DETEKSI DINI RISIKO SISTEMIK PADA PERBAN
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
DETEKSI DINI RISIKO SISTEMIK PADA PERBANKAN SYARIAH MENGGUNAKAN
MODEL PROBIT BERDASARKAN RISIKO ENDOGEN
Alfiana and Erizal
Fakultas Bisnis dan Manajemen
Universitas Widyatama,
alfiana.dra@widyatama.ac.id
erizal@widyatama.ac.id
Abstrak
Menurunnya kinerja keuangan perbankan syariah
mengakibatkan perbankan syariah harus
diperhitungkan dalam mendeteksi risiko sistemik di Indonesia karena secara tidak langsung akan
mengganggu stabilitas sistem keuangan. Penelitian ini menggunakan
model probit untuk
mendeteksi risiko sistemik dengan sumber data dari statistik perbankan syariah meliputi bank run,
contagion, risiko kredit, risiko likuiditas, dan risiko ketersediaan modal dimana tujuan penelitian
adalah mencari variabel yang dapat mendeteksi risiko sistemik. Hasil penelitian menunjukan hanya
contagion yang dapat mendeteksi risiko sistemik
deteksi risiko sistemik
dengan arah yang negatif, tingkat ketepatan
86,64%, dan memenuhi uji
ketepatan model Pergerakan variabel
variabel penelitian berkontribusi pada pergerakan variabel risiko sistemik adalah sebesar 37,98%
sisanya di deteksi dari variabel lain yang
belum diteliti pada penelitian ini. Penelitian ini
berkontribusi pada bankir perbankan syariah dan bank sentral untuk memelihara risiko endogen
terutama contagion dalam menghindari risiko sistemik dan menurunkan efek risiko sistemik agar
terhindari dari bank yang berdampak sistemik.
Keywords : risiko sistemik,, bank run, contagion, risiko likuiditas , risiko kredit,
risiko ketersediaan modal, perbankan syariah, probit
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
1.
Latar Belakang Penelitian
Tingginya proporsi aset perbankan dalam lembaga keuangan di Indonesia akan menyebabkan
gangguan dalam sistem keuangan apabila perbankan mengalami gangguan.
Gambar 1 : Pangsa Aset Lembaga Keuangan
Sumber : Bank Indonesia, Kajian Stabiitas Keuangan (2016)
Sistem perbankan Indonesia menganut dual bank system yaitu tersedianya dua sistem
perbankan secara berdampingan yaitu bank syariah dan bank konvensional sehingga memberikan
transaksi keuangan yang lengkap bagi masyarakat. Jumlah dan aset perbankan adalah sebagai
berikut :
2010
Jumlah Bank Konvensional
Aset Bank Konvensional (miliar Rupiah)
Jumlah Bank Syariah
Aset Bank Syariah (miliar Rupiah)
2011
2012
2013
2014
2015
Apr-16
122
120
120
120
119
118
118
3,008,853 3,652,832 4,262,587 4,954,467 5,615,150 6,132,583 6,180,703
11
11
11
11
12
12
12
97,519
145,467
195,018
242,276
204,961
213,423
212,298
Tabel 1 : Jumlah dan Aset Bank Konvensional dan Bank Syariah
Sumber : Bank Indonesia, Statistik Sistem Keuangan Indonesia dan Statistik
Perbankan syariah (2016)
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Dari tabel 1 terlihat adanya gap yaitu
jumlah bank konvensional mengalami penurunan
tapi terjadi peningkatan nilai aset, sedangkan jumlah bank syariah mengalami kenaikan namun
terjadi penurunan nilai aset. Beberapa indikator kinerja perbankan adalah sebagai berikut :
Gambar 2 : Pertumbuhan Aset
Gambar 3 : Capital Adequacy Ratio
:
:
Gambar 4 : Net Operation Margin
Gambar 5 : Return on Aset
Gambar 6 : BOPO
Sumber : Bank Indonesia, statistik perbankan Indonesia dan statistik
perbankan syariah (2016)
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Gambar 2 menunjukan bahwa pertumbuhan perbankan syariah yang lebih rendah dari
perbankan konvensional dimana terdapat
pertumbuhan aset yang negatif. Gambar 3 menunjukan
bahwa ketercukupan modal perbankan konvensional dan syariah diatas standar yang berlaku
namum perbankan syariah menunjukkan CAR yang lebih rendah. Gambar 4 menunjukan net
operation margin
menunjukkan
perbankan syariah yang rendah dan mengalami penurunan.
Return on Asset
Gambar 5
perbankan syariah yang mengalami penurunan. Gambar 6
menunjukkan BOPO ( rasio antara biaya operasional dengan pendapatan operasiona) perbankan
syariah yang tinggi dimana menunjukkan ketidakefisienan. Dari gambaran diatas terihat bahwa
kinerja perbankan syariah lebih rendah dibandingkan kinerja perbankan konvensional. Kinerja
perbankan syariah yang relatif rendah dan menurun , akan menimbulkan gangguan dalam sistem
keuangan yang pada akhirnya akan mengganggu stabilitas sistem keuangan. Gap kedua berkaitan
dengan definisi bank sistemik pada Undang-Undang Republik Indonesia no 9 tahun 2016 tentang
pencegahan dan penanganan krisis sistem keuangan menyatakan bahwa bank sistemik adalah bank
karena ukuran aset, modal dan kewajiban, luas jaringan atau kompleksitas transaksi atas jasa
perbankan, serta keterkaitan dengan sektor keuangan lain dapat mengakibatkan gagalnya sebagian
atau keseluruhan bank lain atau sektor jasa keuangan baik secara operasional maupun finansial jika
bank tersebut mengalami gangguan atau gagal. Definisi bank sistemik ini dterlihat bahwa bank
sistemik terkait dengan aset yang besar, tetapi pendapat De Bandt dan Harmann (2000) menyatakan
peristiwa sistemik yang dipentingkan karena akan menghasilkan gangguan. Jadi aset bank besar
tidak ada masalah pada sistem keuangan kecuali adanya peristiwa sistemik, sehingga aset perbankan
syariah yang dibaawa 4% dari perbankan konvensional punya dampak terhadap risiko sistemik.
Krisis keuangan, krisis perbankan, krisis keuangan sistemik, risiko perbankan sistemik, krisis
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
perbankan sistemik, risiko sistemik perbankan, ketidakstabilan keuangan akut adalah sinonim dari
istilah risiko sistemik
dalam bidang manajemen keuangan yang sering dipertukarkan dalam
penelitian pendahuluan berdasarkan penelitian Alfiana et al (2015) sehingga semua yang berkaitan
dengan istilah tersebut diatas, akan terkait dengan risiko sistemik. Alfiana et al (2016) telah
meneliti dampak risiko eksogen dan risiko endogen terhadap risiko sistemik di Indonesia
menggunakan data perbankan konvensional. Alfiana dan Permatasari A, (2016) telah meneliti
efek risiko endogen terhadap risiko sistemik pada perbankan syariah dengan menggunakan regresi
berganda. namun belum dicoba menggunakan model probit/ regresi probit padahal berdasarkan
Yucel (2012) ada 124 metodologi populer sebagai indikasi peringatan dini termasuk didalamnya
penggunaan regresi probit. Tujuan menelitian ini untuk mendeteksi risiko sistemik pada perbankan
syariah melalui risiko kredit, risiko ketersediaan modal, risiko likuiditas, bank run, dan contagion
dengan menggunakan regresi probit serta menggunakan data sekunder dari statistik perbankan
syariah
Kebaharuan penelitian ini adalah penggunaan regresi probit untuk mendeteksi risiko sistemik
pada perbankan syariah di Indonesia dengan proksi risiko sistemik yaitu terjadinya penurunan
pembiayaan selama periode penelitian yang merupakan salah satu dari 6 proksi risiko sistemik
yang di kemukakan oleh Alfiana et al (2015). Penelitian ini dilakukan untuk mengisi kekosongan
penelitian risiko sistemik di perbankan syariah yang berguna bagi pengelola perbankan syariah,
bank central dan otoritas jasa keuangan dalam memelihara risiko risiko yang terjadi perbankan
dan memperkaya khasanah penelitian risiko sistemik di Indonesia untuk pemerhati dan peneliti
2.
Kajian Pustaka
2.1.
Risiko endogen
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Hauben, Kakes dan Schinasi (2004), Schinasi (2005) membagi ketidakstabilan keuangan
menjadi risiko endogen dan risiko eksogen . Risiko endogen adalah risiko yang tergantung pada
tindakan tindakan komponen dalam sistim keuangan oleh karena itu termasuk risiko yang berada
di dalam sistim keuangan.
Bank Indonesia (2007) mengemukakan bahwa risiko endogen
merupakan sumber ketidakstabilan keuangan . Hauben, Kakes dan Schinasi (2004), Schinasi (2005)
mengemukaan bahwa risiko endogen dalam sistem keuangan ada 3 jenis yaitu berdasarkan institusi,
pasar dan infrastruktur. Risiko kredit, risiko ketersediaan modal dan risiko likuiditas termasuk
risiko yang ada pada institusi keuangan, Contagion termasuk risiko yang terjadi pasar dan bank run
termasuk risiko yang ada pada infrastructure.
2.2.
Risiko Sistemik
Risiko Sistemik didefinisikan sebagai potensi instabilitas akibat terjadinya gangguan yang
menular (contagion) pada sebagian atau seluruh sistem keuangan karena interaksi dari ukuran (size),
kompleksitas usaha (complexity) dan keterkaitan (interconnectedness) antar institusi dan/ atau pasar
keuangan serta kecenderungan perilaku yang berlebihan dari pelaku/ institusi keuangan untuk
mengikuti siklus ekonomi (procyclicality). (Bank Indonesia, 2014)
Dampak dari terjadinya risiko sistemik adalah
(1)
terjadi distorsi pasokan kredit
dan modal untuk ekonomi riil (Adrian dan
Brunermeir (2009,1))
(2) adanya konsekuensi potensi yang merugikan ketersediaan kredit kepada ekonomi
riil. (Adrian dan Brunermeir (2011,1))
(3) terjadi pengurangan intermediasi
pasokan modal
(Acharya (2009) dalam Eijffinger (2009,4))
tersebut untuk ekonomi riil.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
(4) mengarah ke penurunan ketersediaan kredit, yang memiliki potensi untuk
mempengaruhi ekonomi riil. Acharya (2011b,1)
Dari ke 4 dampak dari risiko sistemik diatas, penurunan kredit/ pembiayaan dapat dijadikan
proxy risiko sistemik sesuai dengan Alfiana et al (2015a)
2.3
Hubungan risiko sistemik dengan risiko endogen
Dari hasil penelitian pendahuluan didapat hubungan arah antara risiko sistemik dengan
risiko endogen sebagai berikut :
PENELITI
RISIKO ENDOGEN
Risiko
kredit
Risiko
likuiditas
+
+
+
Risiko
ketersediaan
modal
Kaminsky and Reinhart (1999,9)
Gonzalez dan Hermosillo (1999,48-49)
Edison (2003,57)
Cihak dan Slaeck (2007,22&26)
Poghosyan dan Cihak (2009,20)
Oet,
Bianco,
Gramlich
Ong
(2013,13&14)
Alfiana, Erni, Sutisna, Dian (2015a,1)
Bank
Run
Contagion
+
+/ +/_
+
+
+
+
+
+/-
Alfiana Erni, Sutisna, Dian(2015b,1)
Alfiana (2015c,1)
Alfiana (2016a,1)
Alfiana (2016b,1)
Alfiana, Vincentia, Aryanti (2016c,1)
Alfiana , Ernie , Sutisna ,Dian (2016d,1)
Alfiana, Anggiani Permatasari (2016e,1)
+/+/+/+/-
+
+
+
+
+
+
Tabel 2 : Hubungan risiko sistemik dengan risiko endogen
Sumber : Rangkuman hasil penelitian terdahulu
Risiko endogen dalam peneitian ini diwakili oleh bank run, contagion, risiko kredit, risiko
likuiditas, dan risiko ketersediaan modal.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
3.
Methodologi
Penelitian ini menggunakan deskriptif verifikatif dimana menggunakan data sekunder dari
statistik perbankan syariah selama
76 bulan mulai Januari 2010 sampai April 2016 . Penelitian ini
menggunakan Regresi probit dengan variabel independent adalah risiko kredit, risiko likuiditas,
risiko ketersediaan modal, bank run dan contagion, sedangkan variabel dependent adalah risiko
sistemik.
Hipotesis yang diajukan secara parsial adalah sebagai berikut :
H1 : bank run dapat mendeteksi terjadinya risiko sistemik
H2 : contagion dapat mendeteksi terjadinya risiko sistemik
H3 : risiko kredit dapat mendekteksi terjadinya risiko sistemik
H4 : risiko likuiditas dapat mendeteksi terjadinya risiko sistemik
H5 : risiko ketersediaan modal dapat mendeteksi terjadinya risiko sistemik
Hipotesis yang diajukan secara simultan adalah sebagai berikut
H6 : bank run , contagion , risiko kredit, risiko likuiditas dan risiko ketersediaan modal secara
simultan dapat mendeteksi terjadinya risiko sistemik
Model Regresi Probit
Persamaan regresi probit sederhana satu variabel adalah sebagai berikut :
Dengan asumsi normalitas, probabilitas Ii yang lebih kecil atau sama dengan Ii dapat dihitung
berdasarkan distribusi normal CDF berikut ini:
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
merupakan probabilitas terjadinya peristiwa risiko sistemik pada suatu nilai X
(variabel independen) dan
adalah variabel normal standar yaitu
. F adalah CDF
normal standar yang dapat dituliskan:
Kerangka kerja adalah sebagai berikut :
Gambar 7
: Kerangka kerja
Sumber
: Rangkuman hubungan antar variabel dari penelitian terdahulu
4.
Hasil Penelitian dan Diskusi
Selama periode penelitian, data penelitian dari statistik perbankan syariah adalah sebagai
berikut :
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
SYSTEMIC RISK
BANK RUN
2
.12
.10
.08
.06
.04
1
.02
.00
-.02
-.04
0
-.06
2010
2011
2012
2013
2014
2015
2016
2010
2011
2012
2013
2014
2015
2016
Gambar 8 : Pergerakan risiko sistemik
Gambar 9 : Pergerakan bank run
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
CREDIT RISK
CONTAGION
.060
.08
.055
.07
.050
.045
.06
.040
.05
.035
.030
.04
.025
.020
.03
2010
2011
2012
2013
2014
2015
2010
2016
2011
2012
2013
2014
2015
2016
Gambar 10 : Contagion
Gambar 11 : Risiko Kredit
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
CAPITAL ADEQUACY RISK
LIQUIDITY RISK
1.050
.22
1.025
.20
1.000
.18
0.975
0.950
.16
0.925
.14
0.900
.12
0.875
0.850
2010
2011
2012
2013
2014
2015
2016
.10
2010
2011
2012
2013
2014
2015
2016
Gambar 12 : Risiko Likuiditas
Gambar 13 : Risiko Ketersediaan Modal
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Gambar 8,9,10,11,12 dan13 mempresentasikan pergerakan dan perubahan setiap variabel
selama periode penelitian.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
4.1. Uji regresi probit secara parsial
Uji regresi probit secara parsial di presentasikan pada tabel 3 berikut :
variabel
koefisien
Std. Error z-Statistic
Prob.
Kesimpulan
C
-4.021189
8.354961 -0.481294
0.6303
BANK RUN
-18.39612
11.80972 -1.557710
0.1193
Terima Ho
CONTAGION
-168.0820
81.24523 -2.068823
0.0386
Tolak Ho
RISIKO KREDIT
-15.29198
36.98877 -0.413422
0.6793
Terima Ho
RISIKO LIKUIDITAS 14.02830
9.580669 1.464230
0.1431
Terima Ho
RISIKO KETERSEDIAAN -9.912824
MODAL
28.46804 -0.348209
0.7277
Terima Ho
Tabel 3 : Hasil Uji Regresi Model Probit
Sumber :
Hasil Pengolahan Data
Dari tabel 3 terlihat uji regresi probit parsial bahwa hanya variabel contagion yang dapat
mendeteksi risiko sistemik menggunakan regresi probit, dimana Prob sebesar 0.0386 dimana lebih
kecil dari 5%, artinya Ho yang menyatakan bahwa contagion tidak dapat mendeteksi risiko
sistemik ditolak,
dan H1 di terima yang artinya contagion dapat mendeteksi risiko sistemik.
Variabel bank run, risiko kredit, risiko likuiditas dan risiko ketersediaan modal tidak signifikan
mendeteksi risiko sistemik dikarenakan Prob lebih besar dari 5%.. Model Regresi Probit yang
terbentuk adalah sebagai berikut :
Risiko Sistemik = -4.021189 - 18.39612 bank run - 168.0820 contagion 15.29198 risiko kredit + 14.02830 risiko likuiditas -9.912824
risiko ketersediaan modal
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
4.2.
Uji Likelihood Ratio (LR) Statistic
Uji Likelihood Ratio (LR) Statistic menggunakan hipotesis sebagai berikut :
H0: β1 = β2 = β3 = β4 = β5 = 0
H1 : Tidak semua βi (i = 1, 2, 3, 4, 5) sama dengan nol.
Hasil pengolahan data di dapat nilai sebagai berikut :
Nilai
Likelihood Ratio
21.00470
Prob.
0.000808
Tabel 4 : Uji Likelihood Ratio (LR) Statistic
Sumber : Hasil Pengolahan data menggunakan Eview
Berdasarkan tabel 4 di atas didapat nilai Likelihood Ratio (LR) statistic sebesar 21,00470
yang signifikan pada taraf 5% dengan nilai probabilitas sebesar 0,000808. Hal ini menunjukkan
bahwa secara simultan,
Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal, dapat mendeteksi Risiko Sistemik.
4.3.
Uji McFadden R-squared
Uji McFadden R-squared
pada tabel 5 menunjukkan bahwa pergerakan variabel Bank
run, Contagion Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan Modal, dapat mendeteksi
pergerakan Risiko Sistemik sebesar 37,98%, sisanya 62,02 % dipengaruhi oleh variabel lain yang
tidak diteliti dalam peneitian ini.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Nilai
McFadden R-squared
0.379883
Tabel 5 : Uji McFadden R-squared
Sumber : Hasil Pengolahan data menggunakan Eview
4.4.
Uji Kelayakan Model
Model regresi probit untuk mendeteksi risiko sistemik yang dibentuk mengikuti hipotesis
berikut :
H0: Model regresi probit memenuhi kriteria kelayakan model
H1 : Model rregresi probit tidak memenuhi kriteris kelayakan model
Nilai
Hosmer-Lemeshow
Statistic
1.9491
Prob.
0.9825
Tabel 6 : Hasil Uji Kelayakan Model
Sumber : Hasil Pengolahan Data dengan EViews
Berdasarkan tabel 6 di atas, didapat nilai Hosmer-Lemeshow sebesar 1,9491 dengan nilai
probabilitas sebesar 0,9825. Dikarenakan nilai probabilitas tersebut lebih besar dari
taraf
signifikansi 5% (0,9825 > 0,05), maka hipotesis nol diterima dan dapat dinyatakan bahwa regresi
model probit telah memenuhi kriteria fit yang baik.
4.5.
Uji Ketepatan Prediksi
Uji ketepatan model regresi probit disajikan pada tabel 7. Dari
67 observasi variabel
dependen yang terkategori 0 (tidak terjadi risiko sistemik), sebanyak 64 observasi diantaranya
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
terprediksi secara akurat di bawah nilai cutoff (P ≤ 0,5) dan sebanyak 3 observasi sisanya meleset di
atas nilai cutoff (P > 0,5). Dari sebanyak 9 observasi variabel dependen yang terkategori 1 (terjadi
risiko sistemik), sebanyak 7 observasi diantaranya terprediksi meleset di bawah nilai cutoff (P ≤
0,5) dan sebanyak 2 observasi yang terprediksi secara akurat di atas nilai cutoff (P > 0,5). Dengan
demikian, dari total sebanyak 76 observasi yang diteliti, sebanyak 66 observasi diantaranya
terprediksi secara akurat dan sebanyak 10 observasi sisanya terprediksi meleset, sehingga
didapatkan persentase tingkat ketepatan prediksi sebesar 0,8684 = 86,84%. Hasil pengolahan data
di dapat uji ketepatan prediksi sebagai berikut :
Success cutoff: C = 0.5
Estimated Equation
Dep=0
Dep=1
Total
P(Dep=1)C
3
2
5
Total
67
9
76
Correct
64
2
66
% Correct
95.52
22.22
86.84
% Incorrect
4.48
77.78
13.16
Total Gain*
-4.48
22.22
-1.32
NA
22.22
-11.11
Percent Gain**
Tabel 7 :
Hasil Uji Ketepatan Prediksi
Sumber : Hasil Pengolahan Data dengan EViews
4.6
Diskusi
Berdasarkan uji regresi probit secara parsial, hanya contagion yang dapat mendeteksi risiko
sistemik pada perbankan syariah dengan arah yang negatif. Hal ini sesuai dengan hasil penelitian
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
pendahuluan pada tabel 2.
Alfiana telah banyak melalukan penelitian menggunakan variabel
contagion pada berbagai metodologi , data , proksi risiko sistemik dan gabungan dengan variabel
lain. Alfiana (2015c,1) menggunakan data pada perbankan konvensional menggunakan 6 proksi
risiko sistemik dan salah satunya didapat hubungan negatif antara risiko sistemik dan contagion.
Hal ini menunjukkan suatu yang berbeda dengan penelitian menggunakan variabel contagion
lainnya. Penelitian Poghosyan dan Cihak (2009,20), Oet, Bianco, Gramlich Ong (2013,13&14) ,
Alfiana, Vincentia, Aryanti (2016c,1) , Alfiana , Ernie , Sutisna ,Dian (2016d,1) mendapatkan
adanya hubungan positif antara risiko sistemik dengan contagion.
Bank run, Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan Modal, pada peneitian
ini tidak dapat mendeteksi risiko sistemik. Uji Likelihood Ratio (LR) Statistic menyatakan bahwa
secara simultan Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan
Modal dapat mendeteksi risiko sistemik. Uji McFadden R-squared
pergerakan variabel
Bank run, Contagion
menunjukkan
bahwa
Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal, dapat mendeteksi pergerakan Risiko Sistemik sebesar 37,98%, sisanya 62,02
% dipengaruhi oleh variabel lain yang tidak diteliti dalam peneitian ini. Rendahnya Uji McFadden
R-squared dikarenakan banyak faktor yang dapat mendeteksi risiko sistemik dan peneitian ini
hanya menggunakan data perbankan. Ada banyak institusi dalam sistem keuangan.
Uji Kelayakan Model (goodness of fit test) menyatakan bahwa regresi model probit telah
memenuhi kriteria fit yang baik. Uji ketepatan model didapatkan persentase tingkat ketepatan
prediksi mode regresi probit yang terbentuk sebesar 86,84%.
Untuk bank sental, otoritas jasa keuangan, praktisi perbankan, definisi bank sistemik dan
risiko sistemik yang terkait dengan contagion (gangguan yang menular) didapatkan hasil yang
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
positif dan negatif terhadap risiko sistemik tergantung metodologi, data, periode data, proksi risiko
sistemik yang digunakan namun harus selalu dipantau agar tidak mengganggu stabilitas sistem
keuangan.
5.
Kesimpulan
Semua variabel ( Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal) berfluktuasi selama periode penelitian Januari 2010- April 2016. Metode
regresi probit dengan data perbankan syariah menggunakan proksi penurunan pembiayaan untuk
risiko sistemik, secara parsial hanya menghasilkan
risiko sistemik dengan hubungan
variabel contagion yang dapat mendeteksi
arah yang negatif . Semua variabel secara simultan dapat
mendeteksi pergerakan risiko sistemik sebesar 37,98% . Peneitian ini
telah memenuhi uji
kelayakan model dan uji ketepatan model regresi probit sebesar 86,84%.
Penelitian ini berguna bagi pemerhati dan peneliti dan dapat mengembangkan penelitian ini
dengan menggunakan metodologi, variabel, data, proksi yang berbeda karena topik penelitian ini
masih jarang dilakukan di Indonesia walaupun topik ini merupakan masalah disemua negara di
dunia.
Penelitian ini berguna bagi bank sental, otoritas jasa keuangan, praktisi perbankan untuk
memantau risiko endogen terutama contagion pada perekonomian agar terjadi stabilitas pada sistem
keuangan.
DAFTAR PUSTAKA
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Adrian, T., Brunnermeier, M.K. ( 2009) CoVaR , working paper Staff Report Federal Reserve Bank
of New York, No. 348 Septemebr,
Adrian, T., Brunnermeier, M.K. (2011). CoVaR. NBER Working Papers No. 17454, National
Bureau of Economic Research.
Acharya,V.V., (2011) Systemic risk and Macro-Prudential Regulation. New York University Stern
School of Business, Center for Economic Policy Research (CEPR) & National Bureau of
Economic Research (NBER), March,
Alfiana, Erni Tisnawati Sule, Sutisna, Dian Masyita, (2015a), Credit Risk Influence on Systemic
Risk in Indonesia Banking System, Preceeding of 4th International Conference on
Management, Finance and Entrepreneurship ICMFE-2015, Medan 11-12 April 2015, ISSN
2311-6269 pp 267-274
Alfiana, Erni Tisnawati Sule, Sutisna, Dian Masyita, (2015b), A Bank Runs influence on Systemic
Risk in Indonesian Banking, Abstract Book 7th International Conference on Economics and
Social Sciences ICESS-2015, Penang, Malaysia, May 16-17, 2015, ISSN 2307-7549, p.7
Alfiana (2015,c) Contagion and Systemic Risks : The Case of Indonesian Banking, Program
Conference and ABSTRACT The Global Advanced Research Conference on Management
and Business Studies (GARCOMBS) Bali, Indonesia, October 14th-15th 2015
Alfiana, Vincentia Wahyu Widayatun, Aryanti Sariartha Sianipar,(2016) Determinan faktor faktor
yang mempengaruhi ketidakstabilan keuangan di Indonesia. Proceeding Seminar Nasional
Keuangan Perbankan 1 (SNKP 1), 28-29 April 2016 Jakarta, Indonesia, 2016 ISBN 978979-9022-13-4 p.3
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Alfiana, Ernie Tisnawati sule, Sutisna, dian Masyita (2016), Impact of Exogenous and Endogenous
Risks on Systemic Risk in Indonesian Banking, Journal of
Scientific & Technology
Research Volume 5 issue 5,May 2016 ISSN 2277-8616 pp 77-82
Alfiana dan Anggiani Permatasari (2016), Effect of endogenous risk on systemic risk in Indonesia
islamic banking,
Proceeding of International Conference on Islamic Economics ,
Management, Accounting, Business and Social Science ICIEMABS 2016, Batam 10-11
Agustus 2016 ISBN 9786027494206 pp 298-306
Bank Indonesia, Stabilitas Sistem Keuangan, Apa, Mengapa, dan Bagaimana? Bank Indonesia
Jakarta. 2007
Bank Indonesia (2010), Statistik Perbankan Syariah, Desember 2010
Bank Indonesia (2011), Statistik Perbankan Syariah , Desember 2011
Bank Indonesia (2012), Statistik Perbankan Syariah, Desember 2012
Bank Indonesia (2013), Statistik Perbankan Syariah, Desember 2013
Bank Indonesia (2014), Statistik Perbankan Syariah Desember 2014
Bank Indonesia (2014) Kajian Stabilitas Keuangan No. 22 Maret 2014. Bank Indonesia. Jakarta
Bank Indonesia (2015), Statistik Perbankan Syariah , Desember 2015
Bank Indonesia (2016), Statistik Perbankan Syariah , April 2016
Bank Indonesia (2016) Statistik Sistem Keuangan Indonesia, April 2016
Cihak, Martin dan Klaus Shaeck (2007) How Well Do Aggregate Bank Ratios Identify Banking
Problems? , IMF Working Paper WP/07/275
De Bandt, O., Hartmann, P. (2000) Systemic Risk: A Survey. European Central Bank Working Paper
No. 35.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Djikman, Miquel.(2010) A Framework for Assessing Systemic Risk, Policy Research Working
Paper 5282, The World , Bank Financial and private Sector Development,
Financial
Systems Department, April, 2010
Edison, Hali J. 2000, Do Indicator of financial crises work? An evaluation of an early warning
system, International Finance Discussion Paper Number 675, Board of Governors of the
Federal Reserve System. July
Eijffinger, C. W. Sylvester. (2009) Defining and Measuring Systemic Risk,
The European
Parliament’s Committee on Economic and Monetary Affairs. 2009
Gonzalez Brenda., Hermosillo.(1999) Developing Indicators to Provide Early Warnings of Banking
Crises. Finance & Development, June
Hauben, Aerdt.
Kakes, Jan. Schinasi,Garry. (2004) Toward a Framework for Safeguarding
Financial Stability. IMF Working Paper WP/04/01. June,
Kaminsky, G dan C M Reinhart. 1999)(. The twin crises: the causes of banking and balance-ofpayments problems, American Economic Review, vol 89 (3), pp 473-500
Markeloff, Richard., Warner, Geoffrey., Wollin, Elizabeth., (2012) Modeling Systemic Risk to the
Financial System, A review of Additional Literature. The MITRE Corporation.
Oet, Mikhail V., Bianco, T., Gramlich, D., Ong, Stephen J. (2013), SAFE : An early warning system
for systemic Banking risk. Journal of Banking & Finance , November 2013 p. 4510-4533
Poghosyan, Tigran dan Cihak,Martin.(2009) Distress in European Banks : An Analysis Based on a
New Data Set, IMF working Paper wp/09/9, January
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Schinasi, Garry J,.(2005)
Preserving Financial Stability, Economic Issues 36,
International
Monetary Fund, 2005 Undang-Undang Republik Indonesia no 9 tahun 2016 tentang
pencegahan dan penanganan krisis sistem keuangan
Undang-Undang Republik Indonesia no 9 tahun 2016 tentang pencegahan dan penanganan krisis
sistem keuangan
Yucel, Eray. 2011. A Review and Bibliography of Early Warning Models , MPRA Paper, Central
Bank of the Republic of Turkey , Agustus.
December 6-7, 2016, Malang
DETEKSI DINI RISIKO SISTEMIK PADA PERBANKAN SYARIAH MENGGUNAKAN
MODEL PROBIT BERDASARKAN RISIKO ENDOGEN
Alfiana and Erizal
Fakultas Bisnis dan Manajemen
Universitas Widyatama,
alfiana.dra@widyatama.ac.id
erizal@widyatama.ac.id
Abstrak
Menurunnya kinerja keuangan perbankan syariah
mengakibatkan perbankan syariah harus
diperhitungkan dalam mendeteksi risiko sistemik di Indonesia karena secara tidak langsung akan
mengganggu stabilitas sistem keuangan. Penelitian ini menggunakan
model probit untuk
mendeteksi risiko sistemik dengan sumber data dari statistik perbankan syariah meliputi bank run,
contagion, risiko kredit, risiko likuiditas, dan risiko ketersediaan modal dimana tujuan penelitian
adalah mencari variabel yang dapat mendeteksi risiko sistemik. Hasil penelitian menunjukan hanya
contagion yang dapat mendeteksi risiko sistemik
deteksi risiko sistemik
dengan arah yang negatif, tingkat ketepatan
86,64%, dan memenuhi uji
ketepatan model Pergerakan variabel
variabel penelitian berkontribusi pada pergerakan variabel risiko sistemik adalah sebesar 37,98%
sisanya di deteksi dari variabel lain yang
belum diteliti pada penelitian ini. Penelitian ini
berkontribusi pada bankir perbankan syariah dan bank sentral untuk memelihara risiko endogen
terutama contagion dalam menghindari risiko sistemik dan menurunkan efek risiko sistemik agar
terhindari dari bank yang berdampak sistemik.
Keywords : risiko sistemik,, bank run, contagion, risiko likuiditas , risiko kredit,
risiko ketersediaan modal, perbankan syariah, probit
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
1.
Latar Belakang Penelitian
Tingginya proporsi aset perbankan dalam lembaga keuangan di Indonesia akan menyebabkan
gangguan dalam sistem keuangan apabila perbankan mengalami gangguan.
Gambar 1 : Pangsa Aset Lembaga Keuangan
Sumber : Bank Indonesia, Kajian Stabiitas Keuangan (2016)
Sistem perbankan Indonesia menganut dual bank system yaitu tersedianya dua sistem
perbankan secara berdampingan yaitu bank syariah dan bank konvensional sehingga memberikan
transaksi keuangan yang lengkap bagi masyarakat. Jumlah dan aset perbankan adalah sebagai
berikut :
2010
Jumlah Bank Konvensional
Aset Bank Konvensional (miliar Rupiah)
Jumlah Bank Syariah
Aset Bank Syariah (miliar Rupiah)
2011
2012
2013
2014
2015
Apr-16
122
120
120
120
119
118
118
3,008,853 3,652,832 4,262,587 4,954,467 5,615,150 6,132,583 6,180,703
11
11
11
11
12
12
12
97,519
145,467
195,018
242,276
204,961
213,423
212,298
Tabel 1 : Jumlah dan Aset Bank Konvensional dan Bank Syariah
Sumber : Bank Indonesia, Statistik Sistem Keuangan Indonesia dan Statistik
Perbankan syariah (2016)
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Dari tabel 1 terlihat adanya gap yaitu
jumlah bank konvensional mengalami penurunan
tapi terjadi peningkatan nilai aset, sedangkan jumlah bank syariah mengalami kenaikan namun
terjadi penurunan nilai aset. Beberapa indikator kinerja perbankan adalah sebagai berikut :
Gambar 2 : Pertumbuhan Aset
Gambar 3 : Capital Adequacy Ratio
:
:
Gambar 4 : Net Operation Margin
Gambar 5 : Return on Aset
Gambar 6 : BOPO
Sumber : Bank Indonesia, statistik perbankan Indonesia dan statistik
perbankan syariah (2016)
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Gambar 2 menunjukan bahwa pertumbuhan perbankan syariah yang lebih rendah dari
perbankan konvensional dimana terdapat
pertumbuhan aset yang negatif. Gambar 3 menunjukan
bahwa ketercukupan modal perbankan konvensional dan syariah diatas standar yang berlaku
namum perbankan syariah menunjukkan CAR yang lebih rendah. Gambar 4 menunjukan net
operation margin
menunjukkan
perbankan syariah yang rendah dan mengalami penurunan.
Return on Asset
Gambar 5
perbankan syariah yang mengalami penurunan. Gambar 6
menunjukkan BOPO ( rasio antara biaya operasional dengan pendapatan operasiona) perbankan
syariah yang tinggi dimana menunjukkan ketidakefisienan. Dari gambaran diatas terihat bahwa
kinerja perbankan syariah lebih rendah dibandingkan kinerja perbankan konvensional. Kinerja
perbankan syariah yang relatif rendah dan menurun , akan menimbulkan gangguan dalam sistem
keuangan yang pada akhirnya akan mengganggu stabilitas sistem keuangan. Gap kedua berkaitan
dengan definisi bank sistemik pada Undang-Undang Republik Indonesia no 9 tahun 2016 tentang
pencegahan dan penanganan krisis sistem keuangan menyatakan bahwa bank sistemik adalah bank
karena ukuran aset, modal dan kewajiban, luas jaringan atau kompleksitas transaksi atas jasa
perbankan, serta keterkaitan dengan sektor keuangan lain dapat mengakibatkan gagalnya sebagian
atau keseluruhan bank lain atau sektor jasa keuangan baik secara operasional maupun finansial jika
bank tersebut mengalami gangguan atau gagal. Definisi bank sistemik ini dterlihat bahwa bank
sistemik terkait dengan aset yang besar, tetapi pendapat De Bandt dan Harmann (2000) menyatakan
peristiwa sistemik yang dipentingkan karena akan menghasilkan gangguan. Jadi aset bank besar
tidak ada masalah pada sistem keuangan kecuali adanya peristiwa sistemik, sehingga aset perbankan
syariah yang dibaawa 4% dari perbankan konvensional punya dampak terhadap risiko sistemik.
Krisis keuangan, krisis perbankan, krisis keuangan sistemik, risiko perbankan sistemik, krisis
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
perbankan sistemik, risiko sistemik perbankan, ketidakstabilan keuangan akut adalah sinonim dari
istilah risiko sistemik
dalam bidang manajemen keuangan yang sering dipertukarkan dalam
penelitian pendahuluan berdasarkan penelitian Alfiana et al (2015) sehingga semua yang berkaitan
dengan istilah tersebut diatas, akan terkait dengan risiko sistemik. Alfiana et al (2016) telah
meneliti dampak risiko eksogen dan risiko endogen terhadap risiko sistemik di Indonesia
menggunakan data perbankan konvensional. Alfiana dan Permatasari A, (2016) telah meneliti
efek risiko endogen terhadap risiko sistemik pada perbankan syariah dengan menggunakan regresi
berganda. namun belum dicoba menggunakan model probit/ regresi probit padahal berdasarkan
Yucel (2012) ada 124 metodologi populer sebagai indikasi peringatan dini termasuk didalamnya
penggunaan regresi probit. Tujuan menelitian ini untuk mendeteksi risiko sistemik pada perbankan
syariah melalui risiko kredit, risiko ketersediaan modal, risiko likuiditas, bank run, dan contagion
dengan menggunakan regresi probit serta menggunakan data sekunder dari statistik perbankan
syariah
Kebaharuan penelitian ini adalah penggunaan regresi probit untuk mendeteksi risiko sistemik
pada perbankan syariah di Indonesia dengan proksi risiko sistemik yaitu terjadinya penurunan
pembiayaan selama periode penelitian yang merupakan salah satu dari 6 proksi risiko sistemik
yang di kemukakan oleh Alfiana et al (2015). Penelitian ini dilakukan untuk mengisi kekosongan
penelitian risiko sistemik di perbankan syariah yang berguna bagi pengelola perbankan syariah,
bank central dan otoritas jasa keuangan dalam memelihara risiko risiko yang terjadi perbankan
dan memperkaya khasanah penelitian risiko sistemik di Indonesia untuk pemerhati dan peneliti
2.
Kajian Pustaka
2.1.
Risiko endogen
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Hauben, Kakes dan Schinasi (2004), Schinasi (2005) membagi ketidakstabilan keuangan
menjadi risiko endogen dan risiko eksogen . Risiko endogen adalah risiko yang tergantung pada
tindakan tindakan komponen dalam sistim keuangan oleh karena itu termasuk risiko yang berada
di dalam sistim keuangan.
Bank Indonesia (2007) mengemukakan bahwa risiko endogen
merupakan sumber ketidakstabilan keuangan . Hauben, Kakes dan Schinasi (2004), Schinasi (2005)
mengemukaan bahwa risiko endogen dalam sistem keuangan ada 3 jenis yaitu berdasarkan institusi,
pasar dan infrastruktur. Risiko kredit, risiko ketersediaan modal dan risiko likuiditas termasuk
risiko yang ada pada institusi keuangan, Contagion termasuk risiko yang terjadi pasar dan bank run
termasuk risiko yang ada pada infrastructure.
2.2.
Risiko Sistemik
Risiko Sistemik didefinisikan sebagai potensi instabilitas akibat terjadinya gangguan yang
menular (contagion) pada sebagian atau seluruh sistem keuangan karena interaksi dari ukuran (size),
kompleksitas usaha (complexity) dan keterkaitan (interconnectedness) antar institusi dan/ atau pasar
keuangan serta kecenderungan perilaku yang berlebihan dari pelaku/ institusi keuangan untuk
mengikuti siklus ekonomi (procyclicality). (Bank Indonesia, 2014)
Dampak dari terjadinya risiko sistemik adalah
(1)
terjadi distorsi pasokan kredit
dan modal untuk ekonomi riil (Adrian dan
Brunermeir (2009,1))
(2) adanya konsekuensi potensi yang merugikan ketersediaan kredit kepada ekonomi
riil. (Adrian dan Brunermeir (2011,1))
(3) terjadi pengurangan intermediasi
pasokan modal
(Acharya (2009) dalam Eijffinger (2009,4))
tersebut untuk ekonomi riil.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
(4) mengarah ke penurunan ketersediaan kredit, yang memiliki potensi untuk
mempengaruhi ekonomi riil. Acharya (2011b,1)
Dari ke 4 dampak dari risiko sistemik diatas, penurunan kredit/ pembiayaan dapat dijadikan
proxy risiko sistemik sesuai dengan Alfiana et al (2015a)
2.3
Hubungan risiko sistemik dengan risiko endogen
Dari hasil penelitian pendahuluan didapat hubungan arah antara risiko sistemik dengan
risiko endogen sebagai berikut :
PENELITI
RISIKO ENDOGEN
Risiko
kredit
Risiko
likuiditas
+
+
+
Risiko
ketersediaan
modal
Kaminsky and Reinhart (1999,9)
Gonzalez dan Hermosillo (1999,48-49)
Edison (2003,57)
Cihak dan Slaeck (2007,22&26)
Poghosyan dan Cihak (2009,20)
Oet,
Bianco,
Gramlich
Ong
(2013,13&14)
Alfiana, Erni, Sutisna, Dian (2015a,1)
Bank
Run
Contagion
+
+/ +/_
+
+
+
+
+
+/-
Alfiana Erni, Sutisna, Dian(2015b,1)
Alfiana (2015c,1)
Alfiana (2016a,1)
Alfiana (2016b,1)
Alfiana, Vincentia, Aryanti (2016c,1)
Alfiana , Ernie , Sutisna ,Dian (2016d,1)
Alfiana, Anggiani Permatasari (2016e,1)
+/+/+/+/-
+
+
+
+
+
+
Tabel 2 : Hubungan risiko sistemik dengan risiko endogen
Sumber : Rangkuman hasil penelitian terdahulu
Risiko endogen dalam peneitian ini diwakili oleh bank run, contagion, risiko kredit, risiko
likuiditas, dan risiko ketersediaan modal.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
3.
Methodologi
Penelitian ini menggunakan deskriptif verifikatif dimana menggunakan data sekunder dari
statistik perbankan syariah selama
76 bulan mulai Januari 2010 sampai April 2016 . Penelitian ini
menggunakan Regresi probit dengan variabel independent adalah risiko kredit, risiko likuiditas,
risiko ketersediaan modal, bank run dan contagion, sedangkan variabel dependent adalah risiko
sistemik.
Hipotesis yang diajukan secara parsial adalah sebagai berikut :
H1 : bank run dapat mendeteksi terjadinya risiko sistemik
H2 : contagion dapat mendeteksi terjadinya risiko sistemik
H3 : risiko kredit dapat mendekteksi terjadinya risiko sistemik
H4 : risiko likuiditas dapat mendeteksi terjadinya risiko sistemik
H5 : risiko ketersediaan modal dapat mendeteksi terjadinya risiko sistemik
Hipotesis yang diajukan secara simultan adalah sebagai berikut
H6 : bank run , contagion , risiko kredit, risiko likuiditas dan risiko ketersediaan modal secara
simultan dapat mendeteksi terjadinya risiko sistemik
Model Regresi Probit
Persamaan regresi probit sederhana satu variabel adalah sebagai berikut :
Dengan asumsi normalitas, probabilitas Ii yang lebih kecil atau sama dengan Ii dapat dihitung
berdasarkan distribusi normal CDF berikut ini:
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
merupakan probabilitas terjadinya peristiwa risiko sistemik pada suatu nilai X
(variabel independen) dan
adalah variabel normal standar yaitu
. F adalah CDF
normal standar yang dapat dituliskan:
Kerangka kerja adalah sebagai berikut :
Gambar 7
: Kerangka kerja
Sumber
: Rangkuman hubungan antar variabel dari penelitian terdahulu
4.
Hasil Penelitian dan Diskusi
Selama periode penelitian, data penelitian dari statistik perbankan syariah adalah sebagai
berikut :
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
SYSTEMIC RISK
BANK RUN
2
.12
.10
.08
.06
.04
1
.02
.00
-.02
-.04
0
-.06
2010
2011
2012
2013
2014
2015
2016
2010
2011
2012
2013
2014
2015
2016
Gambar 8 : Pergerakan risiko sistemik
Gambar 9 : Pergerakan bank run
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
CREDIT RISK
CONTAGION
.060
.08
.055
.07
.050
.045
.06
.040
.05
.035
.030
.04
.025
.020
.03
2010
2011
2012
2013
2014
2015
2010
2016
2011
2012
2013
2014
2015
2016
Gambar 10 : Contagion
Gambar 11 : Risiko Kredit
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
CAPITAL ADEQUACY RISK
LIQUIDITY RISK
1.050
.22
1.025
.20
1.000
.18
0.975
0.950
.16
0.925
.14
0.900
.12
0.875
0.850
2010
2011
2012
2013
2014
2015
2016
.10
2010
2011
2012
2013
2014
2015
2016
Gambar 12 : Risiko Likuiditas
Gambar 13 : Risiko Ketersediaan Modal
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Sumber : Statistik Perbankan Syariah Jan
2010-Apri 2016
Gambar 8,9,10,11,12 dan13 mempresentasikan pergerakan dan perubahan setiap variabel
selama periode penelitian.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
4.1. Uji regresi probit secara parsial
Uji regresi probit secara parsial di presentasikan pada tabel 3 berikut :
variabel
koefisien
Std. Error z-Statistic
Prob.
Kesimpulan
C
-4.021189
8.354961 -0.481294
0.6303
BANK RUN
-18.39612
11.80972 -1.557710
0.1193
Terima Ho
CONTAGION
-168.0820
81.24523 -2.068823
0.0386
Tolak Ho
RISIKO KREDIT
-15.29198
36.98877 -0.413422
0.6793
Terima Ho
RISIKO LIKUIDITAS 14.02830
9.580669 1.464230
0.1431
Terima Ho
RISIKO KETERSEDIAAN -9.912824
MODAL
28.46804 -0.348209
0.7277
Terima Ho
Tabel 3 : Hasil Uji Regresi Model Probit
Sumber :
Hasil Pengolahan Data
Dari tabel 3 terlihat uji regresi probit parsial bahwa hanya variabel contagion yang dapat
mendeteksi risiko sistemik menggunakan regresi probit, dimana Prob sebesar 0.0386 dimana lebih
kecil dari 5%, artinya Ho yang menyatakan bahwa contagion tidak dapat mendeteksi risiko
sistemik ditolak,
dan H1 di terima yang artinya contagion dapat mendeteksi risiko sistemik.
Variabel bank run, risiko kredit, risiko likuiditas dan risiko ketersediaan modal tidak signifikan
mendeteksi risiko sistemik dikarenakan Prob lebih besar dari 5%.. Model Regresi Probit yang
terbentuk adalah sebagai berikut :
Risiko Sistemik = -4.021189 - 18.39612 bank run - 168.0820 contagion 15.29198 risiko kredit + 14.02830 risiko likuiditas -9.912824
risiko ketersediaan modal
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
4.2.
Uji Likelihood Ratio (LR) Statistic
Uji Likelihood Ratio (LR) Statistic menggunakan hipotesis sebagai berikut :
H0: β1 = β2 = β3 = β4 = β5 = 0
H1 : Tidak semua βi (i = 1, 2, 3, 4, 5) sama dengan nol.
Hasil pengolahan data di dapat nilai sebagai berikut :
Nilai
Likelihood Ratio
21.00470
Prob.
0.000808
Tabel 4 : Uji Likelihood Ratio (LR) Statistic
Sumber : Hasil Pengolahan data menggunakan Eview
Berdasarkan tabel 4 di atas didapat nilai Likelihood Ratio (LR) statistic sebesar 21,00470
yang signifikan pada taraf 5% dengan nilai probabilitas sebesar 0,000808. Hal ini menunjukkan
bahwa secara simultan,
Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal, dapat mendeteksi Risiko Sistemik.
4.3.
Uji McFadden R-squared
Uji McFadden R-squared
pada tabel 5 menunjukkan bahwa pergerakan variabel Bank
run, Contagion Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan Modal, dapat mendeteksi
pergerakan Risiko Sistemik sebesar 37,98%, sisanya 62,02 % dipengaruhi oleh variabel lain yang
tidak diteliti dalam peneitian ini.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Nilai
McFadden R-squared
0.379883
Tabel 5 : Uji McFadden R-squared
Sumber : Hasil Pengolahan data menggunakan Eview
4.4.
Uji Kelayakan Model
Model regresi probit untuk mendeteksi risiko sistemik yang dibentuk mengikuti hipotesis
berikut :
H0: Model regresi probit memenuhi kriteria kelayakan model
H1 : Model rregresi probit tidak memenuhi kriteris kelayakan model
Nilai
Hosmer-Lemeshow
Statistic
1.9491
Prob.
0.9825
Tabel 6 : Hasil Uji Kelayakan Model
Sumber : Hasil Pengolahan Data dengan EViews
Berdasarkan tabel 6 di atas, didapat nilai Hosmer-Lemeshow sebesar 1,9491 dengan nilai
probabilitas sebesar 0,9825. Dikarenakan nilai probabilitas tersebut lebih besar dari
taraf
signifikansi 5% (0,9825 > 0,05), maka hipotesis nol diterima dan dapat dinyatakan bahwa regresi
model probit telah memenuhi kriteria fit yang baik.
4.5.
Uji Ketepatan Prediksi
Uji ketepatan model regresi probit disajikan pada tabel 7. Dari
67 observasi variabel
dependen yang terkategori 0 (tidak terjadi risiko sistemik), sebanyak 64 observasi diantaranya
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
terprediksi secara akurat di bawah nilai cutoff (P ≤ 0,5) dan sebanyak 3 observasi sisanya meleset di
atas nilai cutoff (P > 0,5). Dari sebanyak 9 observasi variabel dependen yang terkategori 1 (terjadi
risiko sistemik), sebanyak 7 observasi diantaranya terprediksi meleset di bawah nilai cutoff (P ≤
0,5) dan sebanyak 2 observasi yang terprediksi secara akurat di atas nilai cutoff (P > 0,5). Dengan
demikian, dari total sebanyak 76 observasi yang diteliti, sebanyak 66 observasi diantaranya
terprediksi secara akurat dan sebanyak 10 observasi sisanya terprediksi meleset, sehingga
didapatkan persentase tingkat ketepatan prediksi sebesar 0,8684 = 86,84%. Hasil pengolahan data
di dapat uji ketepatan prediksi sebagai berikut :
Success cutoff: C = 0.5
Estimated Equation
Dep=0
Dep=1
Total
P(Dep=1)C
3
2
5
Total
67
9
76
Correct
64
2
66
% Correct
95.52
22.22
86.84
% Incorrect
4.48
77.78
13.16
Total Gain*
-4.48
22.22
-1.32
NA
22.22
-11.11
Percent Gain**
Tabel 7 :
Hasil Uji Ketepatan Prediksi
Sumber : Hasil Pengolahan Data dengan EViews
4.6
Diskusi
Berdasarkan uji regresi probit secara parsial, hanya contagion yang dapat mendeteksi risiko
sistemik pada perbankan syariah dengan arah yang negatif. Hal ini sesuai dengan hasil penelitian
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
pendahuluan pada tabel 2.
Alfiana telah banyak melalukan penelitian menggunakan variabel
contagion pada berbagai metodologi , data , proksi risiko sistemik dan gabungan dengan variabel
lain. Alfiana (2015c,1) menggunakan data pada perbankan konvensional menggunakan 6 proksi
risiko sistemik dan salah satunya didapat hubungan negatif antara risiko sistemik dan contagion.
Hal ini menunjukkan suatu yang berbeda dengan penelitian menggunakan variabel contagion
lainnya. Penelitian Poghosyan dan Cihak (2009,20), Oet, Bianco, Gramlich Ong (2013,13&14) ,
Alfiana, Vincentia, Aryanti (2016c,1) , Alfiana , Ernie , Sutisna ,Dian (2016d,1) mendapatkan
adanya hubungan positif antara risiko sistemik dengan contagion.
Bank run, Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan Modal, pada peneitian
ini tidak dapat mendeteksi risiko sistemik. Uji Likelihood Ratio (LR) Statistic menyatakan bahwa
secara simultan Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan Risiko Ketersediaan
Modal dapat mendeteksi risiko sistemik. Uji McFadden R-squared
pergerakan variabel
Bank run, Contagion
menunjukkan
bahwa
Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal, dapat mendeteksi pergerakan Risiko Sistemik sebesar 37,98%, sisanya 62,02
% dipengaruhi oleh variabel lain yang tidak diteliti dalam peneitian ini. Rendahnya Uji McFadden
R-squared dikarenakan banyak faktor yang dapat mendeteksi risiko sistemik dan peneitian ini
hanya menggunakan data perbankan. Ada banyak institusi dalam sistem keuangan.
Uji Kelayakan Model (goodness of fit test) menyatakan bahwa regresi model probit telah
memenuhi kriteria fit yang baik. Uji ketepatan model didapatkan persentase tingkat ketepatan
prediksi mode regresi probit yang terbentuk sebesar 86,84%.
Untuk bank sental, otoritas jasa keuangan, praktisi perbankan, definisi bank sistemik dan
risiko sistemik yang terkait dengan contagion (gangguan yang menular) didapatkan hasil yang
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
positif dan negatif terhadap risiko sistemik tergantung metodologi, data, periode data, proksi risiko
sistemik yang digunakan namun harus selalu dipantau agar tidak mengganggu stabilitas sistem
keuangan.
5.
Kesimpulan
Semua variabel ( Bank run, Contagion Risiko Kredit, Risiko Likuiditas, dan
Risiko
Ketersediaan Modal) berfluktuasi selama periode penelitian Januari 2010- April 2016. Metode
regresi probit dengan data perbankan syariah menggunakan proksi penurunan pembiayaan untuk
risiko sistemik, secara parsial hanya menghasilkan
risiko sistemik dengan hubungan
variabel contagion yang dapat mendeteksi
arah yang negatif . Semua variabel secara simultan dapat
mendeteksi pergerakan risiko sistemik sebesar 37,98% . Peneitian ini
telah memenuhi uji
kelayakan model dan uji ketepatan model regresi probit sebesar 86,84%.
Penelitian ini berguna bagi pemerhati dan peneliti dan dapat mengembangkan penelitian ini
dengan menggunakan metodologi, variabel, data, proksi yang berbeda karena topik penelitian ini
masih jarang dilakukan di Indonesia walaupun topik ini merupakan masalah disemua negara di
dunia.
Penelitian ini berguna bagi bank sental, otoritas jasa keuangan, praktisi perbankan untuk
memantau risiko endogen terutama contagion pada perekonomian agar terjadi stabilitas pada sistem
keuangan.
DAFTAR PUSTAKA
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Adrian, T., Brunnermeier, M.K. ( 2009) CoVaR , working paper Staff Report Federal Reserve Bank
of New York, No. 348 Septemebr,
Adrian, T., Brunnermeier, M.K. (2011). CoVaR. NBER Working Papers No. 17454, National
Bureau of Economic Research.
Acharya,V.V., (2011) Systemic risk and Macro-Prudential Regulation. New York University Stern
School of Business, Center for Economic Policy Research (CEPR) & National Bureau of
Economic Research (NBER), March,
Alfiana, Erni Tisnawati Sule, Sutisna, Dian Masyita, (2015a), Credit Risk Influence on Systemic
Risk in Indonesia Banking System, Preceeding of 4th International Conference on
Management, Finance and Entrepreneurship ICMFE-2015, Medan 11-12 April 2015, ISSN
2311-6269 pp 267-274
Alfiana, Erni Tisnawati Sule, Sutisna, Dian Masyita, (2015b), A Bank Runs influence on Systemic
Risk in Indonesian Banking, Abstract Book 7th International Conference on Economics and
Social Sciences ICESS-2015, Penang, Malaysia, May 16-17, 2015, ISSN 2307-7549, p.7
Alfiana (2015,c) Contagion and Systemic Risks : The Case of Indonesian Banking, Program
Conference and ABSTRACT The Global Advanced Research Conference on Management
and Business Studies (GARCOMBS) Bali, Indonesia, October 14th-15th 2015
Alfiana, Vincentia Wahyu Widayatun, Aryanti Sariartha Sianipar,(2016) Determinan faktor faktor
yang mempengaruhi ketidakstabilan keuangan di Indonesia. Proceeding Seminar Nasional
Keuangan Perbankan 1 (SNKP 1), 28-29 April 2016 Jakarta, Indonesia, 2016 ISBN 978979-9022-13-4 p.3
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Alfiana, Ernie Tisnawati sule, Sutisna, dian Masyita (2016), Impact of Exogenous and Endogenous
Risks on Systemic Risk in Indonesian Banking, Journal of
Scientific & Technology
Research Volume 5 issue 5,May 2016 ISSN 2277-8616 pp 77-82
Alfiana dan Anggiani Permatasari (2016), Effect of endogenous risk on systemic risk in Indonesia
islamic banking,
Proceeding of International Conference on Islamic Economics ,
Management, Accounting, Business and Social Science ICIEMABS 2016, Batam 10-11
Agustus 2016 ISBN 9786027494206 pp 298-306
Bank Indonesia, Stabilitas Sistem Keuangan, Apa, Mengapa, dan Bagaimana? Bank Indonesia
Jakarta. 2007
Bank Indonesia (2010), Statistik Perbankan Syariah, Desember 2010
Bank Indonesia (2011), Statistik Perbankan Syariah , Desember 2011
Bank Indonesia (2012), Statistik Perbankan Syariah, Desember 2012
Bank Indonesia (2013), Statistik Perbankan Syariah, Desember 2013
Bank Indonesia (2014), Statistik Perbankan Syariah Desember 2014
Bank Indonesia (2014) Kajian Stabilitas Keuangan No. 22 Maret 2014. Bank Indonesia. Jakarta
Bank Indonesia (2015), Statistik Perbankan Syariah , Desember 2015
Bank Indonesia (2016), Statistik Perbankan Syariah , April 2016
Bank Indonesia (2016) Statistik Sistem Keuangan Indonesia, April 2016
Cihak, Martin dan Klaus Shaeck (2007) How Well Do Aggregate Bank Ratios Identify Banking
Problems? , IMF Working Paper WP/07/275
De Bandt, O., Hartmann, P. (2000) Systemic Risk: A Survey. European Central Bank Working Paper
No. 35.
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Djikman, Miquel.(2010) A Framework for Assessing Systemic Risk, Policy Research Working
Paper 5282, The World , Bank Financial and private Sector Development,
Financial
Systems Department, April, 2010
Edison, Hali J. 2000, Do Indicator of financial crises work? An evaluation of an early warning
system, International Finance Discussion Paper Number 675, Board of Governors of the
Federal Reserve System. July
Eijffinger, C. W. Sylvester. (2009) Defining and Measuring Systemic Risk,
The European
Parliament’s Committee on Economic and Monetary Affairs. 2009
Gonzalez Brenda., Hermosillo.(1999) Developing Indicators to Provide Early Warnings of Banking
Crises. Finance & Development, June
Hauben, Aerdt.
Kakes, Jan. Schinasi,Garry. (2004) Toward a Framework for Safeguarding
Financial Stability. IMF Working Paper WP/04/01. June,
Kaminsky, G dan C M Reinhart. 1999)(. The twin crises: the causes of banking and balance-ofpayments problems, American Economic Review, vol 89 (3), pp 473-500
Markeloff, Richard., Warner, Geoffrey., Wollin, Elizabeth., (2012) Modeling Systemic Risk to the
Financial System, A review of Additional Literature. The MITRE Corporation.
Oet, Mikhail V., Bianco, T., Gramlich, D., Ong, Stephen J. (2013), SAFE : An early warning system
for systemic Banking risk. Journal of Banking & Finance , November 2013 p. 4510-4533
Poghosyan, Tigran dan Cihak,Martin.(2009) Distress in European Banks : An Analysis Based on a
New Data Set, IMF working Paper wp/09/9, January
International Conference on Economics, Business and Social Sciences (ICEBUSS 2016)
December 6-7, 2016, Malang
Schinasi, Garry J,.(2005)
Preserving Financial Stability, Economic Issues 36,
International
Monetary Fund, 2005 Undang-Undang Republik Indonesia no 9 tahun 2016 tentang
pencegahan dan penanganan krisis sistem keuangan
Undang-Undang Republik Indonesia no 9 tahun 2016 tentang pencegahan dan penanganan krisis
sistem keuangan
Yucel, Eray. 2011. A Review and Bibliography of Early Warning Models , MPRA Paper, Central
Bank of the Republic of Turkey , Agustus.