabilisasi nilai tukar, maka semakin kuat pula dampaknya terhadap ekspektasi

inflasi masyarakat.

27

2.5 Tahapan Mekanisme Transmisi Kebijakan Moneter

Pada dasarnya transmisi kebijakan moneter merupakan interaksi antara bank sentral

sebagai otoritas moneter dengan perbankan dan lembaga keuangan lainnya, serta pelaku

ekonomi lainnya di sektor riil. Interaksi ini terjadi melalui dua tahapan proses perputaran

uang. Pertama, interaksi antara bank sentral dengan perbankan dan lembaga keuangan

lainnya dalam berbagai transaksi di pasar keuangan. Kedua, interaksi yang berkaitan

dengan fungsi intermediasi antara industri perbankan dan lembaga keuangan lainnya

dengan para pelaku ekonomi dalam berbagai kegiatan di sektor riil (Pohan, 2008).

Tahap pertama dari interaksi di pasar keuangan terjadi di sistem pengendalian

moneter tidak langsung yang umum dilakukan yaitu melalui lembaga keuangan perantara

(industri perbankan). Di satu sisi, bank sentral melakukan operasi moneter melalui

transaksi keuangan dengan industri perbankan, sedangkan di sisi lain, perbankan dan

lembaga keuangan lainnya melakukan transaksi keuangan dalam portofolio investasinya.

Interaksi ini akan terjadi melalui pasar keuangan atau pasar valuta asing. Interaksi antara

bank sentral dengan perbankan sedemikian rupa akan mempengaruhi volume maupun

harga-harga aset (suku bunga, nilai tukar, kewajiban hasil dan harga saham).

Tahap kedua dari interaksi transmisi kebijakan moneter melibatkan dunia perbankan

dengan para pelaku ekonomi di sektor riil. Dalam konteks ini, perbankan bertindak

sebagai lembaga intermediasi, yaitu memobilisasi dana pihak ketiga dalam bentuk

tabungan atau deposito dan menyalurkannya kepada debitur atau dunia usaha. Dari

perspektif mobilisasi, interaksi ini akan mempengaruhi tingkat suku bunga, volume

tabungan dan deposito yang merupakan bagian dari uang beredar M1 (dalam arti sempit)

dan M2 (dalam arti luas). Dalam kondisi di mana perbankan ingin meningkatkan

28

tabungan atau deposito mereka, ceteris paribus, suku bunga akan dinaikkan untuk

merangsang preferensi simpanan masyarakat.

Sementara dari sisi kredit, interaksi tersebut akan mempengaruhi pertumbuhan

kredit/pembiayaan perbankan. Jika bank ingin meningkatkan ekspansi

kredit/pembiayaannya, ceteris paribus, suku bunga akan turun sedemikian sehingga

mendorong peningkatan masyarakat untuk meminjam atau untuk memiliki pembiayaan

dari bank.

2.6 Mekanisme Transmisi Kebijakan Moneter Syariah

Salah satu pionir pengembang teori ekonomi moneter Islam kontemporer adalah

Muhammad Umer Chapra dengan bukunya Towards a Just Monetary System (1985).

Setting institusi keuangan Islam kontemporer tidak jauh berbeda dengan setting institusi

keuangan konvensional yang sudah mapan, sehingga instrument-instrumen kebijakan

moneter Islam juga banyak yang mirip dengan instrumen-instrumen kebijakan moneter

konvensional. Namun, karena cara kerja instrumen kebijakan moneter Islam memiliki

persamaan dan perbedaan prinsip dengan cara kerja instrument kebijakan moneter

konvensional, transmisi kebijakan moneter Islam dapat sama atau berbeda dengan

transmisi kebijakan moneter konvensional. Chapra (1985) tidak mendiskusikan secara

spesifik masalah transmisi kebijakan moneter Islam ini. Perkembangan teori moneter

Islam selanjutnya juga belum ada yang menyinggung tentang transmisi kebijakan moneter

Islam, termasuk pass-through atau jalur-jalurnya (lihat Siddiqui, 2008).

Kebijakan moneter syariah berperan sebagai penyokong sektor riil. Untuk mencapai

tujuan tersebut, uang dan lembaga perbankan adalah dua bagian terpenting yang harus

digunakan untuk mencapai tujuan pencapaian kebijakan moneter syariah. Chapra (1997)

mengatakan, bahwa kebijakan moneter bertujuan untuk mencapai sosio ekonomi Islam.

Antara lain yaitu:

29

1. Kesejahteraan ekonomi secara luas dengan berlandaskan full employment dengan

tingkat pertumbuhan optimum;

2. Keadilan sosio-ekonomi dan pemerataan distribusi pendapatan dan kesejahteraan,

salah satunya dapat dilakukan dengan mekanisme zakat yang baik dan benar;

3. Stabilitas nilai uang sehingga benar-benar menjadi medium of exchange yang

benar-benar adil dan stabil;

4. Mobilisasi dan investasi modal untuk pembangunan ekonomi yang produktif

dengan sistem pembagian yang adil untuk semua pihak yang terlibat;

5. Mewujudkan jasa-jasa lain, seperti pasar primer dan skunder untuk memenuhi

kebutuhan akan pendanaan dan keuangan yang noninflationary untuk pemerintah.

Namun untuk mewujudkan tujuan-tujuan di atas, yang dimulai dari kebijakan yang

telah ditetapkan hingga pencapaian sasaran yang diinginkan sangatlah kompleks dan

memerlukan waktu (time lag). Mekanisme tersebut dimulai dari keputusan otoritas bank

sentral selaku mitra pemerintah untuk melakukan perubahan-perubahan instrumen

moneter beserta target operasionalnya mempengaruhi berbagai variabel ekonomi dan

keuangan. Melalui interaksi bank sentral, lembaga perbankan dan sektor keuangan,

kemudian sektor riil. Gambaran mekanisme tersebut dapat dilihat dalam gambar berikut

ini.

30

Diagram 2.1 Transmisi Kebijakan Moneter

Sumber : Bank Indonesia

Mekanisme transmisi di atas, pada dasarnya secara sederhana menggambarkan

bagaimana kebijakan moneter dapat mempengaruhi berbagai aktivitas ekonomi dan

keuangan untuk mencapai tujuan akhir yaitu mengatur penawaran uang yang sesuai

dengan permintaan riil, dan juga membantu memenuhi kebutuhan untuk menutupi defisit

pemerintah. Berbeda halnya dengan mekanisme transmisi kebijakan moneter yang

dilakukan dengan prinsip syariah untuk mencapai sasaran akhir output dan inflasi.

Salah satu cara yang digunakan yaitu dengan pelaksanaan operasi moneter syariah

dengan Operasi Pasar Terbuka (OPT) dengan instrumen SBIS. Pelaksanaan ini bertujuan

untuk mempengaruhi tingkat imbal hasil Pasar Uang Antarbank Syariah (PUAS). Yang

pada akhirnya mempengaruhi pembiayaan perbankan syariah. peningkatan pembiayaan

ini diasumsikan mempengaruhi sektor riil yang diharapkan akan mampu mencapai

sasaran kebijakan moneter.

Dengan transmisi kebijakan moneter syariah ini, diperkirakan akan mampu menjaga

inflasi agar tetap dalam tingkat moderat. Sebab sumber utama inflasi adalah fiat money,

31

selama mata uang kertas yang digunakan, apakah itu menggunakan sistem ekonomi

kapitalis atau Islam akan selalu terjadi permasalahn inflasi.

Penerapan Kebijakan Moneter Syariah di Indonesia Mekanisme transmisi kebijakan

moneter syariah di Indonesia dimulai pada tahun 2000 dengan menggunakan SWBI dan

SBIS. Hingga pada tahun 2014 kembali Bank Indonesia telah mengeluarkan PBI No. 16

Tahun 2014 tentang Operasi Moneter Syariah (OMS). OMS dimaksud adalah bentuk

pelaksanaan kebijakan moneter melalui kegiatan OPT dan penyediaan standing facilities

berdasarkan prinsip syariah. Maksud dari standing facilities syariah adalah fasilitas yang

disediakan oleh BI kepada bank dalam rangka OMS melalui mekanisme lelang atau non-

lelang. Adapun kegiatan OPT syariah sesuai dengan ketentuan BI (2014) meliputi:

1. Penerbitan Sertifikat Bank Indonesia Syariah (SBIS).

2. Jual beli surat berharga dalam rupiah yang memenuhi ketentuan dan ketetapan

syariah, terdiri dari Surat Berharga Syariah Negara (SBSN) dan surat berharga

lain yang memiliki kualitas tinggi dan mudah untuk dicairkan.

3. Penempatan berjangka (term deposit) syariah dalam valuta asing.

4. Transaksi lainnya dipasar uang Rupiah maupun valuta asing.

2.7 Penelitian Terdahulu

Terdapat penelitian-penelitian sebelumnya yang dapat digunakan sebagai referensi

dalam penelitian ini. Aam Slamet Rusydiana (2009), melakukan penelitian mengenai

mekanisme transmisi syariah pada sistem moneter ganda di indonesia yang mengkaji

tentang mekanisme transmisi kebijakan moneter melalui jalur kredit. Dari penelitian

tersebut disimpulkan bahwa semakin tinggi SWBI yang ditetapkan bank indonesia maka

akan semakin rendah pembiayaan yang dilakukan oleh perbankan syariah. Terdapat

hubungan yang negatif antara pembiayaan syariah dan SBI. Semakin tinggi SBI akan

32

menyebabkan penurunan pembiayaan syariah dan sebaliknya. Hal ini disebabkan

kenaikan suku bunga yang dilakukan oleh bank sentral akan memicu perbakan

konvensional untuk menaikkan suku bunganya, baik bunga pinjaman maupun bunga

deposito yang berdampak pada penurunan daya saing perbankan syariah dan menjadi

kurang kompetitif. Namun pembiayaan syariah berkontribusi pada penurunan tingkat

inflasi karena pembiayaan perbankan syariah khususnya pembiayaan produktif dengan

prinsip bagi hasil memungkinkan terjadinya pertumbuhan yang seimbang antara sektor

moneter dan rill.

Penelitian tentang dampak pada indikator ekonomi makro dimulai oleh Sukmana dan

Kassim (2010). Indikator ekonomi makro pertumbuhan ekonomi dan metode penelitian

dengan menggunakan model VAR sebagai berikut:

IPI = f (IF,ID,ONIGHT)

Dimana IPI (industrial production index) sebagai proksi pertumbuhan ekonomi atau

output, IF adalah pembiayaan perbankan syariah, ID adalah dana pihak ketiga perbankan

syariah, dan ONIGHT adalah suku bunga overnight di pasar uang antar bank sebagai

indikator kebijakan moneter.

Hakan dan Gulumser (2011) menjelaskan dalam penelitian mereka bahwa perubahan

suku bunga tidak hanya mempengaruhi untuk deposit konvensional dan pinjaman, namun

hal itu mempengaruhi instrumen bank syariah juga. Studi ini menunjukkan bahwa tingkat

suku bunga dapat berdampak negatif terhadap deposito Islam karena kenaikan suku

bunga akan mengalihkan perhatian dari pihak ketiga sehingga mereka lebih memilih

untuk menyimpan uang mereka di bank konvensional ketimbang bank syariah. Penelitian

ini tidak membuktikan argumen mengklaim bahwa bank syariah lebih stabil dibandingkan

bank konvensional yang hanya karena produk mereka adalah bebas bunga dan klaim yang

33

mengatakan bank syariah bisa memberikan kontribusi positif untuk mencapai stabilitas

keuangan.

Ascarya (2012), melakukan penelitian mengenai alur transmisi dan kebijakan moneter

ganda di Indonesia dengan menggunakan model VAR. Data yang digunakan merupakan

data bulanan dari januari 2003 sampai desember 2009. Variabel yang digunakan adalah

Tingkat Inflasi, SBI, SBIS, PUAB, PUAS, INT, PLS, LOAN dan FINC. Hasil

menunjukkan bahwa kebijakan moneter untuk “pengurangan inflasi” dengan pola syariah

lebih efektif dari pada dengan pola konvensional. Dalam sistem moneter ganda, alternatif

pendekatan kebijakan moneter dapat dilakukan dengan menggunakan pendekatan

kuantitatif yang tidak bertentangan untuk konvensional maupun syariah dan pendekatan

harga masih dapat digunakan, namun dengan menggunakan Real Rate of Return sebagai

policy Rate, sehingga dapat applicable untuk konvensional dan syariah.

Muhammad MD Husin (2013) melalukan penelitian yang berjudul Efficiency of

Monetary Policy Transmission Mechanism Via Profit Rate Channel for Islamic Banks in

Malaysia. Penelitian ini bertujuan untuk mengukur efisiensi transmisi kebijakan moneter

untuk bank syariah dalam sistem keuangan Islam di Malaysia. Penelitian ini difokuskan

pada kecepatan dan besarnya transmisi melalui saluran tingkat keuntungan bagi bank

syariah terhadap suku bunga bank konvensional. Metodologi yang digunakan adalah

Vector Auto Regression (VAR), data yang digunakan yaitu berupa data time

series/bulanan dari Januari 2000 sampai Desember 2012. Hasil penelitian menunjukkan

bahwa dampak pass-through melalui saluran laba bank syariah masih tinggi dan cukup

besar. Namun, memburuknya tanda-tanda dapat dirasakan bank syariah sehingga menjadi

lebih sistematis dan penting dalam sistem keuangan. Hasil penelitian ini dapat

membenarkan pendekatan baru dan strategi untuk perumusan kebijakan moneter dan

implementasinya di Malaysia.

34

Yoghi Citra Pratama (2013) melakukan penelitian yang berjudul Effectiveness of

conventional and syariah monetary policy transmission. Tujuan dalam penelitian ini

adalah untuk mengetahui perbandingan efektivitas transmisi kebijakan moneter melalui

instrumen konvensional dan syariah melalui jalur suku bunga dan jalur bagi hasil/ margin.

Metodologi yang digunakan dalam penelitian ini adalah analisis kuantitatif dengan model

VAR/VECM . variabel yang digunakan adalah suku bunga SBI, suku bunga PUAS, suku

bunga deposito, suku bunga kredit, imbal hasil SBIS, imbal hasil PUAS, bagi hasil

deposito dan margin pembiayaan. Data yang diganakan yaitu data time series/ bulanan

dari tahun 2009 s/d 2012. Hasil dalam penelitian ini menunjukkan bahwa secara

keseluruhan, alur transmisi kebijakan moneter konvensional sesuai dengan teori,

sedangkan alur transmisi kebijakan moneter syariah belum dapat diidentifikasi secara

jelas dan terputus di imbal hasil/ profit and los sharing deposito. Berdasarkan estimasi

VECM diketahui dalam jangka panjang instrument syariah merupakan instrumen yang

tepat dalam mengendalikan tingkat inflasi.

Sajjad Zaheer, et al (2013) melakukan penelitian yang berjudul The Transmission of

Monetary Policy Through Conventional and Islamic Banks. Penelitian ini meneliti

tentang perbedaan respon bank terhadap guncangan kebijakan moneter berdasarkan

ukuran, likuiditas dan jenis bank yaitu antara konvensional dan islam di Pakistan dari

tahun 2002:II sampai 2010:I. Hasil penelitian disimpulkan bahwa setelah kontraksi

moneter, bank-bank kecil dengan neraca likuid memotong pinjaman mereka kurang dari

bank-bank kecil lainnya. Sebaliknya bank-bank besar mempertahankan pinjaman dari

posisi likuiditas mereka. Bank syariah, meskipun ukurannya sama dengan bank-bank

kecil, menanggapi guncangan kebijakan moneter seperti bank besar. Oleh karena itu,

saluran kredit dari kebijakan moneter cenderung melemah ketika perbankan islam tumbuh

35

di kepentingan relatif tentu saja dengan asumsi bahwa karakteristik bank syariah tidak

akan berubah karena sektor tumbuh lebih besar.

Ingrit Magdalena dan Wahyu Ario Pratomo (2014), melakukan penelitian tentang

analisis efektivitas transmisi kebijakan moneter ganda di indonesia. Penelitian ini

menggunakan teknik analis dengan pendekatan granger causality test dan VAR (Vector

Autoregression)/VECM (Vector Error Corection Model). Variabel yang digunakan indek

harga konsumen (IHK) sebagai variabel dependen dan SBI, SBIS, PUAB, PUAS, LOAN,

FINC, IHK, SBMK, IHMK. Hasil penelitian ini adalah variabel SBMK dan PUAB

memberikan pengaruh yang positif pada IHK sedangkan variabel SBI dan LOAN

memberikan pengaruh yang negatif sedangkan untuk transmisi moneter syariah hampir

seluruh variabel syariah memberikan pengaruh positif terhadap IHK kecuali variabel

FINC. Hampir semua variabel syariah tidak memiliki peran dalam memicu inflasi. Pada

transmisi moneter konvensional menunjukkan adanya kesinambungan variabel-variabel

konvensional dalam mempengaruhi inflasi yang ditunjukkan dari SBMK sampai pada

SBI dan LOAN kemudian dari SBI sampai pada LOAN, dan LOAN sampai pada IHK.

Pada transmisi moneter syariah menunjukkan tidak adanya kesinambungan variabel-

variabel syariah dalam mempengaruhi inflasi.

Sri Hernianingrum dan Imronjana (2016) melakukan penelitian yang berjudul Dual

Monetary System and Macroeconomic Performance in Indonesia. Penelitian ini

mengevaluasi dampak kebijakan moneter ganda terhadap indikator makroekonomi

(pertumbuhan dan inflasi) di Indonesia. Metode yang digunakan dalam penelitian ini

adalah metode VAR dengan data bulanan dari januari 2010 sampai desember 2013.

Variabel yang digunakan adalah convensional deposits (CD), convensional loan (CL),

islamic deposits (ID), Islamic financing (IF), BI rate, PUAB, PUAS, CPI dan IPI. Hasil

36

penelitian ini menjelaskan bahwa instrumen moneter islam mengindikasikan adanya

potensi pertumbuhan output dan menahan laju inflasi.

2.8 Kerangka Pemikiran

Untuk memperjelas bentuk dan rangkaian penelitian maka diperlukan sebuah

kerangka pemikiran. Berikut merupakan kerangka pemikiran dalam penelitian ini:

Diagram 2.2 Kerangka Pemikiran

2.9 Hipotesis

Berdasarkan uraian dan telaah literatur serta penelitian terdahulu mengenai

mekanisme transmisi kebijakan moneter syariah, maka hipotesis pada penelitian ini

adalah:

1. Transmisi kebijakan moneter syariah tidak menunjukkan adannya kesinambungan

jalur imbal hasil dari margin dengan acuan SBIS sampai ke inflasi.

2. Transmisi kebijakan moneter syariah berdampak positif terhadap pertumbuhan output

dan pengurangan inflasi.

37

BAB III

METODE PENELITIAN

Penelitian ini menggunakan pendekatan kuantitatif. Pada penelitian kuantitatif, teori

atau paradigma teori digunakan untuk menuntun peneliti menemukan masalah penelitian,

menemukan hipotesis, menemukan konsep-konsep, menemukan metodologi dan menemukan

alat-alat analisis data. (Burhan Bungin, 2003)

3.1 Jenis dan Sumber Data

Penelitian ini menggunakan jenis data sekunder yang diambil dari laporan Statistik

Perbankan Indonesia Bank Indonesia (SPI BI), Statistik Perbankan Syariah Bank

Indonesia (SPS BI), Statistik Ekonomi dan Keaungan Indonesia BI (SEKI BI) dan Badan

Pusat Statistik (BPS). Data yang digunakan dalam penelitian ini merupakan data time

series/ runtut waktu bulanan dari bulan januari 2006 hingga april 2016.

Variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut :

1. BIRATE : Tingkat suku bunga BI

2. SBIS : Policy Rate perbankan syariah berupa tingkat bonus SWBI dan

tingkat fee SBIS.

3. PUAS : Tingkat bagi hasil pasar uang antar bank syariah.

4. PLS : Tingkat bagi hasil pembiayaan bank syariah.

5. FINC : Total pembiayaan bank syariah.

6. IPI : Industrial Production Index adalah proxy dari pendapatan nasional.

7. IHK : merupakan indikator yang digunakan untuk mengukur tingkat inflasi.

3.2 Variabel Penelitian dan Definisi Operasional

3.2.1 BI Rate (Tingkat Suku Bunga BI)

38

Definisi BI Rate menurut Bank Indonesia adalah suku bunga kebijakan yang

mencerminkan sikap atau stance kebijakan moneter yang ditetapkan oleh Bank

Indonesia dan diumumkan kepada publik.

BI Rate diumumkan oleh Dewan Gubernur Bank Indonesia setiap Rapat

Dewan Gubernur bulanan dan diimplementasikan pada operasi moneter yang

dilakukan Bank Indonesia melalui pengelolaan likuiditas (liquidity management) di

pasar uang untuk mencapai sasaran operasional kebijakan moneter.

Sasaran operasional kebijakan moneter dicerminkan pada perkembangan suku

bunga Pasar Uang Antar Bank Overnight (PUAB O/N). Pergerakan di suku bunga

PUAB ini diharapkan akan diikuti oleh perkembangan di suku bunga deposito, dan

pada gilirannya suku bunga kredit perbankan.

Dengan mempertimbangkan pula faktor-faktor lain dalam perekonomian,

Bank Indonesia pada umumnya akan menaikkan BI Rate apabila inflasi ke depan

diperkirakan melampaui sasaran yang telah ditetapkan, sebaliknya Bank Indonesia

akan menurunkan BI Rate apabila inflasi ke depan diperkirakan berada di bawah

sasaran yang telah ditetapkan.

3.2.2 SBIS (Sertifikat Bank Indonesia Syariah)

Sertifikat Bank Indonesia Syariah (SBIS) adalah surat berharga berdasarkan

Prinsip Syariah berjangka waktu pendek dalam mata uang rupiah yang diterbitkan

oleh Bank Indonesia. (Peraturan Bank Indonesia No. 10/11/PBI/2008)

SBIS merupakan piranti instrumen moneter berdasarkan prinsip syariah yang

dilakukan Bank Indonesia dalam rangka mengurangi jumlah uang beredar dalam

mekanisme perbankan Syariah. Perbedaan mendasar dari SBI Syariah dengan SBI

konvensional adalah dari penerapan mekanismenya. SBIS menerapkan sistem

imbalan dan SBI konvensional menggunakan mekanisme suku bunga/diskonto

39

(Ridho, 2014). Data SBIS yang digunakan dalam penelitian ini yaitu rate SBIS itu

sendiri.

3.2.3 PUAS

Pasar uang (money market) adalah pasar yang memperjualbelikan surat

berharga jangka pendek yang jangka waktunya tidak lebih dari 1 tahun. Kegiatan di

Pasar Uang ini terjadi karena ada dua pihak, baik pihak yang membutuhkan dana,

maupun pihak yang memiliki kelebihan dana keuangan untuk memenuhi kebutuhan

dana jangka pendek maupun untuk menempatkan dana atas kelebihan likuiditasnya

dalam waktu jangka pendek juga. Bank syariah dapat mengalami kekurangan

likuiditas disebabkan oleh perbedaan jangka waktu antara penerimaan dan penanaman

dana atau kelebihan likuiditas yang dapat terjadi karena dana yang terhimpun belum

dapat disalurkan kepada pihak yang memerlukan. Dalam rangka peningkatan efisiensi

pengelolaan dana, bank yang melakukan kegiatan usaha berdasarkan prinsip syariah

memerlukan adanya pasar uang antarbank (interbank call money). Data PUAS dalam

penelitian ini yaitu berupa rate PUAS.

3.2.4 PLS (Profit and Loss Sharing)

Keharaman bunga dalam syariah membawa konsekuensi adanya penghapusan

bunga secara mutlak. Teori PLS dibangun sebagai tawaran baru di luar sistem bunga

yang cenderung tidak mencerminkan keadilan (injustice/dzalim) karena memberikan

diskriminasi terhadap pembagian resiko maupun untung bagi para pelaku ekonomi

(Sadeq, 1992).

Profit-loss sharing berarti keuntungan dan atau kerugian yang mungkin timbul

dari kegiatan ekonomi/bisnis ditanggung bersamasama. Dalam atribut nisbah bagi

hasil tidak terdapat suatu fixed and certain return sebagaimana bunga, tetapi

dilakukan profit and loss sharing berdasarkan produktifitas nyata dari produk tersebut

40

(Adiwarman Karim, 2001). Dalam penelitian ini data PLS yang digunakan yaitu rate

dari pembiayaan bank syariah musyarakah dan mudharabah.

3.2.5 Financing (Pembiayaan)

Pembiayaan adalah penyediaan uang atau tagihan yang dipersamakan dengan

itu berdasarkan persetujuan atau kesepakatan antara bank dengan pihak lain yang

mewajibkan pihak yang dibiayai untuk menembalikan uang atau tagihan tersebut

setelah jangka waktu tertentu dengan imbalan atau bagi hasil. (UU No. 10 tahun 1998

tentang perbankan)

Pembiayaan merupakan salah satu tugas pokok bank yaitu pemberian fasilitas

dana untuk memenuhi kebutuhan pihak-pihak yang merupakan deficit unit.

3.2.6 IPI (Industial Production Index)

IPI merupakan indikator kinerja ekonomi pada suatu wilayah tertentu. IPI

merupakan proxy pengukuran kondisi ekonomi riil secara bulanan di beberapa

Negara. Data indeks produksi yang digunakan dalam penelitian ini adalah angka

indeks produksi industri pada industri besar dan sedang yang ada di Indonesia.

Pengukuran IPI dalam penelitian ini dihasilkan atas dasar harga konstan tahun dasar

2010.

3.2.7 Inflasi

Secara sederhana inflasi diartikan sebagai meningkatnya harga-harga secara

umum dan terus menerus. Kenaikan harga dari satu atau dua barang saja tidak dapat

disebut inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan kenaikan harga)

pada barang lainnya. Kebalikan dari inflasi disebut deflasi.

Indikator yang sering digunakan untuk mengukur tingkat inflasi adalah Indeks

Harga Konsumen (IHK). Perubahan IHK dari waktu ke waktu menunjukkan

pergerakan harga dari paket barang dan jasa yang dikonsumsi masyarakat.

41

Kestabilan inflasi merupakan prasyarat bagi pertumbuhan ekonomi yang

berkesinambungan yang pada akhirnya memberikan manfaat bagi peningkatan

kesejahteraan masyarakat. Pentingnya pengendalian inflasi didasarkan pada

pertimbangan bahwa inflasi yang tinggi dan tidak stabil memberikan dampak negatif

kepada kondisi sosial ekonomi masyarakat.

Pertama, inflasi yang tinggi akan menyebabkan pendapatan riil masyarakat

akan terus turun sehingga standar hidup dari masyarakat turun dan akhirnya

menjadikan semua orang, terutama orang miskin, bertambah miskin.

Kedua, inflasi yang tidak stabil akan menciptakan ketidakpastian (uncertainty)

bagi pelaku ekonomi dalam mengambil keputusan. Pengalaman empiris menunjukkan

bahwa inflasi yang tidak stabil akan menyulitkan keputusan masyarakat dalam

melakukan konsumsi, investasi, dan produksi, yang pada akhirnya akan menurunkan

pertumbuhan ekonomi.

Ketiga, tingkat inflasi domestik yang lebih tinggi dibanding dengan tingkat

inflasi di negara tetangga menjadikan tingkat bunga domestik riil menjadi tidak

kompetitif sehingga dapat memberikan tekanan pada nilai rupiah.

3.3 Metode Analisis

Penelitian ini menggunakan alat analisis Vector Auto Regression (VAR) untuk

mengelola data, jika data-data yang digunakan stasioner dan tidak terkointegrasi, atau

dilanjutkan dengan metode Vector Error Correction Model (VECM) jika data-data yang

digunakan stasioner dan terdapat kointegrasi.

3.3.1 Vector Auto Regression (VAR)

Vector Autoregression (VAR) adalah salah satu bentuk model ekonometrika yang

menjadikan suatu peubah sebagai fungsi linier dari konstanta dan lag dari peubah itu

42

sendiri serta nilai lag dari peubah lain yang terdapat dalam suatu sistem persamaan

tertentu. Keunggulan dari analisis VAR dibanding metode ekonometri lainnya antara lain

adalah (Djalal :2006) :

1. Model VAR adalah model yang sederhana dan tidak perlu membedakan mana

variabel endogen dan mana variabel eksogen. Karena semua variabel pada model

VAR dianggap sebagai variabel endogen.

2. Cara estimasi model VAR sangat mudah, yaitu dengan menggunakan OLS pada

setiap persamaan secara terpisah.

3. Peramalan menggunakan model VAR pada beberapa hal lebih baik dibandingkan

menggunakan model dengan persamaan simultan yang lebih kompleks.

Namun model VAR juga memiliki banyak kritik sehingga terdapat beberapa

kelemahan. Menurut Gujarati (2003), kelemahan VAR antara lain:

1. Model VAR lebih bersifat ateoritik karena tidak memanfaatkan informasi dari

teori-teori terdahulu;

2. Karena lebih menitikberatkan pada peramalan (forecasting), Tantangan terberat

dalam VAR adalah pemilihan panjang lag yang tepat;

3. Semua variabel yang digunakan dalam model VAR harus stasioner;

4. Koefisien dalam estimasi VAR sulit untuk diinterpretasikan.

3.3.2 Model Umum Vektor Autoregression (VAR)

Bentuk umum model Vector Autoregression (VAR) adalah memperlakukan seluruh

variabel sebagai variabel endogen. Bentuk umum model VAR dengan n variabel endogen

bisa ditulis sebagai berikut (Widarjono, 2013) :

𝑌1𝑡 = 𝛽01 + ∑ 𝑖=1𝑝 𝛽𝑖1𝑌1𝑡−𝑖 + ∑ 𝑖=1

𝑝 𝛼𝑖1𝑌2𝑡−𝑖 + ∙∙∙ + ∑ 𝑖=1𝑝 𝜂𝑖1𝑌𝑛𝑡−𝑖 + 𝑒1𝑡

43

................................................................................................................

𝑌𝑛𝑡 = 𝛽01 + ∑ 𝑖=1𝑝 𝛽𝑖𝑛𝑌1𝑡−𝑖 + ∑ 𝑖=1

𝑝 𝛼𝑖𝑛𝑌2𝑡−𝑖 + ∙∙∙ + ∑ 𝑖=1𝑝 𝜂𝑖𝑛𝑌𝑛𝑡−𝑖 + 𝑒𝑛𝑡 (4.1)

Dimana:

Y = variabel dependen

β = konstanta

p = panjangnya kelambanan

t = tren waktu

e = residual (kesalahan pengganggu)

3.4 Pengujian Estimasi VAR

Sebelum melakukan estimasi VAR atau VECM terlebih dahulu harus dilakukan beberapa

pengujian. Berikut ini adalah beberapa pengujian yang harus dilakukan:

3.4.1 Uji Stasioneritas Data

Uji stasioneritas adalah langkah pertama dalam pembentukan model VAR yang

dilakukan untuk mengetahui apakah data stasioner pada level atau stasioner pada pembedaan

(in differences) pada derajat tertentu. Mengenai hal ini Widarjono (2013) menjelaskan

langkah pertama mengestimasi model VAR adalah melakukan uji stasioneritas data. Uji

Stasionaritas dapat dilakukan dengan menggunakan uji akar unit Augmented Dickey-Fuller

(ADF) atau Philips-Perron (PP) atau uji lain yang sesuai dengan bentuk tren yang terkandung

pada setiap variabel. Hasil uji ADF dan PP atau yang lain sangat dipengaruhi oleh

panjangnya kelambanan. Panjangnya kelambanan uji akar unit ADF maupun PP bisa

dilakukan melalui kriteria sari Akaike Information Criterion (AIC) maupun Schwartz

Information Criterion (SIC) atau dengan kriteria lain.

44

Pengujian ADF dilakukan menggunakan perangkat lunak Eviews, hasil t-statistic

dibandingkan dengan nilai t MacKinnon Critical Value. Jika t-statistic lebih kecil dari Test

critical value berarti data tidak stasioner. Sebaliknya Jika t-statistic lebih besar dari Test

critical value berarti data stasioner. Dapat juga dengan melihat nilai probability hasil uji

ADF. Jika nilai Probability lebih besar dari tingkat level (1%, 5%,10%) maka berarti data

tidak stasioner. Sebaliknya jika nilai probability lebih kecil tingkat level berarti data data

stasioner.

Jika dari hasil uji ADF ternyata data tidak stasioner maka data dapat distasionerkan,

yaitu dengan melakukan diferensi. Winarno (2009) ”Untuk menjadikan data tidak stasioner

menjadi stasioner biasanya data cukup didiferensi saja. Pada tingkat pertama, biasanya data

sudah menjadi stasioner. Kalau ternyata belum, kemungkinan besar pada diferensi kedua

sudah stasioner ”.

3.4.2 Uji Kointegrasi

Uji kointegritas data dilakukan ketika uji stasioneritas data menghasilkan data-data

yang tidak stasioner. Uji kointegrasi perlu dilakukan untuk mengetahui apakah data

mempunyai hubungan jangka panjang (terkointegrasi). Hubungan saling mempengaruhi juga

dapat dilihat dari kointegritas yang terjadi antar variabel itu sendiri dan menentukan model

yang akan diestimasi, apakah menggunakan VAR biasa atau VAR – Vector Error Correction

Model (VARVECM).

Jika data tidak stasioner pada level tetapi stasioner pada proses diferensi data, maka

kita harus menguji apakah data mempunyai hubungan dalam jangka panjang atau tidak

dengan melakukan uji kointegrasi. Apabila terdapat kointegrasi maka model yang digunakan

Vector Error Correction Model (VECM). Model VECM ini merupakan model restriksi

45

(restricted VAR) karena adanya kointegritasi yang menunjukkan adanya hubungan jangka

panjang antar variabel di dalam sistem VAR (Widarjono, 2007).

Variabel-variabel yang stasioner pada tingkat diferensi pertama cenderung

kointegrasi, Winarno (2009) “Dua variabel yang tidak stasioner sebelum didifferensi namun

stasioner pada tingkat differensi pertama, besar kemungkinan akan terjadi kointegrasi, yang

berarti terdapat hubungan jangka panjang di antara keduanya ”.

Sebagaimana dinyatakan oleh Engle-Granger (1983) keberadaan variabel

nonstasioner menyebabkan kemungkinan adanya hubungan jangka panjang antara variabel di

dalam sistem VAR. Berkaitan dengan hal ini, maka langkah selanjutnya di dalam estimasi

VAR adalah uji kointegrasi untuk mengetahui keberadaan hubungan antar variabel. Pada

langkah ini kita akan mengetahui apakah model kita merupakan VAR tingkat diferensi jika

tidak ada kointegrasi dan VECM bila terdapat kointegrasi. (Widarjono, 2013).

Uji kointegrasi yang digunakan dalam penelitian ini yaitu uji Johansen. Uji yang

dikembangkan Johansen dapat digunakan untuk menentukan kointegrasi sejumlah variabel

(vektor). Ada tidaknya kointegrasi didasarkan pada uji likelihood ratio (LR). Jika nilai LR

hitung lebih besar dari nilai kritis LR maka menerima adanya kointegrasi sejumlah variabel

dan sebaliknya jika nilai hitung LR lebih kecil dari nilai kritisnya maka tidak ada kointegrasi.

Nilai LR kritis diperoleh dari tabel yang dikembangkan oleh Johansen dan Juselius. Nilai

hitung LR dihitung berdasarkan formula sebagai berikut:

𝑄𝑡 = −𝑇Σ𝑖=𝑟+1𝑘 log (1 − 𝜆𝑖) (3.2)

Johansen juga menyediakan uji statistik LR alternatif yang dikenal maximum eigenvalue

statistic. Maximum eigenvalue statistic dapat dihitung dari trace statistic sebagai berikut:

𝑄𝑚𝑎𝑥 = − 𝑇(1 − 𝜆𝑖+1) = 𝑄𝑡 − 𝑄𝑡+1 (3.3)

46

Ada tidaknya kointegrasi juga bisa didasarkan pada probabilitas hasil uji kointegrasi

Johansen. Jika nilai probabilitas lebih kecil dari 0.05 maka ada kointegrasi pada variabel

tersebut. Sebaliknya jika probabilitasnya lebih besar dari pada 0.05 maka tidak ada

kointegrasi pada variabel tersebut.

3.5 Metode Vector Error Correction Model (VECM)

Vector Error Correction Model (VECM) adalah VAR terestriksi yang digunakan

untuk variabel yang nonstasioner tetapi memiliki potensi untuk terkointegrasi. Setelah

dilakukan pengujian kointegrasi pada model yang digunakan maka dianjurkan untuk

memasukkan persamaan kointegrasi ke dalam model yang digunakan. Pada data time series

kebanyakan memiliki tingkat stasioneritas pada first difference atau I(1). VECM kemudian

memanfaatkan informasi restriksi kointegrasi tersebut ke dalam spesifikasinya. Oleh karena

itu, VECM sering disebut sebagai desain VAR bagi series nonstasioner yang memiliki

hubungan kointegrasi. Dengan demikian, dalam VECM terdapat speed of adjustment dari

jangka pendek ke jangka panjang.

Berikut adalah tahapan yang dilakukan dalam penggunaan metode VAR dan VECM,

secara lebih ringkas digambarkan dalam gambar dibawah ini:

47

Diagram 3.1 Proses Analisis VAR

Sumber: Ascarya 2012

3.5.1 Model Umum Vector Error Correction Model (VECM)

Model VECM digunakan apabila terdapat persamaan yang terkointegrasi, dimana

nilai trace statistic lebih besar dari pada critical value. Pada persamaan VECM telah

terkandung parameter jangka pendek dan jangka panjang yang memungkinkan kita untuk

mengetahui respon pada jangka pendek dan jangka panjang.

3.6 Estimasi VAR-VECM

3.6.1 Impulse Responses Function (IRF)

Impulse Responses Function (IRF) merupakan respon dari sebuah variabel dependen

jika mendapat guncangan atau inovasi variabel independen sebesar satu standar deviasi. IRF

mengukur pengaruh guncangan pada waktu tersebut dan pengaruhnya dimasa yang akan

datang.

IRF berfungsi untuk mengetahui suatu variabel terhadap variabel tertentu apabila

terjadi guncangan atau shock susatu variabel. Kemudian IRF juga berfungsi untuk

48

mengetahui besarnya nilai guncangan terhadap nilai variabel yang ada. Apabila suatu variabel

yang dapat dipengaruhi oleh shock, maka shock spesifik tersebut tidak dapat diketahui

melainkan secara umum.

3.6.2 Variance Decomposition

Instrumen kedua dari VECM adalah analisis Forecast Error Variance Decomposition

(FEVD). FEVD berfungsi untuk memprediksi kontribusi setiap variabel terhadap guncangan

atau perubahan variabel tertentu (Ascarya, 2009). Metode FEVD mencirikan suatu struktur

dinamis dalam model VAR, dimana dapat dilihat kekuatan dan kelemahan dari setiap

variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang. FEVD

menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau

seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel lainnya (Hasanah

dalam Ayuniyyah, 2010).

3.6.3 Uji Kausalitas

Analisis terakhir berkaitan dengan model sistem VAR non struktural adalah mencari

hubungan sebab akibat atau uji kausalitas antar variabel endogen di dalam sistem VAR.

Hubungan sebab akibat ini bisa diuji dengan menggunakan uji kausalitas Granger. Ada

tidaknya kausalitas diuji melalui uji F atau dilihat dari nilai probabilitasnya.

3.7 Model Penelitian

Model VAR dan VECM yang digunakan dalam penelitian ini adalah sebagai berikut:

𝑌1𝑡 = 𝛽01 + ∑ 𝑖=1𝑝

𝛽𝑖1𝑌1𝑡−𝑖 + ∑ 𝑖=1𝑝

𝛼𝑖1𝑌2𝑡−𝑖 + ∑ 𝑖=1𝑝

𝛾𝑖1𝑌3𝑡−𝑖 + ∑ 𝑖=1𝑝

𝛿𝑖1𝑌4𝑡−𝑖 + ∑ 𝑖=1𝑝

𝜂𝑖1𝑌5𝑡−𝑖 + ∑ 𝑖=1𝑝

𝜎𝑖1𝑌6𝑡−𝑖 + 𝑒1𝑡

𝑌2𝑡 = 𝛽02 + ∑ 𝑖=1𝑝







𝑌3𝑡 = 𝛽03 + ∑ 𝑖=1𝑝







𝑌4𝑡 = 𝛽04 + ∑ 𝑖=1𝑝







49

𝑌5𝑡 = 𝛽05 + ∑ 𝑖=1𝑝







𝑌6𝑡 = 𝛽06 + ∑ 𝑖=1𝑝







Dimana Y1 = Tingkat imbal hasil SBIS; Y2 = Tingkat imbabalan PUAS; Y3 = Bagi

hasil (PLS); Y4 = Total pembiayaan bank syariah (FINC); Y5 = Indeks Harga Konsumen

(IHK); Y6 = Suku bunga BI (BIRATE); β = konstanta; p = panjangnya kelambanan; t = tren

waktu; e = residual (kesalahan pengganggu).

50

BAB IV

ANALISIS DATA DAN PEMBAHASAN

4.1 Estimasi VAR-VECM

Beberapa hal yang ingin diperoleh dari model VAR-VECM yaitu Impulse Response

Function dan Variance Decomposition. Sebelum melakukan estimasi dengan menggunakan

VAR maka dilakukan pengujian data terhadap variabel-variabel penelitian untuk mengetahui

model VAR yang tepat.

4.1.1 Uji Stasioneritas Data Time Series

Uji stasioneritas sangat penting dalam analisis time series. Pengujian stasioneritas ini

dilakukan dengan menguji akar-akar unit atau unit root test. Data yang tidak stasioner akan

mempunyai akar-akar unit, sebaliknya data yang stasioner tidak ada akar-akar unit. Data yang

tidak stasioner akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang

menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik

padahal kenyataannya tidak, atau tidak sebesar regresi yang dihasilkan tersebut (Widarjono,

2009).

Pengujian stasioneritas pada penelitian ini didasarkan pada Augmented Dickey Fuller

(ADF) test dengan menggunakan taraf nyata 5% atau dengan tingkat kepercayaan 95%. Hasil

pengujian stasioneritas dapat dilihat pada Tabel berikut:

Tabel 4.1. Hasil Pengujian Non-stasioneritas Pada Tingkat Level

Variabel ADF

Statistic

Nilai Kritis Mc Kinnon Prob

1% 5% 10%

BI Rate -3.41203 -3.48245 -2.88429 -2.57898 0.0123

SBIS -2.476799 -3.48655 -2.88607 -2.57993 0.1237

51

PUAS -2.998033 -3.48204 -2.88411 -2.57888 0.0377

PLS -1.612254 -3.48162 -2.88393 -2.57879 0.4734

FINC -1.498233 -3.48288 -2.88448 -2.57908 0.5314

IHK -1.575767 -3.48162 -2.88393 -2.57879 0.4920

IPI -0.877375 -3.48245 -2.88429 -2.57898 0.7926

Hasil pengujian akar unit pada tabel 4.1. menunjukkan bahwa hanya variabel BI Rate

dan PUAS yang stasioner sedangkan variabel SBIS, FINC, PLS, IHK, IPI tidak stasioner di

tingkat level pada taraf nyata 5%. Hal ini dikarenakan nilai absolut ADF variabel-variabel

tersebut lebih kecil dibanding dengan nilai kritis Mac Kinnon. Untuk menunjukkan semua

variabel di atas agar stasioner, pengujian non-stasioneritas perlu dilanjutkan pada tingkat first

difference.

Tabel 4.2. Hasil Pengujian Non-stasioneritas Pada Tingkat First Difference.

Variabel ADF

Statistic

Nilai Kritis Mc Kinnon Prob

1% 5% 10%

BI Rate -3.689472 -3.48245 -2.88429 -2.57898 0.0053

SBIS -6.932919 -3.48331 -2.88467 -2.57918 0.0000

PUAS -15.25155 -3.48204 -2.88411 -2.57888 0.0000

PLS -11.25467 -3.48204 -2.88411 -2.57888 0.0000

FINC -3.288864 -3.48288 -2.88448 -2.57908 0.0174

IHK -13.55758 -3.48204 -2.88411 -2.57888 0.0000

IPI -11.77563 -3.48245 -2.88429 -2.57898 0.0000

Hasil pengujian akar unit pada tabel 4.2 menunjukkan bahwa semua variabel yang

digunakan dalam penelitian ini telah stasioner pada tingkat first difference. Hal ini

dikarenakan nilai absolut ADF semua variabel tersebut lebih besar dari nilai kritis Mac

Kinnon pada taraf nyata 5%.

4.1.2 Penetapan Lag Optimal

Penetapan lag optimal penting dilakukan, karena dalam metode VAR lag optimal dari

variabel endogen merupakan variabel independen yang digunakan dalam model.

Permasalahan yang muncul apabila lag-nya terlalu kecil akan membuat model tersebut tidak

52

dapat digunakan karena kurang mampu menjelaskan hubungannya. Dan sebaliknya, jika

panjang lag yang digunakan terlalu besar maka derajad bebasnya (degree of freedom) akan

menjadi lebih besar sehingga tidak efisien lagi dalam menjelaskan. Salah satu metode yang

paling umum digunakan untuk menentukan panjang lag adalah dengan melihat Akaike

Information Criterion (AIC) (Gujarati, 2004).

Tabel 4.3. Hasil Pengujian Lag Optimal

Model IHK

Model IPI

Lag AIC SC

Lag AIC SC

1 7.107671 7.922225*

1 6.067519 6.882073*

2 7.101782* 8.73089

2 6.049964 7.679073

3 7.222673 9.666336

3 6.081433 8.525096

4 7.390524 10.64874

4 5.932830* 9.191047

5 7.530034 11.60281

5 6.187955 10.26073

Pengujian lag optimal juga sangat berguna untuk menghilangkan masalah

autokorelasi dalam sistem VAR, sehingga dengan digunakannya lag optimal diharapkan tidak

muncul lagi masalah autokorelasi. Lag optimal juga dapat dihitung dengan menggunakan

Schwarz Information Criterion (SIC) dengan mengambil nilai SIC yang paling kecil. Dalam

penelitian ini lag optimal yang digunakan adalah 1. Hal ini dapat dilihat dari hasil penetapan

lag optimal pada Tabel 4.3.

4.1.3 Uji Kointegrasi

Kointegrasi adalah suatu hubungan jangka panjang antara variabel-variabel yang tidak

stasioner. Maksudnya, walaupun secara individual variabel-variabel tersebut tidak stasioner,

namun kombinasi linier antara variabel tersebut dapat menjadi stasioner. Pengujian

kointegrasi perlu dilakukan sebagai pelengkap dari pengujian stasioneritas untuk menghindari

fenomena regresi palsu.

53

Jika data tidak stasioner pada level tetapi stasioner pada tingkat diferensi data, maka

kita harus menguji apakah data mempunyai hubungan dalam jangka panjang atau tidak

dengan melakukan uji kointegritas. Apabila terdapat kointegritas maka model yang kita

punyai memiliki model Vector Error Correction Model (VECM). Model VECM ini

merupakan model restriksi (restricted VAR) karena adanya kointegritasi yang menunjukkan

adanya hubungan jangka panjang antar variabel di dalam sistem VAR (Widarjono,2007).

Tabel 4.4. HasiUji Kointegrasi.

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.359091 171.1331 125.6154 0.0000

At most 1 * 0.255962 115.5247 95.75366 0.0011

At most 2 * 0.203502 78.56677 69.81889 0.0085

At most 3 * 0.154486 50.12549 47.85613 0.0301

At most 4 0.124589 29.14920 29.79707 0.0593

At most 5 0.084578 12.51642 15.49471 0.1338

At most 6 0.011692 1.470171 3.841466 0.2253 Trace test indicates 4 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

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.359091 55.60843 46.23142 0.0038

At most 1 0.255962 36.95790 40.07757 0.1078

At most 2 0.203502 28.44128 33.87687 0.1939

At most 3 0.154486 20.97629 27.58434 0.2777

At most 4 0.124589 16.63277 21.13162 0.1900

At most 5 0.084578 11.04625 14.26460 0.1519

At most 6 0.011692 1.470171 3.841466 0.2253 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

Hasil output uji kointegrasi di atas dapat dilihat bahwa, beberapa nilai trace statistic >

critical value, begitu juga dengan nilai max eigen statistic sebesar 55.60843 lebih besar dari

nilai critical value yaitu sebesar 46.23142, ini berarti bahwa dalam jangka panjang terdapat

54

kointegrasi di dalam model persamaan tersebut. maka model yang digunakan ialah Vector

Error Correction Model (VECM).

4.2 Granger Causality

Model yang diuji terbagi menjadi dua yaitu output dan inflasi. Hasil Granger

Causality untuk alur transmisi kebijakan moneter dengan tujuan akhir output (IPI) dalam

diagram 4.1 menunjukkan tidak adanya kesinambungan jalur imbal hasil dari margin acuan

SBIS sampai ke output. SBIS mempengaruhi pasar keuangan ke PUAS dan Financing, PLS

mempengaruhi PUAS, PUAS mempengaruhi Financing, dari financing ke output.

Diagram 4.1

Alur Transmisi Moneter Syariah dari SBIS ke Output

Tabel 4.5. Hasil Pengujian Granger Causality Model Output

Null Hypothesis: Prob.

SBIS does not Granger Cause PUAS 0.0871

SBIS does not Granger Cause LFINC 0.0028

PLS does not Granger Cause PUAS 0.0914

PUAS does not Granger Cause LFINC 0.0001

PLS does not Granger Cause LFINC 0.0004

LFINC does not Granger Cause IPI 0.0086

Untuk hasil Granger Causality model inflasi, yakni alur transmisi kebijakan moneter

dari SBIS dengan tujuan akhir inflasi (IHK) ditunjukkan dalam diagram 4.2. Hasil Granger

Causality menunjukkan adanya kesinambungan jalur imbal hasil dari margin dengan acuan

55

SBIS sampai ke inflasi. SBIS mempengaruhi PUAS dan financing, sementara itu PLS

mampengaruhi PUAS dan financing, dari PUAS ke financing, dari financing ke inflasi dan

inflasi memberikan pengaruh balik ke financing.

Diagram 4.2

Alur Transmisi Moneter Syariah SBIS ke Inflasi

Tabel 4.6. Hasil Pengujian Granger Causality Model Inflasi


SBIS does not Granger Cause PUAS 0.0871

SBIS does not Granger Cause LFINC 0.0028




IHK does not Granger Cause LFINC 0.0238

LFINC does not Granger Cause IHK 0.0088

Untuk alur transmisi kebijakan moneter dengan tujuan akhir output (IPI) melalui jalur

acuan BI Rate ditunjukkan dalam diagram 4.3. Hasil menunjukkan tidak adanya

kesinambungan jalur acuan BI Rate sampai ke output. BI Rate mempengaruhi PUAS dan

PLS, dari PLS mempengaruhi PUAS dan financing, dari PUAS ke financing, serta dari

financing ke output.

56

Diagram 4.3

Alur Transmisi Moneter Syariah BI Rate ke Output

Tabel 4.7. Hasil Pengujian Granger Causality Model Output


PUAS does not Granger Cause BIRATE 0.0241

BIRATE does not Granger Cause PUAS 0.0405

BIRATE does not Granger Cause LFINC 0.0016




LFINC does not Granger Cause IPI 0.0086

Untuk alur transmisi kebijakan moneter dengan tujuan akhir inflasi (IHK) melalui

jalur acuan BI Rate ditunjukkan dalam diagram 4.4. BI Rate mempengaruhi PUAS dan

financing, dari PLS mempengaruhi PUAS dan financing, dari PUAS ke financing, serta PLS

dan financing mempengaruhi inflasi. Setelah itu inflasi memberikan pengaruh balik ke

financing.

57

Diagram 4.4

Alur Transmisi Moneter Syariah BI Rate ke Inflasi

Tabel 4.8. Hasil Pengujian Granger Causality Model Inflasi


PUAS does not Granger Cause BIRATE 0.0241

BIRATE does not Granger Cause PUAS 0.0405

BIRATE does not Granger Cause LFINC 0.0016




IHK does not Granger Cause LFINC 0.0238

LFINC does not Granger Cause IHK 0.0088

4.3 Analisis Impulse Response Function (IRF)

VAR merupakan suatu metode yang akan menentukan sendiri struktur dinamisnya

dari suatu model. Setelah dilakukan uji VAR, maka diperlukan adanya metode yang dapat

mencirikan struktur dinamis VAR secara jelas. Impulse Response Function (IRF) digunakan

untuk mengidentifikasi suatu kejutan pada satu variabel endogen sehingga dapat menentukan

bagaimana suatu perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel

lain.

Gambar impulse response akan menunjukkan respon suatu variabel akibat kejutan

variabel lainnya sampai dengan beberapa periode setelah terjadinya shock. Jika gambar

impulse response menunjukkan pergerakkan yang semakin mendekati titik keseimbangan

58

(convergence) atau kembali ke keseimbangan sebelumnya bermakna respon suatu variabel

akibat suatu kejutan makin lama akan menghilang sehingga kejutan tersebut tidak

meninggalkan pengaruh permanen terhadap variabel tersebut.

Gambar berikut menunjukkan hasil impulse response model output (IPI). Pada tahap

ini diuraikan mengenai analisis hubungan antara instrumen kebijakan moneter (SBIS) dengan

PUAS sebagai sasaran opersional kebijakan. Pada gambar 4.1 menunjukkan bahwa respon

PUAS terhadap shock SBIS positif mulai dari awal periode hingga akhir periode. Respon

positif ini menunjukkan ketika tingkat imbal hasil SBIS naik, hal ini akan diikuti pula oleh

kenaikan tingkat imbal hasil PUAS.

Tahap selanjutnya diuraikan mengenai hubungan antara pembiayaan perbankan

syariah dengan tingkat imbal hasil Pasar Uang Antarbank Syariah (PUAS). Respon

pembiayaan perbankan syariah terhadap shock PUAS adalah negatif mulai dari awal periode

hingga akhir periode. Respon ini disebabkan oleh sifat dari Pasar Uang Antarbank Syariah

sebagai instrumen likuiditas bagi perbankan syariah. Untuk mengoptimalkan portofolio, dana

yang menganggur dapat ditempatkan pada instrumen likuiditas ini sehingga ketika imbal

hasil PUAS tinggi bank syariah tidak usah repot-repot mengalokasikan dananya ke

pembiayaan.

Pada tahap ketiga diuraikan mengenai analisis hubungan antara Indeks Produksi

Industri (IPI) dengan pembiayaan perbankan syariah (FINC). Respon IPI terhadap

pembiayaan perbankan syariah positif dan konvergen. Respon positif ini sesuai dengan

karakteristik perbankan syariah yang meningkatkan pertumbuhan ekonomi yang tercermin

pada meningkatkannya pertumbuhan industri.

59

Grafik 4.1. Impulse Response Function (IRF) untuk model output

-.4

-.2

.0

.2

.4

.6

.8

5 10 15 20 25 30 35

Response of PUAS to SBIS

-.02

-.01

.00

.01

.02

.03

5 10 15 20 25 30 35

Response of LFINC to PUAS

-2

-1

0

1

2

3

4

5 10 15 20 25 30 35

Response of IPI to LFINC

Response to Cholesky One S.D. Innovations

Untuk hasil impulse response model inflasi (IHK) akibat guncangan BIRATE, SBIS,

PUAS, PLS, FINC ditunjukkan oleh gambar berikut:

Grafik 4.2. Impulse Response Function (IRF) untuk model inflasi

-.4

-.2

.0

.2

.4

.6

.8

5 10 15 20 25 30 35

Response of SBIS to IHK

-.2

.0

.2

.4

.6

.8

5 10 15 20 25 30 35

Response of PUAS to SBIS

-.2

.0

.2

.4

.6

.8

5 10 15 20 25 30 35

Response of PUAS to LFINC

-.2

.0

.2

.4

.6

.8

5 10 15 20 25 30 35

Response of PUAS to IHK

-0.4

0.0

0.4

0.8

1.2

1.6

5 10 15 20 25 30 35

Response of PLS to SBIS

-.04

-.02

.00

.02

.04

5 10 15 20 25 30 35

Response of LFINC to SBIS

-.04

-.02

.00

.02

.04

5 10 15 20 25 30 35

Response of LFINC to PLS

-.04

-.02

.00

.02

.04

5 10 15 20 25 30 35

Response of LFINC to IHK

-4

-2

0

2

4

6

5 10 15 20 25 30 35

Response of IHK to SBIS

Response to Cholesky One S.D. Innovations

60

Hasil Impulse Response Function (IRF) untuk alur transmisi kebijakan moneter model

inflasi menunjukkan bahwa respon SBIS terhadap guncangan inflasi adalah negatif. Dengan

kata lain, ketika SBIS mengalami guncangan (peningkatan) maka akan menurunkan inflasi.

Lebih lanjut, dalam jangka panjang tidak terlihat tanda-tanda pergerakannya menuju

keseimbangan atau mendekati angka nol (covergence) artinya perubahan SBIS akan tetap

direspon oleh inflasi (IHK) karena efeknya yg permanen.

Jika melihat hasil impulse response function (IRF), Respon PUAS terhadap shock

SBIS positif mulai dari awal periode hingga akhir periode. Respon positif ini menunjukkan

ketika tingkat imbal hasil SBIS naik, hal ini akan diikuti pula oleh kenaikan tingkat imbal

hasil PUAS. Sedangkan respon PUAS terhadap guncangan inflasi (IHK) adalah negatif.

Dengan kata lain, ketika PUAS mengalami guncangan peningkatan maka akan meningkatkan

inflasi.

Respon PUAS terhadap pembiayaan bank syariah (FINC) adalah positif. Dengan kata

lain, ketika PUAS mengalami guncangan peningkatan maka adan meningkatkan pembiayaan

perbankan syariah. Respon PLS terhadap guncangan SBIS adalah positif.

Respon pembiayaan (FINC) terhadap SBIS negatif. Hal ini dapat disimpulkan bahwa

apabila dana bank syariah disimpan melalui SBIS, maka akan semakin mempengaruhi

penurunan pembiayaan bank syariah. Ini disebabkan apabila SBIS semakin besar jumlahnya,

maka pembiayaan yang disalurkan oleh bank syariah akan menurun. Pada akhirnya

berimplikasi pada manfaat ke sektor riil semakin berkurang.

Respon pembiayaan terhadap guncangan inflasi adalah negatif. Dengan kata lain,

semakin tinggi pembiayaan maka akan mampu menurunkan inflasi. Lebih lanjut, dalam

jangka panjang tidak terlihat tanda-tanda pergerakannya menuju keseimbangan atau

61

mendekati angka nol (covergence) artinya perubahan pembiayaan akan tetap direspon oleh

inflasi (IHK) karena efeknya yg permanen.

4.4 Analisis Variance Decomposition (VD)

Setelah menganalisis prilaku guncangan melalui impulse response, maka tahap

berikutnya adalah memprediksi kontribusi setiap variabel penelitian terhadap guncangan atau

perubahan variabel tertentu dengan melihat model melalui variance decomposition (VD).

Analisis Variance Decomposition dapat menjelaskan sejauh mana peranan suatu variabel

ekonomi dalam menjelaskan guncangan variabel ekonomi lainnya. Analisis Variance

Decomposition (VD) dapat pula dipakai untuk melihat kekuatan dan kelemahan dari masing-

masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.

Variance decomposition (VD) memberikan informasi mengenai proporsi dari

pergerakan pengaruh shock pada sebuah variabel terhadap variabel lainnya pada periode saat

ini dan yang akan datang. Hasil dari variance decomposition dalam penelitian ini adalah

sebagai berikut:

Tabel 4.4

Variance Decomposition of IPI

Period S.E. BIRATE SBIS PUAS PLS LFINC IPI 1 0.175047 0.708698 0.583889 0.061514 0.080144 0.333636 98.23212

2 0.317820 0.846123 1.246390 0.833758 0.206821 0.545300 96.32161

3 0.448227 0.908328 0.966014 2.732232 0.252343 0.404827 94.73626

4 0.564980 0.924875 0.831344 3.835687 0.274331 0.324962 93.80880

5 0.669488 0.928794 0.710219 5.064286 0.297898 0.270795 92.72801

6 0.763732 0.923570 0.616789 6.064897 0.313561 0.231253 91.84993

7 0.849549 0.914992 0.543589 6.929184 0.326636 0.201619 91.08398

8 0.928454 0.905304 0.485195 7.658974 0.337139 0.178666 90.43472

9 1.001658 0.895646 0.437861 8.277066 0.345800 0.160395 89.88323

10 1.070111 0.886573 0.398860 8.802149 0.353034 0.145525 89.41386

11 1.134562 0.878289 0.366244 9.250815 0.359145 0.133190 89.01232

12 1.195601 0.870838 0.338606 9.636670 0.364363 0.122796 88.66673

Jumlah 9.119229 10.59203 7.525000 69.14723 3.511215 3.052964 1106.172 Cholesky Ordering: BIRATE SBIS PUAS PLS LFINC IPI

62

Dari hasil diatas tampak bahwa periode pertama nilai output dominan mempengaruhi

dirinya sendiri sebesar 98.23%. Kemudian diikuti BIRATE, SBIS, financing, PLS dan PUAS.

Periode kedua SBIS memberikan pengaruh yang dominan setelah output itu sendiri meskipun

hanya sebesar 1.24%. Periode ketiga hingga selanjutnya PUAS memberikan pengaruh yang

dominan setelah variabel output itu sendiri yaitu sebesar 2.73% dan pada periode ke 12

sebesar 9.63%.

Hasil variance decomposition secara umum menunjukkan variabel yang

mempengaruhi volatilitas forcast error dari nilai output sesuai dengan urutan pengaruh

terbesar adalah nilai output itu sendiri, PUAS, BIRATE, SBIS, PLS dan financing.

Untuk hasil variance decomposition penyumbang inflasi adalah sebagai berikut:

Tabel 4.5

Variance Decomposition of IHK:

Period S.E. BIRATE SBIS PUAS PLS LFINC IHK 1 0.176165 0.085935 0.008614 0.233189 0.075660 5.128424 94.46818

2 0.319179 0.378625 0.057957 0.482096 0.382539 4.902119 93.79666

3 0.450864 0.502908 0.194755 1.587757 0.371439 4.677323 92.66582

4 0.569080 0.554430 0.374446 2.697805 0.336252 4.456468 91.58060

5 0.674918 0.556637 0.602826 4.089125 0.298661 4.271360 90.18139

6 0.770232 0.531504 0.862572 5.527375 0.262908 4.099401 88.71624

7 0.856826 0.494131 1.140020 7.003956 0.232061 3.945467 87.18437

8 0.936248 0.453129 1.424698 8.455221 0.205966 3.805240 85.65575

9 1.009750 0.413173 1.707862 9.857761 0.184209 3.678138 84.15886

10 1.078328 0.376484 1.983738 11.19123 0.166154 3.562679 82.71971

11 1.142767 0.343885 2.248365 12.44646 0.151180 3.457850 81.35226

12 1.203690 0.315458 2.499434 13.61915 0.138737 3.362610 80.06461

Jumlah 9.188047 5.006299 13.10529 77.19113 2.805766 49.34708 1052.544 Cholesky Ordering: BIRATE SBIS PUAS PLS LFINC IHK

Hasil variance decomposition penyumbang inflasi menunjukkan, pada periode

pertama pengaruh terbesar adalah inflasi itu sendiri yaitu sebesar 94.46%, dilanjutkan dengan

financing, PUAS, BIRATE, PLS, dan SBIS. Pada periode keenam dan seterusnya PUAS

memberikan pengaruh terbesar setelah inflasi yaitu sebesar 5.52% dan selanjutnya diikuti

63

oleh financing, SBIS, BIRATE, PLS. Pada periode ke 12 PUAS memberikan pengaruh

sebesar 13.61%.

Secara umum hasil variance decomposition menunjukkan variabel yang

mempengaruhi volatilitas forcast error dari nilai inflasi sesuai dengan urutan pengaruh

terbesar adalah nilai inflasi itu sendiri, PUAS, financing, SBIS, BIRATE dan PLS.

64

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil studi dan analisis yang telah dilakukan, maka dapat diambil

kesimpulan sebagai berikut :

1. Berdasarkan hasil granger causality alur transmisi kebijakan moneter syariah

dengan tujuan akhir output menunjukkan adanya kesinambungan jalur imbal hasil

dari margin acuan SBIS sampai ke output. Sedangkan alur transmisi kebijakan

moneter dari SBIS dengan tujuan akhir inflasi (IHK) menunjukkan tidak adanya

kesinambungan jalur imbal hasil dari margin dengan acuan SBIS sampai ke inflasi.

2. Hasil Impulse Responses Function (IRF) membuktikan bahwa guncangan SBIS,

PLS, Financing direspon positif oleh output (IPI) sedangkan guncangan PUAS

direspon negatif oleh output (IPI). Untuk hasil Impulse Responses model inflasi

akibat guncangan SBIS, PUAS, PLS dan Financing direspon negatif oleh inflasi

(IHK). Hal ini berarti ketika SBIS, PUAS, PLS dan Financing mengalami

guncangan (peningkatan) maka akan menurunkan inflasi dan meningkatkan output.

3. Berdasarkan pada hasil variance decomposition pada model inflasi dan output,

semua variabel BIRATE, SBIS, PUAS, PLS dan FINC memiliki kontribusi

terhadap pertumbuhan ekonomi dan pengurangan inflasi.

5.2 Saran

Berdasarkan kesimpulan penelitian diatas penulis menyarankan kepada bank

indonesia untuk mengoptimalkan penggunaan instrumen moneter syariah sehingga lebih

65

efektif dalam meningkatkan output dan menurunkan inflasi. Serta senantiasa menjaga atau

mengawasi efisiensi lembaga keuangan (perbankan) agar respon lembaga tersebut terhadap

shock SBIS makin memperkuat terwujudnyasasaran akhir kebijakan moneter di Indonesia.

66

DAFTAR PUSTAKA

Ascarya. (2012). Alur Transmisi dan Efektivitas Kebijakan Moneter Ganda di Indonesia.

Jurnal Ekonomi dan Perbankan, volume 14 Nomor 3.

Bank Indonesia . Statistik Perbankan Syariah Bank Indonesia . www.bi.go.id

____________. Statistik Ekonomi dan Keuangan Indonesia Bank Indonesia. www.bi.go.id

____________. Undang-Undang Republik Indonesia Nomor 21 Tahun 2008 Tentang

Perbankan Syariah. www.bi.go.id

____________, Outlook Perbankan Syariah 2010. www.stas.ac.id

Bungin, Burhan. (2003). Analisis Data Penelitian Kualitatif. Jakarta: Raja Grafindo Persada.

Chapra, M. Umer. (1985). Towards a Just Monetary System. Leicester, UK: The Islamic

Foundation.

Chapra, M. Umer. 1997. Al-Qur’an Menuju Sistem Moneter yang Adil. Terjemah oleh

Lukman Hakim, Yogyakarta: Dhana Bakti Prima Yasa.

Gujarati, D. (2003). Basic Econometrics, McGraw-Hill Companies, 8th Edition, USA.

Manurung, Mandala dan Pratama Rahardja (2004).Uang, Perbankan dan Ekonomi Moneter

(Kajian Kontektuan Indonesia). Jakarta: Fakultas Ekonomi Universitas Indonesia.

Maski, Ghozali. (2007). Transmisi Kebijakan Moneter: Kajian Teoritis dan Empiris. Malang:

Badan Penerbit Fakultas Ekonomi Universitas Brawijaya.

http://www.bi.go.id/



http://www.stas.ac.id/

67

Natsir, M. (2011). Analisis Empiris Efektivitas Mekanisme Transmisi Kebijakan Moneter di

Indonesia melalui Jalur Suku Bunga (Interest Rate Channel) Periode 1990:2-2007:1.

Majalah Ekonomi, Tahun XXI, (No. 2).

Pohan, Aulia. (2008). Potret Kebijakan Moneter Indonesia: Seberapa Jauh Kebijakan

Moneter Mewarnai Perekonomian Indonesia. Jakarta: PT. Raja Grafindo Persada.

Pohan, Aulia. (2008). Kerangka Kebijakan Moneter dan Implementasinya di Indonesia.

Jakarta: PT Raja Grafindo Persada.

Rusydiana, Aam Slamat, (2009). Mekanisme Transmisi Syariah Pada Sistem Moneter Ganda

di Indonesia. Buletin Ekonomi dan Perbankan, April 2009.

Siddiqui, Shamin Ahmad. (2008). An Evaluation of Research on Monetary Policy and

Stability of the Islamic Economic System. Paper presented atInternational Conference on

Islamic Economics: 30 Years of Research in Islamic Economics, Jeddah: KAAU-IRTI, April.

Warjiyo, Perry. (2004). Mekanisme Transmisi Kebijakan Moneter di Indonesia. Seri

Kebanksentralan No. 11. PPSK. Jakarta: Bank Indonesia.

Bank Indonesia. (2003).

Warjiyo, P dan Solikin. (2003). Kebijakan Moneter di Indonesia. Seri Kebanksentralan No.

6. PPSK. Jakarta: Bank Indonesia.

Winarno, W, W. (2009). Analisis Ekonometrika dan Statistik dengan Eviews. Yogyakarta:

UPP STIM YKPN.

Widarjono, Agus. (2007). Ekonometrika. Edisi Kedua. Yogyakarta: Ekonisia.

Widarjono, Agus. 2013. Ekonometrika: Pengantar dan Aplikasinya. Yogyakarta: UUP STIM

YKPN.

68

LAMPIRAN

69

Uji Stasioneritas Data

1. Level

Null Hypothesis: BIRATE has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.412030 0.0123

Test critical values: 1% level -3.482453

5% level -2.884291

10% level -2.578981

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: SBIS has a unit root

Exogenous: Constant



5% level -2.886074

10% level -2.579931


Null Hypothesis: PUAS has a unit root

Exogenous: Constant



5% level -2.884109

10% level -2.578884


Null Hypothesis: PLS has a unit root

Exogenous: Constant



5% level -2.883930

10% level -2.578788


70

Null Hypothesis: LFINC has a unit root

Exogenous: Constant



5% level -2.884477

10% level -2.579080


Null Hypothesis: IHK has a unit root

Exogenous: Constant



5% level -2.883930

10% level -2.578788 *MacKinnon (1996) one-sided p-values.

Null Hypothesis: IPI has a unit root

Exogenous: Constant



5% level -2.884291

10% level -2.578981


2. Fist Difference

Null Hypothesis: D(BIRATE) has a unit root

Exogenous: Constant



5% level -2.884291

10% level -2.578981


Null Hypothesis: D(SBIS) has a unit root

Exogenous: Constant

Lag Length: 3 (Automatic - based on SIC, maxlag=12)

71

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.932919 0.0000


5% level -2.884665

10% level -2.579180


Null Hypothesis: D(PUAS) has a unit root

Exogenous: Constant



5% level -2.884109

10% level -2.578884


Null Hypothesis: D(PLS) has a unit root

Exogenous: Constant



5% level -2.884109

10% level -2.578884


Null Hypothesis: D(LFINC) has a unit root

Exogenous: Constant



5% level -2.884477

10% level -2.579080


Null Hypothesis: D(IHK) has a unit root

Exogenous: Constant



5% level -2.884109

72

10% level -2.578884


Null Hypothesis: D(IPI) has a unit root

Exogenous: Constant



5% level -2.884291

10% level -2.578981 *MacKinnon (1996) one-sided p-values.

Granger Causality Test

Pairwise Granger Causality Tests Date: 03/24/17 Time: 15:33 Sample: 2006M01 2016M10 Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

PUAS does not Granger Cause BIRATE 128 3.84125 0.0241

BIRATE does not Granger Cause PUAS 3.29187 0.0405

PLS does not Granger Cause BIRATE 128 0.10377 0.9015

BIRATE does not Granger Cause PLS 1.29009 0.2789

LFINC does not Granger Cause BIRATE 128 0.36398 0.6957

BIRATE does not Granger Cause LFINC 6.7992 0.0016

IPI does not Granger Cause BIRATE 128 0.61723 0.5411

BIRATE does not Granger Cause IPI 0.11913 0.8878

PLS does not Granger Cause PUAS 128 2.43924 0.0914

PUAS does not Granger Cause PLS 1.08839 0.34

LFINC does not Granger Cause PUAS 128 1.3586 0.2609

PUAS does not Granger Cause LFINC 9.72099 0.0001

IPI does not Granger Cause PUAS 128 1.93928 0.1482

PUAS does not Granger Cause IPI 1.04264 0.3556

73

LFINC does not Granger Cause PLS 128 0.3121 0.7325

PLS does not Granger Cause LFINC 8.35743 0.0004

IPI does not Granger Cause PLS 128 0.24037 0.7867

PLS does not Granger Cause IPI 0.06186 0.94

IPI does not Granger Cause LFINC 128 1.77705 0.1735

LFINC does not Granger Cause IPI 4.93947 0.0086



PUAS does not Granger Cause SBIS 128 0.01065 0.9894

SBIS does not Granger Cause PUAS 2.4893 0.0871

PLS does not Granger Cause SBIS 128 2.01698 0.1374

SBIS does not Granger Cause PLS 0.81538 0.4448

LFINC does not Granger Cause SBIS 128 0.51284 0.6001

SBIS does not Granger Cause LFINC 6.18354 0.0028

IPI does not Granger Cause SBIS 128 0.54366 0.582

SBIS does not Granger Cause IPI 1.00834 0.3678





IPI does not Granger Cause PUAS 128 1.93928 0.1482

PUAS does not Granger Cause IPI 1.04264 0.3556



IPI does not Granger Cause PLS 128 0.24037 0.7867

PLS does not Granger Cause IPI 0.06186 0.94

74

IPI does not Granger Cause LFINC 128 1.77705 0.1735

LFINC does not Granger Cause IPI 4.93947 0.0086



PUAS does not Granger Cause BIRATE 128 3.84125 0.0241

BIRATE does not Granger Cause PUAS 3.29187 0.0405

PLS does not Granger Cause BIRATE 128 0.10377 0.9015

BIRATE does not Granger Cause PLS 1.29009 0.2789

LFINC does not Granger Cause BIRATE 128 0.36398 0.6957

BIRATE does not Granger Cause LFINC 6.7992 0.0016

IHK does not Granger Cause BIRATE 128 0.18241 0.8335

BIRATE does not Granger Cause IHK 1.79006 0.1713





IHK does not Granger Cause PUAS 128 0.62255 0.5383

PUAS does not Granger Cause IHK 1.382 0.2549



IHK does not Granger Cause PLS 128 0.37728 0.6865

PLS does not Granger Cause IHK 2.30029 0.1045

IHK does not Granger Cause LFINC 128 3.85484 0.0238

LFINC does not Granger Cause IHK 4.91565 0.0088

75



PUAS does not Granger Cause SBIS 128 0.01065 0.9894

SBIS does not Granger Cause PUAS 2.4893 0.0871

PLS does not Granger Cause SBIS 128 2.01698 0.1374

SBIS does not Granger Cause PLS 0.81538 0.4448

LFINC does not Granger Cause SBIS 128 0.51284 0.6001

SBIS does not Granger Cause LFINC 6.18354 0.0028

IHK does not Granger Cause SBIS 128 0.05914 0.9426

SBIS does not Granger Cause IHK 0.98338 0.377





IHK does not Granger Cause PUAS 128 0.62255 0.5383

PUAS does not Granger Cause IHK 1.382 0.2549



IHK does not Granger Cause PLS 128 0.37728 0.6865

PLS does not Granger Cause IHK 2.30029 0.1045

IHK does not Granger Cause LFINC 128 3.85484 0.0238

LFINC does not Granger Cause IHK 4.91565 0.0088

ESTIMASI VAR BIRATE

Vector Error Correction Estimates

Date: 03/10/17 Time: 07:55

Sample (adjusted): 2006M03 2016M10

Included observations: 128 after adjustments

Standard errors in ( ) & t-statistics in [ ]

76

Cointegrating Eq: CointEq1 BIRATE(-1) 1.000000

PUAS(-1) 2.860903

(0.69218)

[ 4.13318]

PLS(-1) 0.048092

(0.23718)

[ 0.20277]

LFINC(-1) 5.510998

(2.70275)

[ 2.03903]

IPI(-1) 0.063804

(0.16070)

[ 0.39704]

C -93.90991 Error Correction: D(BIRATE) D(PUAS) D(PLS) D(LFINC) D(IPI) CointEq1 0.000655 -0.034552 0.014570 -0.002141 -0.078196

(0.00358) (0.01636) (0.02422) (0.00031) (0.06886)

[ 0.18328] [-2.11216] [ 0.60156] [-6.83946] [-1.13562]

D(BIRATE(-1)) 0.505858 0.500482 -0.034266 0.015904 0.523785

(0.07888) (0.36087) (0.53431) (0.00690) (1.51902)

[ 6.41296] [ 1.38688] [-0.06413] [ 2.30345] [ 0.34482]

D(PUAS(-1)) 0.044228 -0.243619 -0.040335 0.003044 0.421222

(0.01950) (0.08920) (0.13206) (0.00171) (0.37545)

[ 2.26846] [-2.73129] [-0.30542] [ 1.78377] [ 1.12190]

D(PLS(-1)) -0.010182 0.032492 -0.002950 0.000236 0.036909

(0.01348) (0.06167) (0.09131) (0.00118) (0.25958)

[-0.75538] [ 0.52688] [-0.03230] [ 0.19964] [ 0.14219]

D(LFINC(-1)) 0.582420 0.234979 1.149095 -0.046403 -15.73763

(1.00200) (4.58402) (6.78716) (0.08771) (19.2956)

[ 0.58126] [ 0.05126] [ 0.16930] [-0.52907] [-0.81561]

D(IPI(-1)) -0.007013 -0.025418 -0.020594 0.000293 -0.325557

(0.00453) (0.02072) (0.03068) (0.00040) (0.08722)

[-1.54848] [-1.22670] [-0.67125] [ 0.73827] [-3.73258]

C -0.036961 0.032478 -0.017961 0.023057 0.861425

(0.02728) (0.12478) (0.18475) (0.00239) (0.52524)

[-1.35511] [ 0.26028] [-0.09722] [ 9.65777] [ 1.64004] R-squared 0.299027 0.149759 0.007141 0.332138 0.119140

Adj. R-squared 0.264268 0.107599 -0.042092 0.299021 0.075461

Sum sq. resids 3.737266 78.21955 171.4742 0.028634 1385.929

S.E. equation 0.175746 0.804017 1.190438 0.015383 3.384370

F-statistic 8.602881 3.552108 0.145042 10.02918 2.727630

Log likelihood 44.53113 -150.1035 -200.3379 356.3073 -334.0782

Akaike AIC -0.586424 2.454741 3.239655 -5.457927 5.329348

Schwarz SC -0.430453 2.610712 3.395625 -5.301956 5.485318

Mean dependent -0.052734 0.001641 0.000391 0.021375 0.372188

S.D. dependent 0.204892 0.851108 1.166148 0.018374 3.519777

77

Determinant resid covariance (dof adj.) 7.31E-05

Determinant resid covariance 5.52E-05

Log likelihood -280.6409

Akaike information criterion 5.010014

Schwarz criterion 5.901273

IMPULSE RESPONSE

Period BIRATE PUAS PLS LFINC IPI 1 0.310858 0.354738 0.011670 0.375700 3.330195

2 0.282290 0.399432 0.054358 0.003200 2.229412

3 0.283665 0.200761 0.034457 0.132649 2.537567

4 0.258380 0.211226 0.029556 0.092211 2.464237

5 0.237414 0.124932 0.028372 0.097501 2.480455

6 0.212468 0.083445 0.024426 0.092647 2.481691

7 0.189290 0.032633 0.022696 0.089517 2.483486

8 0.167094 -0.009380 0.020558 0.086688 2.486374

9 0.146651 -0.048517 0.018926 0.083911 2.488385

10 0.127908 -0.083561 0.017410 0.081481 2.490545

11 0.110863 -0.115221 0.016084 0.079238 2.492411

12 0.095418 -0.143744 0.014894 0.077224 2.494144

13 0.081459 -0.169436 0.013830 0.075401 2.495702

14 0.068862 -0.192574 0.012875 0.073759 2.497113

15 0.057505 -0.213407 0.012017 0.072279 2.498386

16 0.047271 -0.232163 0.011245 0.070946 2.499533

17 0.038054 -0.249049 0.010551 0.069745 2.500567

18 0.029753 -0.264249 0.009927 0.068664 2.501498

19 0.022280 -0.277933 0.009365 0.067691 2.502337

20 0.015551 -0.290251 0.008860 0.066815 2.503092

21 0.009494 -0.301339 0.008404 0.066026 2.503771

22 0.004041 -0.311320 0.007995 0.065316 2.504383

23 -0.000867 -0.320304 0.007626 0.064677 2.504934

24 -0.005286 -0.328392 0.007294 0.064102 2.505430

25 -0.009263 -0.335672 0.006995 0.063584 2.505876

26 -0.012843 -0.342225 0.006727 0.063118 2.506278

27 -0.016066 -0.348124 0.006485 0.062698 2.506640

28 -0.018967 -0.353434 0.006267 0.062320 2.506965

29 -0.021579 -0.358214 0.006070 0.061980 2.507258

30 -0.023930 -0.362517 0.005894 0.061674 2.507522

31 -0.026046 -0.366390 0.005735 0.061399 2.507759

32 -0.027951 -0.369876 0.005592 0.061151 2.507973

33 -0.029665 -0.373014 0.005463 0.060927 2.508166

34 -0.031209 -0.375839 0.005347 0.060726 2.508339

35 -0.032598 -0.378382 0.005243 0.060546 2.508495

36 -0.033848 -0.380671 0.005149 0.060383 2.508635 Cholesky Ordering: BIRATE PUAS PLS LFINC IPI

78


Period S.E. BIRATE PUAS PLS LFINC IPI 1 0.175746 0.843661 1.098653 0.001189 1.232330 96.82417

2 0.319595 1.057937 1.712337 0.018546 0.846977 96.36420

3 0.450232 1.104683 1.401107 0.018405 0.682964 96.79284

4 0.566451 1.099060 1.257903 0.017500 0.568166 97.05737

5 0.669584 1.064972 1.081801 0.016698 0.495512 97.34102

6 0.761679 1.014608 0.937803 0.015643 0.442430 97.58952

7 0.844688 0.958050 0.818896 0.014694 0.401946 97.80641

8 0.920255 0.899787 0.725327 0.013790 0.369773 97.99132

9 0.989707 0.842824 0.654663 0.012964 0.343395 98.14615

10 1.054094 0.788656 0.604015 0.012208 0.321286 98.27384

11 1.114247 0.738051 0.570547 0.011518 0.302411 98.37747

12 1.170819 0.691290 0.551583 0.010889 0.286068 98.46017

13 1.224331 0.648384 0.544716 0.010315 0.271748 98.52484

14 1.275203 0.609188 0.547831 0.009789 0.259081 98.57411

15 1.323774 0.573471 0.559091 0.009309 0.247782 98.61035

16 1.370321 0.540969 0.576927 0.008867 0.237633 98.63560

17 1.415075 0.511403 0.600000 0.008462 0.228463 98.65167

18 1.458228 0.484499 0.627183 0.008088 0.220133 98.66010

19 1.499941 0.460001 0.657528 0.007744 0.212531 98.66220

20 1.540352 0.437666 0.690244 0.007425 0.205565 98.65910

21 1.579580 0.417275 0.724672 0.007130 0.199159 98.65176

22 1.617725 0.398628 0.760268 0.006856 0.193247 98.64100

23 1.654876 0.381546 0.796584 0.006601 0.187774 98.62750

24 1.691111 0.365866 0.833252 0.006364 0.182695 98.61182

25 1.726497 0.351447 0.869974 0.006142 0.177968 98.59447

26 1.761096 0.338159 0.906509 0.005935 0.173560 98.57584

27 1.794959 0.325888 0.942665 0.005741 0.169439 98.55627

28 1.828136 0.314534 0.978290 0.005560 0.165578 98.53604

29 1.860669 0.304005 1.013264 0.005389 0.161956 98.51539

30 1.892596 0.294223 1.047497 0.005228 0.158550 98.49450

31 1.923953 0.285115 1.080921 0.005077 0.155342 98.47355

32 1.954771 0.276619 1.113488 0.004934 0.152317 98.45264

33 1.985078 0.268677 1.145165 0.004799 0.149459 98.43190

34 2.014901 0.261241 1.175932 0.004671 0.146755 98.41140

35 2.044264 0.254264 1.205780 0.004550 0.144195 98.39121

36 2.073189 0.247708 1.234707 0.004435 0.141766 98.37138 Cholesky Ordering: BIRATE PUAS PLS LFINC IPI

Impulse Response BI rate to IHK Period BIRATE PUAS PLS LFINC 1 0.160224 -0.146222 0.164564 -1.334596

2 0.465133 -0.225499 0.397838 -1.067057

3 0.455105 -0.569619 0.231094 -1.018918

4 0.399838 -0.782804 0.169306 -0.982594

5 0.302766 -1.036286 0.102912 -0.948047

6 0.191252 -1.256325 0.044686 -0.921096

7 0.077541 -1.465089 -0.006678 -0.897332

8 -0.032838 -1.654988 -0.053176 -0.876563

9 -0.136853 -1.829049 -0.095028 -0.858047

10 -0.233429 -1.987590 -0.132939 -0.841440

11 -0.322288 -2.131970 -0.167286 -0.826465

79

12 -0.403629 -2.263286 -0.198447 -0.812924

13 -0.477859 -2.382673 -0.226730 -0.800656

14 -0.545475 -2.491177 -0.252411 -0.789531

15 -0.607000 -2.589773 -0.275732 -0.779434

16 -0.662946 -2.679355 -0.296914 -0.770267

17 -0.713798 -2.760742 -0.316154 -0.761943

18 -0.760010 -2.834680 -0.333630 -0.754383

19 -0.802000 -2.901849 -0.349506 -0.747516

20 -0.840148 -2.962869 -0.363928 -0.741278

21 -0.874806 -3.018302 -0.377028 -0.735612

22 -0.906292 -3.068658 -0.388929 -0.730464

23 -0.934895 -3.114404 -0.399740 -0.725789

24 -0.960879 -3.155960 -0.409561 -0.721541

25 -0.984484 -3.193711 -0.418482 -0.717683

26 -1.005927 -3.228004 -0.426587 -0.714178

27 -1.025407 -3.259158 -0.433949 -0.710993

28 -1.043103 -3.287458 -0.440637 -0.708101

29 -1.059178 -3.313167 -0.446713 -0.705473

30 -1.073782 -3.336521 -0.452232 -0.703086

31 -1.087048 -3.357737 -0.457246 -0.700918

32 -1.099099 -3.377010 -0.461801 -0.698948

33 -1.110046 -3.394518 -0.465938 -0.697158

34 -1.119991 -3.410422 -0.469697 -0.695533

35 -1.129025 -3.424871 -0.473111 -0.694056

36 -1.137232 -3.437996 -0.476213 -0.692715 Cholesky Ordering: BIRATE PUAS PLS LFINC IHK

Variance Decomposition of IHK

Period S.E. BIRATE PUAS PLS LFINC IHK 1 0.176955 0.082614 0.068805 0.087150 5.731869 94.02956

2 0.320691 0.488698 0.145851 0.374279 5.895694 93.09548

3 0.451359 0.660783 0.583625 0.351268 5.822986 92.58134

4 0.568102 0.717790 1.189785 0.315191 5.802837 91.97440

5 0.672380 0.695774 2.068782 0.276070 5.781478 91.17790

6 0.766257 0.636785 3.162711 0.241854 5.761597 90.19705

7 0.851605 0.570398 4.457320 0.214921 5.737108 89.02025

8 0.929978 0.515176 5.915660 0.195790 5.705970 87.66740

9 1.002606 0.481541 7.504855 0.184214 5.667140 86.16225

10 1.070458 0.474301 9.191207 0.179604 5.620665 84.53422

11 1.134290 0.494601 10.94395 0.181200 5.567156 82.81309

12 1.194697 0.541328 12.73551 0.188182 5.507568 81.02741

13 1.252154 0.612075 14.54210 0.199733 5.442993 79.20310

14 1.307040 0.703788 16.34377 0.215070 5.374551 77.36282

15 1.359665 0.813187 18.12424 0.233473 5.303307 75.52580

16 1.410282 0.937032 19.87059 0.254295 5.230233 73.70785

17 1.459102 1.072280 21.57291 0.276965 5.156184 71.92166

18 1.506304 1.216174 23.22388 0.300987 5.081891 70.17707

19 1.552037 1.366275 24.81834 0.325940 5.007967 68.48148

20 1.596431 1.520473 26.35296 0.351467 4.934912 66.84018

21 1.639597 1.676974 27.82589 0.377273 4.863126 65.25674

22 1.681632 1.834275 29.23642 0.403116 4.792921 63.73327

23 1.722621 1.991135 30.58479 0.428799 4.724530 62.27075

24 1.762638 2.146549 31.87192 0.454167 4.658127 60.86924

25 1.801750 2.299709 33.09928 0.479095 4.593826 59.52809

26 1.840016 2.449984 34.26871 0.503490 4.531703 58.24612

27 1.877489 2.596889 35.38230 0.527281 4.471792 57.02174

80

28 1.914218 2.740062 36.44234 0.550418 4.414103 55.85308

29 1.950244 2.879244 37.45119 0.572866 4.358621 54.73808

30 1.985608 3.014262 38.41128 0.594602 4.305312 53.67455

31 2.020344 3.145013 39.32501 0.615616 4.254131 52.66023

32 2.054486 3.271448 40.19477 0.635907 4.205020 51.69286

33 2.088063 3.393567 41.02286 0.655477 4.157916 50.77018

34 2.121103 3.511404 41.81155 0.674337 4.112750 49.88996

35 2.153631 3.625021 42.56298 0.692501 4.069450 49.05005

36 2.185670 3.734505 43.27922 0.709984 4.027942 48.24835 Cholesky Ordering: BIRATE PUAS PLS LFINC IHK

ESTIMASI VAR SBIS

Vector Error Correction Estimates

Date: 03/10/17 Time: 08:36

Sample (adjusted): 2006M03 2016M10

Included observations: 128 after adjustments

Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 SBIS(-1) 1.000000

PUAS(-1) -1.520887

(0.08033)

[-18.9339]

PLS(-1) 0.058204

(0.02751)

[ 2.11611]

LFINC(-1) 0.613488

(0.30637)

[ 2.00243]

IPI(-1) -0.087783

(0.01850)

[-4.74549]

C 4.423294 Error Correction: D(SBIS) D(PUAS) D(PLS) D(LFINC) D(IPI) CointEq1 0.200461 0.512936 -0.200847 0.012531 1.351592

(0.10685) (0.11063) (0.17503) (0.00243) (0.48731)

[ 1.87606] [ 4.63634] [-1.14751] [ 5.16141] [ 2.77355]

D(SBIS(-1)) -0.231360 -0.017268 -0.055253 -0.004911 -0.354495

(0.14927) (0.15455) (0.24451) (0.00339) (0.68077)

[-1.54995] [-0.11173] [-0.22597] [-1.44815] [-0.52073]

D(PUAS(-1)) 0.132450 -0.068408 -0.066360 0.008200 1.106846

(0.14559) (0.15074) (0.23848) (0.00331) (0.66398)

[ 0.90975] [-0.45381] [-0.27826] [ 2.47889] [ 1.66697]

D(PLS(-1)) 0.014090 0.024714 0.003741 -3.23E-05 0.016850

(0.05534) (0.05730) (0.09066) (0.00126) (0.25240)

[ 0.25460] [ 0.43129] [ 0.04127] [-0.02567] [ 0.06676]

81

D(LFINC(-1)) 3.024017 -1.114344 1.571540 0.096789 -22.08839

(3.82516) (3.96055) (6.26578) (0.08691) (17.4452)

[ 0.79056] [-0.28136] [ 0.25081] [ 1.11367] [-1.26616]

D(IPI(-1)) -0.005183 0.000911 -0.029899 0.000830 -0.258220

(0.01940) (0.02009) (0.03178) (0.00044) (0.08849)

[-0.26710] [ 0.04535] [-0.94070] [ 1.88243] [-2.91795]

C -0.049981 0.025647 -0.020838 0.019024 0.948435

(0.10336) (0.10702) (0.16931) (0.00235) (0.47138)

[-0.48357] [ 0.23966] [-0.12308] [ 8.10085] [ 2.01203] R-squared 0.071248 0.264414 0.019304 0.239962 0.165523

Adj. R-squared 0.025194 0.227939 -0.029326 0.202274 0.124144

Sum sq. resids 63.12415 67.67166 169.3735 0.032586 1312.951

S.E. equation 0.722279 0.747844 1.183124 0.016411 3.294060

F-statistic 1.547049 7.249122 0.396959 6.367103 4.000166

Log likelihood -136.3808 -140.8329 -199.5490 348.0330 -330.6163

Akaike AIC 2.240325 2.309889 3.227328 -5.328641 5.275254

Schwarz SC 2.396296 2.465860 3.383299 -5.172670 5.431225

Mean dependent 0.010000 0.001641 0.000391 0.021375 0.372188

S.D. dependent 0.731553 0.851108 1.166148 0.018374 3.519777 Determinant resid covariance (dof adj.) 0.000417

Determinant resid covariance 0.000315

Log likelihood -392.0688

Akaike information criterion 6.751075

Schwarz criterion 7.642334

Impulse Response of IPI

Period SBIS PUAS PLS LFINC 1 0.237067 -0.173833 0.129250 0.168593

2 0.329857 -0.502657 0.190089 -0.242536

3 0.056635 -0.888395 0.198623 -0.060387

4 0.081547 -0.858021 0.186071 -0.032931

5 0.048382 -0.959341 0.196497 -0.026415

6 0.033704 -0.981550 0.195312 -0.011739

7 0.026600 -1.003201 0.196583 -0.006944

8 0.021731 -1.013965 0.196930 -0.003393

9 0.019023 -1.020713 0.197204 -0.001403

10 0.017459 -1.024463 0.197343 -0.000244

11 0.016533 -1.026720 0.197433 0.000428

12 0.015999 -1.028008 0.197481 0.000823

13 0.015687 -1.028766 0.197511 0.001051

14 0.015505 -1.029205 0.197528 0.001185

15 0.015399 -1.029462 0.197538 0.001262

16 0.015338 -1.029611 0.197544 0.001307

17 0.015302 -1.029698 0.197547 0.001334

18 0.015281 -1.029748 0.197549 0.001349

19 0.015269 -1.029778 0.197550 0.001358

20 0.015262 -1.029795 0.197551 0.001363

21 0.015258 -1.029805 0.197551 0.001366

22 0.015255 -1.029811 0.197551 0.001368

23 0.015254 -1.029814 0.197551 0.001369

24 0.015253 -1.029816 0.197552 0.001370

82

25 0.015253 -1.029817 0.197552 0.001370

26 0.015252 -1.029818 0.197552 0.001370

27 0.015252 -1.029818 0.197552 0.001370

28 0.015252 -1.029819 0.197552 0.001370

29 0.015252 -1.029819 0.197552 0.001370

30 0.015252 -1.029819 0.197552 0.001370

31 0.015252 -1.029819 0.197552 0.001371

32 0.015252 -1.029819 0.197552 0.001371

33 0.015252 -1.029819 0.197552 0.001371

34 0.015252 -1.029819 0.197552 0.001371

35 0.015252 -1.029819 0.197552 0.001371

36 0.015252 -1.029819 0.197552 0.001371 Cholesky Ordering: SBIS PUAS PLS LFINC IPI


Period S.E. SBIS PUAS PLS LFINC IPI 1 0.722279 0.517938 0.278484 0.153957 0.261949 98.78767

2 0.941737 1.066655 1.828641 0.341570 0.563997 96.19914

3 1.118838 0.796459 5.076307 0.436976 0.430365 93.25989

4 1.270541 0.659881 6.824049 0.478928 0.347098 91.69004

5 1.406298 0.554367 8.536339 0.517824 0.289928 90.10154

6 1.530254 0.476563 9.866053 0.544249 0.248018 88.86512

7 1.645113 0.417385 10.95287 0.564869 0.216474 87.84841

8 1.752573 0.371095 11.83781 0.581069 0.191984 87.01804

9 1.853889 0.333988 12.56709 0.594119 0.172443 86.33236

10 1.949988 0.303632 13.17410 0.604832 0.156505 85.76093

11 2.041592 0.278359 13.68524 0.613773 0.143260 85.27936

12 2.129273 0.257001 14.12024 0.621339 0.132082 84.86934

13 2.213490 0.238721 14.49423 0.627822 0.122522 84.51671

14 2.294623 0.222902 14.81879 0.633435 0.114253 84.21062

15 2.372986 0.209079 15.10288 0.638343 0.107029 83.94267

16 2.448843 0.196898 15.35350 0.642668 0.100665 83.70627

17 2.522422 0.186083 15.57615 0.646508 0.095016 83.49624

18 2.593914 0.176418 15.77523 0.649941 0.089967 83.30845

19 2.663489 0.167728 15.95426 0.653028 0.085427 83.13955

20 2.731292 0.159873 16.11612 0.655818 0.081324 82.98686

21 2.797452 0.152738 16.26316 0.658352 0.077598 82.84815

22 2.862083 0.146228 16.39731 0.660664 0.074197 82.72160

23 2.925287 0.140265 16.52020 0.662783 0.071083 82.60567

24 2.987153 0.134783 16.63319 0.664730 0.068219 82.49908

25 3.047764 0.129726 16.73742 0.666526 0.065578 82.40075

26 3.107193 0.125045 16.83388 0.668189 0.063133 82.30975

27 3.165507 0.120702 16.92341 0.669732 0.060865 82.22529

28 3.222765 0.116660 17.00672 0.671168 0.058753 82.14670

29 3.279024 0.112889 17.08444 0.672507 0.056784 82.07338

30 3.334334 0.109362 17.15712 0.673760 0.054942 82.00482

31 3.388741 0.106058 17.22522 0.674934 0.053216 81.94057

32 3.442288 0.102955 17.28918 0.676036 0.051595 81.88023

33 3.495015 0.100035 17.34935 0.677073 0.050070 81.82347

34 3.546958 0.097283 17.40607 0.678050 0.048633 81.76996

35 3.598151 0.094685 17.45962 0.678973 0.047276 81.71945

36 3.648627 0.092228 17.51026 0.679846 0.045992 81.67168 Cholesky Ordering: SBIS PUAS PLS LFINC IPI

83

Impulse Response of IHK

Period SBIS PUAS PLS LFINC 1 -0.009566 -0.326810 0.114201 -1.073810

2 -0.108277 -0.515034 0.359614 -0.675789

3 -0.301123 -1.080335 0.215526 -0.694041

4 -0.400351 -1.315571 0.123642 -0.613142

5 -0.490792 -1.591973 0.062508 -0.581941

6 -0.561849 -1.777540 0.005829 -0.544546

7 -0.617681 -1.937502 -0.035650 -0.519619

8 -0.662535 -2.060254 -0.070000 -0.498010

9 -0.697977 -2.159386 -0.096811 -0.481486

10 -0.726238 -2.237654 -0.118300 -0.468115

11 -0.748673 -2.300064 -0.135323 -0.457568

12 -0.766520 -2.349613 -0.148876 -0.449155

13 -0.780704 -2.389026 -0.159644 -0.442476

14 -0.791981 -2.420351 -0.168206 -0.437164

15 -0.800946 -2.445256 -0.175012 -0.432941

16 -0.808073 -2.465054 -0.180423 -0.429584

17 -0.813739 -2.480793 -0.184725 -0.426916

18 -0.818243 -2.493306 -0.188144 -0.424794

19 -0.821824 -2.503253 -0.190863 -0.423108

20 -0.824670 -2.511161 -0.193024 -0.421767

21 -0.826933 -2.517447 -0.194742 -0.420701

22 -0.828732 -2.522445 -0.196108 -0.419854

23 -0.830162 -2.526418 -0.197194 -0.419180

24 -0.831299 -2.529576 -0.198057 -0.418644

25 -0.832203 -2.532087 -0.198743 -0.418219

26 -0.832922 -2.534083 -0.199289 -0.417880

27 -0.833493 -2.535670 -0.199723 -0.417611

28 -0.833947 -2.536932 -0.200067 -0.417397

29 -0.834308 -2.537935 -0.200342 -0.417227

30 -0.834595 -2.538732 -0.200559 -0.417092

31 -0.834823 -2.539366 -0.200733 -0.416985

32 -0.835005 -2.539870 -0.200870 -0.416899

33 -0.835149 -2.540270 -0.200980 -0.416831

34 -0.835264 -2.540589 -0.201067 -0.416777

35 -0.835355 -2.540842 -0.201136 -0.416734

36 -0.835427 -2.541043 -0.201191 -0.416700 Cholesky Ordering: SBIS PUAS PLS LFINC IHK

Variance Decomposition of IHK

Period S.E. SBIS PUAS PLS LFINC IHK 1 0.732921 0.000289 0.337683 0.041234 3.645638 95.97516

2 0.961076 0.023018 0.724820 0.277341 3.135974 95.83885

3 1.148115 0.140751 2.113775 0.259302 2.872199 94.61397

4 1.304247 0.280151 3.486189 0.217603 2.630587 93.38547

5 1.442145 0.437421 5.041060 0.180658 2.437069 91.90379

6 1.567235 0.599331 6.557094 0.152184 2.269527 90.42186

7 1.682703 0.757242 8.019724 0.131992 2.126709 88.96433

8 1.790630 0.907336 9.385679 0.118529 2.003346 87.58511

9 1.892400 1.047135 10.64645 0.110075 1.896593 86.29975

10 1.989012 1.175897 11.79821 0.105249 1.803699 85.11695

84

11 2.081203 1.293586 12.84482 0.102965 1.722520 84.03611

12 2.169542 1.400682 13.79276 0.102426 1.651243 83.05289

13 2.254482 1.497899 14.65013 0.103056 1.588375 82.16054

14 2.336386 1.586065 15.42539 0.104445 1.532674 81.35143

15 2.415559 1.666025 16.12684 0.106304 1.483105 80.61773

16 2.492254 1.738599 16.76230 0.108433 1.438804 79.95187

17 2.566688 1.804557 17.33893 0.110696 1.399049 79.34677

18 2.639046 1.864602 17.86321 0.113000 1.363232 78.79596

19 2.709492 1.919370 18.34093 0.115283 1.330840 78.29358

20 2.778166 1.969432 18.77722 0.117506 1.301439 77.83440

21 2.845196 2.015292 19.17663 0.119645 1.274659 77.41377

22 2.910691 2.057400 19.54315 0.121686 1.250188 77.02757

23 2.974752 2.096152 19.88031 0.123624 1.227755 76.67216

24 3.037469 2.131898 20.19119 0.125455 1.207128 76.34432

25 3.098920 2.164947 20.47853 0.127181 1.188109 76.04123

26 3.159180 2.195570 20.74471 0.128807 1.170523 75.76039

27 3.218315 2.224009 20.99184 0.130336 1.154222 75.49959

28 3.276385 2.250474 21.22179 0.131774 1.139074 75.25688

29 3.333445 2.275154 21.43620 0.133127 1.124965 75.03055

30 3.389545 2.298216 21.63653 0.134399 1.111794 74.81906

31 3.444734 2.319807 21.82405 0.135597 1.099473 74.62107

32 3.499053 2.340057 21.99993 0.136726 1.087925 74.43536

33 3.552542 2.359085 22.16518 0.137791 1.077080 74.26087

34 3.605238 2.376995 22.32070 0.138796 1.066877 74.09663

35 3.657175 2.393879 22.46732 0.139746 1.057262 73.94180

36 3.708385 2.409821 22.60575 0.140645 1.048186 73.79560 Cholesky Ordering: SBIS PUAS PLS LFINC IHK

mekanisme transmisi kebijakan moneter syariah

Documents