PENDETEKSIAN KRISIS PERBANKAN DI INDONESIA MENGGUNAKAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR BANK DEPOSITS.

ii

ABSTRAK
Ihsan Fathoni Amri. 2016. PENDETEKSIAN KRISIS PERBANKAN DI
INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN
MARKOV SWITCHING BERDASARKAN INDIKATOR BANK DEPOSITS.
Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.
Surakarta.
Indonesia telah mengalami beberapa kali krisis yang terjadi sejak tahun
1970. Krisis terparah terjadi pada tahun 1997 yang berawal dari jatuhnya mata uang
Baht Thailand. Krisis keuangan terbagi menjadi tiga tipe yaitu krisis perbankan,
krisis mata uang dan krisis hutang. Krisis perbankan dapat dideteksi dengan
memantau indikator perbankan seperti bank deposits, rasio tingkat bunga pinjaman
dengan tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Pada
penelitian ini pendeteksian krisis perbankan dilakukan berdasarkan indikator bank
deposits.
Penelitian ini bertujuan untuk menentukan model terbaik yang sesuai untuk
mendeteksi krisis perbankan di Indonesia berdasarkan indikator bank deposits dan
kemudian meramalkan nilai bank deposits untuk dua belas periode ke depan. Pada
penelitian ini digunakan gabungan model volatilitas dan Markov switching dengan
asumsi dua state dan tiga state.

Hasil penelitian ini menunjukkan bahwa data bank deposits periode Juni
1989 sampai dengan Februari 2015 tidak stasioner, mempunyai efek
heteroskedastisitas, dan mengalami perubahan struktur. Oleh karena itu model yang
digunakan model SWARCH untuk mendeteksi krisis perbankan. Diperoleh model
SWARCH (2,1) dan SWARCH (3,1) yang dapat mendeteksi krisis perbankan pada
April 1998 dan November 1998 sampai dengan Oktober 2000. Model
SWARCH (2,1) dan SWARCH(3,1) digunakan untuk mendeteksi krisis periode
Maret 2015 sampai dengan Februari 2016. Berdasarkan hasil pendeteksian pada
penelitian ini diperoleh bahwa indonesia tidak akan mengalami krisis perbankan
pada periode Maret 2015 sampai dengan Februari 2016 berdasarkan indikator bank
deposits, karena data peramalan tidak mengalami perubahan struktur dan
mempunyai nilai filtered probabilities yang kecil.
Kata kunci: krisis perbankan, bank deposits, SWARCH, dua state, tiga state

iii

ABSTRACT
Ihsan Fathoni Amri. 2016 DETECTION OF BANKING CRISIS IN
INDONESIA USING COMBINATION OF VOLATILITY MODEL AND
MARKOV SWITCHING BASED ON BANK DEPOSITS INDICATOR. Faculty

of Mathematics and Natural Sciences. Sebelas Maret University.
Indonesia has suffered several crises that have occurred since 1970. The
crisis is most severe in 1997 that began with the collapse of the Thai Baht currency.
The financial crisis is divided into three types: banking crisis, currency crisis and
sovereign debt crisis. The banking crisis can be detected by monitoring the banking
indicators such as bank deposits, the ratio of loans to savings interest rate, real
interest rate spread, and the real interest rate savings. In this study the detection of
the banking crisis is based on indicators of bank deposits.
This purpose of this study is to determine the appropriate model to detect
banking crisis in Indonesia based on bank deposits indicator and then forecast the
value of bank deposits to twelve period ahead. In this study used a combination of
volatility and Markov switching models assuming two state and three state.
The results showed that the data bank deposits with the period from June
1989 to February 2015 is not stationary, have the effect of heteroskedastisity, and
switching regime. Therefore the model used to detect the model SWARCH banking
crisis. SWARCH model is obtained (2.1) and SWARCH (3.1) can detect the
banking crisis in April 1998 and November 1998 to October 2000. Model
SWARCH (2.1) and SWARCH (3.1) were used to detect the crisis period March
2015 to February 2016. From detection results in this study obtained that Indonesia
will not happen banking crisis in the period March 2015 to February 2016 based on

indicators of bank deposits, because the prediction data did not show any structure
change and the filtered probabilities value was low.
Keywords: banking crisis, bank deposits, SWARCH, two state, three state

iv

MOTO

“Barang siapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah
untuk dirinya sendiri.”
[QS Al-Ankabut: 6]

v

PERSEMBAHAN

Karya ini saya persembahkan untuk
Kedua orangtua tercinta saya Ibunda Marsi Sugiyanti dan Ayahanda Sugiyanto.
Istri, kakak dan adik saya, Sepvia Hera Permata, Yahya Fathoni Amri, Maryam,
serta

Aryan Fathoni Amri.
Tim Krisis dan keluarga besar Matematika 2011.

Terima kasih atas bantuan, do’a serta dukungannya.

vi

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada Alloh SWT atas segala
rahmat dan karunia yang telah diberikan, sehingga penulis dapat menyelesaikan
penulisan skripsi ini. Selesainya penulisan skripsi ini tidak lepas dari bantuan
berbagai pihak. Ucapan terima kasih penulis sampaikan kepada
1. Drs. Sugiyanto, M.Si., Pembimbing I, atas pengarahan dan motivasi yang
diberikan dalam membimbing penulis.
2. Supriyadi Wibowo, S.Si., M.Si., Pembimbing II yang telah memberikan
saran dan bimbingan dalam penulisan skripsi ini.
3. Semua pihak yang berperan dalam penulisan skripsi ini.
Penulis berharap semoga skripsi ini bermanfaat.

Surakarta, Januari 2016

Penulis

vii

DAFTAR ISI

HALAMAN JUDUL........................................................................................ i
HALAMAN PENGESAHAN .......................................................................... ii
ABSTRAK ....................................................................................................... iii
ABSTRACT ....................................................................................................... iv

MOTO .............................................................................................................. v
PERSEMBAHAN ............................................................................................ vi
KATA PENGANTAR ..................................................................................... vii
DAFTAR ISI .................................................................................................... viii
DAFTAR TABEL ............................................................................................ xi
DAFTAR GAMBAR ....................................................................................... xii
DAFTAR NOTASI .......................................................................................... xiii

I.

PENDAHULUAN

1

1.1 Latar Belakang Masalah ..................................................................... 1
1.2 Perumusan Masalah ............................................................................ 3
1.3 Tujuan Penelitian ................................................................................ 4
1.4 Manfaat Penelitian .............................................................................. 4
II. LANDASAN TEORI

5

2.1 Tinjauan Pustaka................................................................................. 5
2.2 Teori-Teori Penunjang ........................................................................ 7
2.2.1 Bank Deposits ............................................................................ 7
2.2.2 Konsep Dasar Analisis Runtun Waktu ...................................... 7
2.2.3 Uji Kestasioneran ...................................................................... 7
2.2.4 Log Return ................................................................................. 8

2.2.5 ACF dan PACF .......................................................................... 9
2.2.6 Model ARMA ............................................................................. 10
2.2.7 Uji Efek Heteroskedastisitas ...................................................... 13
2.2.8 Model ARCH ............................................................................. 13
2.2.9 Kriteria Informasi ...................................................................... 17
2.2.10 Uji Diagnostik Model ARCH .................................................. 17

viii

2.2.11 Uji Perubahan Struktur ............................................................ 19
2.2.12 Model Markov Switching ........................................................ 20
2.2.13 Model SWARCH ...................................................................... 21
2.2.14 Filtered Probabilities .............................................................. 24
2.3 Kerangka Pemikiran ........................................................................... 27
III. METODE PENELITIAN

29

IV. HASIL DAN PEMBAHASAN

31

4.1 Deskripsi Data .................................................................................. 31
4.2 Uji ADF ............................................................................................ 31
4.3 Log Return ........................................................................................ 32
4.4 Uji ADF ............................................................................................ 32
4.5 Pembentukan Model ARMA ............................................................. 33
4.5.1 Identifikasi Model ARMA ........................................................ 33
4.5.2 Estimasi Parameter Model ARMA............................................ 33
4.6 Uji Efek Heteroskedastisitas ............................................................. 35
4.7 Pembentukan Model Volatilitas ....................................................... 35
4.7.1 Estimasi Parameter Model ARCH ............................................ 35
4.7.2 Model GARCH ......................................................................... 36
4.7.3 Uji Diagnostik Model ARCH(3) .............................................. 37
4.7.4 Pemilihan Model Terbaik ......................................................... 39
4.8 Uji Perubahan Struktur ..................................................................... 40
4.9 Pembentukan Model SWARCH ........................................................ 40
4.9.1 Model SWARCH(2,1) ............................................................... 41
4.9.2 Model SWARCH(3,1) ............................................................... 42
4.10 Filtered Probabilities ....................................................................... 44

4.11 Pendeteksian Krisis Perbankan ......................................................... 45
4.12 Pendeteksian Krisis Perbankan di Masa yang Akan Datang ............ 46
4.12.1 Peramalan Volatilitas ............................................................. 46
4.12.2 Peramalan Log Return ........................................................... 47
4.12.3 Pendeteksian Krisis Perbankan .............................................. 49

ix

V. PENUTUP

51

5.1 Kesimpulan ......................................................................................... 51
5.2 Saran ................................................................................................... 51
DAFTAR PUSTAKA

52

LAMPIRAN

53

Lampiran 1 ................................................................................................ 54
Lampiran 2 ................................................................................................ 58

x

DAFTAR TABEL

Tabel 2.1 Ciri-Ciri Plot ACF dan PACF Model ARMA ................................. 11
Tabel 4.1 Estimasi Parameter Model ARMA.................................................. 33
Tabel 4.2 Estimasi Parameter Model ARCH .................................................. 36
Tabel 4.3 Estimasi Parameter Model GARCH ............................................... 36
Tabel 4.4 Estimasi Parameter Model ARCH Menggunakan Metode QMLE . 39
Tabel 4.5 Uji Chow Breakpoint Berdasarkan Model ARMA(1,0) ................. 41
Tabel 4.6 Estimasi Parameter Model SWARCH (2,1) ..................................... 42
Tabel 4.7 Hasil Estimasi Parameter Model SWARCH (3,1) ........................... 43
Tabel 4.8 Nilai Filtered Probabilities Pada Periode yang Mengalami
Perubahan Struktur ......................................................................... 47
Tabel 4.9 Nilai Peramalan Volatilitas Periode Maret 2015-Februari 2016 ... 47

Tabel 4.10 Nilai Peramalan Log Retrun Periode Maret 2015-Februari 2016 .. 48
Tabel 4.11 Nilai Peramalan Bank Deposits Periode Maret 2015-Februari
2016 ................................................................................................ 48
Tabel 4.12 Probabilitas Uji Chow breakpoint Periode Maret 2015-Februari
2016 ................................................................................................ 49
Tabel 4.13 Nilai Filtered Probabilities untuk kondisi dua state dan tiga state
periode Maret 2015-Februari 2016 ................................................ 50

xi

DAFTAR GAMBAR

Gambar 4.1 Plot data dari indikator bank deposits ........................................ 31
Gambar 4.2 Plot log return data bank deposits .............................................. 32
Gambar 4.3 Plot ACF dan PACF data bank deposits..................................... 34
Gambar 4.4 Plot ACF dan PACF residu model ARCH(3) dengan model
rata-rata bersyarat ARMA(1,0) ................................................... 38
Gambar 4.5 Plot nilai filtered probabilities kondisi dua state ....................... 44
Gambar 4.6 Plot nilai filtered probabilities kondisi tiga state ....................... 45

xii

DAFTAR NOTASI

: data pada waktu ke-t
: return pada waktu ke-t
: log return pada waktu ke-t
̅

: rata-rata sampel

�

: autokovariansi lag ke-�

�

: autokorelasi parsial lag ke-�

�

: autokorelasi lag ke-�

�

: residu pada waktu ke-t
: jumlah kuadrat residu

∗

ℓ
̂

: fungsi log likelihood
� : statistik uji Ljung-Box sampai dengan lag ke-�

̂
�

�

: koefisien skewness pada waktu ke-

: koefisien kurtosis pada waktu ke: statistik uji pengali Lagrange
: suatu proses white noise pada waktu ke-

dengan mean nol dan

variansinya satu
�

: suatu himpunan informasi sampai waktu ke-t

��

: rata-rata dari return sebagai kombinasi linear dari variable eksogen

�2

�

: variansi bersyarat pada waktu ke-

: sebuah vektor dari parameter yang tidak diketahui

�

: vektor parameter model ARCH

�

: statistik uji Chow breakpoint

�

: rata-rata model Markov switching yang bergantung pada suatu state

�

�

�

: matriks yang berukuran T x 1

: state

: probabilitas transisi state i diikuti state j
: vektor parameter model SWARCH

xiii

Bab I
PENDAHULUAN

1.1 Latar Belakang
Suatu negara dikatakan mengalami krisis keuangan ketika sistem keuangan
negara tersebut mengalami gangguan sehingga berdampak sistem tersebut tidak lagi
bisa berfungsi secara efisien. Krisis keuangan merupakan suatu istilah yang
digunakan untuk situasi dimana beberapa aset keuangan tiba-tiba kehilangan
sebagian besar dari nilai nominalnya. Menurut Lestano et al. [19], krisis keuangan
terbagi menjadi tiga tipe yaitu krisis perbankan (banking crisis), krisis mata uang
(currency crisis) dan krisis hutang (debt crisis). Menurut Waibot [33] krisis
keuangan telah berkali-kali menerpa ekonomi Indonesia sejak tahun 1970 tepatnya
pada tahun 1978, 1983, 1986, 1997, dan 2008.
Krisis terparah di Indonesia terjadi pada tahun 1997. Menurut Abimanyu
dan Imansyah [1], jatuhnya nilai tukar Baht Thailand merupakan awal terjadinya
krisis pada tahun 1997 di Indonesia. Dampaknya adalah terjadi krisis keuangan dan
krisis perbankan di Indonesia. Menurut Kaminsky et al. [17], krisis perbankan
adalah apabila kredit macet lebih besar daripada rata-rata selama masa tidak krisis
ditambah 2 standar deviasi. Krisis perbankan dimulai dengan mencuatnya nilai
tukar dan nilai mata uang rupiah merosot tajam. Akibat krisis yang terjadi beban
hutang perusahaan yang menggunakan mata uang asing, sedangkan pembiayaannya
tergantung oleh bank membengkak secara tajam. Akibat lebih lanjut, timbulnya
kredit macet yang secara tidak langsung akan mengganggu (dalam jumlah yang
besar bahkan akan menghentikan) operasional bank. Padahal bagian perbankan
merupakan salah satu sektor untuk menutupi terjadinya krisis ekonomi. Tornell [30]
berpendapat apabila pemerintah tidak bersedia membiarkan mata uangnya
terdepresiasi maka pemerintah harus siap untuk meng-cover semua kebijakan
(liabilities) sistem perbankan dengan cadangan. Oleh karena itu pemerintah
mengeluarkan beberapa kebijakan pada bagian perbankan digunakan untuk
menutupi sektor ekonomi yang terkena dampak adanya krisis. Berdasarkan
kebijakan-kebijakan yang ada membuat bagian perbankan juga mengalami krisis
1

perbankan. Beberapa indikator yang dapat digunakan untuk mendeteksi adanya
krisis perbankan yaitu bank deposits, rasio tingkat bunga pinjaman dengan
tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Menurut
Abimanyu dan Imansyah [1], bank deposits merupakan salah satu indikator penting
yang digunakan untuk mendeteksi adanya krisis. Untuk itulah bank deposits dipilih
sebagai indikator untuk mendeteksi krisis perbankan di Indonesia. Menurut
Undang-Undang Republik Indonesia Nomor 10 Tahun 1998, Perubahan Atas
Undang-Undang Nomor 7 Tahun 1992 Tentang Perbankan mengatakan bahwa
bank deposits adalah simpanan yang penarikannya hanya dapat dilakukan pada
waktu tertentu berdasarkan perjanjian nasabah penyimpanan dengan bank.
Beberapa indikator sudah digunakan pada penelitian sebelumnya untuk mendeteksi
krisis keuangan di Indonesia, antara lain Retnosari [26] dan Pudyastuti [25]
menggunakan indikator nilai tukar riil, Pitaningsih [24] dan Sagitania [28]
menggunakan indicator pertumbuhan kredit domestik, Utami [32] dan Mustikasari
[21] menggunakan indikator rasio cadangan internasional terhadap M2, Marlina
[20] menggunakan indikator harga saham, dan Ananda [2] menggunakan indikator
tekanan pasar. Oleh karena itu dalam penelitian akan digunakan indikator bank
deposits yang belum digunakan pada penelitian sebelumnya untuk mendeteksi

krisis perbankan di Indonesia.
Data bank deposits merupakan data runtun waktu karena dikumpulkan,
dicatat, dan diamati berdasarkan urutan waktu. Data yang didapatkan mengalami
fluktuasi yang signifikan sehingga mengindikasikan data tidak stasioner. Data yang
tidak stasioner perlu dilakukan transformasi log return untuk menjadikannya data
stasioner. Menurut Cryer [8], salah satu model yang digunakan untuk data stasioner
adalah model Autoregressive Moving Average (ARMA). Asumsi yang harus
dipenuhi model ARMA adalah variansi residu yang konstan (homoskedastisitas).
Karena data bank deposits yang didapatkan memiliki efek heteroskedastisitas,
sehingga asumsi homoskedastisitas tidak dipenuhi.
Guna

mengatasi

efek

heteroskedastisitas

tersebut,

Engle

[9]

memperkenalkan model Autoregressive Conditional Heteroscedasticity (ARCH).
Bollerslev [3] memperkenalkan model generalized autoregressive conditional
2

heteroscedasticity (GARCH), Nelson [23] memperkenalkan model exponential
generalized autoregressive conditional heteroscedasticity (EGARCH), dan Glosten
et al. [10] memperkenalkan model threshold generalized autoregressive
conditional heteroscedasticity (TGARCH). Namun data bank deposits mengalami

perubahan struktur sehingga model ARCH, GARCH, dan EGARCH tidak dapat
digunakan. Hamilton [13], memperkenalkan model Markov switching (MS) untuk
memodelkan data runtun waktu yang mengalami perubahan struktur. Model
Markos switching tidak dapat mengatasi masalah efek heteroskedastisitas dan
perubahan struktur. Hamilton dan Susmel [14] pada tahun 1994 menggabungkan
model volatilitas ARCH dengan model Markov switching yang kemudian dikenal
dengan model Markov switching ARCH (SWARCH), Gray [11] memperkenalkan
kombinasi model Markov switching dengan model volatilitas GARCH
(MSGARCH), dan Henry [15] memperkenalkan kombinasi model Markov
switching dengan model volatilitas EGARCH (MS-EGARCH). Gabungan model

volatilitas dan Markov switching telah diterapkan oleh beberapa peneliti untuk
mendeteksi krisis keuangan yang terjadi pada suatu negara. Misalnya Chang et al.
[6] yang menerapkan model SWARCH untuk mengidentifkasi volatilitas mata uang
asing dan krisis keuangan global di Korea menggunakan tiga state, yaitu volatilitas
rendah, volatilitas sedang dan volatilitas tinggi.
Pada penelitian ini dilakukan pendeteksian krisis perbankan di Indonesia
menggunakan gabungan model volatilitas dan Markov switching berdasarkan
indikator bank deposits. Data bank deposits mengindikasikan terdapat efek
heteroskedastisitas dan mengalami perubahan struktur, sehingga dapat dimodelkan
dengan model SWARCH berdasarkan asumsi dua state dan tiga state.

1.2 PERUMUSAN MASALAH
Berdasarkan latar belakang masalah yang diuraikan sebelumnya, dapat
dituliskan rumusan masalah berikut
a. Bagaimana model yang sesuai untuk mendeteksi krisis perbankan di
Indonesia berdasarkan indikator bank deposits?

3

b. Apakah pada Maret 2015 sampai dengan Februari 2016 Indonesia akan
mengalami krisis berdasarkan indikator bank deposits?

1.3 TUJUAN PENELITIAN
Berdasarkan perumusan masalah, penelitian ini bertujuan
a. menentukan model yang sesuai untuk mendeteksi krisis perbankan di
Indonesia berdasarkan indikator bank deposits, dan
b. mendeteksi krisis perbankan di Indonesia pada bulan Maret 2015 sampai
dengan Februari 2016 berdasarkan indikator bank deposits.

1.4 MANFAAT PENELITIAN
Hasil dari penelitian ini diharapkan dapat memberikan manfaat untuk
mendeteksi sinyal krisis perbankan di Indonesia berdasarkan indikator bank
deposits dimasa yang akan datang.

4