Aplikasi/Analisis Model Logit pada Pemodelan Krisis Mata Uang di Indonesia
4.2.2. Aplikasi/Analisis Model Logit pada Pemodelan Krisis Mata Uang di Indonesia
Dependent Variabel: KRISIS Method: ML - Binary Logit (Quadratic hill climbing)
Date: 07/22/08 Time: 17:26 Sample: 1990:01 2006:12 Included observations: 204 Convergence achieved after 8 iterations Covariance matrix computed using second derivatives
Variabel Coefficient
Prob. C -6.677204
Std. Error z-Statistik
0.0024 INFL -0.696765
0.174895
3.032482
0.1114 M2RES 0.157364
0.437728
-1.591775
0.1049 REER -0.000619
0.097040
1.621634
0.1774 Mean dependent var
0.000459
-1.348703
0.244864 S.E. of regression
0.063725 S.D. dependent var
0.406704 Sum squared resid
0.219952 Akaike info criterion
0.488030 Log likelihood
9.627366 Schwarz criterion
0.439602 Restr. log likelihood
-36.48378 Hannan-Quinn criter.
-0.178842 LR statistik (4 df)
-48.36791 Avg. log likelihood
0.245703 Probability(LR stat)
23.76826 McFadden R-squared
8.89E-05
Obs with Dep=0
204 Obs with Dep=1
191 Total obs
13
Sumber : Eviews 4.1
Dengan menggunakan estimasi logit dapat diketahui seberapa besar elastisitas atau pengaruh keempat variabel tersebut dalam memicu terjadinya krisis mata uang. Keempat variabel tersebut merupakan hasil estimasi dengan pendekatan sinyal namun juga diperoleh atas referensi dari penelitian yang dilakukan oleh Herrera&Garcia (1999). Dimana Herrera&Garcia telah melakukan ektraksi sinyal dengan pendekatan Kaminsky dan Reinhart (1999) dan juga dilakukan oleh Susatyo (2000) dengan studi kasus Indonesia dengan pendekatan Kaminsky dan Reinhart yang akhirnya menghasilkan bahwa variabel M2/Reserve, Pertumbuhan Riil Kredit Domestik, Real Effective Exchange Rate, dan Inflasi merupakan varaibel yang tepat digunakan sebagai leading indicator terjadinya krisis di Indonesia. Pernyataan ini juga didukung dari hasil penelitian ini yaitu dengan pengujian kembali, bahkan dengan berbagai pendekatan. Pendekatan itu meliputi pendekatan oleh Kaminsky, Garcia, Park, dan Lestano yang menunjukkan secara signifikan keempat variabel tersebut menunjukkan probabilitas pemicu krisis lebih dari 50%.
Dengan demikian persamaan yang dipakai adalah sebagai berikut : KRISIS t = ln ⎛ Pi ⎞ ⎜ ⎟ = β 1 + β 2 M2R i + β 3 INFL i + β 4 REER i + β 5 GKRED i+ μ
⎝ 1 − Pi ⎠
Dimana : P t = kemungkinan (probabilitas) terjadinya krisis (1 - P t ) = kemungkinan (probabilitas) tidak terjadinya krisis KRISIS t = Krisis β 1 = intercept β 2 …… β 5 = koefisien variabel bebas
μ = error term M2R = Rasio M2/Reserve INFL = Inflasi
REER = Real Effective Exchange Rate GKRED = Pertumbuhan Riil Kredit Domestik Model Logit dalam penelitian ini adalah model yang melibatkan 204
observasi dengan 13 buah observasi bernilai 1 (krisis) dan 191 buah observasi bernilai 0 (tidak krisis)
TABEL 4.17.
HASIL PEMBENTUKAN PERSAMAAN LOGIT
Variabel
Parameter
Odd Ratio
Probabiltas
0.0006 GKRED* 0.530367 (0.174895) 1.69955593
Intersept -6.677204 (1.932677)
0.0024 INFL -0.696765 (0.437728) 0.498194358 0.1114 M2RES 0.157364 (0.097040) 1.17042157 0.1049 REER -0.000619 (0.000459) 0.999381191 0.1774 Sumber : Data diolah
Keterangan : * signifikan pada α = 1% Dengan menggunakan α = 1%, hanya ada 1 variabel yang signifikan mempengaruhi terjadinya krisis. Karena dilihat dari probabilitasnya variabel GKRED lebih kecil dari 1%. Selain itu, dari hasil regresi menunjukkan bahwa McFadden R-Square sebesar 0.245703 yang berarti sekitar hanya 25% terjadinya krisis dan tidak terjadinya krisis dapat dijelaskan oleh model, sisanya sebesar 75% dijelaskan oleh variabel di luar model. Artinya probabilitas intensitas terjadinya krisis di Indonesia karena faktor non ekonomi, seperti politik dan keamanan yang
tidak kondusif memberikan peluang (probability) yang lebih besar untuk menciptakan krisis mata uang. Faktor moral hazard dan adverse selection tampaknya memang merupakan sebab akutnya dan dasyatnya terjadinya krisis di Indonesia. Sedangkan berdasarkan nilai count-R Square menunjukkan 0.9265 yang berarti terdapat 189 dari 204 observasi yang sesuai dengan prediksi. Walaupun nilai LR statistik hanya sebesar 23.76826, namun probabilitas LR statistik 8.89E-05 kurang dari 0.5. Sehingga variabel-variabel bebas bersama- sama dapat menjelaskan model, demikian mempunyai pengaruh yang signifikan secara bersama-sama terhadap terjadinya krisis.
Persamaan model logit dituliskan : Pi
KRISIS t = ln ⎛ ⎞ ⎜
⎟ =-6.677204 + 0.157364 M2R i - 0.696765 INFL i - 0.000619 ⎝ 1 − Pi ⎠
REER i + 0.530367 GKRED i + μ
Pada persamaan di atas menunjukkan bahwa nilai intersep = -6.677204. artinya ln ⎛ Pi ⎞ ⎜ ⎟ =-6.677204 pada saat semua variabel berharga nol, yaitu pada
⎝ 1 − Pi ⎠ saat M2/Reserve, pertumbuhan riil kredit domestik, REER, Inflasi berada pada ⎛ Pi ⎞
posisi normal/tidak bergejolak. Dengan demikian, besaran -6.677204 ⎜ ⎟ =e ⎝ 1 − Pi ⎠
e -6.677204
atau besarnya proporsi atau probabilitas p =
= 0.00125771. Dengan
perkataan lain, probabilitas bahwa krisis mata uang akan terjadi dengan karakteristik tersebut di atas akan bekerja sebesar 0.00125771 atau 0.125771%
Slope untuk variabel Rasio M2/Reserve memiliki parameter 0.157364.
Dengan demikian, besaran 0.157364 ⎞
⎛ Pi
⎟ =e
= 0.53926. Dengan perkataan lain,
⎝ 1 − Pi ⎠
proporsi terjadinya krisis mata uang disebabkan goncangan variabel makroekonomi rasio M2/reserve sebesar 0.53926 atau 53.926%.
Analisis lebih lanjut :
Z e 0 e Pkrisis e 1 + e P krisis =
Z1 ,P normal
Z1 .
Z0
1 + e 1 + e P normal 1 + e e
Z0
Z e 0 1 + e P krisis =
Z1
Z1 .
P normal P = 0.53926 normal krisis P
Z0
Artinya : Resiko bila Rasio M2/Reserve bergejolak, maka akan memberikan tambahan probabilitas terjadinya krisis sebesar 0.53926 kali dibandingkan bila kondisi normal. Atau dengan kata lain pergolakan M2/Reserve akan memberikan kecenderungan dan tekanan yang lebih besar untuk terjadinya krisis
Untuk variabel inflasi menunjukkan slope sebesar -0.696765. Dengan ⎛ demikian besaran Pi ⎞
⎜ -0.696765 ⎟ =e = 0.33253. Dengan demikian probabilitas
⎝ 1 − Pi ⎠
terjadinya krisis mata uang karena guncangan variabel inflasi sebesar 0.33253 atau 33.25%. Atau dengan kata lain risiko bila inflasi tidak menentu/fluktuatif, maka kecenderungan krisis terjadi bertambah sebesar 0.33253 kali dibandingkan dengan kondisi normal
Untuk variabel REER menunjukkan slope sebesar -0.000619. Dengan ⎛ Pi ⎞
demikian besaran -0.000619 ⎜ ⎟ =e = 0.499845. Ini berarti probabilitas
⎝ 1 − Pi ⎠
terjadinya krisis mata uang karena pergolakan variabel REER sebesar 0.499845 terjadinya krisis mata uang karena pergolakan variabel REER sebesar 0.499845
Untuk variabel GKRED menunjukkan slope sebesar 0.530367. Dengan ⎛ Pi ⎞
demikian besaran 0.530367 ⎜ ⎟ =e = 0.62957. Dengan demikian, probabilitas
⎝ 1 − Pi ⎠
terjadinya krisis mata uang karena tekanan GKRED sebesar 0.62957 atau 62.957%. Atau dengan kata lain tidak stabilnya pergerakan GKRED mengakibatkan penambahan proporsi/kecenderungan krisis terjadi sebesar 0.62957 kali dibandingkan dalam kondisi normal