Pergerakan Suku Bunga BI rate dan Suku Bunga Kredit

69 empat. Model yang digunkan untuk menguji panjang lag yang sesuai adalah model 3.31 karena merupakan model dasar dari penelitian ini. Tabel 14 Penentuan panjang lag dengan metode SIC Penghitungan SIC FD-GMM dengan karakteristik ukuran aset, likuiditas,CAR Lag 1 Lag 2 Lag 3 Lag 4 rss 58.6620 57.5360 53.7850 47.5000 T 24 24 24 24 SICp 1.0262 1.1392 1.2042 1.2124 Penghitungan SIC SYS-GMM dengan karakteristik ukuran aset, likuiditas, CAR Lag 1 Lag 2 Lag 3 Lag 4 rss 63.8130 57.0940 55.5450 85.9580 T 24 24 24 24 SICp 1.1103 1.1315 1.2364 1.8055 Penghitungan SIC FD-GMM dengan karakteristik ukuran aset, likuiditas, kapital Lag 1 Lag 2 Lag 3 Lag 4 rss 59.0760 54.2130 53.5040 50.4210 T 24 24 24 24 SICp 1.0332 1.0797 1.1990 1.2720 Penghitungan SIC SYS-GMM dengan karakteristik ukuran aset, likuiditas, kapital Lag 1 Lag 2 Lag 3 Lag 4 rss 64.9390 60.1760 55.9020 59.6820 T 24 24 24 24 SICp 1.1278 1.1841 1.2428 1.4407 Keterangan : cetak tebal menunjukkan nilai SIC minimum Hasil dari AIC untuk panjang lag dengan model 3.31 menunjukkan ketidakkonsistenan antara kesimpulan lag yang sesuai yang didapat dengan model yang diestimasi menggunakan metode FD-GMM dan SYS-GMM. Oleh karena itu, penelitian ini akan menggunakan hasil penghitungan SIC yang konsisten antara kesimpulan lag dengan menggunakan hasil estimasi metode FD-GMM maupun dengan metode SYS-GMM. Hasil penghitungan membuktikan bahwa lag satu memiliki SIC paling minimum dibandingkan dengan lag dua, lag tiga maupun lag empat. Dari hasil SIC tersebut, maka penelitian ini menggunakan lag satu dalam mengestimasi model dinamis. 5.4 Analisis Hasil Estimasi Model Dinamis 5.4.1 Analisis Hasil Estimasi dengan Seluruh Karakteristik Bank Estimasi model 3.31 dilakukan dengan menggunakan dua set karakteristik dimana set karakteristik pertama adalah ukuran aset, likuiditas dan kapital, sedangkan set karakteristik kedua adalah ukuran aset, likuiditas dan CAR. Hasil estimasi ditampikan dalam bentuk koefisien long-run. Koefisien long-run diinterpretasikan sebagai besarnya pengaruh variabel independen terhadap perubahan pertumbuhan kredit dalam jangka panjang. Hasil estimasi yang digunakan adalah hasil estimasi metode SYS-GMM karena terbukti memenuhi kriteria estimator GMM terbaik yaitu tidak bias, instrumen valid dan konsisten bila dibandingkan dengan hasil estimasi FD-GMM. 1. Pengaruh BI rate, laju pertumbuhan ekonomi dan inflasi terhadap perubahan pertumbuhan kredit bank Tabel 15 menunjukkan bahwa perubahan BI rate bernilai negatif dan signifikan secara statistik dalam memengaruhi perubahan pertumbuhan kredit bank baik dengan set karakteristik ukuran aset, likuiditas dan kapital maupun dengan set karakteristik ukuran aset, likuiditas dan CAR. Kesimpulan tersebut sesuai dengan teori Bernanke dan Blinder 1988 yang menyebutkan bahwa sebagai syarat beroperasinya jalur kredit bank, maka perubahan kebijakan moneter harus mampu memengaruhi penawaran kredit bank. Hasil estimasi dengan set karakteristik ukuran aset, likuiditas dan kapital menunjukkan bahwa untuk setiap kenaikan satu poin BI rate 100 bps maka rata- rata bank akan mengalami penurunan pertumbuhan kredit sebesar 0.0128 poin. Set ukuran aset, likuiditas dan CAR menunjukkan penurunan pertumbuhan kredit sebesar 0.0050 poin untuk setiap kenaikan 100 bps BI rate. Kedua hasil tersebut menunjukkan bahwa kapital dan CAR membedakan besarnya perubahan pertumbuhan kredit bank ketika terjadi perubahan BI rate. Hal tersebut dikarenakan CAR sudah memperhitungkan risiko dalam kecukupan modal sedangkan kapital hanya dihitung dari modal pelengkap dan modal inti bank. Jika melihat dari model selection criterion yaitu SIC dan AIC, keduanya konsisten menyatakan bahwa model dengan set karakteristik ukuran aset, likuiditas dan 71 CAR adalah model yang lebih baik dari model dengan set karakteristik ukuran aset, likuiditas dan kapital. Perubahan pertumbuhan kredit sebagai dampak dari perubahan BI rate dengan memasukkan variabel CAR lebih kecil dari perubahan pertumbuhan kredit jika menggunakan kapital. Tabel 15 Koefisien long-run hasil estimasi model dinamis Variabel Koefisien Long-run Set Ukuran Aset, Likuiditas, Kapital Koefisien Long-run Set Ukuran Aset, Likuiditas, CAR ∆ BI Rate -0.0128 -0.0050 Pertumbuhan 0.9101 0.9249 Inflasi 0.0011 0.0002 Lag Aset -0.0049 -0.0027 Interaksi Lag Aset dengan ∆BI Rate 0.0060 0.0037 Interaksi Lag Aset dengan Pertumbuhan 0.4306 0.4116 Interaksi Lag Aset dengan Inflasi 0.0009 0.0006 Lag Likuiditas 0.0731 0.1221 Interaksi Lag Likuiditas dengan ∆BI Rate -0.0114 -0.0067 Interaksi Lag Likuiditas dengan Pertumbuhan 3.0062 2.9829 Interaksi Lag Likuiditas dengan Inflasi 0.0077 0.0004 Lag Kapital -0.2973 Interaksi Lag Kapital dengan ∆BI Rate -0.0208 Interaksi Lag Kapital dengan Pertumbuhan 0.3132 Interaksi Lag Kapital dengan Inflasi 0.0488 Lag CAR -0.1004 Interaksi Lag CAR dengan ∆BI Rate -0.0081 Interaksi Lag CAR dengan Pertumbuhan -0.2640 Interaksi Lag CAR dengan Inflasi 0.0231 Konstanta 0.0277 0.0364 p-value AR1 0.0182 0.0234 p-value AR2 0.3665 0.4195 p-value Sargan test 1.0000 1.0000 AIC -3.53 -3.55 SIC -3.43 -3.45 Jumlah Bank 99 99 Jumlah Observasi 2277 2277 Keterangan : =signifikan di level 5 ; =signifikan di level 1 ; =signifikan di level 0.1 Dari hasil estimasi dengan koefisien short-run Lampiran 5 atau yang dalam literatur ekonometrika Gujarati, 2004; Greene,2003 disebut impact multiplier, dapat dilihat bahwa signifikansi perubahan BI rate dalam memengaruhi perubahan pertumbuhan kredit bank terjadi di lag perubahan BI rate yang berarti bank tidak merespon seketika pada saat terjadi perubahan BI rate. Hal tersebut dikarenakan kontrak kredit bank yang memiliki time lag untuk realisasi, sehingga pertumbuhan kredit bank di saat terjadi perubahan BI rate belum terlihat perubahannya akibat dari realisasi kontrak-kontrak sebelumnya. Hasil estimasi di Tabel 15 juga menunjukkan bahwa dampak laju pertumbuhan ekonomi jauh lebih besar pengaruhnya terhadap perubahan pertumbuhan kredit bank bila dibandingkan dengan dampak dari perubahan BI rate. Untuk setiap kenaikan laju pertumbuhan ekonomi sebesar satu poin, maka rata-rata bank mengalami kenaikan pertumbuhan kredit sebesar lebih dari 0.9 poin. Hal tersebut mengindikasikan bahwa perubahan pertumbuhan kredit bank lebih dipengaruhi oleh pertumbuhan ekonomi daripada kebijakan moneter. Efektifitas BI rate dalam memengaruhi pertumbuhan kredit bank sangat kecil bila dibandingkan dengan pengaruh dari pertumbuhan ekonomi. Bank Indonesia tidak dapat hanya berharap pada suku bunga kebijakan BI rate untuk meningkatkan pertumbuhan kredit bank atau untuk memperlambat pertumbuhan kredit bank. Pentingnya keterkaitan sektor moneter dan sektor riil harus dipertimbangkan sebagai dasar dalam merumuskan instrumen moneter yang bisa lebih efektif memengaruhi pertumbuhan kredit bank. Laju pertumbuhan ekonomi dimasukkan dalam model dengan dasar pertimbangan efek permintaan kredit bank. Pertumbuhan ekonomi meningkatkan expected net present value sehingga banyak perusahaan yang optimis dalam melakukan investasi. Banyaknya perusahaan yang mengalami keterbatasan modal namun optimis untuk merealisasikan proyek investasinya meningkatkan permintaan kredit bank. Pengaruh laju pertumbuhan ekonomi sebagai cerminan permintaan kredit bank yang meningkat sehingga memengaruhi perubahan pertumbuhan kredit bank dapat dikaitkan dengan perkembangan pasar finansial. Rajan dan Zingales 2000 dalam Handa 2000 membuktikan secara empiris bahwa perkembangan finansial mengurangi biaya eksternal pembiayaan sehingga meningkatkan jumlah perusahaan dan industri yang bergantung pada pembiayaan tersebut. Selain itu juga menciptakan perusahaan-perusahaan baru dan industri yang sebagian besar diperhitungkan sebagai munculnya ide-ide baru, inovasi dan terobosan baru. Perkembangan finansial juga mengurangi ketidaksempurnaan pasar finansial. Biaya yang lebih rendah dan akses yang lebih mudah ke pembiayaan eksternal menyediakan mekanisme perkembangan finansial memengaruhi perubahan dan pertumbuhan dalam perekonomian yang dapat menjadi bukti adanya kausalitas dari perkembangan finansial ke pertumbuhan. 73 Pemegang Deposito Perusahaan Finansial Lainnya Pemerintah Perusahaan Non- finansial Sektor Domestik Lainnya 2005 0.94 2.66 1.01 48.91 45.92 0.55 100.00 2006 1.24 2.29 0.90 49.19 45.95 0.43 100.00 2007 1.81 2.26 1.03 49.60 44.70 0.60 100.00 2008 1.21 2.85 0.76 50.56 44.08 0.54 100.00 2009 1.52 3.02 0.81 46.87 47.37 0.41 100.00 2010 1.37 4.40 0.74 43.46 49.61 0.42 100.00 2011 1.23 4.76 0.72 42.26 50.62 0.41 100.00 Penduduk Bukan Penduduk Total Tahun Inflasi memiliki koefisien positif dan signifikan secara statistik, namun koefisiennya sangat kecil bila dibandingkan dengan perubahan BI rate ataupun laju pertumbuhan ekonomi. Tidak ada konsensus yang jelas mengenai bagaimana inflasi memengaruhi permintaan kredit yang berdampak pada pergeseran pertumbuhan kredit bank. Banyaknya perusahaan dan rumah tangga di Indonesia yang bersifat bank-dependent mengindikasikan bahwa inflasi tidak menurunkan permintaan kredit sehingga inflasi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank. Bank-dependent dapat dilihat dari data mengenai pentingnya kredit bank bagi sektor domestik. Sumber : Financial Soundness Indicators FSI, diolah Di tahun 2011, lebih dari 92 kredit bank disalurkan ke perusahaan non- finansial dan sektor domestik. Survei World Bank menyebutkan bahwa di Indonesia pada tahun 2010, per 1000 orang dewasa terdapat lebih dari 200 orang yang meminjam ke bank. Banyaknya peminjam yang bergantung pada kredit bank sebagai sumber pembiayaan bank-dependent akan terus menjadikan bank sebagai lembaga intermediasi yang berpengaruh kuat dalam sistem finansial Indonesia dan membuat inflasi tidak berpengaruh besar dalam pergeseran permintaan kredit. Tabel 16 Persentase kredit bank yang disalurkan menurut kategori penduduk dan bukan penduduk tahun 2005 - 2011