Pangsa Aset, DPK dan Kredit Bank Umum

67 12 antara lain Bank Artha Graha, Bank ICB Bumiputera, Bank Mutiara, Bank Nusantara Parahyangan, Bank Permata sebelum tahun 2009, Bank QNB Kesawan, Bank SBI Indonesia, Bank Kesejahteraan Ekonomi, Bank Pundi, BPD Sumut dan Rabobank Internasional Indonesia.

5.2 Hasil Uji Stasioneritas Data

Pengujian stasioneritas data adalah uji yang dilakukan sebelum melangkah ke uji-uji lainnya dan melakukan estimasi model. Uji stasioner dilakukan untuk melihat apakah ada panel unit root dalam variabel-variabel yang akan diestimasi dalam model. Sebagaimana disebutkan oleh Blundell dan Bond 1998, untuk melakukan estimasi SYS-GMM maka validitas restriksi yang diterapkan dalam SYS-GMM akan valid jika dilakukan dibawah asumsi stasioner, walaupun validitas juga bisa diperoleh dibawah asumsi yang lebih lemah. Uji stasioner dilakukan dengan menggunakan metode intersep tanpa trend karena plot data menunjukkan bahwa tidak terdapat trend dari semua variabel. Hasil uji dengan tes Levin, Lin dan Chu LLC diketahui bahwa variabel pertumbuhan PDB riil, interaksi likuiditas dengan pertumbuhan PDB riil, interaksi kapital dengan pertumbuhan PDB riil dan interaksi CAR dengan pertumbuhan PDB riil mengandung common unit root. Hasil tes tersebut berbeda dari hasil tes PP-Fisher. Perbedaan hasil tes bisa dikarenakan LLC memiliki keterbatasan dibandingkan metode uji unit root lainnya dalam hal independensi antar cross- Gambar 15 Jumlah bank berdasarkan CAR tahun 2005-2011 section dan tidak dapat diaplikasikan jika terdapat korelasi antar cross-section. Berdasarkan kesimpulan tersebut maka variabel-variabel yang digunakan dalam penelitian ini adalah stasioner. Tabel 13 Rangkuman uji stasioneritas variabel penelitian Variabel Levin, Lin Chu PP-Fisher Lag SIC d_lnloans 0.0000 0.0000 0-4 d_birate 0.0000 0.0000 d_lgdpr 1.0000 0.0000 3 inflasi 0.0000 0.0000 1 lsize 0.0000 0.0000 0-4 lliq 0.0000 0.0000 0-4 lcap 0.0000 0.0000 0-4 lcapcar 0.0000 0.0000 0-4 s1_dbir 0.0000 0.0000 0-1 s1_dgdp 0.0000 0.0000 0-1 s1_inf 0.0000 0.0000 0-4 l1_dbir 0.0000 0.0000 0-3 l1_dgdp 0.5063 0.0000 0-4 l1_inf 0.0000 0.0000 0-5 c1_dbir 0.0000 0.0000 0-1 c1_dgdp 1.0000 0.0000 0-4 c1_inf 0.0000 0.0000 0-4 car1_dbir 0.0000 0.0000 0-4 car1_dgdp 1.0000 0.0000 0-4 car1_inf 0.0000 0.0000 0-4 Keterangan : LLC = Levin, Lin dan Chu PP-Fisher = PP-Fisher Chi-square

5.3 Panjang Lag Model Dinamis

Sebelum menentukan estimasi model dinamis yang akan dianalisis, panjang lag dari variabel-variabel dalam model harus ditentukan. Beberapa tinjauan empiris menggunakan lag empat dalam mengestimasi persamaan 3.31 seperti Ehrmann et al. 2002, Juks 2004 dan Kishan dan Opiela 2000, sedangkan Boughrara dan Ghazouani 2008 dan Juurikkala et al. 2011 menggunakan lag satu. Oleh karena itu, pengujian panjang lag dilakukan untuk lag satu hingga lag 69 empat. Model yang digunkan untuk menguji panjang lag yang sesuai adalah model 3.31 karena merupakan model dasar dari penelitian ini. Tabel 14 Penentuan panjang lag dengan metode SIC Penghitungan SIC FD-GMM dengan karakteristik ukuran aset, likuiditas,CAR Lag 1 Lag 2 Lag 3 Lag 4 rss 58.6620 57.5360 53.7850 47.5000 T 24 24 24 24 SICp 1.0262 1.1392 1.2042 1.2124 Penghitungan SIC SYS-GMM dengan karakteristik ukuran aset, likuiditas, CAR Lag 1 Lag 2 Lag 3 Lag 4 rss 63.8130 57.0940 55.5450 85.9580 T 24 24 24 24 SICp 1.1103 1.1315 1.2364 1.8055 Penghitungan SIC FD-GMM dengan karakteristik ukuran aset, likuiditas, kapital Lag 1 Lag 2 Lag 3 Lag 4 rss 59.0760 54.2130 53.5040 50.4210 T 24 24 24 24 SICp 1.0332 1.0797 1.1990 1.2720 Penghitungan SIC SYS-GMM dengan karakteristik ukuran aset, likuiditas, kapital Lag 1 Lag 2 Lag 3 Lag 4 rss 64.9390 60.1760 55.9020 59.6820 T 24 24 24 24 SICp 1.1278 1.1841 1.2428 1.4407 Keterangan : cetak tebal menunjukkan nilai SIC minimum Hasil dari AIC untuk panjang lag dengan model 3.31 menunjukkan ketidakkonsistenan antara kesimpulan lag yang sesuai yang didapat dengan model yang diestimasi menggunakan metode FD-GMM dan SYS-GMM. Oleh karena itu, penelitian ini akan menggunakan hasil penghitungan SIC yang konsisten antara kesimpulan lag dengan menggunakan hasil estimasi metode FD-GMM maupun dengan metode SYS-GMM. Hasil penghitungan membuktikan bahwa lag satu memiliki SIC paling minimum dibandingkan dengan lag dua, lag tiga maupun lag empat. Dari hasil SIC tersebut, maka penelitian ini menggunakan lag satu dalam mengestimasi model dinamis.