Analisis Tingkat Persaingan Pasar Kredit Perbankan Terhadap Pinjaman Di Indonesia

77

LAMPIRAN

Lampiran 1 Data Mentah

Obs JK JB I NPL Y

_BP-2012M01 764685.0 4.000 11.82 2.963 6.50

_BP-2012M02 767508.0 4.000 11.81 2.852 6.50

_BP-2012M03 792719.0 4.000 11.70 2.730 6.50

_BP-2012M04 811030.0 4.000 11.61 2.795 6.50

_BP-2012M05 832330.0 4.000 11.58 2.746 6.30

_BP-2012M06 854674.0 4.000 11.56 2.612 6.30

_BP-2012M07 850583.0 4.000 11.55 2.659 6.30

_BP-2012M08 865367.0 4.000 11.33 2.630 6.40

_BP-2012M09 888985.0 4.000 11.30 2.485 6.40

_BP-2012M10 897082.0 4.000 11.26 2.694 6.40

_BP-2012M11 920147.0 4.000 11.23 2.426 6.17

_BP-2012M12 959128.0 4.000 11.37 2.215 6.17

_BP-2013M01 945499.0 4.000 11.36 2.424 6.17

_BP-2013M02 958571.0 4.000 11.18 2.446 6.23

_BP-2013M03 976289.0 4.000 11.31 2.352 6.23

_BP-2013M04 998187.0 4.000 11.29 2.348 6.23

_BP-2013M05 1025125. 4.000 11.27 2.294 6.02

_BP-2013M06 1066945. 4.000 11.33 2.184 6.02

_BP-2013M07 1077916. 4.000 11.38 2.228 6.02

_BP-2013M08 1088499. 4.000 11.33 2.286 5.81

_BP-2013M09 1125090. 4.000 11.35 2.154 5.81

_BP-2013M10 1125057. 4.000 11.48 2.143 5.81

_BP-2013M11 1145988. 4.000 11.53 2.043 5.62

_BP-2013M12 1181726. 4.000 11.55 1.901 5.62

_BP-2014M01 1159580. 4.000 11.65 2.165 5.62

_BP-2014M02 1166047. 4.000 11.64 2.224 5.78

_BP-2014M03 1178302. 4.000 11.65 2.149 5.78

_BP-2014M04 1199339. 4.000 11.73 2.165 5.78

_BP-2014M05 1206035. 4.000 11.86 2.264 5.20

_BP-2014M06 1234235. 4.000 11.89 2.212 5.20

_BP-2014M07 1245669. 4.000 11.97 2.269 5.20

_BP-2014M08 1254133. 4.000 12.02 2.314 5.12

_BP-2014M09 1275444. 4.000 12.04 2.273 5.12

_BP-2014M10 1267022. 4.000 12.10 2.188 5.12

_BP-2014M11 1284068. 4.000 12.16 2.178 5.01

_BP-2014M12 1325087. 4.000 12.17 1.935 5.01

_BUSNDEV-2012M01 914763.0 36.00 12.84 2.040 6.50 _BUSNDEV-2012M02 921643.0 36.00 12.83 2.080 6.50 _BUSNDEV-2012M03 949216.0 36.00 12.75 2.070 6.50 _BUSNDEV-2012M04 970465.0 36.00 12.70 2.049 6.50 _BUSNDEV-2012M05 996625.0 36.00 12.61 2.014 6.30 _BUSNDEV-2012M06 1026096. 36.00 12.47 1.943 6.30 _BUSNDEV-2012M07 1053903. 36.00 12.51 1.963 6.30 _BUSNDEV-2012M08 1047497. 36.00 12.45 1.916 6.40 _BUSNDEV-2012M09 1059131. 36.00 12.43 1.747 6.40

78

_BUSNDEV-2012M10 1071848. 36.00 12.36 1.752 6.40 _BUSNDEV-2012M11 1085626. 36.00 12.29 1.707 6.17 _BUSNDEV-2012M12 1114279. 36.00 12.18 1.566 6.17 _BUSNDEV-2013M01 1106845. 36.00 12.18 1.658 6.17 _BUSNDEV-2013M02 1118930. 36.00 12.15 1.690 6.23 _BUSNDEV-2013M03 1136637. 36.00 12.10 1.665 6.23 _BUSNDEV-2013M04 1151702. 36.00 12.05 1.661 6.23 _BUSNDEV-2013M05 1174225. 36.00 12.02 1.686 6.02 _BUSNDEV-2013M06 1190263. 36.00 12.98 1.614 6.02 _BUSNDEV-2013M07 1216555. 36.00 12.16 1.523 6.02 _BUSNDEV-2013M08 1233648. 36.00 12.20 1.651 5.81 _BUSNDEV-2013M09 1255994. 36.00 12.34 1.585 5.81 _BUSNDEV-2013M10 1275573. 36.00 12.44 1.642 5.81 _BUSNDEV-2013M11 1285761. 36.00 12.56 1.669 5.62 _BUSNDEV-2013M12 1311522. 36.00 12.66 1.568 5.62 _BUSNDEV-2014M01 1303765. 36.00 12.76 1.648 5.62 _BUSNDEV-2014M02 1309430. 36.00 12.86 1.739 5.78 _BUSNDEV-2014M03 1330329. 36.00 12.90 1.772 5.78 _BUSNDEV-2014M04 1346741. 35.00 12.91 1.882 5.78 _BUSNDEV-2014M05 1363998. 35.00 13.11 2.046 5.20 _BUSNDEV-2014M06 1386170. 35.00 13.14 2.054 5.20 _BUSNDEV-2014M07 1388486. 35.00 13.19 2.170 5.20 _BUSNDEV-2014M08 1408786. 35.00 13.23 2.273 5.12 _BUSNDEV-2014M09 1432433. 38.00 13.26 2.280 5.12 _BUSNDEV-2014M10 1438972. 38.00 13.27 2.474 5.12 _BUSNDEV-2014M11 1453468. 38.00 13.29 2.493 5.01 _BUSNDEV-2014M12 1481808. 38.00 13.28 2.238 5.01 _BUSNNDEV-2012M01 68749.00 30.00 12.84 1.868 6.50 _BUSNNDEV-2012M02 69998.00 30.00 12.83 2.061 6.50 _BUSNNDEV-2012M03 71655.00 30.00 12.75 2.139 6.50 _BUSNNDEV-2012M04 73069.00 30.00 12.70 2.039 6.50 _BUSNNDEV-2012M05 74836.00 30.00 12.61 2.032 6.30 _BUSNNDEV-2012M06 77753.00 30.00 12.47 2.073 6.30 _BUSNNDEV-2012M07 97296.00 30.00 12.51 2.270 6.30 _BUSNNDEV-2012M08 81651.00 30.00 12.45 2.099 6.40 _BUSNNDEV-2012M09 83848.00 30.00 12.43 2.091 6.40 _BUSNNDEV-2012M10 85317.00 30.00 12.36 2.031 6.40 _BUSNNDEV-2012M11 86978.00 30.00 12.29 2.065 6.17 _BUSNNDEV-2012M12 89451.00 30.00 12.18 2.055 6.17 _BUSNNDEV-2013M01 90127.00 30.00 12.18 2.004 6.17 _BUSNNDEV-2013M02 91353.00 30.00 12.15 2.095 6.23 _BUSNNDEV-2013M03 94056.00 30.00 12.10 1.982 6.23 _BUSNNDEV-2013M04 95191.00 30.00 12.05 2.025 6.23 _BUSNNDEV-2013M05 97791.00 30.00 12.02 1.996 6.02 _BUSNNDEV-2013M06 101253.0 30.00 12.98 1.864 6.02 _BUSNNDEV-2013M07 102789.0 30.00 12.16 1.965 6.02 _BUSNNDEV-2013M08 102226.0 30.00 12.20 1.915 5.81 _BUSNNDEV-2013M09 104646.0 30.00 12.34 1.804 5.81 _BUSNNDEV-2013M10 104423.0 30.00 12.44 1.951 5.81 _BUSNNDEV-2013M11 105760.0 30.00 12.56 1.861 5.62 _BUSNNDEV-2013M12 108228.0 30.00 12.66 1.791 5.62 _BUSNNDEV-2014M01 107131.0 30.00 12.76 2.036 5.62 _BUSNNDEV-2014M02 108394.0 30.00 12.86 1.988 5.78 _BUSNNDEV-2014M03 110697.0 30.00 12.90 1.927 5.78

79

_BUSNNDEV-2014M04 113081.0 30.00 12.91 2.157 5.78 _BUSNNDEV-2014M05 115619.0 30.00 13.11 2.194 5.20 _BUSNNDEV-2014M06 118732.0 30.00 13.14 2.153 5.20 _BUSNNDEV-2014M07 120127.0 30.00 13.19 2.273 5.20 _BUSNNDEV-2014M08 119860.0 30.00 13.23 2.326 5.12 _BUSNNDEV-2014M09 121904.0 29.00 13.26 2.330 5.12 _BUSNNDEV-2014M10 121638.0 29.00 13.27 2.407 5.12 _BUSNNDEV-2014M11 123216.0 29.00 13.29 2.358 5.01 _BUSNNDEV-2014M12 126001.0 29.00 13.28 2.168 5.01

_BPD-2012M01 174872.0 26.00 13.25 1.981 6.50

_BPD-2012M02 177886.0 26.00 11.22 1.962 6.50

_BPD-2012M03 182268.0 26.00 13.34 1.928 6.50

_BPD-2012M04 186736.0 26.00 13.28 2.033 6.50

_BPD-2012M05 192197.0 26.00 13.28 2.036 6.30

_BPD-2012M06 198634.0 26.00 13.31 2.023 6.30

_BPD-2012M07 218732.0 26.00 13.31 2.176 6.30

_BPD-2012M08 204939.0 26.00 13.32 2.533 6.40

_BPD-2012M09 208726.0 26.00 13.34 2.387 6.40

_BPD-2012M10 213024.0 26.00 13.33 2.464 6.40

_BPD-2012M11 216726.0 26.00 13.31 2.446 6.17

_BPD-2012M12 218851.0 26.00 13.23 2.296 6.17

_BPD-2013M01 218300.0 26.00 13.17 2.798 6.17

_BPD-2013M02 222991.0 26.00 13.19 2.589 6.23

_BPD-2013M03 227278.0 26.00 13.05 2.445 6.23

_BPD-2013M04 233279.0 26.00 13.16 2.545 6.23

_BPD-2013M05 238337.0 26.00 13.14 2.619 6.02

_BPD-2013M06 244815.0 26.00 13.10 2.615 6.02

_BPD-2013M07 249821.0 26.00 13.07 2.676 6.02

_BPD-2013M08 251775.0 26.00 13.09 2.718 5.81

_BPD-2013M09 257175.0 26.00 13.08 2.814 5.81

_BPD-2013M10 260985.0 26.00 13.01 2.947 5.81

_BPD-2013M11 264014.0 26.00 13.00 2.936 5.62

_BPD-2013M12 264541.0 26.00 12.98 2.814 5.62

_BPD-2014M01 260323.0 26.00 12.96 2.845 5.62

_BPD-2014M02 263662.0 26.00 13.01 2.999 5.78

_BPD-2014M03 268692.0 26.00 12.97 3.060 5.78

_BPD-2014M04 273212.0 26.00 12.99 3.477 5.78

_BPD-2014M05 278900.0 26.00 12.85 3.703 5.20

_BPD-2014M06 283448.0 26.00 12.88 3.487 5.20

_BPD-2014M07 286459.0 26.00 12.90 3.711 5.20

_BPD-2014M08 289017.0 26.00 12.88 3.754 5.12

_BPD-2014M09 294511.0 26.00 12.89 3.444 5.12

_BPD-2014M10 298145.0 26.00 13.19 3.473 5.12

_BPD-2014M11 301614.0 26.00 13.21 3.661 5.01

_BPD-2014M12 301456.0 26.00 13.14 3.452 5.01

_BA-2012M01 138261.0 10.00 16.32 2.390 6.50

_BA-2012M02 141249.0 10.00 16.16 2.324 6.50

_BA-2012M03 141860.0 10.00 16.22 2.318 6.50

_BA-2012M04 144162.0 10.00 16.03 2.307 6.50

_BA-2012M05 153764.0 10.00 15.86 2.178 6.30

_BA-2012M06 154916.0 10.00 16.06 2.093 6.30

_BA-2012M07 160064.0 10.00 15.93 2.084 6.30

_BA-2012M08 163569.0 10.00 16.13 2.008 6.40

80

_BA-2012M10 169344.0 10.00 16.22 1.813 6.40

_BA-2012M11 173255.0 10.00 16.03 1.695 6.17

_BA-2012M12 172859.0 10.00 16.09 1.543 6.17

_BA-2013M01 172738.0 10.00 15.14 1.536 6.17

_BA-2013M02 171259.0 10.00 15.07 1.661 6.23

_BA-2013M03 175326.0 10.00 15.02 1.598 6.23

_BA-2013M04 180697.0 10.00 15.00 1.490 6.23

_BA-2013M05 183270.0 10.00 15.26 1.446 6.02

_BA-2013M06 181482.0 10.00 15.24 1.569 6.02

_BA-2013M07 193661.0 10.00 15.24 1.501 6.02

_BA-2013M08 203521.0 10.00 15.37 1.483 5.81

_BA-2013M09 212784.0 10.00 15.64 1.464 5.81

_BA-2013M10 205968.0 10.00 15.72 1.512 5.81

_BA-2013M11 217144.0 10.00 15.83 1.628 5.62

_BA-2013M12 225500.0 10.00 15.97 1.506 5.62

_BA-2014M01 225759.0 10.00 16.06 1.404 5.62

_BA-2014M02 221684.0 10.00 16.17 1.807 5.78

_BA-2014M03 223546.0 10.00 16.28 1.940 5.78

_BA-2014M04 225876.0 10.00 16.25 1.264 5.78

_BA-2014M05 232290.0 10.00 16.33 1.150 5.20

_BA-2014M06 234835.0 10.00 16.37 1.169 5.20

_BA-2014M07 224229.0 10.00 16.39 1.216 5.20

_BA-2014M08 243138.0 10.00 16.31 1.003 5.12

_BA-2014M09 252838.0 10.00 16.43 1.250 5.12

_BA-2014M10 247827.0 10.00 16.34 1.228 5.12

_BA-2014M11 244021.0 10.00 16.54 1.161 5.01

_BA-2014M12 244031.0 10.00 16.61 1.223 5.01

_BC-2012M01 122976.0 14.00 16.32 1.691 6.50

_BC-2012M02 124746.0 14.00 16.16 1.723 6.50

_BC-2012M03 128457.0 14.00 16.22 1.702 6.50

_BC-2012M04 131747.0 14.00 16.03 1.649 6.50

_BC-2012M05 136393.0 14.00 15.86 1.601 6.30

_BC-2012M06 140784.0 14.00 16.06 1.592 6.30

_BC-2012M07 145104.0 14.00 15.93 1.570 6.30

_BC-2012M08 147628.0 14.00 16.13 1.602 6.40

_BC-2012M09 147374.0 14.00 16.18 1.656 6.40

_BC-2012M10 148720.0 14.00 16.22 1.658 6.40

_BC-2012M11 148269.0 14.00 16.03 1.600 6.17

_BC-2012M12 153295.0 14.00 16.09 1.545 6.17

_BC-2013M01 154633.0 14.00 15.14 1.503 6.17

_BC-2013M02 155612.0 14.00 15.07 1.476 6.23

_BC-2013M03 158786.0 14.00 15.02 1.465 6.23

_BC-2013M04 165160.0 14.00 15.00 1.307 6.23

_BC-2013M05 168730.0 14.00 15.26 1.270 6.02

_BC-2013M06 174365.0 14.00 15.24 1.109 6.02

_BC-2013M07 180383.0 14.00 15.24 1.219 6.02

_BC-2013M08 187733.0 14.00 15.37 1.228 5.81

_BC-2013M09 191521.0 14.00 15.64 1.114 5.81

_BC-2013M10 187471.0 14.00 15.72 1.238 5.81

_BC-2013M11 195730.0 14.00 15.83 1.183 5.62

_BC-2013M12 201357.0 14.00 15.97 1.227 5.62

_BC-2014M01 201863.0 14.00 16.06 1.231 5.62

_BC-2014M02 198604.0 14.00 16.17 1.162 5.78

81

Keterangan :

- BP = Bank Persero - BC = Bank Campuran

- BUSNDEV = BUSN (Devisa) - BPR= Bank Perkreditan Rakyat - BUSNNDEV = BUSN (Non Devisa)

- BPD = Bank Pemerintah Daerah - BA = Bank Asing

_BC-2014M04 203099.0 14.00 16.25 1.365 5.78

_BC-2014M05 206307.0 14.00 16.33 1.722 5.20

_BC-2014M06 210741.0 14.00 16.37 1.847 5.20

_BC-2014M07 210059.0 14.00 16.39 1.778 5.20

_BC-2014M08 183430.0 14.00 16.31 1.960 5.12

_BC-2014M09 184165.0 12.00 16.43 2.106 5.12

_BC-2014M10 184467.0 12.00 16.34 2.070 5.12

_BC-2014M11 190228.0 12.00 16.54 1.979 5.01

_BC-2014M12 195925.0 12.00 16.61 2.275 5.01

_BPR-2012M01 41424.00 1663. 29.20 5.555 6.50

_BPR-2012M02 42485.00 1665. 29.13 5.571 6.50

_BPR-2012M03 43557.00 1665. 28.96 5.561 6.50

_BPR-2012M04 44472.00 1667. 28.91 5.592 6.50

_BPR-2012M05 45448.00 1668. 28.80 5.430 6.30

_BPR-2012M06 46637.00 1667. 28.76 5.273 6.30

_BPR-2012M07 47605.00 1669. 28.62 5.281 6.30

_BPR-2012M08 47947.00 1669. 28.44 5.441 6.40

_BPR-2012M09 48500.00 1669. 28.32 5.353 6.40

_BPR-2012M10 48895.00 1669. 28.23 5.389 6.40

_BPR-2012M11 49425.00 1667. 28.11 5.325 6.17

_BPR-2012M12 49818.00 1653. 27.83 4.755 6.17

_BPR-2013M01 50396.00 1653. 27.79 5.133 6.17

_BPR-2013M02 51709.00 1654. 27.71 5.167 6.23

_BPR-2013M03 52633.00 1653. 27.59 5.251 6.23

_BPR-2013M04 53749.00 1639. 27.39 5.211 6.23

_BPR-2013M05 55023.00 1641. 27.26 5.094 6.02

_BPR-2013M06 56248.00 1641. 27.18 4.974 6.02

_BPR-2013M07 57462.00 1641. 27.19 4.969 6.02

_BPR-2013M08 57634.00 1641. 27.12 5.221 5.81

_BPR-2013M09 58218.00 1641. 27.10 5.120 5.81

_BPR-2013M10 58677.00 1639. 26.92 5.131 5.81

_BPR-2013M11 59770.00 1637. 27.25 4.910 5.62

_BPR-2013M12 59176.00 1635. 27.01 4.411 5.62

_BPR-2014M01 59503.00 1636. 27.08 4.943 5.62

_BPR-2014M02 60812.00 1636. 28.29 4.988 5.78

_BPR-2014M03 62055.00 1636. 29.36 4.960 5.78

_BPR-2014M04 63036.00 1635. 29.82 5.061 5.78

_BPR-2014M05 64209.00 1634. 26.87 5.172 5.20

_BPR-2014M06 65507.00 1634. 26.93 5.076 5.20

_BPR-2014M07 66268.00 1635. 26.98 5.238 5.20

_BPR-2014M08 66264.00 1634. 26.99 5.368 5.12

_BPR-2014M09 67061.00 1634. 26.99 5.282 5.12

_BPR-2014M10 67359.00 1635. 26.98 5.396 5.12

_BPR-2014M11 67648.00 1637. 27.03 5.363 5.01

82

Lampiran 2 Uji Data Data Panel

1. Hasil Estimasi ddengan Pooled Least Square (PLS) Dependent Variable: JK?

Method: Pooled Least Squares Date: 11/13/15 Time: 10:06 Sample: 2012M01 2014M12 Included observations: 36 Cross-sections included: 7

Total pool (balanced) observations: 252

Variable Coefficient Std. Error t-Statistic Prob.

JB? 101.1608 163.9347 0.617080 0.5377

I? -61139.14 12963.24 -4.716347 0.0000

NPL? 88890.06 48486.62 1.833290 0.0680

Y? 191641.5 35909.57 5.336781 0.0000

R-squared 0.175730 Mean dependent var 430591.8 Adjusted R-squared 0.165759 S.D. dependent var 455200.3 S.E. of regression 415765.4 Akaike info criterion 28.72938 Sum squared resid 4.29E+13 Schwarz criterion 28.78540 Log likelihood -3615.901 Hannan-Quinn criter. 28.75192 Durbin-Watson stat 0.008177

83

2. Hasil Estimasi dengan Fixed Effect Model (FEM) Dependent Variable: JK?

Method: Pooled Least Squares Date: 11/13/15 Time: 10:25 Sample: 2012M01 2014M12 Included observations: 36 Cross-sections included: 7

Total pool (balanced) observations: 252

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 241812.3 107587.1 2.247596 0.0255

JB? 3985.401 523.8967 7.607227 0.0000 I? 10549.81 5357.926 1.969010 0.0501 NPL? -57301.30 5632.498 -10.17334 0.0000 Y? -142703.5 6685.965 -21.34375 0.0000 Fixed Effects (Cross)

_BP—C 1643012.

_BUSNDEV--C 1631783. _BUSNNDEV--C 563280.7 _BPD--C 758279.0

_BA—C 679226.7

_BC—C 635167.2

_BPR--C -5910748.

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.981090 Mean dependent var 430591.8 Adjusted R-squared 0.980306 S.D. dependent var 455200.3 S.E. of regression 63881.41 Akaike info criterion 25.01011 Sum squared resid 9.83E+11 Schwarz criterion 25.16418 Log likelihood -3140.274 Hannan-Quinn criter. 25.07211 F-statistic 1250.371 Durbin-Watson stat 0.108465 Prob(F-statistic) 0.000000

84

3. Hasil Estimasi dengan Random Effect Model (REM) Dependent Variable: JK?

Method: Pooled EGLS (Cross-section random effects) Date: 11/13/15 Time: 10:31

Sample: 2012M01 2014M12 Included observations: 36 Cross-sections included: 7

Total pool (balanced) observations: 252

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 899195.0 222746.4 4.036856 0.0001

JB? 35.98481 305.2745 0.117877 0.9063

I? 25297.22 8851.161 2.858068 0.0046

NPL? -51424.75 12593.44 -4.083456 0.0001 Y? -126663.8 8569.211 -14.78127 0.0000 Random Effects (Cross)

_BP--C 721745.1

_BUSNDEV--C 824405.5 _BUSNNDEV--C -269075.4 _BPD--C -99817.02

_BA--C -277619.3

_BC--C -306227.8

_BPR--C -593411.1

Effects Specification

S.D. Rho

Cross-section random 452091.7 0.9804

Idiosyncratic random 63881.41 0.0196

Weighted Statistics

R-squared 0.488139 Mean dependent var 10137.76 Adjusted R-squared 0.479850 S.D. dependent var 92187.32 S.E. of regression 66486.83 Sum squared resid 1.09E+12 F-statistic 58.88821 Durbin-Watson stat 0.085165 Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared -0.271715 Mean dependent var 430591.8 Sum squared resid 6.61E+13 Durbin-Watson stat 0.001406

85

Lampiran 3

Pemilihan Uji Data Panel 1. Hasil Estimasi Uji Chow

Redundant Fixed Effects Tests Pool: POOL1

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1155.488636 (6,241) 0.0000

Cross-section Chi-square 855.139879 6 0.0000

Cross-section fixed effects test equation: Dependent Variable: JK?

Method: Panel Least Squares Date: 11/13/15 Time: 10:45 Sample: 2012M01 2014M12 Included observations: 36 Cross-sections included: 7

Total pool (balanced) observations: 252

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 4203553. 309167.1 13.59638 0.0000

JB? 1597.068 138.2539 11.55170 0.0000 I? -170396.0 10622.59 -16.04090 0.0000 NPL? -198822.6 32605.28 -6.097865 0.0000 Y? -171824.6 20373.50 -8.433732 0.0000 R-squared 0.437105 Mean dependent var 430591.8 Adjusted R-squared 0.427989 S.D. dependent var 455200.3 S.E. of regression 344274.3 Akaike info criterion 28.35591 Sum squared resid 2.93E+13 Schwarz criterion 28.42594 Log likelihood -3567.844 Hannan-Quinn criter. 28.38408 F-statistic 47.95073 Durbin-Watson stat 0.041902 Prob(F-statistic) 0.000000

86

2. Hasil Estimasi Uji Hausman Correlated Random Effects - Hausman Test Pool: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 8.83276 4 0.9269

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. JB? 0.484772 -0.163367 0.838825 0.4791

I? 1.005802 1.043912 0.003200 0.5005

NPL? -0.124318 -0.131224 0.000187 0.6140 Y? -2.057778 -2.024984 0.002625 0.5222 Cross-section random effects test equation:

Dependent Variable: JK? Method: Panel Least Squares Date: 01/26/16 Time: 04:38 Sample: 2012 2014

Included observations: 3 Cross-sections included: 7

Total pool (balanced) observations: 21

Variable Coefficient Std. Error t-Statistic Prob.

C 17.21548 3.335797 5.160831 0.0004

JB? 0.484772 0.946374 0.512242 0.6196

I? 1.005802 0.397468 2.530526 0.0298

NPL? -0.124318 0.068120 -1.824986 0.0980 Y? -2.057778 0.126284 -16.29489 0.0000

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.999463 Mean dependent var 12.40693 Adjusted R-squared 0.998927 S.D. dependent var 1.095187 S.E. of regression 0.035875 Akaike info criterion -3.511868 Sum squared resid 0.012870 Schwarz criterion -2.964737 Log likelihood 47.87461 Hannan-Quinn criter. -3.393126 F-statistic 1862.897 Durbin-Watson stat 3.047502 Prob(F-statistic) 0.000000

75

DAFTAR PUSTAKA

Arisandi, Desi, 2008. “Analisis Faktor Penawaran Kredit pada Bank Umum Di Indonesia”, Skripsi Fakultas Ekonomi Program Studi Manajemen Perbankan Universitas Gunadarma. Diakses tanggal 20 Februari 2015. Bank Indonesia, 2006. Peraturan Bank Indonesia Nomor 8/16/PBI/2006 Tentang

Kepemilikan Tunggal pada Perbankan Indonesia. Diakses tanggal 20 Maret 2015 pukul 20.00 WIB.

Catorelli, Nicola, 2013. “Surviving Credit Market Competition”, Jurnal Pro Quest. Diakses tanggal 6 Agustus 2014 pukul 11.30 WIB

Djohan, Warman, 2000. Kredit Bank, Edisi Pertama.Jakarta: PT. Mutiara Sumber Widya.

Gujarati, Damodar N dan Dawn C.Porter, 2012. Dasar - dasar Ekonometrika, Edisi 5 Buku 1.Jakarta: Salemba Empat.

Hermansyah, 2008. Hukum Perbankan Nasional Indonesia, edisi revisi, Jakarta : Kencana.

International Monetary Fund, 2003. Financial Soundness Indicators.

Washington:DC: IMF Availableat http://www.imf.org/external/np/sta/fsi/eng/2003/051403.pdf.

Kasali, R, 2001. Membidik Pasar Indonesia Segmenting, Targeting dan Positioning.Jakarta: Gramedia.

Diakses tanggal 17 Februari 2015 pukul 14.20 WIB.

Kartajaya, H, 2004.Memenagkan Persaingan dengan Segitiga Positioning, Diferensiasi, dan Brand.Jakarta: Mark Plus and Co.Gramedia.

Kusumastuti, Yani, Sri, 2007. “Derajat Persaingan Industri Perbankan Indonesia Setelah Krisis Ekonomi”, Jurnal Ekonomi dan Bisnis Indonesia, Volume 23, No. 1, Januari 2008. Diakases tanggal 11 Januari 2015 pukul 01.15 WIB.

Kotler, P, 2002. Manajemen Pemasaran.Jakarta: PT. Ikrar Mandiri Abadi. Kasmir, 2014. Dasar – dasar Perbankan, Edisi XII. Jakarta: Rajawali Pers.

Marsuki, 2005. Analisis Sektor Perbankan, Moneter, dan Keuangan Indonesia, Edisi Pertama.Jakarta: Mitra Wacana Media.

Nachrowi D Nachrowi, Usman Harduis, 2006. Ekonometrika, untuk Analisis Ekonomi dan Keuangan, Cetakan Pertama, Jakarta: Lembaga Penerbit FE UI.

76

Pratomo Wahyu Ario dan Paidi Hidayat, 2010. Pedoman Praktis Penggunaan Eviews dalam Ekonometrika, Edisi II.Medan: USUpress.

Purba, Gusrani, 2014. “Analisis Peran Kredit Ketahanan Pangan Energi Terhadap Ketahanan Pangan Indonesia”, Skripsi Fakultas Ekonomi Program Studi Ekonomi Pembangunan Universitas Sumatera Utara.

Shaffer, Sherrill, 1994. “Bank Competition In Concentrated Markets”. Jurnal Pro Quest. Diakses tanggal 17 Januari 2015 pukul 14.20 WIB.

Sinulingga, Sukaria, 2011. Metode Penelitian, Edisi Pertama. Medan: USU Press. Suparmoko, 1999. Metode Penilitian Praktis, Edisi 4.Yogyakarta:

BPFE-Yogyakarta

Statistik Perbankan Indonesia, 2008 – 2013. (

Tri Mulyaningsih, Anne Daly, 2011. “Competitive Conditions in Banking Industry: An Empirical Analysis Of The Consolidation, Competition and Concentration in The Indonesia Banking Industry Between 2001 and 2009”. Diakses 11 januari 2015 pukul 01.15 WIB.

Diakases tanggal 20 Mei 2015 pukul 02.30 WIB)

Widarjono, Agus, 2013. Ekonometrika Pengantar dan Aplikasinya, Edisi 4.Yogyakarta: UPP STIM YKPN.

Diakses tanggal 10 November 2014 pukul 14.20 WIB).

WIB).

33 BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian ini adalah penelitian kuantitatif. Penelitian kuantitatif menekankan pada pengujian data melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data melalui prosedur statistik. Selain itu, Dilihat dari segi penggunaannya, penelitian ini merupakan penelitian terapan. Maksudnya ialah penelitian ini bertujuan untuk meningkatkan pengetahuan ilmiah dengan suatu tujuan praktis.

3.2 Ruang Lingkup Penelitian

Ruang lingkup penelitian yang diteliti dalam penelitian ini adalah bagaimana pengaruh variabel independen yaitu tingkat persaingan pasar kredit terhadap variabel dependen yaitu pinjaman atau kredit di Indonesia. Dalam penelitian ini, variabel tingkat persaingan pasar kredit terdiri dari 4 pilihan penilaian dalam menentukan faktor persaingan perbankan yaitu : Jumlah perbankan, suku bunga pinjaman, NPL ( Non Performing Loan), dan pertumbuhan ekonomi.

3.3 Definisi Operasional a. Variabel Dependen

Variabel dependen dalam penelitian ini adalah pinjaman dana atau kredit yang dikeluarkan para pelaku pasar kredit yaitu perbankan itu sendiri. Dalam penelitian ini perbankan dikelompokan manjadi 7 bagian, yaitu bank persero, bank umum swasta nasional (Devisa), bank umum swasta nasional (Non Devisa), bank pemerintah daerah, bank asing, bank campuran dan bank perkreditan rakyat.

34

Pinjaman atau kredit yang digunakan dalam penelitian ini adalah kredit/pinjaman berdasarkan jenis penggunaannya, antara lain : kredit modal kerja, kredit investasi dan kredit konsumsi.

b. Variabel Independen

Variabel independen dalam penelitian ini adalah tingkat persaingan pasar kredit yang didekati dengan empat kriteria dalam persaingan pasar kredit, yaitu: Jumlah perbankan, suku bunga, dan NPL (Non Performing Loan) dan pertumbuhan ekonomi. Dalam penelitian ini indikator yang digunakan sebagai gambaran dari pengukuran tingat persaingan pasar kredit, yaitu :

1. Jumlah perbankan

Jumlah perbankan dan kantor yang didirikan dari tiap perbankan merupakan cara untuk dapat lebih dekat dengan masyarakat, karena jumlah perbankan dan kantor yang tersebar merupakan salah satu pelayanan kepada masyarakat dan dapat menghimpun dana lebih banyak dari masyarakat. Jumlah perbankan dan kantornya juga merupakan faktor dalam menentukan persaingan pasar kredit. Berikut adalah data jumlah perbankan dalam penelitian :

Tabel 3.1.

Perkembangan Jumlah Perbankan

Tahun

Pasar Kredit

Total Bank

Perser o

BUSN (Devis

a)

BUSN (Non Devisa)

BPD Bank Asing

Bank Campura

n

BPR

2010 4 36 31 26 10 15 1.706 1.828

2011 4 36 30 26 10 14 1.669 1.789

2012 4 36 30 26 10 14 1.653 1.773

2013 4 36 30 26 10 14 1.635 1.755

2014 4 38 29 26 10 12 1.643 1.762

35 2. Suku Bunga Pinjaman

Suku bunga pinjaman adalah biaya yang di bebankan kepada debitur atas dana yang dipinjamkan oleh debitur sebagai imbalan jasa bagi perbankan dan menjadi salah satu keuntungan yang didapat perbankan.

3. NPL (Non Performing Loan)

NPL (Non Performing Loan) menunjukkan kemampuan kolektibilitas sebuah bank dalam mengumpulkan kembali kredit yang dikeluarkan oleh bank sampai lunas. NPL merupakan persentase jumlah kredit bermasalah (dengan kriteria kurang lancar, diragukan, dan macet) terhadap total kredit yang dikeluarkan bank. NPL diharapkan mempunyai hubungan negatif dengan penawaran kredit. NPL merupakan salah satu bagian dari rasio perbaikan asset.

NPL = Total Kredit Bermasalah Total Kredit Yang Disalurkan

Dimana : - Nilai NPL ≤5% adalah kinerja NPL baik - Nilai NPL ≥5% adalah kinerja NPL buruk

Semakin besar tingkat NPL ini menunjukkan bahwa bank tersebut tidak profesional dalam pengelolaan kreditnya, sekaligus memberikan indikasi bahwa tingkat resiko atas pemberian kredit pada bank tersebut cukup tinggi searah dengan tingginya NPL yang dihadapi bank. Umumnya perbankan nasional melakukan penghapus bukuan (write off )untuk mengurangi NPL, dengan cara utang tetap ditagih, namun jumlah utangnya tidak muncul pada pembukuan bank.

4. Pertumbuhan Ekonomi Indonesia

Pertumbuhan ekonomi adalah proses perubahan kondisi perekonomian suatu negara secara berkesinambungan menuju keadaan yang lebih baik selama

36

periode tertentu. Pertumbuhan ekonomi dapat diartikan juga sebagai proses kenaikan kapasitas produksi suatu perekonomian yang diwujudkan dalam bentuk kenaikan pendapatan nasional yang akan berdampak pada daya beli masyarakat dan kemajuan pembangunan. Pertumbuhan ekonomi dalam pasar persaingan kredit mempunyai peran sangat penting karena pasar kredit berpengaruh positif terhadap pertumbuhan ekonomi, kemajuan persaingan pasar kredit sangat dipengaruhi kondisi kegairahan ekonomi. Pertumbuhan ekonomi suatu negara dapat diukur dengan cara membandingkan, misalnya untuk ukuran nasional,

(GNP), tahun yang sedang berjalan dengan tahun

sebelumnya. 3.4 Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif sekunder yang bersumber dari bank Indonesia teribitan Statistik Perbankan Indonesia. Dan data yang akan dianalisis adalah data panel dengan data bulanan dan sempel waktu dari tahun 2012:1 sampai 2014:12.

Tabel 3.2.

Jenis, Satuan, Simbol dan Sumber Data

Jenis Data (Variabel) Satuan Simbol Sumber

Jumlah Kredit Jumlah (Rp) JK BI

Jumlah Perbankan Nominal JB BI

Suku Bunga Pinjaman Rasio (%) i BI & BPS

NPL (Non Performing Loan) Rasio (%) NPL BI

Pertumbuhan Ekonomi Rasio (%) Y BPS

37 3.5 Metode Pengumpulan Data

Metode pengumpulan data sekunder dalam penelitian ini dilakukan dengan cara kepustakaan (library research) yang diperoleh dari publikasi resmi dari Bank Indonesia melalui websitdan Badan Pusat Statistika.

3.6 Model Penelitian

Dalam menganalisis besarnya pengaruh variabel-variabel bebas yakni Jumlah perbankan dan kantornya, suku bunga, dan NPL (Non Performing Loan) terhadap pinjaman dana digunakan model ekonometrika dengan meregresikan data panel yang ada dengan menggunakan metode Pooled Least Square (PLS). Variabel-variabel tersebut ditransformasikan kedalam bentuk fungsi dan selanjutnya dibuat dalam bentuk persamaan regresinya, yaitu:

Y = f(X1, X2, X3,X4)

Kemudian model tersebut ditransformasi kedalam model persamaan regresi linier berganda dengan spesifikasi menggunakan model sebagai berikut:

Y = Yit= α + βX1it+ βX2it+ βX3it + βX4it + εit Dimana:

i = Kelompok Perbankan (1.2,...,7) t = Tahun (2012,..,2014)

Y = Jumlah Kredit Bank (Rp) α = Intercept / konstanta β1 β2 β3β4 = Koefisien regresi

X1 = Jumlah Bank dan kantornya (n) X2 = Suku Bunga Pinjaman (%) X3 = NPL ( Non Performing Loan ) (%) X4 = Pertumbuhan Ekonomi (%) μ = Term of error

38 Secara matematis bentuk hipotesisnya adalah:

ɗ�

ɗ�1 > 0, Artinya jika terjadi kenaikan pada X1 (Jumlah Perbankan), maka Y (Tingkat Persaingan Pasar Kredit) mengalami kenaikan, cateris paribus.

ɗ�

ɗ�2 < 0, Artinya jika terjadi kenaikan pada X2 (Suku Bunga Pinjaman), maka Y

(Tingkat Persaingan Pasar Kredit ) mengalami penurunan, cateris paribus.

ɗ�

ɗ�3 < 0, Artinya jika terjadi kenaikan pada X3 (NPL), maka Y (Tingkat Persaingan Pasar Kredit) mengalami penurunan, cateris paribus.

ɗ�

ɗ�4 > 0, Artinya jika terjadi kenaikan pada X4 (Pertumbuhan Ekonomi), maka Y

(Tingkat Persaingan Pasar Kredit) mengalami kenaikan,cateris paribus. 3.7 Teknik Analisis

Teknik yang digunakan dalam penelitian ini adalah regresi data panel (panel pooled data) dengan alat analisis yang dipakai adalah “Eviews 6”. Data panel merupakan penggabungan antara model data cross section dengan model data time series (Wahyu A. Pratomo, 2007). Regresi dengan menggunakan data panel disebut model regresi data panel. Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (ommited-variabel), dan pemilihan kelompok bank yang paling berpengaruh dan dominan di pasar persaingan kredit ditentukan dari nilai coefficient model yang terpilih.

39

Model dari masing-masing adalah sebagai berikut: a. Model data cross section :

Yi = α0 + αXi + μi dimana i = 1,2,3,...,N (3.1) b. Model data time series :

Yi = β0 + βXt + μt dimana t = 1,2,3,...,N (3.2) Karena data panel merupakan gabungan antaracross section dan time series, maka model pada data panelnya dapat dirumuskan sebagai berikut:

Yit= γ + фXit + μit (3.3)

Dimana:

i = 1,2,3,...,N dan t = 1,2,3,...,N

Dalam mengestimasi parameter dari persamaan dengan data panel, ada tiga model persamaan yang dapat dibuat, yaitu:

a. Ordinary Least Square (OLS) b. Fixed Effect Model (FEM) c. Random Effect Model (REM)

Oleh karena ada dua metode yang sesuai untuk data panel, maka harus dipilih dari salah satu metode tersebut. Masing-masing model memiliki kelebihan. Metode REM mempunyai parameter yang lebih sedikit, sehingga model yang dibentuk akan memiliki derajat kebebasan (degree of freedom) yang lebih banyak dibandingkan metode FEM. Sementara itu, metode FEM juga mempunyai keunggulan yaitu metode ini dapat membedakan efek individual dan efek waktu dan FEM tidak perlu mengasumsikan bahwa komponen error tidak berkolerasi dengan variabel bebas.

40

3.7.1 Pendekatan Ordinary Least Square (OLS)

Metode ini sama seperti model regresi pada umumnya. Namun pada data panel, data cross section dan time series digabungkan dalam bentuk pool data. Kemudian data diregresikan dengan metode OLS. Persamaan yang digunakan adalah:

Yit= α + βX1it + βX2it+ βX3 + βX4 + eit

Dengan menggunakan OLS maka akan diperoleh nilai intercept dan koefisien parameter yang konstan untuk seluruh daerah. Pada kenyataannya, seluruh daerah tidak memiliki nilai intercept maupun koefisien parameter yang konstan pada seluruh daerah. Oleh karena itu, metode ini tidak realistis dan digantikan oleh pendekatan lainnya yaitu, FEM dan REM.

3.7.2 Pendekatan Fixed Effect Model (FEM)

Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu (data cross section). Sementara itu, slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu. Persamaan model FEM dapat dituliskan sebagai berikut:

Yit = β0i + β1X1it + β2X2it + β3X3it + β4X4it + μi + eit (3.4) Dimana:

Yit = Variabel terikat untuk bank ke-i dan waktu ke-t Xit = Variabel bebas untuk bank ke-i dan waktu ke-t. 3.7.3 Pendekatan Random Effect Model (REM)

Pada model ini, perbedaan antar individu terdapat errorterm dari persamaan. Model ini memperhitungkan bahwa error term mungkin berkolerasi

41

sepanjang time series dan cross section. Persamaan model dalam REM dituliskan sebagai berikut:

Yit = β0i + β1X1it + β2X2it + β3X3it + β4X4it + eit ; eit = ui + vt + wit (3.5) Dimana:

ui = Komponen error cross section vt = Komponen error time series wit = Komponen error gabungan

3.8 Pemilihan Teknik Estimasi Regresi Data Panel

Ada dua hal yang menjadi pertimbangan yaitu: (1) tentang ada tidaknya korelasi antara error terms eit dan variabel independen X. Jika diasumsikan terjadi korelasi antara eit dan variabel independen X maka model random effect lebih tepat. Sebaliknya jika tidak ada korelasi antara eit dan variabel independen X maka model fixed effect lebih tepat. (2) Berkaitan dengan jumlah sampel di dalam penelitian. Jika sampel diambil adalah hanya bagian kecil dari populasi maka akan didapatkan error terms eit yang bersifat random sehingga model random effect lebih besar (Agus Widarjono 2013 : 362).

Beberapa pakar ekonometrika membuat pembuktian untuk menentukan model apa yang paling sesuai untuk digunakan dalam data panel.

Adapun kesimpulan dari pembuktian tersebut adalah (Nachrowi, 2006): 1. Jika pada data panel jumlah data time series lebih besar dibandingkan

jumlah data crossection, maka disarankan untuk mengunakan model Fixed Efffect Model (FEM).

42

2. Jika pada data panel jumlah data time series lebih sedikit dibanding jumlah data cross section, maka disarankan untuk menggunakan model Random Effect Model (REM).

3.8.1 Uji Chow (Chow Test)

Untuk mengetahui model mana yang lebih baik dalam pengujian data panel, bisa dilakukan dengan penambahan variabel dummy sehingga dapat diketahui bahwa intersepnya berbeda, dapat diuji dengan uji Statistik F. Uji ini digunakan untuk mengetahui apakah teknik regresi data panel dengan metode Fixed Effect lebih baik dari regresi model data panel tanpa variabel dummy atau metode Common Effect. Hipotesis nol pada uji ini adalah bahwa intersep sama, atau model yang tepat untuk regresi data panel adalah Common Effect, dan hipotesis alternatifnya adalah intersep tidak sama atau model yang tepat untuk regresi data panel adalah Fixed Effect.

Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derajat kebebasan (deggre of freedom) sebanyak m untuk numerator dan sebanyak n – k untuk denumerator m merupakan merupakan jumlah restriksi atau pembatasan di dalam model tanpa variabel dummy. Jumlah restriksi adalah jumlah individu dikurang satu. n merupakan jumlah observasi dan k merupakan jumlah parameter dalam model Fixed Effect. Jumlah observasi (n) adalah jumlah individu dikali dengan jumlah periode, sedangkan jumlah parameter dalam model Fixed Effect (k) adalah jumlah variabel ditambah jumlah individu. Apabila nilai F hitung lebih besar dari F kritis maka H0 ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed Effect. Dan sebaliknya, apabila nilai F hitung lebih

43

kecil dari F kritis maka H0 diterima yang artinya model yang tepat untuk regresi data panel adalah model Common Effect. Hasil yang akan didapat dari uji Chow Test ini jika H0 diterima atau menggunakan model Common Effect, maka pengujian berhenti sampai disini. Tetapi, jika H0 ditolak atau menggunakan model Fixed Effect Model (FEM) maka pengujian berlanjut ke Hausman Test.

3.8.2 Uji Hausman (Hausman Test)

Uji formal dikembangkan oleh Hausman. Hausman telah mengembangkan suatu uji statistik untuk memilih menggunakan model fixed effect atau random effect. Uji Hausman ini didasarkan pada ide bahwa kedua metode OLS dan GLS konsisten tetapi OLS tidak efisien di dalam hipotesis nol. Dilain pihak, hipotesis alternatifnya metode OLS konsisten dan GLS tidak konsisten. Karena itu uji hipotesis nolnya adalah hasil estimasi keduanya tidak berbeda sehingga uji Hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut.

Jika nilai statistik Hausman lebih besar dari nilai kritisnya atau hasil dari Hausman test signifikan maka H0 ditolak, berarti model yang tepat adalah FEM. Dan sebaliknya apabila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah REM (Widarjono, 2005) Uji Hausman dapat dijelaskan dengan menggunakan kovarian matrik dari perbedaan vektor

[βOLS – βGLS ] : (3.6)

var[βOLS – βGLS] = var (βOLS) + var (βOLS) – cov(βOLS,βGLS) – cov(βOLS, βGLS) Karena perbedaan kovarian dari estimator yang efisien dengan estimator yang tidak efisien adalah nol sehingga:

cov[(βOLS – βGLS), βGLS] = cov (βOLS,βGLS) – var (βGLS) = 0

44

Kemudiaan persamaan (3.7) dimasukkan ke dalam persamaan (3.6) akan menghasilkan kovarian matrik sebagai berikut:

var[βOLS – βGLS] = var(βOLS) – var(βGLS) = var(

q

) (3.8)

Selanjutnya mengikuti kriteria Wald, uji Hausman ini akan mengikuti distribusi chi-squares sebagai berikut:

m =

q

’var(

q

)-1

q

(3.9)

dimana

q

= [βOLS – βGLS] dan var(

q) = var(β

OLS) - var(βGLS)

Statistik uji Hausman ini mengikuti distribusi statistik Chi Square dengan degree of freedom sebanyak k dimana k adalah jumlah variabel independen. Jika menolak hipotesis nol yaitu ketika nilai statistik Hausman lebih besar dari nilai kritisnya maka model yang tepat adalah model fixed effect sedangkan sebaliknya bila gagal menolak hipotesis nol yaitu ketika nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah model random effect.

3.8.3 Test of Goodness of Fit (Uji Kesesuaian) a. Koefisien Determinasi (R-Square)

Koefisien determinasi dilakukan untuk melihat seberapa besar kemampuan variabel independen secara bersama-sama memberi penjelasan terhadap variabel dependen. Nilai R2 berkisar antara 0 sampai 1(0 ≤ R2 ≤1).

b. Uji t- statistik

Uji t-statistik merupakan pengujian secara parsial yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi signifikan atau tidak terhadap variabel dependen dengan menganggap variabel lainnya konstan.

45 H0 : bi = b

Ha : bi ≠ b

Dimana bi adalah koefisien variabel independen ke-i nilai parameter hipótesis, biasanya b dianggap = 0. Artinya tidak ada variabel X terhadap Y. Bila nilai t- hitung > t-tabel maka pada tingkat kepercayaan tertentu H0 ditolak. Hal ini berarti bahwa variabel independen yang diuji berpengaruh secara nyata (signifikan) terhadap variabel dependen. Nilai t-hitung diperoleh dengan rumus:

� − ℎ����� = (�� − �)

��� dimana :

bi = koefisien variabel independen ke-i b = Nilai hipótesis nol

Sbi = simpangan baku dari variabel independen ke-i Kriteria pengambilan keputusan :

H0: β = 0 H0 diterima ( t-hitung < t-tabel ) artinya variabel independen secara parsial tidak berpengaruh nyata atau signifikan terhadap variabel dependen.

Ha: βi≠0 H0 diterima (t-hitung > t-tabel ) artinya variabel

independen secara parsial berpengaruh nyata atau signifikan terhadap variabel dependen.

46 c. Uji F-statistik

Uji F-statistik ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama-sama terhadap variabel dependen.

Untuk pengujian ini digunakan hipotesa sebagai berikut:

H0 : b1 = b2= 0………... bk ≠ 0 (tidak ada pengaruh) Ha : b1 =b2 = 0……… …………i = 1(ada pengaruh)

Pengujian ini dilakukan dengan membandingkan nilai F-statistik dengan F-tabel. Jika F- dihitung > F-tabel maka H0 ditolak, yang berarti variabel independen secara bersama-sama mempengaruhi variabel dependen. Nilai F-hitung dapat diperoleh dengan rumus:

�

−

ℎ�����

=

�2/ (�−1)

(1−�2)/(�−�) Dimana:

R2 = koefisien determinasi k = jumlah variabel independen n = jumlah sampel

Kriteria pengambilan keputusan:

H0: β1 = β2 = 0 Ho diterima (F < F-tabel) artinya variabel independen secara simultan tidak berpengaruh nyata terhadap variabel dependen.

Ha : β1 ≠ β2 ≠ 0 Ha diterima (F > F-tabel) artinya variabel independen secara simultan berpengaruh nyata terhadap variabel dependen.

47 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Deskriptif Variabel

4.1.1 Perkembangan Kredit

Kredit adalah suatu istilah yang diketahui secara umum sebagai peminjaman dana dan pengakusisan suatu produk atau jasa dengan pembayaran berangsur-angsur atau pengembalian dananya sesuai dengan kesepakatan antara pemberi kredit dengan penerima kredit. Dengan kata lain dari pemberian kredit unsur kepercayaan tidak terbatas kepada penerima kredit, tetapi terjaganya kepercayaan akan kejujuran dan kemampuan dalam mengembalikan pinjaman tepat pada waktunyalah yang diharapkan dari sipemberi kredit. Dengan kata lain seseorang atau perusahaan yang akan menentukan kredit harus mempunyai kredibilitas, atau kelayakan seseorang untuk menerima kredit tersebut. Namun definisi tersebut terus berkembang mengikuti arus kebutuhan pembayaran yang semakin kompleks yang diikuti dengan sistem keuangan yang termodrenisasi.

Di Indonesia sendiri perkembangan kredit sangat pesat, hal ini dikarenakan Indonesia yang sedang peralihan menuju sistem ekonomi industri yang menuntut tersedianya modal yang cukup untuk berkembang dan menciptakan inovasi sehingga mampu bersaing dipasar. Perkembangan kredit di Indonesia selain dilatarbelakangi karena peralihan menuju sistem ekonomi industri, juga dipengaruhi oleh pertubuhan ekonomi dan pemenuhan kebutuhan yang semakin beragam dari masyarakat. Sehingga banyak produk kredit yang ditawarkan perbankan kepada masyarakat untuk memenuhi kebutuhan hidup yang tanpa batas dari masyarakat Indonesia.

48 2000000 2200000 2400000 2600000 2800000 3000000 3200000 3400000 3600000 3800000 4000000 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013M 01 2013M 03 2013M 05 2013M 07 2013M 09 2013M 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 Perkembangan Kredit (Miliar) Gambar 4.1 Perkembangan Kredit

Sebagaimana terlihat pada gambar 4.1 diatas, perkembangan jumlah kredit secara keseluruhan pada setiap perbankan mengalami peningkatan setiap tahunnya. Dimulai pada awal tahun 2012 total kredit yang dikeluarkan seluruh perbankan mencapai Rp. 2.225.730 miliar hingga pertengahan tahun 2013 mengalami peningkatan yang signifikan sebesar Rp. 3.015.371 miliar. Hal ini terjadi karena adanya keinginan masyarkat untuk berkembang kearah ekonomi berbasis industri yang memerlukan modal yang besar dan meningkatnya kebutuhan masyarakat yang tanpa batas, terbukti dari tahun 2012 hingga pertengahan 2013 dari keseluruhan kredit yang dikeluarkan perbankan lebih dari setengah disumbangkan pada kredit modal kerja dan konsumsi selebihnya pada

49

kredit investasi. Pada tahun 2014 total keseluruhan kredit sudah diatas Rp. 3.317.924 milyar, perkembangan sistem pembayaran dan penyaluran kredit

yang dilakukan perbankan yang menjadikan kredit sebagai salah satu sumber pendapatan perbankan yang terbesar merupakan salah satu faktornya. Motivasi perbankan untuk menyalurkan kredit dan cara pemenuhan kebutuhan masyarakat yang berbeda dan tanpa batas membuat peranan kredit semakin terasa dimasyarakat dan membuat kredit tetap berkembang dari tahun ke tahun dan menjadikan kredit sebagai salah satu instrument kebijakan moneter karena perannya yang sangat penting bagi prekonomian secara makro.

4.1.2 Perkembangan Persaingan Pasar Kredit Perbankan

Di Indonesia persaingan pasar kredit merupakan suatu persiangan kegiatan usaha perbankan yang terdiri dari seluruh penawaran kredit yang dilakukan masing-masing perbankan untuk menawarkan kreditnya kepada masyarakat. Keberhasilan menguasai persaingan kredit di pasar kredit memiliki banyak faktor, tetapi untuk memperkecil ruang lingkupnya penelitian ini mengambil beberapa variabel untuk melihat pengaruhnya terhadap persaingan pasar kredit, antara lain : Jumlah perbankan dari setiap kelompok bank, Suku bunga pinjaman, Non Performing Loan (NPL) dan pertumbuhan Ekonomi.

4.1.2.1 Perkembangan Jumlah Perbankan

Pada awal kemerdekaan Indonesia hanya ada satu bank yang mempunyai dua tugas, yaitu sebagai pengatur kebijakan moneter dibawah kendali pemerintah dan melayani sistem keuangan kepada masyarakat. Pada masa orde baru tugas perbankan sudah terpisah, untuk kebijakan moneter dibawah pengawasan Bank

50

Indonesia dan untuk aktivitas keuangan kepada masyarakat diserahkan kepada bank umum konvensional dan ini menjadi awal mula perkembangan jumlah perbankan. Jumlah persebaran perbankan di pasar kredit menjadi faktor penting pendorong terciptanya persaingan di pasar kredit, beberapa penelitian juga menyatakan semakin tingginya persaingan antar bank terhadap kredit semakin efektif kredit yang diberikan bank. Banyaknya competitor membuat persaingan semakin ketat dan memaksa perbankan harus berinovasi agar kredit yang mereka tawarkan dapat diterima dimasyarakat. Perkembangan jumlah perbankan dan persebarannya dibeberapa wilayah Indonesia dapat dikaitkan dengan kemajuan sistem keuangan dan kelancaran pembayaran yang dibutuhkan masyarakat, kemudian tersedianya investor sebagai pemodal untuk bekerja sama membangunnya. Berikut adalah jumlah perbankan diseluruh wilayah Indonesia dari 2012:01 sampai 2014:12 dalam penelitian ini :

Gambar 4.2

Perkembangan Jumlah Perbankan 0 5 10 15 20 25 30 35 40 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013M 01 2013M 03 2013M 05 2013M 07 2013M 09 2013M 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 Bank Persero BUSN (Devisa) BUSN (Non Devisa) BPD

Bank Asing Bank Campuran

51

Dari gambar 4.2 diatas terlihat jumlah bank pada setiap kelompok bank yang terdiri dari bank persero, Bank Umum Swasta Nasional Devisa, BUSN Non Devisa, BPD, Bank Asing dan Bank Campuran. Jumlah bank pada setiap kelompok bank relatif stabil setiap tahunnya, hal ini dikarenakan untuk tetap menjaga kepercayaan masyarakat terhadap sistem kelancaran arus pembayaran dan keuangan terhadap jenis kelompok bank. Jumlah BUSN Devisa menempati jumlah terbanyak dari seluruh kelompok bank yang ada mulai dari tahun 2012 : 1 hingga 2014 : 12, meskipun dipertengahan tahun 2014 mengalami penurunan namun pada akhir tahun tetap meningkat. Sedangkan untuk kelompok bank campuran dan BUSN non devisa mengalami penurunan diakhir tahun 2014, pada bank campuran terjadi penurunan sebanyak 2 bank dari 14 bank menjadi 12 bank dan BUSN non devisa dari 30 bank menjadi 29 bank. Bank Persero, BPD dan Bank Asing dilaporkan tidak mengalami perubahan selama 3 tahun pengamatan. Perubahan kenaikan dan penurunan jumlah perbankan dalam masa waktu penelitian ini dikarenakan adanya marger antar dan akusisi bank dari pihak lain, walaupun demikian penurunan jumlah perbankan bisa dikaitkan dengan terealisasinya program Arsitektur Perbankan Indonesia (API) dari BI dan jumlah perbankan yang sedikit belum tentu membuat kelompok bank tsb menjadi lemah dipasar persaingan kredit.

52 Gambar 4.3 Perkembangan BPR

Dari gambar 4.3 dapat diketahui perkembangan BPR secara jumlah terus menurun setiap tahunnya, hal ini terjadi karena BPR lebih berisiko mengalami kerugian. Kebanyakan dari BPR menargetkan 70% modal yang di miliki bank tersebut dialokasikan untuk pembiayaan kredit dan konsentrasi pendapatan perusahaan BPR mayoritas berasal dari kredit. Sehingga ketika banyak kredit yang bermasalah akan menaikan rasio Non Performing Loan (NPL) dan akan mengganggu likuiditas bank, efek yang lebih buruknya lagi adalah hilangnya kepercayaan masyarakat dan mengakibatkan penarikan besar-besaran oleh nasabah (rush). Hal seperti ini biasa terjadi pada BPR yang tidak bisa memanagement kreditnya dan menjaga likuiditas.

4.1.2.2 Perkembangan Suku Bunga Kredit Perbankan

Setiap Perbankan dalam menentukan suku bunga pinjaman mengacu pada ketentuan suku bunga acuan yang ditetapkan Bank Indonesia sebagai regulator

1600 1610 1620 1630 1640 1650 1660 1670 1680 1690 1700 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013M 01 2013M 03 2013M 05 2013M 07 2013M 09 2013M 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 BPR

53 5,00 7,00 9,00 11,00 13,00 15,00 17,00 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013M 01 2013M 03 2013M 05 2013M 07 2013M 09 2013M 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 Bank Persero BI Rate BUSN (Devisa)

BUSN (Non Devisa)

BPD

Bank Asing

Bank Campuran kebijakan moneter, sehingga bank tidak dapat membebankan suku bunga sesuka hati kepada masyarakat. Walaupun demikian rata-rata perbankan selalu menetapkan bunga pinjaman dua kali lipat dari suku bunga bank Indonesia (BI Rate) atau sesuai dengan keputusan tiap-tiap bank itu sendiri. Berikut adalah perkembangan suku bunga selama priode pengamatan penelitian :

(%)

Gambar 4.4

Perkembangan Suku Bunga Kredit

Dari gambar 4.4 diatas dapat dilihat bahwa BI rate dari tahun pengamatan mengalami kenaikan setiap tahunnya, adapun penurunan suku bunga BI rate tidak terlalu signifikan dan tidak dibarengi dengan penurunan suku bunga pinjaman dari perbankan. Tetapi jika dilihat pada gambar 4.4 diatas pada grafik BI rate ketika mengalami kenaikan, seluruh suku bunga pinjaman yang dibebankan perbankan kepada debitur ikut mengalami kenaikan. Kenaikan bunga pinjaman yang paling besar terdapat pada bank campuran dengan tingkat bunga tertingginya mencapai

54 25 25,5 26 26,5 27 27,5 28 28,5 29 29,5 30 30,5 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013M 01 2013M 03 2013M 05 2013M 07 2013M 09 2013M 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 BPR

16,61%. Bank Pembangunan Daerah (BPD) menempati nomor dua tertinggi mencapai 13.34% pada tahun 2012, tetapi dari tahun 2013 hingga pertengahan tahun 2014 mengalami penurunan secara perlahan. Sedangkan pergerakan suku bunga pinjaman pada bank campuran dan BUSN non devisa cenderung naik mengikuti pergerakan BI rate namun tidak berfluktuasi.

(%)

Gambar 4.5

Perkembangan Suku Bunga BPR

Dari Gambar 4.5 diatas diketahui beberapa hal, antara lain suku bunga yang dipakai bank perkreditan rakyat (BPR) diatas rata-rata suku bunga bank umum konvensional lainnya yang hanya 16,87% dilevel bunga kredit yang tertinggi. Pada awal Tahun 2012 suku bunga kredit BPR meencapai 29,45%, meskipun bunga kreditnya dari setiap bulannya mengalami penurunan hingga akhir tahun 2013 akan tetapi pada awal tahun 2014 kembali naik dengan signifikan. Hal ini terjadi karena BPR merupakan bank yang berkonsentrasi pada kinerja kredit

55 1000 6000 11000 16000 21000 26000 31000 36000 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … 201 … Bank Persero BUSN (Devisa) BUSN (Non Devisa) BPD

Bank Asing

Bank Campuran kepada masyarakat sehingga pendapatan BPR hampir 80% disumbang dari pendapatan bunga kredit.

4.1.2.3 Perkembangan Non Performing Loan (NPL) Perbankan

Non Performing Loan (NPL) adalah rasio atau jumlah nominal kredit bermasalah yang dialami oleh bank yang merupakan salah satu kunci untuk menilai kualitas kenerja bank, dengan kata lain NPL mencerminkan indikasi adanya masalah dalam bank tersebut dan jika tidak mendapatkan perhatian dan penanganan yang serius akan berdampak langsung pada modal yang dimiliki bank, dan akan berdampak juga pada penyaluran kredit pada priode berikutnya. Banyak faktor yang mempengaruhi nilai NPL suatu bank, diantaranya adalah dampak krisis multi dimensional yang hingga saat ini membuat banyak dari para debitur bank tidak mampu menyelesaikan masalah kredit macetnya dan tidak adanya etika baik dari debitur untuk menyelesaikannya. Kondisi NPL perbankan harus dibawah 5% untuk menilai kinerja bank tsb baik. Berikut adalah perkembangan Non Performing Loan (NPL) dari tiap kelompok perbankan dalam penelitian ini :

(Miliar)

Gambar 4.6 Perkembangan NPL

56 1000 1500 2000 2500 3000 3500 4000 2012M 01 2012M 03 2012M 05 2012M 07 2012M 09 2012M 11 2013m 01 2013m 03 2013m 05 2013m 07 2013m 09 2013m 11 2014M 01 2014M 03 2014M 05 2014M 07 2014M 09 2014M 11 NPL Sebagaimana terlihat perkembangan NPL pada gambar 4.6 diatas, maka ada dua bank yang memiliki nominal NPL (Kredit Macet) tertinggi salah satunya adalah bank BUSN Devisa dengan puncak nominal NPL tertinggi Rp. 36.242 miliar pada 2014M011 dengan kredit yang tersalurkan sebesar Rp. 1.453.468 miliar. Bank persero menempati posisi ke dua dengan NPL terendah Rp. 21.249 miliar dan NPL tertinggi Rp.29.023 miliar dengan jumlah kredit Rp. 1.254.133 miliar pada tahun 2014M08. Sedangkan untuk BPD nilai nominal NPL sebesar RP. 11.042 miliar dengan jumlah kredit Rp. 301.614 miliar, begitu juga dengan bank asing dan bank campuran rata-rata NPL sebersar Rp.4.258 miliar dengan kredit yang tersalurkan Rp. 221.684 miliar untuk bank asing dan Rp. 195.925 miliar untuk bank campuran. Resiko naik atau turunnya nilai NPL sangat dipengaruhi seberapa besar kredit yang berhasil dikeluarkan bank tsb, semakin besar kredit yang dikeluarkan maka akan semakin besar pula resiko kredit macet dan membuat Non Performing Loan (NPL) suatu bank naik.

M I L I A R Gambar 4.7

57 4

5 6 7

2012 I2012 II2012 III2012 IV2013 I2013 II2013 III2013 IV2014 I2014 II2014 III2014 IV

Perkembangan Non Performing Loan (NPL) pada BPR lebih sensitive dari pada kelompok perbankan yang lain, pasalnya pada BPR adalah bank dengan aktivitas keuangan terbanyak ada pada penyaluran kredit pada masyarakat sehingga butuh lebih dari sekedar analisis kredit yang baik, tetapi juga management keuangan yang tepat untuk tetap menjaga likuiditas banknya. Rasio Non Performing Loan (NPL) BPR rata-rata ≥ 5% perbulannya, artinya kinerja BPR buruk. Dari gambar 4.7 diatas rata – rata NPLnya berada pada Rp. 2000 miliar sampai puncak tertingginya sebesar Rp. 3.635 miliar dengan kredit yang tersalurkan Rp. 41.424 sampai Rp. 68.391 miliar pada 2014M12.

4.1.2.4 Perkembangan Pertumbuhan Ekonomi

Perkembangan pertumbuhan ekonomi mempunya efek yang besar terhadap iklim usaha dan keseluruhan perekonomian baik secara langsung atau tidak langsung. Bukan hanya iklim usaha dan prekonomian secara makro tapi faktor-faktor pendukung pertumbuhan seperti kredit atau pinjaman dari perbankan juga ikut mengalami perubahan mengikuti laju pertumbuhan ekonomi. Hal ini disebabkan pertumbuhan ekonomi mampu meningkatkan gairah para wiraswata dalam berusaha. Berikut adalah perkembangan kredit selama pengamatan dalam penelitian ini :

Gambar 4.8

58

Pada gambar 4.8 diatas terlihat secara keseluruhan perkembangan pertumbuhan ekonomi setiap triwulan dari tahun 2012 sampai tahun 2014 mengalami penurunan pertumbuhan ekonomi. Pada awal tahun 2012 pertumbuhan ekonomi mencapai 6.5 % dan hingga akhir tahun 2014 tercatat pertumbuhan Indonesia hanya mencapai 5,01%. Hipotesis awal dalam penelitian adalah pertumbuhan berpengaruh positif terhadap kredit, hipotesis ini juga didukung dalam penelitian (Syahfitri, 2013 ) yang menyatakan ada hubungan kausalitas dua arah antara pertumbuhan ekonomi dan kredit, dimana semakin tinggi kredit yang disalurkan akan memacu pertubuhan ekonomi pada sektor yang disalurkan kredit yang pada akhirnya akan meningkatkan pertumbuhan ekonomi.

4.2 Analisis Data

Pada analisis data panel dalam penelitian ini, yang berfungsi sebagai variabel terikat adalah jumlah kredit tiap perbankan sedangkan variabel bebasnya adalah jumlah perbankan, suku bunga pinjaman, Non Performing Loan (NPL), dan pertumbuhan ekonomi. Hubungan fungsional antara variabel terikat dengan variabel bebas dapat dinyatakan sebagai berikut :

Jumlah Kredit = f (Jumlah Perbankan, Suku Bunga Pinjaman, NPL, Pertumbuhan Ekonomi)

Untuk pengolahan datanya, maka digunakan spesifikasi model-model ekonometrika seperti dibawah ini:

59 Dimana:

i = Kelompok Perbankan (1,2,……..,7)

t = Bulanan (2012M01, …….…….,2014M12) Y = Jumlah Kredit tiap perbankan

α = Intercept /Konstanta

β1 β2 β3β4 = Koefisian Regresi X1 = Jumlah Perbankan

X2 = Suku Bunga Pinjaman (i) X3 = Non Performing Loans (NPL) X4 = Pertumbuhan Ekonomi μ = Term of Error

Menurut (Nachrowi, 2006), terdapat beberapa pendapat pakar untuk menentukan model yang paling sesuai yang digunakan dalam analisis data panel yang mana telah dibuktikan oleh beberapa pakar ekonometrika dimana hasil dalam pembutian tersebut dapat disimpulkan sebagai berikut:

1. Jika pada data panel jumlah data time series lebih besar dibandingkan jumlah data cross section, maka disarankan untuk menggunakan model Fixed Effect Model (FEM).

2. Jika pada data panel jumlah data time series lebih sedikit dibandingkan jumlah data cross section, maka disarankan untuk menggunakan model Random Effect Model (REM).

Berdasarkan ketentuan ini maka analisis yang digunakan untuk ketiga model persamaan adalah dengan menggunakan metode FEM.

60

4.2.1 Hasil Estimasi dengan Menggunakan Model Odinary Least Square (OLS)

Tabel. 4.1

Hasil Estimasi Odinary Least Square (OLS)

Sumber : Data olahan, Lampiran

Dari hasil estimasi dengan menggunakan metode PLS didapat hasil yang tidak baik atau bias, hal ini diperoleh dari nilai koefisien Determinasi (R2) sebesar 0.75730 yang berarti secara keseluruhan variabel bebas yang ada dimodel persamaan tersebut hanya mampu menjelaskan variasi jumlah kredit perbankan pada 7 kelompok bank di Indonesia dengan nilai 17.57% dan sisanya 82.43% dapat dijelaskan oleh variabel lain diluar model persamaan.

4.2.2 Hasil Estimasi dengan Menggunakan FEM

Berdasarkan hasil estimasi dengan menggunakan metode Fixed Effect Model (FEM), maka diperoleh nilai koefisien Determinasi (R2) sebesar 0.981090 yang berarti secara keseluruhan variabel bebas yang ada didalam model persamaan tersebut mampu menjelaskan variasi jumlah kredit perbankan pada 7 kelompok bank di Indonesia sebesar 98,109% dan sisanya 1,891% dijelaskan oleh variabel lain diluar model persamaan. Hasil lain yang didapat dengan Fixed Effect Model adalah bank dengan tingkat penawaran kredit tertinggi dan menjadi bank yang unggul di pasar persaingan kredit adalah Bank Persero sedangkan yang memiliki rata-rata penawaran kredit yang terkecil di pasar persaingan kredit adalah BPR.

JK = + 101.1608X1 - 61139.14X2 + 88890.06X3 + 19164.5X4

t-statistik = (0.619514) (-4.837801) (2.614280) (4.884736)

Std. Error 163.2905 12637.79 34001.74 39232.73

61 Tabel. 4.2

Hasil Estimasi Fixed Effect Model (FEM)

Keterangan * Signifikan pada α = 1%,**Signifikan pada α = 5% Sumber : Data olahan Eviews, Lampiran

4.2.3 Hasil Estimasi dengan Uji Chow

Berikut adalah hasil pengujian Chow Test untuk memilih model regresi data panel yang bagus dan paling representative.

Tabel. 4.3

Hasil Estimasi Uji Chow Redundant Fixed Effects Tests

Pool: POOL1

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1155.488636 (6,241) 0.0000

Cross-section Chi-square 855.139879 6 0.0000

Sumber : Data olahan Eviews, Lampiran

Dari hasil estimasi uji Chow pada Tabel 4.3 menunjukan nilai F-statistik dan Chi-square signifikan sebesar 0,0000. Maka sesuai dengan hipotesis H0 = PLS dan Ha = FEM, jika H0 diterima nilai F-statistik > 0.05 sedangkan jika Ha diterima F-statistik < 0.05. Dari tabel 4.3 diatas diketahui nilai F-statistik < 0,05

JK = 241812.3 + 3985.401X1 + 10549.81X2 - 57301.30X3 - 142703.5X4

t-statistik = (7.607227)* (1.969010)** (-10.1733)* (-20.1850)*

Std. Error 523.8967 5357.926 5632.498 6685.965

R2 = 0.981090 DW-Stat = 0,108465

Fixed Effects (Cross)

_BP--C 1643012.

_BUSNDEV--C 1631783.

_BUSNNDEV--C 563280.7

_BPD--C 758279.0

_BA--C 679226.7

_BC--C 635167.2

62

sehingga Ha diterima dengan model FEM. Maka kita akan melanjutkan pengujian dengan uji Hausman test.

4.2.4 Hasil Estimasi dengan Menggunakan REM

Berdasarkan hasil estimasi dengan menggunakan metode Random Effect Model (REM), maka diperoleh nilai koefisien Determinasi (R2) sebesar 0.488139 artinya, secara keseluruhan variabel bebas yang ada dalam model persamaan tersebut mampu menjelaskan jumlah kredit perbankan pada 7 kelompok bank di Indonesia sebesar 48.81% dan sisanya 51,19% dijelaskan oleh variabel lain diluar model persamaan. Hasil lain yang didapat pada hasil uji REM ini adalah bank yang memiliki penawaran dan persaingan kredit yang lebih tinggi diantara 7 kelompok bank di pasar persaingan kredit adalah BUSN Devisa, hasil ini berbeda dengan hasil estimasi dengan menggunakan metode Fixed Effect Model (FEM) dimana bank persero adalah bank dengan tingkat persaingan pasar kredit yang lebih tinggi dan bank dengan penawaran dan tingkat persiangan terendah adalah BPR. Berikut adalah hasil estimasi dalam bentuk tabel :

Tabel 4.4

Hasil Estimasi Random Effect Model

Keterangan * Signifikan pada α = 1% Sumber : Data olahan Eviews, Lampiran

JK = 899195.0 + 35.98481X1 + 25297.22X2 - 51424.75X3 - 126663.8X4

t-statistik = (0.145458) (3.659807)* (-8.87853)* (-20.0770)*

Std. Error 247.3893 6912.172 5792.032 6308.877

R2 = 0.488139 DW-Stat = 0.085165

Random Effects (Cross)

_BP--C 721745.1

_BUSNDEV--C 824405.5

_BUSNNDEV--C -269075.4

_BPD--C -99817.02

_BA--C -277619.3

_BC--C -306227.8

63 4.2.5 Uji Hausman (Hausman Test)

Untuk memiliki hasil kuat dalam memilih metode yang digunakan akan baik, maka dilakukan uji Hausman. Uji Hausman akan memberikan penilaian dari semua uji data panel, jika H0=Fixed Effect Model dan Ha = Random Effect Model dengan melihat nilai Chi-Square statistic sehingga keputusan pemilihan model dapat ditentukan secara tepat.

Tabel 4.5 Hasil Uji Hausman

Sumber : Data Olahan Eviews, Lampiran

Berdasarkan hasil uji Hausman pada tabel 4.5 di atas menunjukkan bahwa nilai Chi-Square statistik sebesar 8,83276 yang artinya pada uji Hausman signifikan pada α = 10%. Maka dari itu, dalam penelitian ini menggunakan metode Fixed Effect Model adalah model yang paling representatif.

4.2.6 Intrepretasi Model FEM

Berdasarkan Uji Chow di atas menunjukkan bahwa nilai F statistik statistik tidak signifikan maka metode yang digunakan adalah model Fixed Effect Model (FEM). Maka yang akan dibahas adalah intrepetasi model FEM, hasil estimasi FEM dapat dijelaskan pengaruh variabel independen jumlah kredit tiap banknya di pasar kredit, dari variabel jumlah perbankan, tingkat suku bunga pinjaman, NPL dan pertumbuhan ekonomi, adalah sebagai berikut :

Correlated Random Effects - Hausman Test Pool: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

64 1. Jumlah Perbankan (X1)

Jumlah Perbankan (X1) memiliki pengaruh positif terhadap jumlah kredit atau pinjaman, dengan nilai koefisien sebesar 3985,401. Hal ini berarti, bila terjadi kenaikan pada jumlah perbankan sebesar 10 bank, cateris paribus, maka akan menyebabkan kenaikan tingkat penawaran kredit di persaingan pasar kredit dan kenaikan pinjaman sebesar Rp. 39,85401 miliar.

2. Suku bunga kredit (X2)

Suku bunga perbankan (X2) memiliki pengaruh positif terhadap jumlah kredit atau pinjaman, dengan nilai koefisien sebesar 10549,81. Hal ini berarti, bila terjadi kenaikan pada tingkat suku bunga kredit sebesar 1% pada setiap perbankan di pasar persaingan kredit, cateris paribus, maka akan menyebabkan kenaikan tingkat penawaran kredit di persaingan pasar kredit sehingga akan menaikkan pinjaman sebesar Rp.105,4981 miliar.

3. Non Performing Loan (NPL) (X3)

Non Performing Loan (X3) berpengaruh negatif terhadap jumlah kredit atau pinjaman, dengan hasil estimasi didapat koefisien sebesar 57301,30. Artinya, bila terjadi kenaikan pada rasio Non Performing Loan (NPL) sebesar 1% pada perbankan di pasar kredit, cateris paribus, maka akan menurunkan pinjaman sebesar Rp. 573,0130 miliar.

4. Pertumbuhan Ekonomi (X4)

Pertumbuhan Ekonomi (X4) berpengaruh negatif terhadap jumlah kredit atau pinjaman, dan estimasi yang didapat menjukkan koefisien sebesar 142703,5. Hal ini berarti bila terjadi pernurunan pada pertumbuhan ekonomi sebesar 1% akan

65

meningkatkan permintaan kredit atau pinjaman sebesar 1427,035 miliar di pasar kredit.

4.3 Uji Kesesuaian (Test of Goodness of Fit ) 4.3.1 Koefisien Determinasi (��)

Koefisien determinasi dilakukan untuk menunjukkan seberapa besar kemampuan variabel independen secara bersama dapat memberi penjelasan terhadap variabel dependen. Dari hasil regresi yang diperoleh nilai R2 = 0.951559 yang berarti secara keseluruhan variabel bebas yang ada dalam model persamaan tersebut mampu menjelaskan variasi tingkat persaingan pasar kredit di Indonesia sebesar 98,109% dan sisanya 1,891% dijelaskan oleh variabel lain diluar model persamaan.

4.3.2 Uji t-statistik (Uji Parsial)

Uji t-statistik adalah pengujian dengan tujuan untuk mengetahui apakah setiap koefisien regresi signifikan atau tidak terhadap variabel dependen dengan variabel lainnya constant. Dalam uji ini digunakan hipotesis sebagai berikut:

H0: bi = 0 (tidak signifikan) H1: bi ≠ 0 (signifikan)

t-hitung t-hitung

Gambar 4.9 Uji t statistik

H1 diterima H1 diterima

66

Artinya berdasarkan data yang tersedia akan dilakukan pengujian terhadap β (koefisien regresi populasi), apakah hasilnya sama dengan nol yang maksudnya tidak mempunyai pengaruh yang signifikan terhadap variabel lain yang terikat atau hasilnya tidak sama dengan nol yang berarti mempunyai pengaruh signifikan. 1. Jumlah Perbankan (X1)

Hipotesa : H0 : b = 0 H1 : b ≠ 0 Kriteria :

H0 diterima apabila t-hitung < t-tabel H1 diterima apabila t-hitung > t-tabel

Dari hasil analisis regresi diketahui t-hitung = 7,607227 α = 1%

Df = n - k - 1

= 7 - 4 - 1= 2 → t-tabel = 9,925

Diketahui bahwa jumlah perbankan signifikan pad a α = 1 % den gan t-hitung < t-tabel (7,607227 < 9,925). Dengan demikian H0 diterima. Artinya

variabel jumlah perbankan tidak berpengaruh nyata terhadap variabel jumlah kredit di persaingan pasar kredit pada tingkat kepercayaan 98%.

2. Suku Bunga Kredit (X2) Hipotesa : H0 : b = 0

H1 : b ≠ 0 Kriteria :

H0 diterima apabila t-hitung < t-tabel H1 diterima apabila t-hitung > t-tabel

67

Dari hasil analisis regresi diketahui t-hitung = 1,969010 α = 5%

Df = n - k - 1

= 7 - 4 - 1= 2 → t-tabel = 2,920

Diketahui bahwa jumlah perbankan signifikan pada α = 10 % dengan t-hitung < t-tabel (1,969010 < 4,303). Dengan demikian H0 diterima. Artinya variabel suku bunga pinjaman tidak berpengaruh nyata terhadap variabel jumlah kredit di persaingan pasar kredit pada tingkat kepercayaan 98%.

3. Non Performing Loan (NPL) (X3) Hipotesa : H0 : b = 0

H1 : b ≠ 0 Kriteria :

H0 diterima apabila t-hitung < t-tabel H1 diterima apabila t-hitung > t-tabel

Dari hasil analisis regresi diketahui t-hitung = 10,17334 α = 1%

Df = n - k - 1

= 7 - 4 - 1= 2 → t-tabel = 9,925

Diketahui bahwa jumlah perbankan signifikan pada α = 1 % dengan t-hitung > t-tabel (10,17334 > 9,925). Dengan demikian H1 diterima. Artinya

variabel Non Performing Loan (NPL) berpengaruh nyata terhadap variabel jumlah kredit di persaingan pasar kredit pada tingkat kepercayaan 98%.

4. Pertumbuhan Ekonomi (X4)

Hipotesa : H0 : b = 0 H1 : b ≠ 0

68 Kriteria :

H0 diterima apabila t-hitung < t-tabel H1 diterima apabila t-hitung > t-tabel

Dari hasil analisis regresi diketahui t-hitung = 21,34375 α = 1%

Df = n - k - 1

= 7 - 4 - 1= 2 → t-tabel = 9,925

Diketahui bahwa jumlah perbankan signifikan pada α = 1 % dengan t-hitung > t-tabel (21,34375 > 9,925). Dengan demikian H1 diterima. Artinya

variabel pertumbuhan ekonomi berpengaruh nyata terhadap variabel jumlah kredit di persaingan pasar kredit pada tingkat kepercayaan 98%.

4.3.3 Uji F-statistik (Uji Keseluruhan)

Uji F-Statistik ini dilakukan untuk mengetahui apakah Jumlah Perbankan, Suku Bunga Kredit, Non Performing Loan (NPL) dan Pertumbuhan Ekonomi berpengaruh secara bersama-sama terhadap Tingkat Persaingan Pasar Kredit Perbankan di Indonesia.

Ho diterima apabila F-hitung < F-tabel Ha diterima apabila F-hitung > F-tabel H0 : b1 = b2 = 0

H1 : b1≠ b2≠ 0

Dari hasil analisis regresi diketahui F-hitung = 1250,371 α = 1 % ; df1 = k-1 ; df2 = n-k-1

69 df1 = 3 ; df2 = 2

maka F-tabel = 29,46

Disimpulkan bahwa F-hitung lebih besar dari F-tabel (1250,371 > 29,46) maka keputusannya adalah H0 ditolak dan H1 diterima. Hal ini berarti Jumlah Perbankan, Suku Bunga Kredit, Non Performing Loan (NPL) dan Pertumbuhan Ekonomi berpengaruh secara bersama-sama terhadap permintaan kredit atau pinjaman di Indonesia pada tingkat kepercayaan 98%.

70 BAB V

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan hasil pengujian data panel dan pembahasan yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut:

1. Hasil Penelitian menunjukkan bahwa jumlah perbankan pada setiap kelompok bank memiliki pengaruh positif terhadap jumlah kredit atau pinjaman. Hal tersebut sudah sesuai dengan hipotesis tetapi tidak berpengaruh nyata karena tidak signifikan secara statistik. Bila terjadi kenaikan pada jumlah perbankan sebesar 10 bank maka akan menyebabkan kenaikan tingkat penawaran kredit di persaingan pasar kredit sebesar Rp. 39,85401 miliar.

2. Suku Bunga Kredit memiliki pengaruh positif terhadap jumlah kredit atau pinjaman. Hal tersebut tidak sesuai dengan hipotesis dan tidak berpengaruh nyata karena tidak signifikan secara statistik. Bila terjadi kenaikan pada tingkat suku bunga kredit sebesar 1% pada setiap perbankan di pasar persaingan kredit maka akan menyebabkan kenaikan tingkat penawaran kredit di persaingan pasar kredit sehingga akan meningkatkan pinjaman sebesar Rp.105,4981 miliar. Walaupun hasil pengujian berbeda dari hipotesis awal, dimana pada variabel suku bunga pinjaman menyatakan suku bunga pinjaman berpengaruh negatif terhadap tingkat persaingan pasar kredit, hal ini bukan berarti tidak sesuai.

71

Jika diperhatikan lebih mendalam bahwa di pasar kredit terdiri dari penawaran kredit dari berbagai bank, ketika suku bunga kredit naik akan ada 2 akibat yang terjadi :

1. Naiknya suku bunga kredit akan menurunkan permintaan terhadap kredit di masyarakat.

2. Naiknya suku bunga kredit akan menaikan penawaran kredit karena profit perbankan lebih besar didapat dari pendapatan bunga sektor kredit. Sehingga dapat disimpulkan bahwa dalam penelitian ini hubungan positif yang terjadi antara suku bunga dan persaingan pasar kredit terjadi karena penawaran kredit perbankan di pasar kredit berkaitan erat dengan profit perbankan, sehingga ketika bunga kredit naik maka perbankan akan meningkatkan penawaran kreditnya di pasar kredit.

3. Non Performing Loan (NPL) memiliki pengaruh negatif terhadap jumlah kredit atau pinjaman. Hal tersebut sudah sesuai dengan hipotesis dan signifikan secara statistik. Bila terjadi kenaikan pada rasio Non Performing Loan (NPL) sebesar 1% pada perbankan di pasar kredit, cateris paribus, maka akan menurunkan jumlah kredit atau pinjaman sebesar Rp. 573,0130 miliar. Hasil ini sesuai dengan teori perbankan dan hipotesis awal, dimana Non Performing Loan (NPL) adalah salah satu indikator perbankan untuk melihat sehat atau tidaknya bank dan seberapa baik kinerja bank tersebut. Meningkatnya Non Performing Loan (NPL) perbankan membuat bank harus memperkecil resiko yang salah satunya adalah dengan mengurangi penawaran kredit, sehingga ketika naiknya

72

nilai NPL suatu bank akan berdampak pada penyaluran kredit di priode berikutnya.

4. Pertumbuhan ekonomi memiliki pengaruh negatif terhadap jumlah kredit atau pinjaman. Hal ini tidak sesuai dengan hipotesis awal akan tetapi berpengaruh nyata karena signifikan secara statistik. Bila terjadi pernurunan pada pertumbuhan ekonomi sebesar 1% akan meningkatkan permintaan kredit atau pinjaman sebesar 1427,035 miliar di pasar kredit. Meskipun hasil ini berbeda dari hipotesis awal, akan tetapi hasil estimasi ini tidak bisa dikatakan salah, karena salah satu fungsi kredit adalah sebagai alat stabilitas perekonomian. Ketika perekonomian menjadi lesu karena pertumbuhan ekonomi yang menurun maka kredit harus dikeluarkan lebih banyak melalui kebijakan moneter untuk menstimulus pertumbuhan ekonomi kembali. Misalnya, bagi perusahaan yang terkena dampaknya menjadi merugi dan dapat menanggulangi kerugian melalui pinjaman dari perbankan, sehingga perusahaan tsb tidak tutup dan tetap menjaga kestabilan ekonomi.

Saran

Beberapa saran yang dapat diberikan berdasarkan hasil penelitian yang telah dilakukan adalah:

1. Jumlah perbankan tidak signifikan atau tidak berpengaruh nyata sehingga ada variabel lain yang lebih berpengaruh, tetapi dalam kasus lainnya perkembangan jumlah perbankan harus tetap diawasi karena berkaitan dengan sistem kelancaran arus pembayaran yang diatur oleh Otoritas Jasa Keuangan dan Bank Indonesia. Dan dapat membangun

73

lembaga keuangan yang menuju kepada Arsitektur Perbankan Indonesia (API).

2. Suku bunga kredit merupakan bagian dari indikator kebijakan moneter. Sehingga diharapkan kepada lembaga terkait terlebih kepada Bank Indonesia sebagai otoritas mengatur kebijakan moneter dituntut untuk mengatur dan mengawasi kebijakan moneter secara tepat dan berimbang, sehingga diharapkan pinjaman yang ada di pasar kredit dapat menguntungkan perbankan dan masyarakat.

3. Diharapkan kepada para pelaku di pasar kredit yaitu perbankan untuk bisa menjaga likuiditas banknya dan menjaga Non Performing Loan (NPL), karena NPL mencerminkan kinerja bank. Dan diharapkan kepada Otoritas Jasa Keuangan (OJK) untuk melakukan pengawasan kepada perbankan yang kurang sehat, agar terciptanya arus dan sistem kelancaran pembayaran yang baik, sehingga dapat menjaga kepercayaan masyarakat pada lembaga kuangan.

4. Melaui penelitian ini diharapakan kepada pemerintah untuk dapat menjaga kondisi ekonomi terlebih pada menjaga pertumbuhan ekonomi untuk tidak turun pada titik terendah, karena dalam penelitian ini pertumbuhan ekonomi berpengaruh nyata terhadap pinjaman di Indonesia. 5. `Penelitian yang dilakukan masih dalam kurun waktu yang sangat minim (3 tahun) dengan data bulanan, sehingga belum dapat memberikan penjelasan yang maksimal berhubungan dengan Jumlah Perbankan, Suku Bunga Kredit, Non Performing Loan (NPL) dan Pertumbuhan Ekonomi

74

terhadap Pinjaman di Indonesia. Pada peneliti selanjutnya dapat menambah data time seriesnya agar memberikan gambaran yang lebih nyata.

6. Dari seluruh kredit atau pinjaman yang tersalur dari perbankan, yang paling besar tingkat penyaluran jumlah kreditnya adalah kredit konsumsi lalu modal kerja dan yang terakhir adalah kredit investasi. Di indikasikan ada pergeseran trend kredit atau pinjaman selama penelitian, akan tetapi ketika kredit perbankan banyak tersalur pada jenis kredit konsumsi dikawatirkan memiliki pengaruh buruk jangka panjang bagi sistem dan pembangunan ekonomi sehingga diharapkan bagi para perbankan juga tidak menyalurkan kreditnya hanya untuk mendapatkan profit semata tetapi harus memikirkan efek jangka panjang bagi pembangunan ekonomi, karena peran kredit atau pinjaman sangat penting bagi negara peralihan menuju sistem ekonomi industri seperti Indonesia.

9

BAB II

TINJAUAN PUSTAKA 2.1 Basis Sistem Perekonomian Indonesia

Pada umumnya kebijakan dan sistem perekonomian dibanyak negara terutama di Indonesia didasarkan pada pendekatan konvensional ala Milton Friedman yang sama sekali tidak memperhitungkan perlunya pembedaan mekanisme kebijakan moneter berdasarkan sistem moneter atau perekonomian yang berlaku dalam suatu negara, padahal sudah ada pendapat yang menyangsikan pendapat tersebut, yang menyatakan bahwa perlu adanya pembedaan mekanisme kebijakan moneter berdasarkan kondisi atau sistem moneter dan perekonomian suatu negara, misalnya hasil pemikiran dari J. Hicks (1974), Basil J. Moore (1988), J Stiglitz and A.Weiss (1981 dan 1990), Bernanke and Blinder (1998 dan 1993), serta B. Friedman and Kuttner (1993), dsb.

Para ahli menerangkan bahwa dalam kenyataannya ada negara yang perekonomiannya didominasi oleh besarnya peranan kredit yang bersumber dari sektor perbankan. Dihipotesiskan oleh mereka bahwa suatu perekonomian yang berbasis pada kredit perbankan, negara tersebut dikatagorikan sebagai negara dengan sistem perekonomian utang (overdraft/credit economy) sedangkan negara yang perekonomiannya berbasis pada uang dan pasar modal, maka negara tersebut dikategorikan sebagai negara dengan sistem perekonomian pasar uang dan Indonesia merupakan negara dengan sistem hutang (Marsuki 2005 : 8). Secara umum beberapa indikator yang menunjukan Indonesia adalah negara yang dikategorikan sebagai negara dengan sistem utang atau kredit, seperti :

10

Pertama, sistem perekonomian yang berbasis utang dipandang sebagai suatu sistem keuangan yang bagi para pelaku ekonomi sumber pembiayaannya lebih didominasi pada pinjaman perbankan (kredit). Hal ini di buktikan dari indikator tingkat intermediasi keuangan, berupa besarnya rasio kredit perbankan terhadap seluruh sumber pembiayaan dimasyarakat dan berbagai sektor ekonomi yang mencapai 90-95% di Indonesia, hal ini juga diperparah dengan perilaku pelaku ekonomi yang kurang baik dalam membiayai kebutuhannya, karena peranan pasar modal masih sangat minim maka pembiayaan usaha dari kredit perbankan lebih besar dibandingakan dari sumber pembiayaan sendiri.

Kedua, akibat dari indikator pertama, akan berdampak pada mekanisme penciptaan uang yang bersifat exogen (Exogenous approach) atau credit money approach yang seharusnya pada sistem penciptaan uang bersifat Endogenous Approach, artinya mekanisme penciptaan uang dinegara berbasis utang dimulai dari permintaan kredit oleh masyarakat ke bank umum {(Monetary demand) Md=Ms (Monetary Suplay)} untuk memenuhi kebutuhan asset keuangan yang terbatas. Tetapi, terkadang perbankan masih mengalami kesulitan likuiditas sehingga bank umum mencari sumber pembiayaan dengan meminjam dana pada lembaga keuangan lainnya, pasar uang, dan termasuk pada bank sentral, sehingga akan membuat meningkatnya Monetary Base atau uang inti yang dikuasai bank sentral secara eksogen. Dalam mekanisme penciptaan uang perilaku masyarakat, perbankan dan Bank Sentral itu sendiri sangat berpengaruh. Dalam hal ini, Bank Sentral hanya sebagai pencetak uang, sehingga dari sudut teori moneter konvensional Bank Sentral yang mengontrol Monetary Base (Mb) dan perbankan

iv

Program Studi S1 Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara serta selaku Dosen Penguji II saya.

5. Bapak Drs. Coki Ahmad Syahwier Hsb, Mp selaku dosen yang pernah membimbing saya dan terkhusus untuk Ibu Dr. Murni Daulay, SE, M.Si selaku Dosen Pembimbing yang telah meluangkan waktu dan pikirannya dalam memberikan saran dan perbaikan hingga selesainya skripsi ini. 6. Bapak Dr.Rujiman, MA selaku Dosen Penguji I yang telah memberikan

petunjuk, kritik dan saran demi penyempurnaan skripsi ini.

7. Seluruh Bapak/ Ibu Dosen dan Staff Akademik Departemen Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara. 8. Rekan-rekan seperjuangan terkhusus rekan Porks Family mahasiswa

Ekonomi Pembangunan stambuk 2010 Universitas Sumatera Utara. Akhir kata, penulis mengucapkan terima kasih dan kiranya skripsi ini dapat bermanfaat dan membantu berbagai pihak yang membutuhkannya.

Saya menyadari bahwa penulisan skripsi ini masih jauh dari kata sempurna. Sehingga, saya memohon maaf dan berharap adanya saran dan kritik yang membangun untuk penulis lebih baik lagi dalam penulisan karya imiah selanjutnya.

Medan, Januari 2016

Yogi Ananda P Tarigan NIM 100501149

v DAFTAR ISI

Halaman

ABTRAK ... i

KATA PENGANTAR ... iii

DAFTAR ISI ... iv

DAFTAR TABEL ... vi

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN ... viii

BAB I PENDAHULUAN ... 1

1.1.Latar Belakang ... 1

1.2.Perumusan Masalah ... 7

1.3.Tujuan Penelitian ... 7

1.4.Manfaat Penelitian ... 7

BAB II TINJAUAN PUSTAKA ... 9

2.1. Basis Sistem Perekonomian Indonesia ... 9

2.2. Perbankan ………... .... 13

2.2.1. Kinerja Industri Perbankan Indonesia……… ... . 14

2.3. Teori Kredit ... …. 16

2.3.1. Defenisi Kredit ... 16

2.3.2. Jenis – jenis kredit ... 17

2.4. Persaingan Pasar Kredit ... 20

2.4.1. Persaingan Pasar Kredit dan Penerapan API ... 24

2.5. Penelitian Terdahulu ... 26

2.6. Kerangka Konseptual ... 31

2.7. Hipotesis Penelitian ... 32

BAB III METODE PENELITIAN ... 33

3.1. Jenis Penelitian ... 33

3.2. Ruang Lingkup Penelitian ... 33

3.3. Defenisi Operasional ... 33

3.4. Jenis Data ... 36

3.5. Metode Pengumpulan Data ... 37

3.6. Model Penelitian ... 37

3.7. Teknik Analisis ... 38

3.7.1. Pendekatan Odinary Least Square (OLS) ... 40

3.7.2. Pendekatan Fixed Effect Model (FEM) ... 40

3.7.3. Pendekatan Random Effect Model (REM) ... 40

3.8. Pemilihan Teknik Estimasi Regresi Data Panel ... 41

3.8.1 Uji Chow (ChowTest) ... 42

3.8.2. Uji Hausman (Hausman Test) ... 43

vi

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 47

4.1. Gambaran Deskriptif Variabel ... 47

4.1.1. Perkembangan Kredit ... 47

4.1.2. Perkembangan Persaingan Pasar Kredit ... 49

4.1.2.1. Per. Jumlah Perbankan ... 49

4.1.2.2. Per. Suku Bunga Kredit Perbankan ... 52

4.1.2.3. Per. Non Performing Loan Perbankan. 55 4.1.2.4. Per. Pertumbuhan Ekonomi ... 57

4.2. Analisis Data dan Pembahasan ... 58

4.2.1. Hasil Estimasi OLS ... 60

4.2.2. Hasil Estimasi FEM ... 60

4.2.3. Uji Chow (Chow Test) ... 61

4.2.4. Hasil Estimasi REM ... 62

4.2.5. Uji Hausman (Hausman Test) ... 63

4.2.6. Intrepetasi Model FEM ... 64

4.3. Test of Goodness of Fit (Uji Kesesuaian) ... 65

4.3.1. Koefisien Determinasi (R2) ... 65

4.3.2. Uji t-statistik (Uji parsial) ... 66

4.3.3. Uji F-statistik (Uji Keseluruhan) ... 69

BAB V KESIMPULAN DAN SARAN ... 70

5.1. Kesimpulan ... 70

5.2. Saran. ... 72

DAFTAR PUSTAKA ... 75

vii

DAFTAR TABEL

Nomor Judul Halaman

2.1. Perkembangan Jumlah dan Kantor Bank umum,

Perbankan Syariah dan Bank Asing 2010-2012 ... 15

2.2. Penelitian Terdahulu……… 26

3.1. Perkembangan Jumlah Perbankan……… 34

3.2. Jenis, Satuan, Simbol dan Sumber Data……….. 36

4.0. Hasil Estimasi Odinary Least Square (OLS)……… 60

4.1. Hasil Estimasi Fixed Effect Model (FEM) ... 61

4.2. Hasil Estimasi Uji Chow (Chow Test)………. 61

4.3. Hasil Estimasi Random Effect Model (REM) ... 62

viii

DAFTAR GAMBAR

Nomor Judul Halaman

2.1. Pertumbuhan DPK, Kredit dan Laba Bank Umun ... 23

2.1. Kerangka Konseptual ... 31

4.1. Perkembangan Kredit ... 48

4.2. Perkembangan Jumlah Perbankan ... 50

4.3. Perkembangan Jumlah BPR ... 52

4.4. Perkembangan Suku Bunga Kredit Perbankan………... 53

4.5. Perkembangan Suku Bunga Kredit BPR……….. 54

4.6. Perkembangan NPL Perbankan………...…………. 55

4.7. Perkembangan NPL BPR……….….……...…….... 56

4.8. Perkembangan Pertumbuhan Kredit……… 57

ix

DAFTAR LAMPIRAN

Nomor Judul Halaman

1. Data Mentah ... 77

2. Hasil Estimasi Dengan Menggunakan OLS ... 82

3. Hasil Estimasi Dengan Menggunakan FEM ... 83

4. Hasil Estimasi Dengan Menggunakan REM ... 84

5. Hasil Estimasi Uji Chow ... 85