MODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 oleh ERNA MUSTIKASARI NIM. M0111030 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2015 i
perpustakaan.uns.ac.id
ABSTRAK Erna Mustikasari. 2015. MODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Surakarta. Krisis keuangan telah berkali-kali menerpa perekonomian Indonesia sejak tahun 1970 tepatnya pada tahun 1978, 1983, 1986, 1997, dan 2008. Krisis keuangan yang menerpa perekonomian Indonesia pada tahun 1983 terjadi karena kurs rupiah yang terdevaluasi terhadap dolar selepas periode oil boom. Sementara itu, krisis keuangan terparah yang terjadi di pertengahan tahun 1997 diawali dari jatuhnya nilai tukar Bath di Thailand yang kemudian merambat ke Indonesia. Mengingat dampak krisis keuangan pada tahun 1997 yang cukup parah maka perlu adanya sistem pendeteksian krisis keuangan. Sistem pendeteksian krisis keuangan dapat dilakukan dengan pemantauan secara sederhana terhadap indikator makroekonomi seperti rasio cadangan internasional terhadap M2, karena rasio cadangan internasional terhadap M2 merupakan ukuran ketersediaan cadangan. Rasio cadangan internasional terhadap M2 periode September 1983 sampai Desember 2010 diindikasikan memiliki efek heteroskedastisitas dan terdapat perubahan struktur sehingga dapat dimodelkan menggunakan SWARCH dengan asumsi tiga state yaitu volatilitas rendah, volatilitas sedang, dan volatilitas tinggi. Selanjutnya dengan menggunakan model SWARCH didapat nilai inferred probabilities untuk mengidentifikasi krisis keuangan di Indonesia. Periode yang memiliki nilai inferred probabilities lebih dari 0.6 mengindikasikan bahwa periode tersebut dalam kondisi volatilitas yang tinggi sehingga rawan terjadinya krisis. Hasil penelitian menunjukkan rasio cadangan internasional terhadap M2 periode September 1983 sampai Desember 2010 memiliki efek heteroskedastisitas dan terdapat perubahan struktur sehingga dapat dimodelkan menggunakan model SWARCH(3,1) dengan ARMA(1,0) sebagai model rata-rata bersyarat dan ARCH(1) sebagai model variansi bersyarat. Nilai inferred probabilities dari model SWARCH(3,1) bulan Mei 1983, Juni 1983, Juli 1983, Maret 1998, April 1998, Mei 1998 dan Juni 1998 yang lebih besar dari 0.6 menunjukkan bahwa periode-periode tersebut berada pada kondisi volatilitas tinggi yang mengindikasikan terjadinya krisis. Model SWARCH(3,1) berdasarkan indikator rasio cadangan internasional terhadap M2 mampu menangkap kondisi volatilitas yang tinggi pada bulan Mei 1983, Juni 1983, dan Juli 1983 karena krisis keuangan yang menimpa Indonesia pada tahun 1983, serta pada bulan Maret 1998, April 1998, Mei 1998 dan Juni 1998 sebagai dampak krisis keuangan di Indonesia pada pertengahan tahun 1997. iii
ABSTRACT Erna Mustikasari. 2015. FINANCIAL CRISIS MODEL IN INDONESIA BASED ON RATIO OF INTERNATIONAL RESERVES TO M2 INDICATOR. Faculty of Mathematics and Natural Sciences. Sebelas Maret University. Surakarta. The financial crisis has been occured toward Indonesian economy several times since 1970, exactly in 1978, 1983, 1986, 1997, and 2008. The financial crisis in 1983 occurred due to the exchange rate devalued against the dollar after the oil boom period. Meanwhile, the worst financial crisis that occurred in mid-1997, began from the fall of the exchange rate Bath in Thailand which then spread to Indonesia. By considering the impact of the financial crisis in 1997 were quite severe hence the need for the financial crisis detection system. Financial crisis detection system can be simply monitoring toward the macroeconomic indicators such as the ratio of international reserves to M2, because the ratio of international reserves to M2 is a measure of the availability of reserves. The ratio of international reserves to M2 rate from September 1983 to December 2010 has indicated heteroscedasticity effect and there are structure change that can be modeled using SWARCH with three states assumption, these are: low volatility, moderate volatility, and high volatility. Furthermore, the use of SWARCH models obtained inferred probabilities value for identifies financial crisis in Indonesia. The period which has inferred probabilities value more than 0.6 indicate that the period under conditions of high volatility so prone to crisis. The results showed that the ratio of international reserves to M2 rate from September 1983 to December 2010 has the effect of heteroscedasticity and there are structural changes that can be modeled using the SWARCH(3,1) model with ARMA(1,0) as a model of the conditional mean and ARCH(1) as a model of conditional variance. Inferred probabilities value of the SWARCH(3,1) model in May 1983, June 1983, July 1983, March 1998, April 1998, May 1998 and June 1998 were more than 0.6 indicates that the periods of high volatile conditions indicate the occurrence of a crisis. SWARCH(3,1) model based on the ratio of international reserves to M2 indicator capable of capturing high volatile conditions in May 1983, June 1983 and July 1983 because of the financial crisis that hit Indonesia in 1983, and in March 1998, April 1998, May 1998 and June 1998 as the impact of the financial crisis in Indonesia in mid-1997. iv
MOTO Keajaiban adalah kata lain dari kerja keras Barang siapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah untuk dirinya sendiri. (QS Al-Ankabut [29]: 6) v
PERSEMBAHAN Karya ini saya persembahkan untuk Kedua orangtua tercinta saya Ibu Wasikem dan Bapak Ngadimin. Kakak dan adik-adik saya, Rini Wahyuningsih, Asri Susilowati serta Bagus Panuntun. Nur Hady Eko Setiawan dan keluarga besar Matematika 2011. Terima kasih atas bantuan, dukungan serta do anya. vi
KATA PENGANTAR Segala puji dan syukur penulis panjatkan kepada Allah SWT atas limpahan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan penulisan skripsi ini. Penulis sadar akan keterbatasan yang dimiliki serta kebutuhan akan bantuan dan dukungan berbagai pihak. Ucapan terima kasih penulis sampaikan kepada 1. Bapak Drs. Sugiyanto, M.Si., Pembimbing I, atas saran, pengarahan, dan kesabaran yang diberikan dalam membimbing dan memotivasi penulis. 2. Bapak Drs.Muslich, M.Si., Pembimbing II yang telah memberikan saran dan bimbingan dalam penulisan skripsi ini. 3. Semua pihak yang berperan dalam penulisan skripsi ini. Penulis berharap semoga skripsi ini dapat bermanfaat. Surakarta, 4 Mei 2015 Penulis vii
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv MOTO... v PERSEMBAHAN... vi KATA PENGANTAR... vii DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR NOTASI... xii I. PENDAHULUAN 1 1.1 Latar Belakang Masalah... 1 1.2 Perumusan Masalah... 4 1.3 Tujuan Penelitian... 4 1.4 Manfaat Penelitian... 4 II. LANDASAN TEORI 5 2.1 Tinjauan Pustaka... 6 2.2 Teori-Teori Penunjang... 8 2.2.1 Rasio Cadangan Internasional terhadap M2... 8 2.2.2 Log Return... 8 2.2.3 Stasioneritas... 9 2.2.4 ACF dan PACF... 10 2.2.5 Model ARMA... 11 2.2.6 Uji Efek Heteroskedastisitas... 14 2.2.7 Volatilitas... 15 2.2.8 Model ARCH... 15 2.2.9 Uji Diagnostik Model... 19 2.2.9.1 Uji Autokorelasi commit to... user 19 viii
2.2.9.2 Uji Normalitas... 20 2.2.10 Uji Perubahan Struktur... 21 2.2.11 Model Markov Switching... 22 2.2.12 Model Markov Switching ARCH (SWARCH)... 23 2.2.13 Kriteria Informasi... 26 2.2.14 Inferred Probabilities... 26 2.3 Kerangka Pemikiran... 29 III. METODE PENELITIAN 30 IV. HASIL PENELITIAN DAN PEMBAHASAN 32 4.1 Deskripsi Data... 32 4.2 Log Return... 33 4.3 Pembentukan Model ARMA... 34 4.3.1 Identifikasi Model... 34 4.3.2 Estimasi Parameter Model ARMA... 35 4.3.3 Uji Efek Heteroskedastisitas... 35 4.4 Pembentukan Model ARCH... 36 4.4.1 Estimasi Parameter Model ARCH... 36 4.4.2 Uji Diagnostik Model ARCH(2)... 37 4.4.2.1 Uji Autokorelasi... 37 4.4.2.2 Uji Normalitas... 38 4.4.2.3 Uji Efek Heteroskedastisitas... 38 4.4.3 Pemilihan Model Terbaik... 39 4.5 Uji Perubahan Struktur... 40 4.6 Pembentukan Model SWARCH... 41 4.7 Inferred Probabilities... 43 4.8 Identifikasi Krisis Keuangan di Indonesia... 49 V. KESIMPULAN DAN SARAN 51 5.1 Kesimpulan... 51 5.2 Saran... 52 DAFTAR PUSTAKA 53 ix
DAFTAR TABEL Tabel 2.1 Karakteristik ACF dan PACF dalam proses stasioner untuk model AR, MA, ARMA...12 Tabel 4.1 Hasil estimasi parameter model ARMA...35 Tabel 4.2 Hasil estimasi parameter model ARCH dari residu model ARMA(1,0)...36 Tabel 4.3 Hasil estimasi parameter model ARCH(2) menggunakan metode QMLE...39 Tabel 4.4 Hasil estimasi parameter model ARCH(1) menggunakan metode QMLE...40 Tabel 4.5 Uji Chow break point berdasarkan model ARMA(1,0)...41 Tabel 4.6 Hasil estimasi parameter model SWARCH(3,1)...42 Tabel 4.7 Data yang memiliki nilai inferred probabilities di antara 0.4 dan 0.6...45 Tabel 4.8 Data yang memiliki nilai inferred probabilities lebih dari 0.6...48 x
DAFTAR GAMBAR Gambar 4.1 Plot data rasio cadangan internasional terhadap M2...32 Gambar 4.2 Plot log return rasio cadangan internasional terhadap M2...33 Gambar 4.3 Plot ACF dan PACF dari data log return rasio cadangan internasional terhadap M2...34 Gambar 4.4 Plot ACF dan PACF residu model ARCH(2) dengan model ratarata bersyarat ARMA(1,0)...37 Gambar 4.5 Plot nilai inferred probabilities...43 Gambar 4.6 Plot nilai inferred probabilities data di antara 0.4 dan 0.6...44 Gambar 4.7 Plot inferred probabilities lebih dari 0.6...48 xi
DAFTAR NOTASI DAN SIMBOL P t r t T E() γ l ρ l φ ll φ θ p q μ σ 2 x S ε t u t ψ t m α s t f() p ij p jt L : data pada waktu ke-t : log return pada waktu ke-t : banyaknya observasi : harga harapan : autokovariansi pada lag-l : autokorelasi pada lag-l : autokorelasi parsial antara r t dan r t+l : parameter autoregressive : parameter moving average : order dari autoregressive : order dari moving average : rata-rata : variansi : variabel bebas : jumlah kuadrat residu : notasi penjumlahan : residu model rata-rata bersyarat pada waktu t : deret white noise berdistribusi normal dengan variansi satu dan ratarata nol : himpunan semua informasi sampai waktu ke-t : order dari ARCH : parameter ARCH : state t : fungsi densitas probabilitas : probabilitas transisi state i akan diikuti state j : probabilitas state j waktu t berdasarkan informasi ψ t : fungsi likelihood : notasi perkalian xii
l t ω θ Q ξ F H 0 H 1 x t : fungsi log likelihood pada waktu ke-t : vektor parameter ARCH : vektor parameter SWARCH : statistik uji Ljung-Box : statistik uji pengali Lagrange : statistik uji Chow break point : hipotesis nol : hipotesis alternatif : variabel eksogen pada waktu ke-t xiii