BAB 3 METODE PENELITIAN

Transkripsi

1 BAB 3 METODE PENELITIAN 3.1. Pendekatan Penelitian Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif deskriptif. Pendekatan kuantitatif deskripstif merupakan pengujian hipotesis dengan data terukur sehingga diperoleh parameter dari pengaruh perubahan suatu variabel ekonomi terhadap variable ekonomi yang lain serta penjelasan-penjelasan dari asumsi ilmu ekonomi (Muhammad : 2005). Pendekatan kuantitatif dilakukan dengan menggunakan model ekonometrika yang berupa gabungan antara analisa matematis, teori ekonomi, dan statistik. Pendekatan deskriptif digunakan untuk menginterpretasikan hasil estimasi perhitungan dalam menjawab permasalahan. Pendekatan kuantitatif digunakan untuk mendapatkan hubungan, estimasi impulse response dan variance decomposition antar variabel dengan menggunakan analisis VECM (vector error correction model). Sedangkan pendekatan deskriptif digunakan untuk menginterprestasikan hasil estimasi penghitungan VECM dalam menjawab permasalahan. Dalam penelitian ini, penulis menggunakan perangkat lunak Eviews 4.1 untuk menganalisis data yang telah dihimpun Identifikasi Variabel Secara keseluruhan, variabel-variabel yang digunakan dalam penelitian ini adalah suku bunga SBI, Pasar Uang Antar Bank (PUAB) O/N, Suku Bunga Deposito, Suku Bunga Kredit, Indeks Harga Konsumen (IHK). Variabel-variabel 40

2 41 terebut merupakan penggerak otoritas transmisi kebijakan moneter melalui jalur suku bunga. Sehingga perlu diketahui hubungan dari variabel-variabel tersebut dengan menggunakan analisis kausalitas Granger dan estimasi VECM diklasifikasikan menjadi dua model. Variabel yang digunakan dalam uji Granger dan estimasi VECM model 1 adalah suku bunga SBI, Suku Bunga Deposito, Suku Bunga Kredit, Indeks Harga Konsumen (IHK). Sedangkan variabel yang digunakan dalam uji Granger dan estimasi VECM model 2 adalah Pasar Uang Antar Bank (PUAB) O/N, Suku Bunga Deposito, Suku Bunga Kredit, Indeks Harga Konsumen (IHK). Dalam estimasi VECM, semua variabel diperlakukan secara simetris tanpa membedakan variable dependen maupun independen. Hal ini dilakukan karena VECM memperlakukan seluruh variabel sebagai variabel endogen 3.3. Definisi Operasional Variabel Penelitian Definisi serta batasan masing-masing variabel yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Suku Bunga SBI (rsbi) Suku bunga sertifikat Bank Indonesia (SBI), yaitu suku bunga jangka pendek yang diumumkan oleh Bank Indonesia secara periodik untuk jangka waktu satu bulan yang berfungsi sebagai sinyal (stance) kebijakan moneter (Bank Indonesia, 2005). Data yang digunakan dalam penelitian ini dinyatakan dalam persen pada periode 2000;1 2010;4 yang diperoleh dari International Financial Statistic (IFS).

3 42 2. Pasar Uang Antar Bank (rpuab) Adalah kegiatan pinjam meminjam dalam rupiah dan atau valuta asing antar bank konvensional dengan jangka waktu sampai dengan 1 (satu) tahun, PUAB sore Rupiah dimulai pukul WIB. Data yang digunakan dalam penelitian ini dinyatakan dalam persen pada periode 2000;1 2010;4 yang diperoleh dari buku Statistik Ekonomi Keuangan Indonesia (SEKI) berbagai edisi, diterbitkan oleh Bank Indonesia. 3. Suku Bunga Deposito (rdep) Adalah bunga yang diberikan sebagai rangsangan atau balas jasa bagi nasabah yang menyimpan uangnya dibank. Data yang digunakan dalam penelitian ini dinyatakan dalam persen pada periode 2000;1 2010;4 yang diperoleh dari International Financial Statistic (IFS). 4. Suku Bunga Kredit (rkrdt) Adalah bunga yang diberikan kepada para peminjam atau harga yang harus dibayar nasabah peminjam kepada bank. Data yang digunakan dalam penelitian ini dinyatakan dalam persen pada periode 2000;1 2010;4 yang diperoleh dari International Financial Statistic (IFS). 5. Indeks harga konsumen (IHK) Adalah salah satu indikator makro ekonomi yang memberikan informasi mengenai harga barang dan jasa yang dibayar oleh konsumen. Perhitungan IHK dilakukan untuk mengukur inflasi berdasarkan sekumpulan harga pada kebutuhan hidup konsumen. merekam perubahan harga beli ditingkat konsumen. IHK atau CPI digunakan sebagai indikator patokan nilai inflasi. Data yang digunakan dalam penelitian ini dinyatakan dalam indeks pada

4 43 periode 2000;1 2010;4 yang diperoleh dari International Financial Statistic (IFS) Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data runtut waktu (time series) yang merupakan sekumpulan observasi dalam rentang waktu tertentu. Data time series yang digunakan mulai dari tahun 2000 kuartal 1 sampai dengan tahun 2010 kuartal 4 atau 2000;1 2010;4. Sumber data yang digunakan diperoleh dari International Financial Statistic (IFS) dan Statistik Ekonomi Keuangan Indonesia (SEKI) berbagai edisi diterbitkan oleh Bank Indonesia Prosedur Pengumpulan Data Pengumpulan data dilakukan dengan metode dokumenter. Metode ini merupakan cara pengumpulan data dengan membaca bahan-bahan atau materi data yang menjadi sumber, baik yang berasal dari hasil perhitungan yang dilakukan oleh instansi resmi yang berkaitan, jurnal ekonomi atau artikel yang berhubungan dengan permasalahan penelitian ini. Data yang dikumpulkan ditabulasi untuk diolah dan dianalisis, baik secara kualitatif dan kuantitatif Teknik Analisis Vector Error Correction Model (VECM) Metode VECM (Vector Error Correction Model) pertama kali dipopulerkan oleh Engle dan Granger (1987) untuk mengkoreksi disequilibrium jangka pendek terhadap jangka panjangnya. Metode ini digunakan di dalam model VAR non struktural ketika data time series tidak stasioner pada tingkat level,

5 44 namun terkointegrasi. Adanya kointegrasi pada model VECM membuat model VECM disebut sebagai VAR yang teristriksi. VECM merupakan suatu model analisis ekonometrika yang dapat digunakan untuk mengetahui tingkah laku jangka pendek dari suatu variabel terhadap jangka panjangnya akibat adanya shock yang permanen, Kostov dan Lingard, 2000 (dalam ajijah 2008). Gujarati (2003:853) berpendapat bahwa VECM ini dinilai kurang cocok jika digunakan dalam menganalisis suatu kebijakan. Hal ini dikarenakan analisis VECM yang atheoritic dan terlalu menekankan pada forecasting atau peramalan dari suatu model ekonometrika. Menurut Gujarati (2003:387) ada beberapa keuntungan dari persamaan model VECM, yaitu: 1. Mampu melihat lebih banyak variabel dalam menganalisis fenomena ekonomi jangka pendek dan jangka panjang. 2. Mampu mengkaji konsisten tidaknya model empiris dengan teori ekonometrika. 3. Mampu mencari pemecahan terhadap persoalan variabel timeseries yang tidak stasioner dan regresi lancung atau korelasi lancung (spurious regression) dalam analisis ekonometrika. Namun disisi lain menurut Gujarati (2003) terdapat beberapa kelemahan terhadap model persamaan VEC, yaitu: 1. Model VECM merupakan model yang a-theoritic atau tidak berdasarkan teori. 2. Penekanan pada model VECM terletak pada forecasting atau peramalan sehingga model ini kurang cocok untuk digunakan dalam menganalisis kebijakan.

6 45 3. Permasalah besar dalam model persamaan VECM adalah pemilihan lag length atau panjang lag yang tepat. Karena semakin panjang lag, maka akan menambah jumlah parameter yang akan bermasalah pada degrees of freedom. 4. Variabel yang tergabung pada model VECM harus stasioner. Jika tidak stasioner maka perlu dilakukan transformasi data, misalnya melalui first difference. 5. Sering ditemui kesulitan dalam mengintrepretasikan tiap koefisien pada estimasi model VECM, sehingga sebagian besar peneliti melakukan intrepretasi pada estimasi fungsi impluse response dan variance decomposition. Asumsi yang harus dipenuhi dalam analisis VECM adalah semua variabel independen harus bersifat stasioner. Hal ini ditandai dengan semua sisaan bersifat white noise, yaitu memiliki rataan nol, ragam konstan dan diantara variabel tak bebas tidak ada korelasi. Uji kestasioneran data dapat dilakukan melalui pengujian terhadap ada tidaknya unit root dalam variabel dengan uji Augmented Dickey Fuller (ADF). Keberadaan kointegrasi atau hubungan jangka panjang dan jangka pendek di dalam model juga harus dipertimbangkan. Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode Johansen atau Engel-Granger. Jika variabel-variabel tidak terkointegrasi dan stasioner pada ordo yang sama, maka dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS. Akan tetapi jika pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan VECM.

7 46 Data Time Series Uji Stasioneritas Data Stasioner Tidak stasioner VAR bentuk level VAR differensial TIDAK Stasioner first different Terkointegrasi Sumber: Widarjono, 2007:374 VECM Gambar 3.1 PROSES PEMBENTUKAN VECM Langkah-Langkah yang Harus Dilakukan Untuk Mengestimasi VECM Uji Stasioneritas Data Langkah pertama yang harus dilakukan dalam estimasi model ekonomi dengan data time series adalah dengan menguji stasioneritas pada data atau disebut juga stationary stochastic process. Pengertian data yang stasioner adalah data yang memiliki kecenderungan untuk mendekati nilai rata-ratanya dan berfluktuasi di sekitar nilai rata-ratanya (Gujarati, 2003). Uji stasioneritas data dapat dilakukan dengan menggunakan Augmented Dickey Fuller (ADF), yaitu dengan cara membandingkan nilai ADF statistik dengan Mackinnon critical value 1%, 5%, dan 10%. Menurut Gujarati (2003:817) bentuk persamaan uji stasioneritas dengan analisis ADF adalah sebagai berikut:

8 47 Y t p 0 Yt 1 i Yt i 1 t i Dimana : Y t = Bentuk dari first difference α 0 = Intersep Y = Variabel yang diuji stasioneritasnya P = Panjang lag yang digunakan dalam model ε = Error term Stasioner atau tidaknya suatu data dapat dilihat melalui ADF statistik dengan Mackinnon critical value. Dalam persamaan tersebut diketahui bahwa hipotesis nol (Ho) menunjukkan adanya unit root dan hipotesis satu (H 1 ) menunjukkan kondisi tidak ada unit root. Jika dalam uji stasioneritas ini menunjukkan nilai ADF statistik yang lebih besar dari Mackinnon critical value, maka dapat diketahui bahwa data tersebut stasioner karena tidak mengandung unit root. Sebaliknya jika nilai ADF statistik kurang dari Mackinnon critical value, maka dapat disimpulkan data tersebut tidak stasioner pada derajat level. Dengan demikian harus dilakukan differencing data untuk memperoleh data yang stasioner pada derajat yang sama di first different 1, yaitu dengan mengurangi data tersebut dengan data periode sebelumnya Penentuan Lag Optimal Pemilihan lag optimum yang tepat menjadi sangat penting bagi model persamaan VECM. Menurut Haris (1995:65) jika lag yang digunakan dalam uji

9 48 stasioneritas terlalu sedikit, maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara tepat, sehingga model dapat terspesifikasi dengan kurang tepat. Namun, jika lag terlalu panjang akan mengakibatkan banyak derajat kebebasan terbuang. Penentuan lag optimum dapat dilakukan dengan melihat kriteria informasi yang direkomendasikan oleh Final Prediction Error (FPE), Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC), dan Hannan-Quinn (HQ). Beberapa kriteria diatas menggunakan residual sum of square (RSS) tertimbang. Jika terdapat tanda bintang pada lag yang direkomendasikan oleh kriteria diatas, maka hal itu menunjukkan lag optimal Uji Kausalitas Granger Metode yang digunakan untuk menganalisis hubungan kausalitas antar variabel yang diamati adalah dengan uji Kausalitas Granger. Uji kausalitas Granger ditujukan untuk dua hal. Pertama, untuk melihat arah hubungan antar variabel suku bunga SBI, Suku Bunga Deposito, Suku Bunga Kredit dan Inflasi. Kedua, untuk melihat arah hubungan antar variabel suku bunga Pasar Uang Antar Bank (O/N), Suku Bunga Deposito, Suku Bunga Kredit dan consumer price index (CPI). Dalam penelitian ini, ada beberapa kasus yang dapat diintepretasikan dari persamaan Granger Causality (Gujarati, 2003: ). Interpretasi persamaan Granger model 1 adalah sebagai berikut: 1. Unindirectional causality dari rsbi ke rdep, rkrdt dan IHK. Hal ini terjadi ketika koefisien lag rsbi pada persamaan suku bunga rsbi t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag

10 49 rdep, rkrdt dan IHK pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 2. Unindirectional causality dari rdep ke rsbi, rkrdt dan IHK. Hal ini terjadi ketika koefisien lag rdep pada persamaan rdep t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rsbi, rkrdt dan IHK pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 3. Unindirectional causality dari rkrdt ke rdep, rsbi, dan IHK. Hal ini terjadi ketika koefisien lag rkrdt pada persamaan rkrdt t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rdep, rsbi, dan IHK pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 4. Unindirectional causality dari IHK ke rkrdt, rdep dan rsbi. Hal ini terjadi ketika koefisien lag IHK pada persamaan IHK t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rkrdt, rdep dan rsbi pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 5. Feedback/bilaterall causality jika koefisien lag rsbi, lag rdep, lag rkrdt, dan lag IHK adalah secara statistik signifikan berbeda dengan nol pada masing-masing persamaan rsbi t, rdep t, rkrdt t, dan IHK t,. 6. Independece jika koefisien lag rsbi, lag rdep, lag rkrdt, dan lag IHK adalah secara statistik tidak berbeda dengan nol pada masing-masing persamaan rsbi t, rdep t, rkrdt t, dan IHK t,.

11 50 Sedangkan interpretasi persamaan Granger model 2 adalah sebagai berikut: 1. Unindirectional causality dari rpuab ke rdep, rkrdt dan IHK. Hal ini terjadi ketika koefisien lag rpuab pada persamaan rpuab t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rdep, rkrdt dan IHK pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 2. Unindirectional causality dari rdep ke rpuab, rkrdt dan IHK. Hal ini terjadi ketika koefisien lag rdep pada persamaan rdep t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rpuab, rkrdt dan IHK pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 3. Unindirectional causality dari rkrdt ke rdep, rpuab dan IHK. Hal ini terjadi ketika koefisien lag rkrdt pada persamaan KRDT t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rdep, rpuab, dan IHK, pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 4. Unindirectional causality dari IHK ke rkrdt, rdep dan rpuab. Hal ini terjadi ketika koefisien lag IHK pada persamaan IHK t adalah secara statistik signifikan berbeda dengan nol. Sedangkan koefisien lag rkrdt, rdep dan rpuab pada masing-masing persamaannya secara statistik signifikan sama dengan nol. 5. Feedback/bilaterall causality jika koefisien lag rpuab, lag rdep, lag rkrdt, dan lag IHK adalah secara statistik signifikan berbeda dengan nol pada masing-masing persamaan rpuab t, rdep t, rkrdt t, dan IHK t.

12 51 6. Independece jika koefisien lag rpuab, lag rdep, lag rkrdt, dan lag IHK adalah secara statistik tidak berbeda dengan nol pada masing-masing persamaan rpuab t, rdep t, rkrdt t, dan IHK t Uji Kointegrasi (Johansen s Cointegration Test) Kointegrasi merupakan kombinasi hubungan linear dari variabel-variabel yang nonstasioner dan semua variabel tersebut harus terintegrasi pada orde atau derajat yang sama. Variabel-variabel yang terintegrasi akan menunjukkan bahwa variabel tersebut mempunyai trend stokhastik yang sama dan selanjutnya mempunyai arah pergerakan yang sama dalam jangka panjang. Widarjono (2007: ) menjelaskan bahwa salah satu pendekatan yang dapat digunakan dalam uji kointegrasi adalah dengan metode Johansen s Multivariate Cointegration Test. Uji yang dikembangkan oleh Johansen dapat digunakan untuk menentukan kointegrasi sejumlah variabel (vektor). Prosedur pengujian residual ini hampir sama dengan pengujian stasioneritas. Untuk menentukan data tersebut terkointegrasi atau tidak, dapat dilihat dengan membandingkan nilai Max-Eigen dan nilai trace-nya. Jika nilai Max-Eigen dan nilai trace-nya lebih besar dari nilai kritis 1% dan 5%, maka data terkointegrasi dan mempunyai hubungan jangka panjang Estimasi VECM Perilaku dinamis dari VECM dapat dilihat melalui respon dari setiap variabel endogen terhadap kejutan pada variabel tersebut maupun terhadap variabel endogen lainnya. Ada dua cara untuk dapat melihat karakteristik dinamis model VECM, yaitu melalui impulse response function dan variance decomposition. Jika suatu data time series model VAR telah terbukti terdapat

13 52 hubungan kointegrasi, maka VECM dapat digunakan untuk mengetahui tingkah laku jangka pendek dari suatu variabel terhadap nilai jangka panjangnya. VECM juga digunakan untuk menghitung hubungan jangka pendek antar variabel melalui koefisien standar dan mengestimasi hubungan jangka panjang dengan menggunakan lag residual dari regresi yang terkointegrasi. Menurut Harris (1995:77) bahwa secara umum VECM dapat diformulasikan dalam persamaan sebagai berikut: [ ] [ ] [ ] [ ] [ ] Jangka Pendek Jangka Panjang Fungsi Impulse Respon Koefisien pada persamaan VECM sulit untuk diintrepretasikan sehingga impluse respon digunakan untuk dapat mengintrepretasikan persamaan model VECM. Fungsi impluse response menggambarkan tingkat laju dari shock variabel yang satu terhadap variabel yang lainnya pada suatu rentang waktu tertentu, sehingga dapat dilihat lamanya pengaruh dari shock suatu variabel terhadap variabel yang lainnya sampai pengaruhnya hilang atau kembali ke titik keseimbangan. Impluse response dalam penelitian ini difokuskan untuk mengetahui respon suku bunga deposito (rdep), suku bunga kredit (rkrdt) dan Indeks Harga Konsumen (IHK) dan apabila terdapat shock dan.

14 Variance Decompositions Variance decompotition atau disebut juga forecast error variance decompotition merupakan perangkat pada model VECM yang akan memisahkan variasi dari sejumlah variabel yang diestimasi menjadi komponen-komponen shock atau menjadi variabel innovation, dengan asumsi bahwa variabel-variabel innovation tidak saling berkorelasi. Kemudian, variance decompotition akan memberikan informasi mengenai proporsi dari pergerakan pengaruh shock pada sebuah variabel terhadap shock variabel yang lain pada periode saat ini dan periode yang akan datang.

15 BAB IV HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Obyek Penelitian Perkembangan Suku Bunga SBI Perkembangan suku bunga SBI dari tahun 2000 sampai tahun 2010 cenderung fluktuatif. Hal ini dapat dilihat pada grafik 4.1 berikut: ;1 2000;3 2001;1 2001;3 2002;1 Sumber: IFS CD-ROM 2002;3 2003;1 2003;3 2004;1 2004;3 2005;1 Grafik 4.1 PERKEMBANGAN SUKU BUNGA SBI PERIODE 2000 SAMPAI ;3 rsbi 2006;1 2006;3 2007;1 2007;3 2008;1 2008;3 2009;1 2009;3 2010;1 2010;3 Pergerakan suku bunga SBI dari tahun 2000 triwulan pertama hingga tahun 2010 triwulan ke empat adalah fluktuatif. Pergerakan tingkat suku bunga SBI pada periode tersebut berkisar pada rentang 6,5% sampai 17,6%. Suku bunga SBI terendah terjadi pada triwulan ke tiga tahun 2009, sedangkan tingkat suku bunga SBI tertinggi terjadi pada triwulan ptiga tahun

16 55 Pasca krisis 1998 kondisi pergerakan suku bunga SBI terus meningkat perlahan mulai tahun 2000;1 sebesar 11% sampai puncaknya pada tahun 2001;3 sebesar 17,6%. Hal tersebut dilakukan Bank Indonesia untuk mengurangi jumlah uang beredar sehingga dapat menurunkan inflasi. Dengan adanya kebijakan uang ketat dari Bank Indonesia yaitu dengan cara menaikkan tingkat suku bunga SBI dengan harapan agar perbankan lebih memilih untuk menyimpan dananya pada Bank Indonesia. Pergerakan tingkat suku bunga SBI setelah mengalami kenaikan pada puncaknya di tahun 2001;3, kembali menurun perlahan hingga tahun 2004;1 sampai 2005;1 stabil pada tingkat 7,4%. Hal tersebut dilakukan Bank Indonesia karena dianggap prediksi inflasi pada tahun tersebut masih tergolong normal, sehingga suku bunga SBI mengalami kondisi yang stabil pada tingkat 7,4%. Namun setelah tingkat suku bunga SBI mengalami peningkatan kembali mulai tahun 2005;2 dengan angka 8,3% dan pada puncaknya di tahun 2005;4 sebesar 12,8%. kondisi tersebut tidak berangsur lama karena pemerintah menginginkan mengucurnya kredit perbankan ke sektor riil. Hal tersebut membuat Bank Indonesia menurunkan suku bunga SBI, total 300 basis poin dari 12,75% (per 9 januari 2006) menjadi dibawah dua digit yakni 9,75% (per 7 desember 2006). Kredit yang dikucurkan oleh perbankkan berjalan perlahan karena likuiditas perbankan banyak terserap oleh SBI. Sehingga penurunan suku bunga SBI berangsur mulai tahun 2006;2 sampai tahun 2008;1. Setelah tahun 2006;2 samapai 2008;1 mengalami penurunan suku bunga SBI, pada tahun 2008;2 hingga 2008;4 mengalami peningkatan. Namun peningkatan suku bunga SBI tidak berangsur lama. Kondisi tersebut terjadi karena kehawatiran Bank Indonesia akan berdampaknya krisis ekonomi global pada tahun 2008 sampai ke Indonesia. Peningkatan suku bunga SBI yang terjadi hanya

17 56 tahun 2008 kembali menurun pada tahun 2009 sampai 2010 stabil dengan angka 6,5% Perkembangan Suku Bunga Pasar Uang Antar Bank (PUAB) O/N Perkembangan suku bunga pasar uang antar bank (overnight) pada awal periode 2000;1 sebesar 9,46% kemudian terus mengalami peningkatan hingga periode 2002;1 sebesar 16,63%. Periode 2002;2 terus mengalami penurunan hingga periode 2005;3 sebesar 6,86% dan mulai periode 2005;4 hingga 2006;3 mengalami peningkatan menjadi 10,35% karena pada saat itu mulai dirasakan sinyal-sinyal krisis moneter yang akan melanda. Begitu juga pada tahun 2008;1 hingga 2009;2 juga mengalami peningkatan suku bunga pasar uang antar bank yang bertujuan untuk mengenai tekanan inflasi jangka pendek dengan melakukan langkah tersebut guna penguatan operasi moneter dalam pengendalian likuiditas. Mulai periode 2010 relatif stabil sejalan dengan suku bunga SBI yang tidak begitu mengalami perubahan. Naik turunnya suku bunga pasar uang antar bank dilakukan untuk menjaga stabilitas nilai tukar mata uang rupiah ditengah adanya kebijakan intervensi valas. Perkembangan suku bunga pasar uang antar bank (overnight) pada periode 2000;1 sampai tahun 2011;4 dapat dilihat pada gambar 4.2.

18 ;1 2000;3 2001;1 2001;3 2002;1 2002;3 2003;1 2003;3 2004;1 2004;3 2005;1 2005;3 2006;1 2006;3 2007;1 2007;3 2008;1 2008;3 2009;1 2009;3 2010;1 2010;3 rpuab Sumber : Statistik Ekonomi dan Keuangan Indonesia 2000;1-2010;4 (diolah) Grafik 4.2 PERKEMBANGAN SUKU BUNGA PUAB (O/N) PERIODE 2000 SAMPAI Perkembangan Suku Bunga Deposito Perkembangan suku bunga deposito dari tahun 2000 sampai tahun 2010 cenderung fluktuatif.. suku bunga deposito tertinggi sebesar 17,2% pada tahun 2002;1 dan paling rendah sebesar 6,2% pada tahun 2004;2. Awal tahun 2000;1 suku bunga deposito sebesar 12,6% selanjutnya tahun 2000;2 terjadi penurunan namun tidak begitu besar hanya turun 0,7%. Seiring meningkatnya suku bunga SBI dan suku bunga PUAB yang sering dijadikan acuan dalam penentuan suku bunga deposito, pada tahun 2000;3 dengan angka 12,3% sampai pada puncak peningkatannya tahun 2002;1 dengan angka 17,2%. Peningkatan suku bunga deposito terjadi lagi pada tahun 2005;4 dengan angka 10,6% sampai tahun 2006;3 dengan angka 11,3%. Pada tahun 2008 saat krisis ekonomi global merambah, suku bunga deposito mengalami peningkatan pada triwulan ke dua tahun 2008

19 58 samapai dengan tahun 2009 triwulan ke satu dari 7,4% menjadi 11%. Peningkatan suku bunga deposito diharapkan agar masyarakat atau nasabah lebih memilih memasukkan uangnya dalam tabungan. Hal tersebut dilakukan untuk menarik jumlah uang yang beredar dimasyarakat sehingga dapat menekan inflasi. Sedangkan penurunan suku bunga deposito juga terjadi atas sinyal dari suku bunga SBI dan suku bunga PUAB. Pada tahun 2002;2 hingga 2005;2 suku bunga deposito terus mengalami penurunan dari angka 16,2% hingga menjadi 7,0%. Penuunan suku bunga deposito mulai terjadi lagi pada tahun 2006;3 sebesar 11,3% sampai tahun 2008;1 sebesar 7,3% dan pada tahun 2009;2 sampai akhir periode 2010 mengalami penurunan dan selanjutnya dalam keadaan stabil. Penurunan suku bunga deposito diharapkan dapat meningkatkan permintaan akan kredit terutama harapan pemerintah pada sektor riil sehngga dapat meningkatkan usaha dan produktifitas dalam negeri ;1 2000;3 2001;1 2001;3 2002;1 2002;3 Sumber: IFS CD-ROM 2003;1 2003;3 2004;1 2004;3 2005;1 2005;3 rdep 2006;1 2006;3 2007;1 2007;3 2008;1 2008;3 2009;1 Grafik 4.3 PERKEMBANGAN SUKU BUNGA DEPOSITO PERIODE 2000 SAMPAI ;3 2010;1 2010;3

20 Perkembangan Suku Bunga Kredit Perkembangan suku bunga kredit dari tahun 2000 sampai tahun 2010 cenderung fluktuatif. Hal ini dapat dilihat pada grafik 4.4 berikut: ;1 2000;3 2001;1 2001;3 2002;1 2002;3 Sumber: IFS CD-ROM 2003;1 2003;3 2004;1 2004;3 2005;1 2005;3 rkrdt 2006;1 2006;3 2007;1 2007;3 2008;1 2008;3 Grafik 4.4 PERKEMBANGAN SUKU BUNGA KREDIT PERIODE 2000 SAMPAI ;1 2009;3 2010;1 2010;3 Pergerakan suku bunga kredit di Indonesia bergelombang naik turun. Namun naik turun dari suku bunga kredit tidak terlalu tajam. Suku bunga kredit tertinggi sebesar 19,6% pada tahun 2000;1 dan yang paling rendah sebesar 12,9% pada tahun 2010;4. Pada tahun 2000 suku bunga kredit masih tergolong tinggi karen masih dirasakan akibat dari krisis tahun Pasca krisis tersebut, bank tidak mau menanggung resiko apabila banyak kredit macet (pinjaman tidak kembali) sehingga suku bunga kredit masih tergolong tinggi. Namun suku bunga kredit mengalami sedikit penurunan hingga tahun 2001 triwulan ke dua. Namun sedikit naiknya suku bunga SBI dan suku bunga PUAB pada tahun 2001;3 membuat suku bunga kredit meningkat juga namun hanya sedikit peningkatannya.

21 60 Setelah suku bunga kredit mengalami sedikit peningkatan, pada tahun 2002;2 hingga 2005;3 mengalami penurunan yang sedikit bergelombang. Pada tahun 2005;4 suku bunga kredit mengalami kenaikan kembali hingga 2006;2 karena terjadi kenaikan suku bunga SBI dan PUAB demi menjaga stabilitas perekonomian. Pada tahun 2006;2 suku bunga kredit mengalami penurunan karena pemerintah mengharapkan semakin banyak sektor riil yang meminjam dana pada bank sehingga terjadi peningkatan output hingga tahun 2008;1. Adanya krisis ekonomi global mengakibatkan perbankan sedikit menaikkan suku bunga kredit pada tahun 2008 triwulan ke empat hingga tahun 2009 triwulan pertama dan pergerakan suku bunga kredit selanjutnya mengalami penurunan dengan nilai perubahan yang sedikit (stabil) Perkembangan Indeks Harga Konsumen (IHK) Di Indonesia Indeks harga konsumen (IHK) ini digunakan untuk mengukur keseluruhan tingkat harga dalam sutu perekonomian. Indeks Harga Konsumen (IHK) ini juga mempehitungkan peningkatn daya beli uang dan dapat mengukur tingkat inflasi suatu negara dan juga sebagai pertimbangan untuk penyesuaian gaji, upah, uang pensiun, dan kontrak lainnya. Persentase perubabahan indeks harga konsumen inilah yang disebut tingkat inflasi. Perkembangan Indeks Harga Konsumen (IHK) dari tahun 2000 sampai tahun 2010 mengalami trend yang terus meningkat. Pada tahun tertentu terdapat pergerakan penurunan nilai Indeks Harga Konsumen (IHK) namun tidak besar, hal ini dapat dilihat pada grafik 4.5 berikut:

22 ;1 2000;3 2001;1 2001;3 2002;1 2002;3 Sumber: IFS CD-ROM 2003;1 2003;3 2004;1 2004;3 2005;1 Grafik 4.5 PERKEMBANGAN INDEKS HARGA KONSUMEN (IHK) DI INDONESIA PERIODE 2000 SAMPAI ;3 IHK 2006;1 2006;3 2007;1 2007;3 2008;1 2008;3 2009;1 2009;3 2010;1 2010;3 Indeks harga konsumen (IHK) terlihat jelas pergerakannya apabila di hitung dengan menggunakan rumus dijadikan dalam angka inflasi. Peningkatan yang tinggi pada tahun 2005;4, angka perhitungan inflasinya sebesar 10,34%. Peningkatan tersebut dikarenakan efek dari penurunan suku bunga SBI, suku bunga PUAB, suku buga deposito dan suku bunga kredit yang mengakibatkan pergerakan inflasi menjadi meningkat karena jumlah uang beredar di masyarakat banyak. Pergerakan indeks harga konsumen (IHK) dapat menjadi parameter pergerakan inflasi. Apabila pergerakan Pergerakan indeks harga konsumen (IHK) naik cukup tinggi, maka untuk menekan pertumbuhannya dengan cara menaikkan suku bunga SBI agar jumlah uang beredar dapat terserap oleh Bank Indonesia sehingga nilai rupiah tidak melemah dan daya beli masyarakat terkontrol.

23 Analisis Model Uji Stasioneritas Data Uji stasioneritas Augmented Dickey-Fuller (ADF) dilakukan pada tingkat level-trend and intercept. Hasil uji stasioneritas data pada kedua model penelitian adalah sebagai berikut : Tabel 4.1 Hasil Uji ADF : Level None Model Variabel ADF t-statistik MacKinnon Critical Value Sumber : Hasil estimasi menggunakan Eviews 4.1 1% 5% 10% 1 SBI -1, , , , DEP -1, , , , KRDT -0, , , , IHK 7, , , , PUAB -0, , , , DEP -1, , , , KRDT -0, , , , IHK 7, , , , Dari hasil uji tersebut dapat diketahui bahwa semua variabel endogen yang diajukan pada model 1 dan 2 tidak stasioner di tingkat level-none. Hal ini dapat diketahui dari nilai ADF t-statistik variabel-variabel tersebut yang lebih kecil daripada nilai MacKinnon critical value-nya baik pada derajat kesalahan 1%, 5% maupun 10%. Oleh karena itu, perlu dilakukan uji akar unit kembali pada tingkat selanjutnya yaitu first different-none. Hasil pengujian akar unit pada tingkat first different-none dari seluruh variabel endogen yang diajukan pada kedua model adalah sebagai berikut:

24 63 Tabel 4.2 Hasil Uji ADF : First Different None MacKinnon Critical Value Model Variabel ADF t-statistik 1% 5% 10% 1 SBI *** -2, , , , DEP *** -3, , , , KRDT *** -3, , , , IHK *** -2, , , , PUAB *** -4, , , , DEP *** -3, , , , KRDT *** -3, , , , IHK *** -2, , , , Sumber : Hasil estimasi menggunakan Eviews 4.1 Catatan : *** Signifikan pada α = 1% Pada tabel 4.2 dapat dilihat bahwa pada bentuk first difference-none seluruh variabel telah stasioner dengan tingkat signifikasi 1%,5%, dan10%. Hal ini dapat diketahui dari nilai ADF Statistik seluruh variabel endogen yang lebih besar dari nilai MacKinnon critical value-nya baik pada derajat kesalahan 1%, 5%, maupun 10%. Oleh karena semua variabel stasioner pada tingkat yang sama, yakni firt different maka seluruh variabel endogen yang diajukan dapat digunakan untuk pengujian regresi selanjutnya pada tingkat first different-none Penentuan Lag Length Optimal Lag optimal ysng digunakan dalam model analisis VECM merupakan jumlah lag yang memberikan pengaruh atau respon yang signifikan. Pemilihan lag yang tepat akan menjadi penting karena pemilihan lag yang tepat akan menghasilkan residual yang terbebas dari permasalahan autokorelasi dan heteroskedasitas. Penentuan lag length optimal pada penelitian ini menggunakan

25 64 pemilihan kriteria informasi dengan metode Final Prediction Error (FPE), Aike Information Criterion (AIC), Schwarz Criterion (SC), dan Hannan-Quinn (HQ). Proses pengujian dalam penentuan lag length optimal pada penelitian ini menggunakan perangkat lunak Eviews versi 4.1 seperti pada tabel 4.3 berikut ini: Tabel 4.3 Hasil Pengujian Lag Length Optimal Model Lag LR FPE AIC SC HQ 1 0 NA 106,171 18, , , ,2109 0, , , , ,29262* 0, , ,36697* 7,408990* 3 24, ,011338* 6,781412* 8, , NA 1205,220 18, , , ,0802 0, , ,03226* 9, ,40444* 0,073664* 8,714217* 10, ,262110* Sumber: Hasil estimasi menggunakan Eviews 4.1 Keterangan : * menunjukkan lag yang direkomendasikan Eviews 4.1 Dari tabel 4.3 dapat diketahui bahwa Eviews 4.1 telah merekomendasikan lag optimal pada kedua model. Lag optimal pada model 1 adalah lag 2. Sedangkan lag optimal pada model 2 adalah lag Uji Kausalitas Granger Persamaan Granger Model 1 Uji Granger menunjukkan bahwa terdapat tiga, hubungan feedback/bilaterall causality pada persamaan Granger model 1. Hal ini dapat dilihat pada tabel 4.4 berikut :

26 65 Tabel 4.4 Hubungan Feedback/Bilaterall Causality Pada Persamaan Granger Model 1 Hipotesis Nol (H 0 ) Probabilitas rkrdt does not Granger cause rsbi rsbi does not Granger cause rkdrt 2.1E-05 IHK does not Granger cause rsbi rsbi does not Granger cause IHK IHK does not Granger cause rkrdt rkrdt does not Granger cause IHK Sumber : Hasil estimasi menggunakan Eviews 4.1 Suku bunga kredit dan suku bunga SBI memiliki hubungan feedback/bilaterall causality. Hipotesis nol yang menyatakan bahwa suku bunga kredit tidak berhubungan dengan suku bunga SBI ditolak pada tingkat signifikasi 1%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga SBI tidak berhubungan dengan suku bunga kredit juga ditolak pada tingkat signifikasi 1%. Dengan demikian, suku bunga kredit berhubungan dengan suku bunga SBI dan sebaliknya suku bunga SBI juga berhubungan dengan suku bunga kredit. Indeks harga konsumen (IHK) dan suku bunga kredit memiliki hubungan feedback/bilaterall causality. Hipotesis nol yang menyatakan bahwa indeks harga konsumen (IHK) tidak berhubungan dengan suku bunga SBI ditolak pada tingkat signifikasi 1%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga SBI tidak berhubungan dengan indeks harga konsumen (IHK) juga ditolak pada tingkat signifikasi 10%. Dengan demikian, indeks harga konsumen (IHK) berhubungan dengan suku bunga SBI dan sebaliknya suku bunga SBI juga berhubungan dengan indeks harga konsumen (IHK). Indeks harga konsumen (IHK) dan suku bunga kredit memiliki hubungan feedback/bilaterall causality. Hipotesis nol yang menyatakan bahwa indeks harga konsumen (IHK) tidak berhubungan dengan suku bunga kredit ditolak pada

27 66 tingkat signifikasi 5%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga kredit tidak berhubungan dengan indeks harga konsumen (IHK) juga ditolak pada tingkat signifikasi 10%. Dengan demikian, indeks harga konsumen (IHK) berhubungan dengan suku bunga kredit dan sebaliknya suku bunga kredit juga berhubungan dengan indeks harga konsumen (IHK). Uji Granger menunjukkan terdapat satu hubungan interdependence pada persamaan Granger model 1. Hal ini dapat dilihat pada tabel 4.5 berikut : Tabel 4.5 Hubungan Interdependence Pada Persamaan Granger Model 1 Hipotesis Nol (H 0 ) Probabilitas rkrdt does not Granger cause rdep rdep does not Granger cause rkdrt Sumber : Hasil estimasi menggunakan Eviews 4.1 Suku bunga kredit dan suku bunga deposito memiliki hubungan interdependence. Hipotesis nol yang menyatakan bahwa suku bunga kredit tidak berhubungan dengan suku bunga deposito diterima pada tingkat signifikasi 10%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga deposito tidak berhubungan dengan suku bunga kredit juga diterima pada tingkat signifikasi 10%. Dengan demikian, suku bunga kredit tidak berhubungan dengan suku bunga deposito dan sebaliknya suku bunga deposito juga tidak berhubungan dengan suku bunga kredit. Uji Granger juga menunjukkan bahwa terdapat dua hubungan unindirectional causality pada persamaan Granger model 1. Hal ini dapat dilihat tabel 4.6 berikut :

28 67 Tabel 4.6 Hubungan Unindirectional Causality Pada Persamaan Granger Model 1 Hipotesis Nol (H 0 ) Probabilitas rdep does not Granger cause rsbi rsbi does not Granger cause rdep 4.7E-08 IHK does not Granger cause rdep rdep does not Granger cause IHK Sumber : Hasil estimasi menggunakan Eviews 4.1 Unindirectional causality pertama terjadi dari variabel suku bunga SBI ke suku bunga deposito pada =1%. Unindirectional causality kedua terjadi dari variabel indeks harga konsumen (IHK) ke suku bunga deposito pada =5% Persamaan Granger Model 2 Uji Granger menunjukkan bahwa terdapat dua hubungan feedback/bilaterall causality pada persamaan Granger model 2. Hal ini dapat dilihat pada tabel 4.7 berikut : Tabel 4.7 Hubungan Feedback/Bilaterall Causality Pada Persamaan Granger Model 2 Hipotesis Nol (H 0 ) Probabilitas rdep does not Granger cause rpuab rpuab does not Granger cause rdep IHK does not Granger cause rkrdt rkrdt does not Granger cause IHK Sumber : Hasil estimasi menggunakan Eviews 4.1 Suku bunga deposito dan suku bunga PUAB memiliki hubungan feedback/bilaterall causality. Hipotesis nol yang menyatakan bahwa suku bunga deposito tidak berhubungan dengan suku bunga PUAB ditolak pada tingkat signifikasi 5%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga PUAB tidak berhubungan dengan suku bunga deposito juga ditolak pada tingkat signifikasi 10%. Dengan demikian, suku bunga deposito berhubungan dengan

29 68 suku bunga PUAB dan sebaliknya suku bunga PUAB juga berhubungan dengan suku bunga deposito. Indeks harga konsumen (IHK) dan suku bunga kredit memiliki hubungan feedback/bilaterall causality. Hipotesis nol yang menyatakan bahwa indeks harga konsumen (IHK) tidak berhubungan dengan suku bunga kredit ditolak pada tingkat signifikasi 5%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga kredit tidak berhubungan dengan indeks harga konsumen (IHK) juga ditolak pada tingkat signifikasi 10%. Dengan demikian, indeks harga konsumen (IHK) berhubungan dengan suku bunga kredit dan sebaliknya suku bunga kredit juga berhubungan dengan indeks harga konsumen (IHK). Uji Granger menunjukkan bahwa terdapat satu hubungan interdependence pada persamaan Granger model 2. Hal ini dapat dilihat pada tabel 4.8 berikut : Tabel 4.8 Hubungan Interdependence Pada Persamaan Granger Model 2 Hipotesis Nol (H 0 ) Probabilitas rkdrt does not Granger cause rdep rdep does not Granger cause rkdrt Sumber : Hasil estimasi menggunakan Eviews 4.1 Suku bunga kredit dan suku bunga deposito memiliki hubungan interdependence. Hipotesis nol yang menyatakan bahwa suku bunga kredit tidak berhubungan dengan suku bunga deposito diterima pada tingkat signifikasi 10%. Sedangkan hipotesis nol yang menyatakan bahwa suku bunga deposito tidak berhubungan dengan suku bunga kredit juga diterima pada tingkat signifikasi 10%. Dengan demikian, suku bunga kredit tidak berhubungan dengan suku bunga deposito dan sebaliknya suku bunga deposito juga tidak berhubungan dengan suku bunga kredit.

30 69 Uji Granger juga menunjukkan bahwa terdapat tiga hubungan unindirectional causality pada persamaan Granger model 2. Hal ini dapat dilihat tabel 4.9 berikut : Tabel 4.9 Hubungan Unindirectional Causality Pada Persamaan Granger Model 2 Hipotesis Nol (H 0 ) Probabilitas rkdrt does not Granger cause rpuab rpuab does not Granger cause rkdrt IHK does not Granger cause rpuab rpuab does not Granger cause IHK IHK does not Granger cause rdep rdep does not Granger cause IHK Sumber : Hasil estimasi menggunakan Eviews 4.1 Unindirectional causality pertama terjadi dari variabel suku bunga PUAB ke suku bunga kredit pada =10%. Unindirectional causality kedua terjadi dari variabel indeks harga konsumen (IHK) ke suku bunga PUAB pada =5%. Sedangkan unindirectional causality ketiga terjadi dari variabel indeks harga konsumen (IHK) ke suku bunga deposito pada =5% Uji Kointegrasi Pengujian kointegrasi bertujuan untuk mengetahui apakah variabelvariabel yang digunakan dalam persamaan dalam penelitian ini memiliki hubungan jangka panjang. Granger berpendapat bahwa jika variabel-variabel yang diamati memiliki derajat integrasi yang sama, maka variabel-variabel tersebut telah berkointegrasi atau memiliki hubungan jangka panjang. Pada penelitian ini, uji kointegrasi dilakukan dengan menggunakan metode Johansen s Cointegration Test. Hasi dari uji Johansen s Cointegration model ke satu dapat

31 70 dilihat pada tabel 4.10 dan 4.11, pada model ke dua dapat dilihat pada tabel 4.12 dan 4.13 sebagai berikut: Tabel 4.10 Hasil Uji Kointegrasi Model 1 (Johansen s Cointegration Test- trace statistic) Unrestricted Cointegration Rank Test Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value None ** At most 1 * At most At most *(**) denotes rejection of the hypothesis at the 5%(1%) level Tabel 4.11 Hasil Uji Kointegrasi model 1 dengan metode Johansen s Cointegration Test (maximum eigenvalue statistic) Hypothesized Max-Eigen 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value None * At most 1 * At most At most *(**) denotes rejection of the hypothesis at the 5%(1%) level Tabel 4.12 Hasil Uji Kointegrasi Model 2 (Johansen s Cointegration Test- trace statistic-) Unrestricted Cointegration Rank Test Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value None At most At most At most 3 ** *(**) denotes rejection of the hypothesis at the 5%(1%) level

32 71 Tabel 4.13 Hasil Uji Kointegrasi model 2 dengan metode Johansen s Cointegration Test (maximum eigenvalue statistic) Hypothesized Max-Eigen 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical Value Critical Value None At most At most At most 3 ** *(**) denotes rejection of the hypothesis at the 5%(1%) level Uji kointegrasi dalam penelitian ini seperti yang diperlihatkan pada tabel 4.10, 4.11, 4.12 dan 4.13 menunjukkan bahwa variabel-variabel dalam 2 model penelitian ini memiliki kestabilan jangka panjang. Uji kointegrasi Johansen s dilakukan dengan membandingkan nilai trace statistic dan max-eigen statistic dengan nilai kritisnya pada tingkat signifikansi 1% dan 5%. Pada model ke satu, terdapat kestabilan jangka panjang pada variabel-variabelnya ditunjukkan dari nilai trace statistic yang lebih besar dari nilai kritis 1% dan 5%. Selain itu, nilai masx-eigen pada model ke satu juga lebih besar dari nilai kritis 5%. Sedangkan pada model ke dua, juga terdapat kestabilan jangka panjang pada variabelvariabelnya ditunjukkan dari nilai trace statistic yang lebih besar dari nilai kritis 1%. Nilai masx-eigen pada model ke dua juga lebih besar dari nilai kritis 1%. Sehingga, hipotesis nol ( ) yang menyatakan bahwa tidak ada kointegrasi ditolak dan hipotesis alternative ( ) yang menyatakan bahwa ada kointegrasi diterima. Maka dapat disimpulkan bahwa model ke satu terdapat hubungan jangka panjang antara suku bunga deposito, suku bunga kredit dan IHK terhadap suku bunga SBI. Model ke dua juga dapat disimpulkan bahwa terdapat hubungan

33 72 jangka panjang antara suku bunga deposito, suku bunga kredit dan IHK terhadap suku bunga PUAB Estimasi VECM Estimasi koefisien pada persamaan struktural VECM tidak dapat menjelaskan prilaku dinamis dari model VECM. Sehingga, banyak praktisi menyarankan menggunakan impluse response (IRF) dan variance decomposition (FEVD). Menurut Widarjono (2007: ) impluse response menunjukkan berapa lama pengaruh shock variabel yang satu terhadap variabel yang lainnya serta untuk melacak dampak shock dari variabel endogen terhadap variabel lainnya. Sedangkan variance decomposition berguna untuk memprediksi kontribusi persentase varian setiap variabel karena adanya perubahan atau shock pada variabel tertentu Deskripsi Hasil Penelitian Deskripsi Hasil Impulse Response Impulse Response Persamaan VECM Model 1 Pembahasan mengenai impulse response pada persamaan VECM model 1 difokuskan pada respon variabel suku bunga deposito, suku bunga kredit, indeks harga konsumen (IHK) terhadap shock variabel suku bunga SBI. Sumbu horisontal menunjukkan periode waktu dimana satu periode mewakili satu kuartal. Sedangkan sumbu vertikal menunjukkan perubahan suku bunga deposito, suku bunga kredit, indeks harga konsumen (IHK) akibat shock variabel suku bunga SBI. Dimana, perubahan ini dinyatakan dalam satuan standar deviasi (SD). Secara

34 73 keseluruhan suku bunga deposito merespon shock variabel suku bunga SBI secara positif. Hal ini dapat dilihat dari gambar impulse response berikut : Sumber : Hasil estimasi menggunakan Eviews 4.1 Gambar 4.6 RESPON SUKU BUNGA DEPOSITO TERHADAP SHOCK VARIABEL SUKU BUNGA SBI Respon suku bunga deposito terhadap shock variabel suku bunga SBI pada periode pertama langsung menunjukkan respon yang positif. Puncak dari respon positif suku bunga deposito terhadap perubahan suku bunga SBI terjadi pada periode ketiga. Penambahan suku bunga SBI sebesar 1 SD direspon dengan kenaikan suku bunga deposito sebesar SD. Namun setelah periode ketiga respon suku bunga deposito terhadap suku bunga SBI relatif menurun, tetapi masih bergerak positif. Penurunan tersebut terjadi hingga periode ketujuh, ketika penambahan suku bunga SBI sebesar 1 SD direspon dengan penurunan suku bunga deposito sebesar SD. Selanjutnya pada periode kedelapan suku bunga deposito merespon positif kembali, bergerak cukup stabil pada kuadran positif pada shock variabel suku bunga SBI sampai dengan periode kesepuluh. Respon suku bunga deposito terhadap variabel suku bunga SBI bergerak positif

35 74 dimana penambahan suku bunga SBI sebesar 1 SD direspon dengan peningkatan suku bunga deposito sebesar SD. Gambar 4.7 menunjukkan perubahan suku bunga kredit dalam merespon shock suku bunga SBI. Secara keseluruhan suku bunga kredit merespon shock variabel suku bunga SBI secara positif. Hal ini dapat dilihat dari gambar impulse response berikut : Sumber : Hasil estimasi menggunakan Eviews 4.1 Gambar 4.7 RESPON SUKU BUNGA KREDIT TERHADAP SHOCK VARIABEL SUKU BUNGA SBI Secara umum, respon suku bunga kredit terhadap shock variabel suku bunga SBI pola pergerakannya hampir sama dengan respon suku bunga deposito terhadap shock variabel suku bunga SBI. Pada periode pertama, respon suku bunga kredit terhadap shock variabel suku bunga SBI langsung menunjukkan respon yang positif. Puncak dari respon positif suku bunga kredit terhadap perubahan suku bunga SBI terjadi pada periode ketiga. Penambahan suku bunga SBI sebesar 1 SD direspon dengan kenaikan suku bunga kredit sebesar SD. Namun setelah periode ketiga respon suku bunga kredit terhadap suku bunga SBI relatif menurun, tetapi masih bergerak positif. Penurunan tersebut

36 75 terjadi hingga periode ketujuh, ketika penambahan suku bunga SBI sebesar 1 SD direspon dengan penurunan suku bunga kredit sebesar SD. Selanjutnya pada periode kedelapan suku bunga kredit merespon positif kembali, bergerak cukup stabil pada kuadran positif pada shock variabel suku bunga SBI sampai dengan periode kesepuluh. Respon suku bunga kredit terhadap variabel suku bunga SBI bergerak positif dimana penambahan suku bunga SBI sebesar 1 SD direspon dengan peningkatan suku bunga kredit sebesar SD. Sumber : Hasil estimasi menggunakan Eviews 4.1 Gambar 4.8 RESPON INDEKS HARGA KONSUMEN (IHK) TERHADAP SHOCK VARIABEL SUKU BUNGA SBI Gambar 4.8 menunjukkan perubahan indeks harga konsumen (IHK) dalam merespon shock suku bunga SBI. Secara keseluruhan indeks harga konsumen (IHK) merespon shock variabel suku bunga SBI berada pada kuadran positif. Pada periode pertama hingga keempat, keseluruhan indeks harga konsumen (IHK) merespon shock variabel suku bunga SBI menurun namun tetap pada kuadran positif. Pada periode keempat, penambahan suku bunga SBI sebesar 1 SD

37 76 direspon dengan penurunan indeks harga konsumen (IHK) sebesar SD. Selanjutnya pada periode kelima hingga kesepuluh mengalami respon yang cukup stabil, walau terdapat sedikit pergerakan naik turun pada periode ketujuh mengalami sedikit penurunan dan meningkat pada periode kesembilan hingga sepuluh. Pada periode kesepuluh, penambahan suku bunga SBI sebesar 1 SD direspon dengan peningkatan indeks harga konsumen (IHK) sebesar SD Impulse Response Persamaan VECM Model 2 Pembahasan mengenai impulse response pada persamaan VECM model 2 difokuskan pada respon variabel suku bunga deposito, suku bunga kredit, indeks harga konsumen (IHK) terhadap shock variabel suku bunga PUAB. Sumbu horisontal menunjukkan periode waktu selama 10 kuartal. Sedangkan sumbu vertikal menunjukkan perubahan suku bunga deposito, suku bunga kredit, indeks harga konsumen (IHK) akibat shock variabel suku bunga PUAB. Dimana, perubahan ini dinyatakan dalam satuan standar deviasi (SD). Sumber : Hasil estimasi menggunakan Eviews 4.1 Gambar 4.9 RESPON SUKU BUNGA DEPOSITO TERHADAP SHOCK VARIABEL SUKU BUNGA PUAB

38 77 Pada gambar 4.9 menunjukkan perubahan suku bunga deposito dalam merespon shock suku bunga PUAB. Secara keseluruhan suku bunga deposito merespon shock variabel suku bunga PUAB berada pada kuadran positif. Pada awal periode hingga periode kedua mengalami peningkatan dimana penambahan suku bunga PUAB sebesar 1 SD direspon dengan kenaikan suku bunga deposito sebesar SD. Namun pada periode ketiga suku bunga deposito merespon shock variabel suku bunga PUAB seikit menurun hingga periode kelima. Pada periode kelima dimana penambahan suku bunga PUAB sebesar 1 SD direspon dengan penurunan suku bunga deposito sebesar SD. Selanjutnya periode keenam sampai kesepuluh kenaikan dan penurunan suku bunga deposito merespon shock variabel suku bunga PUAB berjalan cukup stabil walau mengalami pergerakan naik turun cukup kecil. Periode keenam sampai kedelapan mengalami sedikit penurunan dan kembali terdapat peningkatan pada periode sembilan. Hingga pada akhir periode yaitu periode kesepuluh, penambahan suku bunga PUAB sebesar 1 SD direspon dengan sedikit penurunan suku bunga deposito sebesar SD. Gambar 4.10 menunjukkan perubahan suku bunga kredit dalam merespon shock suku bunga PUAB. Secara keseluruhan suku bunga kredit merespon shock variabel suku bunga PUAB secara positif. Hal ini dapat dilihat dari gambar impulse response berikut :