stabilitas moneter pada sistem perbankan ... -...
TRANSCRIPT
STABILITAS MONETER PADA SISTEM PERBANKAN GANDA DI INDONESIA
OLEH HENI HASANAH
H14103001
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR 2007
STABILITAS MONETER PADA SISTEM PERBANKAN GANDA DI INDONESIA
Oleh
HENI HASANAH H14103001
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR 2007
RINGKASAN HENI HASANAH. Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia (dibimbing oleh NOER AZAM ACHSANI dan ASCARYA). Selama periode krisis ekonomi dan moneter yang terjadi pada tahun 1997-1998, Bank Umum Syariah (BUS) masih dapat menunjukkan kinerja yang relatif lebih baik dibandingkan dengan lembaga keuangan konvensional. Hingga akhir September 1998 tercatat ada sebanyak 55 bank bermasalah dan semuanya merupakan bank konvensional (Perwataatmaja, 2002). Oleh karena itu, cukup alasan untuk melihat perbankan syariah sebagai lembaga keuangan alternatif. Ketiadaan instrumen suku bunga dalam seluruh aktivitas sistem keuangan syariah telah digantikan oleh konsep bagi hasil. Hal ini merupakan satu-satunya perbedaan antara sistem keuangan konvensional dengan sistem keuangan Islam pada masa kontemporer ini. Hal ini dapat dipahami mengingat sistem keuangan syariah di Indonesia masih terdominasi oleh kekuatan sistem konvensional yang besar dalam kerangka sistem perbankan ganda. Sehingga sistem moneter Islam kontemporer masih menggunakan uang fiat konvensional dan menerapkan fractional reserve banking system. Oleh karena itu, perlu dibuktikan secara empiris bahwa memang dengan tidak adanya instrumen suku bunga dalam perekonomian Islam yang digantikan dengan konsep bagi hasil ini bisa mendukung perekonomian secara keseluruhan khususnya dalam studi permintaan uang dan stabilitas moneter. Tujuan dari penelitian ini adalah untuk menganalisis fungsi permintaan uang baik pada konsep konvensional maupun pada konsep Islam serta melihat hubungan antara jumlah uang beredar baik pada konsep konvensional maupun konsep Islam dengan tingkat harga sebagai sasaran akhir kebijakan moneter. Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder negara Indonesia dalam bentuk bulanan yang diperoleh dari Statistik Ekonomi dan Keuangan Indonesia Bank Indonesia (SEKI-BI) dan Statistik Perbankan Syariah Bank Indonesia (SPS-BI) serta data return syariah dari Bank Muamalat Indonesia dalam periode waktu antara bulan Januari 2001 sampai dengan bulan Desember 2006. Dengan demikian data yang digunakan merupakan data time series. Stabilitas moneter pada sistem perbankan ganda dalam penelitian ini akan dianalisis dengan menggunakan Vector Autoregression (VAR). Kemudian jika data yang digunakan stasioner pada perbedaan pertama maka model VAR akan dikombinasikan dengan model koreksi kesalahan menjadi Vector Error Correction Model (VECM). Hasil penelitian untuk model permintaan M1 dan M2 menunjukkan bahwa pada jangka pendek terdapat nilai Error Correction Term (ECT) berturut-turut sebesar -0.004782 dan -0.016676 tetapi secara statistik tidak signifikan. Pada jangka panjang, PDB signifikan berpengaruh positif, inflasi yang diharapkan signifikan berpengaruh negatif, dan suku bunga berpengaruh negatif tetapi tidak signifikan untuk permintaan M1 konvensional. Tetapi suku bunga berpengaruh positif secara signifikan terhadap permintaan M2 konvensional. Berdasarkan IRF,
permintaan M1 konvensional kurang stabil karena respon terhadap guncangan lama menuju periode stabil. Sedangkan permintaan M2 konvensional lebih stabil dibandingkan dengan permintaan M1 konvensional. Untuk permintaan M1 dan M2 Islam jangka panjang, PDB signifikan berpengaruh positif, inflasi yang diharapkan dan return syariah signifikan berpengaruh negatif. Pada jangka pendek terdapat nilai ECT yang signifikan dengan nilai masing-masing sebesar -0.169597 untuk permintaan M1 Islam dan -0.129318 untuk permintaan M2 Islam. Hal ini menunjukkan berarti ada mekanisme penyesuaian dari jangka pendek ke jangka panjangnya. Berdasarkan IRF, respon permintaan M1 dan M2 Islam lebih stabil dalam merespon inovasi variabel lainnya daripada respon permintaan M1 dan M2 Islam. Berdasarkan hasil VAR first difference, ditemukan adanya hubungan jangka pendek antara M2 konvensional dengan tingkat harga. Untuk jangka panjang dikatakan tidak cukup bukti untuk menunjukkan adanya hubungan antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga, karena tidak ditemukannya kointegrasi. Dari hasil penelitian ini dapat disimpulkan bahwa permintaan M1 dan M2 Islam yang memasukkan variabel return syariah lebih stabil dibandingkan dengan permintaan M1 dan M2 konvensional dengan variabel suku bunganya. Hal ini menunjukkan bahwa memang adanya suku bunga itulah kegiatan spekulatif semakin meningkat sehingga respon permintaan M1 dan M2 konvensional menjadi kurang stabil. Kesimpulan kedua, pada jangka panjang ditemukan tidak adanya kointegrasi antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga sehingga dikatakan tidak cukup bukti untuk menunjukkan adanya hubungan antara M1 dan M2 baik konvensional maupun Islam dengan tingkat harga. Berdasarkan hasil penelitian, Bank Indonesia disarankan untuk mengkaji ulang penetapan inflation targeting dengan menggunakan M1 dan M2 sebagai sasaran antara. Karena ternyata tidak ditemukan cukup bukti yang menunjukkan adanya hubungan jangka panjang antara jumlah uang beredar dengan tingkat harga. Untuk penelitian selanjutnya disarankan agar analisis stabilitas moneter ini dapat dipecah ke dalam masing-masing unsur dalam M1 dan M2, misalnya permintaan terhadap uang kartal, demand deposit, dan uang kuasi, serta menambah jumlah series yang diobservasi.
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH
BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH
DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Mei 2007 Heni Hasanah H14103001
RIWAYAT HIDUP
Penulis bernama Heni Hasanah lahir pada tanggal 10 Juni 1985 di Garut,
Jawa Barat. Penulis merupakan anak ketiga dari tiga bersaudara, dari pasangan
Bapak Ipin Aripin dan Ibu Roswiati. Penulis menamatkan sekolah dasar pada
SDN Margamulya, kemudian melanjutkan ke SLTP Negeri 1 Garut. Setelah itu
penulis melanjutkan pendidikan menengah umum di SMU Negeri 1 Tarogong dan
lulus pada tahun 2003.
Pada tahun yang sama penulis diterima sebagai mahasiswa Institut
Pertanian Bogor (IPB). Penulis masuk IPB melalui Undangan Seleksi Masuk IPB
(USMI) dan diterima sebagai mahasiswa Program Studi Ilmu Ekonomi, Fakultas
Ekonomi dan Manajemen. Selama menjadi mahasiswa, penulis aktif sebagai
asisten dosen pada Mata Kuliah Ekonomi Umum, Mata Kuliah Ekonomi Dasar 1,
dan Mata Kuliah Teori Mikroekonomi 1. Penulis juga terlibat sebagai pengurus
dalam Organisasi Mahasiswa Daerah Himpunan Mahasiswa Garut (OMDA
HIMAGA) dan Rukun Wargi Garut Wilayah Bogor. Pada tahun 2006, penulis
terpilih sebagai Mahasiswa Berprestasi Rukun Wargi Garut Wilayah Bogor
Tingkat IPB. Pada tahun yang sama penulis menjadi finalis mahasiswa berprestasi
tingkat Departemen Ilmu Ekonomi.
INSTITUT PERTANIAN BOGOR
FAKULTAS EKONOMI DAN MANAJEMEN
DEPARTEMEN ILMU EKONOMI
Dengan ini menyatakan bahwa skripsi yang disusun oleh, Nama Mahasiswa : Heni Hasanah
Nomor Registrasi Pokok : H14103001
Program Studi : Ilmu Ekonomi
Judul Skripsi : Stabilitas Moneter pada Sistem Perbankan
Ganda di Indonesia dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada
Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian
Bogor
Menyetujui, Pembimbing 1
Ir. Noer Azam Achsani, MS., Ph.D. NIP. 132 104 445
Pembimbing 2
Ir. Ascarya, MBA., M.Sc. PPSK - Bank Indonesia
Mengetahui, Ketua Departemen Ilmu Ekonomi
Ir. Rina Oktaviani, MS., Ph.D. NIP. 131 846 872
Tanggal Kelulusan :
KATA PENGANTAR Bismillaahirrahmaanirrahiim.
Puji serta syukur pertama-tama penulis panjatkan ke Hadirat Ilahi Rabbi,
karena hanya atas rahmat dan karunia-Nya sajalah penulis akhirnya bisa
menylesaikan skripsi. Shalawat serta salam semoga tetap tercurah kepada Nabi
Muhammad SAW.
Skripsi yang berjudul Stabilitas Moneter pada Sistem Perbankan
Ganda di Indonesia ini disusun untuk memenuhi syarat mendapatkan gelar
Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan
Manajemen, Institut Pertanian Bogor.
Penulis mengucapkan terimakasih kepada Bapak Ir. Noer Azam Achsani,
MS., Ph.D. dan Bapak Ir. Ascarya, MBA., M.Sc. dari Pusat Pendidikan dan Studi
Kebanksentralan Bank Indonesia yang telah membimbing penulis dengan sabar
dalam menyusun skripsi ini. Penulis juga mengucapkan terimakasih kepada
orangtua penulis Bapak H. Ipin Aripin dan Ibu Hj. Roswiati, serta saudara-saudara
penulis atas segala doa, dukungan, dan kesabarannya. Selain itu, tak lupa penulis
ucapkan terimakasih kepada semua pihak yang telah membantu hingga
terselesaikannya skripsi ini.
Penulis menyadari sepenuhnya bahwa skripsi ini masih terdapat banyak
kekurangannya, baik dari segi materinya maupun dari proses penulisannya. Oleh
karena itu, penulis sangat mengharapkan berbagai saran dan kritik yang
membangun bagi perbaikan penulis.
Akhirnya, penulis berharap semoga skripsi ini bermanfat khususnya bagi
penulis dan umumnya bagi pembaca sekalian.
Amin. Bogor, Mei 2007 Heni Hasanah H14103001
DAFTAR ISI
Halaman
DAFTAR TABEL........................................................................................ ix
DAFTAR GAMBAR..................................................................................... x
DAFTAR LAMPIRAN ................................................................................. xi
I. PENDAHULUAN..................................................................................... 1
1.1 Latar Belakang..................................................................................... 1
1.2 Perumusan Masalah............................................................................. 6
1.3 Tujuan Penelitian................................................................................. 7
1.4 Manfaat Penelitian............................................................................... 7
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN............... 9
2.1 Definisi Sistem Perbankan Ganda...................................................... 9
2.2 Perbedaan Bank Syariah dengan Bank Konvensional....................... 10
2.3 Sistem Moneter Islam dan Sistem Moneter Konvensional................ 13
2.4 Perbedaan Konsep Suku Bunga dan Konsep Bagi Hasil................... 16
2.5 Teori Permintaan Uang Konvensional............................................... 18
2.6 Teori Permintaan Uang dalam Konsep Islam.................................... 21
2.7 Konsep Inflasi dalam Ekonomi Konvensional................................... 24
2.8 Konsep Inflasi dalam Ekonomi Islam................................................ 25
2.9 Konsep Kebijakan Moneter dalam Ekonomi Konvensional.............. 26
2.10 Konsep Kebijakan Moneter dalam Ekonomi Islam........................... 27
2.11 Penelitian Terdahulu.......................................................................... 29
2.12 Kerangka Pemikiran........................................................................... 34
2.13 Hipotesis Penelitian............................................................................ 35
III. METODE PENELITIAN...................................................................... 37
3.1 Jenis dan Sumber Data......................................................................... 37
3.2 Variabel dan Definisi Operasional....................................................... 37
3.3 Metode Pengolahan dan Analisis Data................................................ 38
3.4 Analisis Vector Autoregression (VAR)............................................... 38
vii
3.5 Analisis Vector Error Correction Model (VECM).............................. 40
3.6 Pengujian Pra-Estimasi........................................................................ 40
3.6.1 Uji Stasioneritas Data.................................................................. 41
3.6.2 Penentuan Lag Optimal ............................................................... 42
3.6.3 Uji Kointegrasi............................................................................ 43
3.7 Analisis Impulse Response Function (IRF)......................................... 44
3.8 Analisis Forecasting Error Variance Decomposition (FEVD)........... 44
3.9 Model Penelitian.................................................................................. 45
IV. HASIL DAN PEMBAHASAN.............................................................. 46
4.1 Uji Stasioneritas Data........................................................................... 46
4.2 Penentuan Lag Optimal........................................................................ 47
4.3 Pengujian Stabilitas VAR.................................................................... 49
4.4 Pengujian Kointegrasi.......................................................................... 50
4.5 Hasil Estimasi VECM Permintaan M1 Konvensional......................... 51
4.5.1 Simulasi Analisis Impuls Respon............................................... 53
4.5.2 Forecasting Error Variance Decomposition (FEVD) ............... 55
4.6 Hasil Estimasi VECM Permintaan M2 Konvensional......................... 57
4.6.1 Simulasi Analisis Impuls Respon............................................... 59
4.6.2 Forecasting Error Variance Decomposition (FEVD)................ 60
4.7 Hasil Estimasi VECM Permintaan M1 Islam...................................... 62
4.7.1 Simulasi Analisis Impuls Respon............................................... 64
4.7.2 Forecasting Error Variance Decomposition (FEVD)................ 65
4.8 Hasil Estimasi VECM Permintaan M2 Islam...................................... 66
4.8.1 Simulasi Analisis Impuls Respon............................................... 68
4.8.2 Forecasting Error Variance Decomposition (FEVD)............... 70
4.9 Hubungan Antara Jumlah Uang Beredar pada Konvensional dan Jumlah Uang Beredar Islam dengan Tingkat Harga.............................
72
4.10 Pembahasan Keseluruhan.................................................................. 72
V. KESIMPULAN DAN SARAN............................................................... 79
5.1 Kesimpulan.......................................................................................... 79
5.2 Saran..................................................................................................... 80
viii
DAFTAR PUSTAKA.................................................................................... 82
LAMPIRAN................................................................................................... 85
ix
DAFTAR TABEL
Nomor Halaman
1.1. Jumlah Total Asset dan Dana Pihak Ketiga Perbankan Syariah.................. 4
2.1. Perbedaan Bank Syariah dan Bank Konvensional .......................................13
2.2. Pengendalian Moneter Indonesia .................................................................27
4.1. Hasil Pengujian Akar Unit ...........................................................................47
4.2. Pengujian Lag Optimal VAR......................................................................48
4.3. Uji Stabilitas Model VAR............................................................................50
4.4. Hasil Pengujian Kointegrasi.........................................................................51
4.5. Hasil Estimasi VECM Permintaan M1 ........................................................52
4.6. Hasil Estimasi VECM Permintaan M2 ................................................... .....58
4.7. Hasil Estimasi VECM Permintaan M1 Islam ......................................... .....62
4.8. Hasil Estimasi VECM Permintaan M2 Islam ......................................... .....67
4.9. Hasil Pengujian Akar Unit (2)................................................................. .....72
4.10. Pengujian Lag Optimal VAR (2) ........................................................... .....72
4.11. Hasil Pengujian Kointegrasi (2) .............................................................. .....73
4.12. Hasil Estimasi VAR First Difference ..................................................... .....74
4.13. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel PDB Sebesar Satu Standar Deviasi ............................................................................... .....76
4.14. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Inflasi yang Diharapkan Sebesar Satu Standar Deviasi.................................................................. .....76
4.15. Respon Permintaan M1 dan M2 Konvensional terhadap Guncangan Variabel Suku Bunga Sebesar Satu Standar Deviasi serta Respon Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Return Syariah Sebesar Satu Standar Deviasi....... .....77
DAFTAR GAMBAR
Nomor Halaman
2.1. Implikasi Bunga pada Perekonomian.............................................................17
2.2. Implikasi Bagi Hasil pada Perekonomian ......................................................18
2.3. Kerangka Pemikiran Konseptual ...................................................................35
4.1. Respon Permintaan M1 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang...........................................................54
4.2. Variance Decomposition Permintaan M1 Konvensional ...............................56
4.3. Respon Permintaan M2 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang...........................................................59
4.4. Variance Decomposition Permintaan M2 Konvensional ...............................61
4.5. Respon Permintaan M1 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang..................................64
4.6. Variance Decomposition Permintaan M1 Islam ............................................66
4.7. Respon Permintaan M2 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang..................................69
4.8. Variance Decomposition Permintaan M2 Islam ............................................71
DAFTAR LAMPIRAN
Nomor Halaman
1. Hasil Uji Akar Unit (1) ........................................................................... 85
2. Uji Lag Optimal (1)................................................................................. 89
3. Pengujian Stabilitas VAR ....................................................................... 91
4. Pengujian Kointegrasi (Summary).......................................................... 93
5. Pengujian Kointegrasi (Asumsi) ............................................................. 97
6. Estimasi VECM Permintaan M1 Konvensional ..................................... 99
7. Estimasi VECM Permintaan M2 Konvensional ..................................... 101
8. Estimasi VECM Permintaan M1 Islam................................................... 103
9. Estimasi VECM Permintaan M2 Islam................................................... 105
10. IRF Model Permintaan M1 Konvensional .............................................. 107
11. IRF Model Permintaan M2 Konvensional .............................................. 108
12. IRF Model Permintaan M1 Islam ........................................................... 109
13. IRF Model Permintaan M2 Islam ........................................................... 110
14. Variance Decomposition Permintaan M1 Konvensional........................ 111
15. Variance Decomposition Permintaan M2 Konvensional........................ 112
16. Variance Decomposition Permintaan M1 Islam ..................................... 113
17. Variance Decomposition Permintaan M2 Islam ..................................... 114
18. Hasil Uji Akar Unit (2) ........................................................................... 115
19. Uji Lag Optimal (2)................................................................................. 118
20. Uji Kointegrasi 2 (Asumsi) ..................................................................... 120
21. Hasil Estimasi VAR First Difference .....................................................122
I. PENDAHULUAN
1.1 Latar Belakang
Krisis ekonomi yang terjadi di Indonesia pada tahun 1997 telah
mengguncang kestabilan perbankan di Indonesia. Tetapi kini, perbankan
Indonesia sudah mulai terlihat menggeliat kembali. Ditambah lagi dengan adanya
perkembangan perbankan syariah beberapa tahun terakhir ini. Perbankan syariah
di Indonesia berkembang karena saat ini memang dibutuhkan suatu lembaga
intermediasi keuangan yang halal, sehat, dan amanah khususnya bagi umat Islam.
Selain itu diharapkan dengan adanya perbankan syariah ini bisa benar-benar
mendukung perkembangan sektor riil di Indonesia.
Bank syariah merupakan bank yang menjalankan operasional
perbankannya didasarkan pada Al-Quran dan Al-Hadits. Bank syariah ini tidak
menerapkan konsep bunga karena dalam Islam bunga adalah riba dan hukumnya
adalah haram. Dalam Al-Quran, larangan ini terdapat dalam surat Al-Baqarah ayat
275 dimana Allah telah menghalalkan jual beli dan mengharamkan riba. Konsep
yang digunakan dalam bank syariah adalah profit and loss sharing (PLS) yang
lebih dikenal dengan bagi hasil.
Selama periode krisis ekonomi dan moneter yang terjadi pada tahun 1997-
1998, Bank Umum Syariah (BUS) masih dapat menunjukkan kinerja yang relatif
lebih baik dibandingkan dengan lembaga keuangan konvensional. Hingga akhir
September 1998 tercatat ada sebanyak 55 bank bermasalah semuanya bank
konvensional yang terdiri dari 10 bank termasuk kategori bank beku operasi, 5
2
bank berkategori bank yang dikuasai pemerintah, dan 40 bank berkategori bank
dibawah pengawasan BPPN (Perwataatmaja, 2002). Dengan tidak adanya bank
syariah yang masuk dalam daftar bank bermasalah, maka cukup alasan untuk
melihat bank syariah sebagai lembaga keuangan alternatif.
Sistem perbankan syariah mempunyai kinerja yang lebih baik karena tidak
terjadinya negative spread pada bank syariah Hal ini bisa dipahami karena bank
syariah tidak mengacu pada tingkat suku bunga dan pada akhirnya dapat
menyediakan dana investasi dengan biaya modal yang relatif lebih rendah kepada
masyarakat. Sebagaimana dapat dilihat pada laporan keuangan Bank Muamalat
Indonesia (BMI) tahun 1997, yang menunjukkan kinerja terbaiknya. Pada tahun
tersebut, BMI memperoleh peningkatan laba bersih mencapai 134 persen,
peningkatan aset sebesar 14 persen dari 515,5 milyar rupiah pada tahun 1996
menjadi 588,5 milyar rupiah pada tahun 1997, serta peningkatan simpanan dana
masyarakat sebesar 11 persen (Perwataatmaja, 2002). Kemampuan bank syariah
untuk mempertahankan kinerjanya telah menyadarkan sebagian masyarakat
Indonesia, khususnya umat Islam untuk mulai mempertimbangkan investasi
mereka pada perbankan syariah. Hal ini juga didasari akan kesadaran umat Islam
untuk menerapkan ajaran Islam dalam seluruh aspek kehidupan termasuk dalam
kegiatan ekonominya.
Prestasi yang dicapai bank syariah telah menarik bank umum
konvensional untuk berusaha meraih pangsa pasar dengan membuka unit usaha
syariah (UUS). Pada Desember 2002 jumlah UUS hanya sekitar 22 kantor cabang.
Sedangkan pada September 2006 jumlah ini meningkat menjadi 92 kantor cabang.
3
Nilai Non Performing Financing (NPF) bank syariah per Desember 2006 adalah
sebesar 4,75 persen, lebih kecil jika dibandingkan dengan Non Performing Loan
(NPL) bank komersial yang mencapai 6,07 persen. Nilai Financing to Deposit
Ratio (FDR) BUS sebesar 105,45 persen. Nilai ini lebih besar jika dibandingkan
dengan Loan to Deposit Ratio (LDR) bank komersial yang hanya sebesar 61,32
persen pada posisi November 2006. Pangsa total asset perbankan syariah
terhadap total bank sebesar 1,63 persen pada posisi Maret 2007 yang lebih tinggi
jika dibandingkan share pada Desember 2002 yaitu sebesar 0,36 persen (Statistik
Perbankan Syariah, 2007). Sehingga hal ini menunjukkan betapa kompetitifnya
sistem perbankan syariah meskipun sharenya masih kecil.
Data statistik terakhir pada posisi bulan Agustus 2006 yang tercatat di BI
menunjukkan bahwa jumlah kantor kas Bank Umum Syariah (BUS) telah
meningkat dari 56 kantor pada bulan Desember 2002 menjadi 149 kantor pada
bulan September 2006. Jika dilihat dari keseluruhan jaringan kantor perbankan
syariah, baik untuk kelompok BUS, Unit Usaha Syariah (UUS), dan Bank
Perkreditan Rakyat Syariah (BPRS) maka jumlah kantor pusat juga meningkat.
Pada bulan Desember 2002 terdapat 91 kantor pusat dan pada September 2006
jumlahnya telah bertambah menjadi 127 kantor pusat.
Seperti dapat dilihat pada Tabel 1.1, dari tahun ke tahun total dana pihak
ketiga terus mengalami peningkatan. Begitupun dengan jumlah asset bank umum
syariah yang terus menunjukkan peningkatan tiap tahunnya, tetapi dengan
pertumbuhan yang semakin turun. Keadaan seperti ini seharusnya dapat
dimanfaatkan secara maksimal oleh bank syariah sendiri untuk menyalurkan dana
4
ke sektor riil. Karena dalam Islam, tidak diperkenankan untuk menganggurkan
suatu dana.
Tabel 1.1. Jumlah Total Asset dan Dana Pihak Ketiga Perbankan Syariah
Aset Dana Pihak Ketiga Tahun Milyar rupiah
Pertumbuhan (%)
Milyar rupiah
Pertumbuhan (%)
2002 4087 - 2918 - 2003 7944 94.37 5759 97.36 2004 15210 91.46 11718 103.47 2005 20880 37.28 15581 32.97 2006 26722 27.98 20672 32.67
Sumber : Statistik Perbankan Indonesia, BI (2006)
Sejak tahun 1992, ketika bank syariah pertama berdiri, maka Indonesia
mulai memperkenalkan dual banking system. Dengan adanya sistem ini, kebijakan
moneter Bank Indonesia terbagi menjadi dua konsentrasi. Pada kasus apapun,
target stabilitas moneter berupa stabilitas harga tentu saja menjadi prioritas dan
tujuan akhir dari Bank Indonesia. Instrumen moneter apapun yang digunakan baik
sama atau berbeda untuk bank konvensional dan bank syariah, maka tetaplah
stabilitas moneter merupakan target yang harus tercapai terutama stabilitas harga
sebagai tujuan jangka pendek. Chapra (2000) mengungkapkan lima sasaran utama
dari kebijakan moneter yang ada dalam sistem ekonomi Islam.
1 Kesejahteraan ekonomi yang diperluas dengan kesempatan kerja penuh
dan laju pertumbuhan ekonomi yang optimal;
2 Keadilan sosio-ekonomi, distribusi kekayaan dan pendapatan yang merata;
3 Stabilitas nilai mata uang untuk memungkinkan alat tukar sebagai satuan
unit yang dapat diandalkan, standar yang adil bagi pembayaran yang
ditangguhkan, dan alat penyimpan nilai yang stabil;
5
4 Mobilisasi dan investasi tabungan untuk pembangunan perekonomian
dalam suatu cara yang adil sehingga pengembalian keuntungan dapat
dijamin bagi semua pihak yang bersangkutan;
5 Memberikan semua bentuk pelayanan yang efektif yang secara normal
diharapkan dari sistem perbankan.
Ketiadaan instrumen suku bunga dalam seluruh aktivitas sistem keuangan
syariah telah digantikan oleh konsep bagi hasil. Hal ini merupakan satu-satunya
perbedaan antara sistem keuangan konvensional dengan sistem keuangan Islam
pada masa kontemporer ini. Padahal, sebenarnya masih ada karakteristik khas
sistem keuangan Islam murni yang sangat jauh berbeda dengan sistem keuangan
konvensional. Hal ini dapat dipahami mengingat sistem keuangan syariah di
Indonesia masih terdominasi oleh kekuatan sistem konvensional yang besar dalam
kerangka sistem perbankan ganda.
Secara teoritis, peneliti-peneliti yang memberi perhatian terhadap
perkembangan perekonomian Islam, menunjukan bahwa konsep bagi hasil jauh
lebih baik daripada instrumen suku bunga yang digunakan oleh sistem
konvensional dilihat dari segi keadilan, reduksi kegiatan spekulasi, dan lain-lain.
Oleh karena itu, harus dibuktikan secara empiris bahwa memang dengan tidak
adanya instrumen suku bunga dalam perekonomian Islam yang digantikan dengan
konsep bagi hasil ini bisa mendukung perekonomian secara keseluruhan
khususnya dalam studi permintaan uang dan stabilitas moneter. Masih kurangnya
penelitian-penelitian empiris tentang perbankan syariah mendorong penulis
6
melakukan penelitian tentang bagaimanakah stabilitas moneter pada sistem
perbankan ganda di Indonesia.
1.2 Perumusan Masalah
Indonesia saat ini menganut dual banking system, dimana ada lembaga
keuangan konvensional dan lembaga keuangan syariah. Tetapi dengan adanya
dual banking system ini, hanya terdapat satu bank sentral yang mengatur regulasi
perbankan baik untuk bank konvensional maupun untuk bank syariah. Bank
Indonesia adalah pemilik otoritas moneter tertinggi, sehingga berbagai kebijakan
yang diambil untuk menjaga kestabilan moneter di Indonesia harus melalui
saluran dua lembaga keuangan tersebut, yaitu lembaga keuangan konvensional
dan Islam. Seperti yang telah kita ketahui bahwa pada intinya, tugas penting dari
bank sentral adalah untuk menjaga kestabilan moneter. Tujuan yang menjadi
single objective adalah stabilitas dalam harga (inflasi) terutama sejak dibuatnya
Undang-Undang Bank Indonesia Nomor 23 tahun 1999 tentang Bank Indonesia.
Krisis yang terjadi di Indonesia pada tahun 1997, telah membuktikan
bahwa sistem keuangan dan sistem moneter konvensional tidak tahan terhadap
guncangan. Kita dapat menyadari bahwa adanya sistem perbankan syariah ini
merupakan alternatif yang diharapkan untuk dapat mengatasi permasalahan
ekonomi yang ada. Tetapi memang tidak dapat dipungkiri juga bahwa keraguan
pada sistem ini masih banyak, terutama karena sistem perbankan syariah masih
baru dan belum banyak terbukti secara empiris. Berdirinya sistem perbankan
syariah yang telah terintegrasi dengan sistem perbankan konvensional,
7
menimbulkan pertanyaan tentang peranan perbankan syariah terhadap kondisi
keuangan dan perekonomian secara umum. Oleh karena itu, permasalahan-
permasalahan yang akan dijawab dalam penelitian ini adalah sebagai berikut.
1. Bagaimanakah fungsi permintaan uang M1 dan M2 konvensional?
2. Bagaimanakah fungsi permintaan uang M1 dan M2 Islam pada sistem
perbankan ganda?
3. Apakah terdapat hubungan antara jumlah uang beredar baik konvensional
maupun Islam dengan tingkat harga sebagai sasaran akhir kebijakan
moneter?
1.3 Tujuan Penelitian
Mengacu pada permasalahan-permasalahan tersebut, maka tujuan dari
penelitian ini adalah :
1. Menganalisis fungsi permintaan uang M1 dan M2 konvensional;
2. Menganalisis fungsi permintaan uang M1 dan M2 Islam pada sistem
perbankan ganda;
3. Menganalisis hubungan antara jumlah uang beredar baik konvensional
maupun Islam dengan tingkat harga sebagai sasaran akhir kebijakan
moneter.
1.4 Manfaat Penelitian
Penelitian ini diharapkan dapat bermanfaat bagi semua pihak untuk
memperdalam informasi yang telah didapat dan menambah informasi-informasi
yang baru. Selain itu bagi institusi perbankan syariah, penelitian ini diharapkan
8
bermanfaat untuk dapat lebih mengembangkan sistem perbankan syariah sesuai
dengan hasil penelitian penulis. Bagi penulis sendiri penelitian ini merupakan
wadah pembelajaran yang sangat bermanfaat.
Bagi pengambil kebijakan, penelitian ini bermanfaat sebagai acuan dalam
mengambil kebijakan yang paling relevan bagi kemajuan perbankan syariah di
masa yang akan datang. Penelitian ini juga berlandaskan pada teori-teori dan
penelitian terdahulu. Sehingga diharapkan penelitian ini bisa menjadi salah satu
referensi bagi penelitian selanjutnya.
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN 2.1 Definisi Sistem Perbankan Ganda
Sistem perbankan ganda merupakan sebuah sistem dimana sebuah negara
menjalankan dua sistem perbankan berupa perbankan konvensional dan
perbankan syariah. Masing-masing sistem ini berada pada jalur sendiri-sendiri
tetapi dengan satu otoritas moneter yang sama. Di Indonesia, sistem perbankan
ganda lebih banyak didominasi oleh perbankan konvensional, dikarenakan bagian
perbankan syariah terhadap perekonomian masih kecil. Sistem perbankan ganda
dianut di Indonesia sejak tahun 1992 dimana pada tahun itu bank syariah pertama
berdiri yaitu Bank Muamalat Indonesia.
Undang-Undang Nomor 10 tahun 1998 mengenai perubahan Undang-
Undang Nomor 7 tahun 1992 tentang perbankan menyebutkan bahwa :
a. Bank umum adalah bank yang menjalankan kegiatan usaha secara
konvensional dan atau berdasarkan prinsip syariah yang dalam
kegiatannya memberikan jasa dalam lalu-lintas pembayaran. Sifat jasa
yang diberikan adalah umum, dalam arti dapat memberikan seluruh jasa
perbankan yang ada. Begitu pula dengan wilayah operasinya dapat
dilakukan di seluruh wilayah Indonesia bahkan ke luar negeri (cabang).
Bank umum sering disebut bank komersil (commercial bank).
b. Bank syariah adalah bank umum yang melaksanakan kegiatan usaha
berdasarkan prinsip syariah, termasuk unit usaha syariah dan kantor
10
cabang bank asing yang melakukan kegiatan berdasarkan prinsip syariah
yang dalam kegiatannya memberikan jasa dalam lalu-lintas pembayaran.
Ascarya (2006) menyebutkan bahwa secara makro bank syariah adalah
institusi keuangan yang memposisikan dirinya sebagai pemain aktif dalam
mendukung dan memainkan kegiatan investasi di masyarakat sekitarnya.
Sedangkan secara umum bank syariah didefinisikan sebagai bank dengan pola
bagi hasil yang merupakan landasan utama dalam segala operasinya, baik dalam
produk pendanaan, pembiayaan, maupun dalam produk lainnya. Produk-produk
bank syariah mempunyai kemiripan namun tidak sama dengan produk bank
konvensional karena adanya pelarangan riba, gharar, dan maysir.
Sedangkan Sakti (2006) menyebutkan bahwa bank Islam (syariah)
merupakan lembaga keuangan yang berfungsi memperlancar mekanisme ekonomi
melalui aktivitas investasi atau jual beli, serta memberikan pelayanan jasa
simpanan bagi para nasabah. Dimana mekanisme kerjanya secara sederhana
adalah; dana dari nasabah yang terkumpul dinvestasikan pada dunia usaha, ketika
ada hasil (profit), maka bagian profit untuk bank dibagi kembali antara bank dan
nasabah. Disamping itu bank syariah dapat melakukan transaksi jual-beli baik
dengan pengusaha maupun nasabah, menggunakan skema murabahah, ijarah,
istisna dan salam.
2.2 Perbedaan Bank Syariah dengan Bank Konvensional
Menurut Antonio (2001), dalam beberapa hal bank syariah dan bank
konvensional memiliki persamaan, terutama dalam sisi teknis penerimaan uang,
11
mekanisme transfer, teknologi komputer yang digunakan, syarat-syarat umum
memperoleh pembiayaan, dan sebagainya. Akan tetapi terdapat perbedaan
mendasar di antara keduanya. Perbedaan-perbedaan tersebut dijelaskan sebagai
berikut.
A. Akad dan Aspek Legalitas
Dalam bank syariah, akad yang dilakukan memiliki konsekuensi duniawi
dan ukhrowi karena akad yang dilakukan berdasarkan hukum Islam. Setiap
akad dalam perbankan syariah, baik dalam hal barang, pelaku transaksi,
maupun ketentuan lainnya, harus memenuhi ketentuan akad seperti rukun
dan syarat.
B. Lembaga Penyelesai Sengketa
Berbeda dengan perbankan konvensional, jika pada perbankan syariah
terdapat perbedaan atau perselisihan antara bank dengan nasabahnya,
kedua belah pihak tidak menyelesaikannya di pengadilan negeri, tetapi
menyelesaikannya sesuai tata cara dan hukum materi syariah. Lembaga
yang mengatur hukum materi dan atau berdasarkan prinsip syariah di
Indonesia dikenal dengan nama Badan Arbitrase Syariah Nasional atau
BASYARNAS.
C. Struktur Organisasi
Bank syariah dapat memiliki struktur yang sama dengan bank konensional,
misalnya dalam hal komisaris dan direksi, tetapi unsur yang amat
membedakan antara bank syariah dengan bank konvensional adalah
keharusan adanya Dewan Pengawas Syariah yang bertugas mengawasi
12
operasional bank dan produk-produknya agar sesuai dengan garis-garis
syariah. Dewan Pengawas Syariah (DPS) biasanya diletakkan pada posisi
setingkat Dewan Komisaris pada setiap bank. Hal ini untuk menjamin
efektivitas dari setiap opini yang diberikan oleh DPS. Karena itu biasanya
penetapan anggota DPS dilakukan oleh Rapat Umum Pemegang Saham,
setelah para anggota DPS itu mendapat rekomendasi dari Dewan Syariah
Nasional (DSN).
D. Bisnis dan Usaha yang Dibiayai
Dalam bank syariah, bisnis dan usaha yang dilaksanakan tidak terlepas
dari saringan syariah. Karena itu bank syariah tidak akan mungkin
membiayai usaha yang terkandung di dalamnya hal-hal yang diharamkan.
E. Lingkungan Kerja dan Corporate Culture
Sebuah bank syariah selayaknya memiliki lingkungan kerja yang sejalan
dengan syariah. Dalam hal etika, misalnya sifat amanah dan shiddiq, harus
melandasi setiap karyawan sehingga tercermin integritas eksekutif muslim
yang baik. Selain itu, cara berpakaian dan tingkah laku dari para karyawan
merupakan cerminan bahwa mereka bekerja dalam sebuah lembaga
keuangan yang membawa nama besar Islam.
Buchori dalam Ascarya (2006) menyebutkan bahwa bank syariah memiliki
perbedaan operasional yang cukup mendasar dengan bank konvensional dalam
menjalankan fungsinya sebagai lembaga intermediasi. Secara umum perbedaan-
perbedaan ini bisa dilihat dari Tabel 2.1.
13
Tabel 2.1. Perbedaan Bank Syariah dan Bank Konvensional
Bank Konvensional Bank Syariah
Fungsi dan kegiatan bank Intermediasi, jasa keuangan Intermediasi, manager investasi, investor, sosial, jasa keuangan
Mekanisme dan objek usaha Tidak antiriba dan antimaysir Antiriba dan antimaysir
Prinsip dasar operasi -Bebas nilai (prinsip materialis) -uang sebagai komoditi -bunga
-tidak bebas nilai (prinsip syariah Islam) -uang sebagai alat tukar dan bukan komoditi -bagi hasil, jual beli, sewa
Prioritas pelayanan Kepentingan pribadi Kepentingan publik Orientasi Keuntungan Tujuan sosial ekonomi
Islam, keuntungan Bentuk Bank komersial Bank komersial, bank
pembangunan, bank universal atau multi-purpose
Evaluasi nasabah Kepastian pengembalian pokok dan bunga (creditworthiness dan collateral)
Lebih hati-hati karena partisipasi dalam resiko
Hubungan Nasabah Terbatas debitur-kreditur Erat sebagai mitra usaha Sumber Likuiditas Jangka Pendek
Pasar uang, Bank Sentral Pasar uang Syariah, Bank Sentral
Pinjaman yang Diberikan Komersial dan nonkomersial, berorientasi laba
Komersial dan nonkomersial, berorientasi laba dan nirlaba
Lembaga Penyelesai Sengketa Pengadilan, arbitrase Pengadilan, Badan Arbitrase Syariah Nasional
Resiko Usaha -Resiko bank tidak terkait langsung dengan debitur, resiko debitur tidak terkait langsung dengan bank -kemungkinan terjadi negative spread
-dihadapi bersama antara bank dan nasabahdengan prinsip keadilan dan kejujuran -tidak mungkin terjadi negative spread
Struktur Organisasi pengawas Dewan komisaris Dewan komisaris, DPS, DSN.
Investasi Halal atau haram Halal Sumber : Ascarya (2006)
2.3 Sistem Moneter Islam dan Sistem Moneter Konvensional
Secara umum, ada tiga perbedaan utama sistem moneter Islam murni
dengan sistem moneter konvensional. Perbedaan yang pertama adalah adanya 100
14
percent reserve banking system pada perbankan Islam murni. Menurut Mankiw
(2003), sistem perbankan dengan cadangan 100 persen diartikan jika sebuah bank
hanya menjadikan seluruh deposit sebagai cadangan dan tidak meminjamkannya
tetapi menyimpannya sampai pemiliknya menarik uang tersebut. Sementara itu,
100 percent reserve banking system tidak memberikan peluang bagi bank untuk
menciptakan uang baru, karena 100 persen cadangan harus disimpan atau
dikembalikan ke bank sentral. Bank maksimum hanya dapat menyalurkan
pembiayaan sampai sebesar simpanan awal saja. Dengan demikian, tidak ada daya
beli baru yang diciptakan (tidak ada seigniorage), sehingga tidak mengandung
unsur riba, tidak menimbulkan efek inflasi, dan tidak ada pihak yang dirugikan
(Ascarya, 2006).
Jika bank memegang cadangan 100 persen, maka sistem perbankan ini
tidak mempengaruhi jumlah uang yang beredar melalui penciptaan uang giral.
Sedangkan pada sistem moneter konvensional menerapkan fractional reserve
banking system. Mengacu pada Mankiw (2003) dimana pada sistem ini bank
hanya memegang sebagian dari depositonya sebagai cadangan, dan bagian lainnya
dipinjamkan. Menurut Ascarya (2006) fractional reserve banking system artinya
bahwa bank hanya diwajibkan untuk menyimpan cadangan dalam persentase
tertentu dari dana simpanan yang dihimpun. Sehingga perbankan dengan sistem
ini akan mempengaruhi jumlah uang yang beredar melalui penciptaan uang giral.
Perbedaan yang kedua adalah pada sistem moneter Islam murni, uang
yang digunakan tidak menimbulkan seignorage. Artinya karena sistem penciptaan
uang dalam Islam itu dengan menggunakan full bodied money yaitu uang dinar
15
dan dirham, yang nilai intrinsiknya sama dengan nilai nominalnya. Ataupun kalau
memang menggunakan uang fiat, maka tetap harus di-back-up 100 persen dengan
sesuatu yang memiliki nilai stabil yang biasanya diasosiasikan dengan emas yang
disimpan oleh otoritas penerbit uang (fully backed money) (Ascarya, 2006).
Sehingga dalam penciptaan uang tidak ada penciptaan nilai uang yang tiba-tiba
ada tanpa ada nilai riilnya dan nilai tambahnya. Sebaliknya hal itulah yang terjadi
pada sistem moneter konvensional dimana penciptaan uang fiatnya itu tidak di
back-up dengan emas sehingga pada penciptaannya terjadi seignorage.
Perbedaan yang ketiga merupakan perbedaan yang paling umum diketahui
yaitu dalam pelaksanaan seluruh aktivitasnya sistem moneter Islam tidak
menggunakan instrumen suku bunga. Karena seperti yang sudah dipahami secara
umum dalam Islam bunga itu haram dan dilarang penggunaannya.Tetapi sistem
moneter Islam menawarkan sistem lain sebagai alternatif yaitu sistem bagi hasil.
Pada bagi hasil, return yang diperoleh tidak pasti, karena tergantung dari
keuntungan yang didapatkan. Sedangkan pada sistem moneter konvensional,
bunga merupakan instrumen yang cukup penting. Return yang diperoleh bersifat
pasti karena pembayaran bunga tidak disesuaikan dengan kondisi untung dan
ruginya pihak peminjam.
Pada kenyataannya pada zaman kontemporer ini khususnya di Indonesia,
dalam dual banking system satu-satunya perbedaan yang masih ada adalah tidak
digunakannya instrumen bunga dalam aktivitas ekonomi Islam. Sedangkan dua
perbedaan yang dijelaskan pertama itu tidak ada dalam kasus sistem perbankan
ganda. Artinya sistem moneter Islam masih menggunakan uang yang diciptakan
16
oleh sistem konvensional dan menggunakan fractional reserve banking system
karena masih terintegrasinya sistem moneter Islam pada dominasi sistem
konvensional yang besar. Dengan masih diadopsinya fiat money dan fractional
banking system, penciptaan uang yang bersifat inflatoir masih ada dalam sistem
keuangan Islam kontemporer. Dengan demikian, bank syariah yang beroperasi
dalam fractional reserve banking system juga menciptakan uang bank (giro dan
uang elektronik), namun memfokuskan penggunaan uang ciptaan ini sesuai
dengan prinsip syariah.
2.4 Perbedaan Konsep Suku Bunga dan Konsep Bagi Hasil
Sebagai alternatif sistem bunga dalam ekonomi konvensional, ekonomi
Islam menawarkan sistem bagi hasil (profit and loss sharing), ketika pemilik
modal (surplus spending unit) bekerja sama dengan pengusaha (deficit spending
unit) untuk melakukan kegiatan usaha. Apabila menghasilkan keuntungan dibagi
berdua, apabila menderita kerugian juga ditanggung bersama. Sistem bagi hasil
menjamin adanya keadilan dan tidak ada pihak yang tereksploitasi (didzalimi).
Sistem bagi hasil dapat berbentuk musyarakah atau mudharabah dengan berbagai
variasinya.
Bank konvensional, sistem return-nya adalah sistem bunga yaitu
persentase terhadap dana yang disimpan ataupun dipinjamkan dan ditetapkan
diawal transaksi sehingga berapa nilai nominal rupiahnya akan dapat diketahui
besarnya dan kapan akan diperoleh dapat dipastikan tanpa melihat laba rugi yang
akan terjadi nanti. Bank syari’ah sistem return-nya adalah sistem bagi hasil (profit
17
loss sharing) yaitu nisbah (persentase bagi hasil) yang besarnya ditetapkan diawal
transaksi yang bersifat fixed tetapi nilai nominal rupiahnya belum dapat diketahui
dengan pasti melainkan melihat laba rugi yang akan terjadi nanti.
Sumber : Sakti (2006)
Gambar 2.1. Implikasi Bunga pada Perekonomian
Pada Gambar 2.1. dapat terlihat bahwa dalam perekonomian konvensional,
sistem riba, fiat money, fractional reserve system dalam perbankan, dan
diperbolehkannya spekulasi menyebabkan penciptaan uang (kartal dan giral) dan
tersedotnya uang di sektor moneter untuk mencari keuntungan tanpa risiko.
Akibatnya, uang atau investasi yang seharusnya tersalur ke sektor riil untuk tujuan
produktif sebagian besar lari ke sektor moneter dan menghambat pertumbuhan
bahkan menyusutkan sektor riil. Penciptaan uang tanpa adanya nilai tambah akan
menimbulkan inflasi. Pada akhirnya, tujuan pertumbuhan ekonomi akan
terhambat.
Sementara itu, pada Gambar 2.2. dengan sistem zakat, sistem bagi hasil,
dan pelarangan spekulasi dalam perekonomian Islam, akan mendorong iklim
investasi yang akan tersalur dengan lancar ke sektor riil untuk tujuan yang
Sistem Riba
Penciptaan dan Konsentrasi Uang Inflasi
Menghambat Laju Ekonomi
Menyusutkan Sektor Riil
18
sepenuhnya produktif. Hal ini akan menjamin terdistribusinya kekayaan dan
pendapatan serta menumbuhkan sektor riil. Dengan meningkatnya produktivitas
dan kesempatan bekerja dan berusaha pada akhirnya pertumbuhan ekonomi
terdorong, dan pada akhirnya akan tercapai kesejahteraan masyarakat.
Sumber : Sakti (2006)
Gambar 2.2. Implikasi Bagi Hasil pada Perekonomian
2.5 Teori Permintaan Uang Konvensional
Jumlah uang beredar adalah jumlah uang yang tersedia (Mankiw,
2003).Sedangkan menurut Mishkin (2001) uang (diacu juga sebagai money
supply) didefinisikan sebagai segala sesuatu yang secara umum diterima sebagai
alat pembayaran barang dan jasa atau pembayaran kembali utang.
Teori permintaan uang pertama kali dikemukakan oleh Irving Fisher.
Fisher ingin melihat hubungan antara kuantitas uang dengan jumlah total
pengeluaran untuk membeli barang dan jasa akhir yang diproduksi dalam
perekonomian (P x Y), dimana P adalah tingkat harga dan Y adalah
pendapatan/output agregat. Konsep yang menyediakan hubungan ini disebut
Investasi Bagi Hasil
Distribusi Kekayaan dan Pendapatan Produktivitas dan
Kesempatan
Mendorong Laju Ekonomi
Menumbuhkan Sektor Riil
19
velositas (V) yang merupakan rata-rata jumlah uang yang dikeluarkan untuk
membeli sejumlah barang dan jasa yang diproduksi dalam setahun. Fungsinya
sebagai berikut :
(1)
dengan mengalikan kedua sisi dengan M, maka kita akan mendapatkan equation
of exchange yang menghubungkan pendapatan nominal dengan kuantitas uang
dan velositas :
(2)
Fisher melihat bahwa velositas konstan dalam jangka pendek, sehingga
pendapatan nominal ditentukan hanya oleh pergerakan kuantitas uang. Menurut
Fisher, permintaan uang adalah murni merupakan fungsi dari pendapatan dan suku
bunga tidak berpengaruh terhadap permintaan uang. Hal ini terjadi karena Fisher
percaya bahwa orang memegang uang hanya untuk memenuhi kebutuhan
transaksi dan tidak punya kebebasan tentang jumlah uang yang ingin dipegang.
Untuk para ekonom klasik, teori kuantitas uang menyediakan penjelasan bahwa
pergerakan dalam tingkat harga merupakan hasil dari perubahan kuantitas uang.
Menurut para ekonom Cambridge, ada dua properti uang yang memotivasi
orang untuk memegang uang, yaitu utilitas uang sebagai alat pertukaran dan
sebagai penyimpan kekayaan. Karena fungsi uang sebagai media pertukaran,
maka orang menggunakan uang untuk melakukan transaksi. Uang juga berfungsi
sebagai penyimpan kekayaan. Tingkat kekayaan seseorang mempengaruhi
permintaan uang. Ekonom Cambridge percaya bahwa kekayaan nominal dan
MYPV ×
=
YPVM ×=×
20
banyaknya transaksi adalah proporsional terhadap pendapatan nominal. Sehingga
fungsi permintaan uang menurut pendekatan Cambridge sebagai berikut :
(3)
dimana k adalah konstanta. Persamaan ini terlihat sama dengan persamaan
permintaan uang menurut Fisher. Jadi menurut kedua aliran ini, suku bunga tidak
memainkan peranan dalam fungsi permintaan uang.
Menurut teori likuiditas Keynes, ada tiga motif memegang uang yaitu
motif transaksi, motif berjaga-jaga, dan motif spekulasi. Menurut teori ini, motif
transaksi dan motif berjaga-jaga proporsional terhadap pendapatan. Kemudian
adanya motif spekulasi menyebabkan munculnya variabel suku bunga yang
merupakan opportunity cost memegang uang. Sehingga fungsi permintaan uang
menurut Keynes adalah :
(4)
Dimana suku bunga (i) berpengaruh negatif terhadap permintaan uang dan Y
berpengaruh positif terhadap permintaan uang. Sebagaimana diketahui, suku
bunga merupakan opportunity cost dalam memegang uang. Artinya ketika suku
bunga naik, maka orang akan memegang uang lebih sedikit, karena lebih baik
menyimpan uangnya dalam bentuk aset berbunga yang lebih menguntungkan.
Sedangkan pendapatan berhubungan positif dengan permintaan uang. Pendapatan
yang lebih tinggi mengakibatkan permintaan uang juga meningkat karena semakin
banyaknya transaksi yang harus didanai.
Teori portofolio memprediksi bahwa permintaan uang seharusnya
bergantung pada resiko dan pengembalian yang diberikan oleh uang dan oleh
PYkM d ×=
( )YifM d ,=
21
berbagai aset selain uang yang bisa dimiliki rumah tangga (Mankiw, 2003). Teori
portofolio sendiri menekankan pada peran uang sebagai penyimpan nilai. Sebagai
contoh, fungsi permintaan uang dapat ditulis sebagai berikut :
(5)
dimana rs adalah pengembalian riil yang diharapkan atas saham, rb adalah
pengembalian riil yang diharapkan atas obligasi, πe adalah tingkat inflasi yang
diharapkan, dan W adalah kekayaan riil. Kenaikan rs dan rb menurunkan
permintaan uang karena aset lain menjadi lebih menarik. Kenaikan dalam πe juga
menurunkan permintaan uang artinya uang menjadi tidak menarik karena πe
adalah pengembalian riil yang yang diharapkan dari memegang uang. Kenaikan
W meningkatkan permintaan uang karena kekayaan yang lebih tinggi berarti
portofolio yang lebih besar.
2.6 Teori Permintaan Uang dalam Konsep Islam
Uang adalah standar kegunaan yang terdapat pada barang dan tenaga, jadi
uang didefinisikan sebagai sesuatu yang dipergunakan untuk mengukur tiap
barang dan tenaga. Uang pada dasarnya berfungsi sebagai alat transaksi yang
berguna sebagai refleksi dari nilai sebuah barang dan jasa (Sakti, 2006). Dalam
Islam urgensi kehadiran uang dipertegas oleh pendapat Rasulullah SAW yang
menyebutkan perdagangan yang lebih baik (adil) itu perdagangan yang
menggunakan uang (dinar dan dirham). Akibat kehadiran uang inilah hakikat
ekonomi dalam perspektif Islam dapat berlangsung dengan baik, yaitu terpelihara
dan meningkatnya perputaran (velocity) harta diantara pelaku ekonomi.
( ) ( )WrrLPM ebs
d ,,,/ π=
22
Dalam literatur ekonomi Islam, uang dibahas sebagai salah satu alat
transaksi, perantara untuk menilai barang dan jasa, dan tidak boleh memainkan
peranan sebagai komoditi. Menurut Ibnu Khaldun dalam Siregar (2002), kekayaan
suatu negara tidak ditentukan oleh banyaknya uang di negara tersebut tetapi
ditentukan oleh tingkat produksi negara tersebut dan neraca pembayaran yang
positif.
Perspektif motif memegang uang dalam Islam berbeda dengan sistem
kapitalis. Dalam Islam, motif seseorang memegang uang terbatas pada motif
transaksi dan berjaga-jaga. Permintaan terhadap uang karena motif spekulasi pada
dasarnya didorong oleh fluktuasi suku bunga dalam perekonomian kapitalis
(Chapra, 2000). Motif spekulasi tidak dibenarkan dalam syariah, karena memang
perekonomian berbasis bunga yang menyebabkan adanya motif spekulasi itu tidak
dibenarkan dalam Islam. Menurut Imam Ghazali dalam Siregar (2002), adanya
uang sebagai ukuran nilai suatu barang maka uang akan berfungsi sebagai media
pertukaran. Sedangkan menurut Monzer Kahf dalam Siregar (2002) bahwa
permintaan uang terutama untuk memenuhi kebutuhan transaksi, bukan untuk
kegiatan yang bersifat spekulatif. Menurut Islam, uang adalah flow concept, maka
uang harus selalu berputar dalam perekonomian. Semakin cepat uang berputar
dalam perekonomian berarti akan semakin banyak transaksi yang terjadi, yang
nantinya akan meningkatkan pendapatan masyarakat dan mendorong
pertumbuhan ekonomi. Inilah salah satu perbedaan lagi antara sistem ekonomi
Islam dengan sistem ekonomi konvensional. Dimana justru pada keuangan
konvensional, velositas dari uang itu harus konstan agar kebijakan moneter
23
dengan mengendalikan jumlah uang yang beredar efektif. Pada sistem keuangan
Islam, velositas uanglah yang harus dipercepat, sedangkan jumlah uang beredar
menyesuaikan dengan kebutuhan sektor riil.
Mengacu pada karakteristik sistem ekonomi Islam yang menggunakan 100
percent reserve banking system dan penggunaan uang komoditi (dinar dan
dirham) maka perbankan dalam Islam tidak menciptakan uang giral seperti pada
konvensional. Sehingga konsep uang beredar dalam Islam secara normatif adalah
uang kartal itu sendiri. Sedangkan definisi demand deposit dan quasi money tidak
termasuk perhitungan jumlah uang beredar. Tapi pada kenyataannya, dimana
sistem perbankan Islam kontemporer di Indonesia masih terintegrasi dengan
perbankan konvensional, maka pendefinisian M1 (narrow money) dan M2 (broad
money) masih ada.
Menurut Siregar (2002), permintaan uang dalam Islam tercermin dalam
persamaan sebagai berikut :
(6)
dimana Ys merupakan barang dan jasa yang berkaitan dengan pemenuhan
kebutuhan dasar dan investasi produktif yang sesuai dengan nilai-nilai Islam. S
merupakan nilai-nilai moral dan sosial dan kelembagaan (termasuk zakat) yang
mempengaruhi alokasi dan distribusi sumberdaya yang tidak digunakan untuk
konsumsi yang tidak bermanfaat, investasi yang tidak produktif dan tidak juga
untuk motif spekulasi. T adalah profit and loss sharing.
Umumnya termasuk di beberapa negara Islam, Y merupakan output yang
termasuk untuk pemenuhan konsumsi yang tidak bermanfaat dan investasi yang
( )TSYfM sd ,,=
24
non produktif. Sedangkan karakteristik Ys merupakan sesuatu yang normatif yang
belum mencerminkan kenyataan saat ini, tetapi bukan hal yang mustahil juga
untuk dicapai jika Islam dilaksanakan secara kaffah. Selanjutnya, S juga
merupakan nilai-nilai sosial yang tidak harus dikuantifikasi. Sedangkan T
merupakan variabel yang sudah bisa dilaksanakan pada keuangan kontemporer
sekarang ini.
2.7 Konsep Inflasi dalam Ekonomi Konvensional
Inflasi merupakan kenaikan harga-harga barang dan jasa secara umum dan
terus-menerus. Menurut Friedman, inflasi selalu merupakan fenomena moneter.
Sumber dari inflasi adalah tingginya pertumbuhan money supply. Singkatnya,
dengan mengurangi tingkat pertumbuhan money supply pada tingkat yang rendah,
maka inflasi bisa dicegah. Menurut pandangan aliran monetaris, money supply
dipandang sebagai satu-satunya sumber pergeseran dalam kurva permintaan
agregat. Sehingga analisis monetaris mengindikasikan bahwa inflasi pasti
disebabkan oleh tingginya pertumbuhan money supply (Mishkin, 2001).
Aliran Keynesian menghasilkan kesimpulan yang sama dengan monetaris
dimana pertumbuhan money supply akan mengakibatkan tingkat harga meningkat
secara terus menerus pada tingkat yang tinggi, sehingga terjadi inflasi. Analisis
keynesian mengindikasikan bahwa tingginya inflasi tidak bisa hanya disebabkan
oleh kebijakan fiskal saja. Begitupun dengan fenomena dari sisi penawaran juga
tidak bisa menjadi sumber inflasi yang tinggi (Mishkin, 2001). Sehingga
25
kesimpulannya adalah baik pandangan monetaris maupun pandangan keynesian,
sejalan dengan pandangan Friedman.
2.8 Konsep Inflasi dalam Ekonomi Islam
Menurut Chapra (2000), inflasi mengandung implikasi bahwa uang tidak
dapat berfungsi sebagai satuan hitung yang adil dan benar. Inflasi menyebabkan
orang berlaku tidak adil terhadap yang lain, dengan memerosotkan daya beli aset-
aset moneter secara tidak diketahui. Hal itu merusak efisiensi sistem moneter dan
menimbulkan ongkos kesejahteraan pada masyarakat. Inflasi memperburuk iklim
ketidakpastian dimana keputusan-keputusan ekonomi diambil, menimbulkan
kekhawatiran pada formasi modal dan menyebabkan misalokasi sumber daya.
Inflasi cenderung merusak nilai-nilai, memberikan imbalan kepada usaha-usaha
spekulasi dengan menimpakan kerugian pada aktivitas-aktivitas produktif dan
memperparah ketidakmerataan pendapatan. Dengan demikian inflasi merupakan
sebuah gejala disekuilibrium yang tidak sesuai dengan penekanan Islam pada
ekuilibrium.
Dalam teori Islam murni, sebenarnya inflasi itu tidak akan terjadi karena
adanya karakteristik keuangan islam yang khas. Ketika uang yang digunakan
adalah full bodied money atau fully backed money, maka tidak akan terjadi inflasi.
Hal ini disebabkan karena uang jenis tesebut tidak menimbulkan penciptaan uang
beredar dengan seignorage.
26
2.9 Konsep Kebijakan Moneter dalam Ekonomi Konvensional
Menurut Sukirno dalam Agustianto (2002) kebijakan moneter adalah
langkah-langkah yang dijalankan oleh bank sentral untuk mengawasi jumlah uang
beredar di tangan masyarakat. Menurut UU No. 23 tahun 1999 tentang Bank
Indonesia, kebijakan moneter adalah kebijakan yang diterapkan dan dilaksanakan
oleh Bank Indonesia untuk mencapai dan memelihara kestabilan nilai rupiah yang
dilakukan antara lain melalui pengendalian jumlah uang yang beredar dan atau
suku bunga. Dalam perekonomian yang menggunakan uang fiat, pemerintah
mengendalikan jumlah uang beredar melalui monetary base. Monetary base
sendiri didefinisikan sebagai jumlah dari uang kartal ditambah cadangan
(Mishkin, 2001). Peraturan resmi memberi pemerintah hak untuk memonopoli
pencetakan uang. Kontrol atas jumlah uang beredar disebut kebijakan moneter.
Melalui monetary base inilah kebijakan moneter dilakukan dengan berbagai cara
atau instrumen, diantaranya melalui operasi pasar terbuka, tingkat diskonto, dan
peraturan giro wajib minimum. Skema pengendalian moneter di Indonesia dapat
dilihat pada Tabel 2.2.
Kebijakan moneter di suatu negara diimplementasikan dengan
menggunakan instrumen moneter (suku bunga atau agregat moneter) yang
mempengaruhi sasaran antara untuk mencapai sasaran akhir, yaitu stabilitas harga
atau pertumbuhan ekonomi (Arifin, 1998). Tujuan dari kebijakan moneter secara
umum dapat dirumuskan sebagai berikut (Puspopranoto dalam Hardianto, 2004):
27
1. Pertumbuhan jumlah uang beredar (JUB) selayaknya mampu untuk
mengimbangi laju pertumbuhan PDB secara riil sepanjang waktu pada
tingkat harga yang stabil;
2. Pemenuhan JUB yang mampu mencukupi kebutuhan jangka pendek
yaitu memadai untuk mewujudkan perekonomian pada kesempatan kerja
penuh dan tingkat harga yang stabil.
Tabel 2.2. Pengendalian Moneter Indonesia
Instrumen Sasaran Operasional
Sasaran Antara Sasaran Akhir
Operasi Pasar Terbuka (Lelang SBI)
• Base Money (Uang
primer) • Net Domestic
Assets • Liquidity
Support • Net
International Reserve
• Uang Beredar (M1 dan
M2) • Kredit
Perbankan
Intervensi Valas Nilai Tukar Rupiah Nilai Tukar Rupiah
• Inflasi • Pertumbuhan
Ekonomi • Neraca
Pembayaran
Sumber : Sitorus (1998)
2.10 Konsep Kebijakan Moneter dalam Ekonomi Islam
Secara normatif, sebenarnya dalam teori ekonomi Islam tidak mengenal
dikotomi sejajar antara sektor moneter dan sektor riil. Tetapi ada beberapa teori
tentang kebijakan moneter pada sistem ekonomi Islam kontemporer yang masih
terdominasi oleh sistem konvensional. Kebijakan moneter diarahkan pada regulasi
kuantitas jumlah uang untuk tujuan stabilitas harga, neraca pembayaran,
pertumbuhan ekonomi, dan keadilan distributif (Siddiqi, 1982). Menurut Chapra
(2000) variabel yang akan dipakai dalam suatu kebijakan moneter yang
28
diformulasikan dalam sebuah perekonomian Islam adalah cadangan uang. Bank
sentral Islam harus menjalankan kebijakan moneternya untuk menghasilkan suatu
pertumbuhan dalam sirkulasi uang yang mencukupi untuk membiayai
pertumbuhan potensial dalam output selama periode jangka menengah dan
panjang dalam kerangka harga-harga yang stabil dan sasaran sosioekonomi Islam
lainnya. Tujuannya adalah menjamin bahwa ekspansi moneter tidak bersifat
kurang mencukupi atau berlebihan, tetapi cukup untuk sepenuhnya
mengeksploitasi kapasitas perekonomian agar dapat mensuplai barang-barang dan
jasa bagi kesejahteraan yang berbasis luas.
Mekanisme kebijakan moneter menurut Chapra (2000) tidak saja hanya
untuk mengatur penawaran uang agar seimbang dengan permintaan riil terhadap
uang, tetapi juga membantu memenuhi kebutuhan untuk membiayai defisit
pemerintah yang benar-benar riil dan sasaran-sasaran sosioekonomi masyarakat
Islam lainnya. Berikut 6 unsur mekanisme kebijakan moneter atau instrumen
kebijakan moneter menurut Chapra.
1. Target pertumbuhan dalam jumlah uang beredar dan monetary base;
2. Saham publik terhadap deposito unjuk (uang giral);
3. Cadangan wajib resmi;
4. Pembatas kredit;
5. Alokasi kredit yang berorientasi kepada nilai;
6. Teknik lain, seperti, membeli dan menjual saham dan sertifikat bagi hasil
untuk menggantikan obligasi pemerintah dalam operasi pasar, rasio
pemberian kembali pembiayaan, dan rasio pemberian pinjaman.
29
Menurut Kahf (1982) perubahan dalam kuantitas uang mempengaruhi
tingkat inflasi dimana menambahkan terlalu banyak uang ke dalam perekonomian
akan meningkatkan harga. Menurutnya, penawaran uang bisa dirubah dengan tiga
cara yaitu managemen mata uang, reserve requirement, dan credit policy of
Zakah. Perubahan dalam kuantitas jumlah mata uang yang beredar di pasar
dipengaruhi langsung oleh otoritas moneter. Perubahan dalam reserve
requirement yang harus dijaga oleh bank komersial mempengaruhi tingkat
pinjaman dan volume demand deposits. Perubahan dalam kebijakan kredit dari
dana Zakat membutuhkan pengembangan.
2.11 Penelitian Terdahulu
Penelitian-penelitian yang menganalisis tentang stabilitas moneter pada
kasus sistem perbankan ganda masih sulit ditemukan. Pada bagian ini akan
dijelaskan tentang beberapa penelitian terdahulu. Penelitian yang dilakukan oleh
Kaleem (2000) di Malaysia dengan menggunakan data bulanan tahun 1994-1999.
Pada penelitiannya Kaleem berusaha menganalisis tentang validitas dan
efektivitas instrumen Islam bagi tujuan kebijakan moneter. Hasil yang didapatkan
adalah sebagai berikut :
1) Dummy krisis tidak signifikan untuk variabel besaran moneter M2 dan
M2-islam, sehingga menolak efek krisis keuangan tahun 1997 terhadap
deposito jangka panjang;
2) Inflasi signifikan terhadap besaran moneter M1, M2, M1-isl, dan
CREDIT-islam;
30
3) Menolak hipotesis bahwa instrumen moneter Islam lebih stabil dan
anti guncangan terhadap krisis, karena menunjukkan hasil yang sama
dengan instrumen konvensional;
4) Otoritas moneter memiliki tingkat kontrol yang lebih pada M1-islam
dan M2-islam daripada terhadap M1 dan M2;
5) Instrumen kredit Islam di bawah kontrol otoritas moneter;
6) Instrumen moneter Islam juga efektif bagi pencapaian tujuan kebijakan
moneter.
Kemudian dari penelitian Nasution dan Nurzaman (2006) tentang
efektifitas besaran M1 di Indonesia tahun 1971-2002 menghasilkan kesimpulan
sebagai berikut:
1) pergerakan velositas uang bebas bunga lebih stabil daripada velositas
uang berbasis bunga sehingga besaran moneter bebas bunga
memperlihatkan potensi untuk menstabilkan perekonomian;
2) permintaan uang bebas bunga dan berbasis bunga mempunyai
hubungan jangka panjang dengan tingkat inflasi, tetapi pada
keseimbangan jangka pendek, signifikansi model Error Correction
Model (ECM) untuk permintaan uang berbasis bunga lebih rendah;
3) hanya permintaan uang bebas bunga yang memiliki stabilitas
hubungan jangka panjang dengan inflasi dan pendapatan nasional,
sedangkan permintaan uang berbasis bunga tidak;
31
4) Variabel dummy krisis signifikan untuk kedua permintaan uang
tersebut, tetapi karena ada mekanisme penyesuaian, maka permintaan
uang bebas bunga stabil dalam jangka panjang.
Darrat (2000) melakukan penelitian di Iran dan Pakistan dengan
menggunakan data dari tahun 1960-1998 dan menggunakan kerangka error
correction model serta Johansen-Juselius test statistic , menghasilkan kesimpulan
sebagai berikut :
1) keadaan makroekonomi di Iran dan Pakistan berkembang (minimal tidak
memburuk) dengan adanya interest-free banking;
2) interest-free membawa pada perilaku velositas uang yang mudah
diprediksi;
3) interest-free menyediakan lingkungan moneter yang lebih terkontrol;
4) interest-free mempunyai hubungan yang kuat dengan instrumen kebijakan
dan stabilitas harga.
Kemudian penelitian selanjutnya yang dilakukan oleh Kia (2001) di Iran
dengan kurun waktu 1966-1998 menggunakan the maximum likelihood test dan
Dynamic Ordinary Least Square (DOLS) test untuk mengestimasi fungsi
permintaan uang jangka panjang. Hasil yang didapatkan sebagai berikut:
1. baik pada jangka pendek maupun jangka panjang, permintaan uang
pada interest-free (M1) stabil dan invarian terhadap kebijakan dan
guncangan lain dalam perubahan rezim;
2. sedangkan permintaan uang pada interest-bearing (M2) tidak stabil;
32
3. reaksi agen ekonomi terhadap equilibrium error pada M1 selalu sama
untuk berbagai ukuran error sedangkan pada M2 berbeda karena model
ECM yang didapat pada M2 adalah non-linear.
Darrat dalam Nasution ( 2006) melakukan uji tes tentang efektivitas relatif
sistem keuangan syariah di Tunisia. Hasilnya menunjukkan bahwa uang berbasis
non-bunga lebih efektif dan stabil. Namun penelitiannya meragukan mengingat
Tunisia kurang berpengalaman dalam perbankan syariah. Hassen dan Aldayel
dalam Nasution (2006) juga memperoleh hasil yang konsisten seperti penelitian
Darrat untuk 15 negara. Yousafi dalam Nasution (2006) juga melakukan
penelitian yang serupa di Iran.
Achsani, Holtemoller, dan Sofyan (2005) melakukan penelitian tentang
fungsi permintaan uang di Indonesia dengan menggunakan model ekonometrik
dan fuzzy modelling periode 1990:1-2002:3. Hasilnya menunjukkan bahwa
elastisitas pendapatan terhadap permintaan uang cukup stabil sebelum dan
sesudah krisis. Nilai Elastisitas pendapatan pada econometric estimation dan fuzzy
estimation berturut-turut sebesar 0,93 dan 0,87. Penelitian ini juga menunjukkan
bahwa fungsi permintaan uang Indonesia stabil pada periode yang sulit. Serta
menunjukkan mengapa hasil studi sebelumnya tentang fungsi money demand di
Indonesia tidak stabil, karena semuanya menggunakan teknik kointegrasi. Padahal
time series di Indonesia adalah trend-stationary sehingga kerangka kointegrasi
menjadi tidak sesuai.
Price dan Insukindro dalam Achsani, et al. (2005) menggunakan data
kuartalan Indonesia dari 1969:1-1987:4 dengan mengaplikasikan kerangka
33
kointegrasi dan error correction model untuk permintaan uang. Hasil berdasarkan
prosedur two-step Engle-Granger menghasilkan bukti yang lemah untuk
hubungan kointegrasi. Sedangkan berdasarkan Johansen likelihood ratio statistic
menunjukkan sampai 2 vektor kointegrasi. Deckle dan Pradhan dalam Achsani, et
al. (2005) menggunakan data tahunan Indonesia dan tidak menemukan adanya
hubungan kointegrasi yang bisa diinterpretasikan sebagai fungsi permintaan uang.
Kia dan Darrat (2003) mengestimasi fungsi permintaan uang di Iran dengan
menggunakan data kuartalan tahun 1966-2001. Hasilnya menunjukkan bahwa
permintaan terhadap simpanan berbagi hasil lebih stabil dan policy invariant
daripada permintaan terhadap M1. Ascarya (2007) melakukan studi literatur
tentang kebijakan moneter optimum pada sistem perbankan ganda. Hasilnya
menunjukkan bahwa kebijakan moneter optimum pada suatu negara yang
mengadopsi sistem perbankan atau keuangan ganda harusnya mengacu pada
tingkat pengembalian pada sistem bagi hasil untuk memaksimalkan keadilan
distributif dan kesejahteraan sosial dan meminimalkan inefisiensi.
Izhar dan Asutay (2007) melakukan penelitian juga tentang stabilitas
moneter pada sistem perbankan ganda di Indonesia, dari tahun 2001 sampai 2004.
Hasilnya menunjukkan bahwa baik dalam persamaan jangka panjang maupun
persamaan error correction model variabel M2 konvensional dan M2 Islam tidak
mempunyai hubungan yang signifikan dengan tingkat harga. Tetapi nilai error
correction term (ECT) pada sistem konvensional lebih besar daripada ECT pada
sistem Islam. Penelitian-penelitian tersebut pada umumnya menghasilkan
kesimpulan yang sama dimana permintaan uang bebas bunga lebih stabil dan
34
permintaan uang bebas bunga sesuai digunakan sebagai instrumen untuk
mencapai tujuan kebijakan otoritas moneter.
Penelitian ini mempunyai perbedaan dengan penelitian-penelitian
sebelumnya. Pertama, pada penelitian ini variabel suku bunga tetap dimasukkan
ke dalam persamaan permintaan uang sistem konvensional. Hal ini berdasarkan
pada hasil penelitian Kaleem (2000) yang menyebutkan bahwa permintaan uang
pada sistem Islam sama saja dengan konvensional dan tidak anti guncangan. Hal
ini bisa saja terjadi karena sejak awal suku bunga sebagai satu-satunya variabel
yang membedakan antara sistem Islam dan sistem konvensional dalam dual
banking system dihilangkan. Dalam penelitian ini, variabel suku bunga akan
digantikan dengan proxi rate of return pada permintaan uang Islam.
Perbedaan kedua, penelitian ini menggunakan variabel M1 dan M2 yang
sesuai dengan teori Islam. Sedangkan pada penelitian Darrat (2000) serta Nasution
dan Nurjaman (2006) M1 itu dinyatakan sebagai uang bebas bunga dan M2 itu
disebut sebagai uang berbasis bunga. Padahal dalam Islam sendiri, sebenarnya M1
telah mengandung bunga, karena dalam penciptaan uang kartal sendiri telah
mengandung riba. Time series yang digunakan juga lebih panjang yaitu dari
Januari 2001 sampai dengan Desember 2006.
2.12 Kerangka Pemikiran
Keterkaitan antara perumusan masalah dan tujuan penelitian dapat dilihat
dari kerangka pemikiran penelitian, sebagaimana disajikan pada Gambar 2.3.
Variabel makroekonomi yaitu PDB dan tingkat inflasi yang diharapkan
35
mempengaruhi permintaan uang baik pada sistem konvensional maupun pada
sistem Islam. Sebagai biaya imbangan dalam memegang uang, pada permintaan
uang konvensional dimasukkan variabel suku bunga. Sedangkan pada permintaan
uang Islam, variabel suku bunga digantikan oleh tingkat return pada skim syariah.
Kemudian dilihat juga apakah jumlah uang beredar masing-masing sistem
berhubungan dengan sasaran akhir otoritas moneter yaitu stabilitas harga.
Gambar 2.3. Kerangka Pemikiran Konseptual
2.13 Hipotesis Penelitian
Dari teori-teori dan penelitian terdahulu hipotesis yang dapat dirumuskan
dalam penelitian ini adalah:
untuk model permintaan uang konvensional pada jangka panjang, PDB
berpengaruh positif, sedangkan inflasi dan suku bunga berpengaruh
negatif;
Variabel Makroekonomi : -PDB
-inflasi yang diharapkan
Permintaan M1 Permintaan M2
Permintaan M1-Islam Permintaan M2-Islam
Return Syariah Suku Bunga
Tingkat Harga
36
untuk model permintaan uang Islam pada jangka panjang, PDB
berpengaruh positif, sedangkan inflasi dan return syariah berpengaruh
negatif;
Permintaan uang pada sistem Islam lebih stabil dibandingkan dengan
permintaan uang sistem konvensional;
Terdapat hubungan antara jumlah uang beredar dengan tingkat harga.
III. METODE PENELITIAN
3.1 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder
negara Indonesia dalam bentuk bulanan yang diperoleh dari Statistik Ekonomi dan
Keuangan Indonesia Bank Indonesia (SEKI-BI) dan Statistik Perbankan Syariah Bank
Indonesia (SPS-BI) dan data return syariah dari Bank Muamalat Indonesia dalam
periode waktu antara bulan Januari 2001 sampai dengan bulan Desember 2006. Dengan
demikian data yang digunakan merupakan data time series. Data yang digunakan diubah
ke dalam bentuk logaritma natural untuk memudahkan hasil analisis, kecuali data suku
bunga, inflasi, dan rate of return bank umum syariah. Selain itu, penulis juga melakukan
studi pustaka dengan membaca literatur yang berkaitan dengan penelitian penulis baik
dari media cetak maupun internet.
3.2 Variabel dan Definisi Operasional
Berikut ini penjelasan mengenai variabel yang digunakan dalam penelitian
beserta definisi operasionalnya :
a. Jumlah uang beredar dalam arti sempit (M1) adalah uang kartal ditambah
demand deposit pada bank konvensional.
b. Jumlah uang beredar dalam arti luas (M2) adalah M1 ditambah saving
deposit dan time deposit pada bank konvensional.
c. Jumlah uang beredar Islam dalam arti sempit (M1ISL) adalah uang kartal
ditambah demand deposit (giro wadi’ah) pada bank syariah.
38
d. Jumlah uang beredar Islam dalam arti luas (M2ISL) adalah M1ISL
ditambah tabungan mudharabah dan investasi mudharabah.
e. Tingkat output riil (PDB riil) adalah nilai Produk Domestik Bruto yang
dideflasi dengan tingkat IHK tahun dasar 2002.
f. Tingkat inflasi yang diharapkan (EXPINF) adalah tingkat inflasi pada
satu periode sebelumnya dengan IHK tahun dasar 2002.
g. Suku bunga deposito (IDEP) adalah suku bunga deposito jangka waktu 6
bulan.
h. Rate of return (RS) adalah tingkat pengembalian dana pada bank umum
syariah berupa equivalent rate investasi mudharabah.
3.3 Metode Pengolahan dan Analisis Data
Stabilitas moneter pada sistem perbankan ganda dalam penelitian ini akan
dianalisis dengan menggunakan Vector Autoregression (VAR). Kemudian jika data yang
digunakan stasioner pada perbedaan pertama maka model VAR akan dikombinasikan
dengan model koreksi kesalahan menjadi Vector Error Correction Model (VECM).
Semua data dalam penelitian ini ditransformasikan ke dalam bentuk logaritma natural
(ln) kecuali suku bunga, rate of return, dan inflasi untuk mendapatkan hasil analisis
yang lebih valid dan konsisten. Perangkat lunak yang digunakan dalam penelitian ini
adalah Microsoft Excel 2003 dan program Eviews 4.1.
3.4 Analisis Vector Autoregression (VAR)
Model VAR pertama dikembangkan oleh Sims pada tahun 1980. VAR adalah
model a-priori terhadap teori ekonomi. Namun demikian model ini sangat berguna
39
dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem
ekonomi di mana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini
juga menjadi dasar munculnya metode kointegrasi Johansen (1988, 1989) yang sangat
baik dalam menjelaskan perilaku variabel dalam perekonomian (Pasaribu, 2003).
Pemodelan VAR adalah bentuk pemodelan yang digunakan untuk multivariate
time series. Model VAR menjadikan semua variabel bersifat endogen. Spesifikasi model
VAR meliputi pemilihan variabel dan banyaknya selang (lag) yang digunakan dalam
model. Sesuai dengan Sims (1980), variabel yang digunakan dalam persamaan VAR
dipilih berdasarkan teori ekonomi yang relevan. Pemilihan selang optimal kemudian
akan menggunakan kriteria informasi seperti Akaike Info Criterion (AIC) , Schwarz Info
Criterion (SC), maupun Hannan-Quinn Criterion (HQ).
Model VAR secara matematis dapat diwakili oleh (Achsani, et al., 2005) :
dimana xt adalah vektor dari variabel-variabel endogen berdimensi (n x 1), μt adalah
vektor dari variabel-variabel eksogen termasuk di dalamnya konstanta (intercept) dan
tren, Ai adalah matriks-matriks koefisien berdimensi (n x n), dan ut adalah adalah vektor
dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi
dengan nilai-nilai lag mereka sendiri dan juga tidak berkorelasi dengan seluruh variabel
yang ada dalam sisi kanan persamaan di atas.
tit
k
iitt uxAx ++= −
=∑
1μ ( )7
40
3.5 Analisis Vector Error Correction Model (VECM)
Menurut Verbeek dalam Nugraha (2006), ketika dua atau lebih variabel yang
terlibat dalam suatu persamaan pada data level tidak stasioner maka kemungkinan
terdapat kointegrasi pada persamaan tersebut. Jika setelah dilakukan uji kointegrasi
terdapat persamaan kointegrasi dalam model yang digunakan maka dianjurkan untuk
memasukkan persamaan kointegrasi ke dalam model yang digunakan. Kebanyakan data
time series stasioner pada perbedaan pertama. Maka untuk mengantisipasi hilangnya
informasi jangka panjang dalam penelitian ini akan digunakan model VECM. VECM
standar didapat dari model VAR dengan dikurangi xt-1. Adapun persamaan VECM
secara matematis ditunjukkan oleh persamaan berikut (Achsani, et al., 2005) :
dimana Π dan Γ adalah fungsi dari Ai. Matriks Π bisa didekomposisi ke dalam 2 matriks
berdimensi (n x r) α dan β; dimana α disebut matriks penyesuaian dan β
sebagai vektor kointegrasi dan r adalah cointegration rank. Kerangka kointegrasi hanya
sesuai jika variabel variabel yang berhubungan terintegrasi. Hal ini bisa diuji dengan
menggunakan uji akar unit. Saat tidak ditemukan akar unit, maka metode ekonometrik
tradisional dapat diterapkan.
3.6 Pengujian Pra-Estimasi
Sebelum melakukan estimasi VAR/VECM, maka ada beberapa tahapan yang
harus dilakukan yaitu pengujian pra-estimasi. Pengujian-pengujian tersebut antara lain
uji stasioneritas data, penentuan lag optimal, dan pengujian kointegrasi.
tit
k
iittt uxxx +ΔΓ+∏+=Δ −
−
=−− ∑
1
111 μ
Τ=∏ αβ
( )8
41
3.6.1 Uji Stasioneritas Data
Data ekonomi time series pada umumnya bersifat stokastik atau memiliki tren
yang tidak stasioner artinya data tersebut mengandung akar unit. Untuk dapat
mengestimasi suatu model mengunakan data tersebut maka langkah pertama yang haru
dilakukan masalah uji stasioneritas data atau dikenal dengan unit root test. Apabila data
yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model
dengan menggunakan data tersebut karena tren data tersebut cenderung berfluktuasi
tidak disekitar nilai rata-ratanya. Maka dapat disimpulkan bahwa data yang stasioner
akan mempunyai kecenderungan untuk mendekati nilai rata-ratanya dan berfluktuasi di
sekitar nilai rata-ratanya (Gujarati, 2003). Uji akar unit akan dilakukan dalam penelitian
ini dengan menggunakan Augmented Dickey Fuller (ADF).
Cara yang dapat digunakan untuk menguji akar unit adalah metode Dickey-
Fuller (DF). Misalkan model persamaan time series sebagai berikut (Pasaribu, 2003) :
dimana ρ adalah parameter yang akan diestimasi dan ε diasumsikan white noise dimana
variabel yang digunakan tersebut memiliki mean dan varian yang konstan dan kovarian
sama dengan nol. Jika , maka y adalah variabel yang tidak stasioner, dan varian
dari y akan meningkat sejalan dengan peningkatan waktu dan cenderung untuk tak
berhingga. Jika , maka y adalah variabel yang stasioner. Karena itu, hipotesis trend
stationarity dapat dievaluasi dengan menguji apakah nilai absolut dari ρ betul-betul lebih
kecil dari satu. Pengujian umum terhadap hipotesis di atas adalah
H0: dan hipotesis alternatif H1: .
ttt yy ερ += −1 ( )9
1≥ρ
1<ρ
1=ρ 1<ρ
42
Kemudian dengan mengurangi kedua sisi persamaan (9) dengan yt-1 didapat
persamaan:
dimana Δ mengindikasikan perbedaan pertama, sedangkan α=ρ-1, sehingga hipotesis nol
menjadi H0: α=0, sedangkan hipotesis alternatif menjadi H1: α<1. Sedangkan model
umum dari ADF yang digunakan dalam penelitian ini adalah sebagai berikut (Pasaribu,
2003) :
Jika nilai t-statistik ADF lebih kecil daripada t-statistik kritis MacKinnon maka
keputusannya adalah menolak H0 yang menyatakan bahwa data tidak stasioner atau
dengan kata lain data bersifat stasioner.
3.6.2 Penentuan Lag Optimal
Tahap kedua yang harus dilakukan dalam membentuk model VAR yang baik
adalah menentukan panjang lag (ordo) optimal. Penentuan lag optimal dapat
diidentifikasi dengan menggunakan Akaike Info Criterion (AIC), Schwarz Criterion
(SC), Hannan-Quinn Criterion (HQ), dan sebagainya. Dalam penelitian ini akan
digunakan kriteria SC. Besarnya lag optimal ditentukan oleh lag yang memiliki kriteria
SC terkecil. Mengacu pada Widyanti dalam Hanie (2006), perhitungan SC adalah
sebagai berikut :
tptpttt trendcycyky εα ++Δ++Δ++=Δ −−− ...211
ttt yy εα +=Δ −1 ( )10
( )11
( ) ( )( )1log/ −+= TTqqAICSC ( )12
43
dimana q merupakan jumlah variabel, T adalah jumlah observasi, dan AIC merupakan
Akaike Information Criteria dengan perhitungan sebagai berikut (Syabran dalam Hanie,
2006):
dengan merupakan jumlah residual kuadrat, N adalah jumlah sampel, dan k
adalah jumlah variabel.
3.6.3 Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak
stasioner mengalami kointegasi atau tidak. Konsep kointegrasi dikemukakan oleh Engle
dan Granger pada tahun 1987 sebagai fenomena dimana kombinasi linear dari dua atau
lebih variabel yang tidak stasioner akan menjadi stasioner. Kombinasi linear ini dikenal
dengan nama persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan
keseimbangan jangka panjang diantara variabel.
Untuk menguji apakah kombinasi variabel yang tidak stasioner mengalami
kointegrasi, pengujian yang dapat dilakukan adalah uji kointegrasi Engle-Granger, uji
kointegrasi Johansen, maupun uji kointegrasi Durbin-Watson. Pengujian ini dilakukan
dalam rangka memperoleh hubungan jangka panjang antara variabel yang telah
memenuhi persyaratan dalam proses integrasi dimana semua variabel telah stasioner
pada derajat yang sama yaitu pada first difference. Salah satu uji kointegrasi yang akan
digunakan dalam penelitian ini adalah uji kointegrasi Johansen. Dengan H0 = non-
kointegrasi, dan H1 = kointegrasi. Jika t-trace statistics > t-mac-kinnon maka tolak H0
yang artinya persamaan tersebut terkointegrasi.
NKNAIC t /2/log 2 += ∑ε ( )132∑ tε
44
3.7 Analisis Impulse Response Function (IRF)
Analisis impuls respon adalah metode yang digunakan untuk menentukan respon
suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga
digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa lama
pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk mengetahui respon
dinamik variabel permintaan uang baik pada konvensional maupun pada Islam terhadap
guncangan variabel PDB, inflasi yang diharapkan, suku bunga, dan return syariah untuk
permintaan uang pada Islam.
3.8 Analisis Forecasting Error Variance Decomposition (FEVD)
Analisis dekomposisi varian atau dikenal dengan Forecasting Error Variance
Decomposition (FEVD) digunakan untuk menghitung dan menganalisis seberapa besar
pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen. FEVD
menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau
seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel lainnya dalam
model VAR.
Peramalan dekomposisi varian dalam penelitian ini untuk melihat seberapa besar
inovasi dari variabel PDB, suku bunga dan inflasi yang diharapkan dalam menjelaskan
permintaan uang konvensional sebagai variabel endogen. Serta melihat seberapa besar
inovasi dari variabel PDB, inflasi yang diharapkan, dan return syariah dalam
menjelasakan permintaan uang Islam sebagai variabel endogen.
45
3.9 Model Penelitian
Model yang digunakan dalam penelitian ini adalah sebagai berikut :
Untuk melihat seberapa pentingnya variabel VAR tersebut dapat diukur dari jumlah
koefisien estimasi, yang dilihat dari FEVD dan IRF. Misalnya FEVD dari permintaan
M1 konvensional yang mengukur respon M1 terhadap guncangan dari variabel VAR
dalam model. Jika sebagian besar variasi dari M1 dapat dijelaskan oleh nilai permintaan
M1 itu sendiri, maka dapat disimpulkan bahwa lag dari variabel lain tidak dominan
dalam menjelaskan variasi dari permintaan M1.
( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ⎥
⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
−
−
t
t
t
t
it
it
it
it
t
t
t
t
idep
lpdbrrlm
LaLaLaLaLaLaLaLaLaLaLaLaLaLaLaLa
r
lpdbrrlm
4
3
2
1
44432441
34332331
24232221
14131211
inf
1
inf
1
εεεε
( )14
( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ⎥
⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
−
−
t
t
t
t
it
it
it
it
t
t
t
t
idep
lpdbrrlm
LaLaLaLaLaLaLaLaLaLaLaLaLaLaLaLa
r
lpdbrrlm
4
3
2
1
44434241
34333231
24232221
14131211
inf
2
inf
2
εεεε
( )15
( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ⎥
⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
−
−
t
t
t
t
it
it
it
it
t
t
t
t
rs
lpdbrislrlm
LaLaLaLaLaLaLaLaLaLaLaLaLaLaLaLa
rs
lpdbrislrlm
4
3
2
1
44434241
34333231
24232221
14131211
inf
1
inf
1
εεεε
( )16
( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ⎥
⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
−
−
t
t
t
t
it
it
it
it
t
t
t
t
rs
lpdbrislrlm
LaLaLaLaLaLaLaLaLaLaLaLaLaLaLaLa
rs
lpdbrislrlm
4
3
2
1
44434241
34333231
24232221
14131211
inf
2
inf
2
εεεε
( )17
IV. HASIL DAN PEMBAHASAN
Sebelum memasuki tahapan analisis model VAR/VECM, maka
sebelumnya dilakukan pengujian-pengujian pra-estimasi. Pengujian-pengujian
tersebut meliputi uji akar unit (unit root test), pengujian stabilitas VAR, dan
pengujian lag optimal. Pengujian-pengujian ini penting karena dalam model
multivariate time series kebanyakan data yang digunakan mengandung akar unit
sehingga akan membuat hasil estimasi menjadi palsu dan tidak valid (Gujarati,
2003).
4.1 Uji Stasioneritas Data
Metode pengujian yang digunakan untuk melakukan uji stasioneritas data
dalam penelitian ini adalah uji ADF (Augmented Dickey Fuller) dengan
menggunakan taraf nyata lima persen. Jika nilai t-ADF lebih kecil dari nilai kritis
MacKinnon, maka dapat disimpulkan bahwa data yang digunakan adalah
stasioner (tidak mengandung akar unit). Pengujian akar-akar unit ini dilakukan
pada tingkat level sampai dengan first difference. Hasil uji stasioneritas data dapat
dilihat pada Tabel 4.1.
Tabel 4.1 di bawah ini menunjukkan bahwa variabel-variabel yang
digunakan dalam penelitian tidak seluruhnya stasioner pada tingkat level.
Ketidakstasioneran data dapat dilihat dari nilai t-ADF yang lebih besar dari nilai
kritis MacKinnon pada taraf nyata lima persen. Oleh karena itu, pengujian akar-
akar unit ini perlu dilanjutkan pada tingkat first difference.
47
Tabel 4.1. Hasil Pengujian Akar Unit
Nilai ADF Nilai Kritis MacKinnon 5 % Variabel level 1st Difference Level 1st Difference
LM1R -3.150728 -4.186927 -3.478305 -1.945823 LM2R -2.106581 -4.808571 -3.478305 -1.945823 LM1ISLR -3.184189 -4.871297 -3.478305 -1.945823 LM2ISLR -2.867085 -4.588587 -3.478305 -1.945823 LPDBR -2.849481 -5.828555 -3.478305 -1.945823 EXPINF -3.876472 -5.596616 -3.478305 -1.945823 IDEP -2.041460 -2.367211 -3.478305 -1.945823 RS -1.936030 -4.964099 -3.478305 -1.945823
Sumber : Lampiran 1 Catatan : Cetak tebal menunjukkan bahwa data tersebut stasioner pada taraf 5 % Setelah dilakukan first difference, barulah semua data stasioner pada taraf
nyata lima persen. Artinya data yang digunakan pada penelitian ini terintegrasi
pada ordo satu atau dapat disingkat menjadi I(1). Menurut Sims dalam Nugraha
(2006), penggunaan data perbedaan pertama tidak direkomendasikan karena akan
menghilangkan informasi jangka panjang. Oleh karena itu, untuk menganalisis
informasi jangka panjang akan digunakan data level sehingga model VAR akan
dikombinasikan dengan model koreksi kesalahan menjadi VECM.
4.2 Penentuan Lag Optimal
Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag
dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel
eksogen (Enders dalam De Jong, 2005). Pengujian panjang lag optimal ini sangat
berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Sehingga
dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah
autokorelasi. Penentuan lag optimal yang digunakan dalam penelitian ini
48
berdasarkan lag terpendek dengan menggunakan Schwarz Information Criterion
(SC). Hasil pengujian penentuan lag optimal ini dapat dilihat pada Tabel 4.2.
Tabel 4.2. Pengujian Lag Optimal VAR
Lag LM1R LM2R LM1ISLR LM2ISLR 0 -5.655168 -6.693080 -1.629395 -1.735444 1 -7.595590 -8.748189 -2.429522 -2.507683 2 -8.456005 -9.890451 -3.413715* -3.510520* 3 -8.515877* -10.07351* -3.169537 -3.261383 4 -7.950825 -9.609169 -2.577178 -2.681131 5 -7.823485 -9.569978 -2.478067 -2.586532
Sumber : Lampiran 2 Catatan : Tanda asterik (*) menunjukkan SC terkecil Dengan demikian persamaan umum VAR dapat ditulis sebagai berikut :
M1 Konvensional
M2 Konvensional
M1 Islam
M2 Islam
dimana :
= Variabel analisis untuk konvensional yang terdiri dari keseimbangan
ititi
ii
itiiti
iiti
it rslpdbislrlmX εψ +Γ+Π+Φ+= −==
−−=
−=
∑∑∑∑2
1
2
1
2
1
2
1infexp1
ititi
iiti
iiti
iiti
it rslpdbislrlmX εψ +Γ+Π+Φ+= −=
−=
−=
−=
∑∑∑∑2
1
2
1
2
1
2
1infexp2
itti
iiti
iiti
iiti
it ideplpdbrlmZ ε+Γ+Π+Φ+Ψ= −=
−=
−=
−=
∑∑∑∑ 1
3
1
3
1
3
1
3
1infexp2
ititi
iiti
iiti
iiti
it ideplpdbrlmZ ε+Γ+Π+Φ+Ψ= −=
−=
−=
−=
∑∑∑∑3
1
3
1
3
1
3
1infexp1
tZ
( )18
( )19
( )20
( )21
49
uang riil M1R dan M2R, pendapatan riil (PDBR), expected inflation
(EXPINF), dan suku bunga (IDEP)
= Variabel analisis untuk Islam yang terdiri dari keseimbangan uang
riil Islam M1ISLR dan M2ISLR, pendapatan riil (PDBR), expected
inflation (EXPINF), dan rate of return syariah (RS)
= parameter dalam bentuk matriks polinomial (finite order matrix)
dengan lag operator i
= vector white noise
= panjang lag (ordo) VAR
4.3 Pengujian Stabilitas VAR
Stabilitas VAR perlu diuji dahulu sebelum melakukan analisis lebih jauh,
karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi
kesalahan tidak stabil, maka IRF (Impulse Response Function ) dan FEVD
(Forecasting Error Variance Decomposition) menjadi tidak valid (Nugraha,
2006). Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk
maka dilakukan VAR stability condition check berupa roots of characteristic
polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots-nya memiliki
modulus lebih kecil dari 1 (Lutkepohl dalam Eviews 4 User’s Guide, 2002).
Berdasarkan uji stabilitas VAR maka dapat disimpulkan bahwa estimasi VAR
yang akan digunakan untuk analisis IRF dan FEVD stabil. Ringkasan pengujian
stabilitas VAR dapat dilihat pada Tabel 4.3. Dari tabel tersebut dapat disimpulkan
bahwa model VAR yang dibentuk sudah stabil pada lag optimalnya.
tX
ΦΓΠ ,,,ψ
itε
i
50
Tabel 4.3. Uji Stabilitas Model VAR
Model Kisaran Modulus LM1R 0.080699-0.897403 LM2R 0.339967-0.908146 LM1ISLR 0.252866-0.859786 LM2ISLR 0.296331-0.859966
Sumber : Lampiran 3 4.4 Pengujian Kointegrasi
Konsep kointegrasi ini dikemukakan oleh Engle dan Granger pada tahun
1987 sebagai fenomena kombinasi linear dari dua atau lebih variabel yang tidak
stasioner akan menjadi stasioner. Kombinasi linear ini dikenal dengan istilah
persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan
keseimbangan jangka panjang diantara variabel (Verbeek dalam Nugraha, 2006).
metode pengujian kointegrasi didasarkan pada metode Johansen.
Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka
panjang antar variabel yang telah memenuhi persyaratan selama proses integrasi
yaitu dimana semua variabel telah stasioner pada derajat yang sama yaitu derajat 1
I(1). Informasi jangka panjang diperoleh dengan menentukan terlebih dahulu rank
kointegrasi untuk mengetahui berapa sistem persamaan yang dapat menerangkan
dari keseluruhan sistem yang ada. Kriteria pengujian kointegrasi pada penelitian
ini didasarkan pada trace-statistics. Apabila nilai trace-statistics lebih besar
daripada nilai kritis lima persen maka hipotesis alternatif yang menyatakan jumlah
rank kointegrasi dapat diterima. Hasil pengujian kointegrasi dapat dilihat pada
Tabel 4.4.
51
Tabel 4.4. Hasil Pengujian Kointegrasi
Trace Statistics H0 r=0 r<=1 r<=2 r<=3
Model
H1 r>=1 r>=2 r>=3 r>=4 LM1R 57.09578 19.79565 10.45848 3.834314 LM2R 62.84106 22.77961 10.50753 2.468704 LM1ISLR 60.21652 22.40516 7.276304 1.742614 LM2ISLR 59.37895 21.27718 6.276524 1.827060 5 % critical value 39.89 24.31 12.53 3.84
Sumber : Lampiran 5 Catatan : Cetak tebal menunjukkan bahwa trace statistics > 5 % critical value dan terjadi kointegrasi
Tabel 4.4 tersebut menunjukkan bahwa untuk masing-masing persamaan
terdapat minimal satu rank kointegrasi pada taraf nyata lima persen. Informasi
jumlah rank ini akan digunakan sebagai model koreksi kesalahan (ECM) yang
akan dimasukkan ke dalam model VAR menjadi VECM.
4.5 Hasil Estimasi VECM Permintaan M1 Konvensional
Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan
jangka pendek. Hasil estimasi VECM baik untuk jangka panjang maupun jangka
pendek dapat dilihat pada Tabel 4.5. Pada jangka panjang menunjukkan bahwa
output (PDB) berpengaruh positif secara signifikan terhadap permintaan
keseimbangan M1 riil konvensional sebesar 0.957497. Artinya ketika PDB
meningkat sebesar satu persen maka permintaan keseimbangan M1 riil meningkat
juga sebesar 0.957497 persen. Hal ini sesuai dengan hipotesis bahwa ketika output
meningkat, maka semakin banyak transaksi yang harus dibiayai, sehingga
permintaan akan uang meningkat.
52
Variabel inflasi yang diharapkan juga secara signifikan mempengaruhi
permintaan uang M1 secara negatif. Koefisien sebesar -0.360059 dapat diartikan
ketika inflasi yang diharapkan meningkat sebesar satu persen maka permintaan
M1 akan turun sebesar 0.360059 persen. Hasil ini sejalan dengan teori bahwa
tingkat inflasi yang diharapkan merupakan tingkat pengembalian riil yang
diharapkan dalam memegang uang. Jadi ketika tingkat inflasi yang diharapkan
meningkat, maka orang akan meminimalkan resiko inflasi tersebut dengan
menurunkan jumlah uang yang dipegangnya di masa sekarang (Mankiw, 2003).
Tabel 4.5. Hasil Estimasi VECM Permintaan M1
JANGKA PENDEK VARIABEL KOEFISIEN T-STATISTICS
CointEq1 -0.004782 -0.18227 D(LM1R(-1)) -0.226543 -1.65451 D(LM1R(-2)) -0.124576 -0.81925 D(LM1R(-3)) -0.098427 -0.74329
D(LPDBR(-1)) 0.148982 0.19384 D(LPDBR(-2)) 0.230850 0.18344 D(LPDBR(-3)) 0.820409 0.92703 D(IDEP(-1)) -0.016460 -0.71095 D(IDEP(-2)) -0.040887 -1.38395 D(IDEP(-3)) 0.043755 2.13883*
D(EXPINF(-1)) -0.000194 -0.02517 D(EXPINF(-2)) -0.000696 -0.12658 D(EXPINF(-3)) -0.002046 -0.57493
JANGKA PANJANG LPDBR(-1) 0.957497 137.698* IDEP(-1) -0.005443 -0.85300
EXPINF(-1) -0.360059 -6.51895* Sumber : Lampiran 6 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Variabel suku bunga dalam penelitian ini berpengaruh negatif terhadap
permintaan M1, tetapi tidak signifikan. Hal ini tentu saja sesuai dengan teori
bahwa suku bunga memang berpengaruh negatif terhadap permintaan uang. Hal
53
ini bisa terjadi mengingat suku bunga merupakan biaya imbangan dalam
memegang uang. Ketika suku bunga naik, maka orang akan lebih senang
menempatkan uangnya pada aset yang berbunga, seperti deposito dan surat-surat
berharga. Secara empiris ini juga menunjukkan bahwa suku bunga tidak
memperlihatkan adanya hubungan yang signifikan dalam mempengaruhi
permintaan uang M1.
Seperti terlihat pada Tabel 4.5, hasil estimasi VECM untuk fungsi
permintaan M1 konvensional jangka pendek terdapat nilai koreksi kesalahan dari
jangka pendek ke jangka panjang tetapi secara statistik tidak signifikan. Pada
analisis jangka pendek, variabel suku bunga pada lag ketiga signifikan
mempengaruhi permintaan M1 dengan koefisien sebesar 0.043755. Artinya
ketika suku bunga naik satu persen, maka permintaan M1 naik 0.043755 persen.
Sedangkan untuk variabel tingkat inflasi yang diharapkan, suku bunga, dan
permintaan M1 periode sebelumnya tidak signifikan mempengaruhi permintaan
M1 untuk semua lag pada jangka pendek.
4.5.1 Simulasi Analisis Impuls Respon
Gambar 4.1 di bawah ini, merupakan hasil impuls respon permintaan M1
akibat guncangan PDB, tingkat inflasi yang diharapkan, dan suku bunga pada
jangka panjang. Pada saat terjadi guncangan variabel PDB, permintaan M1
konvensional merespon positif dengan terjadinya kenaikan mulai dari periode
kedua sampai akhir periode peramalan. Pada periode ketujuh, respon permintaan
M1 terhadap guncangan PDB sebesar 2.1 persen. Mulai dari periode ke-25 sampai
54
periode ke-48, respon permintaan M1 terhadap guncangan PDB adalah sekitar 1.6
persen. Berarti permintaan M1 dapat dikatakan stabil dalam merespon guncangan
PDB setelah periode ke-25.
Gambar 4.1 Respon Permintaan M1 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang
Guncangan variabel inflasi yang diharapkan sebesar satu standar deviasi
menyebabkan permintaan M1 konvensional turun sebesar 0.69 persen pada
periode ketujuh. Pada periode ini, permintaan M1 merespon negatif guncangan
inflasi yang diharapkan dengan respon yang paling besar. Respon negatif ini terus
berlangsung sampai akhir periode peramalan. Respon permintaan M1 akibat
guncangan inflasi yang diharapkan berfluktuasi pada kisaran nilai 0.17 sampai
dengan 0.69 persen dari periode kedua sampai dengan periode ke-48. Mulai
-.02
-.01
.00
.01
.02
.03
5 10 15 20 25 30 35 40 45
Response of LM1R to LM1R
-.02
-.01
.00
.01
.02
.03
5 10 15 20 25 30 35 40 45
Response of LM1R to LPDBR
-.02
-.01
.00
.01
.02
.03
5 10 15 20 25 30 35 40 45
Response of LM1R to IDEP
-.02
-.01
.00
.01
.02
.03
5 10 15 20 25 30 35 40 45
Response of LM1R to EXPINF
Response to Cholesky One S.D. Innovations
55
periode ke-38, terlihat adanya kestabilan respon permintaan M1 terhadap
guncangan inflasi yang diharapkan sekitar 0.4 persen. Secara umum respon
permintaan M1 terhadap guncangan inflasi yang diharapkan selama periode
peramalan adalah negatif.
Secara umum guncangan variabel suku bunga mulai dari periode kedua
hingga periode ke-48 menyebabkan permintaan M1 turun. Pada periode
kedelapan, guncangan suku bunga sebesar satu standar deviasi menyebabkan
permintaan M1 turun 1.87 persen. Periode tersebut merupakan periode dimana
permintaan M1 merespon guncangan suku bunga dengan nilai terbesar. Respon
permintaan M1 terhadap guncangan variabel suku bunga sudah terlihat stabil pada
periode ke-31 peramalan. Mulai periode ini, respon permintaan M1 terhadap
guncangan suku bunga sebesar satu standar deviasi sekitar 1.27 persen. Dari
gambar dan penjelasan diatas, maka dapat disimpulkan bahwa permintaan M1 ini
mulai stabil dalam merespon guncangan variabel lain setelah periode ke-25.
4.5.2 Forecasting Error Variance Decomposition (FEVD)
Struktur dinamis antar variabel dalam VAR dapat dilihat melalui analisis
Forecasting Error Variance Decomposition (FEVD), dimana pola dari FEVD ini
mengindikasikan sifat dari kausalitas multivariat di antara variabel-variabel dalam
model VAR. Pengurutan variabel dalam analisi FEVD ini didasarkan pada
faktorisasi Cholesky. Hasil analisis FEVD terhadap permintaan uang M1
konvensional dapat dilihat pada Gambar 4.2. berikut.
56
Gambar 4.2. Variance Decomposition Permintaan M1 Konvensional
Pada periode pertama, fluktuasi variabel permintaan M1 dipengaruhi oleh
guncangan M1 itu sendiri sebesar 100 persen, sedangkan pengaruh variabel lain
belum terlihat. Pada interval peramalan periode-periode selanjutnya, pengaruh
guncangan permintaan M1 itu sendiri makin menurun mempengaruhi fluktuasi
permintaan M1 tetapi masih dominan. Pada periode ke-12 fluktuasi M1 dapat
dijelaskan oleh variabel suku bunga dengan kontribusi 22.81 persen. Pada periode
ke-24, fluktuasi permintaan M1 dipengaruhi oleh guncangan permintaan M1 itu
sendiri sebesar 50.62 persen, PDB sebesar 25.40 persen, suku bunga sebesar 21.78
persen, dan guncangan inflasi yang diharapkan sebesar 2.18 persen.
Sampai periode ke-48, fluktuasi permintaan M1 masih dominan
dipengaruhi oleh guncangan permintaan M1 itu sendiri. Variabel PDB
memberikan kontribusi terbesar kedua dalam menjelaskan variabilitas permintaan
M1 pada periode ke-24, ke-36, dan ke-48. Sementara guncangan variabel inflasi
yang diharapkan tidak dominan mempengaruhi fluktuasi permintaan M1 untuk
setiap periode peramalan. Hal ini mengindikasikan bahwa pada jangka panjang
Variance Decomposition M1
0
20
40
60
80
100
120
1 12 24 36 48
Periode
%
EXPINFIDEPLPDBRLM1R
57
PDB berpengaruh terhadap permintaan uang M1, sedangkan inflasi yang
diharapkan kurang berpengaruh.
4.6 Hasil Estimasi VECM Permintaan M2 Konvensional
Berdasarkan Tabel 4.6 yang merupakan hasil estimasi VECM jangka
panjang dan jangka pendek, dapat dilihat bahwa variabel PDB, suku bunga, dan
inflasi secara signifikan mempengaruhi permintaan M2 pada jangka panjang. PDB
mempengaruhi permintaan M2 secara positif dengan koefisien sebesar 1.055990.
Artinya ketika terjadi peningkatan PDB sebesar satu persen, maka permintaan M2
meningkat sebesar 1.055990 persen.
Variabel inflasi yang diharapkan berpengaruh negatif terhadap permintaan
M2 dengan koefisien sebesar -0.432484. Artinya ketika inflasi yang diharapkan
meningkat sebesar satu persen, maka permintaan M2 turun sebesar 0.432484
persen. Hal ini sejalan dengan teori dimana inflasi yang diharapkan merupakan
tingkat pengembalian riil yang diharapkan orang dalam memegang uang. Ketika
inflasi yang diharapkan meningkat, maka orang akan cenderung menghindari
resiko inflasi tersebut dengan menurunkan jumlah uang yang dipegangnya di
masa sekarang. Sedangkan variabel suku bunga menunjukkan tanda positif dalam
mempengaruhi permintaan M2. Hal ini tentu saja tidak sejalan dengan teori,
dimana suku bunga seharusnya berpengaruh negatif terhadap permintaan uang.
Tetapi dapat dijelaskan, mengingat dalam M2 sendiri terdapat unsur deposito. Jadi
ketika suku bunga naik, maka orang akan lebih memilih untuk menempatkan
uangnya pada aset yang berbunga seperti deposito dan obligasi. Karena variabel
58
suku bunga yang digunakan disini adalah suku bunga deposito, maka saat suku
bunga meningkat, maka jumlah deposito akan naik, dan permintaan M2 akan
meningkat juga.
Tabel 4.6. Hasil Estimasi VECM Permintaan M2
JANGKA PENDEK VARIABEL KOEFISIEN T-STATISTICS
CointEq1 -0.016676 -1.24459 D(LM2R(-1)) -0.062076 -0.48035 D(LM2R(-2)) -0.097405 -0.54007 D(LM2R(-3)) -0.458014 -2.72159*
D(LPDBR(-1)) 0.173739 0.37720 D(LPDBR(-2)) -0.133496 -0.18066 D(LPDBR(-3)) 0.198534 0.40511 D(IDEP(-1)) -0.000128 -0.00904 D(IDEP(-1)) 0.007871 0.42679 D(IDEP(-1)) -0.007317 -0.57291
D(EXPINF(-1)) 0.008823 1.87867 D(EXPINF(-2)) 0.001523 0.48093 D(EXPINF(-3)) 0.000190 0.08877
JANGKA PANJANG LPDBR(-1) 1.055990 125.407* IDEP(-1) 0.015002 2.00788*
EXPINF(-1) -0.432484 -6.25449* Sumber : Lampiran 7 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
Pada jangka pendek, ternyata hanya ada satu variabel yang signifikan yaitu
permintaan M2 pada lag ketiga. Dimana permintaan M2 pada lag ketiga tersebut
berpengaruh negatif terhadap permintaan M2. Sedangkan koefisien koreksi
kesalahan mempunyai tanda negatif, tetapi secara statistik tidak signifikan.
Variabel-variabel lainnya antara lain PDB, suku bunga, dan inflasi yang
diharapkan, dalam jangka pendek ternyata secara statistik tidak signifikan
mempengaruhi permintaan M2.
59
4.6.1 Simulasi Analisis Impuls Respon
Guncangan PDB menyebabkan permintaan M2 konvensional naik untuk
semua periode peramalan. Pada periode ketujuh, respon permintaan M2
mengalami kenaikan tertinggi dengan nilai 0.67 persen. Respon permintaan M2
berfluktuasi sekitar 0.03 sampai 0.67 persen selama periode peramalan terhadap
guncangan PDB sebesar satu standar deviasi. Pada periode ke-25 peramalan,
mulai terlihat adanya kestabilan respon permintaan M2 terhadap pengaruh
guncangan variabel PDB dengan nilai sekitar 0.5 persen. Gambar 4.3 berikut
merupakan respon permintaan M2 akibat guncangan PDB, inflasi yang
diharapkan, dan suku bunga pada jangka panjang.
Gambar 4.3. Respon Permintaan M2 Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Suku Bunga pada Jangka Panjang
-.008
-.004
.000
.004
.008
.012
.016
.020
5 10 15 20 25 30 35 40 45
Response of LM2R to LM2R
-.008
-.004
.000
.004
.008
.012
.016
.020
5 10 15 20 25 30 35 40 45
Response of LM2R to LPDBR
-.008
-.004
.000
.004
.008
.012
.016
.020
5 10 15 20 25 30 35 40 45
Response of LM2R to IDEP
-.008
-.004
.000
.004
.008
.012
.016
.020
5 10 15 20 25 30 35 40 45
Response of LM2R to EXPINF
Response to Cholesky One S.D. Innovations
60
Sedangkan guncangan inflasi yang diharapkan sebesar satu standar deviasi
menyebabkan permintaan M2 turun untuk semua periode, kecuali pada periode
kedua. Pada periode ini, guncangan inflasi yang diharapkan sebesar satu standar
deviasi direspon positif oleh permintaan M2 sebesar 0.1 persen. Mulai dari
periode ketiga, guncangan inflasi yang diharapkan ini direspon negatif oleh
permintaan M2 sebesar 0.38 persen. Mulai dari periode ke-27, guncangan inflasi
yang diharapkan sebesar satu standar deviasi direspon negatif oleh permintaan M2
dengan nilai yang stabil yakni sekitar 0.27 persen.
Guncangan variabel suku bunga direspon negatif oleh permintaan M2
untuk semua horizon waktu peramalan, kecuali periode kedua, ketiga, dan
keempat. Dimana guncangan suku bunga pada tiga periode ini direspon positif
oleh permintaan M2. Respon terbesar dari permintaan M2 terhadap guncangan
suku bunga terjadi pada periode kesembilan yaitu sebesar 0.4301 persen.
Pengaruh guncangan variabel suku bunga ini pun mulai terlihat stabil sekitar
periode ke-20. Dari semua penjelasan diatas, dapat disimpulkan bahwa
permintaan M2 cenderung lebih stabil bila dibandingkan dengan permintaan M1
karena respon permintaan M2 terhadap guncangan variabel lain mulai stabil
dalam periode waktu yang lebih cepat.
4.6.2 Forecasting Error Variance Decomposition (FEVD)
Hasil analisis FEVD terhadap permintaan uang konvensional (M2) dapat
dilihat pada Gambar 4.4. Pada periode pertama, fluktuasi variabel permintaan M2
dipengaruhi oleh guncangan pada M2 itu sendiri sebesar 100 persen, sedangkan
61
pengaruh guncangan variabel lain belum nampak. Dari mulai periode ke-12
hingga periode ke-48, fluktuasi M2 masih dominan dipengaruhi oleh guncangan
variabel M2 itu sendiri.
Gambar 4.4. Variance Decomposition Permintaan M2 Konvensional
Guncangan yang mempengaruhi fluktuasi variabel M2 setelah M2 itu
sendiri adalah guncangan variabel PDB untuk periode ke-12 sampai periode ke-
48. Pada periode ke-24, variabel permintaan keseimbangan uang riil M2
memberikan kontribusi terhadap variabilitas permintaan M2 itu sendiri sebesar
80.23 persen. Sedangkan PDB memberikan kontribusi sebesar 11.42 persen dalam
menjelaskan fluktuasi permintaan M2. Variabel suku bunga dan inflasi yang
diharapkan sendiri relatif memberikan kontribusi yang kecil dalam menjelaskan
fluktuasi permintaan M2. Kontribusi variabel permintaan M2 sendiri dalam
menjelaskan fluktuasi nilai M2 sangat dominan di setiap periode peramalan.
Kontribusi rata-rata dari periode ke-12 sampai periode ke-48 adalah sebesar 80
persen.
Variance Decomposition M2
0
20
40
60
80
100
120
1 12 24 36 48
Periode
%
EXPINFIDEPLPDBRLM2R
62
4.7 Hasil Estimasi VECM Permintaan M1 Islam
Berdasarkan Tabel 4.7. dibawah ini, pada jangka panjang variabel PDB,
inflasi yang diharapkan, dan return syariah berpengaruh signifikan pada taraf lima
persen terhadap permintaan M1 Islam. Variabel PDB sendiri berpengaruh positif
terhadap permintaan M1 Islam dengan koefisien sebesar 0.907528. Artinya ketika
PDB meningkat sebesar satu persen, maka permintaan M1 Islam juga meningkat
sebesar 0.907528 persen.
Tabel 4.7. Hasil Estimasi VECM Permintaan M1 Islam
JANGKA PENDEK VARIABEL KOEFISIEN T-STATISTICS
CointEq1 -0.169597 -3.20715* D(LM1ISLR(-1)) -0.591018 -4.63346* D(LM1ISLR(-2)) -0.260233 -2.03980* D(LPDBR(-1)) -3.441561 -4.20515* D(LPDBR(-2)) 3.474387 4.11606*
D(RS(-1)) 0.006353 1.25117 D(RS(-2)) 0.000638 0.14235
D(EXPINF(-1)) 0.021619 2.89567* D(EXPINF(-2)) 0.010525 2.06293*
JANGKA PANJANG LPDBR(-1) 0.907528 108.678*
RS(-1) -0.044415 -4.34262* EXPINF(-1) -0.187134 -6.53012*
Sumber : Lampiran 8 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 % Variabel inflasi yang diharapkan dan return syariah juga sama-sama
berpengaruh negatif terhadap permintaan M1 Islam. Dengan koefisien masing-
masing berturut-turut sebesar -0.187134 dan -0.044415. Hal ini juga menunjukkan
bahwa dalam permintaan M1 dalam Islam, orang juga masih mempertimbangkan
biaya imbangan dalam memegang uang. Artinya ketika inflasi yang diharapkan
dan atau return syariah meningkat, maka permintaan M1 Islam akan menurun.
63
Pada analisis jangka pendek, terdapat koreksi kesalahan sebesar
0.169597 yang secara statistik signifikan. Artinya setiap bulan kesalahan
dikoreksi sebesar 0.169597 persen untuk menuju ke keseimbangan jangka
panjang. Selain itu pada jangka pendek juga terdapat beberapa variabel yang
secara statistik signifikan mempengaruhi permintaan M1 Islam. Variabel-variabel
tersebut antara lain permintaan M1 Islam pada lag pertama dan kedua, PDB pada
lag pertama dan kedua, dan inflasi yang diharapkan pada lag pertama dan kedua.
Pada jangka pendek, permintaan M1 Islam pada lag pertama dan kedua
berpengaruh negatif terhadap permintaan M1 Islam dengan koefisien berturut-
turut sebesar sebesar -0.169597 dan -0.260233. Sedangkan PDB pada lag kedua
berpengaruh positif terhadap permintaan uang dengan koefisien sebesar 3.474387.
Sedangkan inflasi yang diharapkan pada lag pertama dan kedua berpengaruh
positif terhadap permintaan M1 Islam dengan koefisien masing-masing sebesar
0.021619 dan 0.010525. Variabel return syariah pada jangka pendek ternyata
tidak signifikan mempengaruhi permintaan M1 Islam. Berarti dalam jangka
pendek, return syariah tidak mempengaruhi preferensi orang dalam memegang
uang. Hal ini memang bisa terjadi mengingat orang tidak bisa melihat apakah
tingkat pengembalian yang diterima naik atau turun. Karena nilai nominal yang
bisa dilihat hanyalah nisbah bagi hasilnya bukan return-nya. Return syariah
sendiri tidak tentu karena menyesuaikan dengan kondisi di sektor riil.
4.7.1 Simulasi Analisis Impuls Respon
Pada bulan pertama, guncangan PDB, inflasi dan tingkat pengembalian
pada bank syariah tidak mempengaruhi permintaan uang. Guncangan PDB
64
sebesar satu standar deviasi pada periode kedua dan ketiga direspon negatif oleh
permintaan M1 Islam. Tetapi secara umum dapat dilihat mulai dari periode
keempat sampai periode ke-48, guncangan PDB sebesar satu standar deviasi
menyebabkan permintaan M1 Islam naik. Pada periode ke-20, respon permintaan
M1 Islam terhadap guncangan PDB mulai terlihat stabil sekitar 1.4 persen.
Gambar 4.5. Respon Permintaan M1 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang
Untuk variabel inflasi yang diharapkan, mulai dari periode 2 sampai
dengan periode 48, guncangan inflasi yang diharapkan menyebabkan permintaan
uang M1 Islam menurun. Pada periode kesembilan, permintaan M1 mengalami
penurunan tertajam yaitu sebesar 2.3696 persen akibat guncangan inflasi yang
diharapkan sebesar satu standar deviasi. Baru pada periode ke-19 permintaan M1
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM1ISLR to LM1ISLR
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM1ISLR to LPDBR
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM1ISLR to RS
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM1ISLR to EXPINF
Response to Cholesky One S.D. Innovations
65
Islam mulai terlihat stabil dalam merespon guncangan inflasi yang diharapkan
sebesar 1.9 persen.
Begitupun dengan variabel return syariah, dimana guncangan pada return
akan direspon negatif oleh permintaan uang Islam dari periode kedua sampai akhir
periode inovasi. Pada periode kesembilan, guncangan return syariah sebesar satu
standar deviasi menyebabkan penurunan permintaan M1 Islam paling besar yaitu
bernilai 1.29 persen. Mulai periode ke-15 terlihat bahwa permintaan M1 Islam
mulai stabil dalam merespon guncangan return syariah dengan nilai berkisar
antara 0.9 sampai 1 persen. Dari keseluruhan penjelasan diatas, dapat dikatakan
bahwa permintaan M1 Islam stabil.
4.7.1 Forecasting Error Variance Decomposition (FEVD)
Hasil FEVD untuk permintaan M1 Islam diringkas pada Gambar 4.6.
Fluktuasi variabel permintaan M1 Islam pada periode 1 bulan ke depan 100
persen dipengaruhi oleh guncangan variabel M1 Islam itu sendiri, pengaruh
guncangan dari variabel lainnya belum terlihat. Untuk setiap periode peramalan,
guncangan pada permintaan M1 Islam sendiri yang masih dominan memberikan
kontribusi terbesar dalam menjelaskan variabilitas permintaan M1 Islam. Untuk
periode 12 bulan ke depan, fluktuasi permintaan M1 Islam dipengaruhi oleh
guncangan inflasi yang diharapkan sebesar 20.09 persen, sedangkan guncangan
permintaan M1 Islam sendiri mempengaruhi fluktuasi permintaan M1 Islam
sebesar 59.67 persen. Dari mulai periode ke-24 hingga periode ke-48, guncangan
inflasi yang diharapkan merupakan variabel dominan kedua yang mempengaruhi
66
fluktuasi permintaan M1 Islam. Variabel PDB dan tingkat return syariah tidak
dominan dalam menjelaskan fluktuasi permintaan M1 Islam.
Pengaruh inflasi yang diharapkan dalam menjelaskan variabilitas
permintaan M1 Islam cukup besar. Hal ini sebenarnya tidak diharapkan dalam
konsep ekonomi Islam. Tetapi bisa dijelaskan mengingat dalam M1 masih
terdapat unsur uang kartal. Karakteristik uang kartal sebagai uang fiat
konvensional berarti masih sangat dominan dalam mempengaruhi unsur M1
Islam.
Gambar 4.6. Variance Decomposition Permintaan M1 Islam
4.8 Hasil Estimasi VECM Permintaan M2 Islam
Pada Tabel 4.8. terlihat bahwa variabel PDB, inflasi yang diharapkan, dan
return syariah berpengaruh secara signifikan terhadap permintaan M2 Islam.
Variabel PDB berpengaruh positif terhadap permintaan M2 Islam dengan
koefisien sebesar 0.929250. Artinya peningkatan PDB sebesar satu persen
Variance Decomposition M1-ISLAM
0
20
40
60
80
100
120
1 12 24 36 48
Periode
%
EXPINFRSLPDBRLM1ISLR
67
menyebabkan naiknya permintaan M2 Islam sebesar 0.929250 persen. Selain dari
itu, variabel inflasi yang diharapkan dan return syariah juga berpengaruh negatif
terhadap permintaan M2 Islam. Ketika terjadi peningkatan inflasi yang diharapkan
dan atau return syariah, maka akan mengakibatkan turunnya permintaan M2
Islam. Koefisien masing-masing variabel tersebut berturut-turut adalah -0.219045
dan -0.064118.
Tabel 4.8. Hasil Estimasi VECM Permintaan M2 Islam
JANGKA PENDEK VARIABEL KOEFISIEN T-STATISTICS
CointEq1 -0.129318 -2.90117* D(LM2ISLR(-1)) -0.581670 -4.44598* D(LM2ISLR(-2)) -0.243357 -1.89996 D(LPDBR(-1)) -3.199146 -4.04682* D(LPDBR(-2)) 3.436573 4.22750*
D(RS(-1)) 0.006203 1.20579 D(RS(-2)) 0.000384 0.08673
D(EXPINF(-1)) 0.019626 2.71326* D(EXPINF(-2)) 0.009812 1.98651*
JANGKA PANJANG LPDBR(-1) 0.929250 96.3746*
RS(-1) -0.064118 -5.45737* EXPINF(-1) -0.219045 -6.65892*
Sumber : Lampiran 9 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 % Berdasarkan tabel diatas pada jangka pendek dapat dilihat adanya koreksi
kesalahan sebesar 0.129318 yang signifikan secara statistik dimana setiap
bulannya kesalahan dikoreksi sebesar 0.129318 persen untuk menuju ke
keseimbangan jangka panjangnya. Variabel lainnya yang signifikan antara lain
variabel permintaan M2 Islam pada lag pertama, PDB pada lag pertama dan
kedua, serta inflasi yang diharapkan pada lag pertama dan kedua.
68
Permintaan M2 Islam pada lag pertama berpengaruh negatif terhadap
permintaan M2 Islam dengan koefisien sebesar -0.581670. Kemudian PDB pada
lag pertama berpengaruh negatif terhadap permintaan M2 Islam sedangkan PDB
pada lag kedua berpengaruh positif terhadap permintaan M2 Islam. Variabel
inflasi yang diharapkan pada lag pertama dan kedua berpengaruh positif terhadap
permintaan M2 Islam. Sedangkan variabel return syariah secara statistik tidak
signifikan dalam mempengruhi permintaan M2 Islam dalam jangka pendek.
4.8.1 Simulasi Analisis Impuls Respon
Pada bulan pertama, guncangan PDB, inflasi yang diharapkan, dan tingkat
pengembalian pada bank syariah tidak mempengaruhi permintaan uang.
Guncangan PDB sebesar satu standar deviasi pada periode kedua dan ketiga
direspon negatif oleh permintaan M2 Islam. Tetapi secara umum dapat dilihat
mulai dari periode keempat sampai periode ke-48, guncangan PDB sebesar satu
standar deviasi menyebabkan permintaan M2 Islam naik. Periode maksimum
terjadi pada periode ketujuh dimana guncangan PDB sebesar satu standar deviasi
menyebabkan permintaan M2 Islam naik 2.26 persen. Pada periode ke-21, respon
permintaan M2 Islam terhadap guncangan PDB mulai terlihat stabil. Gambar
berikut ini merupakan respon permintaan M2 Islam selama 48 horizon waktu ke
depan.
Guncangan pada inflasi yang diharapkan sebesar satu standar deviasi
menyebabkan permintaan M2 Islam turun untuk semua periode peramalan.
Respon permintaan M2 Islam terhadap guncangan inflasi yang diharapkan
69
mengalami penurunan terbesar pada periode kesembilan dengan nilai 2.0766
persen. Mulai dari periode ke-19, respon permintaan M2 Islam terhadap
guncangan inflasi yang diharapkan mulai terlihat stabil sekitar 1.7 persen.
Gambar 4.7. Respon Permintaan M2 Islam Akibat Guncangan PDB, Inflasi yang Diharapkan, dan Return Syariah pada Jangka Panjang
Mulai dari periode kedua sampai akhir periode peramalan, guncangan
variabel return syariah sebesar satu standar deviasi menyebabkan penurunan
permintaan M2 Islam. Dari periode kedua hingga periode ke-18, respon
permintaan M2 Islam terhadap guncangan return syariah berfluktuasi dengan
kisaran nilai 0.4 sampai 1.1 persen. Pada periode ke-19, respon permintaan M2
Islam terhadap pengaruh guncangan variabel return syariah sudah mulai terlihat
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM2ISLR to LM2ISLR
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM2ISLR to LPDBR
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM2ISLR to RS
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
5 10 15 20 25 30 35 40 45
Response of LM2ISLR to EXPINF
Response to Cholesky One S.D. Innovations
70
stabil. Jadi dapat disimpulkan bahwa permintaan M2 Islam cukup stabil dalam
merespon guncangan variabel lain karena menunjukkan respon yang sudah tidak
berfluktuatif pada sekitar periode ke-19.
4.8.2 Forecasting Error Variance Decomposition (FEVD)
Pada Gambar 4.8. dapat dilihat bahwa guncangan variabel permintaan M2
Islam terhadap fluktuasi permintaan M2 dominan mempengaruhi pada periode
pertama sebesar 100 persen. Mulai periode ke-12 sampai periode ke-48,
guncangan permintaan M2 Islam masih memberikan kontribusi yang dominan
dalam menjelaskan permintaan M2 Islam, tetapi porsinya terus menurun. Pada
periode ke-12, PDB memberikan kontribusi sekitar 13.26 persen dalam
menjelaskan variabilitas permintaan M2 Islam. Dari mulai periode ke-12 hingga
periode ke-48 pengaruh guncangan inflasi yang diharapkan terhadap fluktuasi
permintaan M2 terus meningkat.
Pada periode ke-48, guncangan inflasi yang diharapkan mempengaruhi
permintaan M2 Islam sebesar 17.22 persen. Sedangkan guncangan variabel
permintaan M2 Islam itu sendiri mampu menjelaskan fluktuasi permintaan M2
sebesar 63.43 persen. Untuk variabel return syariah, guncangan pada variabel ini
justru tidak dominan mempengaruhi fluktuasi permintaan M2 Islam. Hal ini
mengindikasikan bahwa orang tidak terlalu mempermasalahkan return syariah
naik atau tidak dalam pertimbangan memegang uang. Ini dapat dijelaskan bahwa
orang yang menempatkan aset mereka pada skim perbankan syariah hanya
berlandaskan pada landasan religiusnya bahwa bunga adalah haram. Jadi tidak
71
masalah return syariah naik ataupun tidak mereka tetap menempatkan aset mereka
pada skim syariah.
Untuk variance decomposition M2 Islam, pengaruh inflasi yang
diharapkan dalam menjelaskan variabilitas permintaan M2 Islam cukup besar. Hal
ini sebenarnya tidak diharapkan dalam konsep ekonomi Islam. Tetapi bisa
dijelaskan mengingat dalam M2 masih terdapat unsur uang kartal yang termasuk
dalam M1. Karakteristik uang kartal sebagai uang fiat konvensional berarti masih
sangat dominan dalam mempengaruhi unsur M1 Islam. Karena proporsi uang
kartal sendiri sangat besar jika dibandingkan dengan giro wadi’ah, tabungan
mudharabah dan investasi mudharabah pada perbankan syariah.
Gambar 4.8. Variance Decomposition Permintaan M2 Islam
4.6 Hubungan Antara Jumlah Uang Beredar pada Konvensional dan Jumlah Uang Beredar Islam dengan Tingkat Harga
Analisis yang digunakan untuk mejawab permasalahan yang ketiga ini
adalah dengan menggunakan VAR first difference. Hal ini dilakukan karena
Variance Decomposition M2-ISLAM
0
20
40
60
80
100
120
1 12 24 36 48
Periode
%
EXPINFRSLPDBRLM2ISLR
72
setelah dilakukan semua tahapan estimasi VAR, ternyata tidak ditemukan adanya
kointegrasi jangka panjang antara jumlah uang beredar konvensional dan jumlah
uang beredar Islam dengan tingkat harga. Sehingga estimasi dengan VECM pun
tidak bisa dilanjutkan. Berikut hasil pengujian pra estimasi untuk mengetahui
hubungan antara jumlah uang beredar dengan tingkat harga.
Tabel 4.9. Hasil Pengujian Akar Unit (2)
Nilai ADF Nilai Kritis MacKinnon 5 % Variabel level 1st Difference Level 1st Difference
LM1 -2.581378 -2.743636 -3.478305 -1.945823 LM2 0.042461 -2.127274 -3.478305 -1.945823 LM1ISL -3.553596 -4.144041 -3.478305 -1.945823 LM2ISL -3.192469 -3.824946 -3.478305 -1.945823 LIHK -1.941195 -2.144667 -3.478305 -1.945823
Sumber : Lampiran 18 Catatan : Cetak tebal menunjukkan bahwa data tersebut stasioner pada taraf 5 %
Dari Tabel 4.9. dapat dilihat bahwa baru pada first difference semua data yang
digunakan untuk menjawab permasalahan ketiga ini stasioner.
Tabel 4.10. Pengujian Lag Optimal VAR (2)
Lag LM1 LM2 LM1ISL LM2ISL 0 -10.50238 -11.96595 -9.017752 -9.109793 1 -10.51994* -12.01493* -9.240763* -9.317811* 2 -10.43485 -11.93308 -9.120257 -9.196850 3 -10.35295 -11.93273 -9.155680 -9.232773 4 -10.29640 -11.86687 -9.069476 -9.148176 5 -10.25950 -11.76063 -9.003007 -9.078805
Sumber : Lampiran 19 Catatan : Tanda asterik (*) menunjukkan AIC terkecil
Dari hasil pengujian lag optimal dengan menggunakan kriteria AIC, dapat
ditentukan bahwa lag optimal yang digunakan untuk keempat model adalah pada
lag pertama. Pada Tabel 4.11. dapat dilihat bahwa tidak ada satu pun model yang
menunjukkan terjadinya kointegrasi. Hal ini dapat dilihat dari nilai trace statistics
73
yang lebih kecil dari nilai kritis lima persen. Sehingga estimasi dengan
menggunakan VECM pun tidak dapat dilanjutkan. Estimasi yang bisa dilakukan
adalah dengan menggunakan VAR first difference.
Tabel 4.11. Hasil Pengujian Kointegrasi (2)
Trace Statistics H0 r=0 r<=1
Model
H1 r>=1 r>=2 LM1R 8.372786
(15.41) 0.656853
(3.76) LM2R 13.31887
(18.17) 0.433771
(3.74) LM1ISLR 18.79984
(25.32) 4.066706
(12.25) LM2ISLR 18.60514
(25.32) 4.266432
(12.25) Sumber : Lampiran 20 Catatan : Nilai dalam tanda () adalah 5 % critical value Hasil VAR first difference lebih lengkapnya dapat dilihat pada Tabel
4.12. Hasilnya menunjukkan bahwa hanya M2 sajalah yang berpengaruh
signifikan terhadap tingkat harga, tetapi dalam jangka pendek. Sedangkan untuk
jangka panjangnya dikatakan tidak cukup bukti untuk menunjukkan adanya
hubungan karena memang tidak ditemukan adanya kointegrasi. Hasil ini
mendukung penelitian yang dilakukan Izhar dan Asutay (2007) bahwa baik dalam
persamaan jangka panjang maupun persamaan jangka pendek dengan error
correction model variabel M2 konvensional dan M2 Islam tidak mempunyai
hubungan yang signifikan dengan tingkat harga. Tetapi nilai error correction term
(ECT) pada sistem konvensional lebih besar daripada ECT pada sistem Islam.
Perbedaannya adalah pada penelitian ini ditunjukkan bahwa baik M1 dan M2
74
konvensional maupun M1 dan M2 Islam tidak efektif dalam mempengaruhi
tingkat harga pada jangka panjang karena tidak terjadi kointegrasi.
Tabel 4.12. Hasil Estimasi VAR First Difference
D(LIHK) dan D(LM1) Variabel D(LIHK)
D(LIHK(-1)) 0.093384 D(LM1(-1)) 0.012194
C 0.006687* D(LIHK) dan D(LM2)
Variabel D(LIHK) D(LIHK(-1)) 0.084686 D(LM2(-1)) 0.275592*
C 0.004561* D(LIHK) dan D(LM1ISL)
Variabel D(LIHK) D(LIHK(-1)) 0.043796
D(LM1ISL(-1)) 0.036640 C 0.006790*
D(LIHK) dan D(LM2ISL) Variabel D(LIHK)
D(LIHK(-1)) 0.049139 D(LM2ISL(-1)) 0.035924
C 0.006705* Sumber : Lampiran 21 Catatan : Tanda asterik (*) menunjukkan variabel signifikan pada taraf 5 %
4.10 Pembahasan Keseluruhan
Hasil penelitian dengan menggunakan estimasi VECM empat model diatas
membuktikan bahwa permintaan uang yang didefinisikan pada sistem Islam baik
M1 maupun M2 lebih stabil jika dibandingkan dengan permintaan M1 dan M2
konvensional. Hal ini dapat dijelaskan karena pada model permintaan M1 Islam
dan permintaan M2 Islam terdapat koefisien penyesuaian atau koreksi kesalahan
(ECT) yang menunjukkan speed of adjustment dari jangka pendek ke jangka
panjangnya. Nilai koreksi kesalahan pada model permintaan M1 dan M2 Islam ini
75
secara statistik signifikan. Sehingga ketidakseimbangan pada jangka pendek akan
dikoreksi untuk menuju ke keseimbangan jangka panjangnya. Sedangkan untuk
model permintaan M1 dan M2 konvensional, menunjukkan bahwa nilai koreksi
kesalahannya tidak signifikan secara statistik. Nilai ECT pada permintaan M1 dan
M2 konvensional lebih kecil daripada nilai ECT pada permintaan M1 dan M2
Islam. Berarti penyesuaian menuju jangka panjangnya lebih cepat pada
permintaan M1 dan M2 Islam daripada permintaan M1 dan M2 konvensional.
Pada hasil estimasi VECM tersebut pun dapat dilihat bahwa pada jangka
panjang, tingkat return syariah lebih mempunyai hubungan yang signifikan secara
statistik dengan permintaan M1 dan M2 Islam. Sedangkan variabel suku bunga
secara statistik justru tidak signifikan mempengaruhi permintaan M1
konvensional. Pada permintaan M2 konvensional, suku bunga memang signifikan
secara statistik, tetapi tanda yang diperoleh tidak sesuai dengan teori permintaan
uang.
Berdasarkan hasil impuls respon pun, dapat terlihat bahwa model
permintaan M1 dan M2 Islam lebih stabil terhadap pengaruh guncangan variabel
lain. Perbedaan hasil respon M1 dan M2 konvensional serta M1 dan M2 Islam
ketika terjadi guncangan variabel PDB, suku bunga, inflasi yang diharapkan, dan
return syariah diringkas pada tabel-tabel berikut. Berdasarkan Tabel 4.13 di
bawah ini, respon permintaan M1 dan M2 Islam lebih stabil terhadap guncangan
variabel PDB. Hal ini ditunjukkan oleh lebih cepatnya periode kestabilan respon
permintaan akibat guncangan tersebut.
76
Tabel 4.13. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel PDB Sebesar Satu Standar Deviasi Guncangan PDB Respon Permintaan M1 Konvensional Positif dan permanen
stabil mulai periode ke-25 Respon Permintaan M2 Konvensional Positif dan permanen
stabil mulai periode ke-25 Respon Permintaan M1 Islam Positif dan permanen
stabil mulai periode ke-20 Respon Permintaan M2 Islam Positif dan permanen
stabil mulai periode ke-21
Kemudian berdasarkan Tabel 4.14 di bawah ini, respon permintaan M1
dan M2 Islam terhadap guncangan variabel inflasi yang diharapkan lebih cepat
menuju ke arah kestabilan bila dibandingkan dengan respon permintaan M1 dan
M2 konvensional. Tetapi guncangan pada inflasi yang diharapkan ini direspon
negatif oleh masing-masing permintaan uang baik pada konvensional maupun
Islam.
Tabel 4.14. Respon Permintaan M1 dan M2 Konvensional serta Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Inflasi yang Diharapkan Sebesar Satu Standar Deviasi Guncangan Inflasi yang
Diharapkan Respon Permintaan M1 Konvensional Negatif dan permanen
stabil mulai periode ke-38 Respon Permintaan M2 Konvensional Negatif dan permanen
stabil mulai periode ke-27 Respon Permintaan M1 Islam Negatif dan permanen
stabil mulai periode ke-19 Respon Permintaan M2 Islam Negatif dan permanen
stabil mulai periode ke-19 Respon permintaan M1 dan M2 Islam terhadap guncangan tingkat return
syariah lebih cepat menuju ke arah kestabilan bila dibandingkan dengan respon
77
permintaan M1 dan M2 konvensional terhadap guncangan suku bunga sebagai
opportunity cost dalam memegang uang. Berarti dapat dilihat justru guncangan
variabel suku bungalah yang menyebabkan permintaan M1 dan M2 konvensional
berfluktuasi. Ringkasan respon ini dapat dilihat pada Tabel 4.15.
Tabel 4.15. Respon Permintaan M1 dan M2 Konvensional terhadap Guncangan Variabel Suku Bunga Sebesar Satu Standar Deviasi serta Respon Permintaan M1 dan M2 Islam terhadap Guncangan Variabel Return Syariah Sebesar Satu Standar Deviasi
Guncangan Suku Bunga Respon Permintaan M1 Konvensional
Negatif dan permanen stabil mulai periode ke-32
Respon Permintaan M2 Konvensional
Negatif dan permanen stabil mulai periode ke-20
Guncangan Return Syariah Respon Permintaan M1 Islam Negatif dan permanen
stabil mulai periode ke-15 Respon Permintaan M2 Islam Negatif dan permanen
stabil mulai periode ke-19 Berdasarkan simulasi variance decomposition dapat disimpulkan juga
bahwa fluktuasi permintaan M1 dan M2 Islam lebih banyak dijelaskan oleh
guncangan variabel permintaan M1 dan M2 itu sendiri. Tingkat return syariah
tidak dominan dalam menjelaskan variabilitas permintaan M1 dan M2 Islam.
Kontribusi rata-rata return syariah dalam menjelaskan variabilitas nilai M1 Islam
sebesar 5.38 persen dan kontribusi rata-rata return syariah dalam menjelaskan
variabilitas nilai M2 Islam sebesar 5.72 persen. Sedangkan untuk fluktuasi
permintaan M1 konvensional justru pada akhir-akhir periode peramalan dijelaskan
oleh variabel PDB dengan porsi yang cukup besar dengan nilai rata-rata 22.87
persen. Begitupun variabel suku bunga yang ternyata merupakan variabel yang
cukup dominan dalam menjelaskan variabilitas nilai M1 konvensional dengan
78
nilai rata-rata sebesar 19.68 persen. Tetapi untuk permintaan M2 konvensional,
variabel suku bunga hanya mampu menjelaskan variabilitas nilai permintaan M2
konvensional dengan rata-rata sebesar 3.27 persen.
79
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan mengenai analisis
permintaan uang pada sistem perbankan ganda di Indonesia, maka diperoleh tiga
kesimpulan.
1. Pada model permintaan uang konvensional, PDB berpengaruh positif
terhadap permintaan uang M1 dan M2 secara signifikan, tingkat inflasi
yang diharapkan signifikan berpengaruh negatif terhadap permintaan M1
dan M2, suku bunga berpengaruh tidak signifikan secara statistik terhadap
permintaan M1. Sedangkan untuk model permintaan M2, suku bunga
berpengaruh signifikan dan positif terhadap permintaan M2. Berdasarkan
hasil IRF, permintaan M1 kurang stabil dalam merespon guncangan
variabel lainnya. Sedangkan permintaan M2 cukup stabil dalam merespon
guncangan variabel lainnya. Tidak ditemukan adanya mekanisme
penyesuaian dari jangka pendek ke jangka panjangnya, karena Error
Correction Term (ECT) secara statistik tidak signifikan. Berdasarkan hasil
variance decomposition suku bunga ternyata cukup dominan dalam
menjelaskan fluktuasi nilai permintaan M1 konvensional.
2. Pada model permintaan uang Islam dalam sistem perbankan ganda, PDB
berpengaruh positif terhadap permintaan M1 dan M2 Islam. Sedangkan
tingkat inflasi yang diharapkan dan tingkat return syariah berpengaruh
negatif terhadap permintaan M1 dan M2 Islam. Berdasarkan IRF,
permintaan M1 dan M2 Islam dikatakan cukup stabil dalam merespon
80
inovasi variabel lainnya. Terdapat mekanisme penyesuaian dari jangka
pendek ke jangka panjangnya, karena Error Correction Term (ECT)
secara statistik signifikan. Berdasarkan hasil variance decomposition
return syariah ternyata tidak dominan dalam menjelaskan fluktuasi nilai
permintaan M1 dan M2 Islam.
3. Dengan tidak ditemukannya kointegrasi pada analisis hubungan jumlah
uang beredar dengan tingkat harga, maka dapat disimpulkan bahwa dalam
jangka panjang tidak cukup bukti untuk menunjukkan adanya hubungan
antara jumlah uang beredar baik konvensional maupun Islam dengan
tingkat harga.
5.2 Saran
Berdasarkan penelitian penulis dapat dilihat bahwa permintaan M1 dan
M2 konvensional kurang stabil dan tidak ada mekanisme penyesuaian dari jangka
pendek ke jangka panjangnya. Hal ini memberikan gambaran untuk Bank
Indonesia agar lebih berhati-hati dalam menggunakan jumlah uang beredar M1
dan M2 sebagai sasaran antara dalam mencapai sasaran akhirnya pada
pengendalian moneternya. Bank Indonesia juga harus mengkaji ulang penetapan
inflation targeting dengan menggunakan M1 dan M2 sebagai sasaran antara.
Karena sesuai dengan hasil penelitian penulis menunjukkan tidak adanya cukup
bukti bahwa M1 dan M2 baik konvensional maupun Islam mempunyai hubungan
jangka panjang dengan tingkat harga.
81
Pemerintah dan otoritas moneter diharapkan membuat peraturan-peraturan
yang dapat menjadi payung perlindungan bagi pengembangan perbankan syariah
di masa yang akan datang. Bagi seluruh akademisi dan praktisi yang concern
terhadap perkembangan ekonomi syariah, diharapkan untuk lebih giat dalam
menyebarluaskan ekonomi syariah kepada masyarakat umum.
Untuk penelitian selanjutnya disarankan agar analisis permintaan uang dan
stabilitas moneter ini dipecah terhadap masing-masing unsur yang ada dalam M1
dan M2, seperti permintaan terhadap uang kartal, terhadap demand deposits, dan
uang kuasi untuk konvensional maupun untuk Islamnya karena kemungkinan
besar masing-masing unsur tersebut mempunyai perilaku yang berbeda.
DAFTAR PUSTAKA
Achsani, Noer Azam, Oliver Holtemöller, dan Hizir Sofyan. 2005. Econometric and Fuzzy Modelling of Indonesian Money Demand. Dalam : Cizek, Pavel, Wolfgang Hardle, and Rafal Weron. Statistical Tools For Finance and Insurance. Springer-Verlag Berlin Heidelberg, Germany.
Agustianto. 2002. Kebijakan Moneter Menurut Ekonomi Islam. Dalam : Ashari
Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan.
Antonio, M. Syafi’i. 2001. Bank Syariah dari Teori ke Praktik. Gema Insani
Press, Jakarta. Arifin, Sjamsul. 1998. ” Efektivitas Kebijakan Suku Bunga dalam Rangka
Stabilisasi Rupiah di Masa Krisis”. Buletin Ekonomi Moneter dan Perbankan, Vol. 1, No. 3: 1-26.
Ascarya. 2006. Akad dan Produk Bank Syariah: Konsep dan Prakteknya di
Beberapa Negara.[belum dipublikasikan] Ascarya. 2007. Optimum Monetary Policy under Dual Financial/Banking System.
Center for Central Banking Education and Studies, Bank Indonesia, Jakarta. Ascarya, Diana Yumanita, dan Enny Anwar.2006. Sinergi Sistem Keuangan
Konvensional dan Islam. Pusat Pendidikan dan studi Kebanksentralan. Bank Indonesia, Jakarta.
Chapra, M. Umer. 2000. Sistem Moneter Islam. Abidin, Ikhwan [penerjemah].
Gema Insani Press, Jakarta. Darrat, Ali F. 2000. On The Efficiency of Interest-free Monetary System : A Case
Study. ERF’s Seventh Annual Conference; Amman-Jordan, 26-29 Oktober 2000.
De Jong, Rendie P. 2005. Analisis Kesinambungan Fiskal di Indonesia dan
Faktor-faktor yang Mempengaruhinya [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Direktorat Perbankan Syariah. Statistik Perbankan Syariah. Bank Indonesia,
Jakarta. Berbagai Edisi. Direktorat Perizinan dan Informasi Perbankan. Statistik Ekonomi dan Keuangan
Indonesia. Bank Indonesia. Jakarta. Berbagai Edisi.
83
Direktorat Perizinan dan Informasi Perbankan. 2006. Statistik Perbankan Indonesia. Vol. 5, No. 1. Bank Indonesia, Jakarta.
Gujarati, D. 2003. Ekonometrika Dasar. Zain, Sumarno [penerjemah]. Erlangga,
Jakarta. Hanie. 2006. Analisis Konvergensi Nominal dan Riil diantara Negara-negara
ASEAN-5, Jepang dan Korea Selatan [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Hardianto, Erwin. 2004. Mekanisme Transmisi Syariah di Indonesia. Universitas
Airlangga, Surabaya. Izhar, Hylmun dan Asutay, Mehmet. 2007. The Controllability and Reliability of
Monetary Policy in Dual Banking System: Evidence from Indonesia. Durham University, United Kingdom
Kahf, Monzer. 1982. Fiscal and Monetary Policies in an Islamic Economy.
Dalam : Mohammad Ariff. International Seminar on The Monetary and Fiscal Economics; Jeddah, 7-12 Oktober 1978. King Abdulaziz University Press, Jeddah.
Kaleem, Ahmad. 2000. “Modeling Monetary Stability under Dual Banking
System: The Case of Malaysia”. International Journal of Islamic Financial Services, Vol 2, No.1.
Karim, Adiwarman. 2004. Bank Islam Analisis Fiqih dan Keuangan. PT Raja
Grafindo Persada, Jakarta. Kia, Amir. 2001. Interest-free and Interest-bearing Money Demand : Policy
Invariance and stability. Department of Economics, Emory University, Atlanta.
Kia, Amir dan Darrat, Ali F. 2003. Modeling Money Demand under the Profit-
Sharing Banking Scheme:Evidence on Policy Invariance and Long-Run Stability. ERF’s 10th Annual Conference; Marrakech-Morocco, 16-18 Desember 2003.
Mankiw, N. Gregory. 2003. Teori Makroekonomi. Nurmawan, Imam
[penerjemah]. Erlangga, Jakarta. Mishkin, Frederic S. 2001. The Economics of Money, Banking, and Financial
Markets. Colombia University. Nasution, Mustafa E, dan Nurzaman, M.S. “Analisis Stabilitas dan Efektivitas
Relatif Besaran Moneter Bebas Bunga di Indonesia : Sebuah Pengujian
84
Ekonometrik pada Data Time Series Tahun 1971:1-2002:4”. Jurnal Ekonomi dan Pembangunan Indonesia. Vol. 6, No. 2:29-46.
Nugraha, Fickry Widya. 2006. Efek Perubahan (Pass-Through Effect) Kurs
terhadap Indeks Harga Konsumen di ASEAN-5, Jepang, dan Korea Selatan [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Pasaribu, Syamsul Hidayat. 2003. Eviews untuk Analisis Runtut Waktu (Time
Series Analysis). Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Pasaribu, Syamsul H, Djoni Hartono, dan Tony Irawan. 2005. Pedoman Penulisan
Skripsi. Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Perwataatmaja, Karnaen. 2002. Prospek Bank Islam sebagai Alternatif
Pemecahan Problema Lembaga Keuangan Konvensional. Dalam : Ashari Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan.
Quantitative Micro Software. 2002. E-Views 4 User’s Guide. United States of
America. Revised for E-Views 4.1. Sakti, Ali. 2006. Sistem Ekonomi Islam: Jawaban atas Kekacauan Ekonomi
Modern. [belum dipublikasikan]. Siddiqi, M. Nejatullah. 1982. Islamic Approaches to Money, Banking, and
Monetary Policy : A Review. Dalam : Mohammad Ariff. International Seminar on The Monetary and Fiscal Economics; Jeddah, 7-12 Oktober 1978. King Abdulaziz University Press, Jeddah.
Siregar, Mulya. 2002. Perlunya Manajemen Moneter yang Dapat Memperkecil
Kegiatan spekulasi. Dalam : Ashari Akmal Tarigan. Ekonomi dan Bank Syariah pada Millenium Ketiga. IAIN Press, Medan.
Sitorus, Tarmiden. 1998. ”Suatu Pemikiran dalam Upaya Peningkatan Efektivitas
Pengendalian Moneter di Indonesia”. Buletin Ekonomi Moneter dan Perbankan, Vol. 1, No. 3: 97-120.
LAMPIRAN
LAMPIRAN 1 HASIL UJI AKAR UNIT (1) VARIABEL LM1R
Null Hypothesis: LM1R has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.150728 0.1034 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1R) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.186927 0.0001 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
VARIABEL LM2R Null Hypothesis: LM2R has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.106581 0.5326 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2R) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.808571 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
86
VARIABEL LPDBR
Null Hypothesis: LPDBR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.618911 0.0000 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LPDBR) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -5.066569 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
VARIABEL EXPINF Null Hypothesis: EXPINF has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.876472 0.0185 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(EXPINF) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.596616 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
87
VARIABEL IDEP
Null Hypothesis: IDEP has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.041460 0.5682 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(IDEP) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.367211 0.0184 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values. VARIABEL RS
Null Hypothesis: RS has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.936030 0.6247 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(RS) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.964099 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
88
VARIABEL LM1ISLR
Null Hypothesis: LM1ISLR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.184189 0.0964 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1ISLR) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.871297 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values. VARIABEL LM2ISLR Null Hypothesis: LM2ISLR has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.867085 0.1797 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2ISLR) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.588587 0.0000 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
89
LAMPIRAN 2 UJI LAG OPTIMAL (1) MODEL PERMINTAAN M1 KONVENSIONAL
VAR Lag Order Selection Criteria Endogenous variables: D(LM1R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:15 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 194.9998 NA 3.60E-08 -5.787874 -5.655168 -5.735435 1 292.5510 180.3219 3.05E-09 -8.259122 -7.595590 -7.996929 2 354.4619 106.9370 7.62E-10 -9.650362 -8.456005 -9.178414 3 389.9550 57.00396 4.28E-10 -10.24106 -8.515877* -9.559358* 4 404.8255 22.08048 4.55E-10 -10.20683 -7.950825 -9.315377 5 434.1405 39.97503* 3.18E-10* -10.61032* -7.823485 -9.509108
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL PERMINTAAN M2 KONVENSIONAL
VAR Lag Order Selection Criteria Endogenous variables: D(LM2R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:17 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 229.2509 NA 1.28E-08 -6.825786 -6.693080 -6.773347 1 330.5868 187.3178 9.62E-10 -9.411720 -8.748189 -9.149527 2 401.7987 123.0024 1.82E-10 -11.08481 -9.890451 -10.61286 3 441.3568 63.53282 9.02E-11 -11.79869 -10.07351* -11.11699 4 459.5508 27.01531 8.66E-11 -11.86518 -9.609169 -10.97372 5 491.7748 43.94175* 5.54E-11* -12.35681* -9.569978 -11.25560*
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
90
MODEL PERMINTAAN M1 ISLAM
VAR Lag Order Selection Criteria Endogenous variables: D(LM1ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Date: 05/02/07 Time: 03:20 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 62.14936 NA 2.02E-06 -1.762102 -1.629395 -1.709663 1 122.0708 110.7639 5.34E-07 -3.093054 -2.429522 -2.830861 2 188.0664 113.9924 1.18E-07 -4.608072 -3.413715* -4.136125 3 213.5258 40.88929 8.98E-08 -4.894720 -3.169537 -4.213018* 4 227.4952 20.74244 9.81E-08 -4.833186 -2.577178 -3.941730 5 257.7417 41.24531* 6.66E-08* -5.264900* -2.478067 -4.163690
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
MODEL PERMINTAAN M2 ISLAM
VAR Lag Order Selection Criteria Endogenous variables: D(LM2ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Date: 05/04/07 Time: 14:45 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 65.64896 NA 1.81E-06 -1.868150 -1.735444 -1.815712 1 124.6501 109.0627 4.94E-07 -3.171215 -2.507683 -2.909022 2 191.2610 115.0552 1.07E-07 -4.704877 -3.510520* -4.232930 3 216.5567 40.62645 8.19E-08 -4.986566 -3.261383 -4.304864* 4 230.9256 21.33567 8.84E-08 -4.937139 -2.681131 -4.045683 5 261.3210 41.44834* 5.97E-08* -5.373365* -2.586532 -4.272155
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
91
LAMPIRAN 3 PENGUJIAN STABILITAS VAR MODEL PERMINTAAN M1 KONVENSIONAL
Roots of Characteristic Polynomial Endogenous variables: D(LM1R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Lag specification: 1 3 Date: 05/10/07 Time: 14:21 Root Modulus 0.504308 + 0.742298i 0.897403 0.504308 - 0.742298i 0.897403 0.810684 0.810684 0.720093 - 0.319659i 0.787855 0.720093 + 0.319659i 0.787855 -0.167098 - 0.717043i 0.736256 -0.167098 + 0.717043i 0.736256 -0.695384 0.695384 0.559011 0.559011 -0.419955 + 0.277524i 0.503371 -0.419955 - 0.277524i 0.503371 -0.080699 0.080699 No root lies outside the unit circle. VAR satisfies the stability condition.
MODEL PERMINTAAN M2 KONVENSIONAL
Roots of Characteristic Polynomial Endogenous variables: D(LM2R) D(LPDBR) D(IDEP) D(EXPINF) Exogenous variables: C Lag specification: 1 3 Date: 05/10/07 Time: 14:24 Root Modulus 0.529312 + 0.737942i 0.908146 0.529312 - 0.737942i 0.908146 0.881254 0.881254 0.762362 - 0.285510i 0.814071 0.762362 + 0.285510i 0.814071 -0.209414 - 0.709668i 0.739920 -0.209414 + 0.709668i 0.739920 -0.708941 - 0.114650i 0.718152 -0.708941 + 0.114650i 0.718152 0.407145 + 0.534228i 0.671690 0.407145 - 0.534228i 0.671690 -0.339967 0.339967 No root lies outside the unit circle. VAR satisfies the stability condition.
92
MODEL PERMINTAAN M1 ISLAM
Roots of Characteristic Polynomial Endogenous variables: D(LM1ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Lag specification: 1 2 Date: 05/10/07 Time: 14:25 Root Modulus 0.615797 - 0.600021i 0.859786 0.615797 + 0.600021i 0.859786 -0.380173 - 0.611040i 0.719654 -0.380173 + 0.611040i 0.719654 -0.307277 - 0.541170i 0.622322 -0.307277 + 0.541170i 0.622322 -0.283103 0.283103 0.252866 0.252866 No root lies outside the unit circle. VAR satisfies the stability condition.
MODEL PERMINTAAN M2 ISLAM
Roots of Characteristic Polynomial Endogenous variables: D(LM2ISLR) D(LPDBR) D(RS) D(EXPINF) Exogenous variables: C Lag specification: 1 2 Date: 05/10/07 Time: 14:27 Root Modulus 0.613705 - 0.602419i 0.859966 0.613705 + 0.602419i 0.859966 -0.381425 - 0.613283i 0.722220 -0.381425 + 0.613283i 0.722220 -0.307332 - 0.544392i 0.625152 -0.307332 + 0.544392i 0.625152 -0.303687 0.303687 0.296331 0.296331 No root lies outside the unit circle. VAR satisfies the stability condition.
93
LAMPIRAN 4 PENGUJIAN KOINTEGRASI (SUMMARY) MODEL PERMINTAAN M1 KONVENSIONAL Date: 05/04/07 Time: 14:30 Sample: 2001:01 2006:12 Included observations: 68 Series: LM1R LPDBR IDEP EXPINF Lags interval: 1 to 3
Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend Selected (5% level) Number of
Cointegrating Relations by Model (columns)
Trace 1 1 1 2 2 Max-Eig 1 1 1 2 2
Log Likelihood by Rank (rows) and Model (columns)
0 397.8794 397.8794 400.3357 400.3357 402.21381 416.5295 416.8011 419.1521 419.4702 421.33352 421.1980 421.5202 423.5043 434.6589 436.00503 424.5101 425.1851 427.1175 438.9027 439.55804 426.4273 427.1922 427.1922 441.9449 441.9449
Akaike Information Criteria by Rank (rows) and Model (columns)
0 -10.29057 -10.29057 -10.24517 -10.24517 -10.182761 -10.60381 -10.58238 -10.56330 -10.54324 -10.509812 -10.50582 -10.45648 -10.45601 -10.72526* -10.706033 -10.36794 -10.29956 -10.32698 -10.58537 -10.575234 -10.18904 -10.09389 -10.09389 -10.41014 -10.41014
Schwarz Criteria by Rank (rows) and Model (columns)
0 -8.723859 -8.723859 -8.547898 -8.547898 -8.3549291 -8.775978* -8.721915 -8.604908 -8.552213 -8.4208602 -8.416876 -8.302249 -8.236500 -8.440473 -8.3559633 -8.017878 -7.851575 -7.846358 -8.006827 -7.9640494 -7.577852 -7.352142 -7.352142 -7.537840 -7.537840
94
MODEL PERMINTAAN M2 KONVENSIONAL
Date: 05/04/07 Time: 14:35 Sample: 2001:01 2006:12 Included observations: 68 Series: LM2R LPDBR IDEP EXPINF Lags interval: 1 to 3
Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend Selected (5% level) Number of
Cointegrating Relations by Model (columns)
Trace 1 1 1 2 2 Max-Eig 1 1 1 2 2
Log Likelihood by Rank (rows) and Model (columns)
0 449.0929 449.0929 451.6693 451.6693 455.74751 469.1237 469.1248 471.3859 472.6594 476.58382 475.2597 478.0611 480.0755 489.7626 493.59593 479.2791 482.3204 484.2837 498.4508 499.21484 480.5135 485.3478 485.3478 501.5570 501.5570
Akaike Information Criteria by Rank (rows) and Model (columns)
0 -11.79685 -11.79685 -11.75498 -11.75498 -11.757281 -12.15070 -12.12132 -12.09959 -12.10763 -12.134822 -12.09587 -12.11944 -12.11987 -12.34596 -
12.39988*3 -11.97880 -11.98001 -12.00834 -12.33679 -12.329854 -11.77981 -11.80435 -11.80435 -12.16344 -12.16344
Schwarz Criteria by Rank (rows) and Model (columns)
0 -10.23014 -10.23014 -10.05771 -10.05771 -9.9294511 -10.32287* -10.26085 -10.14120 -10.11660 -10.045872 -10.00693 -9.965216 -9.900360 -10.06117 -10.049813 -9.628731 -9.532025 -9.527718 -9.758243 -9.7186624 -9.168623 -9.062603 -9.062603 -9.291138 -9.291138
95
MODEL PERMINTAAN M1 ISLAM Date: 05/04/07 Time: 14:40 Sample: 2001:01 2006:12 Included observations: 69 Series: LM1ISLR LPDBR RS EXPINF Lags interval: 1 to 2
Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend Selected (5% level) Number of
Cointegrating Relations by Model (columns)
Trace 1 1 1 1 1 Max-Eig 1 1 1 1 1
Log Likelihood by Rank (rows) and Model (columns)
0 195.7323 195.7323 199.0802 199.0802 199.93011 214.6380 214.8590 218.0606 218.3124 219.07552 222.2024 223.4114 225.0456 226.5768 227.03303 224.9692 226.2335 227.1372 232.1795 232.63334 225.8405 227.1382 227.1382 233.8053 233.8053
Akaike Information Criteria by Rank (rows) and Model (columns)
0 -4.745863 -4.745863 -4.726962 -4.726962 -4.6356561 -5.061970* -5.039392 -5.045234 -5.023547 -4.9587102 -5.049345 -5.026419 -5.015816 -5.002225 -4.9574773 -4.897659 -4.847348 -4.844557 -4.903755 -4.8879214 -4.691030 -4.612700 -4.612700 -4.690008 -4.690008
Schwarz Criteria by Rank (rows) and Model (columns)
0 -3.709756 -3.709756 -3.561341 -3.561341 -3.3405221 -3.766836* -3.711880 -3.620587 -3.566521 -3.4045482 -3.495184 -3.407501 -3.332141 -3.253794 -3.1442893 -3.084471 -2.937025 -2.901856 -2.863918 -2.8157064 -2.618816 -2.410972 -2.410972 -2.358766 -2.358766
96
MODEL PERMINTAAN M2 ISLAM
Date: 05/04/07 Time: 14:45 Sample: 2001:01 2006:12 Included observations: 69 Series: LM2ISLR LPDBR RS EXPINF Lags interval: 1 to 2
Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend Selected (5% level) Number of
Cointegrating Relations by Model (columns)
Trace 1 1 1 1 1 Max-Eig 1 1 1 1 1
Log Likelihood by Rank (rows) and Model (columns)
0 199.3624 199.3624 202.3351 202.3351 203.14911 218.4133 218.7059 221.5426 221.6343 222.38442 225.9136 226.2146 227.7545 228.8624 229.33773 228.1383 228.5169 229.4585 234.6699 235.14524 229.0518 229.4618 229.4618 236.1323 236.1323
Akaike Information Criteria by Rank (rows) and Model (columns)
0 -4.851083 -4.851083 -4.821306 -4.821306 -4.7289591 -5.171399* -5.150897 -5.146161 -5.119834 -5.0546202 -5.156915 -5.107669 -5.094332 -5.068474 -5.0242813 -4.989516 -4.913534 -4.911841 -4.975938 -4.9607304 -4.784111 -4.680053 -4.680053 -4.757458 -4.757458
Schwarz Criteria by Rank (rows) and Model (columns)
0 -3.814976 -3.814976 -3.655685 -3.655685 -3.4338251 -3.876264* -3.823384 -3.721514 -3.662808 -3.5004592 -3.602754 -3.488752 -3.410658 -3.320043 -3.2110933 -3.176328 -3.003211 -2.969139 -2.936102 -2.8885154 -2.711897 -2.478325 -2.478325 -2.426217 -2.426217
97
LAMPIRAN 5 PENGUJIAN KOINTEGRASI (ASUMSI) MODEL PERMINTAAN M1 KONVENSIONAL (ASUMSI 1)
Date: 05/04/07 Time: 14:31 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Trend assumption: No deterministic trend Series: LM1R LPDBR IDEP EXPINF Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None ** 0.422202 57.09578 39.89 45.58 At most 1 0.128301 19.79565 24.31 29.75 At most 2 0.092820 10.45848 12.53 16.31 At most 3 0.054827 3.834314 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
MODEL PERMINTAAN M2 KONVENSIONAL (ASUMSI 1)
Date: 05/04/07 Time: 14:35 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Trend assumption: No deterministic trend Series: LM2R LPDBR IDEP EXPINF Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None ** 0.445195 62.84106 39.89 45.58 At most 1 0.165124 22.77961 24.31 29.75 At most 2 0.111498 10.50753 12.53 16.31 At most 3 0.035653 2.468704 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
98
MODEL PERMINTAAN M1 ISLAM (ASUMSI 1)
Date: 05/04/07 Time: 14:41 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Trend assumption: No deterministic trend Series: LM1ISLR LPDBR RS EXPINF Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None ** 0.421890 60.21652 39.89 45.58 At most 1 0.196886 22.40516 24.31 29.75 At most 2 0.077067 7.276304 12.53 16.31 At most 3 0.024939 1.742614 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
MODEL PERMINTAAN M12 ISLAM (ASUMSI 1)
Date: 05/04/07 Time: 14:45 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Trend assumption: No deterministic trend Series: LM2ISLR LPDBR RS EXPINF Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None ** 0.424318 59.37895 39.89 45.58 At most 1 0.195393 21.27718 24.31 29.75 At most 2 0.062450 6.276524 12.53 16.31 At most 3 0.026132 1.827060 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
99
LAMPIRAN 6 ESTIMASI VECM PERMINTAAN M1 KONVENSIONAL Vector Error Correction Estimates Date: 04/27/07 Time: 14:04 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 LM1R(-1) 1.000000
LPDBR(-1) -0.957497
(0.00695) [-137.698]
IDEP(-1) 0.005443 (0.00638) [ 0.85300]
EXPINF(-1) 0.360059 (0.05523) [ 6.51895]
Error Correction: D(LM1R) D(LPDBR) D(IDEP) D(EXPINF) CointEq1 -0.004782 -0.000826 0.196629 -5.361976
(0.02624) (0.00340) (0.14231) (0.96005) [-0.18227] [-0.24319] [ 1.38170] [-5.58510]
D(LM1R(-1)) -0.226543 0.019057 -1.054776 -13.91499 (0.13692) (0.01773) (0.74262) (5.00992) [-1.65451] [ 1.07473] [-1.42033] [-2.77749]
D(LM1R(-2)) -0.124576 -0.027435 -0.210418 -6.050573 (0.15206) (0.01969) (0.82472) (5.56373) [-0.81925] [-1.39321] [-0.25514] [-1.08750]
D(LM1R(-3)) -0.098427 -0.027667 0.674424 3.163326 (0.13242) (0.01715) (0.71820) (4.84512) [-0.74329] [-1.61339] [ 0.93905] [ 0.65289]
D(LPDBR(-1)) 0.148982 2.031980 4.251716 -15.65347 (0.76858) (0.09953) (4.16845) (28.1214) [ 0.19384] [ 20.4155] [ 1.01997] [-0.55664]
D(LPDBR(-2)) 0.230850 -1.929518 -7.391276 -39.65594 (1.25847) (0.16297) (6.82545) (46.0461) [ 0.18344] [-11.8395] [-1.08290] [-0.86122]
D(LPDBR(-3)) 0.820409 0.788142 7.788863 29.64554 (0.88499) (0.11461) (4.79980) (32.3806) [ 0.92703] [ 6.87696] [ 1.62275] [ 0.91554]
D(IDEP(-1)) -0.016460 -0.005144 0.857799 0.522046
100
(0.02315) (0.00300) (0.12556) (0.84708) [-0.71095] [-1.71581] [ 6.83159] [ 0.61629]
D(IDEP(-2)) -0.040887 0.004714 0.246258 2.524328 (0.02954) (0.00383) (0.16023) (1.08097) [-1.38395] [ 1.23220] [ 1.53687] [ 2.33524]
D(IDEP(-3)) 0.043755 -0.000158 -0.289425 -2.017919 (0.02046) (0.00265) (0.11095) (0.74852) [ 2.13883] [-0.05959] [-2.60853] [-2.69589]
D(EXPINF(-1)) -0.000194 6.97E-06 -0.038746 0.688880 (0.00769) (0.00100) (0.04171) (0.28137) [-0.02517] [ 0.00700] [-0.92897] [ 2.44827]
D(EXPINF(-2)) -0.000696 -1.73E-05 0.003713 0.388957 (0.00550) (0.00071) (0.02983) (0.20123) [-0.12658] [-0.02434] [ 0.12448] [ 1.93291]
D(EXPINF(-3)) -0.002046 -0.000629 -0.013671 0.268830 (0.00356) (0.00046) (0.01930) (0.13018) [-0.57493] [-1.36580] [-0.70846] [ 2.06504]
R-squared 0.286040 0.928677 0.874118 0.665822 Adj. R-squared 0.130267 0.913116 0.846653 0.592911 Sum sq. resids 0.038484 0.000645 1.132034 51.52072 S.E. equation 0.026452 0.003426 0.143466 0.967854 F-statistic 1.836260 59.67842 31.82646 9.131917 Log likelihood 157.7305 296.7272 42.75890 -87.05202 Akaike AIC -4.256778 -8.344918 -0.875262 2.942706 Schwarz SC -3.832461 -7.920601 -0.450944 3.367024 Mean dependent 0.004943 0.003722 -0.061029 -0.007966 S.D. dependent 0.028364 0.011622 0.366362 1.516927 Determinant Residual Covariance 1.31E-10 Log Likelihood 416.5295 Log Likelihood (d.f. adjusted) 387.6737 Akaike Information Criteria -9.755109 Schwarz Criteria -7.927279
101
LAMPIRAN 7 ESTIMASI VECM PERMINTAAN M2 KONVENSIONAL Vector Error Correction Estimates Date: 04/28/07 Time: 02:46 Sample(adjusted): 2001:05 2006:12 Included observations: 68 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 LM2R(-1) 1.000000
LPDBR(-1) -1.055990
(0.00842) [-125.407]
IDEP(-1) -0.015002 (0.00747) [-2.00788]
EXPINF(-1) 0.432484 (0.06915) [ 6.25449]
Error Correction: D(LM2R) D(LPDBR) D(IDEP) D(EXPINF) CointEq1 -0.016676 -2.97E-05 0.159701 -3.076956
(0.01340) (0.00283) (0.11848) (0.57413) [-1.24459] [-0.01050] [ 1.34792] [-5.35935]
D(LM2R(-1)) -0.062076 0.027992 -1.099915 -43.40872 (0.12923) (0.02727) (1.14273) (5.53748) [-0.48035] [ 1.02659] [-0.96253] [-7.83907]
D(LM2R(-2)) -0.097405 -0.053287 0.967232 8.583281 (0.18036) (0.03805) (1.59482) (7.72821) [-0.54007] [-1.40029] [ 0.60648] [ 1.11064]
D(LM2R(-3)) -0.458014 -0.001139 0.440727 14.13726 (0.16829) (0.03551) (1.48811) (7.21111) [-2.72159] [-0.03208] [ 0.29617] [ 1.96048]
D(LPDBR(-1)) 0.173739 2.001678 3.519784 -18.05003 (0.46061) (0.09719) (4.07295) (19.7368) [ 0.37720] [ 20.5965] [ 0.86419] [-0.91454]
D(LPDBR(-2)) -0.133496 -1.873729 -5.961665 -21.49206 (0.73895) (0.15591) (6.53420) (31.6636) [-0.18066] [-12.0178] [-0.91238] [-0.67876]
D(LPDBR(-3)) 0.198534 0.760029 5.918909 22.21533 (0.49007) (0.10340) (4.33347) (20.9992) [ 0.40511] [ 7.35026] [ 1.36586] [ 1.05791]
D(IDEP(-1)) -0.000128 -0.005353 0.886691 0.436753
102
(0.01417) (0.00299) (0.12528) (0.60709) [-0.00904] [-1.79054] [ 7.07758] [ 0.71942]
D(IDEP(-2)) 0.007871 0.004802 0.237257 2.381603 (0.01844) (0.00389) (0.16308) (0.79025) [ 0.42679] [ 1.23417] [ 1.45486] [ 3.01373]
D(IDEP(-3)) -0.007317 0.000257 -0.293202 -2.208772 (0.01277) (0.00269) (0.11294) (0.54728) [-0.57291] [ 0.09550] [-2.59610] [-4.03588]
D(EXPINF(-1)) 0.008823 -0.000588 -0.026969 0.233892 (0.00470) (0.00099) (0.04153) (0.20125) [ 1.87867] [-0.59355] [-0.64939] [ 1.16221]
D(EXPINF(-2)) 0.001523 -0.000314 0.014494 0.261519 (0.00317) (0.00067) (0.02800) (0.13570) [ 0.48093] [-0.46994] [ 0.51758] [ 1.92726]
D(EXPINF(-3)) 0.000190 -0.000583 -0.013418 0.117627 (0.00215) (0.00045) (0.01897) (0.09192) [ 0.08877] [-1.28863] [-0.70734] [ 1.27963]
R-squared 0.197540 0.926627 0.870326 0.822384 Adj. R-squared 0.022457 0.910619 0.842033 0.783632 Sum sq. resids 0.014914 0.000664 1.166140 27.38329 S.E. equation 0.016467 0.003474 0.145611 0.705605 F-statistic 1.128268 57.88325 30.76159 21.22144 Log likelihood 189.9610 295.7639 41.74967 -65.56228 Akaike AIC -5.204736 -8.316585 -0.845579 2.310655 Schwarz SC -4.780418 -7.892268 -0.421261 2.734973 Mean dependent 0.000624 0.003722 -0.061029 -0.007966 S.D. dependent 0.016655 0.011622 0.366362 1.516927 Determinant Residual Covariance 2.80E-11 Log Likelihood 469.1237 Log Likelihood (d.f. adjusted) 440.2679 Akaike Information Criteria -11.30200 Schwarz Criteria -9.474168
103
LAMPIRAN 8 ESTIMASI VECM PERMINTAAN M1 ISLAM Vector Error Correction Estimates Date: 04/28/07 Time: 03:17 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 LM1ISLR(-1) 1.000000
LPDBR(-1) -0.907528
(0.00835) [-108.678]
RS(-1) 0.044415 (0.01023) [ 4.34262]
EXPINF(-1) 0.187134 (0.02866) [ 6.53012]
Error Correction: D(LM1ISLR) D(LPDBR) D(RS) D(EXPINF) CointEq1 -0.169597 -0.006654 -0.764768 -3.741482
(0.05288) (0.00530) (1.38349) (1.35459) [-3.20715] [-1.25430] [-0.55278] [-2.76207]
D(LM1ISLR(-1)) -0.591018 0.028530 -8.365712 8.306050 (0.12755) (0.01280) (3.33713) (3.26741) [-4.63346] [ 2.22963] [-2.50686] [ 2.54209]
D(LM1ISLR(-2)) -0.260233 0.035323 -4.816285 3.555349 (0.12758) (0.01280) (3.33775) (3.26802) [-2.03980] [ 2.76003] [-1.44297] [ 1.08792]
D(LPDBR(-1)) -3.441561 1.519685 -41.21924 -14.66083 (0.81842) (0.08210) (21.4117) (20.9644) [-4.20515] [ 18.5101] [-1.92508] [-0.69932]
D(LPDBR(-2)) 3.474387 -0.929285 42.10944 -22.52845 (0.84410) (0.08468) (22.0838) (21.6225) [ 4.11606] [-10.9744] [ 1.90680] [-1.04190]
D(RS(-1)) 0.006353 0.000195 -0.642063 0.007174 (0.00508) (0.00051) (0.13284) (0.13006) [ 1.25117] [ 0.38276] [-4.83348] [ 0.05516]
D(RS(-2)) 0.000638 3.18E-05 -0.417029 0.028972 (0.00448) (0.00045) (0.11726) (0.11481) [ 0.14235] [ 0.07079] [-3.55634] [ 0.25234]
D(EXPINF(-1)) 0.021619 0.001089 0.028790 -0.078057
104
(0.00747) (0.00075) (0.19533) (0.19125) [ 2.89567] [ 1.45437] [ 0.14739] [-0.40814]
D(EXPINF(-2)) 0.010525 0.001229 -0.020487 -0.153196 (0.00510) (0.00051) (0.13348) (0.13069) [ 2.06293] [ 2.40083] [-0.15349] [-1.17223]
R-squared 0.473439 0.872830 0.480779 0.507527 Adj. R-squared 0.403231 0.855874 0.411550 0.441864 Sum sq. resids 0.115710 0.001164 79.19995 75.92544 S.E. equation 0.043915 0.004405 1.148912 1.124911 F-statistic 6.743360 51.47628 6.944723 7.729253 Log likelihood 122.5751 281.2355 -102.6632 -101.2065 Akaike AIC -3.292031 -7.890883 3.236616 3.194392 Schwarz SC -3.000626 -7.599478 3.528021 3.485797 Mean dependent 0.006106 0.003874 0.011304 -0.007793 S.D. dependent 0.056847 0.011604 1.497725 1.505733 Determinant Residual Covariance 4.08E-08 Log Likelihood 214.6380 Log Likelihood (d.f. adjusted) 195.3508 Akaike Information Criteria -4.502922 Schwarz Criteria -3.207788
105
LAMPIRAN 9 ESTIMASI VECM PERMINTAAN M2 ISLAM Vector Error Correction Estimates Date: 04/28/07 Time: 03:40 Sample(adjusted): 2001:04 2006:12 Included observations: 69 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 LM2ISLR(-1) 1.000000
LPDBR(-1) -0.929250
(0.00964) [-96.3746]
RS(-1) 0.064118 (0.01175) [ 5.45737]
EXPINF(-1) 0.219045 (0.03290) [ 6.65892]
Error Correction: D(LM2ISLR) D(LPDBR) D(RS) D(EXPINF) CointEq1 -0.129318 -0.004672 -0.982376 -3.698747
(0.04457) (0.00457) (1.19284) (1.17420) [-2.90117] [-1.02195] [-0.82356] [-3.15001]
D(LM2ISLR(-1)) -0.581670 0.031613 -9.261470 6.825977 (0.13083) (0.01342) (3.50110) (3.44640) [-4.44598] [ 2.35605] [-2.64531] [ 1.98061]
D(LM2ISLR(-2)) -0.243357 0.037443 -5.497727 2.449055 (0.12809) (0.01314) (3.42764) (3.37409) [-1.89996] [ 2.85041] [-1.60394] [ 0.72584]
D(LPDBR(-1)) -3.199146 1.525554 -42.56980 -19.75417 (0.79053) (0.08108) (21.1551) (20.8246) [-4.04682] [ 18.8165] [-2.01227] [-0.94860]
D(LPDBR(-2)) 3.436573 -0.925144 40.91550 -21.13748 (0.81291) (0.08337) (21.7539) (21.4140) [ 4.22750] [-11.0968] [ 1.88083] [-0.98709]
D(RS(-1)) 0.006203 0.000164 -0.615437 0.068559 (0.00514) (0.00053) (0.13766) (0.13551) [ 1.20579] [ 0.31060] [-4.47074] [ 0.50594]
D(RS(-2)) 0.000384 1.42E-05 -0.401874 0.070958 (0.00443) (0.00045) (0.11861) (0.11676) [ 0.08673] [ 0.03119] [-3.38814] [ 0.60773]
D(EXPINF(-1)) 0.019626 0.000998 0.066777 -0.022323
106
(0.00723) (0.00074) (0.19357) (0.19055) [ 2.71326] [ 1.34504] [ 0.34497] [-0.11715]
D(EXPINF(-2)) 0.009812 0.001154 0.000371 -0.131470 (0.00494) (0.00051) (0.13218) (0.13011) [ 1.98651] [ 2.27836] [ 0.00281] [-1.01043]
R-squared 0.454815 0.874908 0.488744 0.509850 Adj. R-squared 0.382124 0.858230 0.420577 0.444497 Sum sq. resids 0.108898 0.001145 77.98499 75.56725 S.E. equation 0.042602 0.004369 1.140066 1.122254 F-statistic 6.256807 52.45610 7.169763 7.801440 Log likelihood 124.6682 281.8039 -102.1299 -101.0434 Akaike AIC -3.352703 -7.907360 3.221156 3.189663 Schwarz SC -3.061298 -7.615955 3.512562 3.481068 Mean dependent 0.007402 0.003874 0.011304 -0.007793 S.D. dependent 0.054198 0.011604 1.497725 1.505733 Determinant Residual Covariance 3.66E-08 Log Likelihood 218.4133 Log Likelihood (d.f. adjusted) 199.1261 Akaike Information Criteria -4.612351 Schwarz Criteria -3.317217
107
LAMPIRAN 10 IRF MODEL PERMINTAAN M1 KONVENSIONAL
Response of LM1R: Period LM1R LPDBR IDEP EXPINF
1 0.026452 0.000000 0.000000 0.000000 2 0.021245 0.000653 -0.002420 -0.001711 3 0.021386 0.002668 -0.009971 -0.001862 4 0.022250 0.007430 -0.010455 -0.004643 5 0.023726 0.014790 -0.013693 -0.003899 6 0.022632 0.020282 -0.016414 -0.004186 7 0.022279 0.021050 -0.018513 -0.006966 8 0.021831 0.017871 -0.018772 -0.006761 9 0.020920 0.014314 -0.018681 -0.005873
10 0.020055 0.012748 -0.017039 -0.004666 11 0.019789 0.013813 -0.015450 -0.003593 12 0.019673 0.015788 -0.014167 -0.003739 13 0.019891 0.016658 -0.013552 -0.004489 14 0.019953 0.015810 -0.013342 -0.004840 15 0.019740 0.014246 -0.013250 -0.004640 16 0.019406 0.013417 -0.012922 -0.003990 17 0.019182 0.014021 -0.012528 -0.003470 18 0.019163 0.015483 -0.012256 -0.003486 19 0.019313 0.016656 -0.012292 -0.003912 20 0.019432 0.016818 -0.012562 -0.004342 21 0.019408 0.016168 -0.012854 -0.004452 22 0.019260 0.015492 -0.012972 -0.004216 23 0.019108 0.015428 -0.012904 -0.003903 24 0.019056 0.015981 -0.012770 -0.003786 25 0.019114 0.016636 -0.012718 -0.003930 26 0.019200 0.016873 -0.012788 -0.004174 27 0.019230 0.016591 -0.012907 -0.004304 28 0.019181 0.016116 -0.012968 -0.004234 29 0.019098 0.015869 -0.012926 -0.004055 30 0.019050 0.016009 -0.012825 -0.003928 31 0.019064 0.016353 -0.012748 -0.003943 32 0.019114 0.016590 -0.012744 -0.004061 33 0.019151 0.016550 -0.012797 -0.004166 34 0.019145 0.016317 -0.012849 -0.004176 35 0.019107 0.016117 -0.012854 -0.004098 36 0.019072 0.016108 -0.012815 -0.004011 37 0.019066 0.016266 -0.012770 -0.003986 38 0.019088 0.016437 -0.012756 -0.004032 39 0.019115 0.016483 -0.012778 -0.004100 40 0.019123 0.016392 -0.012813 -0.004130 41 0.019109 0.016264 -0.012831 -0.004106 42 0.019087 0.016209 -0.012820 -0.004057 43 0.019077 0.016260 -0.012795 -0.004026 44 0.019084 0.016357 -0.012779 -0.004036 45 0.019098 0.016414 -0.012783 -0.004071 46 0.019108 0.016393 -0.012800 -0.004098 47 0.019105 0.016325 -0.012814 -0.004097 48 0.019095 0.016273 -0.012814 -0.004074
Cholesky Ordering: LM1R LPDBR IDEP EXPINF
108
LAMPIRAN 11 IRF MODEL PERMINTAAN M2 KONVENSIONAL
Response of LM2R: Period LM2R LPDBR IDEP EXPINF
1 0.016467 0.000000 0.000000 0.000000 2 0.014734 0.000927 1.27E-05 0.001028 3 0.013650 0.000389 0.001193 -0.003879 4 0.012014 0.001787 0.001083 -0.003878 5 0.012511 0.004372 -0.002201 -0.003447 6 0.012031 0.006229 -0.003118 -0.003178 7 0.012091 0.006709 -0.004195 -0.003433 8 0.011873 0.005834 -0.004300 -0.003280 9 0.011629 0.004431 -0.004301 -0.003376
10 0.011601 0.003627 -0.003692 -0.002987 11 0.011331 0.003859 -0.003316 -0.002720 12 0.011404 0.004621 -0.002747 -0.002685 13 0.011553 0.005270 -0.002544 -0.002767 14 0.011763 0.005286 -0.002435 -0.002878 15 0.011692 0.004787 -0.002397 -0.002927 16 0.011538 0.004277 -0.002295 -0.002841 17 0.011321 0.004210 -0.002189 -0.002685 18 0.011282 0.004604 -0.002085 -0.002591 19 0.011372 0.005137 -0.002057 -0.002594 20 0.011527 0.005414 -0.002100 -0.002688 21 0.011597 0.005306 -0.002169 -0.002780 22 0.011556 0.004999 -0.002221 -0.002803 23 0.011444 0.004798 -0.002230 -0.002752 24 0.011362 0.004869 -0.002212 -0.002684 25 0.011365 0.005136 -0.002198 -0.002653 26 0.011435 0.005374 -0.002209 -0.002681 27 0.011504 0.005414 -0.002239 -0.002735 28 0.011516 0.005265 -0.002264 -0.002769 29 0.011469 0.005078 -0.002266 -0.002758 30 0.011407 0.005010 -0.002245 -0.002718 31 0.011379 0.005097 -0.002218 -0.002682 32 0.011399 0.005250 -0.002203 -0.002677 33 0.011444 0.005341 -0.002206 -0.002701 34 0.011473 0.005312 -0.002219 -0.002729 35 0.011465 0.005207 -0.002226 -0.002738 36 0.011432 0.005122 -0.002221 -0.002723 37 0.011403 0.005122 -0.002208 -0.002699 38 0.011399 0.005196 -0.002196 -0.002686 39 0.011420 0.005276 -0.002195 -0.002692 40 0.011444 0.005301 -0.002202 -0.002709 41 0.011452 0.005261 -0.002211 -0.002722 42 0.011441 0.005200 -0.002214 -0.002721 43 0.011421 0.005170 -0.002210 -0.002710 44 0.011410 0.005190 -0.002203 -0.002698 45 0.011415 0.005237 -0.002199 -0.002695 46 0.011429 0.005272 -0.002201 -0.002702 47 0.011440 0.005269 -0.002206 -0.002711 48 0.011439 0.005237 -0.002210 -0.002716
Cholesky Ordering: LM2R LPDBR IDEP EXPINF
109
LAMPIRAN 12 IRF MODEL PERMINTAAN M1 ISLAM Response of LM1ISLR: Period LM1ISLR LPDBR RS EXPINF
1 0.043915 0.000000 0.000000 0.000000 2 0.016857 -0.012818 -0.003990 -0.009226 3 0.021128 -0.006444 -0.009028 -0.013780 4 0.026031 0.005448 -0.006025 -0.016587 5 0.021256 0.014985 -0.003439 -0.008833 6 0.027560 0.022807 -0.007331 -0.010571 7 0.032420 0.023597 -0.008854 -0.016466 8 0.031379 0.018700 -0.011028 -0.020549 9 0.031041 0.013812 -0.012957 -0.023696
10 0.029644 0.010885 -0.011685 -0.023609 11 0.027474 0.010527 -0.010299 -0.020976 12 0.027258 0.012472 -0.009548 -0.018701 13 0.027909 0.014731 -0.008886 -0.017542 14 0.028498 0.015923 -0.009176 -0.017611 15 0.029208 0.015949 -0.009902 -0.018671 16 0.029443 0.015131 -0.010278 -0.019728 17 0.029134 0.014153 -0.010439 -0.020193 18 0.028802 0.013639 -0.010351 -0.020103 19 0.028560 0.013676 -0.010054 -0.019659 20 0.028465 0.014042 -0.009855 -0.019203 21 0.028580 0.014454 -0.009813 -0.019005 22 0.028746 0.014672 -0.009863 -0.019066 23 0.028846 0.014643 -0.009978 -0.019262 24 0.028872 0.014476 -0.010070 -0.019453 25 0.028828 0.014302 -0.010087 -0.019537 26 0.028754 0.014212 -0.010057 -0.019504 27 0.028709 0.014229 -0.010010 -0.019416 28 0.028703 0.014304 -0.009972 -0.019335 29 0.028723 0.014379 -0.009964 -0.019302 30 0.028754 0.014415 -0.009979 -0.019318 31 0.028773 0.014406 -0.010000 -0.019357 32 0.028775 0.014372 -0.010015 -0.019391 33 0.028765 0.014340 -0.010018 -0.019404 34 0.028753 0.014326 -0.010011 -0.019397 35 0.028744 0.014331 -0.010002 -0.019379 36 0.028744 0.014345 -0.009996 -0.019365 37 0.028748 0.014359 -0.009995 -0.019360 38 0.028754 0.014365 -0.009998 -0.019363 39 0.028757 0.014363 -0.010002 -0.019371 40 0.028757 0.014356 -0.010004 -0.019377 41 0.028755 0.014350 -0.010005 -0.019379 42 0.028753 0.014348 -0.010003 -0.019377 43 0.028752 0.014349 -0.010001 -0.019374 44 0.028752 0.014352 -0.010000 -0.019371 45 0.028752 0.014354 -0.010000 -0.019371 46 0.028754 0.014355 -0.010001 -0.019372 47 0.028754 0.014355 -0.010002 -0.019373 48 0.028754 0.014353 -0.010002 -0.019374
Cholesky Ordering: LM1ISLR LPDBR RS EXPINF
110
LAMPIRAN 13 IRF MODEL PERMINTAAN M2 ISLAM Response of LM2ISLR: Period LM2ISLR LPDBR RS EXPINF
1 0.042602 0.000000 0.000000 0.000000 2 0.017504 -0.012360 -0.004397 -0.007860 3 0.022027 -0.006316 -0.009037 -0.012104 4 0.027400 0.005112 -0.006004 -0.014784 5 0.023724 0.014619 -0.004093 -0.007432 6 0.029865 0.021896 -0.007751 -0.009019 7 0.035273 0.022648 -0.009293 -0.014304 8 0.035080 0.018071 -0.011745 -0.017866 9 0.034765 0.013371 -0.013454 -0.020599
10 0.033405 0.010663 -0.012314 -0.020766 11 0.031174 0.010468 -0.011147 -0.018744 12 0.030678 0.012475 -0.010349 -0.016836 13 0.031261 0.014810 -0.009718 -0.015811 14 0.031953 0.016053 -0.010024 -0.015807 15 0.032774 0.016045 -0.010705 -0.016678 16 0.033126 0.015140 -0.011113 -0.017627 17 0.032857 0.014058 -0.011303 -0.018096 18 0.032456 0.013469 -0.011205 -0.018054 19 0.032125 0.013505 -0.010898 -0.017664 20 0.031972 0.013935 -0.010676 -0.017223 21 0.032075 0.014429 -0.010610 -0.017001 22 0.032280 0.014702 -0.010663 -0.017034 23 0.032434 0.014678 -0.010794 -0.017219 24 0.032493 0.014471 -0.010904 -0.017419 25 0.032449 0.014244 -0.010934 -0.017523 26 0.032353 0.014120 -0.010903 -0.017504 27 0.032279 0.014133 -0.010844 -0.017416 28 0.032255 0.014232 -0.010794 -0.017324 29 0.032277 0.014338 -0.010779 -0.017277 30 0.032320 0.014393 -0.010796 -0.017286 31 0.032356 0.014386 -0.010823 -0.017329 32 0.032366 0.014339 -0.010846 -0.017371 33 0.032355 0.014290 -0.010852 -0.017392 34 0.032335 0.014265 -0.010845 -0.017387 35 0.032319 0.014269 -0.010832 -0.017367 36 0.032314 0.014291 -0.010821 -0.017347 37 0.032319 0.014314 -0.010818 -0.017338 38 0.032329 0.014325 -0.010822 -0.017341 39 0.032336 0.014323 -0.010828 -0.017350 40 0.032338 0.014313 -0.010833 -0.017359 41 0.032336 0.014302 -0.010834 -0.017363 42 0.032331 0.014297 -0.010832 -0.017362 43 0.032328 0.014298 -0.010830 -0.017358 44 0.032327 0.014303 -0.010827 -0.017353 45 0.032328 0.014308 -0.010827 -0.017351 46 0.032330 0.014310 -0.010828 -0.017352 47 0.032332 0.014310 -0.010829 -0.017354 48 0.032332 0.014307 -0.010830 -0.017356
Cholesky Ordering: LM2ISLR LPDBR RS EXPINF
111
LAMPIRAN 14 VARIANCE DECOMPOSITION PERMINTAAN M1 KONVENSIONAL Variance Decomposition
of LM1R:
Period S.E. LM1R LPDBR IDEP EXPINF 1 0.026452 100.0000 0.000000 0.000000 0.000000 2 0.034063 99.20642 0.036715 0.504563 0.252302 3 0.041565 93.09957 0.436681 6.093556 0.370190 4 0.049079 87.32616 2.605203 8.908186 1.160446 5 0.058250 78.58239 8.296286 11.84954 1.271789 6 0.067850 69.04568 15.05049 14.58585 1.317981 7 0.077035 61.92701 19.14258 17.09034 1.840079 8 0.084430 58.23961 20.41631 19.17103 2.173048 9 0.090302 56.27873 20.36019 21.03850 2.322577
10 0.095033 55.26821 20.18291 22.21071 2.338171 11 0.099324 54.56534 20.41077 22.75251 2.271385 12 0.103519 53.84388 21.11600 22.81863 2.221491 13 0.107672 53.18373 21.91232 22.67671 2.227239 14 0.111547 52.75218 22.42526 22.55910 2.263458 15 0.115032 52.54876 22.62060 22.53952 2.291118 16 0.118203 52.46284 22.71174 22.54162 2.283808 17 0.121266 52.34801 22.91575 22.48447 2.251759 18 0.124397 52.11862 23.32568 22.33735 2.218357 19 0.127638 51.79501 23.85904 22.14486 2.201085 20 0.130877 51.46813 24.34434 21.98392 2.203600 21 0.133984 51.20637 24.68427 21.89637 2.212991 22 0.136926 51.00809 24.91502 21.86316 2.213731 23 0.139763 50.82763 25.13251 21.83711 2.202749 24 0.142582 50.62386 25.40481 21.78429 2.187028 25 0.145427 50.39020 25.72929 21.70519 2.175322 26 0.148267 50.15477 26.04791 21.62531 2.172002 27 0.151041 49.95069 26.30656 21.56859 2.174161 28 0.153711 49.78748 26.49986 21.53749 2.175166 29 0.156292 49.64991 26.66282 21.51604 2.171235 30 0.158828 49.51575 26.83414 21.48650 2.163607 31 0.161354 49.37320 27.02760 21.44310 2.156094 32 0.163874 49.22699 27.22775 21.39356 2.151705 33 0.166362 49.09047 27.40893 21.35006 2.150539 34 0.168795 48.97217 27.55909 21.31854 2.150203 35 0.171168 48.86958 27.68673 21.29539 2.148306 36 0.173500 48.77344 27.80965 21.27250 2.144401 37 0.175810 48.67602 27.93952 21.24464 2.139813 38 0.178109 48.57636 28.07470 21.21274 2.136197 39 0.180388 48.47933 28.20462 21.18184 2.134206 40 0.182635 48.39020 28.32053 21.15611 2.133164 41 0.184842 48.31009 28.42236 21.13568 2.131870 42 0.187015 48.23589 28.51706 21.11737 2.129680 43 0.189163 48.16342 28.61180 21.09790 2.126881 44 0.191296 48.09079 28.70859 21.07637 2.124242 45 0.193412 48.01919 28.80403 21.05446 2.122313 46 0.195506 47.95118 28.89333 21.03445 2.121030 47 0.197573 47.88817 28.97466 21.01728 2.119891 48 0.199613 47.82945 29.05009 21.00202 2.118441
Cholesky Ordering: LM1R LPDBR IDEP EXPINF
112
LAMPIRAN 15 VARIANCE DECOMPOSITION PERMINTAAN M2 KONVENSIONAL Variance Decomposition
of LM2R:
Period S.E. LM2R LPDBR IDEP EXPINF 1 0.016467 100.0000 0.000000 0.000000 0.000000 2 0.022140 99.60919 0.175277 3.28E-05 0.215499 3 0.026327 97.32543 0.145736 0.205269 2.323562 4 0.029272 95.57149 0.490722 0.302931 3.634856 5 0.032392 92.96788 2.222150 0.709242 4.100728 6 0.035392 89.42934 4.959238 1.370359 4.241059 7 0.038382 85.96249 7.271690 2.359841 4.405979 8 0.040957 83.89912 8.415361 3.174803 4.510714 9 0.043153 82.83691 8.634748 3.853177 4.675161
10 0.045083 82.51797 8.558517 4.201086 4.722424 11 0.046842 82.28938 8.606508 4.392545 4.711569 12 0.048583 82.00628 8.905325 4.403007 4.685393 13 0.050356 81.59849 9.384561 4.353626 4.663322 14 0.052117 81.26958 9.789452 4.282639 4.658332 15 0.053760 81.10862 9.993210 4.223675 4.674500 16 0.055271 81.09198 10.05314 4.168265 4.686622 17 0.056681 81.09612 10.11073 4.112523 4.680627 18 0.058072 81.03391 10.26105 4.046833 4.658207 19 0.059489 80.87182 10.52342 3.975796 4.628966 20 0.060933 80.66443 10.82026 3.908452 4.606861 21 0.062353 80.49108 11.05725 3.853507 4.598158 22 0.063712 80.38370 11.20618 3.812429 4.597689 23 0.065006 80.31508 11.30930 3.779901 4.595717 24 0.066262 80.23893 11.42452 3.749398 4.587148 25 0.067513 80.12567 11.58355 3.717651 4.573129 26 0.068773 79.98142 11.77360 3.685895 4.559093 27 0.070028 79.83980 11.95324 3.657205 4.549749 28 0.071253 79.72929 12.09160 3.633494 4.545614 29 0.072437 79.65192 12.19120 3.613613 4.543274 30 0.073585 79.58883 12.27732 3.594846 4.539011 31 0.074715 79.51911 12.37422 3.575058 4.531612 32 0.075841 79.43460 12.48868 3.554064 4.522652 33 0.076964 79.34368 12.60836 3.533238 4.514728 34 0.078075 79.26145 12.71504 3.514172 4.509337 35 0.079162 79.19610 12.80065 3.497351 4.505895 36 0.080224 79.14378 12.87159 3.482017 4.502605 37 0.081267 79.09423 12.94065 3.467008 4.498114 38 0.082301 79.03941 13.01645 3.451720 4.492422 39 0.083329 78.97889 13.09811 3.436416 4.486587 40 0.084350 78.91867 13.17776 3.421847 4.481721 41 0.085359 78.86517 13.24815 3.408558 4.478127 42 0.086350 78.81999 13.30833 3.396478 4.475206 43 0.087325 78.77966 13.36317 3.385077 4.472095 44 0.088289 78.73924 13.41854 3.373842 4.468379 45 0.089246 78.69624 13.47683 3.362628 4.464300 46 0.090196 78.65196 13.53592 3.351677 4.460440 47 0.091138 78.60974 13.59173 3.341328 4.457207 48 0.092069 78.57190 13.64184 3.331716 4.454547
Cholesky Ordering: LM2R LPDBR IDEP EXPINF
113
LAMPIRAN 16 VARIANCE DECOMPOSITION PERMINTAAN M1 ISLAM Variance Decomposition
of LM1ISLR:
Period S.E. LM1ISLR LPDBR RS EXPINF 1 0.043915 100.0000 0.000000 0.000000 0.000000 2 0.049779 89.29287 6.630106 0.642313 3.434712 3 0.056897 82.13814 6.357567 3.009475 8.494814 4 0.065238 78.39872 5.533215 3.141991 12.92607 5 0.070868 75.43393 9.160402 2.898121 12.50755 6 0.080420 70.32184 15.15601 3.081573 11.44058 7 0.091787 66.45912 18.24397 3.296196 12.00071 8 0.101504 63.90065 18.31233 3.875662 13.91136 9 0.110394 61.92996 17.04716 4.654213 16.36866
10 0.117804 60.71532 15.82360 5.070844 18.39024 11 0.123651 60.04615 15.08738 5.296385 19.57009 12 0.128954 59.67767 14.80747 5.418019 20.09685 13 0.134207 59.42131 14.87559 5.440523 20.26257 14 0.139541 59.13663 15.06230 5.465002 20.33606 15 0.145003 58.82298 15.15873 5.527336 20.49095 16 0.150388 58.51883 15.10490 5.605702 20.77057 17 0.155507 58.23965 14.95511 5.693365 21.11188 18 0.160341 58.00746 14.79051 5.772008 21.43002 19 0.164923 57.82806 14.66773 5.827409 21.67680 20 0.169331 57.68256 14.60171 5.866666 21.84906 21 0.173655 57.55408 14.57635 5.897425 21.97214 22 0.177928 57.43292 14.56457 5.924846 22.07766 23 0.182141 57.31465 14.54490 5.953999 22.18644 24 0.186275 57.20142 14.51043 5.984896 22.30326 25 0.190309 57.09690 14.46660 6.014809 22.42169 26 0.194237 57.00268 14.42285 6.042097 22.53237 27 0.198070 56.91856 14.38603 6.065881 22.62953 28 0.201825 56.84263 14.35797 6.086357 22.71304 29 0.205517 56.77238 14.33635 6.104731 22.78653 30 0.209151 56.70616 14.31737 6.122013 22.85445 31 0.212731 56.64334 14.29819 6.138678 22.91979 32 0.216253 56.58388 14.27795 6.154817 22.98336 33 0.219717 56.52804 14.25732 6.170198 23.04444 34 0.223123 56.47590 14.23758 6.184566 23.10195 35 0.226475 56.42723 14.21960 6.197870 23.15530 36 0.229778 56.38158 14.20353 6.210214 23.20467 37 0.233035 56.33850 14.18897 6.221782 23.25075 38 0.236248 56.29762 14.17531 6.232757 23.29431 39 0.239420 56.25874 14.16213 6.243244 23.33589 40 0.242550 56.22176 14.14927 6.253270 23.37570 41 0.245640 56.18662 14.13683 6.262826 23.41373 42 0.248691 56.15324 14.12495 6.271902 23.44990 43 0.251704 56.12152 14.11375 6.280511 23.48423 44 0.254682 56.09130 14.10320 6.288689 23.51681 45 0.257625 56.06246 14.09322 6.296485 23.54784 46 0.260536 56.03488 14.08369 6.303940 23.57749 47 0.263414 56.00847 14.07453 6.311086 23.60591 48 0.266262 55.98318 14.06571 6.317939 23.63317
Cholesky Ordering: LM1ISLR LPDBR RS EXPINF
114
LAMPIRAN 17 VARIANCE DECOMPOSITION PERMINTAAN M2 ISLAM Variance Decomposition
of LM2ISLR:
Period S.E. LM2ISLR LPDBR RS EXPINF 1 0.042602 100.0000 0.000000 0.000000 0.000000 2 0.048531 90.06969 6.486443 0.820722 2.623147 3 0.055754 83.85258 6.197941 3.249044 6.700436 4 0.064343 81.09483 5.284823 3.310353 10.30999 5 0.070630 78.58324 8.670032 3.083109 9.663623 6 0.080631 74.01702 14.02701 3.289852 8.666114 7 0.092463 70.83862 16.66610 3.511914 8.983371 8 0.102780 68.98041 16.57952 4.148144 10.29192 9 0.112055 67.65840 15.37226 4.931373 12.03797
10 0.119870 66.89005 14.22453 5.364668 13.52076 11 0.126197 66.45267 13.52196 5.620366 14.40501 12 0.131959 66.18146 13.26076 5.755387 14.80239 13 0.137674 65.95660 13.33976 5.785733 14.91791 14 0.143468 65.69683 13.53593 5.815993 14.95125 15 0.149357 65.43374 13.64367 5.880151 15.04244 16 0.155139 65.20604 13.59790 5.963081 15.23297 17 0.160626 65.01203 13.45079 6.057882 15.47929 18 0.165792 64.85595 13.28558 6.142968 15.71550 19 0.170681 64.73592 13.16134 6.203746 15.89899 20 0.175383 64.63498 13.09647 6.246127 16.02243 21 0.179993 64.54144 13.07668 6.277690 16.10419 22 0.184553 64.45137 13.07319 6.305204 16.17023 23 0.189051 64.36439 13.06135 6.334762 16.23950 24 0.193462 64.28322 13.03197 6.366810 16.31801 25 0.197763 64.21013 12.99015 6.398600 16.40112 26 0.201944 64.14521 12.94666 6.427855 16.48027 27 0.206019 64.08739 12.91016 6.453136 16.54932 28 0.210009 64.03482 12.88364 6.474496 16.60705 29 0.213929 63.98566 12.86493 6.493264 16.65615 30 0.217791 63.93903 12.84953 6.510746 16.70070 31 0.221594 63.89482 12.83366 6.527713 16.74380 32 0.225337 63.85322 12.81587 6.544353 16.78655 33 0.229015 63.81443 12.79684 6.560367 16.82836 34 0.232630 63.77840 12.77821 6.575370 16.86802 35 0.236186 63.74483 12.76135 6.589187 16.90463 36 0.239688 63.71333 12.74669 6.601885 16.93809 37 0.243141 63.68354 12.73383 6.613691 16.96894 38 0.246547 63.65523 12.72198 6.624859 16.99793 39 0.249909 63.62831 12.71048 6.635554 17.02566 40 0.253227 63.60275 12.69906 6.645824 17.05237 41 0.256501 63.57851 12.68782 6.655644 17.07803 42 0.259733 63.55553 12.67701 6.664973 17.10249 43 0.262925 63.53371 12.66685 6.673799 17.12563 44 0.266078 63.51295 12.65739 6.682153 17.14751 45 0.269194 63.49312 12.64853 6.690094 17.16825 46 0.272276 63.47416 12.64012 6.697680 17.18804 47 0.275323 63.45601 12.63202 6.704955 17.20701 48 0.278336 63.43864 12.62418 6.711940 17.22524
Cholesky Ordering: LM2ISLR LPDBR RS EXPINF
115
LAMPIRAN 18 HASIL UJI AKAR UNIT (2) VARIABEL LM1 Null Hypothesis: LM1 has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.581378 0.2900 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM1) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.743636 0.0068 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values. VARIABEL LM2 Null Hypothesis: LM2 has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic 0.042461 0.9961 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.127274 0.0330 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
116
VARIABEL LM1ISL Null Hypothesis: LM1ISL has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.553596 0.0418 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
Null Hypothesis: D(LM1ISL) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.144041 0.0001 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
VARIABEL LM2ISL Null Hypothesis: LM2ISL has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.192469 0.0947 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
*MacKinnon (1996) one-sided p-values. Null Hypothesis: D(LM2ISL) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.824946 0.0002 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
117
VARIABEL LIHK Null Hypothesis: LIHK has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.941195 0.6219 Test critical values: 1% level -4.100935
5% level -3.478305 10% level -3.166788
Null Hypothesis: D(LIHK) has a unit root Exogenous: None Lag Length: 4 (Fixed)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.144667 0.0317 Test critical values: 1% level -2.600471
5% level -1.945823 10% level -1.613589
*MacKinnon (1996) one-sided p-values.
118
LAMPIRAN 19 UJI LAG OPTIMAL (2) MODEL LM1 VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM1) Exogenous variables: C Date: 05/11/07 Time: 16:31 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 348.5784 NA* 9.42E-08 -10.50238 -10.43602* -10.47616* 1 353.1581 8.743056 9.25E-08* -10.51994* -10.32088 -10.44128 2 354.3499 2.203083 1.01E-07 -10.43485 -10.10308 -10.30375 3 355.6473 2.319634 1.10E-07 -10.35295 -9.888477 -10.16941 4 357.7812 3.685692 1.16E-07 -10.29640 -9.699220 -10.06042 5 360.5634 4.637122 1.21E-07 -10.25950 -9.529613 -9.971086
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion MODEL LM2 VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM2) Exogenous variables: C Date: 05/11/07 Time: 16:35 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 396.8762 NA 2.18E-08 -11.96595 -11.89959* -11.93973* 1 402.4927 10.72227* 2.08E-08* -12.01493* -11.81587 -11.93627 2 403.7916 2.401060 2.25E-08 -11.93308 -11.60131 -11.80198 3 407.7800 7.130718 2.26E-08 -11.93273 -11.46825 -11.74919 4 409.6067 3.155242 2.41E-08 -11.86687 -11.26969 -11.63090 5 410.1007 0.823353 2.69E-08 -11.76063 -11.03074 -11.47221
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
119
MODEL LM1ISL VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM1ISL) Exogenous variables: C Date: 05/11/07 Time: 16:37 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 299.5858 NA 4.16E-07 -9.017752 -8.951399 -8.991533 1 310.9452 21.68606* 3.33E-07* -9.240763* -9.041704* -9.162106* 2 310.9685 0.043063 3.75E-07 -9.120257 -8.788491 -8.989161 3 316.1374 9.241457 3.63E-07 -9.155680 -8.691208 -8.972145 4 317.2927 1.995443 3.96E-07 -9.069476 -8.472297 -8.833502 5 319.0992 3.010913 4.24E-07 -9.003007 -8.273123 -8.714595
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion MODEL LM2ISL VAR Lag Order Selection Criteria Endogenous variables: D(LIHK) D(LM2ISL) Exogenous variables: C Date: 05/11/07 Time: 16:39 Sample: 2001:01 2006:12 Included observations: 66 Lag LogL LR FPE AIC SC HQ
0 302.6232 NA 3.79E-07 -9.109793 -9.043440 -9.083573 1 313.4878 20.74151* 3.08E-07* -9.317811* -9.118751* -9.239153* 2 313.4961 0.015356 3.48E-07 -9.196850 -8.865085 -9.065754 3 318.6815 9.270965 3.36E-07 -9.232773 -8.768301 -9.049238 4 319.8898 2.087036 3.66E-07 -9.148176 -8.550997 -8.912202 5 321.6006 2.851256 3.93E-07 -9.078805 -8.348920 -8.790393
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
120
LAMPIRAN 20 UJI KOINTEGRASI 2 (ASUMSI) MODEL LM1 (ASUMSI 3) Date: 05/11/07 Time: 16:33 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LIHK LM1 Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.104370 8.372786 15.41 20.04 At most 1 0.009340 0.656853 3.76 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels MODEL LM2 (ASUMSI 5) Date: 05/11/07 Time: 16:36 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Quadratic deterministic trend Series: LIHK LM2 Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.168125 13.31887 18.17 23.46 At most 1 0.006178 0.433771 3.74 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
121
MODEL LM1ISL (ASUMSI 4) Date: 05/11/07 Time: 16:38 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LIHK LM1ISL Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.189799 18.79984 25.32 30.45 At most 1 0.056440 4.066706 12.25 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels MODEL LM2ISL (ASUMSI 4) Date: 05/11/07 Time: 16:40 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LIHK LM2ISL Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.185221 18.60514 25.32 30.45 At most 1 0.059129 4.266432 12.25 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels
122
LAMPIRAN 21 HASIL ESTIMASI VAR FIRST DIFFERENCE MODEL LM1 Vector Autoregression Estimates Date: 05/11/07 Time: 16:34 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
D(LIHK) D(LM1) D(LIHK(-1)) 0.093384 -0.768893
(0.12213) (0.29295) [ 0.76462] [-2.62464]
D(LM1(-1)) 0.012194 -0.121082 (0.04877) (0.11697) [ 0.25006] [-1.03515]
C 0.006687 0.019801 (0.00167) (0.00400) [ 4.00975] [ 4.95050]
R-squared 0.010110 0.112333 Adj. R-squared -0.019439 0.085835 Sum sq. resids 0.007878 0.045324 S.E. equation 0.010843 0.026009 F-statistic 0.342139 4.239362 Log likelihood 218.9021 157.6590 Akaike AIC -6.168632 -4.418828 Schwarz SC -6.072267 -4.322464 Mean dependent 0.007535 0.012561 S.D. dependent 0.010739 0.027203 Determinant Residual Covariance 7.81E-08 Log Likelihood (d.f. adjusted) 374.1201 Akaike Information Criteria -10.51772 Schwarz Criteria -10.32499 MODEL LM2 Vector Autoregression Estimates Date: 05/05/07 Time: 10:02 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
D(LIHK) D(LM2) D(LIHK(-1)) 0.084686 -0.147687
(0.11465) (0.15018) [ 0.73863] [-0.98343]
123
D(LM2(-1)) 0.275592 0.074306
(0.09376) (0.12280) [ 2.93947] [ 0.60509]
C 0.004561 0.009095 (0.00168) (0.00220) [ 2.71867] [ 4.13926]
R-squared 0.122368 0.018961 Adj. R-squared 0.096170 -0.010324 Sum sq. resids 0.006984 0.011982 S.E. equation 0.010210 0.013373 F-statistic 4.670887 0.647454 Log likelihood 223.1149 204.2228 Akaike AIC -6.288998 -5.749222 Schwarz SC -6.192634 -5.652858 Mean dependent 0.007535 0.008620 S.D. dependent 0.010739 0.013305 Determinant Residual Covariance 1.86E-08 Log Likelihood (d.f. adjusted) 424.3046 Akaike Information Criteria -11.95156 Schwarz Criteria -11.75883 MODEL LM1ISL Vector Autoregression Estimates Date: 05/05/07 Time: 10:04 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
D(LIHK) D(LM1ISL) D(LIHK(-1)) 0.043796 -1.921480
(0.12438) (0.62302) [ 0.35212] [-3.08412]
D(LM1ISL(-1)) 0.036640 -0.184006 (0.02383) (0.11938) [ 1.53734] [-1.54131]
C 0.006790 0.030061 (0.00156) (0.00780) [ 4.35837] [ 3.85215]
R-squared 0.042946 0.189307 Adj. R-squared 0.014377 0.165107 Sum sq. resids 0.007616 0.191098 S.E. equation 0.010662 0.053406 F-statistic 1.503246 7.822651 Log likelihood 220.0828 107.2955 Akaike AIC -6.202366 -2.979872 Schwarz SC -6.106002 -2.883508 Mean dependent 0.007535 0.013578
124
S.D. dependent 0.010739 0.058449 Determinant Residual Covariance 2.74E-07 Log Likelihood (d.f. adjusted) 330.1643 Akaike Information Criteria -9.261836 Schwarz Criteria -9.069108 MODEL LM2ISL Vector Autoregression Estimates Date: 05/05/07 Time: 10:05 Sample(adjusted): 2001:03 2006:12 Included observations: 70 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
D(LIHK) D(LM2ISL) D(LIHK(-1)) 0.049139 -1.801255
(0.12422) (0.59227) [ 0.39559] [-3.04125]
D(LM2ISL(-1)) 0.035924 -0.188860 (0.02490) (0.11871) [ 1.44288] [-1.59090]
C 0.006705 0.030781 (0.00156) (0.00745) [ 4.29032] [ 4.13072]
R-squared 0.039046 0.186457 Adj. R-squared 0.010361 0.162173 Sum sq. resids 0.007647 0.173853 S.E. equation 0.010684 0.050939 F-statistic 1.361181 7.677928 Log likelihood 219.9405 110.6056 Akaike AIC -6.198299 -3.074447 Schwarz SC -6.101935 -2.978083 Mean dependent 0.007535 0.014866 S.D. dependent 0.010739 0.055652 Determinant Residual Covariance 2.54E-07 Log Likelihood (d.f. adjusted) 332.8508 Akaike Information Criteria -9.338595 Schwarz Criteria -9.145867