merupakan pedoman bagi bank swasta, dan dapat mewakili seluruh bank di Indonesia. Data yang diperoleh berupa data bulanan pada periode April 2008
– Desember 2013 bersumber dari data Statistik Ekonomi dan Keuangan Indonesia
SEKI Bank Indonesia. 7.
Tingkat bagi hasil pembiayaan bank syariah PLS Data PLS yang digunakan adalah Tingkat bagi hasilmargin rata-rata pembiayaan
bank syariah untuk penggunaan modal kerja. Data yang diperoleh berupa data bulanan periode April 2008
– Desember 2013, bersumber dari data Statistik Perbankan Indonesia SPI Bank Indonesia.
8. Total kredit bank konvensional LOAN
Total kredit bank konvensional adalah jumlah dana berupa kredit yang disalurkan oleh bank konvensional. Data yang digunakan adalah data kredit pada bank
umum. Data yang diperoleh berupa data bulanan pada periode April 2008 –
Desember 2013, bersumber dari data Statistik Perbankan Indonesia SPI Bank Indonesia.
9. Total pembiayaan bank syariah FINC
Total pembiayaan bank syariah adalah jumlah dana yang disalurkan oleh bank syariah dan unit usaha syariah untuk pembiayaan musyarakah, mudharabah, dll.
Data yang digunakan adalah data pembiayaan perbankan syariah yang diperoleh berupa data bulanan periode April 2008
– Desember 2013, bersumber dari data Statistik Perbankan Indonesia SPI Bank Indonesia.
10. Produk Domestik Bruto PDB
Data yang digunakan adalah PDB menurut Penggunaan atas dasar harga berlaku. Data yang diperoleh berupa data triwulanan periode 2008:1
– 2013:4, dan akan dijadikan data bulanan dengan diinterpolasikan dengan bantuan program EViews
menggunakan metode quadratic match sum. 11.
Inflasi INF Data inflasi yang digunakan adalah inflasi yoy berdasarkan Indeks Harga
Konsumen IHK. Data diperoleh dari Statistik Ekonomi dan Keuangan Indonesia SEKI Bank Indonesia, berupa data bulanan periode April 2008
– Desember 2013.
C. Metode Analisis
Penelitian ini menggunakan model VECM untuk menjawab permasalahan yang telah dikemukakan di awal dengan menggunakan data time series jika data yang
digunakan diketahui stasioner dan terdapat kointegrasi Sedangkan, jika data yang digunakan stasioner namun tidak terdapat kointegrasi didalamnya maka penelitian
ini akan menggunakan model VAR. Proses pengolahan data pada penelitian ini menggunakan software eviews 4.1. Adapun tahapan dalam melakukan analisis
penelitian ini adalah sebagai berikut:
1. Uji Stasioneritas Unit Root Test
Uji stasioneritas akar unit Unit Root Test merupakan uji yang pertama harus
dilakukan sebelum melakukan analisis regresi dari data yang dipakai. Tujuan uji stasioneritas adalah untuk melihat apakah rata-rata varians data konstan sepanjang
waktu dan kovarian antara dua atau lebih data runtun waktu hanya tergantung pada kelambanan antara dua atau lebih periode waktu tersebut. Pada umumnya
data time-series sering kali tidak stasioner. Jika hal ini terjadi, maka kondisi stasioner dapat tercapai dengan melakukan diferensiasi satu kali atau lebih.
Terdapat beberapa metode pengujian unit root, diantaranya yang sering digunakan adalah Dickey-Fuller dan Phillips-Perron unit root test.
Prosedur uji unit root adalah: 1. Dalam uji unit root yang pertama dilakukan adalah menguji masing-masing
variabel yang kita gunakan untuk penelitian dari setiap level series. 2. Jika semua variabel adalah stasioner pada tingkat level, maka estimasi terhadap
model yang digunakan adalah VAR In Level. 3. Dan jika seluruh data dinyatakan tidak stasioner, maka langkah selanjutnya
adalah menentukan first difference dari masing-masing variabel tersebut dan kemudian melakukan uji unit root kembali terhadap first difference dari series.
4. Jika pada tingkat first difference dinyatakan telah stasioner, maka estimasi terhadap model tersebut dapat menggunakan uji kointegrasi untuk menentukan
model analisis apa yang akan digunakan dalam penelitian. Jika Phillips-Perron test statistic lebih besar dari nilai kritis maka Ho ditolak dan
Ha diterima atau dengan kata lain data sudah stasioner. Sebaliknya, jika Phillips- Perron test statistic lebih kecil dari nilai kritis maka Ho diterima dan Ha ditolak
atau dengan kata lain data mengandung unit root data tidak stasioner.
2. Penentuan Lag Optimum
Penentuan lag optimum ini digunakan dalam metode impulse responses dan variance decomposition. Dampak sebuah kebijakan ekonomi seperti kebijkan
moneter biasanya tidak secara langsung berdampak pada aktivitas ekonomi tetapi memerlukan waktu Widarjono, 2009.
Penentuan panjang lag optimal dapat dilakukan dengan menggunakan kriteria informasi yang tersedia. Kandidat lag yang dipilih adalah panjang lag menurut
kriteria Akaike Information Criterion AIC dan Schwartz Criterion SC. Lag optimum dalam penelitian ini akan ditemukan pada spesifikasi model yang
memberikan nilai SBC paling minimum.
3. Uji Stabilitas VAR
Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi
kesalahan tidak stabil, maka Impulse Response Function dan Variance Decomposition menjadi tidak valid Setiawan, 2007. Untuk menguji stabil atau
tidaknya estimasi VAR yang telah dibentuk maka dilakukan pengecekan kondisi VAR stability berupa roots of characteristic polynomial.
4. Uji Kausalitas Granger
Setelah menentukan panjang lag optimal, tahapan selanjutnya dalam model VAR adalah melakukan uji kausalitas Granger yang digunakan untuk mengetahui
hubungan saling mempengaruhi antar variabel endogen sehingga spesifikasi model VAR menjadi tepat untuk digunakan mengingat sifatnya yang non
struktural. Uji kausalitas Granger melihat pengaruh masa lalu terhadap kondisi sekarang.
Dalam konsep kausalitas Granger, dua perangkat data time series yang linier berkaitan dengan variabel X dan Y yang diformulasikan dalam dua bentuk model
regresi. Hasil-hasil regresi pada kedua bentuk model regresi linier tersebut akan menghasilkan empat kemungkinan mengenai nilai koefisien regresi masing-
masing sebagai berikut. a.
∑ β
≠ 0 dan
∑ δ = 0, terdapat kausalitas satu arah dari Y ke X
b. ∑
β = 0 dan ∑ δ ≠ 0, terdapat kausalitas satu arah dari X ke Y
c. ∑
β ≠ 0 dan ∑ δ ≠ 0, terdapat kausalitas dua arah antara X Y
d. ∑
β = 0 dan ∑ δ = 0, tidak terdapat kausalitas dua arah antara X Y
5. Uji Kointegrasi
Uji ini dilakukan setelah uji stasioneritas dan telah berintegrasi pada derajat yang sama. Uji kointegrasi dilakukan dengan cara menguji stasioneritas dari residual,
jika ternyata residual tidak mangandung akar unit atau data stasioner I0 maka variabel-variabel didalam model terkointegrasi pada tingkat level. Sedangkan jika
pada tingkat level tidak stasioner, maka dapat diuji stasioner pada tingkat diferensi yang sama yaitu Y adalah Id dan X adalah Id dimana d adalah tingkat diferensi
yang sama maka kedua data adalah terkointegrasi. Uji ini dilakukan untuk mengetahui kemungkinan terjadinya keseimbangan jangka panjang antar variabel-
variabel yg diamati.
