4.2 ANALISIS PENELITIAN 4.2.1 Hasil Uji Stasioneritas Uji Akar-Akar Unit
Pengujian didalam penelitian ini dimulai dengan Uji Stasioner terhadap variabel-variabel dalam persamaan-persamaan dari model simultan. Variabel-variabel
yang ada dalam penelitian ini antara lain total deposito, total kredit, suku bunga deposito, suku bunga kredit, produk domestik bruto, tingkat inflasi, suku bunga SBI,
suku bunga SBPU, jumlah uang beredar, kurs, GWM. Dengan menjalankan metode yang dikembangkan oleh Dickey dan Fuller maka estimasi akar-akar unit dapat
dilakukan. Setelah dilakukan uji stasioner diketahui bahwa ada satu variable yang telah
stasioner pada tahap level yaitu INF. Sedangkan masih terdapat beberapa variabel yang hasil uji datanya merupakan data yang tidak stasioner pada tahap level. Variabel
yang diuji hingga pada taraf first difference antara lain seperti SBK, SBI, SBPU, GWM dan KURS. Sementara variable-variabel yang harus diuji kembali hingga tahap
second difference antara lain adalah DEP, KRD, SBD, PDB, dan JUB. Sehingga dilakukan upaya untuk menjadikan data menjadi stasioner dengan menguji kembali
pada tahap first difference atau hingga tahap second difference. Dari hasil pengujian terlihat bahwa seluruh data telah stasioner pada derajat 1
dan 2, atau atau dengan kata lain menjadi stasioner pada perbedaan pertama first difference dan perbedaan kedua second difference. Sehingga dengan demikian,
data-data dari semua variable persamaan yang ada sudah dapat digunakan dalam penelitian ini.
Universitas Sumatera Utara
Hasil uji stasioneritas data dari setiap variable dalam persamaan yang ada dalam penelitian dapat ditunjukkan pada table dibawah ini.
No Variabel
LevelFirst DSecond D ADF Test
1 DEP
Second Difference
-4.208831
2 KRD
Second Difference
-3.490126
3 SBD
Second Difference
-7.658328
4 SBK
First Difference
-3.310100
5 PDB
Second Difference
-34.53153
6 INF
Level
-3.916387
7 SBI
First Difference
-3.173778
8 SBPU
First Difference
-6.518679
9 GWM
First Difference
-7.280498
10 KURS
First Difference
-6.755397
11 JUB
Second Difference
-11.58174
Sumber : Lampiran 11 sd 36. Berdasarkan hasil uji akar-akar unit pada Tabel 4.12 diketahui bahwa data dari
variable Tingkat Inflasi adalah stasioner pada tahap Level. Dan data-data dari variable-variabel SBK, SBI, SBPU, GWM, KURS adalah stasioner pada tahap First
Difference. Sementara itu, data-data dari variable-variabel DEP, KRD, SBD, PDB, JUB adalah stasioner pada tahap Second Difference.
4.2.2 Uji Kointegrasi
Secara sederhana, uji kointegrasi ini ditujukan untuk mengetahui apakah ada hubungan jangka panjang antar variable yang telah melalui uji stasioneritas. Didalam
penelitian ini, Uji Kointegrasi dilakukan setelah seluruh variable dalam model persamaan simultan telah dinyatakan stasioner melalui Uji Stasioneritas data dengan
uji akar-akar unit. Selain itu, Uji Kointegrasi dilakukan karena adanya peringatan
Tabel 4.12 Hasil Uji Stasioneritas pada tahap Level1st D2nd D
Universitas Sumatera Utara
bahwa terhadap regresi runtun waktu nonstasioner akan menimbulkan regresi semu spurious regression.
Hasil dari Uji Kointegrasi yang telah dilakukan, ternyata semua kombinasi linier yang terdapat pada 7 tujuh persamaan dalam model persamaan simultan yang
diteliti disini, telah terbukti memiliki hubungan jangka panjang, dan telah menghilangkan tren acak pada seluruh variable yang memiliki data runtun waktu.
Dan hal ini berarti pula bahwa semua persamaan dari model simultan yang dilakukan regresi mempunyai makna atau tidak mengalami regresi semu.
Pembuktian terhadap pengujian kointegrasi berdasarkan trace statistics dapat dilihat pada Tabel 4.13., yang dihasilkan dalam pengujian. Dari Tabel 4.13., tersebut
hasilnya menunjukkan bahwa semua persamaan berada dalam satu rank kointegrasi pada taraf nyata 5 lima persen, dimana tertulis kalimat : “Selected 0.05 level
Number of Cointegrating Relations by Model”. Berdasarkan Tabel 4.13., terdapat 7 series hubungan jangka panjang, yang hasil
uji kointegrasinya dapat dijelaskan sebagai berikut :
Pada Series pertama diketahui bahwa : a.
Ada 2 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 2 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 2 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 3 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 2 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Universitas Sumatera Utara
Pada Series ke-dua diketahui bahwa : a.
Ada 3 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 4 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 2 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 2 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 4 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Pada Series ke-tiga diketahui bahwa : a.
Ada 2 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 3 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 4 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 1 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 1 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Pada Series ke-empat diketahui bahwa : a.
Ada 1 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 2 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 1 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
Universitas Sumatera Utara
d. Ada 1 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 1 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Pada Series ke-lima diketahui bahwa : a.
Ada 2 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 2 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 1 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 0 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 0 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Pada Series ke-enam diketahui bahwa : a.
Ada 2 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 3 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 2 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 2 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 4 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Pada Series ke-tujuh diketahui bahwa : a.
Ada 1 persamaan yang tidak memiliki intercept No Intercept dan tidak memiliki Trend No Trend.
b. Ada 1 persamaan yang memiliki intercept namun tidak memiliki Trend.
c. Ada 3 persamaan linier yang memiliki intercept namun tidak memiliki Trend.
d. Ada 1 persamaan linier yang memiliki intercept dan memiliki trend.
e. Ada 3 persamaan kuadratik yang memiliki intercept dan memiliki trend.
Universitas Sumatera Utara
Tabel 4.13. Hasil Estimasi Uji Kointegrasi Terhadap Persamaan :
Date: 081211 Time: 21:23 Sample: 2000Q1 2010Q4
Included observations: 42 Series: LOGDEP LOGPDB LOGSBD LOGINF
Lags interval: 1 to 1 Selected 0.05 level Number of Cointegrating Relations by Model
Data Trend: None
None Linear
Linear Quadratic
Test Type No Intercept
Intercept Intercept
Intercept Intercept
No Trend No Trend
No Trend Trend
Trend Trace
2 2
2 3
2 Max-Eig
2 2
1 2
2 Critical values based on MacKinnon-Haug-Michelis 1999
Date: 081211 Time: 21:40 Sample: 2000Q1 2010Q4
Included observations: 42 Series: LOGKRD LOGPDB LOGSBK LOGINF
Lags interval: 1 to 1 Selected 0.05 level Number of Cointegrating Relations by Model
Data Trend: None
None Linear
Linear Quadratic
Test Type No Intercept
Intercept Intercept
Intercept Intercept
No Trend No Trend
No Trend Trend
Trend Trace
3 4
2 2
4 Max-Eig
3 4
2 1
1 Critical values based on MacKinnon-Haug-Michelis 1999
Date: 081211 Time: 21:42 Sample: 2000Q1 2010Q4
Included observations: 42 Series: LOGSBD LOGSBI LOGSBPU LOGDEP
Lags interval: 1 to 1 Selected 0.05 level Number of Cointegrating Relations by Model
Data Trend: None
None Linear
Linear Quadratic
Test Type No Intercept
Intercept Intercept
Intercept Intercept
No Trend No Trend
No Trend Trend
Trend Trace
2 3
4 1
1 Max-Eig
2 2
1 1
1 Critical values based on MacKinnon-Haug-Michelis 1999
Date: 081211 Time: 21:45
Universitas Sumatera Utara
Sample: 2000Q1 2010Q4 Included observations: 42
Series: LOGSBK LOGSBI LOGSBPU LOGKRD Lags interval: 1 to 1
Selected 0.05 level Number of Cointegrating Relations by Model Data Trend:
None None
Linear Linear
Quadratic Test Type
No Intercept Intercept
Intercept Intercept
Intercept No Trend
No Trend No Trend
Trend Trend
Trace 1
2 1
1 1
Max-Eig 1
2 1
1 1
Critical values based on MacKinnon-Haug-Michelis 1999 Date: 081211 Time: 21:47
Sample: 2000Q1 2010Q4 Included observations: 42
Series: LOGKURS LOGINF LOGJUB Lags interval: 1 to 1
Selected 0.05 level Number of Cointegrating Relations by Model Data Trend:
None None
Linear Linear
Quadratic Test Type
No Intercept Intercept
Intercept Intercept
Intercept No Trend
No Trend No Trend
Trend Trend
Trace 2
2 1
Max-Eig 2
2 1
Critical values based on MacKinnon-Haug-Michelis 1999 Date: 081211 Time: 21:50
Sample: 2000Q1 2010Q4 Included observations: 42
Series: LOGSBPU LOGGWM LOGSBI LOGKRD Lags interval: 1 to 1
Selected 0.05 level Number of Cointegrating Relations by Model Data Trend:
None None
Linear Linear
Quadratic Test Type
No Intercept Intercept
Intercept Intercept
Intercept No Trend
No Trend No Trend
Trend Trend
Trace 2
3 2
2 4
Max-Eig 1
2 1
Critical values based on MacKinnon-Haug-Michelis 1999 Date: 081211 Time: 21:53
Sample: 2000Q1 2010Q4 Included observations: 42
Universitas Sumatera Utara
Series: LOGINF LOGKURS LOGSBPU Lags interval: 1 to 1
Selected 0.05 level Number of Cointegrating Relations by Model Data Trend:
None None
Linear Linear
Quadratic Test Type
No Intercept Intercept
Intercept Intercept
Intercept No Trend
No Trend No Trend
Trend Trend
Trace 1
1 3
1 3
Max-Eig 1
1 1
1 1
Critical values based on MacKinnon-Haug-Michelis 1999
4.2.3 Hasil Estimasi Two Stages Least Squares 2SLS.
Analisis Two Stages Least Squares 2SLS sangat umum digunakan untuk mengetahui hubungan simultanitas antara variabel endogen, yang dalam penelitian ini
antara lain adalah variable-variabel DEP, KRD, SBD, SBK, KURS, SBPU, dan INF, dengan variable endogen yang lain.
Dalam hubungan simultanitas, biasanya terdapat lebih dari satu persamaan dan penaksiran tidak dapat dilakukan secara terpisah tanpa memperhitungkan informasi
yang diberikan oleh persamaan yang lain. Dimana telah diketahui bahwa dalam persamaan simultan sangat besar kemungkinan variabel endogen berkorelasi dengan
error term. Metode Two Stage Least Square 2 SLS merupakan suatu metode yang
digunakan untuk menaksir persamaan struktural yang Overidentified. Metode ini menjadi metode pilihan karena diketahui bahwa Two Stage Least Squares adalah
suatu metode yang sistematis dalam menciptakan variabel-variabel instrumen untuk menggantikan variabel-variabel endogen dalam posisinya sebagai variabel-variabel
penjelas dalam sistem persamaan-persamaan simultan.
Universitas Sumatera Utara
Two Stage Least Squares 2 SLS digunakan untuk menggantikan metode OLS yang tidak dapat digunakan untuk mengestimasi suatu persamaan-persamaan
simultan, terutama karena adanya saling ketergantungan antara variabel distrurbance dengan variabel-variabel penjelas endogen atau adanya pelanggaran terhadap Asumsi
Klasik. Pada Tabel 4.14 ditunjukkan hasil regresi persamaan simultan dengan menggunakan Metode 2 SLS Two Stage Least Squares.
4.2.4 Hasil Estimasi Persamaan Total Deposito DEP
Berdasarkan Tabel 4.14, dari hasil estimasi persamaan Total Deposito DEP diketahui nilai koefisien determinasi
sebesar 93,56 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas sangat mampu
untuk menjelaskan variabel Total Deposito, sedangkan variable lain yang tidak
disertakan didalam persamaan hanya mampu mempengaruhi Total Deposito DEP sebesar 6,44 persen. Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar
1.0035, pada ti ngkat signifikasi α = 5 persen, k=3 dan n =176 diperoleh nilai dl =
1.7189 dan du = 1.7881 yang berarti ada autokorelasi positif pada model persamaan DEP. Selanjutnya seperti pada Tabel 4.15, persamaan DEP ini memiliki nilai JB-test
sebesar 2,431659 dengan probabilitas sebesar 0,296464 0,05, yang berarti residual dari persamaan DEP telah berdistribusi normal.
Dari Tabel 4.14 ditunjukkan variabel yang mempengaruhi DEP terdiri dari Produk Domestik Bruto PDB, suku bunga Deposito, dan tingkat Inflasi. Pengaruh
PDB terhadap DEP sebesar positif 2.6387 dan signifikan pada tingkat α = 1 persen.
Artinya setiap 1 persen peningkatan PDB akan meningkatkan DEP sebesar 2.6387
Universitas Sumatera Utara
persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan PDB akan meningkatkan kemampuan masyarakat untuk menabung pada system perbankan.
Pengaruh SBD terhadap DEP sebesar positif 0.447 dan signifikan pada tingkat α = 1 persen. Artinya setiap 1 persen peningkatan SBD akan meningkatkan DEP
sebesar 0.447 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan SBD akan meningkatkan keinginan masyarakat untuk menabung pada system perbankan.
Pengaruh INF terhadap DEP sebesar negatif -1.146 dan signifikan pada tingkat α = 1 persen. Artinya setiap 1 persen peningkatan INF akan menurunkan DEP sebesar
1.146 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan INF akan menurunkan kemampuan masyarakat untuk menabung pada system perbankan.
4.2.5 Hasil Estimasi Persamaan Total Kredit KRD
Berdasarkan Tabel 4.14., dari hasil estimasi persamaan Total Kredit KRD diketahui nilai koefisien determinasi
sebesar 98,59 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas cukup mampu
untuk menjelaskan tentang Total Kredit, sedangkan variable lain yang tidak
disertakan didalam persamaan hanya mampu mempengaruhi Total Kredit Bank Umum di Indonesia sebesar 1,41 persen.
Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 1.7626, pada tingkat signifikasi α = 5 persen, k=3 dan n =176 diperoleh nilai dl = 1.7189 dan du =
1.7881 yang berarti ada autokorelasi positif pada model persamaan KRD. Selanjutnya, seperti pada Tabel 4.15, persamaan KRD ini memiliki nilai JB-test
sebesar 0,667379 dengan probabilitas sebesar 0,716276 0,05, yang berarti residual dari persamaan KRD telah berdistribusi normal.
Universitas Sumatera Utara
Dari Tabel 4.14 ditunjukkan variabel yang mempengaruhi KRD terdiri dari Produk Domestik Bruto PDB, suku bunga Kredit, dan tingkat Inflasi. Pengaruh
PDB terhadap KRD sebesar positif 3.661 dan signifikan pada tingkat α = 1 persen.
Artinya setiap 1 persen peningkatan PDB akan meningkatkan KRD sebesar 3.661 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan PDB akan
meningkatkan investasi masyarakat dalam perekonomian. Pengaruh SBK terhadap KRD sebesar negatif 0.049 dan tidak signifikan pada
tingkat α = 10 persen. Artinya setiap 1 persen peningkatan SBK akan menurunkan
KRD sebesar 0.049 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan SBK akan mengurangi minat masyarakat untuk meminjam dana dari
system perbankan. Pengaruh INF terhadap KRD sebesar negatif 0.020 dan tidak signifikan pada
tingkat α = 10 persen. Artinya setiap 1 persen peningkatan INF akan menurunkan
KRD sebesar 0.020 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan INF akan mengurangi kemampuan masyarakat untuk meminjam dana
dari system perbankan.
4.2.6 Hasil Estimasi Persamaan Suku Bunga Deposito SBD
Berdasarkan Tabel 4.14., dari hasil estimasi persamaan Suku Bunga Deposito diketahui nilai koefisien determinasi
sebesar 83,84 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas cukup mampu
untuk menjelaskan tentang Suku Bunga Deposito, sedangkan variable lain yang tidak disertakan didalam persamaan hanya mampu mempengaruhi Suku Bunga Deposito
Bank Umum sebesar 16,16 persen.
Universitas Sumatera Utara
Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 1.415219, pada tingkat signifikasi α = 5 persen, k=3 dan n =176 diperoleh nilai dl = 1.7189 dan du =
1.7881 yang berarti ada autokorelasi positif pada model persamaan SBD. Selanjutnya, seperti pada Tabel 4.15, persamaan SBD ini memiliki nilai JB-test
sebesar 0,258141 dengan probabilitas sebesar 0,878912 0,05, yang berarti residual dari persamaan SBD telah berdistribusi normal.
Dari Tabel 4.14 ditunjukkan variabel yang mempengaruhi SBD terdiri dari suku bunga Sertifikat Bank Indonesia SBI, suku bunga SBPU, dan total Deposito.
Pengaruh suku bunga SBI terhadap SBD sebesar positif 0.052 dan tidak signifikan pada tingkat
α = 10 persen. Artinya setiap 1 persen peningkatan suku bunga SBI akan meningkatkan suku bunga SBD sebesar 0.052 persen. Hal ini sesuai dengan
ekspektasi teori, karena peningkatan suku bunga SBI akan mendorong meningkatnya suku bunga Deposito dalam system perbankan.
Pengaruh suku bunga SBI terhadap suku bunga Deposito SBD sebesar positif 0.052 dan tidak signifikan pada tingkat
α = 10 persen. Artinya setiap 1 persen peningkatan suku bunga SBI akan meningkatkan suku bunga Deposito SBD sebesar
0.052 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan suku bunga SBI akan mendorong meningkatnya suku bunga Deposito dalam system perbankan.
Pengaruh suku bunga SBPU terhadap SBD sebesar positif 0.547 dan signifikan pada tingkat
α = 1 persen. Artinya setiap 1 persen peningkatan suku bunga SBPU akan meningkatkan SBD sebesar 0.547 persen. Hal ini sesuai dengan ekspektasi teori,
karena peningkatan suku bunga SBPU juga dapat menjadi pendorong meningkatnya suku bunga Deposito dalam system perbankan.
Universitas Sumatera Utara
Pengaruh total Deposito terhadap SBD sebesar negatif 0.206 dan signifikan pada tingkat
α = 5 persen. Artinya setiap 1 persen peningkatan total Deposito akan menurunkan SBD sebesar 0.206 persen. Hal ini sesuai dengan ekspektasi teori,
karena peningkatan total Deposito dapat menjadi faktor pemicu menurunnya suku bunga Deposito karena kelebihan dana pada system perbankan.
Syst em: SYS01 Estimation M et hod: Tw o-St age Least Squares
Dat e: 08 08 11 Time: 21:43 Sample: 2000Q1 2010Q4
Included observat ions: 44 Tot al system balanced observat ions 308
Coefficient St d. Error
t -St at ist ic Prob.
C10 -21.154720
2.276373 -9.293173
0.0000 C11
2.638672 0.159988
16.492970 0.0000
C12 0.447270
0.126819 3.526840
0.0005 C13
-0.146233 0.051378
-2.846203 0.0047
C20 -34.064050
3.588432 -9.492741
0.0000 C21
3.660694 0.207272
17.661290 0.0000
C22 -0.049857
0.354161 -0.140774
0.8881 C23
-0.020063 0.037328
-0.537496 0.5913
C30 3.941597
1.346995 2.926215
0.0037 C31
0.052113 0.251614
0.207115 0.8361
C32 0.547339
0.182360 3.001416
0.0029 C33
-0.206013 0.082032
-2.511362 0.0126
C40 4.326362
0.379223 11.408490
0.0000 C41
-0.110592 0.104083
-1.062533 0.2889
C42 0.213252
0.073758 2.891240
0.0041 C43
-0.130966 0.021389
-6.123168 0.0000
C51 -0.316314
0.098817 -3.200997
0.0015 C52
0.778732 0.105651
7.370820 0.0000
C53 0.307924
0.102393 3.007276
0.0029 C60
8.245095 0.414322
19.900210 0.0000
C61 0.074341
0.026378 2.818260
0.0052 C62
0.053528 0.028633
1.869468 0.0626
C70 -33.571420
21.011670 -1.597751
0.1112
Tabel 4.14. Hasil Estimasi Two Stages Least Squares
Universitas Sumatera Utara
C71 3.756472
2.334610 1.609036
0.1087 C72
0.581455 0.268197
2.168015 0.0310
Det erminant residual covariance 3.97E-16
Equat ion: LOGDEP=C10+C11 LOGPDB+C12 LOGSBD+C13 LOGINF Inst rument s: C GWM PDB SBI JUB
Observat ions: 44 R-squared
0.935656 M ean dependent var
13.899530 Adjust ed R-squared
0.930831 S.D. dependent var
0.372488 S.E. of regression
0.097965 Sum squared resid
0.383882 Durbin-Wat son st at
1.003597 Equat ion: LOGKRD=C20+C21 LOGPDB+C22 LOGSBK+C23 LOGINF
Inst rument s: C GWM PDB SBI JUB Observat ions: 44
R-squared 0.985939
M ean dependent var 13.340800
Adjust ed R-squared 0.984884
S.D. dependent var 0.626328
S.E. of regression 0.077005
Sum squared resid 0.237190
Durbin-Wat son st at 1.762683
Equat ion: LOGSBD=C30+C31 LOGSBI+C32 LOGSBPU+C33 LOGDEP Inst rument s: C GWM PDB SBI JUB
Observat ions: 44 R-squared
0.838365 M ean dependent var
2.337234 Adjust ed R-squared
0.826242 S.D. dependent var
0.276506 S.E. of regression
0.115260 Sum squared resid
0.531390 Durbin-Wat son st at
1.415219 Equat ion: LOGSBK=C40+C41 LOGSBI+C42 LOGSBPU+C43 LOGKRD
Inst rument s: C GWM PDB SBI JUB Observat ions: 44
R-squared 0.827151
M ean dependent var 2.769816
Adjust ed R-squared 0.814187
S.D. dependent var 0.113702
S.E. of regression 0.049013
Sum squared resid 0.096089
Durbin-Wat son st at 1.199456
Equat ion: LOGSBPU=C51 LOGGWM +C52 LOGSBI+C53 LOGKRD Inst rument s: C GWM PDB SBI JUB
Observat ions: 44 R-squared
0.750770 M ean dependent var
2.082286 Adjust ed R-squared
0.738612 S.D. dependent var
0.387727 S.E. of regression
0.198230 Sum squared resid
1.611098 Durbin-Wat son st at
1.541869 Equat ion: LOGKURS=C60+C61 LOGINF+C62 LOGJUB
Inst rument s: C GWM PDB SBI JUB Observat ions: 44
R-squared 0.259644
M ean dependent var 9.141204
Adjust ed R-squared 0.223529
S.D. dependent var 0.080143
S.E. of regression 0.070620
Sum squared resid 0.204476
Durbin-Wat son st at 0.778140
Universitas Sumatera Utara
Equat ion: LOGINF=C70+C71 LOGKURS+C72 LOGSBPU Inst rument s: C GWM PDB SBI JUB
Observat ions: 44 R-squared
0.241867 M ean dependent var
1.978018 Adjust ed R-squared
0.204885 S.D. dependent var
0.558680 S.E. of regression
0.498171 Sum squared resid
10.175140 Durbin-Wat son st at
0.537252
TABEL 4.15. UJI NORMALITAS
RESID01 RESID02
RESID03 RESID04
RESID05 RESID06
RESID07 Mean
-4.05E-16 3.54E-17
-1.57E-16 -2.96E-16
-0.002052 5.22E-16
3.36E-15
Median 0.010218
0.002731 -0.008203
0.002300 0.037052
-0.023678 0.092092
Maximum 0.152217
0.160654 0.217699
0.102865 0.330328
0.187096 0.924536
Minimum -0.265249
-0.130529 -0.227485
-0.077844 -0.573654
-0.096711 -1.198673
Std. Dev. 0.094485
0.074270 0.111166
0.047272 0.193554
0.068958 0.486447
Skewness -0.575835
0.025754 0.117743
0.338992 -0.659018
0.977105 -0.920182
Kurtosis 3.004150
2.398858 2.707852
2.331071 3.408276
3.474025 3.268736
Jarque-Bera 2.431659
0.667379 0.258141
1.663070 3.490495
7.413340 6.341785
Probability 0.296464
0.716276 0.878912
0.435380 0.174602
0.024559 0.041966
Observations 44
44 44
44 44
44 44
4.2.7 Hasil Estimasi Persamaan Suku Bunga Kredit SBK
Berdasarkan Tabel 4.14., dari hasil estimasi persamaan Suku Bunga Kredit SBK diketahui nilai koefisien determinasi
sebesar 82,72 persen, yang berarti
Sumber : Data diolah dengan Eviews 5.1
Sumber : Data diolah dengan Eviews 5.1
Universitas Sumatera Utara
keseluruhan variable bebas yang termasuk didalam persamaan diatas sangat mampu untuk menjelaskan tentang Suku Bunga Kredit SBK, sedangkan variable lain yang
tidak disertakan didalam persamaan hanya mampu mempengaruhi Suku Bunga Kredit SBK Bank Umum sebesar 17,28.
Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 1.199456, pada tingkat signifikasi α = 5 persen, k=3 dan n =176 diperoleh nilai dl = 1.7189 dan du =
1.7881 yang berarti ada autokorelasi positif pada model persamaan SBK. Selanjutnya, seperti pada Tabel 4.15, persamaan SBK ini memiliki nilai JB-test
sebesar 1,663070 dengan probabilitas sebesar 0,435380 0,05, yang berarti residual dari persamaan SBK telah berdistribusi normal.
Dari Tabel 4.14. ditunjukkan variabel yang mempengaruhi SBK terdiri dari suku bunga Sertifikat Bank Indonesia SBI, suku bunga SBPU, dan total Kredit.
Pengaruh suku bunga SBI terhadap SBK sebesar negatif 0.110 dan tidak signifikan pada tingkat
α = 10 persen. Artinya setiap 1 persen peningkatan suku bunga SBI akan menurunkan SBK sebesar 0.110 persen. Hal ini sesuai dengan ekspektasi teori,
karena peningkatan suku bunga SBI maka industri perbankan akan terdorong mengubah portofolio kreditnya, sehingga berdampak pada penurunan suku bunga
Kredit. Pengaruh suku bunga SBPU terhadap SBK sebesar positif 0.213 dan signifikan
pada tingkat α = 1 persen. Artinya setiap 1 persen peningkatan suku bunga SBPU
akan meningkatkan SBK sebesar 0.213 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan suku bunga SBPU maka industri perbankan akan terdorong untuk
meningkatkan suku bunga Kreditnya.
Universitas Sumatera Utara
Pengaruh total Kredit KRD terhadap SBK sebesar negatif 0.130 dan signifikan pada tingkat
α = 1 persen. Artinya setiap 1 persen peningkatan total Kredit KRD akan meningkatkan SBK sebesar 0.130 persen. Hal ini sesuai dengan
ekspektasi teori, dimana karena adanya batasan BMPK maka peningkatan total Kredit KRD mendorong industri perbankan untuk meningkatkan suku bunga Kreditnya.
4.2.8 Hasil Estimasi Persamaan Kurs KURS
Berdasarkan Tabel 4.14., dari hasil estimasi persamaan Kurs USD diketahui nilai koefisien determinasi
sebesar 25,96 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas kurang mampu untuk
menjelaskan tentang Kurs USD, justru variable lain yang tidak disertakan didalam persamaan mampu mempengaruhi Kurs USD sebesar 74,04 persen.
Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 0.778140, pada tingkat signifikasi α = 5 persen, k=3 dan n =132 diperoleh nilai dl = 1.6696 dan du =
1.7624 yang berarti ada autokorelasi positif pada model persamaan KURS. Selanjutnya, seperti pada Tabel.4.15, persamaan KURS ini memiliki nilai JB-test
sebesar 3.490495 dengan probabilitas sebesar 0.174602 0,05, yang berarti residual
dari persamaan KURS telah berdistribusi normal. Dari Tabel 4.14. ditunjukkan variabel yang mempengaruhi Kurs terdiri dari
tingkat Inflasi INF dan Jumlah Uang Beredar JUB. Pengaruh INF terhadap Kurs sebesar positif 0.074 dan signifikan pada tingkat
α = 1 persen. Artinya setiap 1 persen peningkatan INF akan menaikkan Kurs sebesar 0.074 persen. Hal ini sesuai dengan
ekspektasi teori, karena peningkatan tingkat Inflasi maka untuk menghindari
Universitas Sumatera Utara
berkurangnya nilai uang, maka masyarakat terdorong membeli USD. Permintaan USD meningkat menyebabkan Kurs USD meningkat.
Pengaruh JUB terhadap Kurs sebesar positif 0.053 dan signifikan pada tingkat α
= 10 persen. Artinya setiap 1 persen peningkatan JUB akan menaikkan Kurs sebesar 0.053 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan JUB berarti
menyebabkan Inflasi dan kembali masyarakat terdorong membeli USD. Permintaan USD meningkat menyebabkan Kurs USD meningkat.
4.2.9 Hasil Estimasi Persamaan Suku Bunga SBPU SBPU
Berdasarkan Tabel 4.14., dari hasil estimasi persamaan Suku Bunga SBPU SBPU diketahui nilai koefisien determinasi
sebesar 75,08 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas cukup mampu
untuk menjelaskan tentang Suku Bunga SBPU, dan variable lain yang tidak disertakan didalam persamaan hanya mampu mempengaruhi Suku Bunga SBPU
sebesar 24,92 persen. Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 1.541869, pada
tingkat signifikasi α = 5 persen, k=3 dan n =176 diperoleh nilai dl = 1.7189 dan du = 1.7881 yang berarti ada autokorelasi positif pada model persamaan SBPU.
Selanjutnya, seperti pada Tabel 4.15, persamaan SBPU ini memiliki nilai JB-test sebesar 7.413340 dengan probabilitas sebesar 0.024559 0,05, yang berarti residual
dari persamaan SBPU tidak berdistribusi normal.
Universitas Sumatera Utara
Dari Tabel 4.14. ditunjukkan variabel yang mempengaruhi suku bunga SBPU terdiri dari GWM, suku bunga SBI dan total Kredit. Pengaruh GWM terhadap suku
bunga SBPU sebesar negatif 0.316 dan signifikan pada tingkat α = 5 persen. Artinya
setiap 1 persen peningkatan GWM akan menurunkan suku bunga SBPU sebesar 0.316 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan GWM
berarti system perbankan harus memelihara likuiditasnya dalam jumlah yang lebih besar. Sehingga tersedotnya dana bank untuk peningkatan GWM ini berdampak pada
menurunnya suku bunga SBPU. Pengaruh suku bunga SBI terhadap suku bunga SBPU sebesar positif 0.778 dan
signifikan pada tingkat α = 1 persen. Artinya setiap 1 persen peningkatan suku bunga
SBI akan meningkatkan suku bunga SBPU sebesar 0.778 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan suku bunga SBI mendorong naiknya
suku bunga SBPU. Pengaruh total Kredit terhadap suku bunga SBPU sebesar positif 0.307 dan
signifikan pada tingkat α = 1 persen. Artinya setiap 1 persen peningkatan total Kredit
akan meningkatkan suku bunga SBPU sebesar 0.307 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan total Kredit berarti ekspektasi masyarakat untuk
berinvestasi meningkat, dan ini akan merangsang naiknya suku bunga SBPU. 4.2.10
Hasil Estimasi Persamaan Tingkat Inflasi INF
Berdasarkan Tabel.4.14., dari hasil estimasi persamaan Tingkat Inflasi INF diketahui nilai koefisien determinasi
sebesar 24,18 persen, yang berarti keseluruhan variable bebas yang termasuk didalam persamaan diatas kurang mampu
untuk menjelaskan tentang Tingkat Inflasi di Indonesia. justru variable lain yang
Universitas Sumatera Utara
tidak disertakan didalam persamaan sangat mempengaruhi Tingkat Inflasi sebesar 75,82 persen.
Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 0.537252, pada tingkat signifikasi α = 5 persen, k=3 dan n =132 diperoleh nilai dl = 1.6696 dan du =
1.7624 yang berarti ada autokorelasi positif pada model persamaan tingkat Inflasi INF. Selanjutnya, seperti pada Tabel 4.15, persamaan INF ini memiliki nilai JB-test
sebesar 6.341785 dengan probabilitas sebesar 0.041966 0,05, yang berarti data tidak berdistribusi normal.
Dari Tabel 4.14., ditunjukkan variabel yang mempengaruhi tingkat Inflasi terdiri dari Kurs dan suku bunga SBPU. Pengaruh Kurs terhadap tingkat Inflasi INF
sebesar positif 3.756 dan tidak signifikan pada tingkat α = 10 persen. Artinya setiap 1
persen peningkatan Kurs akan menaikkan INF sebesar 3.756 persen. Hal ini sesuai dengan ekspektasi teori, karena peningkatan Kurs akan meningkatkan INF.
Pengaruh suku bunga SBPU terhadap tingkat Inflasi INF sebesar positif 0.581 dan tidak signifikan pada tingkat
α = 10 persen. Artinya setiap 1 persen peningkatan Kurs akan menaikkan tingkat Inflasi INF sebesar 3.756 persen. Hal ini sesuai
dengan ekspektasi teori, karena peningkatan Kurs akan meningkatkan INF.
4.3 PEMBAHASAN PENELITIAN 4.3.1 Simulasi Kebijakan Moneter
