Perbandingan Peranan Jalur Kredit

PERBANDINGAN PERANAN JALUR KREDIT

PADA MASA SEBELUM DAN KETIKA KRISIS EKONOMI

1990.1-2000.41

LUKMAN HAKIM

LATAR BELAKANG

Kebutuhan lahirnya mekanisme transmisi kebijakan moneter baru, seperti

dikemukakan oleh Boediono (1998:1-3), perlu dicermati dengan seksama.

Mekanisme transmisi kebijakan moneter adalah transmisi yang dilalui oleh sebuah

kebijakan moneter untuk mempengaruhi kondisi perekonomian, terutama

pendapatan nasional. Saat ini telah muncul anggapan bahwa mekanisme transmisi

lama tidak dapat lagi mengendalikan secara pasti perkembangan agregat-agregat

moneter. Mekanisme transmisi lama menyatakan bahwa Bank Indonesia (BI),

dapat mengendalikan M(0), dan dengan asumsi multiplier uang (money multiplier)

tetap, BI akan dapat mengendalikan M(1) dan M(2). Melalui pengendalian M(1)

dan M(2), Bank Indonesia dapat mempengaruhi PDB nominal atau permintaan

agregat.

Pada kenyataannya, saat ini telah terjadi perubahan perilaku masyarakat

dalam memegang uang. Hal ini terbukti kebutuhan uang masyarakat saat ini,

sekitar 70 % adalah uang kartal M(0), sedangkan sisanya 30 % tidak dapat

dipengaruhi oleh BI. Sebab lain adalah besarnya multiplier uang dan velositas

pendapatan (income velocity) tidak stabil, sehingga gerakannya sulit diperkirakan.

Sehingga kebijakan pemerintah seperti operasi pasar terbuka (open market

operation) untuk mempengaruhi jumlah uang beredar, selalu meleset dari yang

1 Telah diterbitkan dalam Buku ”Beberapa Agenda Perekonomian Indonesia: Kritik dan Solusi,” karya Lukman Hakim, Budi Santosa dan Esty Setyaningrum “ Media Ekonomi Publishing (MEP), Januari 2004.

PDF created with pdfFactory Pro trial version www.pdffactory.com

http://www.pdffactory.com


2

diperkirakan. Terlebih ketika dewasa ini, Indonesia sedang mengalami krisis,

sehingga banyak masyarakat yang lebih memilih memegang uang untuk

kepentingan spekulasi.

Fenomena di atas mempertegas bahwa hadirnya mekanisme transmisi

kebijakan moneter baru multak diperlukan. Karena kegagalan mekanisme transmisi

akan menyebabkan target-target pengendalian makro ekonomi akan sulit

dilakukan. Persoalannya adalah mekanisme transmisi baru yang seperti apa yang

sesuai dengan kondisi perekonomian Indonesia saat ini.

Seperti diketahui bahwa mekanisme transmisi yang lama adalah pendekatan

monetaris, yang cenderung pada pendekatan jalur kuantitas (quantity channel).

Pendekatan jalur kuantitas yang terpenting terdiri atas jalur moneteris dan jalur

kredit. Jalur moneteris sering disebut juga sebagai jalur langsung, menganggap

bahwa kenaikan jumlah uang beredar akan langsung menaikkan pengeluaran

masyarakat (spending), yang pada gilirannya akan meningkatkan pendapatan.

Selain jalur langsung, pada pendekatan kuantitas terdapat juga jalur kredit

(credit channel) kadang disebut sebagai pendekatan baru mekanisme transmisi

(new monetary transmission mechanism). Pendekatan kredit ini beranggapan

bahwa meningkatnya jumlah uang beredar sebagai akibat adanya ekspansi moneter

akan meningkatkan kredit; berikutnya akan meningkatkan investasi (I) dan

pendapatan (Y). Jalur kredit (credit channel) terdiri atas jalur neraca bank (

balance sheet channel) dan jalur pinjaman bank ( bank lending channel).

Sedangkan pendekatan Keynesian tradisional atau sebagian besar termasuk

dalam pendekatan jalur harga (price channel) pada intinya sebuah kebijakan

moneter untuk mempengaruhi pendapatan harus melalui tingkat suku bunga.

Pendekatan Keynesian pada tahun 70-an mengalami perkembangan pesat dengan

munculnya beberapa jalur, seperti jalur kekayaan (wealth channel) dan jalur harga

relatif (teori portofolio). Bahkan perkembangan terakhir, pada jalur harga ini telah

muncul jalur baru seperti jalur nilai tukar (exchange rate channel)(Miskhin, 1995:

4).




3

Dalam upaya mencari paradigma baru mekanisme transmisi kebijakan

moneter di Indonesia, beberapa peneliti telah melakukan riset untuk menemukan

jalur-jalur alternatif. Diantaranya adalah para pemikir dari Bank Indonesia yang

mengartikan bahwa perubahan mekanisme transmisi lama ke yang baru, berarti

berubah dari jalur kuantitas (monetaris) ke jalur harga (Keynesian). Menurut

mereka mekanisme transmisi kebijakan moneter yang cocok adalah jalur suku

bunga atau jalur nilai tukar. Dasar pemikiran utamanya menyatakan bahwa suku

bunga dan nilai tukar merupakan variabel penting dalam transmisi kebijakan

moneter. (Sarwono dan Warjiyo, 1998; 10).

Secara empiris, studi mengenai peranan tingkat suku bunga pada

mekanisme transmisi kebijakan moneter di Indonesia, telah dilakukan oleh Warjiyo

dan Zulverdi (1998; 25-58) untuk kurun waktu 1989-1997. Studi ini

menyimpulkan bahwa jalur tingkat bunga cukup berperan dalam mekanisme

transmisi kebijakan moneter di Indonesia. Hasil utama dari studi ini adalah

merekomendasikan agar suku bunga Pasar Uang Surat Berharga (PUAB)

digunakan sebagai instrumen utama Bank Indonesia. Sebaliknya studi Agung

(1998) menunjukkan peranan suku bunga Sertifikat Bank Indonesia (SBI) sebagai

instrumen MTM yang handal.

Meskipun beberapa hasil studi di atas lebih menonjolkan peranan tingkat

suku bunga pada mekanisme transmisi kebijakan moneter di Indonesia. Namun

masih terbuka kemungkinan pemikiran lain tentang jalur alternatif yang dapat

menjelaskan dan menemukan mekanisme transmisi kebijakan moneter baru. Salah

satunya yang perlu dipertimbangkan adalah jalur kredit. Jalur kredit lahir sebagai

kritik terhadap konsepsi mekanisme transmisi kebijakan Keynesian, yang

menganggap tingkat suku bunga merupakan jalur yang paling penting dalam

mekanisme transmisi. Mereka percaya bahwa dengan tingkat suku bunga jangka

pendek akan dapat mempengaruhui harga modal (cost of capital) dan pada

gilirannya akan meningkatkan pengeluaran.




4

Persoalannya, menurut Bernanke dan Gertler (1995: 27), dalam studi

empiris komponen suku bunga sebagai variabel harga modal sangat sulit

diindentifikasi. Berbeda dengan pendekatan bukan suku bunga akan sangat mudah

mengindentifikasi dampaknya terhadap variabel-variabel akselerator seperti

output, penjualan, atau aliran kas yang sangat berpengaruh terhadap pengeluaran.

Permasalahan lain adalah adanya asumsi awal bahwa tingkat suku bunga jangka

pendek akan sangat berpengaruh dalam mekanisme transmisi. Namun menurut

studi empiris, hal ini tidak terlihat, seperti ditunjukkan perilaku tingkat suku bunga

federal (the federal fund rate) di Amerika Serikat, yang memberikan dampak

sangat sementara terhadap makro ekonomi.

Idealnya sebuah jalur sebagai perantara dari kebijakan moneter harus dapat

berpengaruh dalam jangka panjang, seperti misalnya peranan tingkat suku bunga

riil jangka panjang. Karena setidaknya hal ini merupakan salah satu jawaban dari

teka-teki yang terdapat dalam “kotak hitam” (black box), yang selalu menjadi

pertanyaan abadi bagaimana bekerjanya kebijakan moneter sehingga mempengaruhi

pendapatan. Untuk itu dibutuhkan sebuah jalur yang bersifat jangka panjang.

Sekaligus jalur yang dapat mengantisipasi keadaan ketidaksempurnaan informasi

(imperfect information), dan adanya kemungkinan terjadinya kesalahan seleksi

kredit (adverse selection) dan juga penyalahgunaan (moral hazard), jalur itu

dikenal dengan jalur kredit (credit channel).

Studi tentang peranan jalur kredit dalam mekanisme transmisi kebijakan

moneter belum banyak dilakukan di Indonesia, meskipun di beberapa negara lain

telah banyak dilakukan. Diantaranya telah dilakukan oleh King (1986; 290-303);

Kashyap, Stein, dan wilcox (1993; 78-98); Gertler dan Gilchrist (1993; 43-64);

Kashyap, Lamont, dan Stein, (1994, 565-591). Keempat studi itu untuk kasus

Amerika Serikat. Sedangkan studi yang terbaru dilakukan oleh Kim (1999; 2-31)

untuk kasus Republik Korea. Seperti telah dikemukakan di muka, jalur kredit

sebenarnya terdiri atas dua sub jalur yakni jalur pinjaman bank (bank lending

channel) dan jalur neraca bank (balance sheet channel). Studi Kim untuk kasus




5

Korea Selatan itu, lebih memfokuskan terhadap jalur pinjaman bank pada

mekanisme transmisi kebijakan moneter pada kurun waktu 1993.1-1998.5 (data

bulanan).

Studi Kim tersebut mempunyai dua tujuan pokok, pertama adalah

menginvestigasi apakah jalur kredit merupakan mekanisme transmisi utama di

Korea, terutama jika dikaitkan dengan berlangsungnya krisis moneter dewasa ini.

Kedua, mengindentifikasi karakteristik kepanikan kredit (credit crunch) dan

menemukan beberapa kelemahan dari pelaksanaan jalur kredit di Korea. Untuk

mengestimasi tujuan pertama digunakan model vector autoregression (VAR),

sedangkan tujuan kedua menggunakan model ketidakseimbangan kredit (a

disequilibrium model of loan market) dengan metode full information maximum

likelihood (FIML).

PERUMUSAN MASALAH

Studi Kim (1999) tentang eksistensi jalur kredit pada masa krisis di

Republik Korea mempunyai kemiripan dengan situasinya yang dihadapi Indonesia

dewasa ini. Terlebih ketika Indonesia membutuhkan mekanisme transmisi kebijakan

moneter baru, maka jalur kredit dapat menjadi sebuah alternatif. Oleh karenanya

diperlukan sebuah studi tentang eksistensi jalur kredit pada mekanisme transmisi

kebijakan moneter di Indonesia, kami mengajukan penelitian mengenai peranan

jalur kredit yang dapat dicakup dalam satu pertanyaan pokok yakni apakah jalur

kredit telah berperan dalam mekanisme transmisi kebijakan moneter selama periode

1990-2000? Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian

ini adalah : 1) Menganalisis peranan jalur kredit dalam mekanisme transmisi

kebijakan moneter, 2)Membandingkan peranan jalur kredit pada masa sebelum dan

ketika krisis moneter, 3)Menganalisis keseimbangan permintaan dan penawaran

kredit.

Mekanisme Transmisi Kebijakan Moneter

Mekanisme transmisi kebijakan moneter didefinisikan sebagai jalur yang

dilalui oleh sebuah kebijakan moneter untuk mempengaruhi kondisi perekonomian,




6

terutama pendapatan nasional. Konsep standar mekanisme transmisi kebijakan

moneter dimulai dari instrumen yang mempengaruhi sasaran operasional, sasaran

antara dan sasaran akhir.

Pada prinsipnya, instrumen yang dimiliki oleh bank sentral terdiri atas

pengelolaan penawaran uang (M), tingkat suku bunga (i), dan cadangan minimum

perbankan (R). Semua instrumen di atas dapat dikendalikan secara langsung oleh

bank sentral, kecuali penawaran uang (M) dapat dikendalikan secara tidak

langsung. Pengendalian penawaran uang dilakukan melalui pembelian dan

penjualan surat berharga melalui operasi pasar terbuka (open market operation).

(Friedman, 1976; 663-665).

Instrumen bank sentral mempengaruhi sasaran operasional, melalui

perubahan uang primer ataupun perubahan tingkat suku bunga baik suku bunga

antar bank (PUAB) ataupun suku bunga federal. Uang primer digunakan sebagai

sasaran operasional merupakan pendekatan tradisional yang paling banyak

diterapkan di berbagai negara. Tingkat suku bunga pasar uang dijadikan sebagai

sasaran operasional, mulai banyak dipakai oleh bank sentral di berbagai negara

seperti Spanyol, Jerman, Perancis dan Jepang. Amerika Serikat menggunakan

tingkat suku bunga federal (Fed) sebagai sasaran operasionalnya.

Tabel 1 Penjelasan Mekanisme Transmisi Standar

Instrumen Sasaran Operasional

Sasaran Antara Sasaran Akhir

• OPT melalui penjualan surat berharga

• Cadangan minimun bank

• Kebijakan diskonto

• Uang primer • Tingkat suku

bunga Federal; PUAB

• Uang Beredar (M2 dan M3)

• Kredit Perbankan • Nilai Tukar

• Pendapatan • Inflasi

Sasaran operasional akan secara efektif berpengaruh terhadap sasaran

antara, dengan asumsi adanya pengganda uang dan velositas yang stabil. Sasaran




7

antara mencakup beberapa besaran moneter seperti uang beredar (M2 & M3),

kredit perbankan dan nilai tukar. Amerika Serikat menggunakan M2 dan M3

sebagai sasaran antara dan, Jerman hanya memakai M3. Finlandia dan Perancis

menggunakan nilai tukar sebagai sasaran antara. (Oh, 1999, 124)

Gambar 1

Interest Rate Channel Price Channel Exchange Rate Channel Other Asset

Price Effects Monetary Transmission Channel Direct Channel Quantity Channel Credit Channel Sumber : Oh, 1999, 104

Perdebatan teoritis mengenai mekanisme transmisi kebijakan moneter,

antara paham moneteris dan Keynesian, masih terus berlangsung. Paham

monetaris sering disebut jalur kuantitas (quantity channel), sedangkan paham

Keynesian diasosiasikan sebagai paham harga (price channel). Pada jalur kuantitas

(quantity channel) mencakup jalur langsung (direct channel) dan jalur kredit

(credit channel), lihat gambar 1.

Jalur harga mencakup jalur tingkat suku bunga (interest rate channel); jalur

nilai tukar (exchange rate channel); dan jalur efek harga aset (other asset price

effects). Jalur efek harga aset merupakan termasuk dalam kelompok jalur harga,

namun dikemukakan oleh kubu moneteris, sehingga jalur ini dapat dianggap

sebagai kompromi dari dua aliran besar tersebut.

Kontroversi Pandangan Kredit dan Uang

Sebelum membahas jalur kredit, sebaiknya perlu dijelaskan terlebih dahulu

mengapa instrumen kredit dianggap penting dibandingkan dengan uang (M1). Akar

pembahasan tentang eksistensi kredit telah dimulai sejak Patinkin (1956), dengan

membagi kepemilikan aset menjadi tiga yakni uang, surat berharga (bonds) dan




8

pinjaman (loans) dengan asumsi bahwa terdapat subtitusi sempurna antara aset

serta tidak ada pembatasan kredit (credit rationing). Hal itu divisualisasikan pada

gambar 2, kurva LM mewakili uang dan, kurva CC mewakili kredit (commodities-

credit). (Bernanke dan Blinder, 1988, 435-439).

Gambar 2

Hubungan Antara LM dan CC i C M L C Y

Dari gambar 2 terlihat bahwa kurva CC berslop negatif seperti kurva IS.

Kurva CC akan menjadi seperti IS jika pinjaman dan surat berharga diasumsikan

bersubstitusi sempurn, maka baik peminjam/borrower (Lp → - ∞) ataupun yang

dipinjamani/lender (λp→ ∞) atau permintaan komoditi tidak sensitif terhadap

tingkat suku bunga pinjaman (Yp =0). Hal ini akan menyebabkan pasar pinjaman

tidak relevan terhadap IS/LM, fenomena ini disebut sebagai pandangan uang

(money view). Sebaliknya, apabila uang dan surat berharga bersubstitusi sempurna

(Di → - ∞) akan menyebabkan kurva LM horisontal disebut sebagai pandangan

kredit (credit view). Keynesian menyatakan kondisi seperti ini sebagai jebakan

likuiditas (liquidity trap).




9

Secara teoritis dapat ditarik kesimpulan bahwa pandangan kredit membuat

kebijakan moneter lebih ekspansif dibandingkan dengan pandangan uang. Studi

dilakukan oleh Bernanke dan Blinder (1988, 438-439) pada dekade 80-an, untuk

membandingkan pengaruh goncangan peranan uang dan kredit terhadap output.

Studi itu menyimpulkan bahwa pengaruh goncangan uang terhadap output jauh

lebih besar dibandingkan kredit, dengan demikian dapat dinyatakan bahwa peranan

kredit jauh lebih stabil dibandingkan peranan uang.

Jalur Kredit

Jalur kredit merupakan kritik terhadap jalur tingkat suku bunga, terutama

berkaitan dengan dampak tingkat bunga pada kebijakan moneter mempengaruhi

pengeluaran pada jangka panjang. Mekanisme transmisi kebijakan Keynesian

menganggap tingkat suku bunga jangka pendek merupakan jalur yang paling

penting dalam mekanisme transmisi. Tingkat suku bunga jangka pendek akan dapat

mempengaruhi harga modal (cost of capital) dan pada gilirannya akan

meningkatkan pengeluaran. Menurut Bernanke dan Gertler (1995: 27), dalam

studi empirisnya, menunjukkan bahwa komponen suku bunga sebagai variabel

harga modal sangat sulit diindentifikasi.

Idealnya sebuah jalur kebijakan moneter akan dapat berpengaruh dalam

perspektif jangka panjang. Jalur tersebut harus mampu menjawab teka-teki yang

disebut sebagai “kotak hitam”(black box), yang selalu menjadi pertanyaan abadi

bagaimana bekerjanya kebijakan moneter sehingga mempengaruhi pendapatan.

Jalur kredit mungkin merupakan jawaban terhadap teka-teki “kotak hitam”

tersebut. Jalur kredit merupakan jalur yang bersifat jangka panjang, sekaligus jalur

yang dapat mengantisipasi keadaan ketidaksempurnaan informasi (imperfect

information), dan adanya kemungkinan terjadinya “seleksi yang merugikan”

(adverse selection) dan “pamrih buruk” (moral hazard).

Jalur kredit dibagi lagi menjadi dua sub jalur yakni jalur pinjaman bank

(bank lending channel) dan jalur neraca bank (balance-sheet channel). Skema

umum jalur pinjaman bank (bank lending channel) ditunjukkan dengan




10

meningkatnya penawaran uang (M), akan menyebabkan kenaikan deposito bank

(D). Peningkatan deposito bank akan meningkatkan pinjaman bank (L), kemudian

mempengaruhi peningkatan investasi (I) dan pendapatan (Y). (Mishkin,1995b,7-9)

M ↑ ⇒ D↑ ⇒ L ↑ ⇒ I↑ ⇒ Y ↑ 1

Jalur neraca bank (balance-sheet channel) digerakkan melalui modal (net

worth) pada perusahaan. Modal rendah menunjukkan rendahnya jaminan

(collateral), mengakibatkan meningkatnya masalah “seleksi yang merugikan”

(adverse selection) dan “pamrih buruk” (moral hazard) (as & mh). Sebaliknya

modal besar mengindikasikan tingginya jaminan, akan mengurangi masalah “seleksi

yang merugikan” dan “pamrih buruk”.

Jalur neraca bank bekerja dalam tiga cara, yakni pertama, ketika terdapat

kenaikan penawaran uang (M) akan menaikkan tingkat harga (Pe), menurunkan

masalah “seleksi yang merugikan” dan “pamrih buruk”. Berikutnya akan

meningkatkan pinjaman (L). Peningkatan pinjaman akan berdampak positif

terhadap investasi (I), dan pada gilirannya akan meningkatkan pendapatan (Y).

M ↑ ⇒ Pe ↑ ⇒ as & mh ↓ ⇒ pinjaman (L)↑ ⇒ I ↑ ⇒ Y↑ 2

Kedua, jalur neraca bank berperan melalui penurunan tingkat suku bunga

(i) akan berpengaruh terhadap meningkatnya aliran modal (cash flow) bank

tersebut. Meningkatnya aliran modal justru akan mengurangi masalah masalah

“seleksi yang merugikan” dan “pamrih buruk”, yang pada gilirannya akan

meningkatkan pinjaman (L), investasi (I), dan pendapatan. (Y).

M ↑ ⇒ i ↓ ⇒ aliran modal ↑ ⇒ as & mh ↓ ⇒ L↑ ⇒ I↑ ⇒ Y ↑ 3

Ketiga, jalur neraca bank berjalan ketika terdapat kenaikan penawaran uang

(M) akan meningkatkan harga (Pe) yang berdampak pada peningkatan aset

keuangan. Meningkatnya aset keuangan akan menurunkan kemungkinan adanya

kesulitan keuangan, sehingga akan meningkatkan pengeluaran untuk pembelian

aset seperti perumahan dan barang lain. Pembelian aset pada gilirannya akan

meningkatkan pendapatan (Y).




11

M ↑ ⇒ Pe ↑ ⇒ aset keuangan ↑ ⇒ kemungkinan dari kesulitan keuangan ↓ ⇒

pengeluaran perumahan dan barang ↑ ⇒ Y ↑ 4

Penelitian Sebelumnya

Tabel 2 Perbandingan Model King (1986) dan Kim (1999)

Model Variabel

VAR King (1986) v = (GNP, DD, LOTH, LC& I, RLOAN, RTB) VAR Kim (1999) v= (Y, CPI, L, S, M) Permintaan kredit King (1986)

Log (LC&I)D = f [LogLC&It-1, RLOAN, PIHAT, RCP6M, LogGNP]

Penawaran kredit King (1986)

Log (LC&I) S = f [LogLC&I t-1, RLOAN, PIHAT, RMORT, LogDD, Time Trend]

Permintaan kredit Kim (1999)

LD = f [L t-1, (RL-RCB) t , IP t-1 ]

Penawaran kredit Kim (1999)

LS= f [L t-1 , (RL-RCD) t , DEP , IP t-1, DMY]

Keterangan Variabel : Log(LC&I)=total kredit industri & komersial Time Trend= waktu RMORT = suku bunga rata-rata pegadaian L = total kredit

RCP6M = suku bunga CP empat-enam bulan RL =suku bunga kredit Log(GNP) = pendapatan nasional nominal RCB =suku bunga surat

berharga RLOAN = suku bunga kredit industri /komersial

RCD =suku bunga sertifikat deposito

Log(DD) = permintaan deposito bank komersial IP = indeks industri PIHAT = prediksi inflasi DEP =indeks deposito bank riil LOTH = kredit lain (untuk konsumsi dan perumahan)

DMY = variabel boneka mulai krisis 1997

Studi ini menggunakan model VAR (vector autoregression), dan model

ketidakseimbangan kredit (a disequilibrium model of loan market) dengan metode

full information maximum likelihood (FIML). Studi serupa telah dilakukan secara

lebih khusus oleh King (1986) untuk kasus Amerika Serikat dan Kim (1999) untuk

kasus Republik Korea. Meskipun menggunakan model dan metode yang sama,

kedua penelitian itu memiliki perbedaan variabel.




12

METODOLOGI

Dalam studi ini akan digunakan dua model yang diestimasi dengan metode

ekonometri yang berbeda. Model pertama adalah model keseimbangan kredit yang

menggunakan metode Full Information Maximum Likelihood (FIML). Sedangkan

metode impulse response dari Vector Regressions (VAR ) akan dipergunakan

untuk mengestimasi peranan jalur kredit dalam mekanisme transmisi kebijakan

moneter. Berikut ini akan dibahas berturut-turut metode FIML, VAR, dan

penyajian model yang akan diestimasi.

Metode Simultan FIML

Metode FIML adalah bagian dari metode maximum likelihood (ML). ML

lahir sebagai metode yang menyempurnakan metode ekonometri sebelumnya.

Berbeda dengan OLS yang kadang mempunyai estimator tidak efisien dan pada

saat lain tidak konsisten, ML akan mempunyai esimator parameter yang konsisten

dan dalam sampel yang besar akan efisien asimtotiknya. FIML digunakan untuk

mengestimasi persamaan simultan yang bersifat overidentified. (Pindyk dan

Rubinfeld, 1998: 273)

Metode VAR

Vector Autoregression (VAR) dikemukakan pertama kali oleh Sims (1980).

Latar belakang lahirnya VAR merupakan reaksi terhadap kegagalan model besar

makroekonomi dalam mengestimasi situasi perekonomian pada era 70-an. Sims

mencoba mengembangkan model ekonometri dengan meminimum-kan pengujian

asumsi secara apriori. Sims mempermasalahkan jumlah variabel observasi yang

terlalu banyak yang merupakan kendala pada sebuah sistem ekonometri, seperti

yang terjadi pada model FRB-MIT yang mempunyai 90 variabel eksogen. (Sims,

1980a, 5) Sims berpendapat jika memang benar-benar simultan pada sekelompok

variabel seharusnya semua variabel mempunyai posisi yang sama, sehingga diantara

variabel-variabel itu sulit dibedakan antara variabel endogen dan eksogen. Dari

sinilah Sims, mulai meragukan eksistensi dari variabel eksogen. (Gujarati : 1995,

746)




13

Beberapa kritik di atas yang merupakan sumber inspirasi bagi Sims dalam

mengembangkan VAR. VAR merupakan kelanjutan dari kritik monetaris terhadap

Keynesian. Beberapa karakteristik VAR menunjukkan keberpihakan terhadap

moneteris, yakni pertama metode VAR dikembangkan atas dasar kritik terhadap

model-model besar tersebut. Kedua, VAR menawarkan model yang sederhana dan

menggunakan jumlah variabel yang minimalis, dengan variabel independennya

adalah kelambanannya (lag) yang semuanya variabel endogen. Ketiga, VAR

merupakan kelanjutan dari uji kausalitas Granger (1969), dan Sims (1972),

karakteristik VAR tidak dapat dilepaskan dari karakteristik kausalitas Granger,

seperti memfokuskan pada studi terhadap sebuah indentitas. Sebagian besar

indentitas ditemukan dalam khazanah pemikiran monetaris seperti teori kuantitas

uang (MV=PT); hubungan tingkat suku bunga dengan inflasi (i = r + π), dan

beberapa indentitas yang lain. (Gujarati, 1995, 620).

Keberpihakan Sims terhadap monetaris juga dapat dilihat dari hasil-hasil

studi yang dilakukannya. Artikel pertama Sims mengenai VAR diterbitkan oleh

Econometrica pada Januari 1980, menggunakan enam variabel yakni penawaran

uang (M), pendapatan nasional riil(Y), tingkat gaji (W), tingkat harga (P) dan,

tingkat harga impor (PM). Studi ini membandingkan antara Amerika Serikat dan

Jerman, pada kurun waktu 1949-1975. Studi kedua Sims (1980b: 250) yang

diterbitkan oleh American Economic Review, Mei 1980, membandingkan siklus

bisnis (business cycle) pada masa perang dan paska perang di Amerika Serikat.

Hasil studi ini membenarkan pendirian monetaris bahwa penawaran uang sangat

berperan pada masa perang, namun tidak berperan pada paska perang.

Di dalam VAR terdapat tiga metode estimasi, yakni kausalitas, impulse

response, dan variance decomposition. Berikut ini akan dijelaskan satu persatu :

Kausalitas

VAR juga dapat digunakan analisis kausalitas, selain uji kausalitas Granger.

Uji kausalitas VAR juga sering disebut sebagai uji kausalitas Sims, karena

kemukakan pertama kali oleh Sims (1972). Untuk menggambarkan perbedaan uji




14

kausalitas Granger dan Sims, dapat dilihat dalam ilustrasi persamaan berikut ini

(Thomas : 1997; 461)

Uji kausalitas Granger (1969)

yt = α0 + α1y t-1 + α2y t-2 + α3y t-3 + β1x t-1 + β2 x t-2 + β3I t-3 + ε t 5

Uji kausalitas Sims (1972)

xt = γ0 + γ1 x t-1 +γ2x t- 2 + γ3x t- 3 + δ1 y t+3 + δ2 y t+2 + δ3 y t+1 + δ4 y t-1 +

δ4 y t-2 + δ4 y t-3 + ε t 6

Perbedaan fundamental antara uji kausalitas Granger dan Sim yang

pertama terletak pada penggunaan variabel akan datang, yang tidak terdapat pada

uji kausalitas Granger. Uji kausalitas Granger hanya memasukkan variabel masa

lampau, sedangkan uji kausalitas Sims menggunakan keduanya. Kedua, perbedaan

lain adalah pada penentu signifikansi pada uji kausalitas Granger menggunakan uji

serentak atau F-statistik, sedangkan uji kausalitas Sims, lebih melihat secara uji

individual (t-statistik).

VAR secara subtansial lebih dekat dengan kausalitas Sims namun secara

teknikal lebih dekat dengan kausalitas Granger. Hal ini dapat dilihat dari konstruksi

model, dapat dijelaskan secara sederhana sebagai berikut misalkan terdapat dua

variabel endogen indeks produksi (IP) dan penawaran uang (M1) maka bentuk

model VAR akan diformulasikan sebagai berikut : (Gujarati: 1995: 747)

IPt = α11IPt-i + α12 M1t-1 + ε1 t 7

M1t = α21IPt-i + α22 M1t-1 + ε2 t 8

Perubahan ε1 t akan berpengaruh terhadap perubahan nilai IP. Perubahan tersebut

akan merubah semua nilai IP dan M1 yang akan datang , sejak variabel IP

kelambatan (IPt-1) terjadi pada kedua persamaan itu.

Jika terdapat inovasi, ε1t dan ε2 t tidak berkorelasi, interpretasi akan berlaku

terus menerus. ε1 t adalah inovasi untuk IP dan ε2 t adalah inovasi untuk M1.

Sedangkan ε2t adalah mengukur efek dari salah satu standar deviasi sebuah

kebijakan (shock) moneter terhadap variabel IP dan M1 yang diteliti pada saat ini

dan yang akan datang. (Eviews; 1997; 497).




15

Responsi Terhadap Adanya Aksi (Impulse Response)

Responsi Terhadap Adanya Aksi adalah salah satu asesoris pada VAR yang

digunakan untuk melihat respon variabel endogen terhadap adanya pengaruh

inovasi (shock) variabel endogen yang lain (Pindycks dan Rubinfeld; 1991: 385).

Inovasi diinterpretasikan sebagai “goncangan kebijakan” (policy shock), lihat

Bernanke dan Blinder (1992: 902) atau juga sering disebut aksi.Secara statistis

responsi terhadap adanya aksi dirumuskan dalam persamaan Sims (1980b, 256-

257). Jika kita mempunyai sebuah model linier vektor stokastik x yang

diformulasikan sebagai berikut:

∞ xt = Σ As et-s 9 s=o

Dimana et = xt – E(xt | xt-1 ,xt-2 , ), kemudian memilih matrik trangular B, sehingga

menghasilkan Bet yakni sebuah kovarian diagonal matriks dan B juga mempunyai

diagonalnya sendiri, oleh karena itu A perlu dipindah menjadi C = AB1 dan e

menjadi f = Be, sehingga menjadi :

∞ xt = Σ Cs ft-s 10

s=o Dari formula di atas koefisien C adalah responsi terhadap adanya aksi atau inovasi

(responses to innovations).

Dekomposisi Varian (Variance Decomposition)

Dekomposisi varian merupakan metode lain dari sistem dinamik dengan

menggunakan VAR. Jika responsi terhadap adanya aksi menunjukkan efek dari

sebuah kebijakan (shock) variabel endogen terhadap variabel lain. Sebaliknya

dekomposisi varian akan menguraikan inovasi pada sebuah variabel endogen

terhadap komponen goncangan (shock) variabel endogen yang lain di dalam

VAR.Berhubungan dengan persamaan 3.6. di atas, perlu ditetapkan terlebih dahulu

matriks varian-kovarian dari xt – E(xt | xt-k’ ,xt -k –1’ ,… ) pada periode k sehingga

persamaannya:




16

k Vk = Σ Cs Var(f t ) C’s 11 s=o

Sehingga nilai Var(ft) inilah yang disebut sebagai dekomposisi varian.

MODEL ESTIMASI

Model Keseimbangan Kredit

Model keseimbangan kredit pada hakekatnya adalah model ketidakseimbangan

pasar kredit (disequilibirum a loan market). Dalam mengestimasi model ini akan

menggunakan fungsi likelihood dan metode maximum likelihood. Model ini telah

dikembangkan oleh Fair dan Kalejian (1974: 178), Laffont dan Garcia (1977;

1188-1190), Sealey (1979; 691), King (1986;297) dan Kim (1999; 22-24).

Kemudian dimodifikasi menjadi model berikut ini : LKREDt

D = α0 + α1 LSKRED + α2 LSBI + α3 LGDPR 12

LKREDtS = β0 + β1 LSBI + β3 LDEP + β4 LGDPR + β5DUM 13

LKREDt = min (LKREDtD, LKREDt

S) 14

Tabel 3 Hubungan Antar Variabel Secara Teoritis

Variabel Dependen

Variabel Independen

LSKRED LSBI LGDPR LDEP DUM LKREDt

D + - + LKREDt

S - + + +

Pada model permintaan kredit (LKREDtD), variabel independen yang

berpengaruh positif terhadap variabel dependen adalah variebel suku bunga kredit

(LSKRED), dan variabel output riil (LGDPR). Variabel yang mempunyai pengaruh

negatif adalah suku bunga oblikasi yang diwakili oleh suku bunga SBI (LSBI).

Sementara itu, pada model penawaran kredit (LKREDtS), variabel yang

mempunyai hubungan positif adalah variabel output riil (LGDPR), total deposito

(LDEP) dan variabel boneka (DUM) yang merupakan representasi dari situasi

krisis ekonomi Indonesia mulai periode 1997.1. Varibel yang mempunyai

hubungan negatif adalah suku bunga SBI (LSBI).

Comment [LH1]:

Comment [LH2]:

Comment [LH3]:

Comment [LH4]:




17

Berikut ini adalah deskripsi variabel dua model di atas

Tabel 4 Diskripsi Data Model Simultan

Variabel Diskripsi KREDt

D = KREDtS =volume

kredit permintaan (D) dan penawaran(S)

total kredit dari beberapa kelompok perbankan dan kelompok alokasi

SBI = suku bunga jangka pendek obligasi

suku bunga Sertifikat Bank Indonesesia (SBI)

GDPR = output Pendapatan nasional riil harga konstan 1993 SKRED = suku bunga kredit besarnya bunga kredit jangka panjang,

minimal 3 tahun DEP = deposito bank Total deposito 1 bulan DUM = variabel boneka variabel berkaitan dengan krisis moneter

Model VAR

Model VAR telah banyak digunakan untuk melihat pengaruh kebijakan

moneter Diantaranya adalah Gordon dan Leeper (1994; 1233-1245), yang melihat

dampak dinamis dari kebijakan moneter. Model VAR juga dapat untuk mengukur

efektifitas kebijakan moneter seperti yang dilakukan oleh Rudebusch, (1998; 907-

931). Salah satu alasannya mengapa VAR lebih cocok untuk melihat pengaruh

sebuah kebijakan, adalah VAR menganggap semua variabel adalah endogen. VAR

pertama kali dikembangkan oleh Sims (1980: 1-7), sebagai reaksi terhadap

pendekatan ekonometri simultan tradisional. VAR juga sering dianggap sebagai

pendekatan “atheoritical” atau tidak mendasarkan pada teori ekonomi tertentu,

oleh karenanya metode VAR juga dapat mengestimasi persamaan indentitas,

seperti halnya kausalitas Engle-Granger. (Thomas 1997; 457-462). Gujarati (1995;

746-753). Secara konvensi studi mekanisme transmisi kebijakan moneter dengan

menggunakan model VAR, minimal terdapat tiga variabel pokok yakni variabel

output; variabel harga dan juga variabel tingkat suku bunga. (Ramaswamy dan

Slok, 1998: 379).

Pada model ini terdapat 5 variabel yakni terdiri atas volume kredit

(LKRED); output riil (LGDPR); penawaran uang (M2); suku bunga PUAB; dan




18

suku bunga SBI. Kelima variabel itu akan diestimasi dengan metode VAR dengan

formulasi seperti di bawah ini :

∆Xt = α + Σ 5i = 1Ai∆Xt-1 + ut, E(ut us) = Ω, if t ≠s 18

Di mana Ai matriks kuadrat; ut menunjukkan rata-rata vektor zero, tidak

ada korelasi variabel, dan kesejajaran matriks varian Ω, diasumsikan positif dan

simetris; α adalah 3X1 vektor kolom dari parameter-parameter; vektor Xit adalah

variabel-variabel endogen di atas.

Tabel 5 Diskripsi Data Model VAR

Variabel Diskripsi KRED= total kredit Total kredit dari beberapa kelompok perbankan

dan kelompok alokasi M2= penawaran uang Uang luas GDPR = output riil Pendapatan nasional riil harga konstan 1993 SBI = suku bunga jangka pendek obligasi

Suku bunga Sertifikat Bank Indonesesia (SBI)

PUAB = suku bunga jangka pendek perbankan

Suku bunga antar bank (intercall money), over night

ANALISIS HASIL

Pada bab ini akan dibahas hasil pengolahan data dari dua model yang diestimasi

yakni model keseimbangan kredit dan model VAR. Pembahasan akan mencakup uji

prasyarat, analisis hasil, dan interpretasi ekonomi.

Model Ketidakseimbangan Kredit

Identifikasi Model

Uji identifikasi bertujuan untuk mencari apakah persamaan yang diestimasi

termasuk dalam kategori kurang terindentifikasi (underidentified), tepat

terindentifkasi (exactindentified), dan sangat teridentifikasi (overidentified).

Persamaan yang termasuk dalam kategori kurang teridentifikasi, hanya dapat

diestimasi dengan metode indirect least square (ILS). Sedangkan persamaan yang

masuk dalam tepat dan sangat terindentifikasi dapat diestimasi dengan metode

simultan antara lain TSLS, FIML, dan GMM.




19

Seperti telah dijelaskan di muka, formula dari kategori kurang

terindentifikasi adalah [(K-k)<(m-1)]. Adapun syarat untuk persamaan yang

termasuk tepat dan sangat teridentifikasi harus memenuni kriteria masing-masing

[(K-k)=(m-1)] untuk tepat terindentifksi dan [(K-k)>(m-1)] untuk sangat terin-

dentifikasi. Apabila dilihat dari kedua persamaan yang akan diestimasi, ditemukan

besarnya (K-k) pada persamaan permintaan dan penawaran kredit masing-masing 5

dan 4. Untuk kedua persamaan itu jumlah (m-1) masing-masing sebanyak 1.

Dengan demikian dapat disimpulkan bahwa kedua persamaan itu termasuk sangat

terindentifikasi (over identified), maka metode simultan dalam model ini dapat

diterapkan. Sesuai dengan beberapa referensi sebelumnya, metode simultan yang

digunakan dalam mengestimasi model ini adalah Full Information Maximum

Likelihood (FIML).

Tabel 6 Uji Indentifikasi Persamaan Simultan

Persamaan K-k m-1 Keterangan

Permintaan Kredit 5 1 over identified Penawaran Kredit 4 1 over identified

Hasil Estimasi Permintaan Kredit LKRED =12,41 +

0,0006LSKRED + 2,616LSBI

− 1,145LGDPR

(4.541) (0.591324) (26.066) (-4,138) R2 = 0,624619 DW= 1,024147 F = 22.18613 Penawaran Kredit LKRED =12,40 + 2,614LSBI + 0,000092LDEP − 1,144LGDPR + 0,0008DUM

4.59 26.63 -0.21 -4.26 1.47 R2 = 0,624737 DW= 1,024147 F=16.23178




20

Uji Statistik

Pada uji ini akan dibandingkan semua persamaan dengan menggunakan uji

parsial (uji-t), uji serentak (uji-F), dan uji goodness of fit (R2). Sistematika

pembahasannya akan dimulai dari uji serentak dan uji goodness of fit, terakhir uji

parsial.

Uji serentak bertujuan mendeteksi apakah semua variabel independen secara

serentak berpengaruh secara signifikan terhadap variabel dependen. Pengujian

dilakukan dengan uji-F, dengan menggunakan α =0.05 untuk dua sisi. Dengan

menggunakan tabel-F, terlebih dahulu diketahui f1 yakni variabel independen plus

konstanta, dan f2 adalah pengurangan antara sampel dengan f1, maka ditemukan

nilai F-tabel. Apabila F-statistik bernilai lebih besar dari pada nilai F-tabel, maka

persamaan tersebut lolos uji F. Sebaliknya jika F-statistik berada di bawah nilai F-

tabel, maka persamaan tersebut tidak lolos uji F. Dari hasil uji-F ditemukan bahwa

dari dua persamaan itu semuanya lolos uji.

Tabel 7 Pengujian Serentak (Uji F)

Persamaan F-stat F-tabel Keterangan Permintaan Kredit 22.18613 2,61 lolos Penawaran Kredit 16.23178 2,61 lolos

Berikutnya adalah uji goodness of fit (R2). Uji ini bertujuan untuk mengukur

seberapa besar variasi dari variabel independen dapat menjelaskan variabel

dependen. Dari tabel 5.3 terlihat bahwa kedua persamaan mempunyai R2 sebesar

0,6. Artinya variasi variabel independen dari persamaan permintaan dan penawaran

kredit dapat menjelaskan 60 % dari variabel dependen.

Tabel 8 Uji Goodness of fit (R2)

Persamaan R2 Keterangan Permintaan Kredit 0,624619 dapat menjelaskan 60% Penawaran Kredit 0,624737 dapat menjelaskan 60%




21

Uji parsial bertujuan untuk menetapkan signifikansi hubungan setiap

variabel independen terhadap variabel dependen. Uji ini menggunakan uji t.,

dengan besarnya t-tabel 1,684. untuk semua persamaan ternyata hanya sedikit yang

lolos. Pada persamaan permintaan kredit (LKREDD)yang lolos uji-t adalah

hubungan antara LSBI ⇒ LKREDD dan LGDPR ⇒ LKREDD. Untuk persamaan

penawaran kredit (LKREDS) adalah LSBI ⇒ LKREDS dan LGDPR ⇒ LKREDD.

Dengan demikian yang berpengaruh terhadap permintaan dan penawaran kredit

adalah suku bunga administrasi atau yang ditetapkan pemerintah yakni LSBI dan

pendapatan nasional riil.

Tabel 9 Pengujian Parial (Uji t)

LSKRED LSBI LGDPR LDEP DUM LKREDD Tidak Lolos Lolos LKREDS Lolos Lolos Tidak Tidak

Ket: : t-tabel = 1,684

Uji Ekonomi

Dari uji ekonomi akan diperlihatkan bahwa terdapat beberapa variabel

sesuai dengan teori, tetapi beberapa yang lain tidak. Pada persamaan permintaan

kredit, tidak ditemukan hubungan antar variabel yang sesuai dengan teori.

Hubungan antar variabel yang sesuai teori pada persamaan penawaran kredit

ditemukan dalam hubungan LGDPR ↑ ⇒ LKREDS ↑ dan DUM ↑⇒ LKREDD ↑.

Interpretasi Ekonomi

Persamaan Permintaan Kredit

Pada persamaan permintaan kredit, hubungan suku bunga kredit

(LSKRED) terhadap total kredit (LKREDD)menunjukkan hubungan positif. Berarti

jika suku bunga kredit mengalami peningkatan maka total kredit juga akan

meningkat. Hal ini tidak sesuai dengan teori. Secara teoritis semestinya hubungan

suku bunga kredit terhadap total kredit adalah negatif.

LSKRED ↑ ⇒ LKREDD↑ 19




22

Demikian halnya, yang terjadi hubungan antara suku bunga SBI terhadap

permintaan kredit (LKREDD). Hubungan teoritis antara dua variabel itu adalah

negatif. Artinya jika suku bunga SBI naik maka permintaan krediti akan turun.

Temuan empiris berkata lain, ternyata hubungan kedua variabel itu menunjukkan

tanda positif. Berarti jika suku bunga SBI naik maka total kredit juga naik.

LSBI ↑ ⇒ LKREDD ↑ 20

Tabel 10 Uji Ekonomi

LSKRED LSBI LGDPR LDEP DUM LKREDD + + - LKREDS + + - +

Sementara itu, secara empiris hubungan antara pendapatan nasional riil

terhadap total kredit mempunyai hubungan berkebalikan. Peningkatan pendapatan

nasional akan diikuti dengan peningkatan permintaan terhadap kredit. Padahal

secara teoritis hubungan keduanya semestinya positif, maka temuan empiris inipun

tidak sesuai dengan teori.

LGDPR ↑ ⇒ LKREDD↓ 21

Penawaran Kredit

Pada penawaran kredit hubungan suku bunga SBI terhadap total kredit

menunjukkan hubungan positif. Artinya jika tingkat suku bunga SBI mengalami

peningkatan maka penawaran kredit juga akan meningkat. Hal ini berbeda dengan

teori, yang menyatakan bahwa hubungan keduanya adalah negatif.

LSBI ↑ ⇒ LKREDS ↑ 22

Berikutnya adalah hubungan deposito terhadap penawaran kredit. Deposito

adalah cara paling murah untuk mendapatkan tambahan dana segar bagi perbankan.

Oleh sebab itu, hubungan antara deposito dengan penawaran kredit semestinya

positif. Hasil estimasi menunjukkan hal yang sebaliknya. Kenaikan deposito justru

akan menurunkan penawaran kredit.

LDEP ↑ ⇒ LKREDS ↓ 23




23

Dalam model penawaran kredit hubungan antar variabel yang sesuai dengan

teori adalah pengaruh pendapatan nasional riil dan variabel boneka terhadap

penawaran kredit. Variabel boneka representasi dari kondisis krisis ekonomi.

LGDPR ↑ ⇒ LKREDS ↑ 24

Dari formula 5.6 terlihat bahwa jika pendapatan nasional riil meningkat

maka akan terjadi peningkatan juga terhadap penawaran kredit. Hal ini

menunjukkan bahwa peningkatan output riil nasional akan mendorong peningkatan

penawaran kredit.

DUM ↑ ⇒ LKREDS ↑ 25

Sementara itu, hubungan variabel krisis yang diwakili oleh variabel boneka

(dum) mempunyai pengaruh positif terhadap penawaran kredit. Hal itu berarti

krisis ekonomi mempunyai dampak langsung terhadap penawaran kredit, berarti

dengan adanya krisis ekonomi kredit semakin meningkat. Hal ini bertentangan

dengan teori. Teori menyatakan bahwa pada masa krisis ekonomi cenderung akan

terjadi credit crunch (kegentingan kredit). Kegentingan kredit mendorong semakin

menurunnya pasok kredit ke masyarakat.

Analisis Hasil Estimasi Impulse Response

Responsi terhadap inovasi (impulse response) merupakan salah satu alat

estimasi dari metode VAR yang paling penting. Alat ini telah banyak digunakan

oleh berbagai studi untuk mengestimasi beberapa hubungan variabel. Impulse

response adalah responsi sebuah variabel dependen jika mendapatkan

goncangan/inovasi (shock) variabel independen sebesar 1 % standar deviasi.

Analisis ini merupakan analisis perbandingan antara masa sebelum dan ketika krisis.

Masa sebelum krisis meliputi 28 kuartal atau 1990.1-1996.4, sedangkan masa krisis

mencakup 16 kuartal yaitu 1997.1-2000.4.

Perbandingan Peranan Kredit dan M2

Perbandingan peranan kredit dan M2 dalam mempengaruhi output telah

menjadi isu utama dalam perbincangan mengenai jalur kredit. Pada masa sebelum

krisis 1990.1-1996.4, terlihat bahwa responsi output riil terhadap inovasi M2 jauh




24

lebih responsif, dibandingkan dari inovasi Kredit. Responsi output riil terhadap

inovasi M2 terletak di atas garis dasar (base line) atau positif. Sementara itu,

responsi output riil terhadap kredit berada di bawah garis dasar atau negatif.

Sehingga dapat dinyatakan bahwa pada periode sebelum krisis pengaruh M2

terhadap output riil jauh lebih kuat dari pada kredit, lihat gambar 3.

Pada masa krisis atau periode 1997.1-2000.4, sampai dengan 7 kuartal

pertama responsi output riil terhadap inovasi M2 dan kredit di bawah garis dasar

atau negatif. Memasuki kuartal ke-8, pengaruh kredit sudah bergerak positif jauh

meninggalkan M2. Pengaruh M2 sendiri mulai tampak pada kuartal 10 sampai

dengan kuartal ke-14, besarnya pengaruh tetap masih kalah dengan kredit. Dengan

Gambar 3

Perbandingan Responsi GDPR Terhadap Inovasi M2 dan Kredit 1990.1-1996.4

-0.03

-0.02

-0.01

0.00

0.01

0.02

0.03

5 10 15 20 25

LKRED LM2

Response of LGDPR to One S.D. Innovations




25

Gambar 4

Perbandingan Responsi GDPR Terhadap Inovasi M2 dan Kredit 1997.1-2000.4

begitu dapat dinyatakan bahwa pada masa krisis ekonomi kredit lebih berpengaruh

terhadap output riil dibandingkan oleh M2, lihat gambar 4.

Berarti dengan temuan itu menjawab tesis apakah jalur kredit berperan

dalam krisis ekonomi yang tengah berlangsung? Seperti tesis Kim (1999) untuk

kasus Korea Selatan. Studi ini berhasil membuktikan peranan jalur kredit dalam

mekanisme transmisi Indonesia pada masa krisis ekonomi

Perbandingan Peranan Suku Bunga SBI dan PUAB

Isu yang tidak kalah penting dalam mekanisme transmisi kebijakan moneter

adalah peranan suku bunga jangka pendek sebagai instrumen kebijakan. Seperti

telah disinggung di muka studi Agung (1998), peneliti dari Bank Indonesia,

menemukan peranan suku bunga SBI sebagai instrumen yang baik dalam MTM

Indonesia. Peneliti lain dari Bank Indonesia, Zulverdi dan Warjiyo (1998) lebih

menjagokan suku bunga PUAB sebagai instrumen kebijakan moneter. Oleh karena

-0.02

-0.01

0.00

0.01

0.02

2 4 6 8 10 12 14 16

LKRED LM2

Response of LGDPR to One S.D. Innovations




26

itu, dalam sub bab ini akan membahas perbandingan peranan suku bunga SBI dan

PUAB terhadap kredit, lihat gambar 5.

Pada masa sebelum krisis ekonomi (1990.1-1996.4), reaksi kredit lebih

responsif terhadap inovasi suku bunga PUAB dibandingkan dengan suku bunga

SBI. Responsi kredit terhadap suku bunga SBI selalu negatif atau di bawah garis

dasar. Reaksi kredit terhadap inovasi suku bunga PUAB positif sampai dengan

kuartal 15, kemudian bergerak di bawah garis dasar. Dengan demikian dapat

dinyatakan bahwa pada masa sebelum krisis suku bunga PUAB lebih kuat

berpengaruh terhadap kredit dibandingkan suku bunga SBI. (lihat gambar 5.3)

Gambar 5 Perbandingan Responsi Kredit Terhadap Inovasi SBI dan PUAB

1990.1-1996.4

Situasi yang hampir sama terjadi pada masa krisis ekonomi, dimana suku

bunga PUAB juga lebih berpengaruh terhadap kredit dibandingkan suku bunga

PUAB. Seperti ditunjukkan dalam gambar 6 responsi kredit terhadap suku bunga

PUAB menunjukkan fluktuasi yang sangat berarti. Sampai dengan kuartal ke-6

responsi dari kredit ditunjukkan pergerakan di atas garis dasar, kemudian setelah

itu menurun di bawah garis dasar. Sedangkan responsi terhadap suku bunga SBI

-0.05

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2 4 6 8 10 12 14 16

LSBI LPUAB

Response of LKRED to One S.D. Innovations




27

selalu berada di bawah atau tepat pada garis dasar, sehingga pengaruhnya tidak

tampak. Oleh karena itu, suku bunga PUAB pada masa krisispun tetap memberikan

pengaruh yang kuat terhadap kredit. Gambar 6

Perbandingan Responsi Kredit Terhadap Inovasi SBI dan PUAB 1997.1-2000.4

KESIMPULAN DAN SARAN

Studi peranan jalur kredit ini membagi analisis menjadi dua yaitu analisis

mengenai keseimbangan kredit dan analisis peranan jalur kredit dalam makanisme

transmisis kebijakan moneter. Analisis mengenai keseimbangan kredit diselesaikan

dengan menggunakan model ketidakseimbangan (disequilibrium) kredit yang

diestimasi dengan menggunakan metode Full Information Maximum Likelihood

(FIML). Sedangkan analisis mengenai peranan jalur kredit menggunakan metode

impulse response salah bagian dari metode Vector Autoregression (VAR).

Hasil analisis keseimbangan kredit menunjukkan bahwa sebagian besar hasil

estimasi tidak sesuai dengan teori. Meskipun demikian, beberapa interpretasi

faktual telah didapatkan. Pada persamaan permintaan dan penawaran kredit,

variabel dependen yang sangat kuat berpengaruh terhadap variabel independen

(LKREDt) adalah suku bunga SBI dan output riil (GDPR). Hal ini menandakan

bahwa baik kebijakan pemerintah dalam hal ini suku bunga SBI dan kemajuan

-0.2

0.0

0.2

0.4

0.6

2 4 6 8 10 12 14 16

LSBI LPUAB

Response of LKRED to One S.D. Innovations




28

ekonomi masyarakat yang diwakili oleh GDPR merupakan pendorong kuat dari

permintaan dan penawaran kredit.

Dalam model VAR mengenai perbandingan peranan jalur kredit (KRED)

dengan jalur uang (M2) dalam mempengaruhi output riil, dihasilkan bahwa pada

masa sebelum krisis M2 jauh lebih berperan dari pada kredit. Namun pada masa

krisis, kredit justru lebih berperan di bandingkan M2. Dengan demikian jalur kredit

lebih berperan pada masa krisis.

Dalam model VAR yang kedua membandingkan peranan suku bunga SBI

dan suku bunga PUAB dalam mempengarui kredit. Hasil empiris menunjukkan

bahwa suku bunga PUAB baik pada masa sebelum krisis maupun ketika krisis,

lebih berperanan dibandingkan suku bunga SBI.

Meskipun suku bunga PUAB layak menjadi instrumen kebijakan moneter,

dan SBI secara gradual telah diganti T-Bills, perlu dipikirkan adanya suku bunga

jangka pendek yang secara langsung dapat dikendalikan oleh Bank Indonesia.

Demi menghindari adanya fenomena kegentingan kredit (credit crunch),

Pemerintah perlu terus menerus mendorong perbankan untuk lebih serius dalam

manyalurkan kreditnya.

Daftar Pustaka

Agung, Juda, (1998), “Financial Deregulation and the Bank Lending Channel

in Developing Countries: The Case of Indonesia", Asian Economic Journal, Vol 12 No 3, hlm 273-294

Agung, Juda, (2000), “Financial Constraint, Firm's Investments and The

Channel of Monetary Policy in Indonesia", Applied Economics, Vol 32, hlm 1637-1646

Becker, Torbjorn. (1997), "An Investigation of Ricardian Equivalence in a

Common Trends Model," Journal of Monetary Economics, 39, hlm 405-431

Bernanke, Ben S dan Alan S. Blinder, (1988), "Credit, Money, and

Aggregate Demand," AEA Papers and Proceedings, Vol 78 No 2, May, hlm 435-439




29

Bernanke, Ben S dan Alan S. Blinder, (1992), "The Federal Funds Rate and the Channels of Monetary Transmission", The American Economic Review, , Vol 82, September, hlm 901-921

Bernanke, Ben S dan Mark Gertler, (1995), “Inside the Black Box: The

Credit Channel of Monetary Policy Transmission,” Journal of Economic Perspectives, Vol 9 No 4, Fall, hlm 27-48

Binhadi, (1995), Financial Sector Deregulation, Banking Development and

Monetary Policy: The Indonesian Experience 1983-1993, Jakarta : Institut Bankir Indonesia.

Boediono, (1998), “Merenungkan Kembali Mekanisme Transmisi Moneter di

Indonesia”, Buletin Ekonomi Moneter dan Perbankan, Bank Indonesia, Vol 1 No 1, Juli, hlm 1-4

Brunner, Karl dan Allan H. Meltzer, (1988), "Money and Credit in the

Monetary Transmission Process," AEA Papers and Proceedings, Vol 78 No 2, May, hlm 446-454

Chusman, David O. dan Tao Zha, (1997), "Identification Monetary Policy in

a Small Opern Economy under Flexible Exchange Rates", Journal of Monetary Economics, 39, hlm 433-448

Cochrane, John H. (1998), "What Do The VARs Mean? Measuring The

Output Effect of Monetary Policy," Journal of Monetary Economics, 41, hlm 277-300

Coleman, Wilbur John, II, (1996), " Money and Output: A Test of Reverse

Causation, " The American Economic Review, Vol 86, No 1, March, hlm 90-111.

Dueker, Michael J. (2002), "The Monetary Policy Innovation Paradox in

VARs: A" Discrete" Explanation," Review, Federal Reserve Bank of St. Louis, March/April, Vol 84 No 2, hlm 43-49.

Engle, RF, dan CWJ Granger, (1991), Long-Run Economic Relationships:

Reading in Cointegration, New York : Oxford University Press. Fair, Ray C dan Harry H. Kelejian, (1974) “ Methods of Estimation for

Market in Disequilibrium : A Further Study” Econometrica, Vol 42 No 1, January, hlm 177-190




30

Friedman, Benyamin M. (1988), "Monetary Policy Without Quantity Variables," AEA Papers and Proceedings, Vol 78 No 2, May, hlm 440-445

Getler, Mark dan Simon Gilchrist, (1993), “The Role of Credit Market

Imperfections in the Transmission of Monetary Policy: Argument and Evidence”, Scandinavian Journal of Economics, January, 95:1, hlm 43-64

Getler, Mark dan Simon Gilchrist, (1994), “Monetary Policy, Business

Cycles, and The Behavior of Small Manufacturing Firms”, Quarterly Journal of Economics, Vol CIX Issue 2, May, hlm. 309-340

Gordon, David B dan Eric M. Leeper, (1994), “The Dynamic Impacts of

Monetary Policy: An Exercises in Tentative Identification”, Journal of Political Economy Vol. 102 No 6, hlm. 1228-1247

Greene, William H, (2000), Econometric Analysis, 4th, New Jersey: Prentice

Hall Gujarati, Damodar, (1995), Basic Econometrics, McGraw-Hill; Singapore.

Hakim, Lukman dan Nopirin, (2001), "Perbandingan Peranan Jalur Kredit

dan Jalur Tingkat Suku Bunga pada Mekanisme Transmisi Kebijakan Moneter 1990-1999", Sosiohumanika, Program Pascasarjana UGM, Vol 14, No 1, Januari.

Hamilton, James D. (1997), "Measuring The Liquidity Effect," The

American Economic Review, March, Vol 87, No 1, hlm. 80-97 Harris, RID, (1995), Using Cointegration Analysis in Econometric

Modelling, Marylands Avenue: Prentice Hall. Hendry, David F, (1995), Dynamic Econometrics, New York : Oxford

University Press. Joseph, Charles dan Anton H. Gunawan, (2000), Monetary Policy and

Inflation Targeting in Emerging Economies, Jakarta : Bank Indonesia dan IMF

Kakes, Jan. (2000), Monetary Transmission in Europe: The Role of

Financial Markets and Credit, Messachusetts USA: Edward Elgar Publishing




31

Kashyap, Anil K, Jeremy C. Stein, dan David W. Wilcox, (1993), “ Monetary Policy and Credit Conditions: Evidence from the Composition of External Finance,” American Economic Review Vol 83, No1, March, hlm. 78-98

Kashyap, Anil K, Owen A. Lamont, dan Jeremy C. Stein, (1994), “Credit

Conditions and The Cyclical Behavior of Inventories” Quaterly Journal of Economics, August, hlm. 565-591

Kim, Hyun E, (1999), “ Was the Credit Channel a Key Monetary

Transmission Mechanism following the Recent Financial Crisis in the Republic of Korea”, Policy Research Working Paper 2103, The World Bank, April.

King, Stephen R, (1986), “Monetary Transmission: Trough Bank Loans or

Bank Liabilities” Journal of Money, Credit and Banking, Vol 18 No 3 August, hlm 290-303

Kiyotaki, Nobuhiro, dan John More, (1997), "Credit Cycle," Journal of

Political Economy Vol. 105, No 2, hlm. 211-247 Laffont, Jean Jacques dan Rene Garcia, (1977), “Disequilibrium

Econometrics for Business Loans”, Econometrica, , Vol 45, No 5, July, hlm. 1187- 1204

Leeper, Eric M, Christopher A. Sims, dan Tao Zha (1996), "What Does

Monetary Policy Do? " Brooking Papers on Economic Activity, November, diambil dari ftp.econ.yale.edu/pub/sims/bpea.

Leeper, Eric M. (1997), "Narrative and VAR Approaches to Monetary

Policy: Common Identification Problems", Journal of Monetary Economics, 39, hlm 641-657

Meltzer, Allan H. (1995), "Monetary, Credit and (Other) Transmission

Process: A Monetarist Perspective, " Journal of Economic Perspectives, Vol 9 No 4, Fall, hlm 49-72

Meng, Choy Keen, (2000), "Sources of Macroeconomic Fluctuation in

Singapore: Evidence from A Structural VAR Model, " The Singapore Economic Review, Vol 44, No 1, hlm 74-98.

Miskhin, Frederic S. (1995), “ Symposium on the Monetary Transmission

Mechanism,” Journal of Economic Perspectives, Vol 9 No 4, Fall, hlm 3-10


ftp://ftp.econ.yale.edu/pub/sims/bpea



32

Pindyck, Robert S dan Daniel L. Rubinfeld, (1998), Econometric Models and

Economic Forecast, 4 th, Singapore: McGraw-Hill International Studies.

Romer, Christina D dan David H. Romer. (1997), "Identification and The

Narrative Approach: A Reply to Leeper", Journal of Monetary Economics, 39, hlm 656-665

Rudebusch, Glenn D, (1998), “Do Measures of Monetary Policy in a VAR

Make Sense”, International Economic Review Vol 39 No 4 November, hlm. 907-931

Sarwono, Hartadi A dan Perry Warjiyo, (1998), "Mencari Paradigma Baru

Manajemen Moneter Dalam Sistem Nilai Tukar Fleksibel: Suatu Pemikiran Untuk Penerapannya di Indonesia", Buletin Ekonomi Moneter dan Perbankan, Bank Indonesia, Vol.1, No.1, July. hlm 5-23

Sealey, CW JR, (1979), "Credit Rationing in the Commercial Loan Market:

Estiamtes of a Structural Model Under Conditions of Disequilibrium, " The Journal of Finance, Vol XXXIV, No 3, June, hlm. 689-702.

Sims, Christopher A. (1980a), “Macroeconomic and Realty”, Econometrica,

January, Vol 48, No 1, hlm. 1- 48 Sims, Christopher A. (1980b), “Comparison of Interwar and Postwar

Business Cycles: Monetarism Reconsidered", The American Economic Review, January, Vol 70, No 2, hlm. 250-257

Stiglitz, Joseph E dan Andrew Weiss, (1981), "Credit Rationing in Markets

with Imperfect Information, " The American Economic Review, Vol 1, No 3, June, hlm 440-445

Thomas, RL, (1997), Modern Econometrics: An Introduction, England :

Addison-Wesley. Warjiyo, Perry dan Doddy Zulverdi, (1998), “Penggunaan Suku Bunga

Sebagai Sasaran Operasional Kebijakan Moneter di Indonesia”, Buletin Ekonomi Moneter dan Perbankan, Bank Indonesia, Vol. 1 No 1, Juli . hlm 25-58

Warner, Elizabeth J dan Christopher Georges, (2001), "The Credit Channel of Monetary Policy Transmission: Evidence from Stock Returns," Economic Inquiry, Vol 39, No1, January, 74-85




33

LAMPIRAN

Uji Akar-akar Unit

Seperti telah disinggung di muka biasanya data yang digunakan pada VAR

tidak stasioner, oleh karena itu perlu dilakukan uji akar-akar unit. Uji akar-akar

unit pada penelitian ini menggunakan uji Dickey-Fuller (DF) dan Augmented

Dickey-Fuller (ADF). (Thomas, 2000, 405-409) :

k

DX = a0 + a1 BXt + S bi Bi DXt 27

i=1

k

DX = c0 + c1T + c2 BXt + S bi Bi DXt 28

i=1

Formula 12 adalah DF test, pada persamaan itu mengandung intersep (a0)

namun tidak mengandung variabel kecenderungan waktu atau trend (T).

Sedangkan formula 13 adalah ADF test yang mengandung intersep (c0 ) dan

variabel kecenderungan waktu (T). Hasil dari uji DF dan ADF harus dibandingkan

dengan tabel nilai kritik McKinnon, jika hasil uji DF dan ADF lebih rendah dari

nilai tabel, maka perlu uji derajad integrasi. Uji derajad integrasi tidak lain adalah

transformasi derivatif dari data tersebut, tujuannya adalah mencari derajat integrasi

yang sama diantara data dari variabel yang diteliti. Biasanya data VAR, mencapai

derajat integrasi sama pada derajat satu atau I(1).

Penetapan Tingkat Kelambanan (lag) Optimal

Salah satu kesulitan menggunakan VAR adalah penetapan tingkat

kelambanan yang optimal. Beberapa penelitian mutakhir tentang VAR untuk

menetapkan tingkat kelambanan yang optimal menggunakan Akaike information

criteria (AIC) dan Schwarz criteria (SC). Baik AIC ataupun SC kadang juga

dipergunakan sebagai pengganti R2 (cofficient of determination), sehingga R2

bukan satu-satunya indikator validitas sebuah model ekonometri. (Thomas, 1997;

181-182) (Greene, 2000; 306). Namun sejak variabel kelambanan banyak




34

digunakan pada model-model ekonometri, AIC dan SC juga dapat digunakan

untuk menetapkan tingkat kelambanan yang optimal. (Greene, 2000; 717) :

AIC (q) = log (e’e)/T + 2q/T 29

SC(q) = AIC (q) + (q/T)(logT –1) 30

Dari persamaan 3.11 dan 3.12 terlihat beberapa notasi seperti e adalah

residual, sedangkan T dan q masing-masing merupakan jumlah sampel jumlah

variabel yang beroperasi dalam persamaan itu. Untuk menetapkan tingkat

kelambanan yang paling optimal, model VAR harus diestimasi dengan berbeda-

beda tingkat kelambanannya, kemudian dibandingkan nilai AIC dan SC-nya, nilai

yang paling rendah yang dipakai sebagai patokan pada tingkat kelambanan paling

optimal. Penelitian ini nantinya akan menguji tingkat kelambanan yang paling

optimal dari tingkat kelambanan 2; 4 dan, 6.

Hasil Uji Akar Unit dan Derajat Integrasi

Data runtut waktu biasanya mempunyai permasalahan stasionaritas, termasuk

data ekonomi. Untuk menguji masalah stasionaritas ini dilakukan uji akar-akar unit.

Pada prinsipnya uji akar-akar unit adalah mengamati apakah koefisien variabel

tertentu dari model outoregresif yang ditaksir mempunyai nilai satu atau tidak.

Salah satu metode pengujian uji akar-akar unit adalah uji DF (Dickey & Fuller) dan

ADF (Augmented Dickey & Fuller). Standar hasil pengujian DF dan

Tabel 5.8

Uji Akar Unit

Variabel Nilai DF Nilai ADF Keterangan LKRED -1.432823 -1.281239 Tidak lolos LM2 -1.125039 -2.894917 Tidak lolos LGDPR -0.383919 -2.487831 Tidak lolos LPUAB -1.735075 -1.653569 Tidak lolos LSBI -1.856718 -1.877638 Tidak lolos

Nilai kritis Mc Kinnon DF ADF 1 % -3.7204 -4.3738 5 % -2.9850 -3.6027




35

10 % -2.6318 -3.2367

ADF nilai kritis yang dikembangkan oleh McKinnon. Data dianggap stasioner jika

nilai AD dan ADF lebih besar dari pada nilai kritis Mc Kinnon.Dari uji akar-akar

unit yang dilakukan, semua data yang dipergunakan dalam penelitian ini tidak

stasioner. Semua data tidak stasioner, maka perlu dilanjutkan pada uji derajat

integrasi. (lihat tabel 5.8)

Tabel 5.8 Uji Derajat Integrasi

Variabel Nilai DF Nilai ADF Keterangan

LKRED -3.078507 -3.570108 Lolos 5 % LM2 -4.335504 -4.224000 Lolos 1 % LGDPR -3.955732 -3.865194 Lolos 5 % LPUAB -3.273524 -3.495697 Lolos 5 % LSBI -1.829218 -1.908746 Tidak Lolos

Nilai kritis Mc Kinnon DF ADF 1 % -3.7343 -4.3942 5 % -2.9907 -3.6118 10 % -2.6348 -3.2418

Uji derajat integrasi merupakan kelanjutan dari uji akar-akar unit. Uji ini

dilakukan sebagai konsekuensi dari tidak terpenuhinya asumsi stasioneritas pada

derajat nol atau I(0). Pada uji ini, data dideferensiasikan pada derajat tertentu,

sampai semua data menjadi stasioner pada derajat yang sama. Berdasarkan uji

derajat integrasi diketahui bahwa semua data lolos dari uji derajat integrasi derajat

satu I(1). Tiga data, nilai AD dan ADFnya berada di atas nilai kritis McKinnon 5

%, satu data di atas nilai kritis 1 %, dan satu data tidak lolos.

Agung (1998) dengan mengutip Sim (1980) dan Doan (1992) menyatakan

bahwa dalam mengoperasikan metode VAR tidak dianjurkan menggunakan bentuk

turunan pertama. Jika data turunan pertama digunakan akan menghilangkan

informasi penting tentang hubungan variabel-variabel dalam sebuah sistem seperti




36

kemungkinan adanya hubungan kointegrasi. Oleh karena itu, dalam studi ini tidak

akan digunakan turunan pertama dalam mengoperasikan metode VAR.

Hasil Uji Tingkat Kelambanan Optimal

Pada metode VAR penetapan kelambanan (lag) optimal menjadi sangat

penting karena variabel independen yang dipakai tidak lain adalah lag dari variabel

endogennya. Untuk menetapkan lag yang optimal digunakan nilai kriteria informasi

Akaike (AIC) dan Schwartz (SC) yang hasilnya seperti terlihat pada tabel 5.9. Pada

model jalur kredit nilai terendah baik AIC ataupun SC terletak pada lag 2. Oleh

karena itu dapat ditetapkan bahwa lag optimal yang akan dipakai pada model

adalah lag 2.

Tabel 5.9. Uji Kelambanan Optimal

Model Kelambanan Akaike Schwartz

Model Jalur Kredit 2 299.0738 301.3493 4 363.2993 367.7326 6 499.9495 506.6291




Documents

Perbandingan Peranan Jalur Kredit