Ruang Lingkup Penelitian Jenis dan Sumber Data Pengolahan Data Definisi Operasional Variabel

lxxiii

BAB III METODE PENELITIAN

Metode penelitian merupakan suatu langkah dan prosedur yang dilakukan dalam rangka mengumpulkan informasi empiris guna memecahkan suatu masalah dan menguji hipotesis dari penelitian.

3.1. Ruang Lingkup Penelitian

Penelitian ini menganalisis faktor faktor yang mempengaruhi perkembangan permintaan kredit konsumsi yang terjadi pada bank umum di Indonesia. Faktor – faktor yang mempengaruhi adalah suku bunga kredit konsumsi, produk domestik bruto satu tahun sebelumnya, dan jumlah pengangguran

3.2. Jenis dan Sumber Data

Penelitian ini menggunakan data sekunder time series yang bersifat kuantitatif yaitu data berbentuk angka – angka, dengan menggunakan data triwulan dari triwulan pertama tahun 2002 sampai triwulan keempat tahun 2009 2002T1-2009T4. Untuk data kredit konsumsi, suku bunga kredit konsumsi dan produk domestik bruto sudah tersedia dalam bentuk triwulanan. Sedangkan untuk data jumlah pengangguran tersedia dalam bentuk data tahunan, sehingga harus diubah terlebih dahulu menjadi data triwulanan. Pengubahan data menjadi triwulanan menggunakan rumus interpolasi dari Arief 1993 yang berbentuk sebagai berikut : Universitas Sumatera Utara lxxiv Tw1 = X - X 12 4,5 - X 4 1 1 - t t t Tw2 = X - X 12 1,5 - X 4 1 1 - t t t Tw3 = X - X 12 1,5 X 4 1 1 - t t t + Tw4 = X - X 12 4,5 X 4 1 1 - t t t + Dimana : X t = data tahun t Tw1,Tw2,Tw3,Tw4 = Hasil data triwulan X t-1 = data tahun t – 1

3.3. Pengolahan Data

Untuk menganalisis faktor – faktor yang mempengaruhi kredit konsumsi di Indonesia, penulis menggunakan program komputer Eviews 5.1 dengan terlebih dahulu melakukan pemindahan data yang diperoleh ke dalam program Microsoft Excel untuk mempermudah pengolahan data pada proses selanjutnya.

3.4 Metode Analisis data

Penelitian ini menggunakan dua metode, yaitu analisis keseimbangan jangka panjang dengan pengujian kointegrasi cointegration test dan analisis dinamis jangka pendek dengan menggunakan metode regresi linear ECM error correction model. Sebelum melakukan kedua metode diatas, terlebih dahulu dilakukan pengujian atas kestasioneran data yang digunakan melalui uji akar unit unit root test atau dikenal juga dengan uji Dickey Fuller DF dan uji Augmented Dickey Fuller ADF terhadap seluruh variabel yang digunakan. Universitas Sumatera Utara lxxv

3.4.1 Uji Akar – Akar Unit

Model empirik yang baik tentunya mempunyai pengaruh yang kuat dalam prediksi suatu keadaan ekonomi jika tentunya telah memenuhi syarat penting seperti : adanya kaitan atau relevansi dengan fenomena dan teori ekonomi, lolos uji baku dan berbagai uji diagnosis asumsi klasik, tidak menghadapi persoalan regresi lancung atau korelasi lancung dan residu regresi yang ditaksir adalah stasioner Insukindro, 1993:129. Untuk menguji kestasioneran data yang digunakan, peneliti menggunakan metode Augmented Dickey fuller ADF. Uji ini berisi regresi dari diferensi pertama data runtun waktu terhadap lag variable tersebut, lag difference terms, konstanta dan trend. Stasioner adalah apabila suatu data runtun waktu memiliki rata-rata dan memiliki kecenderungan bergerak menuju rata-rata. Oleh karena itu, kurva data stasioner terhadap waktu akan sering melewati sumbu horizontal dan autokorelasinya akan menurun dengan teratur untuk lag yang cukup besar. Sebaliknya bagi data yang tidak stasioner, varians menjadi semakin besar bila jumlah data runtun waktu diperluas, tidak sering melewati sumbu horizontal dan autokorelasinya cenderung tidak menurun. Uji ini dilakukan untuk melihat validitas suatu data. Pengujian ini diperlukan untuk menghindari model lancung atau bias tidak efisien. Uji akar- akar unit dan Derajat Integrasi dalam penelitian ini ditaksir dengan metode OLS Ordinary Least Square seperti persamaan berikut : DX t = α + α 1 BX t + ∑ = K i 1 b i B i DX t Universitas Sumatera Utara lxxvi DX t = c + c 1 T + c 2 BX t + ∑ = K i 1 d i B i DX t DX t = X t – X t-1 BX = X t-1 Dimana : α 0, c = Intersep α 1, c 1, c 2 = Koefisien t = Trend waktu X t = Variabel yang diamati pada periode t B = Operasi kelambanan waktu ke periode hulu t-1 Dari hasil regresi persamaan diatas diperoleh nilai ADF Augmented Dickey-Fuller statistic. Hasil ini kemudian dibandingkan dengan nilai kritis dari Mackinnon. Jika nilai ADF statistik lebih kecil daripada nilai kritis Mackinnon pada derajat kepercayaan berapapun, maka dapat disimpulkan bahwa data tersebut adalah tidak stasioner. Solusi yang harus dilakukan jika data yang diperoleh tidak stasioner adalah dengan menciptakan variabel baru dengan cara first difference, second difference lalu dilakukan kembali uji akar-akar unit sampai stationer.

3.4.2. Uji Derajat Integrasi

Apabila data yang telah diamati pada uji akar unit ternyata tidak stasioner, maka langkah selanjutnya adalah melakukan uji derajat integrasi. Uji ini dilakukan untuk mengetahui pada derajat integrasi berapakah data yang diamati stasioner. Pengujian ini merupakan perluasan dari uji akar-akar unit yang ditafsir dengan model autoregresif dengan metode OLS sbb : D2X t = H + H 1 BX t + ∑ = K i 1 b i B i D2X t Universitas Sumatera Utara lxxvii D2X t = F + F 1 T + F 2 BX t + ∑ = K i 1 d i B i D2X t D2X t = X t – X t-1 BX = X t-1 Dimana : H 0, F = Intersep H 1, F 1, F 2 = Koefisien t = Trend waktu X t = Variabel yang diamati pada periode t B = Operasi kelambanan waktu ke periode hulu t-1

3.4.3. Uji Kointegrasi

Pengujian kointegrasi merupakan kelanjutan dari pengujian stationeritas data dan merupakan pengujian atas keseimbangan jangka panjang. Dalam melakukan pengujian kointegrasi, variabel – variabel yang digunakan harus memiliki derajat integrasi yang sama. Hal inilah yang menyebabkan mengapa pengujian ini harus melewati kedua pengujian diatas. Tujuan dilakukannya pengujian kointegrasi adalah untuk menguji apakah residual regresi kointegrasi stationer atau tidak. Pengujian ini sangat penting jika ingin melakukan pengembangan selanjutnya pada model dinamis atau Error Correction Model ECM, yang mencakup varibel – variabel kunci pada kointegrasi terkait karena model ECM konsisten dengan konsep kointegrasi atau selanjutnya dikenal dengan Granger Representation Theorem. Pada prinsipnya yang dimaksud dengan jangka panjang dalam pendekatan kointegrasi adalah jangka waktu dimana pengaruh setiap variabel independen terhadap variabel dependen tidak bersifat seketika, melainkan Universitas Sumatera Utara lxxviii membutuhkan selang waktu, dan merupakan suatu kondisi dimana masing-masing variabel memungkinkan untuk mengadakan penyesuaian secara penuh terhadap perubahan-perubahan yang timbul atau tidak ada kecenderungan untuk naik turun, dan variabel tersebut berada dalam kondisi optimumnya. Engel dan Grenger dalam Insukindro 1993 menyebutkan bahwa pendekatan kointegrasi merupakan salah satu cara yang sering digunakan dalam penelitian – penelitian ekonomi dalam rangka menghindari adanya regresi lancung. Jika menggunakan pendekatan kointegrasi maka syarat utama yang harus dipenuhi adalah variabel – variabel yang diamati mempunyai derajat integrasi yang sama yang berarti variabel variabel tersebut dalam jangka panjang mempunyai hubungan keseimbangan seperti teori yang terkait dengan variabel – varibel tersebut. Pengujian kointegrasi sangat penting bila ingin dikembangkan suatu model dinamis, khususnya model koreksi kesalahan Error Correction Model yang mencakup variabel – variabel kunci pada regresi kointegrasi terkait. Hal ini terjadi karena konsep ECM konsisten dengan konsep kointegrasi. Variabel – variabel yang diamati untuk model koreksi kesalahan harus membentuk suatu himpunan yang berkointegrasi. Jika masing – masing dari variabel tersebut tidak saling berkointegrasi maka model koreksi kesalahan yang digunakan selanjutnya tidak valid sahih. Model kointegrasi juga merupakan model yang biasa digunakan untuk menganalisa trend dari nilai variabel dependen apakah bergerak dengan arah yang sama dengan arah independennya sehingga mampu mencapai keseimbangan jangka panjang atau sebaliknya. Universitas Sumatera Utara lxxix Apabila dua variabel atau lebih mempunyai derajat integrasi yang berbeda misalnya X 1 =I1 sedangkan X 2 =I2, maka kedua variabel tersebut tidak dapat berkointegrasi. Granger mengatakan bahwa terdapat enam implikasi yang ditimbulkan dari adanya kointegrasi yang antara lain berkaitan dengan peramalan jangka pendek dan jangka panjang, kontrol optimal optimum control, kausalitas dari granger Granger’s causality dan spekulasi pasar Insukindro, 1993:132 Untuk melakukan uji kointegrasi terhadap variabel – variabel yang digunakan, penulis menggunakan metode Engel Granger. Melalui uji statistik DF dan ADF akan terlihat apakah residual dari regresi kointegrasi yand dilakukan berada pada keadaan stasioner atau tidak. Tahapan dalam pengujian kointegrasi ini adalah, Nachrowi 2006:367: 1. Estimasi setiap parameter dari persamaan regresi dengan menggunakan metode Ordinary Least Square OLS. 2. Dapatkan residual dari model tersebut. 3. Uji nilai residual yang diperoleh dengan menggunakan Augmented Dickey Fuller ADF untuk melihat apakah nilai residual tersebut berada pada keadaan stationer atau tidak. Regresi kointegrasi ditunjukkan dengan nilai residual yang stasioner. Hal ini menunjukkan bahwa variabel dependen dan independen yang tidak stasioner tersebut berkointegrasi sehingga menghasilkan residual yang stasioner. Jadi, apabilah hasil ADF yang diperoleh stasioner, berarti persamaan tersebut memiliki keseimbangan jangka panjang kointegrasi. Universitas Sumatera Utara lxxx

3.4.4. Error Correction Model ECM

Teknik untuk mengoreksi ketidakseimbangan jangka pendek menuju pada keseimbangan jangka panjang disebut dengan Error Correction Mecanishm ECM. Metode ini pertama sekali dikenalkan oleh Sargan dan dikembangkan oleh Engel dan Granger pada tahun 1987. Metode ini adalah suatu regresi tunggal yang menghubungkan diferensi pertama pada variabel bebas D yt dan tingkatan variabel yang dimundurkan lagged level variabels = X t-1 untuk semua variabel dalam model error correction term lagged period EC t-1 menggabunkan pergerakan model dalam jangka pendek short run dan jangka panjang long run. Bentuk umum dari metode ECM adalah sebagai berikut Insukindro, 1993:134: DY t = r + r 1 DX 1t + r 2 DX 2t + r 3 X 1t - 1 + r 4 X 2t - 1 + r 5 X 1t - 1 + X 2t - 1 - Y t - 1 + e t Untuk mengetahui spesifikasi model dengan ECM merupakan model yang valid ,dapat terlihat pada hasil uji statistik terhadap koefisien ECT. ECT error correction term merupakan variabel yang menunjukkan keseimbangan variabel dependen. Apabila nilai ECT signifikan, maka spesifikasi model yang digunakan telah sahih dan dapat menjelaskan variasi variabel dependennya. Sedangkan koefisien ECT merupakan penyesuaian bila terjadi fluktuasi variabel yang diamati menyimpang dari hubungan jangka panjang. Sebagai salah satu model dinamik, ECM dapat dipakai untuk menjelaskan mengenai perekonomian yang sedang tidak seimbang. Hal ini karena adanya ketidakseimbangan dalam perekonomian akan menyebabkan munculnya biaya ketidakseimbangan dan penyesuaian. Kedua macam biaya ini juga dapat digunakan untuk membedakan apakah seseorang peneliti sedang melakukan Universitas Sumatera Utara lxxxi analisis dinamik atau statik komparatif, dimana dalam analisis statik komparatif peneliti hanya memperhatikan biaya ketidakseimbangan saja Maskie, 2007 Kemampuan yang dimiliki ECM dalam penaksiran yaitu meliputi lebih banyak variabel untuk menganalisis fenomena ekonomi jangka pendek dan jangka panjang, mengkaji kekonsistenan model empirik dengan teori ekonometrika, serta mencari persoalan terhadap variabel runtun waktu yang tidak stationer dan regresi lancung spurious regression dalam analisis ekonometrika Insukindro dalam Maskie. Lebih jelasnya, model ECM dapat digunakan untuk menghindari regresi lancung dengan memasukkan lebih banyak variabel kelambanan lag baik variabel independent maupun variabel dependennya Astuti, 15:2005. ECM dapat digunakan untuk menjelaskan mengapa pelaku ekonomi menghadapi ketidakseimbangan dalam konteks bahwa fenomena yang diinginkan oleh pelaku ekonomi belum tentu sama dengan kenyataan dan memerlukan adanya penyesuaian sebagai akibat adanya perbedaan fenomena aktual yang dihadapi antar waktu. Seperti halnya model empirik yang lain ECM juga memiliki beberapa permasalahan seperti perumusan fungsi biaya ketidakseimbangan dan penyesuaian. Dengan berpedoman pada teknik penurunan ECM Maskie, dibawah ini akan diturunkan rumus umum model ECM sebagai berikut: Pertama, kita asumsikan bahwa Y yang ingin dicapai Y dipengaruhi oleh variabel X 1, X 2, dan X 3 yang dinyatakan dalam hubungan jangka panjang atau keseimbangan long run or equilibrium relationship berikut ini : Y t =a +a 1 X 1t + a 2 X 2t + a 3 X 3t ......................................................................................................................... 5 De=Y-a + a 1 X 1t + a 2 X 2t + a 3 X 3t.............................................................................................................. 6 Universitas Sumatera Utara lxxxii De merupakan nilai perbedaan yang dikenal sebagai kesalahan ketidakseimbangan dis-equilibrium error. Jika Y berada dititik keseimbangan terhadap X 1, X 2, dan X 3 maka persamaan 5 terpenuhi. Namun, seperti yang telah dijelaskan sebelumnya bahwa dalam system ekonomi pada umumnya jarang sekali terjadi keseimbangan seperti yang kita inginkan, maka bila Y memiliki nilai yang berbeda dengan nilai keseimbangannya tersebut, akan menimbulkan perbedaan nilai pada sisi kiri dan kanan persamaan 5 tersebut. Untuk mencari selisih tersebut, kita menggunakan persamaan 6. Berdasarkan pendekatan Domowitz dan Elbadawi 1978 dalam Maskhie, diperoleh fungsi biaya kuadrat periode tunggal sebagai berikut : Y t = b 1 [Y t - Y t ] 2 + b 2 {[Y t - Y t-1 ] - f 1 [Z t - Z t-1 ]} 2 Komponen pertama merupakan cerminan dari biaya ketidakseimbangan dan komponen kedua merupakan biaya penyesuaian. Sedangkan, Z t merupakan vector variable yang mempengaruhi Y yaitu X 1, X 2, dan X 3. Selanjutnya para pelaku ekonomi akan melakukan minimalisasi persamaan biaya kuadrat tersebut dengan hasil: } ] Z - [Z f - 1] - Y - {[Y 2b ] Y - [Y b 2 δY δC 1 - t t 1 t t 2 t t 1 t + = = ]} - Z - [Z f - ] - Y - {[Y 2b ] Y - [Y b 2 1 t t 1 1 t t 2 t t 1 + = …………………………….7 Melalui persamaan diatas selanjutnya kita akan malakukan substitusi persamaan 5 dan 7 dengan memasukkan semua variable berikut : X [X f - ] - Y - {[Y b ] X a X a X a a0 - [Y b 1 - 1t 1t t 1 t t 2 3t 3 2t 2 1t 1 t 1 − + + + + = ]} X X X X 1 - 3t 3t 1 - 2t 2t − − + + Universitas Sumatera Utara lxxxiii b 1 + b 2 Y t = a b 1 + a 1 b 1 X 1t + a 2 b 1 X 2t + a 3 b 1 X 3t + b 2 1 t - Y + b 2 f 1 X 1t - b 2 f 1 X 1t - 1 + b 2 f 2 X 2t - b 2 f 2 X 2t-1 + b 2 f 3 X 3t - b 2 f 3 X 3t - 1 Y t = g + g 1 X 1t + g 2 X 2t + g 3 X 3t + g 4 X 1t - 1 + g 5 X 2t - 1 + g 6 X 3t - 1 + g 7 Y t -1 …………8 Dimana : b = b 1 b 1 +b 2 ; g = a b; g 1 = a 1 b +1-bf 1 ; g 2 = a 2 b +1-bf 2 g 3 = a 3 b+ 1 -bf 3 ; g 4 = b-1 f 1 ; g 5 = b-1f 2 ; g 6 = b-1f 3 ; g 7 = 1-b Persamaan 8 di atas mencerminkan hubungan janka pendek atau ketidakseimbangan yang meliputi nilai aras dan kelambanan variable Y, X 1 , X 2 , dan X 3 . jika aras variable tidak stationer maka persamaan 8 dengan menggunakan OLS atau regresi klasi dapat menyebabkan munculnya regresi lancing spurious regression. Maka untuk itu, persamaan 8 diparameterisasi ulang reparameterize dengan membuat persamaan dimana peubah Y dipengaruhi oleh perubahan X1, X2, dan X3 serta kesalahan dan ketidakseimbangan atau komponen koreksi kesalahan error correction model periode sebelumnya yang diturunkan dari persamaan 8. persamaan yang dihasilkan adalah : DY t = α 1 DX 1t + α 2 DX 2t + α 3 DX 3t + α 4 β 4 Y t – β – β 1 X 1t – β 2 X 2t – β 3 X 3t t-1 … 9 Dimana; α 1 = g 1 ; α 2 = g 2 ; α 3 = g 3 ; g 4 = g 7-1 ; β = g 1-g 7 ; β 1 = g 1 +g 4 1-g 7 Β 2 = g 2 +g 5 1-g 7 ; β 3 =g 3 +g 6 1-g 7 ; β 4 =g 4 +g 7 1- g 7 ; DX t = X t – X t-1 Persamaan 9 hanya meliputi kelambanan 1 periode sehingga ECM ini dikenal dengan sebagai first order ECM. Dimana parameter α merupakan pengaruh jangka pendek variabel X 1 , X 2 dan X 3 terhadap Y, sedangkan parameter β menjelaskan pengaruh jangka panjang variabel X 1 , X 2 dan X 3 terhadap Y. Untuk lebih melengkapi persamaan ECM di atas maka persamaan 9 sering di parameterisasi sebagai berikut : DY t = γ + γ 1 DX 1t + γ 2 DX 2t + γ 3 DX 3t + γ 4 X 1t-1 + γ 5 X 2t-1 + γ 6 X 3t-1 + + γ7ECT + e t Universitas Sumatera Utara lxxxiv Dimana : ECT = X 1t-1 + X 2t-1 + X 3t-1 – Y t-1 γ0 = - α 4 β ; γ 1 = α 1 ; γ 2 = α 2 ; γ 3 = α 3 ; γ 4 = α 4 1- β 1 ; γ 5 = α 4 1- β 2 ; γ 6 = α 4 1- β 3 ; γ 7 =- α 4 Melalui penurunan rumus ECM di atas maka dapat dibentuk rumus ECM untuk permintaan kredit konsumsi di Indonesia : DKK t = β + β 1 DR + β 2 DPDB t-1 + β 3 DU + β 4 R t-1 + β 5 PDB t-1 t-1 + β 6 U t-1 + β 7 ECT + e t Lalu model linear di atas di transformasikan kedalam bentuk model double-log : LogDKK t = β + β 1 LogDSK + β 2 LogDPDB t-1 + β 3 LogDU + β 4 LogR t-1 + β 5 LogPDB t-1 t-1 + β 6 LogU t-1 + β 7 ECT + e t Keterangan : KK = Total Kredit Konsumsi trilliun rupiah α = Konstanta β 1, β 2,... β 7 = Koefisien regresi SK = Suku bunga kredit konsumsi persentase PDB t-1 = Produk Domestik Bruto tahun sebelumnya trilliun rupiah U = Pengangguran jutaan penduduk D X = X t - X t-1 ECT = Error Correction Term LogR t-1 + LogPDB t-1 t-1 + LogU t-1 – LogKK t-1 e t = error term pada periode t Universitas Sumatera Utara lxxxv 3.5 Test Goodness of Fit Uji Kesesuaian 3.5.1 Koefisien Determinasi Uji koefisien determinasi R² dilakukan untuk melihat seberapa besar kemampuan variabel independen secara bersama dapat memberi penjelasan terhadap variabel dependen. Nilai R² berkisar antara 0 sampai 1 0 R² ≤. Jika R² semakin besar mendekati 1 maka dapat dikatakan bahwa variabel bebas mempunyai pengaruh yang cukup besar terhadap variabel terikat. Sebaliknya jika R² semakin kecil mendekati 0 maka dapat dikatakan bahwa pengaruh variabel bebas kecil terhadap variabel terikat.

3.5.2. Uji Signifikansi Parsial Uji t-statistik

Uji t-statistik merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing – masing koefisien regresi signifikan atau tidak terhadap variabel dependen dengan menganggap variabel independen lainnya konstan, dengan hipotesis sebagai berikut : H0 : b1 = 0 tidak ada pengaruh Ha : b1 ≠ 0 ada pengaruh Dimana b adalah koefisien variabel independen ke – i nilai hipotesis biasanya b dianggap 0, yang berarti tidak ada pengaruh variabel X 1 terhadap Y. H0 akan diterima Ha ditolak pada tingkat kepercayaan tertentu jika t-hitung t- tabel, dengan demikian variabel bebas yang diuji tidak mempengaruhi variabel terikat tidak signifikan. Sebaliknya H0 akan ditolak pada tingkat kepercayaan tertentu jika t-hitung t-tabel sehingga varibel bebas yang diuji mempengaruhi Universitas Sumatera Utara lxxxvi variabel dependen signifikan. Nilai t-hitung diperoleh dengan rumus sebagai berikut : t-hitung = bi S bi dimana : bi = Parameter yang diestimasi Sbi = Standar error yang diuji SBI = Simpangan baku dari variabel independen ke-i Ha diterima Ha diterima Ho diterima Gambar 2.8 : Kurva uji t-statistik

3.5.3 Uji Keseluruhan F-Statistik

Pengujian ini dilakukan untuk menguji signifikansi pengaruh dari semua variabel independen secara keseluruhan terhadap variabel dependen. Disamping menguji berarti tidaknya variabel – variabel bebas secara bersamaan, uji F juga sekaligus menguji koefisien determinasinya R². Dengan demikian, hasil uji F yang signifikan akan menyebabkan nilai R² yang diperoleh secara statistik tidak sama dengan nol. Untuk pengujian ini digunakan hipotesis sebagai berikut : H0 : b1 = b2 = b3.........bi = 0 tidak ada pengaruh Ha : b1 ≠ b2 ≠ b3.........bi ≠ 0 ada pengaruh Universitas Sumatera Utara lxxxvii Hasil pengujian akan menunjukkan : Apabila F-hitung F F-tabel, maka H0 ditolak, yang artinya variabel independen secara bersama – sama berpengaruh terhadap variabel dependen. Apabila F-hitung F-tabel, maka Ho diterima, yang artinya variabel independen tidak dapat secara bersama – sama berpengaruh terhadap variabel dependen. Nilai F-hitung diperoleh dengan rumus : F-hitung = 1 1 2 2 k n R k R − − − Dimana : R² = Koefisien Determinasi k = Jumlah Variabel Independen n = Jumlah sampel Gambar 2.9 :Kurva Uji F-statistik 3.6 Uji Penyimpangan Asumsi Klasik 3.6.1 Multikolinearity Multikolinearitas adalah adanya suatu kondisi dimana teradapat korelasi antar variabel independen. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai R 2 , F-hitung, T-hitung dan standar errornya. Gejala multikolinearitas adalah : Universitas Sumatera Utara lxxxviii  Standar Error besar artinya tingkat kesalahan dari spesifikasi model tersebut sangat besar sehingga model tidak layak digunakan  Uji T-statistik tidak signifikan baik pada α = 1, α = 5, atau α = 10  R 2 tinggi, padahal banyak variabel yang T-statistiknya tidak signifikan  Terjadi perubahan tanda dari hipotesis Untuk menguji multikolinearitas dapat digunakan pengujian korelasi matrix dari program eviews.

3.6.2 Autokorelasi Serial Korelasi

Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Autokorelasi terjadi bila error term µ dari periode waktu yang berbeda observasi data cross section berkorelasi atau dapat juga dikatakan adanya hubungan atau korelasi antara residual yang sekarang dengan masa lalu. Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila variabel ; , ≠ j i ε ε untuk i ≠ j, dalam hal ini dikatakan memiliki masalah autokorelasi.  Langrange Multiplier Pada penelitian ini, penulis menggunakan LM-test. LM test digunakan untuk persamaan yang menggunakan variabel lag. Autokorelasi untuk model dinamis seperti ECM, uji D-W tidak bisa digunakan untuk menguji ada tidaknya autokorelasi, karena DW statistik secara asimtotik akan bias mendekati nilai 2 Arief, 1993:15. Oleh karena alasan tersebut maka digunakan Langrange Multiplier Test yang merupakan regresi atas semua variabel bebas dalam persamaan regresi ECM dan juga variabel lag Universitas Sumatera Utara lxxxix t dari nilai residual regresi ECM. Pengujian autokorelasi yang dilakukan menggunakan persamaan berikut ini : Resid1 = α + β 1 LogDSK + β 2 LogDPDB t-1 + β 3 LogDU + β 4 LogR t-1 + β 5 LogPDB t-1 t-1 + β 6 LogU t-1 + β 7 ECT + µ t Dimana µ merupakan residual yang diperoleh dari persamaan. Dari hasil regresi di atas akan diperoleh koefisien determinan R². Kemudian dimasukkan ke dalam rumus berikut ini : n-pR² = χp Dimana χp merupakan nilai Chi square persamaan yang diuji, p adalah derajat kebebasan, n adalah jumlah observasi, kemudian dilakukan pengujian dengan menggunakan hipotesa sebagai berikut : H0 : ρ = 0,artinya tidak ada autokorelasi dalam persamaan yang digunakan H0 : ρ ≠ 0, artinya terdapat masalah autokorelasi dalam persamaan Selanjutnya nilai χp yang diperoleh dibandingkan dengan nilai χ tabel pada tingkat α = 5, dengan ketentuan dimana apabila nilai χp χ tabel 0.05, maka terdapat masalah autokorelasi dan apabila χp χ tabel 0.05, maka persamaan yang digunakan terbebas dari masalah autokorelasi.

3.7 Definisi Operasional Variabel

1. Total Kredit Konsumsi adalah Total nilai kredit yang telah disetujui oleh bank umum di Indonesia yang digunakan untuk tujuan konsumtif atau non-produktif dinyatakan dalam triliun rupiah. Universitas Sumatera Utara xc 2. Suku bunga kredit konsumsi adalah rata – rata tingkat bunga per 3 bulan yang dibebankan kepada para peminjam debitur atas pinjaman konsumsinya pada bank umum di Indonesia, dinyatakan dalam persentase. 3. Produk domestik bruto satu tahun sebelumnya adalah total nilai dari seluruh barang dan jasa akhir yang yang dihasilkan satu tahun sebelumnya oleh faktor – faktor produksi yang ada di Indonesia yang dihitung berdasarkan harga konstan tahun 2000, dinyatakan dalam triliun rupiah. 4. Pengangguran adalah orang – orang yang usianya berada dalam usia angkatan kerja usia 15 -65 tahun dan sedang mencari pekerjaan dinyatakan dalam jutaan penduduk. Universitas Sumatera Utara xci

BAB IV ANALISA DAN PEMBAHASAN

4.1 Gambaran Umum Perekonomian Indonesia

Perjalanan perekonomian di Indonesia banyak mengalami gejolak dan fluktuasi serta perubahan akibat permasalahan yang kompleks. Krisis multidimensional di Indonesia yang bermula dari kemerosotan nilai tukar rupiah memberikan pengaruh yang cukup besar terhadap perekonomian nasional. Penyakit – penyakit ekonomi yang selama ini tertutupi oleh “gemerlap” indikator makroekonomi agregat dan serangkaian pujian dari lembaga – lembaga internasional satu demi satu terbuka. Kebijakan – kebijakan ekonomi yang dikeluarkan cenderung bersifat jangka pendek dan sering mengalami perubahan apabila terjadi perubahan kepemimpinan. Fundamental perekonomian Indonesia yang lemah dan sangat rentan terhadap gejolak – gejolak baik yang berasal dari luar maupun dari dalam negeri. Kondisi perekonomian Indonesia semakin diperburuk dengan meningkatnya ketidakstabilan ekonomi global yang tentu saja akan memberikan pengaruh yang cukup besar karena efek dari globalisasi. Misalnya kenaikan harga minyak dunia yang tentu saja akan berdampak terhadap meningkatnya inflasi dan melemahnya pertumbuhan ekonomi. Meningkatnya inflasi akan menggerogoti nilai uang yang dimiliki masyarakat sementara melemahnya pertumbuhan ekonomi berdampak terhadap berkurangnya penciptaan lapangan kerja sehingga angka kemiskinan pun bertambah. Universitas Sumatera Utara