risiko kredit yang menyertai kredit membuat bank-bank kecil yang memiliki aset likuid enggan untuk mencairkan aset likuidnya sehingga aset likuid yang return-
nya berdasarkan suku bunga tetap dipegang oleh bank tersebut. Tidak hanya melihat interaksi karakteristik bank dengan perubahan BI rate,
model yang diestimasi juga melihat interaksi karakteristik bank dengan laju pertumbuhan ekonomi. Koefisien interaksi bernilai positif untuk semua
karakteristik bank dan signifikan untuk karakteristik ukuran aset dan likuiditas. Koefisien positif berarti semakin besar ukuran aset bank, semakin likuid dan
semakin besar kapital maka semakin besar perubahan pertumbuhan kredit bank untuk setiap perubahan satu poin pertumbuhan ekonomi. Bank-bank besar lebih
responsif dalam merubah pertumbuhan kreditnya dibandingkan bank-bank kecil jika pertumbuhan ekonomi meningkat. Sedangkan untuk interaksi karakteristik
bank dengan inflasi, koefisien long-run bernilai sangat kecil. Bank dengan ukuran aset, likuid dan kapital yang semakin besar merespon lebih kuat terhadap
kenaikan inflasi bila dibandingkan dengan bank yang memiliki ukuran aset, likuiditas dan kapital yang rendah.
5.4.2 Hasil Estimasi dengan Tiap Karakteristik Bank
Untuk melihat robustness estimasi dua set karakteristik diatas, maka dilakukan estimasi dua spesifikasi model lainnya, yaitu :
1. Model yang memasukkan masing-masing karakteristik bank beserta variabel makroekonomi laju pertumbuhan ekonomi dan inflasi ;
2. Model yang memasukkan masing-masing karakteristik bank tanpa variabel makroekonomi.
Kesimpulan yang didapat dari spesifikasi model pertama yaitu karakteristik ukuran aset memperlihatkan bahwa ukuran aset tidak berubah tanda tetapi
berubah signifikansi statistiknya. Sedangkan untuk karakteristik likuiditas, kapital, dan CAR baik tanda maupun signifikansinya tidak berubah. Hasil estimasi dengan
spesifikasi model kedua yaitu model dengan masing-masing karakteristik bank dan tanpa variabel makroekonomi, koefisien long-run yang didapat tidak stabil
karena tanda koefisien perubahan BI rate berbeda-beda antar hasil estimasi. Dari kedua spesifikasi model yang diestimasi dan hasil estimasi di Tabel 15 dapat
79
disimpulkan bahwa likuiditas merupakan karakteristik bank yang mampu menjelaskan respon bank terhadap perubahan kebijakan moneter. Hasil estimasi
kedua spesifikasi model dapat dilihat di Lampiran 7. Tabel 18
Koefisien long-run untuk karakteristik ukuran aset, likuiditas, kapital dan CAR
Variabel Aset
Likuiditas Kapital
CAR ∆ BI Rate
-0.0284 -0.0077
-0.0259 -0.0218
Pertumbuhan 2.2159
0.8751 0.9158
0.8009 Inflasi
-0.0029 0.0007
0.0026 0.0021
Lag Aset -0.0020
Interaksi Lag Aset dengan ∆BI Rate 0.0023
Interaksi Lag Aset dengan Pertumbuhan 0.3078
Interaksi Lag Aset dengan Inflasi 0.0004
Lag Likuiditas 0.0615
Interaksi Lag Likuiditas dengan ∆BI Rate -0.0031
Interaksi Lag Likuiditas dengan Pertumbuhan 2.8510
Interaksi Lag Likuiditas dengan Inflasi 0.0068
Lag Kapital -0.1664
Interaksi Lag Kapital dengan ∆BI Rate -0.0744
Interaksi Lag Kapital dengan Pertumbuhan 3.1514
Interaksi Lag Kapital dengan Inflasi 0.0271
Lag CAR -0.0645
Interaksi Lag CAR dengan ∆BI Rate -0.0865
Interaksi Lag CAR dengan Pertumbuhan 1.5532
Interaksi Lag CAR dengan Inflasi 0.0181
Konstanta 0.0377
0.0324 0.0142
0.0204 p-value AR1
0.0060 0.0255
0.0199 0.0203
p-value AR2 0.7320
0.5222 0.4630
0.4975 p-value Sargan test
1.0000 1.0000
1.0000 1.0000
Jumlah Bank 99
99 99
99 Jumlah Observasi
2277 2277
2277 2277
Keterangan : =signifikan di level 5 ; =signifikan di level 1 ; =signifikan di level 0.1
5.5 Uji Spesifikasi Model Panel Data Dinamis
Hasil estimasi SYS-GMM memenuhi kriteria estimator terbaik karena tidak bias, instrumen valid dan konsisten. Estimator SYS-GMM tidak bias karena
koefisien lag peubah dependen berada dalam rentang koefisien hasil estimasi Ordinary Least Square OLS dan koefisien hasil estimasi fixed effects Lampiran
6. Selain tidak bias, validitas instrumen metode SYS-GMM yang diuji dengan tes Sargan menunjukkan bahwa tidak cukup bukti untuk menolak hipotesis nol yaitu
instrumen yang digunakan adalah valid. Instrumen yang digunakan untuk mengestimasi SYS-GMM adalah lag dari peubah dependen, karakteristik bank
dan interaksi karakteristik bank yang merupakan variabel endogen. Konsistensi
estimator di Tabel 15 dan Tabel 17 ditunjukkan dari p-value AR1 atau statistik m
1
dan AR2 atau statistik m
2
. Kesimpulan yang didapat dari pengujian kekonsistenan model dinamis dalam penelitian ini yaitu tidak terdapat first-order
serial correlation dalam first-differenced residuals dan terdapat second-order serial correlation dalam first-differenced residuals.
5.6 Analisis Hasil Estimasi Pooled Regression
Analisis pooled regression dilakukan untuk mengetahui respon atau sensitivitas bank secara individu. Persamaan yang diestimasi adalah persamaan
3.40 dengan melihat pada konstanta, karakteristik bank dan interaksi karakteristik bank dengan perubahan BI rate.
Estimasi model 3.40, yaitu model untuk pooled regression, dengan memasukkan karakteristik ukuran aset diketahui bahwa sepuluh bank yang
memiliki konstanta terendah adalah bank-bank jenis BUSN Non-Devisa. Konstanta yang bernilai negatif menandakan bahwa perubahan pertumbuhan
kredit bank-bank tersebut semakin rendah. Bank-bank tersebut perlu untuk terus diawasi terutama dari pengaruh ukuran aset terhadap perubahan pertumbuhan
kreditnya. Tabel 19 Sepuluh bank berdasarkan bank-specific effect terendah dan terbesar
dengan memperhitungkan ukuran aset
bank- specific
effect bank-
specific effect
BCA -0.6993
-0.0037 2.7939BISNIS INTERNASIONAL
-0.5368 -0.0290 -1.5646
MANDIRI -0.3633
-0.0070 1.5453INA PERDANA
-0.6287 -0.0519 -1.0856
CIMB NIAGA -0.2486
0.0093 0.7473ROYAL
-0.2949 0.0113 -0.7596
UOB INDONESIA -0.4115
0.0027 0.7248ANDARA
-0.2149 -0.0543 -0.5081
MAYORA 0.2854
-0.0059 0.7082MULTI ARTA SENTOSA
-0.2055 0.0075 -0.3997
BNI -0.1485
-0.0112 0.5510PRIMA MASTER BANK
-0.1997 -0.0049 -0.3341
BPD JATIM -0.3665
-0.0298 0.5386BANK OF INDIA INDONESIA
-0.2835 -0.0208 -0.2953
BPD PAPUA -0.5291
0.0361 0.4163SINAR HARAPAN BALI
-0.1132 -0.0018 -0.1885
BPD SULTENG 0.2224
-0.0278 0.4017CENTRATAMA NASIONAL BANK -0.1089 -0.0097
-0.1797 STANDARD CHARTERED BANK
-0.1814 -0.0095
0.3902FAMA INTERNASIONAL -0.0826 -0.0103
-0.1592 Ukuran Aset
Interaksi Ukuran Aset
dengan ∆Birate Ukuran
Aset Interaksi
Ukuran Aset dengan ∆Birate
Nama Bank Nama Bank
10 bank dengan bank-specific effect tertinggi
10 bank dengan bank-specific effect terendah