58
berpengaruh signifikan. Hasil estimasi ECM yang signifikan dapat dilihat pada Tabel 4.9 berikut ini.
Tabel 4.9. Hasil Estimasi ECM Pengaruh Pembayaran Non Tunai terhadap Jumlah
Uang Beredar dalam Arti Luas M2- Broad Money yang Signifikan
Variabel Coefficient
Std. Error t-Statistic
Prob. C
0.012429 0.001992
6.239739 0.0000
DM2-1 0.150724
0.139486 1.080566
0.2871 DVTKLIRING
0.131727 0.032521
4.050469 0.0003
DVTKLIRING-1 0.065982
0.030357 2.173526
0.0364 DVTRTGS
0.063317 0.033415
1.894888 0.0662
DNTE-1 -0.023347
0.007166 -3.258136
0.0025 DNTKLIRING
-0.181153 0.035203
-5.145958 0.0000
DNTKLIRING-1 -0.090592
0.031414 -2.883799
0.0066 DNTRTGS
0.058353 0.011433
5.103747 0.0000
ECT2-1 -0.248492
0.081252 -3.058303
0.0042 R-squared
0.746728 Akaike info criterion -6.584853
Adjusted R-squared 0.683410 Schwarz criterion
-6.187322 F-statistic
11.79332 Durbin-Watson stat 2.087185
Sumber: Data Olahan Eviews, Lampiran 11
Hasil estimasi model ECM menunjukan nilai ECT yang signifikan secara statistik, dengan p value sebesar 0.0042. Hal ini berarti model spesifikasi ECM
yang digunakan dalam penelitian ini adalah valid. Berdasarkan Tabel 4.9, koefisien koreksi kesalahan ECT1-1 memiliki nilai negatif dan secara absolut
kurang dari satu. Nilai koefisien ECt adalah 0.248492 mempunyai makna bahwa perbedaan antara nilai aktual M1 dengan nilai keseimbangannya sebesar 0.248492
akan disesuaikan dalam waktu empat bulanan. Dengan kata lain, jumlah uang beredar dalam ati luas M2 tidak terlalu responsif terhadap error di waktu
sebelumnya, ketidakseimbangan dikoreksi dengan lambat.
4.2.4. Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk mengatahui ada atau tidaknya masalah-masalah yang muncul dari estimasi OLS. Pengujian yang dilakuakan
Universitas Sumatera Utara Universitas Sumatera Utara
59
harus memenuhi asumsi BLUE Best Linier Unbiased Estimator atinya, bahwa persamaan bebas dari pealanggaran asumsi OLS. Pengujian yang dilakukan yaitu,
uji autokolerasi, uji heterokedastisitas, uji normalitas.
Tabel 4.10. Hasil Uji Auto Kolerasi Dengan Metode LM
test
Variabel Dependen ObsR-squared
Prob. M1
2.379495 0.3043
M2 0.875005
0.6456
Sumber: Data Olahan Eviews, Lampiran 12, Lampiran 13
Berdasarkan hasil uji autokolerasi dengan LM test maka dapat disimpulkan kedua persamaan terbebas dari masalah autokolerasi. Hal ini terlihat
dari nilai probability-nya yang cukup besar di atas 0.05, sehingga H diterima,
yaitu tidak ada autokolerasi.
Tabel 4.11. Hasil Uji Heterokedastisitas dengan Uji
White
Variabel Dependen ObsR-squared
Prob. M1
13.13017 0.1568
M2 7.003126
0.6368
Sumber: Data Olahan Eviews, Lampiran 14, Lampiran 15
Berdasarkan hasil uji heterokedastisitas dengan uji white maka dapat disimpulkan kedua persamaan tidak mengandung masalah heterokedastisitas. Hal
ini terlihat dari nilai probability-nya yang lebih tinggi dari 0.05, sehingga H diterima, maka hasil estimasi tidak terkena heterokedastisitas.
Tabel 4.12.Hasil Uji Normalitas dengan Metode JB- test
Variabel Dependen Jargue-Bera
Probability M1
1.583421 0.453069
M2 0.117881
0.942761
Sumber: Data Olahan Eviews, Lampiran 16, Lampiran 17
Selanjutnya dilakukan uji normalitas dari faktor penggangu error term dari persamaan tersebut. Berdasarkan hasil pengujian normalitas dengan JB-test dapat
disimpulkan bahwa error term pada kedua persamaan telah terdistibusi secara
Universitas Sumatera Utara Universitas Sumatera Utara
60
normal. Hal ini terlihat dari nilai probabilitas Jargue-Bera yang lebih besar dari
0.05. 4.3. Pembahasan
Sistem pembayaran telah mengalami perkembangan yang cukup pesat. Transaksi tunai telah banyak tergantikan oleh instrumen pembayaran non tunai
yang lebih efisien, cepat dan mudah. Sistem pembayaran diperkirakan masih memiliki potensi yang cukup besar untuk terus berkembang. Berdasarkan hasil
penelitian yang telah dilakukan menunjukkan bahwa masing-masing indikator dari pembayaran non tunai volume dan nilai transaksi APMK, e-money, SKNBI,
dan sistem BIRTGS memberikan pengaruh yang berbeda-beda terhadap jumlah uang beredar M1 dan M2.
Lebih lanjut, hasil estimasi ECM memperlihatkan bahwa, variabel transaksi APMK melalui proxy volume transaksi kartu kredit VTKK
berpengaruh positif dan signifikan terhadap M1 pada lag 1. Variabel transaksi APMK melalui proxy nilai transaksi ATMDebet NTATM berpengaruh positif
dan signifikan terhadap M1 pada periode yang sama. Hal yang sama juga ditunjukkan dalam estimasi jangka panjang, dimana variabel transaksi APMK
melalui proxy nilai transaksi ATMDebet NTATM berpengaruh positif dan signifikan terhadap M1. Hal ini berarti bahwa transaksi APMK melalui proxy
volume transaksi kartu kredit VTKK dan nilai transaksi ATMDebet NTATM akan meningkatkan jumlah uang beredar M1 secara keseluruhan. Hal ini cukup
beralasan, mengingat semakin bervariasinnya transaksi yang dapat dilakukan dengan menggunakan APMK. Seperti pembayaran tagihan listik, air, pembelian
Universitas Sumatera Utara Universitas Sumatera Utara
61
pulsa, dan lain-lain yang dapat dilakukan melaui mesin ATM maupun EDC Electronic Data Capture pada merchant. Namun perlu untuk dicermati, bahwa
penggunaan APMK belum sepenuhnya mampu mensubstitusi penggunaan uang kartal dalam transaksi masyarakat. Dengan kata lain, penggunaan kartu ATM,
kartu debet maupun kartu kredit masih diikuti dengan kebutuhan akan uang kartal. Hal ini dapat dipahami karena penggunaan APMK yang masih mengandung unsur
penarikan tunai melalui ATM. Sebagaimana ditunjukkan pada gambar 4.5, dimana pada tahun 2013 nilai dan volume transaksi ATM Debet masih
didominasi oleh penarikan tunai dan transfer, sementara nilai dan volume transaksi untuk belanja masih relatif kecil.
Sumber: Data Olahan Microsoft Exel 2010, Bank Indonesia 2013
Gambar 4.5. Pangsa Nilai dan Volume Transaksi ATM Debet tahun 2013
Hasil yang berbeda ditunjukkan pada persamaan M2, dimana seluruh indikator yang digunakan sebagai proxy variabel transaksi APMK VTATM,
VTKK, NTATM, NTKK secara statistik sama sekali tidak berpengaruh signifikan terhadap M2 dalam jangka pendek maupun dalam jangka panjang.
Universitas Sumatera Utara Universitas Sumatera Utara
62
Hasil ini sejalan dengan penelitian yang dilakukan oleh Ferry Syariffuddin, et, al 2009 yang menggunakan metode Structural Cointegration VAR. Berdasarkan
hasil general impulse response, penelitian Ferry Syariffuddin, et, al 2009 menunjukkan bahwa pengaruh shock variabel pembayaran non tunai terhadap
permintaan uang M2 terlihat positif. Ferry Syariffuddin, et, al 2009 menjelaskan bahwa hasil tersebut tidak dapat ditranslasikan secara langsung sebagai pengaruh
penggunaan APMK terhadap M2, karena porsi APMK dalam variabel pembayaran non tunai masih relatif kecil, dimana variabel pembayaran non tunai
yang digunakan dalam penelitian ini adalah nilai transaksi APMK, kliring dan RTGS.
Berdasarkan pada hasil estimasi ECM, ditemukan bahwa transaksi e- money melalui proxy nilai transaksi e-money NTE menunjukkan pengaruh yang
positif dan signifikan terhadap M1 pada periode yang sama. Dalam jangka panjang transaksi e-money melalui proxy volume transaksi e-money VTE
berpengaruh positif dan signifikan terhadap M1. Pengaruh positif ini mengindikasikan bahwa transaksi e-money akan menyebabkan peningkatan
pemintaan uang M1 secara keseluruhan dan akan menekan kebutuhan akan uang kartal. Hasil ini sesuai dengan penelitian yang dilakukan oleh Joilson Dias 2000
yang meneliti tentang dampak penggunaan digital money terhadap kesejahteraan dan kebijakan moneter di Brazil. Hasil penelitian Joilson Dias 2000 menemukan
bahwa pengunaan digital money dalam transaksi akan mengurangi transaction cost yang akan menyebabkan peningkatkan permintaan uang M1. Hasil estimasi
ECM pada persamaan M2 menunjukkan bahwa variabel transaksi e-money
Universitas Sumatera Utara Universitas Sumatera Utara
63
melalui proxy nilai transaksi e-money NTE berpengaruh negatif dan signifikan terhadap M2 pada lag 1. Hasil yang berbeda ditemukan dalam jangka panjang,
dimana transaksi e-money melalui proxy nilai transaksi e-money NTE tidak berpengaruh signifikan terhadap M2, tetapi transaksi e-money melalui proxy
volume transaksi e-money VTE berpengaruh positif dan signifikan terhadap M2. Dari sisi transaksi SKNBI, hasil estimasi estimasi ECM menunjukkan
bahwa, transaksi SKNBI melalui proxy volume transaksi SKNBI VTKLIRING berpengaruh positif dan signifikan terhadap M1 pada periode yang sama. Hal
yang sama juga terlihat dalam persamaan M2 dimana, variabel transaksi SKNBI melalui proxy volume transaksi SKNBI VTKLIRING berpengaruh positif dan
signifikan terhadap M2 pada periode yang sama dan lag 1. Hubungan positif yang ditunjukkan pada variabel SKNBI melalui proxy volume transaksi SKNBI diatas
berarti bahwa penggunaan transaksi SKNBI dalam transaksi pembayaran masyarakat akan menyebabkan kenaikan jumlah uang beredar M1 dan M2. Hal
ini diduga terjadi karena semakin efisiennya proses transakai melaui SKNBI, dimana penyelesaian transaksinya telah dapat dilakukan secara online.
Sementara itu, transaksi SKNBI melalui proxy nilai transaksi SKNBI NTKLIRING berpengaruh negatif dan signifikan terhadap M1 pada periode
yang sama dan lag 1. Hal yang sama juga ditunjukkkan pada persamaan M2 dimana, transaksi SKNBI melalui proxy nilai transaksi SKNBI NTKLIRING
berpengaruh negatif dan signifikan terhadap M2 pada periode yang sama dan lag 1. Hal ini mengindikasikan bahwa dari sisi nilai transaksi, SKNBI belum menjadi
pilihan transaksi masyarakat terutama untuk transaksi bernilai besar. Hal ini
Universitas Sumatera Utara Universitas Sumatera Utara
64
memperkuat penelitian yang dilakukan oleh Sierra Rosa Sitorus 2006 yang menemukan bahwa nilai transaksi kliring belum mampu mensubstitusi nilai
transaksi tunai. Menurut Sierra Rosa Sitorus 2006 hal ini diduga terjadi karena transaksi-transaksi dalam masyarakat maupun antar bank yang bernilai besar
dilakukan dengan menggunakan fasilitas BI-RTGS. Sedangkan transaksi SKNBI masih terbatas pada transaksi konvensional yaitu transaksi Cek dan Bilyet Giro.
Untuk kliring kredit nilai maksimal yang dapat diproses melalui SKNBI adalah Rp. 100.000.000,00.
Berdasarkan pada hasil estimasi ECM ditemukan bahwa, variabel transaksi BI-RTGS melalui proxy nilai transaksi BI-RTGS NTRTGS berpengaruh positif
dan signifikan terhadap M1 pada periode yang sama. Pengaruh yang sama juga ditunjukkan dalam jangka panjang, dimana variabel transaksi BI-RTGS melalui
proxy nilai transaksi BI-RTGS NTRTGS berpengaruh positif dan signifikan terhadap M1. Pada estimasi persamaan M2, variabel transaksi BI-RTGS melalui
proxy volume dan nilai transaksi BI-RTGS VTRTGS berpengaruh positif dan signifikan terhadap M2 pada periode yang sama. Dalam jangka panjang transaksi
BI-RTGS melalui proxy nilai transaksi BI-RTGS NTRTGS berpengaruh positif dan signifikan terhadap M2. Pengaruh positif yang ditemukan pada variabel
transaksi BI-RTGS melalui proxy nilai dan volume transaksi BI-RTGS berarti bahwa transaksi melalui BI-RTGS akan meningkatkan jumlah uang beredar M1
dan M2. Dari perspektif efisiensi sistem pembayaran peningkatan terhadap jumlah uang beredar ini diduga terjadi karena penyelasain transaksi BI-RTGS
yang dilakukan secara per individual dan real time yang mendukung percepatan
Universitas Sumatera Utara Universitas Sumatera Utara
65
penyelesaian transaksi dan efisiensi transaksi. Pengaruh positif ini mengidikasikan bahwa transfer dana melalui sistem BI-RTGS masih menjadi pilihan utama
dibandingkan dengan transfer melalui APMK dan SKNBI terutama untuk transaksi yang bernilai besar.
Universitas Sumatera Utara Universitas Sumatera Utara
66
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil pengujian dan pembahasan yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut:
1. Transaksi APMK melalui proxy volume transaksi kartu kredit berpengaruh positif dan signifikan terhadap M1 dalam jangka pendek namun tidak
signifikan dalam jangka panjang. Transaksi APMK melalui proxy nilai transaksi ATMDebet berpengaruh positif dan signifikan terhadap M1 dalan
jangka pendek dan jangka panjang. Transaksi e-money melalui proxy nilai transaksi e-money menunjukkan pengaruh yang positif dan signifikan
terhadap M1 dalam jangka pendek. Sedangkan dalam jangka panjang transaksi e-money yang berpengaruh positif dan signifikan terhadap M1
ditemui melalui proxy volume transaksi e-money. Transaksi SKNBI memberikan pengaruh positif dan signifikan melalui proxy volume transaksi
SKNBI terhadap M1 dalam jangka pendek dan jangka panjang, sedangkan melalui proxy nilai trasnsaksi SKNBI menunjukkan pengaruh yang negatif
dan signifikan terhadap M1 dalam jangka pendek, namun tidak signifikan dalam jangka panjang. Transaksi BI-RTGS melalui proxy nilai transaksi BI-
RTGS menunjukkan pengaruh yang positif dan signifikan terhadap M1 dalam jangka pendek dan jangka panjang.
2. Transaksi APMK melalui proxy volume dan nilai transaksi kartu ATMDebet dan kartu kredit belum menunjukkan pengaruh yang signifikan terhadap M2
dalam jangka pendek dan jangka panjang. Variabel transaksi e-money melalui
Universitas Sumatera Utara Universitas Sumatera Utara