31
khusus dari lembaga intermediasi dan mempelajari perilaku bank dan responnya terhadap kebijakan moneter sangatlah penting.
2.4 Kerangka Pemikiran
Kebijakan moneter menunjukkan sikap stance Bank Indonesia sebagai otoritas moneter untuk memengaruhi perekonomian. Kebijakan moneter tersebut
terbagi atas kebijakan moneter kontraktif ketat dan kebijakan moneter ekspansif longgar. Instrumen moneter yang digunakan oleh Bank Indonesia untuk
mencerminkan stance Bank Indonesia sejak bulan Juli tahun 2005 adalah BI rate. Perubahan BI rate dalam jangka pendek membuat pelaku ekonomi yang
berkepentingan dengan pasar finansial ataupun produk keuangan yang return-nya berdasarkan suku bunga akan bereaksi. Pelaku ekonomi dalam penelitian ini
dibedakan atas bank dan pelaku ekonomi lainnya. Bank secara spesifik diteliti karena memiliki peranan penting dalam jalur transmisi kebijakan moneter dengan
fungsi intermediasinya yang mendominasi dibandingkan dengan lembaga keuangan lainnya.
Banyaknya tinjauan empiris dari negara-negara lain yang menyatakan bahwa kebijakan moneter memengaruhi bank melalui karakteristik bank menjadi asumsi
bahwa kebijakan moneter di Indonesia juga memengaruhi bank melalui karakteristik bank di Indonesia. Karakteristik bank diukur dengan variabel total
aset, likuiditas dan modal yang menentukan sehat dan kuatnya neraca bank. BI rate yang memengaruhi bank melalui karakteristik bank akan memengaruhi
reserves bank, dimana besarnya pengaruh BI rate terhadap bank menunjukkan kekuatan neraca bank tersebut. Selain dari karakteristik bank, indikator
makroekonomi yaitu pertumbuhan dan inflasi juga memengaruhi bank melalui perubahan deposito masyarakat. Perubahan deposito masyarakat yang merupakan
komponen dana pihak ketiga DPK dari bank akan turut memengaruhi reserves bank.
Adanya perubahan reserves bank pada masa kebijakan moneter kontraktif menyebabkan berkurangnya penawaran kredit bank jika bank tersebut tidak
mampu mencari sumber dana lain untuk menutupi menurunnya cadangan bank. Signifikansi dari pengaruh kebijakan moneter terhadap penawaran kredit bank
menentukan eksistensi jalur kredit bank di Indonesia. Eksistensi jalur kredit bank menentukan implikasi kebijakan yang selayaknya ditempuh oleh otoritas moneter
yaitu Bank Indonesia agar tepat sasaran.
= Terbagi atas kategori = Variabel
= Memengaruhi = Menentukan
= Tidak diteliti = Diteliti
Gambar 10 Kerangka pemikiran
2.5 Hipotesis Penelitian
Hipotesis yang disusun dalam penelitian ini adalah : 1. Perubahan BI rate berpengaruh negatif dan signifikan terhadap perubahan
pertumbuhan kredit bank. 2. Laju pertumbuhan ekonomi berpengaruh positif dan signifikan terhadap
perubahan pertumbuhan kredit bank. 3. Inflasi berpengaruh negatif dan signifikan terhadap perubahan pertumbuhan
kredit bank.
33
4. Interaksi ukuran aset dengan perubahan BI rate berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
5. Interaksi likuiditas dengan perubahan BI rate berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
6. Interaksi kapital dengan perubahan BI rate berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
7. Interaksi ukuran aset dengan laju pertumbuhan ekonomi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
8. Interaksi likuiditas dengan laju pertumbuhan ekonomi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
9. Interaksi kapital dengan laju pertumbuhan ekonomi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
10. Interaksi ukuran aset dengan inflasi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
11. Interaksi likuiditas dengan inflasi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
12. Interaksi kapital dengan inflasi berpengaruh positif dan signifikan terhadap perubahan pertumbuhan kredit bank.
Halaman ini sengaja dikosongkan
III.
METODOLOGI PENELITIAN
3.1 Jenis dan Sumber Data
Data yang digunakan dalam penelitian adalah data mikro dari laporan keuangan publikasi triwulanan yang dilaporkan oleh bank kepada Bank Indonesia
dan data makroekonomi dari Bank Indonesia dan BPS Tabel 3. Untuk memecahkan model ekonometrika dalam penelitian ini digunakan software
Eviews 6 dan Stata 10. Tabel 4 Jenis dan sumber data yang digunakan dalam penelitian
Data Nama Variabel
Periode Sumber Data
Data mikro
Kredit yang diberikan, total aktiva, kas, penempatan di Bank
Indonesia, penempatan di bank lain,
surat berharga
yang dimiliki, Obligasi pemerintah,
CAR 2005Q3 –
2011Q3 Laporan keuangan
publikasi triwulanan Bank Indonesia
Data makro
Suku bunga BI Rate, inflasi 2005Q3 –
2011Q3 Bank Indonesia
PDB atas dasar harga konstan 2005Q3 –
2011Q3 Badan Pusat Statistik
BPS
3.2 Metode Analisis 3.2.1 Analisis Deskriptif
Analisis deskriptif disajikan dalam bentuk tabel dan grafik untuk memudahkan pemahaman dan penafsiran mengenai struktur perbankan di
Indonesia. Tabel dan grafik bersumber dari berbagai laporan publikasi Bank Indonesia. Periode yang dianalisis adalah tahun 2001 hingga tahun 2011.
3.2.2 Analisis Regresi Data Panel
Data panel adalah bentuk khusus dari data pooled data dengan elemen time- series dan cross-section dimana unit cross-section seperti perusahaan ataupun
rumah tangga disurvey antar waktu. Jika setiap unit cross-section memiliki jumlah
observasi time-series yang sama maka disebut balanced panel. Sebaliknya jika setiap unit cross-section tidak memiliki jumlah observasi time-series yang sama
maka disebut unbalanced panel Gujarati, 2004. Baltagi 2005 merangkum keuntungan dari menggunakan data panel dalam penelitian yaitu :
1. Dapat mengontrol heterogenitas individu. 2. Dapat memberikan data yang lebih informatif, lebih bervariasi, kolinearitas
yang rendah antar individu, derajat bebas yang lebih besar dan lebih efisien. 3. Dapat lebih baik dalam studi dynamics of adjusment karena adanya observasi
cross-section yang berulang. 4. Dapat lebih baik dalam mengidentifikasi dan mengukur efek-efek yang tidak
dapat dideteksi oleh data time-series saja atau cross-section saja. 5. Memungkinkan kita untuk membangun dan melakukan tes model perilaku
yang rumit bila dibandingkan dengan data time-series saja atau cross-section saja.
6. Data panel mikro yang dikumpulkan mengenai individu, perusahaan atau rumah tangga dapat diukur lebih akurat daripada variabel yang serupa di
tingkat makro. Data panel juga memiliki keterbatasan diantaranya adalah :
1. Masalah dalam desain dan pengumpulan data yang mencakup masalah cakupan penghitungan yang tidak lengkap dari populasi yang dituju,
nonresponse kesalahan pewawancara, recall responden tidak mengingat dengan benar, frekuensi wawancara, jeda wawancara, periode referensi dan
penggunaan batasan. 2. Distorsi dari kesalahan pengamatan yang umumnya terjadi karena respon yang
tidak sesuai. 3. Masalah selektivitas selectivity yang mencakup data yang dikumpulkan tidak
sepenuhnya dapat menangkap fenomena yang ada self-selectivity, ketidaklengkapan jawaban yang diberikan oleh responden nonresponse, dan
berkurangnya jumlah responden akibat responden pindah, meninggal dunia atau biaya untuk menemukan responden terlalu tinggi attrition.
4. Dimensi time-series yang pendek untuk tiap individu. 5. Dependensi cross-section yang dapat mengakibatkan inferensi yang salah.
37
3.2.2.1 Data Panel Statis
Gujarati 2004 menuliskan bahwa terdapat dua pendekatan yang umum diaplikasikan dalam data panel statis yaitu Fixed Effects Approach dan Random
Effects Approach. 1. Fixed Effects Approach
Estimasi yang dilakukan dalam pendekatan ini tergantung pada asumsi yang kita gunakan mengenai intersep, koefisien slope dan error term. Beberapa
kemungkinan dari asumsi tersebut adalah : a. Mengasumsikan bahwa koefisien intersep dan slope adalah konstan antar
waktu dan antar individu dan error term menangkap perbedaan antar waktu dan individu.
= +
+ +
3.1 dengan :
Y
it
= peubah dependen X
2it
dan X
3it
= peubah independen = koefisien intersep
= koefisien slope = error term
b. Koefisien slope konstan tetapi koefisien intersep bervariasi antar individu Least-Square Dummy Variable LSDV Regression Model.
= +
+ +
3.2 Perbedaan intersep dapat disebabkan oleh variasi spesifik yang dimiliki oleh
tiap individu. Model tersebut umum dikenal sebagai Fixed Effect Model FEM. Istilah fixed effects digunakan karena walaupun koefisien intersep berbeda antar
individu tetapi intersep tiap individu tidak bervariasi antar waktu time invariant. c. Koefisien slope konstan tetapi intersep bervariasi antar individu dan antar
waktu. Model tersebut dapat dituliskan sebagai berikut : =
+ + ..+
+ +
+ +
+ +
+ 3.3
d. Semua koefisien bervariasi antar individu. Asumsi yang digunakan adalah koefisien intersep dan koefisien slope berbeda untuk semua individu atau unit
cross-section. Model tersebut dapat dituliskan sebagai berikut :
= +
+ +
+ +
+ +
3.4 2. Random Effects Approach
Pendekatan fixed effects LSDV bisa menghabiskan derajat bebas dari model jika cross-section yang digunakan cukup banyak. Random Effects Model
REM atau yang juga dikenal dengan error component model ECM mengasumsikan bahwa ketidaktahuan kita akan model yang sebenarnya dapat
diakomodir dalam disturbance term u
it
. Model awal adalah : =
+ +
+ 3.5
diasumsikan adalah variabel random dengan mean value β
1
. Sedangkan nilai intersep untuk semua individu dapat dinyatakan sebagai berikut :
= +
= 1,2,…, 3.6
dimana ɛ
i
adalah random error term dengan ɛ
i
̴ N0, σ
ɛ 2
. Dengan mensubstitusikan persamaan 3.6 ke persamaan 3.5 maka :
= +
+ +
+ =
+ +
+ 3.7
dengan ω
it
= ɛ
i
+ u
it
yaitu error term komposit ω
it
terdiri dari dua komponen yaitu komponen error cross-section ɛ
i
dan kombinasi error komponen cross- section dan time-series u
it
. Dalam memilih apakah pendekatan fixed effects atau random effects yang
lebih baik, dilakukan pengujian terhadap asumsi ada atau tidaknya korelasi antara regresor dan efek individu. Uji yang dilakukan adalah uji Hausman. Hipotesis
yang dirumuskan adalah sebagai berikut Firdaus, 2011 : H
: REM adalah model yang tepat H
1
: FEM adalah model yang tepat Sebagai dasar penolakan H
digunakan statistik Hausman dan membandingkannya dengan Chi square. Statistik Hausman dirumuskan dengan :
H = β
REM
– β
FEM ’
M
FEM
– M
REM -1
β
REM
– β
FEM
̴ χ
2
k 3.8
dengan : M = matriks kovarians untuk parameter β ; k = derajat bebas
