40 BAB III METODOLOGI PENELITIAN A. Jenis Data Data yang digunakan dalam enelitian ini adalah data kuantitatif yaitu data yang berbentuk angka. Jenis data yang digunakan dalamenelitian ini adalah data sekunder (time series). Data sekunder adalah data yang dieroleh eneliti melalui sumber kedua, baik melalui internet mauun bukan dari internet yang telah diublikasikan oleh instansi terkait. Sumber data sekunder dieroleh dari statistik ekonomi dan keuangan Indonesia ublikasi Bank Indonesia, Statistik Indonesia ublikasi Biro Pusat Statistik, Statistik Otoritas Jasa Keuangan (OJK), dan Statistik Kementrian Dagang Reublik Indonesia. B. Teknik Pengumulan Data Teknik engumulan data dalam enelitian ini adalah melaui studi ustaka dan dokumentasi. Studi ustaka dilakukan dengan mengumulkan informasi melalui endalaman literature-literatur yang berkaitan dengan obyek studi. Teknik dokumentasi dilakukan dengan menelusuri dan mendokumentasikan data-data dan informasi yang berkaitan.
41 C. Definisi Oerasional Variabel Variabel-variabel yang digunakan dalam enelitian ini adalah sebagai berikut: a. Permintaan Uang (Md) Permintaan uang yaitu jumlah uang kas yang diminta sebenernya tidak ada dalam kenyataan (unobservable), yang ada hanya jumlah uang beredar. Jadi, yang bisa diketahui/ dihitung adalah jumlah uang yang ada dimasyarakat (suly of money). Untuk mengetahui/ menghitung jumlah uang yang diminta diakai asumsi sebagai enaksir jumlah uang yang diminta (Noirin, 1998). Dalam enelitian ini jumlah uang yang diminta diakai dari banyaknya jumlah uang beredar dalam arti luas (M2) tahun 2011-2016 triwulan ke-1 samai triwulan ke-4 dari Statistik Kementerian Dagang Reublik Indonesia. b. Tingkat Pendaatan Nasional Diroxi dari Industrial Production Index (IPI) yaitu indeks roduksi bulanan Industri Besar dan Sedang. Angka indeks yang dihasilkan menggambarkan erkembangan roduksi sektor industri manufaktur secara lebih dini serta data series yang lebih anjang dan lengka karena sifatnya yang dirancang secara eriodik bulanan. Data yang diambil ada eriode triwulan ke-1 samai triwulan ke-4 tahun 2011-2016 yang dieroleh dari Badan Pusat Statistik (BPS). c. Tingkat Suku Bunga Riil
42 Tingkat suku bunga yang digunakan dalam enelitian ini adalah BI Rate tahun 2011-2016 triwulan ke-1 samai triwulan ke-4 yang kemudian diriilkan dengan formula berikut: r riil = 1+r nom 1+inf Dimana: r riil = suku bunga riil r nom = suku bunga nominal inf = laju inflasi d. Tingkat Harga Tingkat harga yang digunakan adalah Indeks Harga Konsumen yaitu salah satu indikator ekonomi yang memberikan informasi mengenai harga barang dan jasa yang dibayar oleh konsumen dari Badan Pusat Statistik ada tahun 2011-2016 triwulan ke-1 samai triwulan ke-4. e. Nilai Tukar (Kurs) Adalah nilai tukar ruiah terhada mata uang asing. Data kurs dari Statistik Kementerian Dagang Reublik Indonesia ada tahun 2011-2016 triwulan ke-1 samai triwulan ke-4. f. Bagi Hasil Adalah suatu sistem yang meliuti embagian hasil usaha antara emodal dan engelola dana embagian hasil usaha. Data yang diakai adalah data tingkat bagi hasil ada akad embiayaan mudharabah dan musyarakah Bank Pembiayaan Rakyat Syariah yang dieroleh dari
43 Statistik Perbankan Syariah BI (SPS-BI) tahun 2011-2016 triwulan ke- 1 samai triwulan ke-4. D. Metode Analisis Data Penelitian ini menggunakan metode Vector Autoregression (VAR) atau Vector Error Correction Model (VECM). Pemilihan dengan model VAR dalam enelitian ini dengan ertimbangan meminimalkan endekatan teori dengan tujuan agar mamu menangka fenomena ekonomi dengan baik. 60 1. Vector autoregression (VAR) Penyemurnaan ersamaan simultan untuk mengidentifikasi variabel eksogen dan endogen ada sistem dikritisi oleh Cristoer A. Sims (1980). Tidak setia teori mamu menjelaskan hubungan variabel ekonomi dengan baik, baik itu enjelasan teori terlalu rumit untuk menjelaskan fenomena yang ada atauun fenomena yang terjadi terlalu sulit untuk dijelaskan dengan teori yang ada. Sims menyarankan enggunaan model Vector Autoregression (VAR) untuk melakukan eramalan ada data time-series yang bersifat non struktural atau meruakan model tidak teoritis (ateoritis). VAR meruakan salah satu model yang mamu menganalisis hubungan saling ketergantungan variabel time series. Dalam VAR kita erlu memerhatikan dua hal yaitu: (1) VAR yang dikembangkan oleh Sim mengasumsikan bahwa 60 Widarjono, Ekonometrika: Pengantar dan Alikasinya, Yogyakarta: UUP STIM YKPN, 2013, hal. 331.
44 semua variabel yang ada didalam model VAR adalah endogen, (2) untuk melihat hubungan antara variabel dalam VAR dibutuhkan lag otimu. 61 2. Vector Error Correction model (VECM) Vector Error Correction Model (VECM) dilakukan aabila terdaat variabel yang stasioner ada first different, mengandung unit root dan berkointegrasi. 62 Sesifikasi VECM merestriksi hubungan erilaku jangka anjang antar variabel yang ada agar konvergen ke dalam hubungan kointegrasi namun teta membiarkan erubahanerubahan dinamis di dalam jangka endel 63. Selain itu, VECM digunakan untuk melihat tingkat erubahan tertentu dengan analisis Imulse Resond Function dan Variance Decomosition. Berikut adalah roses embentukan model VAR dan VECM, secara lebih ringkas digambarkan dalam gambar di bawah ini: 61 Ibid, hal. 332. 62 Dedi Rosadi, Ekonometrika dan Analisis Runtun Waktu Teraan dengan Eviews, Ed. I. Yogyakarta: CV Andi Offset, 2011, hal. 216. 63 Agus Widarjono, Ekonometrika: Pengantar dan Alikasinya, Yogyakarta: UUP STIM YKPN, 2013, hal. 334.
45 Data Time Series Uji Stasioneritas Data Stationer Tidak Stationer VAR Bentuk Level StasionerDideferensi VAR Bentuk Diferensi Terjadi Kointegrasi Uji Kausalitas Kesimula n VECM IRF FEVD Gambar 3.1 Proses Pembentukan VAR E. Model Penelitian Penelitian ini mengimlikasi model dasar enelitian yang ernah digunakan oleh Soledad Martinez Peria (2000) dalam enelitian Banatul
46 (2008). Banatul menggunakan model simultan dinamis (Simultan PAM), dimana model model PAM sebagai berikut: MDt = a0 + a1 Yt + a2 Rt + a3 Pt + a4 ERt + e1t + Dkris. (1) a1 a4 > 0; a2 a3 < 0 Pt = b0 + b1 Yt + b2 Rt + b3 FPt + b4 MDt + e1t + Dkris... (2) b1 b2 b3 b4 > 0 dimana: MD Y R P ER FP = ermintaan uang (M2) = PDB riil = tingkat bunga deosito tiga bulan = tingkat harga (IHK) = kurs ruiah terhada dolar Amerika Serikat = harga luar negeri (CPI Amerika Serikat) Dkris = variabel dummy krisis Kemudian enulis mengganti beberaa variabel dan mencoba mengolahnya dalam bentuk VAR. Model VAR mengangga bahwa semua variabel ekonomi adalah saling tergantung dengan yang lain. 64 Secara umum, model VAR dengan n variabel endogen daat ditulis sebagai berikut: 64 Agus Widarjono, Ekonometrika: Pengantar dan Alikasinya, Yogyakarta: UUP STIM YKPN, 2013, hal 332.
47 Y nt = β 01 + β in Y 1t i + a in Y 2t i +... + =1 η in Y nt i + e nt... (3) Dimana Y nt meruakan elemen vektor dari BASIL, TBR, IHK, IPI, JUB dan KURS. Sedangkan β 01 meruakan vektor konstanta. β i2, a in, Y in meruakan koefisien dari Y nt 1 dan meruakan anjang lag. et meruakan vektor dari shock terhada masing-masing variabel. Maka, daat diuraikan model VAR yang akan digunakan dalam estimasi yakni: BASIL t =β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (4) TBR t =β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (5) IHK t =β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (5) IPI t = β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (5) JUB t =β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (6) KURS t =β 01 + β in TBR t i + a in IHK t i + a in IPI t i + a in JUB t i + =1 η in KURS nt i + e nt... (7) Keterangan: BASIL β 01 : Bagi hasil : Vektor konstanta
48 TBR IHK IPI JUB KURS et : Tingkat BI rate : Indeks harga konsumen : Indeks roduksi bulanan Industri Besar dan Sedang : Jumlah uang beredar : Nilai tukar : Vektor dari shock terhada masing-masing variabel F. Uji Pra Estimasi Sebelum melakukan estmasi VAR/VECM, terdaat beberaa tahaan yang harus dilakukan terlebih dahulu, yaitu: 1. Uji Stationaritas Data Data ekonomi time series ada umumnya bersifat stokastik (memiliki trend yang tidak stasioner atau data tersebut memiliki akar unit). Jika data memiliki akar unit, maka nilainya akan cenderung berfluktuasi tidak di sekitar nilai rata-ratanya sehingga menyulitkan dalam mengestimasi suatu model. 65 Data yang tidak stasioner juga akan menghasilkan regresi lancung (surious regression) yaitu regresi yang menggambarkan hubungan antara dua variabel atau lebih terlihat signifikan secara statistik, adahal kenyataannya tidak. Pengujian 65 Agus Tri Basuki dan Imamudin Yuliadi, Ekonometrika: Teori & Alikasi, Yogyakarta: Mitra Pustaka Matani, 2015, hal. 115.
49 stasioneritas ini dilakukan dengan menggunakan uji akar Augmented Dickey Fuller (ADF) dengan menggunakan taraf nyata 5 ersen. 66 2. Penetaan Lag Otimum Dalam VAR enentuan lag otimal sangat enting karena enentuan lag otimal berguna untuk menghilangkan masalah autokorelasi dalam sebuah sistem VAR. Jika lag otimal yang dimasukkan terlalu endek dikhawatirkan tidak daat menjelaskan kedinamisan model secara menyeluruh. Namun, lag yang terlalu anjang juga akan menghasilkan estimasi yang tidak efisien karena berkurangnya degree of freedom. Penentuan lag otimal juga berguna untuk menunjukkan beraa lama reaksi suatu variabel terhada variabel lainnya. Pemilihan ordo atau lag dilakukan dengan berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Information Criterion (SC) dan Hannan Quinnon (HQ). Lag yang diilih adalah model dengan nilai terkecil dari AIC dan SC, dan nilai terbesar dari HQ. 67 3. Uji Kointegrasi Keberadaan variabel nonstasioner menyebabkan kemungkinan besar adanya hubungan jangka anjang antara variabel 66 Agus Widarjono, Ekonometrika: Pengantar dan Alikasinya, Yogyakarta: UUP STIM YKPN, 2013, hal 41. 67 Gustiani, et.al, Analisis Pengaruh Social Values terhada Jumlah Permintaan Uang Islam di Indonesia, Buletin Ekonomi Moneter dan Perbankan, 2010.
50 di dalam sistem VAR. Berkaitan dengan hal ini, maka langkah selanjutnya di dalam estimasi VAR adalah uji kointegrasi untuk mengetahui keberadaan hubungan antara variabel. Uji kointegrasi dilakukan dengan menggunakan metode Johansen s Cointegration Test. 68 4. Uji Stabilitas VAR Stabilitas VAR daat dilihat dari nilai inverse roots karakteristik AR olynomial-nya. Sistem VAR dikatakan stabil jika seluruh roots ada tabel AR roots memiliki modulus lebih kecil dari satu (1) dan semuanya terletak di dalam unit circle. 5. Uji Kausalitas Uji kausalitas dilakukan untuk mengetahui aakah suatu variabel endogen daat dierlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan keterengaruhan antar variabel. Jika ada dua variabel y dan z, maka aakah y menyebabkan z atau z menyebabkan y atau berlaku keduanya atau tidak berlaku keduanya. 69 Uji kausalitas dilakukan dengan menggunakan Granger s Causality dan Error Correction Model Causality. Pada enelitian ini, digunakan metode Granger s Causality untuk menguji adanya hubungan kausalitas antara dua variabel. 68 Agus Widarjono, Ekonometrika: Pengantar dan Alikasinya, Yogyakarta: UUP STIM YKPN, 2013, hal 336. 69 Basuki, Agus Tri dan Imamudin Yuliadi,Ekonometrika: Teori & Alikasi, Yogyakarta: Mitra Pustaka Matani, 2015, hal. 106.
51 6. Imulse Resond Function (IRF) Estimasi terhada Imulse Resond Funtion (IRF) dilakukan untuk melihat reson guncangan atau shock dari variabel inovasi terhada variabel-variabel lainnya. Selain itu, metode ini bertujuan untuk melihat seberaa lama goncangan dari satu variabel berengaruh terhada variabel lain 70 7. Forecast Error Variance Decomosition (FEVD) Forecast Error Variance Decomosition adalah metode yang digunakan untuk melihat bagaimana erubahan dalam suatu variabel yang ditunjukkan oleh erubahan error variance diengaruhi oleh variabel-variabel lainnya. Analisis ini digunakan untuk menghitung seberaa besar engaruh acak guncangan dari variabel tertentu terhada variabel endogen. Dengan metode ini kita daat melihat kekuatan dan kelebihan masing-masing variabel dalam memengaruhi variabel lain dalam kurun waktu yang anjang. 71 70 Aam Slamet Rusydiana, Mekanisme Transmisi Syariah ada Sistem Moneter Ganda di Indonesia, Buletin Ekonomi Moneter dan Perbankan, 2009, hal. 358. 71 Ibid