6. Jumlah Kantor Bank X6, Jumlah Kantor Bank terdiri atas: Kantor Pusat KP, Kantor Cabang KC, Kantor
Cabang Pembantu KCP, dalam unit.
3.2. Teknik Penentuan Sampel
Penelitian yang dilakukan menggunakan data berkala Time Series Data dalam periode waktu semesteran 6 bulanan sejak awal tahun 1990
sampai dengan 2010 selama 21 tahun.
3.3. Teknik Pengumpulan Data
Pengumpulan data dilakukan dengan: a. Studi Kepustakaan
Data diperoleh dari membaca buku-buku, atau literatur-literatur serta tulisan laporan-laporan yang berkaitan dengan laporan ini.
b. Studi Lapangan Mengumpulkan data secara langsung dari instansi terkait yaitu Biro
Pusat Statistik BPS cabang Surabaya dan Bank Indonesia cabang Surabaya.
3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Teknik Analisis
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.1.1. Teknik Analisis Penurunan Model Dasar
Merupakan analisis
yang menggunakan beberapa alat perhitungan,
tabel statistik juga ekonometrika. Dalam hal ini untuk menganalisa data konkrit digunakan analisa regresi berganda yang bentuk model dasarnya
adalah: Y = F X
1
, X
2
, X
3
,…,X
n
Sudrajat, 1988 : 79
Untuk melihat hubungan spesifik antara variabel bebas dan variabel terikat yang bentuk persamaannya:
Y =
+
1
X
1
+
2
X
2
+
3
X
3
Berangkat dari bentuk umum diatas, diasumsikan bentuk persamaan regresi linier berganda yaitu:
Y =
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+ ℮
Sudrajat, 1988 : 79
Dimana: Dari model dasar tersebut lalu dibentuk Model Koreksi Kesalahan
ECM sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DKt
t
=
+
1
DY
t
+
2
DR
t
+
3
DP
t
+
4
DU
t
+
5
DN
t
+
6
DO
t
+
7
BY
t
+
8
BR
t
+
9
BP
t
+
10
BU
t
+
11
BN
t
+
12
BO
t
+
13
ECT Dimana:
D = D
t
–
D
t
-1
ECT = Variabel Koreksi Kesalahan Error Correction Term = BY
t
+ BR
t
+ BP
t
+ BU
t
+ BN
t
+ BO
t
+ BKt
t
Dimana: BYt
t
= PDRB dalam jangka panjang
BR
t
= Tingkat Suku Bunga
BP
t
= Tingkat Inflasi
BU
t
= Tingkat Pengangguran
BN
t
= Rasio NPL
BO
t
= Jumlah Kantor Cabang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Koefisien
–
6
meliputi analisis jangka pendek dari model ECM, sementara
7
–
12
merupakan analisis jangka panjang dari model ECM. Untuk menyatakan apakah model ECM yang digunakan
valid atau tidak, maka koefisien ECT harus signifikan. Sebelum melakukan regresi dengan model ECM, maka terlebih
dahulu data haruslah stasioner, dilakukan uji kointegrasi yang didahului oleh uji akar-akar unit unit roots test dan uji derajat integrasi. Kedua uji
ini perlu dilakukan untuk mengetahui apakah data yang akan digunakan dalam penelitian adalah stasioner atau tidak. Apabila data tidak stasioner,
maka koefisien regresi yang dihasilkan tidak efisien. Selain itu juga menghindari munculnya regresi lansung yang akan menyebabkan
koefisien regresi menjadi tidak efisien dan uji baku yang umum dari
koefisien menjadi tidak sahih Insukendro, 1990 : 128.
3.4.1.2. Penurunan Model Dinamis
Dalam penelitian ini menggunakan model analisa dinamis yang meliputi penjabaran variabel-variabel endogen sebagai fungsi dari
sejumlah variabel endogen sebelumnya dan atau variabel eksogen. Dalam analisa runtun waktu variabel periode berlaku tidak hanya dipengaruhi
oleh variabel-variabel pada periode yang sama, tetapi juga oleh variabel- variabel sebelumnya dan yang akan datang. Sehingga model dinamis
adalah model yang tepat untuk menganalisa.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Namun dalam penelitian ini hanya menurunkan satu model dinamis yaitu model ECM Error Correction Model. Penggunaan model ECM ini
dianggap layak untuk diterapkan di negara berkembang oleh para pakar. Berikut ini penurunan model dinamis ECM yang akan di estimasi:
DY =
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
X
6
+
7
BX
1
+
8
BX
2
+
9
BX
3
+
10
BX
4
+
11
BX
5
+
12
BX
6
+
13
BK
Kustituanto B, 1995 : 5
Dimana : DK = Permintaan Penawaran Kredit dalam jangka panjang
= Konstanta
1
, ..,
13
= Nilai koefisien-koefisien parameter yang diestimasi BX
1
= Kelambanan kebelakang PDRB pada periode ke - t BX
2
= Kelambanan kebelakang Tingkat Bunga pada periode ke - t BX
3
= Kelambanan kebelakang Tingkat Inflasi pada periode ke – t BX
4
= Kelambanan kebelakang Tingkat Pengangguran pada periode ke - t
BX
5
=
Kelambanan kebelakang NPL pada periode ke - t
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BX
6
= Kelambanan kebelakang Jumlah Kantor Cabang pada periode ke - t
BK = Kelambanan kebelakang Hutang luar negeri dalam jangka panjang pada periode ke - t
X
1
= PDRB X
2
= Tingkat Bunga X
3
= Tingkat Inflasi X
4
= Tingkat Pengangguran X
5
= Rasio NPL X
6
= Jumlah Kantor Cabang
Model Koreksi Kesalahan Error Corection Model digunakan untuk menguji spesifikasi model, kesesuaian teori dengan kenyataan dan
menguji apakah cara pengumpulan data sudah sesuai. Apabila parameter menguji ECM Error Corection Model signifikan secara statistik, maka
penelitian yang dilakukan telah sesuai dengan teori, serta spesifikasi model dan cara pengumpulan data sudah sesuai. Model ECM yang diamati
adalah: DXY =
+
1
DX
1
+
2
DX
2
+
3
DX
3
+
4
DX
4
+
5
DX
5
+
6
DX
6
+
7
BX
1
+
8
BX
2
+
9
BX
3
+
10
BX
4
+
11
BX
5
+
12
BX
6
+
13
ECT
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dimana: DY = Difference pertama Permintaan Penawaran Kredit dalam
jangka panjang pada periode ke - t DX
1
= Difference pertama PDRB pada periode ke - t DX
2
= Difference pertama Tingkat Bunga pada periode ke - t DX
3
= Difference pertama Tingkat Inflasi pada periode ke - t DX
4
= Difference pertama Tingkat Pengangguran pada periode ke - t DX
5
= Difference pertama Rasio NPL DX
6
=
Difference pertama Jumlah Kantor Cabang
= Konstanta
1
,…,
13
= Nilai koefisien-koefisien parameter yang diestimasi BX
1
= Kelambanan kebelakang PDRB pada periode ke - t BX
2
= Kelambanan kebelakang Tingkat Bunga pada periode ke - t BX
3
= Kelambanan kebelakang Tingkat Inflasi pada periode ke - t BX
4
= Kelambanan kebelakang Tingkat Pengangguran pada periode ke - t
BX
5
= Kelambanan kebelakang Rasio NPL BX
6
=
Kelambanan kebelakang Jumlah Kantor Cabang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ECT = Error Correction Term Bentuk koreksi kesalahan
Dimana: ECT = BX
1
+ BX
2
+ BX
3
+ BX
4
+ BX
5
+ BX
6
– BY BY = Y
t-
1
lag 1 kebelakang
Model ECM diatas merupakan bentuk hubungan jangka pendek yang dilihat dari koefisien difference pertama dari variabel-variabel
independen yaitu
1
,…,
6
. Sedangkan estimasi ECM jangka panjang meliputi keseimbangan dimana didalamnya telah tercakup serangkaian
penyesuaian yang akan membawa setiap shock kepada equilibrium. Dengan kata lain jangka panjang merupakan suatu periode yang
memungkinkan mengadakan penyesuaian penuh untuk setiap perubahan yang timbul. Hubungan jangka panjang dalam penelitian ini menunjukkan
sejauh mana perubahan pada variabel independen Investasi, Tabungan, Pengeluaran pemerintah, Penerimaan pemerintah, Ekspor, Impor
menyesuaikan secara penuh terhadap Hutang luar negeri dalam jangka panjang Y.
Maka hubungan jangka panjang dapat ditulis sebagai berikut: Y =
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
X
6
+
1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Kustituanto B, 1995 : 6
Dimana :
=
13
7
+
13
1
=
13
8
+
13
2
=
13
9
+
13
3
=
13
10
+
13
4
=
13
11
+
13
5
=
13
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
+
13
6
=
13
3.4.2. Uji Hipotesis
3.4.2.1. Beberapa Aspek Dalam Pengujian Model Dinamis
Dengan spesifikasi ekonomi dinamis dan analisis yang menyertainya adalah pendekatan kointegrasi. Secara umum pendekatan ini
dapat dinyatakan sebagai uji terhadap hubungan keseimbangan jangka panjang antara variabel-variabel ekonomi. Disamping itu pendekatan ini
dipandang sebagai bagian penting dalam pembentukan dan estimasi model dinamis.
Dengan demikian aspek-aspek yang harus dianalisis dalam penerapan Error Correction model ECM adalah:
a. Uji Stasionaritas 1. Uji Akar-akar Unit
Uji akar-akar unit dimaksudkan untuk mengamati apakah koefisien tertentu dari model autoregresif yang ditaksir mempunyai
nilai satu atau tidak. Dengan uji ini dapat diketahui berapa kali suatu data runtun waktu harus dideferensikan agar diperoleh data
stasioner. Untuk menguji hipotesa yang dikemukakan dalam bab ini akan diuraikan prosedur pengujian akar-akar unit.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pengujian akar-akar unit dengan model autoregresif ditaksir dengan OLS Ordinary Least
Squar sebagai berikut: DX
t
= a + a
1
BX
t
+ Σb
i
B
i
DX
t
DX
t
= c + c
1
T + c
2
BX
t
+ Σd
i
B
i
DX
t
DX
t
= X
t
– X
t
-
1
BX
t
= X
t
-
1
Dimana: t = tren waktu
X
t
= Variabel yang diamati B = Operasi kelambanan waktu ke hulu
Data atau variabel yang diamati akan stasioner jika nilai t- hitung absolut lebih besar dari nilai t-tabel absolut. Dari uji
stasioneritas yang telah dilakukan menunjukkan hasil bahwa tidak ada data atau variabel yang stasioner pada
= 5 . 2. Uji Derajat Integrasi
Uji ini dimaksudkan untuk mengetahui pada derajat atau periode berapa data yang diamati akan stasioner. Pengujian ini
merupakan perluasan dari uji akar-akar unit yang ditaksir dengan model otoregresif dengan OLS sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
D2X
t
= g + g
1
+ g
2
BDX
t
+ Σh
i
B
i
D2X
t
D2X
t
= e + e
1
BDX
t
+ Σf
i
B
i
D2X
t
D2X
t
= DX
t
– DX
t-
1
BDX
t
= DX
t
-1
Dari hasil pengujian derajat integrasi satu atau dapat dinotasikan dengan I 1, diketahui bahwa semua variabel yang
diamati belum stasioner pada = 5 , karena nilai t-hitung
absolut masih lebih kecil dari nilai t-tabel absolut. Sehingga perlu dilakukan uji derajat integrasi pada derajat dua atau dapat
dinotasikan dengan I 2. Dari hasil penguji derajat integrasi dua, diketahui bahwa semua variabel yang diamati telah stasioner pada
= 5 . Dengan kata lain variabel Y, X
1
, X
2
, X
3
, X
4
, X
5
, X
6
stasioner pada I 2 dengan = 5 , dimana nilai t-hitung absolut
lebih besar dari nilai t-tabel absolut. Dengan demikian, dapat dilakukan uji kointegrasi karena variabel yang diamati mempunyai
derajat integrasi yang sama. 3. Uji Kointegrasi
Tujuan dilakukannya uji kointegrasi adalah untuk mengkaji apakah residual regresi kointegrasi stasioner atau tidak. Untuk
menguji kointegrasi, data yang digunakan harus berintegrasi pada derajat yang sama. Jika dua atau lebih mempunyai derajat yang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
berbeda, misalnya X I 1 dan X I 2, maka kedua variabel
tersebut tidak berkointegrasi Engle-Granger, 1987 dan Insukindro, 1990
, sedangkan untuk menguji hipotesa nol tidak integrasi, ada beberapa uji statistik yang dapat dipakai adalah uji
CRDW Cointegration Regression Durbin Watson, DF Dickey Fuller, dan ADF Augment Dickey Fuller.
Untuk menghitung CDRW, DF dan ADF ditaksir regresi kointegrasi dengan OLS sebagai berikut:
Y = m + m
1
X
11
+ m
2
X
21
E
t
Dimana: Y = Variabel dependen
X
1
X
2
= Variabel independen E
t
= Variabel gangguan residual Pengujian ini diperlukan sebagai syarat pembentukan
model ECM. Apabila pengujian ino gagal maka ECM yang
diperoleh akan keliru Sugiyanto, 1994.
b. Uji Kelayakan Model ECM Dengan menggunakan uji signifikasi model ECT seperti telah
disampaikan sebelumnya maka apabila nilai model ECT positif, hal tersebut sesuai dengan teori yang memprediksikan bahwa koefisien ECM harus
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
bernilai positif dan bersignifikan bernilai 0, sebaliknya koefisien variabel bebas lainnya harus bernilai signifikan dan negatif.
c. Uji Normality Untuk penerapan OLS untuk regresi linier klasik, diasumsikan
bahwa distribusi probabilitas dari gangguan
t
,
memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan mempunyai varian yang
konstan. Dengan asumsi ini OLS estimator atau penaksir akan memenuhi sifat-sifat statistik yang digunakan seperti unbiased dan memiliki varian
yang minimum. Ada beberapa uji untuk mengetahui normal atau tidaknya faktor
gangguan
t
antara lain Jarque Bera Test J-B test. Uji ini menggunakan hasil estimasi residu dan chi square probability distribution.
Adapun rumus nilai J-B hitung sebagai berikut: S
2
K -3 ²
J- B = — +
6 24
Eagle-Granger, 1987 : 256
Dimana : S = Skewness
K = Kurtosis Untuk melihat Normalitas dengan pedoman hipotesis sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. Bila nilai J-B hitung nilai X ²–tabel, maka hipotesis yang
menyatakan bahwa residual t berdistribusi normal ditolak.
2. Bila nilai J-B hitung nilai X ²–tabel, maka yang menyatakan bahwa
residual
t
berdistribusi normal tidak dapat ditolak.
d. Uji Linieritas Uji ini sangat penting karena dapat sekaligus digunakan untuk
melihat apakah spesifikasi yang kita gunakan benar atau tidak. Fungsi linier yang kita gunakan dalam suatu model empiris dilakukan untuk menguji
yang relevan. Dengan kata lain uji linearitas, specification error atau misspecification dapat dihindari, pengujiannya biasanya dilakukan dengan:
Ramsy Reset Test
Menyarankan suatu uji yang disebut dengan general of specification atau reset. Untuk menerapkan uji ini, kita harus membuat
suatu asumsi atau keyakinan bahwa fungsi yang benar adalah fungsi linier. Uji ini bertujuan untuk menghasilkan F
hitung
. Bila F
hitung
F
tabel
,
maka hipotesis nol yang dinyatakan bahwa spesifikasi model digunakan dalam
bentuk fungsi linier adalah ditolak. Dan sebaliknya bila F
hitung
F
tabel
,
maka hipotesis nol yang menyatakan bahwa spesifikasi model dalam bentuk fungsi linier adalah benar tidak dapat ditolak.
Rumus F
hitung
adalah sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
R ²
new
- R ²
old
m F
=
1 - R ²
new
n –
k
Engle-Granger, 1987 : 257
Dimana: m = Jumlah variabel bebas yang baru masuk
n = Jumlah data observasi
Bahwa persamaan yang tepat spesifikasinya adalah persamaan mula-mula karena nilai F
hitung
yang dari F
tabel
lihat probabilitinya. Dengan dilakukannya pengujian beberapa aspek diatas, telah diasumsikan
memenuhi asumsi klasik.
3.4.2.2. Asumsi Klasik
Pengujian ini dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas, dan heteroskedastisitas dalam hasil
estimasi, karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji t dan uji F yang dilakukan sebelumnya menjadi tidak valid
dan secara statistik dapat mengacaukan kesimpulan yang diperoleh, untuk itu dilakukan uji asumsinya.
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik linear dan tidak bias BLUE =
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Best Linear Unbiased Estimator, yang artinya pengambilan keputusan melalui uji F dan t tidak boleh bias. Untuk menghasilkan keputusan yang
BLUE maka harus dipenuhi oleh regresi linier berganda dengan asumsi bahwa tiga syarat berikut harus ada yaitu:
1. Varian dari komponen pengganggu ℮ harus konstan atau harus
memenuhi syarat heteroskedastisitas. 2. Tidak terjadi autokorelasi antar komponen-komponen pengganggu
℮. 3. Tidak terjadi multikolinearitas antara variabel explanary.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
Menurut Algifari, 2000 : 83 sifat BLUE dapat dijelaskan sebagai
berikut: Best = Perhitungan sifat ini bila ditetapkan dalam uji signifikan
baku terhadap dan .
Linier = Sifat ini dibutuhkan untuk memudahkan dalam penafsiran. Unbiased = Bila jumlah sampel sangat besar penafsiran parameter
diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
Estimate = ℮ diharapkan sekecil mungkin.
Kondisi ini tidak akan terjadi jika terpenuhi beberapa asumsi yang disebut asumsi klasik. Pengujian dengan asumsi klasik ini dimaksudkan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
untuk mendeteksi ada tidaknya autokorelasi dan heterokorelasi dalam hasil estimasi, karena apabila terjadi penyimpangan terhadap asumsi klasik
tersebut, uji yang dilakukan sebelumnya menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan diperoleh, untuk itu dilakukan uji
asumsinya:
1. Autokorelasi
Pengujian terhadap autokorelasi dengan menggunakan Durbin Watson test adalah untuk uji stabilitas model. Jika digunakan model ECM bisa
untuk memprediksi perilaku pengaruh tiap variabel pada masa mendatang. Dalam pengujian tersebut menggunakan uji Breusch-
Godfrey BG test, uji ini adalah uji tambahan yang direkomendasikan
oleh Gujarati, 1995 : 425 untuk menguji autokorelasi. Pengujian
dengan BG dilakukan dengan meregres variabel pengganggu Ut menggunakan autoregresif model dengan orde p. Jika
x ²
hitung lebih besar dari
x ²
-tabel, maka hipotesis nol yang menyatakan bahwa tidak ada autokorelasi dalam model ditolak.
2. Heterokedastisitas
Pengujian heterokedastisitas dilakukan untuk melihat apakah ada kesalahan pengganggu mempunyai varian yang sama atau tidak.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pengujian tersebut menggunakan uji White Test, uji ini dilakukan dengan meregres residual kuadrat dan perkalian variabel bebas. Jika
x²
hitung
x²
table, maka hipotesis alternatif adanya heterokedastisitas dalam model ditolak.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN