Edisi Penulisan - Bank Indonesia

ANALISIS TRIWULANAN: Perkembangan Moneter, Perbankan dan Sistem Pembayaran, Triwulan II - 2007
SUSUNAN PENGURUS
BULETIN EKONOMI MONETER DAN PERBANKAN
Direktorat Riset Ekonomi dan Kebijakan Moneter
Bank Indonesia
Pelindung
Dewan Gubernur Bank Indonesia
Dewan Editor
Prof. Dr. Anwar Nasution
Prof. Dr. Miranda S. Goeltom
Prof. Dr. Insukindro
Prof. Dr. Iwan Jaya Azis
Prof. Iftekhar Hasan
Dr. M. Syamsuddin
Dr. Perry Warjiyo
Dr. Halim Alamsyah
Dr. Iskandar Simorangkir
Dr. Solikin M. Juhro
Dr. Haris Munandar
Dr. Andi M. Alfian Parewangi
Pimpinan Editorial
Dr. Perry Warjiyo
Dr. Iskandar Simorangkir
Direktur Eksekutif
Dr. Andi M. Alfian Parewangi
Sekretariat
Toto Zurianto, MBA
MS. Artiningsih, MBA
Buletin ini diterbitkan oleh Bank Indonesia, Direktorat Riset Ekonomi
dan Kebijakan Moneter. Isi dan hasil penelitian dalam tulisan-tulisan
dibuletin ini sepenuhnya tanggung jawab para penulis dan bukan
merupakan pandangan resmi Bank Indonesia.
Kami mengundang semua pihak untuk menulis pada buletin ini
paper dikirimkan dalam bentuk file ke Direktorat Riset Ekonomi dan
Kebijakan Moneter, Bank Indonesia Gedung Sjafruddin Prawiranegara Lt. 20;
Jl. M.H. Thamrin No. 2, Jakarta Pusat, email : [email protected]
Buletin ini diterbitkan secara triwulan pada bulan April, Juli, Oktober dan
Januari, bagi yang ingin memperoleh terbitan ini dapat menghubungi
Seksi Publikasi - Bagian Administrasi, Direktorat Statistik Ekonomi dan Moneter,
Bank Indonesia Gedung Sjafruddin Prawiranegara Lt. 2; Jl. M.H. Thamrin No. 2,
Jakarta Pusat, telp. (021) 381-8206. Untuk permohonan berlangganan:
telp. (021) 3818202, fax. (021) 3802283, email: [email protected].
1
BULETIN EKONOMI MONETER
DAN PERBANKAN
Volume 14, Nomor 1, Juli 2011
Analisis Triwulanan: Perkembangan Moneter, Perbankan dan Sistem Pembayaran
Triwulan II - 2011
Tim Penulis Laporan Triwulanan, Bank Indonesia
1
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi
Daerah
Trinil Arimurti, Budi Trisnanto
5
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default
Swap
Moch. Doddy Ariefianto, Soenartomo Soepomo
31
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental ?
Iskandar Simorangkir
51
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
Arintoko
79
ANALISIS TRIWULANAN: Perkembangan Moneter, Perbankan dan Sistem Pembayaran, Triwulan II - 2011
1
ANALISIS TRIWULANAN:
Perkembangan Moneter, Perbankan dan Sistem Pembayaran,
Triwulan II - 2011
Tim Penulis Laporan Triwulanan, Bank Indonesia
Rapat Dewan Gubernur (RDG) Bank Indonesia pada tanggal 12 Juli 2011 memutuskan
untuk mempertahankan BI Rate pada level 6,75%. Tingkat BI Rate tersebut dipandang masih
sesuai dengan upaya untuk menjaga peningkatan kegiatan perekonomian yang disertai dengan
stabilitas yang tetap terjaga, di tengah tingginya ekses likuiditas domestik dan masih derasnya
aliran masuk modal asing. Ke depan, Bank Indonesia tetap mewaspadai potensi risiko tekanan
terhadap stabilitas makroekonomi, khususnya yang berasal dari berlanjutnya aliran masuk modal
asing dan tingginya harga komoditas global. Sementara itu, inflasi diperkirakan akan tetap
terkendali dan dapat lebih rendah dari perkiraan sebelumnya apabila tidak ada perubahan
kebijakan Pemerintah di bidang harga energi serta tetap terjaganya pasokan dan distribusi
bahan pangan. Bank Indonesia akan terus menerapkan bauran kebijakan moneter dan kebijakan
makroprudensial, dengan penekanan pada pengendalian likuiditas domestik, aliran masuk modal
asing, dan apresiasi Rupiah yang sejalan dengan tren apresiasi nilai tukar di kawasan Asia. Bank
Indonesia meyakini bahwa penerapan bauran kebijakan moneter dan makroprudensial tersebut
mampu untuk menjaga stabilitas makro dan membawa inflasi kepada sasaran yang ditetapkan,
yaitu 5%±1% pada tahun 2011 dan 4,5%±1% pada tahun 2012.
Dewan Gubernur memandang bahwa pemulihan ekonomi global terus berlanjut,
sebagaimana tercermin pada volume perdagangan dunia yang meningkat. Namun, prospek
ekonomi global dibayangi sejumlah risiko, antara lain terkait krisis utang di Yunani, berakhirnya
Quantitative Easing (QE) II oleh the Fed dan melambatnya ekonomi China. Risiko tersebut
berpotensi menahan pertumbuhan ekonomi global pada tahun 2011, meskipun pemulihan
ekonomi akan tetap meningkat pada tahun 2012. Sementara itu, harga komoditas global
masih berada pada level yang tinggi meskipun terjadi koreksi pada harga minyak. Inflasi dunia
juga secara umum meningkat, meskipun tekanan inflasi di emerging markets mereda. Respon
kebijakan moneter di negara-negara emerging markets masih cenderung ketat, sementara di
negara-negara maju masih cenderung akomodatif.
Di sisi domestik, Dewan Gubernur memprakirakan bahwa pertumbuhan ekonomi
Indonesia dapat mencapai kisaran 6,3%-6,8% pada tahun 2011 dan 6,4%-6,9% pada tahun
2
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
2012. Pertumbuhan ekonomi tersebut ditopang oleh sumber pertumbuhan yang semakin
berimbang seiring dengan kinerja investasi yang terus meningkat dan kinerja ekspor yang
masih tetap solid. Sementara itu, kinerja konsumsi rumah tangga juga tetap kuat. Pada triwulan
III-2011, pertumbuhan ekonomi diprakirakan cukup tinggi, yaitu sebesar 6,6%, ditopang oleh
konsumsi dan investasi. Di sisi sektoral, seluruh sektor ekonomi diprakirakan akan tumbuh
dengan baik. Sektor-sektor yang diprakirakan menjadi pendorong utama pertumbuhan ekonomi
ke depan, antara lain sektor transportasi dan komunikasi; sektor perdagangan, hotel dan
restoran; dan sektor industri.
Neraca Pembayaran Indonesia (NPI) untuk keseluruhan tahun 2011 diprakirakan masih
mengalami surplus yang relatif besar. Hal ini seiring dengan masih kuatnya aliran masuk modal
asing, termasuk dalam bentuk PMA, dan transaksi berjalan yang diperkirakan masih surplus
meskipun mengalami penurunan. Penurunan surplus transaksi berjalan seiring dengan
peningkatan impor terkait kenaikan permintaan domestik dan harga impor terutama migas. Di
sisi transaksi modal dan finansial, aliran masuk modal asing diprakirakan masih berlanjut seiring
dengan peningkatan kegiatan ekonomi domestik dan persepsi investor yang positif terhadap
fundamental perekonomian Indonesia. Sejalan dengan itu, cadangan devisa pada akhir Juni
2011 tercatat sebesar 119,7 miliar dolar AS, atau setara dengan 6,8 bulan impor dan pembayaran
utang luar negeri Pemerintah.
Pergerakan nilai tukar Rupiah diprakirakan tetap stabil dengan kecenderungan menguat,
meskipun pada tingkat yang lebih terbatas, sejalan dengan berlanjutnya aliran masuk modal
asing. Pada triwulan II-2011, nilai tukar Rupiah menguat 1,53% (ptp) ke level Rp 8.577 per
dolar AS dengan volatilitas yang tetap terjaga. Tren apresiasi nilai tukar Rupiah tersebut sejalan
dengan upaya Bank Indonesia untuk meredam tekanan inflasi, khususnya dari imported inflation,
dengan tetap mempertimbangkan dampaknya terhadap pertumbuhan ekonomi. Penguatan
Rupiah yang terjadi masih sejalan dengan tren apresiasi mata uang di kawasan Asia sehingga
sejauh ini tidak memberikan tekanan pada kinerja ekspor.
Tekanan inflasi sampai dengan triwulan II-2011 masih terkendali. Inflasi IHK pada triwulan
II-2011 tercatat sebesar 0,36% (qtq) sehingga secara tahunan turun menjadi 5,54% (yoy),
terutama didorong oleh deflasi di kelompok bahan pangan sementara inflasi inti meningkat
secara terbatas. Inflasi inti tercatat 0,85%(qtq) atau 4,63%(yoy), didorong oleh kecenderungan
tingginya harga komoditas global dan meningkatnya permintaan seiring kegiatan ekonomi
yang meningkat. Inflasi kelompok administered prices relatif terbatas, yaitu sebesar 0,69%(qtq),
seiring dengan tidak adanya kebijakan pemerintah terkait harga energi. Sementara itu, kelompok
bahan pangan mencatat deflasi -1,35%(qtq), terutama disebabkan koreksi harga sejumlah
komoditas pangan khususnya di bulan April dan Mei. Ke depan, inflasi diperkirakan akan tetap
ANALISIS TRIWULANAN: Perkembangan Moneter, Perbankan dan Sistem Pembayaran, Triwulan II - 2011
3
terkendali dan diperkirakan dapat lebih rendah dari perkiraan semula terutama apabila tidak
ada kebijakan Pemerintah di bidang harga energi serta tetap terjaganya pasokan dan distribusi
bahan pangan.
Stabilitas sistem perbankan tetap terjaga yang disertai terus membaiknya fungsi
intermediasi perbankan dalam mendukung pembiayaan perekonomian. Stabilitas industri
perbankan tercermin pada tingginya rasio kecukupan modal (CAR/Capital Adequacy Ratio)
yang berada jauh di atas minimum 8% dan terjaganya rasio kredit bermasalah (NPL/Non
Performing Loan) gross di bawah 5%. Sementara itu, penyaluran kredit untuk pembiayaan
kegiatan perekonomian terus berlanjut, tercermin pada pertumbuhan kredit yang pada Juni
2011 mencapai 23,4%(yoy). Pertumbuhan kredit tertinggi terjadi pada kredit investasi yang
sampai dengan bulan Mei 2011 tercatat sebesar 29,0% (yoy). Bank Indonesia terus mendorong
peningkatan efisiensi perbankan agar fungsi intermediasi dapat terus dioptimalkan dengan
tetap menjaga stabilitas sistem perbankan secara keseluruhan
Di bidang sistem pembayaran, Bank Indonesia terus berupaya melakukan penyempurnaan
untuk meningkatkan efektivitas dan efisiensi transaksi ekonomi. Saat ini Bank Indonesia
mengembangkan BI-RTGS dan BI-SSSS Generasi II serta meningkatkan efisiensi pengelolaan
rekening Pemerintah untuk meningkatkan kinerja infrastuktur sistem pembayaran. Bank
Indonesia juga melanjutkan pembentukan National Payment Gateway (NPG) guna mencapai
efisiensi nasional, serta melanjutkan implementasi standarisasi chip pada kartu ATM/Debit dan
standarisasi uang elektronik guna meningkatkan keamanan instrumen pembayaran. Selain
itu, Bank Indonesia melakukan penyesuaian kebijakan mengenai Penyelenggaraan Kegiatan
Alat Pembayaran dengan Menggunakan Kartu, terutama mengenai kerjasama penyelenggara
APMK dengan pihak lain, khususnya dalam pelaksanaan penagihan kartu kredit, serta
mengetatkan persyaratan untuk memperoleh kartu kredit. Melalui penyempurnaan kebijakan
ini, keamanan sistem pembayaran diharapkan dapat terus ditingkatkan. Sementara kebijakan
pengedaran uang tetap ditujukan untuk mendukung ketersediaan uang rupiah dalam nominal
yang cukup serta layak edar, serta meningkatkan layanan kas sehingga dapat menjangkau
wilayah perbatasan dan daerah terpencil. Selain itu, Bank Indonesia juga menyempurnakan
sistem dan prosedur layanan kas BI kepada perbankan. Melalui penyempurnaan tersebut,
efektivitas dan efisiensi manajemen kas perbankan diharapkan dapat lebih ditingkatkan.
4
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
halaman ini sengaja dikosongkan
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
5
PERSISTENSI INFLASI DI JAKARTA DAN IMPLIKASINYA
TERHADAP KEBIJAKAN PENGENDALIAN INFLASI DAERAH
Trinil Arimurti, Budi Trisnanto 1
Abstract
The main objective of this study is to measure the persistence of inflation level in Jakarta. In addition,
this study intends to find out the source of inflation persistence and its implication to regional inflation
control. The analysis of the regional inflation behavior developed in this paper is explored to commodities
level. The empirical result indicates that the level of inflation persistence in Jakarta is relatively high,
stemmed from high level of inflation persistance for most of commodities that construct inflation. Using
the estimation results of the hybrid NKPC model, it shows that high inflation persistence in Jakarta mainly
caused by inflation expectation, which is a combination of forward and backward looking. In this
regards, it requires efforts gradually transform the behavior of inflation expectation to be more forward
looking.
Keywords: inflation peristence, expectation, NKPC.
JEL Classification:E31, R10
1 Penulis adalah peneliti ekonomi muda senior dan peneliti ekonomi madya di Biro Riset Ekonomi, Bank Indonesia. Penulis mengucapkan
terima kasih kepada Yoni Depari, Sugiharso Safuan serta rekan-rekan di Biro Riset Ekonomi dan Biro Kebijakan Moneter, atas
masukan, saran dan diskusi yang sangat konstruktif. e-mail: [email protected], [email protected]
6
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
I. PENDAHULUAN
Sesuai Undang-undang (UU) No. 13 tahun 1968 tentang Bank Indonesia sebagaimana
telah diubah terakhir dengan UU No. 4 tahun 2003, tugas Bank Indonesia adalah mencapai
dan menjaga kestabilan nilai Rupiah, yang salah satunya adalah dalam bentuk kestabilan nilai
Rupiah terhadap barang dan jasa atau kestabilan inflasi. Dengan demikian, kebijakan moneter
diarahkan untuk mencapai dan menjaga inflasi pada tingkat yang rendah dan stabil. Dalam
kaitan tersebut, respon kebijakan moneter tidak hanya ditentukan oleh tingkat inflasi yang
ingin dicapai tetapi ditentukan pula oleh perilaku inflasi itu sendiri. Hal tersebut akan menentukan
besaran dan waktu (timing) respon kebijakan moneter yang perlu diterapkan dalam rangka
mencapai inflasi yang ingin dicapai tersebut. Dari sisi tingkat inflasi yang ingin dicapai, kebijakan
moneter diarahkan untuk mencapai sasaran inflasi yang ditetapkan menurun secara gradual
menuju tingkat yang mendukung pertumbuhan ekonomi yang berkesinambungan. Sesuai UU
dimaksud, sasaran inflasi ditetapkan oleh Pemerintah setelah berkoordinasi dengan Bank
Indonesia yang dimaksudkan untuk meningkatkan kredibilitas kebijakan moneter. Sementara
itu, asesmen mengenai perilaku inflasi yang diperlukan antara lain terkait dengan persistensi
inflasi atau kecepatan tingkat inflasi untuk kembali ketingkat ekuilibriumnya setelah timbulnya
suatu shock.
Beberapa penelitian telah dilakukan untuk melihat persistensi inflasi di Indonesia. Hasil
studi Yanuarti (2007) dan Alamsyah (2008) misalnya menyimpulkan bahwa derajat persistensi
inflasi di Indonesia secara umum sangat tinggi namun cenderung menurun pada periode setelah
krisis. Sementara itu, Harmanta (2009) menyatakan bahwa persistensi inflasi yang bersifat
backward looking pada era ITF mengalami penurunan, sementara yang bersifat forward looking
mengalami peningkatan. Namun demikian, kajian tersebut perlu didukung oleh kajian yang
bersifat regional, dalam arti melihat lebih dalam persistensi inflasi di tingkat regional. Hal ini
juga juga dilatarbelakangi oleh pemahaman bahwa inflasi nasional dibentuk dari inflasi daerah.
Secara lebih spesifik, kajian persistensi inflasi di daerah dengan mempertimbangkan bahwa
masing-masing daerah memiliki karakteristik inflasi yang berimplikasi pada kebijakan
pengendalian inflasi yang spesifik meski secara umum tekanan inflasi di daerah banyak terkait
dengan kejutan di sisi pasokan.
Implementasi Inflation Targeting Framework (ITF) pada tahun 2005 menjadi tonggak
sejarah perubahan kerangka kebijakan moneter yang dilakukan pasca krisis ekonomi di Indonesia.
Pada prinsipnya kerangka kebijakan moneter tersebut adalah dalam rangka mengadopsi
kerangka kebijakan yang lebih kredibel, yang mengacu pada penggunaan suku bunga sebagai
operational target dan kebijakan yang bersifat antisipatif. ITF diharapkan dapat mengubah
backward looking expectation, yang menjadi sumber masih tingginya inflasi, menjadi forward
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
7
looking expectation. Dengan demikian, diharapkan ITF dapat mendorong penurunan persistensi
inflasi.
Selanjutnya, kajian persistensi inflasi perlu didukung dengan analisis mengenai penyebab
persistensi inflasi. Sebagaimana dimaklumi dalam komponen inflasi IHK terdapat komponen
yang harganya dipengaruhi oleh kebijakan Pemerintah di bidang harga dan pendapatan
(administered prices). Harga pada kelompok komoditi ini cenderung flat dan berubah bila ada
kebijakan Pemerintah. Selain itu, terdapat komponen yang harganya banyak terpengaruh supply
shocks atau yang bersifat musiman. Untuk itu, diperlukan asesmen untuk melihat secara lebih
rinci faktor-faktor yang bersifat fundamental. Hal ini dimaksudkan agar respon kebijakan moneter
dapat dilakukan secara lebih tepat mengingat kebijakan moneter ditujukan untuk demand
management. Dengan kata lain, respon kebijakan moneter tidak perlu dilakukan secara berlebih
bila sumber tekanan inflasi berasal dari faktor yang bersifat non-fundamental.
Kajian mengenai fenomena persistensi menjadi sangat penting untuk dilakukan dalam
rangka mendukung perumusan kebijakan moneter yang efektif. Hal ini dikarenakan agar
efektifitas kebijakan moneter dapat mendukung pertumbuhan ekonomi yang
berkesinambungan dalam rangka meningkatkan kesejahteraan masyarakat. Inflasi yang tinggi
akan memberikan dampak negatif terhadap perekonomian. Daya beli masyarakat menurun
dan pelaku dunia usaha akan diliputi ketidakpastian yang tinggi. Implikasi dari persistensi inflasi
tersebut juga akan dirasakan di tingkat daerah sehingga perlu mendapat perhatian pemerintah
daerah setempat untuk dapat berperan aktif dalam mengendalikan inflasi.
Kajian tersebut pada akhirnya diperlukan untuk merumuskan strategi pengendalian inflasi.
Sumber tekanan inflasi yang menyebabkan persistensi inflasi perlu dianalisa secara lebih tajam
sehingga dapat dibedakan sumber tekanan inflasi yang bersifat fundamental dan yang hanya
bersifat sementara atau temporer. Kebijakan moneter tidak dapat digunakan sepenuhnya untuk
merespon tekanan inflasi dari kejutan di sisi pasokan. Diperlukan kebijakan sektoral dan regional
untuk mengurangi tekanan inflasi dari faktor-faktor non-fundamental.
Beberapa studi persistensi inflasi yang telah dilakukan sebelumnya di Indonesia lebih
difokuskan pada skala nasional. Inflasi nasional merupakan rata-rata tertimbang dari inflasi
daerah di Indonesia, maka dirasa perlu untuk mempelajari perilaku inflasi di tingkat daerah,
termasuk mengukur dan mencari penyebabnya, serta mengetahui implikasinya terhadap
pengendalian inflasi daerah dengan fokus kota Jakarta.
Pemilihan wilayah Jakarta didasarkan pada dominasinya terhadap bobot inflasi nasional
dibandingkan dengan daerah lainnya di Indonesia. Meskipun terdapat kecenderungan yang
menurun, bobot inflasi kota Jakarta masih merupakan yang terbesar diantara 66 kota yang
diukur melalui Survei Biaya Hidup (SBH). Data tahun 2007 menunjukkan bahwa bobot Jakarta
8
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
mencapai 22,49% dari bobot nasional (Grafik 1), menurun dari 27,66% berdasarkan SBH
tahun 2002. Alasan lainnya adalah pergerakan volume distribusi barang kebutuhan pokok
yang sangat tinggi di Jakarta. Selanjutnya perilaku inflasi Jakarta tersebut akan dibandingkan
dengan Nasional dan panel 10 daerah dengan kontribusi inflasi tertinggi di Indonesia.
Untuk menjawab tujuan penelitian, cakupan rentang waktu studi meliputi periode Januari
2000 s.d Mei 2008 (Jakarta) dan Januari 2000 s.d Desember 2009 (nasional). Hal ini terkait
dengan ketersediaan data dari BPS hingga di level komoditinya.
Jakarta
22,49
Gabungan 56
kota lainnya
47,23
Surabaya
6,47
Semarang
3,48
Bandung
5,38
Makasar
2,56
Medan
4,67
Banjarmasin
1,54
Denpasar Padang
1,69
1,53
Palembang
2,96
Sumber : Badan Pusat Statistik, diolah
Grafik 1.
Bobot Inflasi Kota Menurut SBH 2007
II. TEORI
Persistensi inflasi menurut Marques (2005) diartikan sebagai kecepatan tingkat inflasi
untuk kembali ke tingkat ekuilibriumnya setelah timbulnya suatu shock. Tingkat kecepatan
yang tinggi menunjukkan bahwa tingkat persistensi inflasi rendah dan sebaliknya tingkat
persistensi inflasi yang tinggi ditunjukkan oleh lamanya tingkat inflasi kembali ke level
ekuilibriumnya. Definisi yang hampir serupa juga dikemukakan Willis (2003) yang mengartikan
persistensi inflasi sebagai waktu yang dibutuhkan oleh inflasi untuk kembali ke baseline setelah
adanya shock. Sementara itu, alternatif definisi yang lebih beragam dikemukakan oleh Batini
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
9
(2002) yang membahas tiga tipe persistensi inflasi, yaitu(i) ≈positive serial correlation in inflation∆;
(ii) ≈lags between systematic monetary policy actions and their (peak) effect on inflation∆; (iii)
≈lagged responses of inflation to non-systematic policy actions∆.
Studi mengenai persistensi inflasi penting untuk meningkatkan kemampuan peramalan
inflasi, memperoleh kejelasan efek dinamis dari exogenous price shocks, memberikan informasi/
petunjuk dan memperbaiki kebijakan moneter, dan untuk menilai apakah rezim kebijakan
moneter yang berbeda akan menghasilkan persistensi yang berbeda, Stock (2004).
2.1 Pengukuran Persistensi Inflasi
Untuk mengukur tingkat persistensi inflasi, terdapat dua pendekatan yang dapat
digunakan, yaitu pendekatan univariat dan multivariat model. Pendekatan univariat lebih
menekankan hanya pada aspek data time series, sedangkan pendekatan multivariat mencakup
juga tambahan informasi seperti output riil dan tingkat suku bunga bank sentral (Dossche and
Everaert, 2005). Dari beberapa studi yang telah dilakukan, pendekatan univariat dengan
menggunakan model autoregressive (AR) time series merupakan yang pendekatan yang paling
lazim dalam riset empiris.
Beberapa metode pengukuran skalar ( univariat) yang dapat digunakan untuk
menghitung persistensi inflasi, antara lain (i) the sum of the autoregressive(AR) coefficients; (iii)
the largest autoregressive root; (iv) the half-life (Marques, 2005). Dengan model AR, tingkat
persistensi inflasi diukur dari hasil penjumlahan koefisien lag variable dependennya. Sementara
itu, metode LAR (thelargest autoregressive root) secara garis besar dijelaskan oleh Levin dan
Piger (2004). Dalam metode ini, persistensi inflasi diperoleh dengan mencari akar terbesar dari
K
K
K- j
= 0 . Sedangkan metode thehalf-life diadopsi terutama untuk
persamaan l - å a j l
j =1
mengevaluasi persistensi deviasi dari purchasing power parity equilibrium (Marques 2004).
Sebagaimana diuraikan oleh Andrews dan Chen (1994), formula thehalf-life adalah g = 1 -
n
,
T
dimana n adalah jumlah berapa kali inflasi berada di atas nilai 0,5 ketika terjadi gangguan
sebesar 1 unit dan T adalah jumlah periode observasi. Meskipun terdapat beberapa berbagai
konsep pengukuran tingkat persistensi inflasi yang berbeda, hasil estimasi yang diperoleh ternyata
secara umum tidak jauh berbeda (Clark, 2003).
Fokus penelitian pada proses inflasi memungkinkan penggunaan model univariat dalam
paper ini. Namun demikian, model univariat tidak terlepas dari beberapa keterbatasan, salah
satunya adalah bahwa model ini tidak dapat mengidentifikasi sumber penyebab dari the observed
10
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
persistence inflasi sehingga terdapat kemungkinan pemicu potensial proses inflasi menjadi
terabaikan.
Marques (2004) menyatakan bahwa model AR merupakan pengukur persistensi inflasi
yang cukup baik, serta berkaitan langsung dengan koefisien mean reversion sebagai alternatif
pengukuran tingkat persistensi inflasi. Formula AR dengan order p dapat dijabarkan sebagai
berikut:
(1)
pt
m
: tingkat inflasi bulanan pada waktu t
: konstanta dari hasil proses estimasi, sebagai kontrol terhadap rata-rata inflasi
K
åa
j =1
et
j
: jumlah koefisien AR
: random error term atau residual dari regresi persamaan di atas
Dari hasil estimasi persamaan tersebut, tingkat persistensi inflasi dihitung dengan
K
æ
ö
r
a j ÷. Cara penjumlahan koefisien tersebut merupakan
º
menjumlahkan koefisien AR, ç
å
j =1
è
ø
cara pengukuran skalar persistensi terbaik menurut Andrews dan Chen (1994). Persistensi inflasi
dikatakan tinggi apabila tingkat inflasi saat ini sangat dipengaruhi oleh nilai lag-nya, sehingga
koefisiennya mendekati 1. Dalam hal ini, inflasi dikatakan mendekati unit root process.
Untuk memperoleh hasil estimasi, disetiap series inflasi perlu ditentukan jumlah lag variable
dependen yang sesuai. Dalam penentuannya, dapat digunakan Akaike Information Criterion
(AIC) ataupun Schwarz» Bayesian Information Criterion (SBIC). Sebagaimana dikemukakan Levin
dan Piger (2004), dalam mengukur persistensi dengan AR model, persamaan ekuivalen berikut
perlu dipertimbangkan pula:
(2)
Dimana parameter dinamik φj merupakan transformasi sederhana dari koefisien AR dari
persamaan (1).
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
11
Secara lebih spesifik, konsep persistensi sangat berhubungan dengan Impulse Response
Function (IRF) dari proses AR (p). Marques (2004) menguraikan kelemahan dan keunggulan
masing-masing metode pengukuran persistensi. Konsep Cumulative Impulse Response Function
(CIRF) yang diformulakan sebagai CIRF =
1
1- r
menggambarkan adanya hubungan
monotonic antara CIRF dengan koefisien AR (ρ), sehingga perhitungannya sangat tergantung
kepada koefisien AR. Kelemahan lain dari CIRF dan r dalam mengukur persistensi inflasi
adalah apabila terdapat 2 series data, kedua metode tersebut tidak bisa membedakan antara
series yang awalnya meningkat sangat tinggi yang kemudian diikuti dengan penurunan secara
perlahan dengan series yang awalnya peningkatannya rendah dan kemudian diikuti dengan
penurunan yang tinggi di IRF-nya. Terlepas dari adanya keterbatasan yang menjadi kelemahan
dari metode univariat, metode skalar pengukuran persistensi ini harus dilihat sebagai metode
untuk mengestimasi kecepatan rata-rata inflasi untuk kembali ke nilai equilibriumnya setelah
timbulnya suatu shock. Metode pengukuran skalar ini dinilai semakin handal apabila kecepatan
konvergensi series inflasi semakin seragam.
Beberapa kritik terhadap metode the half life dalam perhitungan tingkat persistensi inflasi
juga telah dilontarkan dalam penelitian sebelumnya. Apabila IRF bersifat oscillating, metode ini
dapat menghasilkan persistensi proses inflasi yang terlalu rendah. Di samping itu, bila proses
inflasi bersifat sangat persisten, output dari the half-life sangat besar sehingga sulit untuk bisa
membedakan perubahan persistensi seiring berjalannya waktu. Namun seringkali metode ini
lebih disukai karena lebih mudah dipahami karena pengukurannya dalam unit waktu.Karena
keterbatasan tersebut, beberapa penulis melakukan perhitungan the half life secara langsung
dari IRF.Sementara itu, kritik terhadap metode the largest autoregressive rootpernah diungkapkan
Marques (2004). Pengukuran persistensi dengan metode ini dinilai tidak cukup baik karena
fungsinya juga tergantung pada root lainnya, bukan hanya pada root terbesarnya. Namun,
keunggulan dari metode ini adalah kemudahannya dalam menghitung asymptotically valid
convidence intervals untuk hasil estimasinya.
Hasil pengukuran derajat persistensi inflasi dengan model AR yang diestimasi dengan
menggunakan OLS dapat dibandingkan dengan hasil estimasi bootstrap. Hal ini juga berguna
untuk mengantispasi kemungkinan pengukuran yang kurang valid apabila derajat persistensi
mendekati angka 1, sehingga robustness check penting untuk dilakukan. Prosedur ini telah
digunakan dibeberapa penelitian sebelumnya, antara lain O»Reilly dan Whelan (2004) dan
Alamsyah (2008).
Melengkapi pengamatan terhadap perubahan perilaku inflasi, metode rolling regression
dapat digunakan untuk melihat apakah proses inflasi mengalami perubahan seiring dengan
12
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
waktu, dengan cara melihat evolusi dari koefisien AR. Metode ini telah dilakukan pula dibeberapa
penelitian terdahulu antara lain Pivetta & Reis (2006), Debelle and Wilkinson (2002), O»Reilly
dan Whelan (2004) dan Alamsyah (2008). Secara umum disimpulkan bahwa hasil estimasi
derajat persistensi inflasi dengan metode tersebut menunjukkan telah terjadi perubahan proses
inflasi di negara-negara yang menjadi obyek sampel. Namun demikian, metode ini juga memiliki
kelemahan karena tidak terlalu akurat menunjukkan saat terjadinya perubahan tingkat persistensi
inflasi, sehingga pengaruh faktor-faktor seperti perubahan kebijakan moneter tidak dapat
ditangkap secara jelas.
Dalam melakukan analisis terhadap derajat persistensi inflasi, perlu juga dipertimbangkan
keberadaan structural breaks. Beberapa literatur menyebutkan bahwa estimasi tingkat persistensi
inflasi akan berlebihan (exaggerated) apabila keberadaan structural break nilai rata-rata inflasi
tidak diperhitungkan. Beberapa teknik seperti Andrew and Quandt test ataupunChow testdapat
dilakukan untuk melakukan tes terhadap keberadaan structural break.
Untuk mengukur berapa lama waktu yang diperlukan inflasi dalam menyerap 50%
shock yang terjadi sebelum kembali ke nilai rata-ratanya, dapat digunakan formula (Gujarati,
r
2003) dengan formula sederhana h =
. Adapun h merupakan waktu yang diperlukan
1- r
inflasi dalam menyerap 50% shock yang terjadi sebelum kembali ke nilai rata-ratanya dan ρ
adalah hasil estimasi derajat persistensi inflasi.
Beberapa studi terkait dengan persistensi inflasi telah dilakukan di Indonesia, antara lain
oleh Alamsyah (2008), Yanuarti (2007), Tim Inflasi Bank Indonesia (2006). Seluruh penelitian
tersebut lebih ditekankan pada persistensi inflasi nasional dan terbatas pada persistensi inflasi
umum dan kelompok komoditas.Secara umum ditemukan bahwa derajat peristensi inflasi di
Indonesia relatif tinggi pada periode pengamatan, meskipun terdapat kecenderungan menurun
pada periode paska krisis tahun 1997/1998. Namun demikian, belum ada studi mengenai
peristensi inflasi yang dilakukan ditingkat daerah dan mencakup hingga ke level komoditi
pembentuk inflasi daerah dan nasional.
Studi yang dilakukan Alamsyah (2008) ditujukan untuk melihat perubahan perilaku inflasi
di Indonesia pada masa sebelum dan sesudah krisis, serta melihat sumber penyebab persistensi
inflasi, terutama yang berasal dari perilaku mikro pengusaha yang didekati dengan model hybrid
NKPC. Dengan menggunakan pendekatan univariate, yaitu the sum of autoregressive coefficient
(AR (1)) ditemukan bahwa derajat persistensi di Indonesia relatif tinggi pada periode pengamatan
1985-2007. Namun demikian, derajat persistensi tersebut cenderung menurun pada masa setelah
krisis ekonomi. Ditemukan pula bahwa inflasi di Indonesia berperilaku campuran yang merupakan
kombinasi dari perilaku backward dan forward looking. Oleh karena itu, upaya penjangkaran
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
13
ekspektasi inflasi menuju ke target yang ditetapkan bank sentral diperlukan untuk mengendalikan
inflasi dan meningkatkan kredibilitas kebijakan moneter di Indonesia.
Sementara itu, studi sebelumnya oleh Yanuarti (2007) bertujuan untuk mengukur derajat
persistensi inflasi di Indonesia serta meneliti apakah terjadi perubahan derajat persistensi inflasi
pada kurun waktu 1990-2006. Dengan menggunakan full sample, ditemukan bahwa derajat
persistensi inflasi di Indonesia sangat tinggi, namun cenderung menurun pada periode setelah
krisis. Temuan ini sejalan dengan temuan Alamsyah (2008).
2.2 Penyebab Persistensi Inflasi
Sumber tekanan inflasi dapat dilihat melalui persamaan New Keynesian Philips Curve
(NKPC), dimana penyebab persistensi inflasi dapat dilihat berdasarkan perilaku inflasi yang
melihat ke depan (forward looking) dan ke belakang (backward looking). Pendekatan ini
merupakan pengembangan dari model awal inflasi yang menggambarkan dinamika inflasi
sebagaimana tertuang dalam NKPC:
p t = kyt + b Etp t +1
Selanjutnya, menurut Gali dan Gertler (1999), selain berorientasi forward looking, inflasi
juga memiliki perilaku yang backward looking. Kedua perilaku tersebut tergambar dari model
Hybrid NKPC yang menangkap karakteristik persistensi inflasi.
Persamaan struktural inflasi yang seringkali disebut sebagai hybrid New Keynesian Phillips
Curve, tercakup dalam persamaan di bawah ini (Angeloni et. al, 2004) :
dimana adalah inflasi pada waktu t; E t (πt +1) adalah ekspektasi inflasi pada waktu t+1 dengan
kondisi informasi pada waktu t, µt adalah output gap dan ξt adalah unsur shock eksogen.
Dengan melihat sisi kanan dari persamaan tersebut, dapat diperkirakan empat sumber
inflasi: (i) extrinsic persistence yang terkait dengan persistensi pada biaya marjinal ataupun
output gap; (ii) intrinsic persistence yang terkait dengan dependensi inflasi terhadap inflasi
periode sebelumnya (backward looking expectation); (iii) expectations-based persistence yang
terkait dengan pembentukan ekspektasi inflasi yang didasarkan pada kondisi ke depan (forward
looking); dan (iv) error term persistence akibat pengaruh kejutan sisi pasokan atau inflation
shock yang terjadi.
14
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
III. METODOLOGI
3.1 Teknik Estimasi
Estimasi persistensi inflasi dilakukan dengan melihat proses univariate autoregressive (AR)
time series model sebagaimana Marques (2004) karena model AR tersebut merupakan pengukur
persistensi inflasi yang cukup baik serta berkaitan langsung dengan koefisien mean reversion
sebagai alternatif pengukuran tingkat persistensi inflasi. Formula AR dengan order p dapat
dijabarkan sebagai berikut:
(3)
pt
m
: tingkat inflasi bulanan pada waktu t
: konstanta dari hasil proses estimasi, sebagai kontrol terhadap rata-rata inflasi
K
åa
j =1
et
j
: jumlah koefisien AR
: random error term atau residual dari regresi persamaan di atas
Tingkat persistensi inflasi dihitung dengan menjumlahkan koefisien AR
. Persistensi
inflasi dikatakan tinggi apabila tingkat inflasi saat ini sangat dipengaruhi oleh nilai lag-nya,
sehingga koefisiennya mendekati 1. Dalam hal ini, inflasi dikatakan mendekati unit root process.
Untuk estimasi ρ, penentuan jumlah lag variable dependen yang sesuai menggunakan
Akaike Information Criterion (AIC) dan atau Schwarz» Bayesian Information Criterion (SBIC).
Untuk melihat robustness hasil yang diperoleh dilakukan pula prosedur bootstrap dan rolling
regression. Tes structural breakdilakukan dengan menerapkan teknik seperti Quandt (1960)
dan Chow testuntuk melakukan tes terhadap known dan unknown break. Untuk mengukur
berapa lama waktu yang diperlukan inflasi dalam menyerap 50% shock yang terjadi sebelum
kembali ke nilai rata-ratanya, digunakan formula:
Dalam paper ini penyebab persistensi inflasi dapat dilihat berdasarkan perilaku inflasi
yang melihat ke depan (forward looking) dan ke belakang (backward looking) sebagai berikut:
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
15
dimana πt adalah inflasi pada waktu t; E t (πt +1) adalah ekspektasi inflasi pada waktu t+1
dengan kondisi informasi pada waktu t, µt adalah output gap dan ξt adalah unsur shock
eksogen. Variabel yang signifikan dan memiliki koefisien yang besar adalah variabel yang menjadi
sumber utama tekanan inflasi. Berangkat dari analisis mengenai sumber tekanan inflasi tersebut,
dilakukan analisis lebih lanjut untuk melihat sumber persistensi inflasi.
Dalam analisis sumber persistensi inflasi difokuskan hanya pada 5 komoditi yang memiliki
derajat persistensi inflasi tertinggi. Lima komoditi tersebut merupakan komoditi yang sangat
penting dalam pengendalian inflasi. Untuk menganalisis sumber persistensi inflasi digunakan
anecdotal information dan analisis serta kajian yang pernah dilakukan terkait dengan komoditi
tersebut. Informasi yang dikumpulkan antara lain mengenai struktur pasar dan karakteristik
inflasi komoditi dimaksud.
3.2 Data
Data yang akan digunakan dalam analisis persistensi inflasi ini meliputi:
1. Inflasi bulanan (year-on-year), diukur dengan menggunakan Indeks Harga Konsumen
(IHK)total seluruh kota di Indonesia (inflasi Nasional) dan IHK Kota Jakarta, serta IHK 9
daerah lainnya yang memiliki bobot terbesar terhadap inflasi nasional. Adapun data tersebut
menggunakan tahun dasar 2002. IHK tersebut dapat dirinci ke dalam 7 (tujuh) kelompok
komoditi yang meliputi: (i) Bahan makanan, (ii) Makanan jadi, minuman, rokok & tembakau,
(iii) Perumahan, (iv) Sandang, (v) Kesehatan, (vi) Pendidikan, rekreasi & olah raga, dan (vii)
Transportasi dan komunikasi. Rentang sampel yang digunakan dimulai sejak Januari 2000 Mei 2008 (Desember 2009 untuk nasional). Sumber data IHK diperoleh dari Biro Pusat
Statistik dan International Financial Statistics (IFS).
2. Target inflasi tahunan (sumber: Bank Indonesia)
Penggunaan data inflasi year-on-year terutama dilatarbelakangi beberapa alasan
sebagaimana yang pernah dikemukakan Babecky (2008) sebagai berikut:
1. Penggunaan data inflasi month-to-month (m-t-m) ataupun quarter-to-quarter (q-t-q) sangat
terkait dengan faktor seasonal sehingga dikhawatirkan kurang dapat menggambarkan
tingkat persistensi inflasi yang sebenarnya
2. Kedua ukuran inflasi tersebut m-t-m dan q-t-q bukan merupakan ukuran yang dimonitor
oleh agen ekonomi tertentu
16
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
3. Bank sentral dalam menentukan target inflasi lebih didasarkan pada perubahan inflasi
tahunan (y-o-y).
IV. HASIL DAN ANALISIS
4.1 Perkembangan Inflasi Jakarta
Inflasi Jakarta memiliki pola yang hampir serupa dengan inflasi nasional.Dalam kurun
waktu 25 tahun terakhir, rata-rata tingkat inflasi Jakarta tidak banyak mengalami perubahan
yang signifikan. Baik pada periode sebelum dan setelah krisis ekonomi yang terjadi pada tahun
1997/1998, rata-rata inflasi cenderung bertahan pada kisaran angka 8% (di luar periode krisis).
Sementara itu, dibandingkan dengan negara-negara di kawasan seperti Malaysia, Thailand
dan Filipina pada kurun waktu tersebut, inflasi Indonesia masih relatif lebih tinggi (Alamsyah,
2008). Kecenderungan bertahannya tingkat inflasi pada tingkat yang cukup tinggi tersebut
perlu dicermati lebih jauh untuk dapat menentukan langkah-langkah yang tepat dalam
pengendaliannya.
90
Jakarta
Rata-rata Inflasi Jakarta
Nasional
Rata-rata Inflasi Nasional
80
70
60
50
40
30
20
10
0
-10
Jan
1986
Jan
1988
Jan
1990
Jan
1992
Jan
1994
Jan
1996
Jan
1998
Jan
2000
Jan
2002
Jan
2004
Jan
2006
Jan
2008
Grafik 2.
Perkembangan Inflasi Nasional dan Jakarta dan Nasional
Cenderung tingginya tingkat inflasi Jakarta masih terlihat setelah penerapan ITF di
Indonesia.Secara formal, ITF mulai diterapkan pada Juli 2005 dengan penetapan target inflasi
secara berkala secara transparan. Grafik 3 menggambarkan bahwa realisasi inflasi baik Jakarta
maupun Nasional masih seringkali tidak dapat mencapai target yang ditetapkan. Hal ini
menggambarkan lambatnya proses penurunan inflasi di Indonesia. Level terendah inflasi tahunan
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
17
hingga tahun 2008 yang dapat dicapai masih berada di atas 5%. Jika dibandingkan dengan
rata-rata inflasi negara yang telah mengadopsi ITF, tingkat inflasi di Indonesia tergolong masih
relatif tinggi.
18
Target Inflasi Terendah
Inflansi Aktual Nasional
Target Inflasi Tertinggi
Inflansi Aktual Jakarta
16
14
12
10
8
6
4
2
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Grafik 3.
Target dan Realisasi Inflasi
Perkembangan inflasi Jakarta juga menunjukkan pola yang hampir serupa dengan inflasi
daerah lainnya di Indonesia. Perkembangan inflasi beberapa kota besar di Indonesia secara
visual digambarkan pada Grafik 4.
30
25
20
Banjarmasin
Surabaya
Palembang
Padang
Bandung
Semarang
Jakarta
Medan
Makassar
Denpasar
Nasional
15
10
5
0
-5
Jan MarMei Jul Sep NovJan Mar Mei Jul SepNov Jan Mar Mei Jul Sep Nov Jan Mar Mei Jul Sep Nov Jan Mar Mei Jul Sep Nov Jan Mar Mei
2003
2004
2005
2006
2007
Sumber : Badan Pusat Statistik, diolah
Grafik 4.
Inflasi Beberapa Kota Besar di Indonesia
2008
18
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Secara statistik deskriptif, perbandingan perilaku inflasi Jakarta berdasarkan central
tendency measurement seperti mean, trimmed mean dan median serta dispersi data berupa
standar deviasi inflasi diperlihatkan pada Tabel 1. Dari ukuran-ukuran tersebut, perilaku
inflasi Jakarta terlihat tidak jauh berbeda dengan inflasi nasional yang ditunjukkan pada
Tabel 2.
Tabel 1. Statistik Deskriptif Inflasi Kelompok Komoditi Jakarta
Periode Data: Januari 2000 - Mei 2008
Full Sampel
No
Kelompok Komoditi
Mean
Umum
8,48
Trimmed Median
mean
8,44
7,13
Pra - ITF
SD
3,75
Mean Trimmed Median
mean
7,89
7,98
7,05
Paska - ITF
Trimmed
Median
mean
SD
Mean
3,29
9,59
9,51
7,65
4,32
SD
3,06
Kelompok Komoditi
1
Bahan makanan
8,66
8,61
9,75
5,16
6,19
6,08
5,79
4,27
13,31
13,36
12,83
2
Makanan jadi, minuman, rokok & tembakau
8,69
8,54
8,53
4,32
8,92
8,83
8,21
4,50
8,25
8,20
8,88
3,96
3
4
Perumahan
Sandang
8,80
6,58
8,79
6,51
8,84
6,63
2,38
2,86
9,13
5,96
9,12
5,89
9,30
6,18
1,77
2,80
8,19
7,74
8,15
7,71
7,89
7,81
3,18
2,63
5
Kesehatan
6,07
5,69
4,46
3,64
6,32
5,97
4,37
4,28
5,59
5,57
5,43
1,91
6
Pendidikan, rekreasi & olah raga
9,17
8,63
7,96
6,41 10,41
10,04
8,38
7,51
6,84
6,82
6,47
2,07
7
Transport dan komunikasi
11,23
10,26
9,44
10,22 10,38
10,17
10,28
5,58
12,83
12,38
1,41
15,60
Sumber: Badan Pusat Statistik, diolah
Pada periode pengamatan full sample, rata-rata inflasi baik Jakarta maupun nasional
berada pada level 8%. Demikian pula jika diuraikan ditingkat kelompok komoditi, terlihat bahwa
rata-ratanya masih mendekati level tersebut. Sementara itu, rata-rata inflasi baik secara umum
maupun kelompok komoditi pada periode pra- dan paska-ITF tidak menunjukkan perbedaan
yang signifikan. Hal ini menunjukkan bahwa inflasi di Indonesia masih menunjukkan perilaku
Tabel 2. Statistik Deskriptif Inflasi Kelompok Komoditi Nasional
Periode data: Januari 2000-Desember 2009
Full Sampel
No
Kelompok Komoditi
Pra - ITF
Paska - ITF
Trimmed
Median
Mean
mean
9,04
8,94
7,45
Umum
Trimmed Median
mean
8,36
8,31
7,40
Mean Trimmed Median
mean
4,06 7,80
7,91
7,36
3,49
1
Kelompok Komoditi
Bahan makanan
8,34
8,64
8,61
6,58
4,80
5,02
6,25
5,78 12,67
12,71
12,38
4,65
2
Makanan jadi, minuman, rokok & tembakau
8,98
8,94
8,79
3,29
8,76
8,68
8,79
3,86
9,25
9,19
8,78
2,44
3
4
Perumahan
Sandang
8,94
7,06
8,98
6,98
8,66
6,16
5,12
2,62
9,89
6,74
9,91
6,63
9,83
5,61
2,96
2,87
7,78
7,46
7,72
7,43
6,61
7,16
6,76
2,24
5
6
Kesehatan
Pendidikan, rekreasi & olah raga
6,10
8,88
5,94
8,91
5,76
8,71
2,01 6,57
2,74 10,33
6,44
10,41
6,21
10,27
2,40
2,32
5,52
7,11
5,51
7,12
5,35
7,99
1,19
2,09
7
Transport dan komunikasi
9,85
8,97
6,18
9,73
9,39
5,67
9,71
8,98
1,42
15,42
Mean
Sumber: Badan Pusat Statistik, diolah
SD
11,11
9,96
SD
SD
4,61
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
19
yang cenderung persisten paska-ITF. Di samping itu, volatilitas inflasi di kedua periode tersebut
juga tidak banyak mengalami perubahan. Adanya shock pada kelompok transportasi dan
komunikasi yang dipicu oleh kenaikan harga BBM pada tahun 2005 menjadi salah satu penyebab
tingginya standar deviasi inflasi di kelompok tersebut.
4.2 Pengukuran Derajat Persistensi Inflasi Jakarta2
Pemilihan komoditi ditentukan berdasarkan rata-rata sumbangan inflasi terbesar
terhadap pembentukan inflasi IHK Jakarta dalam 5 tahun terakhir. Dari sekitar 774 komoditi
(termasuk kelompok/sub kelompok komoditi) pembentuk keranjang IHK Jakarta, dipilih 28
jenis komoditi yang mewakili 66,35% dari rata-rata inflasi Jakarta pada periode tersebut.
Beras, bensin, angkutan dalam kota, kontrak rumah, sewa rumah, tarif PAM dan minyak
tanah merupakan komoditi yang sumbangan inflasinya terbesar dibandingkan dengan
komoditi lainnya. Besarnya sumbangan inflasi masing-masing komoditi tersebut dicantumkan
pada Tabel 3.
Tabel 3.
Kontribusi Komoditi Terpilih Pembentuk Inflasi Jakarta
No
Komoditi Jakarta
Umum/total
Kontribusi
No
Komoditi Jakarta
Kontribusi
8,12
1
Beras
0,65
15
Gas elpiji
0,09
2
Daging ayam ras
0,07
16
Minyak tanah
0,31
3
Daging sapi
0,04
17
Tarif PAM
0,33
4
Tempe
0,05
18
Tarif listrik
0,21
5
Cabe
0,03
19
Upah pembantu
0,11
6
Minyak goreng
0,07
20
Emas
0,16
7
Ayam goreng
0,08
21
Tarif RS
0,03
8
Mie
0,09
22
SD
0,09
9
Gula pasir
0,07
23
SLTP
0,08
10
Rokok kretek
0,06
24
SLTA
0,08
11
Rokok kretek filter
0,09
25
PT
0,12
12
Kontrak rumah
0,83
26
Angkutan antar kota
0,07
13
Sewa rumah
0,23
27
Angkutan dalam kota
0,72
14
Tukan bukan mandor
0,16
28
Bensin
0,48
Sumber: Badan Pusat Statistik, diolah
2 Waktu penerapan ITF secara formal di Indonesia dimulai sejak Juli 2005 (website Bank Indonesia: www.bi.go.id). Di penelitian lain
oleh Harmanta (2009), periode sampai dengan Juni 2005 disebut sebagai Lite-ITF dan sejak Juli 2005 sebagai Full-ITF.
20
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Tabel 4. Derajat Persistensi Inflasi Kelompok Komoditi dan Komoditi Terpilih √ Jakarta
(Sebelum mengakomodir structural break)
Periode Pengamatan: Januari 2000 √ Mei 2008
Jumlah Observasi: 101
No
Komoditi
Umum
Derajat Persistensi Inflasi Jakarta*
OLS
0,94
Bootstrap
0,79
Rolling Regression
0,90
Kelompok Komoditi
1
Bahan makanan
0,98
0,84
0,86
2
Makanan jadi, minuman, rokok & tembakau
0,92
0,83
0,92
3
Perumahan
0,84
0,61
0,80
4
5
Sandang
Kesehatan
0,88
0,93
0,73
0,87
0,87
0,89
6
Pendidikan, rekreasi & olah raga
0,90
0,73
0,77
7
Transport dan komunikasi
0,90
0,74
0,86
Komoditi
1
Beras
0,94
0,88
0,93
2
Daging ayam ras
0,68
0,35
0,49
3
Daging sapi
0,93
0,82
0,91
4
Tempe
0,61
0,86
0,81
5
Cabe
0,72
0,37
0,68
6
Minyak goreng
0,94
0,78
0,85
7
8
Ayam goreng
Mie
0,80
0,69
0,67
0,65
0,64
0,40
9
Gula pasir
0,90
Rokok kretek
0,78
0,78
0,87
0,88
10
11
Rokok kretek filter
0,61
0,72
0,84
12
Kontrak rumah
0,90
0,73
0,86
13
Sewa rumah
0,92
0,80
0,85
14
Tukan bukan mandor
0,84
0,51
0,70
15
Gas elpiji
0,78
0,50
0,93
16
17
Minyak tanah
Tarif PAM
0,76
0,87
0,78
0,51
0,89
0,73
18
Tarif listrik
0,82
19
Upah pembantu
0,97
n/a
0,77
n/a
0,80
20
Emas
0,90
0,61
0,82
21
Tarif RS
0,80
0,69
0,73
22
SD
0,73
0,59
0,80
23
SLTP
0,80
0,61
0,82
24
SLTA
0,90
0,74
0,70
25
26
PT
Angkutan antar kota
0,88
0,84
0,90
0,89
0,86
27
Angkutan dalam kota
0,88
28
Bensin
0,74
0,55
0,78
* Penentuan lag optimum berdasarkan kriteria SBIC, AIC, HQIC
Sumber: Badan Pusat Statistik, diolah
0,63
0,83
0,67
0,86
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
21
Disamping pengukuran derajat persistensi inflasi hingga ke level komoditi dominan
pembentuk inflasi di Jakarta, dilakukan pula pengukuran tingkat persistensi inflasi IHK
berdasarkan disagregasinya, yang terbagi menjadi inflasi inti, inflasi volatile food dan inflasi
administered price.
Hasil estimasi derajat persistensi inflasi di wilayah Jakarta berdasarkan kelompok komoditi
dan komoditi pembentuk IHK Jakarta disajikan pada Tabel 4. Derajat persistensi inflasi tersebut
diperoleh dengan menjumlahkan seluruh koefisien AR sesuai dengan lag optimum inflasi masingmasing komoditi/kelompok komoditi. Penentuan lag optimum dilakukan dengan menggunakan
kriteria AIC/HQIC/SBIC. Pengukuran derajat persistensi inflasi Jakarta dengan menggunakan 3
teknik yang berbeda menunjukkan hasil yang tidak jauh berbeda, meskipun teknik OLS dan
rolling regression memperlihatkan hasil estimasi yang lebih dekat dibandingkan dengan OLS
dan bootstrap.
Dengan menggunakan full sample, hasil estimasi derajat persistensi Jakarta secara umum
menunjukkan bahwa inflasi IHK Jakarta masih sangat persisten. Hal ini sejalan dengan persistensi
inflasi nasional yang pada periode pengamatan yang sama juga menunjukkan angka persistensi
yang tinggi3. Dari 7 kelompok komoditi pembentuk IHK, hampir seluruhnya menunjukkan derajat
persistensi inflasi yang tinggi. Hanya kelompok perumahan yang tingkat persistensi inflasinya
tidak setinggi kelompok komoditi lainnya.
Hasil estimasi juga menunjukkan bahwa derajat persistensi inflasi kelompok bahan
makanan yang karakteristiknya inflasinya banyak dipengaruhi oleh shock gangguan pasokan
dan distribusi terlihat masih cukup tinggi. Sementara itu, kelompok komoditi yang persistensi
inflasinya tertinggi yang secara konsisten ditunjukkan oleh hasil estimasi ketiga pendekatan
pada Tabel 4 adalah kelompok makanan jadi, minuman, rokok dan tembakau dan kelompok
kesehatan. Di tingkat komoditas, beras, daging sapi, minyak goreng, gula pasir, kontrak rumah,
dan sewa rumah merupakan beberapa komoditi yang tertinggi tingkat persistensi inflasinya
dibandingkan dengan komoditi terpilih lainnya.
Tingginya derajat persistensi inflasi tersebut diperkirakan terkait dengan shocks yang
banyak memengaruhi perkembangan inflasi di Indonesia pada umumnya. Untuk itu, perlu
dilakukan uji untuk melihat apakah terdapat structural break pada data inflasi.Quandt-Andrews
test terhadap series inflasi dilakukan untuk melihat apakah terdapat structural break selama
periode pengamatan. Berdasarkan hasil tes tersebut, terdapat structural break di series data
inflasi umum dan beberapa kelompok komoditi (kelompok perumahan, kelompok pendidikan,
3 Sebagaimana hasil pengukuran derajat persistensi inflasi nasional yang disajikan pada Tabel 4.
22
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
rekreasi & olah raga, dan kelompok transportasi dan komunikasi) serta komoditi (tempe, rokok
kretek, rokok kretek filter, gas elpiji, minyak tanah dan SLTA), disajikan pada Tabel 5.
Setelah mengakomodir structural break pada series data inflasi Jakarta, derajat persistensi
inflasi menunjukkan sedikit perbedaan. Beberapa komoditi memperlihatkan penurunan derajat
persistensi inflasi, namun beberapa komoditi lainnya menunjukkan peningkatan. Dengan
demikian, untuk Jakarta, keberadaan structural break tidak selalu menyebabkan pengukuran
derajat persistensi inflasi yang berlebihan.
Tabel 5. Derajat Persistensi Inflasi Kelompok Komoditi dan Komoditi Terpilih √
Dengan dan Tanpa Structural Break √ Jakarta
No
1
2
3
4
5
6
7
8
9
10
Komoditi
Umum
Perumahan
Pendidikan, rekreasi & olah raga
Transport dan komunikasi
Tempe
Rokok kretek
Rokok kretek filter
Gas elpiji
Minyak tanah
SLTA
Derajat Persisitensi Inflasi Jakarta
Tanpa SB
Dengan SB
0,94
0,84
0,90
0,90
0,61
0,78
0,61
0,78
0,76
0,90
0,93
0,83
0,87
0,92
0,92
0,86
0,60
0,86
0,96
0,86
Sumber: Badan Pusat Statistik, diolah
Tingginya derajat persistensi inflasi Jakarta tercermin pula dari lamanya waktu yang
dibutuhkan oleh inflasi untuk menyerap 50% shock yang terjadi sebelum kembali ke nilai rataratanya. Dengan melihat hasil estimasi OLS, waktu yang dibutuhkan oleh kelompok komoditi
mencapai 5 sampai 13 bulan. Kelompok komoditi dengan derajat persistensi inflasi tertinggi
adalah kelompok makanan jadi, minuman, rokok dan tembakau dan kelompok transport dan
komunikasi yang memerlukan waktu kurang lebih 12 bulan sebelum kembali ke nilai rataratanya. Sementara kelompok kesehatan memerlukan waktu sekitar 13 bulan. Ketiga kelompok
tersebut merupakan kelompok komoditi dengan derajat persistensi inflasi tertinggi yang secara
konsisten ditunjukkan oleh 3 teknik pengukuran yang digunakan. Meskipun estimasi OLS yang
digambarkan pada Grafik 4 menghasilkan derajat persistensi inflasi yang sangat tinggi untuk
kelompok bahan makanan, hasil tersebut tidak didukung oleh 2 teknik lainnya.
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
Bahan Makanan
40,04
Makanan jadi, minuman,
rokok dan tembakau
11,94
Perumahan
4,88
Sandang
7,04
Kesehatan
12,81
Pendidikan, rekreasi
dan olahraga
6,69
Transport dan komunikasi
11,50
Sumber : Badan Pusat Statistik, diolah
Grafik 5. Waktu yang Dibutuhkan Inflasi Kelompok
Komoditi Kembali ke Nilai Rata-rata (Bulan) √ Jakarta
(Setelah mengakomodir structural break)
Bensin
Angkutan dalam kota
Angkutan antar kota
PT
SLTA
SLTP
SD
Tarif RS
Emas
Upah pembantu
Tarif listrik
Tarif PAM
Minyak tanah
Gas elpiji
Tukang bukan mandor
Sewa rumah
Kontrak rumah
Rokok kretek filter
Rokok kretek
Gula pasir
Mie
Ayam goreng
Minyak goreng
Cabe
Tempe
Daging sapi
Daging ayam ras
Beras
2,85
7,57
5,12
7,50
6,14
4,09
2,77
3,99
8,90
37,78
4,52
6,90
24,00
6,14
5,16
11,93
4,49
1,50
6,14
8,55
2,21
3,96
16,16
2,56
11,50
13,16
2,09
15,74
Sumber : Badan Pusat Statistik, diolah
Grafik 6. Waktu yang Dibutuhkan Inflasi Komoditi
Kembali ke Nilai Rata-rata (Bulan) √ Jakarta
(Setelah mengakomodir structural break)
23
24
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Dilihat dari komoditi pembentuk keranjang IHK, komoditi yang menunjukkan persistensi
tertinggi adalah beras, daging sapi, minyak goreng, gula pasir, kontrak rumah dan sewa rumah.
Sementara itu, komoditi yang memperlihatkan derajat persistensi terendah sebagian besar
berasal dari kelompok bahan makanan, seperti daging ayam ras dan cabe. Disamping itu, mie
yang termasuk dalam kelompok makanan jadi juga memperlihatkan tingkat persistensi yang
relatif paling rendah dibandingkan dengan komoditi terpilih lainnya. Waktu yang dibutuhkan
inflasi komoditi kembali ke rata-ratanya juga mendukung hasil pengukuran derajat persistensi
tersebut (Grafik 6).
Tabel 6. Derajat Persistensi Inflasi Berdasarkan Disagregasi Inflasi √ Jakarta
Inflasi bulanan (y-o-y) pada periode Jan 2003 - Mar 2008
No
Komoditi
Derajat Persistensi Inflasi Jakarta*
OLS
Bootstrap
Rolling Regression
1
Inflasi IHK
0,89
0,74
0,91
2
Inflasi Inti
0,88
0,69
0,89
3
Inflasi Administered Price
0,89
0,72
0,89
4
Inflasi Volatile Food
0,92
0,81
0,86
* Penentuan lag optimum berdasarkan kriteria SBIC, AIC, HQIC
Sumber: Badan Pusat Statistik, diolah
Dilihat berdasarkan disagregasinya, inflasi Jakarta terbagi menurut inflasi inti, inflasi
administered price, dan inflasi volatile food. Tabel 6 mencantumkan hasil estimasi derajat
persistensi inflasi Jakarta dengan menggunakan 3 teknik yaitu OLS, bootstrap dan rolling
regression. Ketiga jenis inflasi tersebut masih sangat persisten pada periode pengamatan, terlihat
Inflasi IHK
Inflasi Inti
Inflasi Administered Price
Inflasi Volatile Food
8,28
7,13
7,74
11,98
Sumber : Badan Pusat Statistik, diolah
Grafik 7.
Waktu Kembali ke Rata-rata (Bulan) - Inflasi Jakarta
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
25
dari derajat persistensi inflasi yang tergolong masih tinggi (0.88 - 0.92), sehingga untuk kembali
ke rata-ratanya membutuhkan waktu antara 7-12 bulan (Grafik 7).
Gambaran pemetaan hasil estimasi derajat persistensi inflasi yang telah dilakukan dengan
menggunakan full sample dan tingkat inflasi masing-masing komoditi ditampilkan pada
Gambar 1.
Persistensi Inflasi
Kuadran
Kuadran
2
Upah pembantu
Daging sapi
Sewa rumah
Kontrak rumah
Tarif RS
Ayam goreng
Mie
Beras
Tempe
Gula pasir
Minyak goreng
Emas
SLTA
SLTP
PT
Tarif PAM
1
Tarif listrik
Rokok kretek
Gas elpiji
Minyak tanah
Angkutan dalam kota
Angkutan antar kota
Tukang bukan mandor
Inflasi
Cabe
Daging ayam ras
SD
SLTP
Rokok kretek filter
Bensin
Kuadran
Kuadran
3
4
Sumber : Badan Pusat Statistik, diolah
Gambar 1.
Mapping Inflasi Jakarta
Di kuadran 1 adalah komoditi dengan tingkat persistensi inflasi tinggi dan inflasi tinggi,
di kuadran 2 adalah komoditi dengan dengan tingkat persistensi inflasi tinggi dan inflasi rendah,
di kuadran 3 adalah komoditi dengan dengan tingkat persistensi inflasi rendah dan inflasi
rendah, dan di kuadran 4 adalah komoditi dengan dengan tingkat persistensi inflasi rendah
dan inflasi tinggi. Penggolongan ke dalam tiap kuadran didasarkan pada kategori inflasi tinggi
apabila tingkat inflasi > 10% dan persistensi inflasi tinggi apabila > 0,80. Berdasarkan pemetaan
tersebut, perhatian lebih perlu diarahkan kepada komoditi-komoditi yang terletak di kuadran
1. Namun demikian, komoditi-komoditi tersebut sebagian merupakan komoditi administered
price yang harganya dipengaruhi oleh kebijakan pemerintah, seperti tarif listrik, tarif PAM,
rokok kretek, gas elpiji, minyak tanah, angkutan dalam kota, angkutan antar kota. Hal ini
mengimplikasikan perlunya koordinasi yang lebih baik antara pemerintah dengan bank sentral
dalam upaya pengendalian inflasi di daerah.
26
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
4.3 Penyebab Persistensi Inflasi Jakarta
Pendekatan lain untuk melihat penyebab peristensi inflasi adalah dengan menggunakan
model Hybrid New Keynesian Philips Curve, mengikuti beberapa penelitian terdahulu, antara
lain oleh Alamsyah (2008) dan Mehrotra et al (2007). Dengan metode ini, penyebab persistensi
inflasi dilihat berdasarkan perilaku inflasi yang melihat ke depan (forward looking) dan ke
belakang (backward looking). Kedua perilaku tersebut tergambar dari model Hybrid NKPC
yang menangkap karakteristik persistensi inflasi sebagai berikut:
Tabel 7.
Hasil Estimasi Hybrid NKPC
NKPC
2SLS Regression
Sampel
Jumlah Observasi
Variabel dependen
Independen variabel
: 2000Q1 - 2009Q4
: 37
: Inflasi
Koefisien Parameter
L1.Inflasi
0,46***
(0,08)
0,54***
(0,08)
0,18
0,22
0,07
(0,25)
F.Inflasi
Outputgap
Konstanta
R-squared
0,79
Instrument Variables :
L2.Inflasi
Pertumbuhan harga minyak
Estimasi model hybrid NKPC dilakukan dengan menggunakan teknik 2SLS (Two Stages
Least Squares), dengan menambahkan restriksi parameter inflasi sehingga menjadi sama
dengan 1. Hasil estimasi yang disajikan pada Tabel 7 menunjukkan bahwa inflasi Jakarta pada
periode pengamatan berperilaku campuran, dipengaruhi oleh ekspektasi inflasi ke depan
(forward looking) dan ke belakang (backward looking). Hal ini ditunjukkan oleh magnitude
kedua parameter yang hampir seimbang menandakan bahwa pengaruh ekspektasi forwad
dan backward looking tidak jauh berbeda. Disamping itu, pengujian dengan menggunakan
Wald test juga menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara koefisien
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
27
forward dan backward looking inflasi Jakarta. Kondisi tersebut memperlihatkan perlunya upaya
yang lebih intensif untuk mengubah perilaku ekspektasi inflasi ke arah forward looking.
Sementara itu, data output gap diperoleh dengan menggunakan teknik HP filter. Untuk
Jakarta, terlihat bahwa parameter output gap tidak cukup signifikan memengaruhi inflasi Jakarta.
Dengan demikian, pengaruh output gap terhadap inflasi belum dapat disimpulkan.
Inflasi yang tinggi menimbulkan dampak negatif terhadap perekonomian. Inflasi yang
tinggi akan memberikan ketidakpastian bagi pelaku ekonomi dalam mengambil keputusan
selain akan memengaruhi daya beli masyarakat terutama yang berpendapatan tetap. Pengelolaan
ekonomi akan menjadi lebih sulit bila tingkat inflasi yang terbentuk menjadi persisten. Sesuai
dengan salah satu definisi mengenai persistensi inflasi, laju inflasi akan membutuhkan waktu
yang lebih lama untuk kembali kepada tingkat sebelum terjadi kejutan (shock). Demikian pula
dengan proses konvergensi inflasi yang memerlukan waktu lebih lama. Hal tersebut dapat
berimplikasi terhadap besarnya upaya yang diperlukan untuk menurunkan tingkat inflasi.
Persistensi inflasi yang tinggi di Jakarta memberikan implikasi bahwa upaya penurunan
inflasi nasional akan menjadi tantangan yang lebih besar mengingat kota Jakarta memiliki
bobot yang terbesar dalam pembentukan inflasi nasional.
Berdasarkan hasil asesmen, tingginya derajat persistensi inflasi di Jakarta antara lain
diakibatkan oleh tingginya derajat persistensi inflasi yang terjadi pada kelompok volatile food
dan kelompok administered price. Hal ini berimplikasi pada diperlukannya koordinasi yang
lebih kuat antara Pemerintah dengan Bank Indonesia untuk mengendalikan inflasi. Sementara
untuk kelompok administered price sangat bergantung pada upaya Pemerintah untuk mengatur
timing dan magnitude kebijakan di bidang harga (dan pendapatan) sehingga memberikan
dampak yang minimal terhadap inflasi.
Inflasi volatile food dan administered price yang tinggi akan mempengaruhi ekspektasi
inflasi sehingga dapat mempersulit upaya pengendalian inflasi daerah. Koordinasi yang baik
melalui forum-forum koordinasi yang telah ada seperti rapat koordinasi Dewan Gubernur BI
dengan Pemerintah, forum penetapan sasaran inflasi, serta Tim Pengendalian Inflasi ke depan
perlu lebih dioptimalkan lagi. Terkait dengan Tim Pemantauan dan Pengendalian Inflasi Daerah
(TPID), target pembentukannya diseluruh daerah di Indonesia (mencakup 66 kota) perlu dipantau
agar dapat terealisasi, mengingat pentingnya peranan pengendalian inflasi daerah untuk
mencapai inflasi nasional yang rendah dan stabil.
Di samping itu, peran TPID dapat dioptimalkan perannya apabila dilakukan pula dengan
koordinasi lintas wilayah (antar daerah), terutama dengan daerah yang memiliki keterikatan
ekonomi yang besar. Disamping itu, perannya dalam pengembangan sistem informasi (data
28
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
base) yang baik untuk kepentingan pemantauan komoditas penyumbang inflasi terbesar perlu
direalisasikan sehingga dapat dimanfaatkan lebih jauh untuk penentuan kebijakan harga di
tingkat daerah.
Upaya pengendalian inflasi di daerah selanjutnya diharapkan dapat memberikan dampak
positif terhadap proses konvergensi inflasi antar daerah yang lebih cepat, sehingga pengendalian
inflasi daerah dapat lebih mudah dilakukan. Kebijakan pengendalian inflasi melalui kebijakan
moneter di tingkat nasional pada gilirannya diharapkan mampu menjadi semakin efektif. Isu
konvergensi dan koordinasi pengendalian inflasi lintas daerah ini, khususnya kota Jakarta dengan
daerah lain, akan menjadi topik yang menarik untuk diangkat dalam paper selanjutnya 4.
Sementara itu, sumber tekanan inflasi dari ekspektasi inflasi yang masih dipengaruhi
secara signifikan oleh ekspektasi backward looking memberikan implikasi perlunya diseminasi
informasi dan kebijakan yang lebih intensif untuk mengarahkan ekspektasi inflasi menjadi lebih
ke arah forward looking, agar tingkat inflasi dapat diturunkan ke tingkat yang rendah dan
stabil. Upaya tersebut tidak terlepas dari kredibilitas otoritas penentu kebijakan yang senantiasa
perlu dipelihara dan ditingkatkan.
V. KESIMPULAN
Penelitian ini memberikan beberapa kesimpulan penting, pertama, pengujian empiris
menunjukkan bahwa inflasi IHK Jakarta memiliki derajat persistensi yang tinggi. Demikian pula
jika dilihat berdasarkan disagregasinya, inflasi administered price, dan inflasi volatile fooddi
Jakarta tergolong masih sangat persisten pada periode pengamatan. Kelompok komoditi yang
tertinggi derajat persistensinya adalah kelompok makanan jadi, minuman, rokok & tembakau
dan kelompok kesehatan. Sedangkan ditingkat komoditas adalah beras, daging sapi, minyak
goreng, gula pasir, kontrak rumah, dan sewa rumah. Tingginya derajat persistensi inflasi Jakarta
tercermin pula dari lamanya waktu yang dibutuhkan oleh inflasi untuk menyerap 50% shock
yang terjadi sebelum kembali ke nilai rata-ratanya. Di Jakarta, kelompok komoditi sebagian
besar membutuhkan waktu antara 5-12 bulan untuk kembali ke rata-ratanya sebelum terjadinya
shock, sementara untuk komoditi sebagian besar membutuhkan waktu antara 3-12 bulan.
Kesimpulan kedua, dengan mengacu pada hasil estimasi model hybrid NKPC, ditemukan
bahwa inflasi Jakarta berperilaku campuran, yang merupakan kombinasi antara perilaku forward
dan backward looking. Hal ini sejalan dengan hasil penelitian perilaku inflasi nasional oleh
Alamsyah (2008).
4 Arimurti dan Trisnanto, ≈Konvergensi inflasi antar daerah di Indonesia∆, forthcoming paper.
Persistensi Inflasi di Jakarta dan Implikasinya terhadap Kebijakan Pengendalian Inflasi Daerah
29
Kesimpulan ketiga, penelitian ini menunjukkan bahwa penyebab tingginya derajat
persistensi inflasi di Jakarta antara lain diakibatkan oleh tingginya derajat persistensi inflasi
kelompok volatile food dan kelompok administered price. Inflasi volatile food dan administered
price yang tinggi memengaruhi ekspektasi inflasi sehingga hal tersebut dapat mempersulit
upaya pengendalian inflasi daerah.
Temuan di atas memiliki implikasi kebijakan yakni perlunya diseminasi informasi dan
kebijakan yang lebih intensif untuk mengarahkan ekspektasi inflasi menjadi lebih ke arah forward
looking, agar tingkat inflasi dapat diturunkan ke tingkat yang rendah dan stabil. Selain itu,
temuan ini juga berimplikasi terhadap perlunya pengoptimalan koordinasi melalui forum-forum
koordinasi yang telah ada seperti rapat koordinasi Dewan Gubernur BI dengan Pemerintah,
forum penetapan sasaran inflasi, serta Tim Pengendalian Inflasi.
30
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
DAFTAR PUSTAKA
Alamsyah, H. (2008). Persistensi Inflasi dan Dampaknya terhadap Pilihan dan Respons Kebijakan
Moneter di Indonesia. Dissertation .
Angeloni, I., Aucremanne, L., Ehrmann, M., Gali, J., Levin, A., & Smets, F. (2004). Inflation
Persistence in the Euro Area : Preliminary Summary of Findings.
Babecky, J., Corricelly, F., & Horvath, R. (2008, June). Assessing Inflation Peristence: Micro Evidence
on an Inflation Targeting Economy. CERGE-EI .
Batini, N. (2002, December). Euro Area Inflation Persistence. European Central Bank Working
Paper Series .
Debelle, G., & Wilkinson, J. (2002). Inflation Targeting and the Inflation Process: Some Lessons
from an Open Economy. Research Bank of Australia - Research Discussion Paper 2002-01 .
Dossche, M., & Everaert, G. (2005, June). Measuring Inflation Persistence: A Structural Time
Series Approach. National Bank of Belgium Working Paper .
Federal Reserve Bank of San Fransisco. (2006, October 13). Inflation Persistence in an Era of
Well-Anchored Inflation Expectations. FRBSF Economic Letter .
Harmanta. (2009). Kredibilitas Kebijakan Moneter dan Dampaknya terhadap Persistensi Inflasi
dan Strategi Disinflasi di Indonesia: dengan Model Dynamic Stochastic General Equilibrium
(DSGE). Jakarta: Fakultas Ekonomi Program Pascasarjana Ilmu Ekonomi Universitas Indonesia.
Levin, A. T., & Piger, J. M. (2004, April). Is Inflation Persistence Intrinsic in Industrial Economies?
European Central Bank Working Paper Series .
Marques, C. R. (2005). Inflation Peristence: Facts or Artefacts? Economic Bulletin .
Marques, C. R. (2004, June). Inflation Persistence: Facts or Artefacts? European Central Bank
Working Paper Series .
O»Reilly, G., & Whelan, K. (2004, April). Has Euro-Area Inflation Persistence Change Over Time?
European Central Bank Working Paper Series .
Pivetta, F., & Reis, R. (2006). The Persistence of Inflation in the United States. Journal of Economic
Dynamics and Control , April.
Stock, J. H. (2004, December). Inflation Persistence in the Euro Area: Evidence from Aggregate
and Sectoral Data.
Tim Inflasi. (2007). Persistensi Inflasi Inti. Isu Strategis. Bahan Rapat Dewan Gubernur 4 Januari.
Jakarta: Bank Indonesia.
Willis, J. L. (2003). Implications of Structural Changes in the U.S. Economy for Pricing Behavior
and Inflation Dynamics. Federal Reserve Bank of Kansas City Economic Review .
Yanuarti, T. (2007). Has Inflation Persistence in Indonesia Changed?
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
31
ANALISA SOVEREIGN RISK NEGARA BERKEMBANG:
TEMUAN DARI PERILAKU PREMI CREDIT DEFAULT SWAP
Moch. Doddy Ariefianto dan Soenartomo Soepomo 1
Abstract
Persepsi pelaku pasar asing terhadap perekonomian domestik dapat diukur melalui sovereign
risk. Risiko ini merupakan hasil evaluasi/assestment lembaga rating mengenai probabilitas suatu entitas
berdaulat (negara) akan melakukan wanprestasi terhadap kewajiban komersialnya (Beers dan Cavanaugh,
2006). Wanprestasi ini terjadi baik karena ketiadaan kapasitas maupun kesengajaan.
Pengukuran persepsi risiko ini telah cukup lama dilakukan melalui rating oleh suatu lembaga
pemeringkat. Menjelang akhir abad ke 20, suatu instrumen baru yakni Credit Default Swap (CDS) muncul
sebagai suatu alat pengukuran sovereign risk. Sebagai suatu instrumen yang melakukan lindung nilai
terhadap kemungkinan default hutang, maka secara alamiah premi dari CDS akan merefleksikan
kemampuan membayar. Terkait dengan konteks sovereign, maka kemampuan membayar ini dapat
dihubungkan dengan berbagai variabel ekonomi makro domestik dan global (aspek fundamental).
Studi ini melakukan analisa ekonometris hubungan premi CDS terhadap variabel-variabel yang
biasa digunakan sebagai penjelas sovereign rating. Berdasarkan literatur empiris yang ada diantaranya
Beers dan Cavanaugh (2006), Weigel dan Gemmil (2006) serta Ismailescu dan Kazemi (2010), 9 variabel
ekonomi makro yakni pertumbuhan PDB, inflasi, depresiasi, yield spread (terhadap US Treasury), rasio
hutang pemerintah, cadangan devisa, rasio defisit fiskal, neraca berjalan dan global risk appetite digunakan
untuk menjelaskan pergerakan CDS tenor 5 tahun. Suatu dataset panel yang terdiri atas 10 negara
berkembang pada periode 2004-2009 (frekuensi tahunan) digunakan untuk memverifikasi pola hubungan
yang ada.
Estimasi dengan ekonometrika panel data menemukan risk appetite global sebagai variabel pengaruh
terpenting disusul dengan cadangan devisa dan yield spread. Hal ini konsisten dengan literatur empiris
yang ada serta menunjukkan keterkaitan yang tinggi perekonomian negara berkembang dengan siklus
ekonomi dunia.
Keywords : Sovereign Risk, Credit Default Swap, Fundamental Ekonomi Makro, Panel Data
JEL Classification : F34 F32 G13 G15 C23
1 Penulis adalah Dosen Fakultas Ekonomi dan Bisnis, Universitas Ma Chung Malang, Penulis dapat dihubungi pada
[email protected] dan [email protected].
32
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
I. PENDAHULUAN
Hutang luar negeri sudah menjadi bagian penting dalam pendanaan pembangunan suatu
negara berkembang. Pembiayaan eskternal ini diperlukan dalam rangka menutupi saving-
investment gap yang biasanya adalah negatif. Hutang luar negeri ini dapat timbul dalam
berbagai bentuk seperti hutang pemerintah, surat hutang negara, obligasi korporasi, pinjaman
bilateral-multilateral, dsb.
Harga pinjaman tersebut sangat tergantung dengan skema, kondisi ekonomi (fiskal dan
moneter) dan reputasi. Beberapa dekade belakangan ini, terdapat suatu trend institusi yang
melakukan spesialisasi dalam melakukan valuasi hutang. Institusi ini, sering disebut sebagai
lembaga pemeringkat, mengukur secara kuantitatif dan kualitatif kemampuan membayar (risiko
kredit) suatu entitas dan memberikan suatu peringkat sebagai ukuran. Khususnya untuk entitas
berdaulat (sovereign), pemeringkatan telah dilakukan sejak 1975 oleh Standard & Poors (Beers
dan Cavanaugh, 2006).
Pengukuran risiko kredit sebenarnya bukan suatu hal yang baru. Suatu model risiko kredit
dalam bentuk probabilitas default telah disusun oleh Altman dengan statistik Z nya yang terkenal
ditahun 1968. Perkembangan pemodelan risiko kredit sudah sangat maju dan mencakup baik
dari kemutakhiran teknik statistik maupun kalibrasi variabel-variabel yang digunakan. Cantor
(2004) memberikan suatu review mengenai kondisi terkini pemodelan risiko kredit.
Risiko kredit suatu negara (sovereign risk) menjadi perhatian yang sangat besar dikalangan
investor. Berbeda dengan risiko kredit swasta, investor tidak dapat melakukan sita agunan atau
penghasilan ketika terjadi event default. Dengan demikian arti valuasi kredit bagi pinjaman
oleh negara menjadi lebih penting lagi.
Seperti juga halnya risiko kredit korporasi, sovereign risk juga sangat dipengaruhi oleh
kondisi dalam negeri dan luar negeri (Beers dan Cavanaugh, 2006). Kondisi yang berpengaruh
dari dalam negeri meliputi baik ekonomi maupun politik. Tekanan fiskal, misalnya akibat hutang
dan defisit yang terlalu besar dapat memaksa pemerintah untuk melakukan penundaan
pembayaran cicilan dan bunga hutang. Demikian juga halnya dengan perubahan rezim yang
terjadi melalui pergolakan politik. Rezim berkuasa dapat menolak mengakui hutang yang dibuat
oleh pemerintahan terdahulu.
Pola interaksi perekonomian modern saat ini memiliki karakter keterkaitan yang sangat
tinggi. Secara praktis sudah tidak ada negara yang dapat mengisolasikan dirinya dari berbagai
gejolak yang ada diperekonomian global. Krisis sub prime mortgage di US tahun 2007 dan
kontraksi perekonomian dunia ditahun 2008-2009 adalah bukti nyata dari tingginya keterkaitan
suatu negara dengan negara lainnya. Dengan demikian dapat terjadi suatu negara mengalami
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
33
kejatuhan kondisi ekonomi akibat imbas dari luar. Hal ini selanjutnya dapat mendorong
pemerintahan yang ada untuk merestrukturisasi kembali skedul pembayaran hutang yang ada.
Trend lanjutan dalam pengelolaan risiko kredit yang terjadi diawal abad ke 21 adalah
kemunculan Credit Default Swap (CDS). Instrumen derivatif ini memiliki fungsi seperti suatu
asuransi surat hutang/pinjaman suatu entitas. Pembeli CDS (disebut sebagai protection buyer)
dapat menukar surat hutang yang dimilikinya dengan cash sebesar nilai nominal hutang (face
value) kepada penjual CDS (protection seller) ketika terjadi event default (Taylor, 2007). Untuk
memperoleh proteksi ini, pembeli CDS harus membayar suatu premi tertentu (biasanya suatu
persentase dari nilai hutang).
(USD trilions, December 2001 - December 2008)
700
(USD 41,9 trilion in,
December 2008)
600
Credit Default Swaps
Commodity Contracts
Equity-Linked Contracts
500
Credit Default Swaps
Foreign Exchange Contracts
700
600
500
400
400
300
300
200
200
100
100
0
Des
Juni
2005
Des
Juni
2006
Des
Juni
2007
Des
Juni
2008
0
Des
Grafik 1.
Perkembangan CDS
Data Bank for International Settlement (BIS) menunjukkan, sejak diperkenalkan diawal
tahun 2005, nilai kontrak CDS telah mencapai USD 41.9 Triliun per Desember 2008 (lihat
Grafik 1). Meskipun mengalami perkembangan cukup pesat, namun posisi CDS terhitung kecil
diantara berbagai instrumen derivatif lainnya. Interest derivative misalnya memiliki nilai USD
403 Triliun pada periode yang sama. Meskipun reputasinya terkena dampak negatif akibat
krisis sub prime, Hull (2011) memperkirakan instrumen ini masih memiliki prospek yang sangat
cerah di masa depan.
Perkembangan CDS sovereign bagi negara-negara berkembang juga dimulai pada periode
yang sama. Terdapat korelasi yang sangat tinggi antara pergerakan CDS dengan perubahan
34
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
rating suatu negara (Ismailescu dan Kazemi, 2010). Dengan demikian dapat diduga bahwa
variabel-variabel yang melandasi perubahan rating juga dapat menjelaskan pergerakan CDS.
Lebih lanjut dengan karakter instrumen pasar finansial, bahkan dapat diduga bahwa CDS
memiliki potensi sebagai leading indicator.
Penelitian ini dilakukan untuk mengungkapkan hubungan antara variabel CDS dengan
variabel penjelas sovereign rating. Hasil studi diharapkan dapat memberikan manfaat tidak
hanya bagi kalangan akademisi: sebagai sumbangan literatur empiris yang masih jarang namun
juga bagi pengambil kebijakan. Temuan empiris yang diperoleh diyakini dapat menjadi masukan
bagi otoritas khususnya terkait dengan pengelolaan persepsi risiko kredit negara.
Artikel ini terdiri atas lima bagian. Bagian pertama merupakan pendahuluan yang akan
menjelaskan latar belakang dan motivasi penelitian. Selanjutnya akan dibahas mengenai teori
dan literatur empiris mengenai CDS yang ada saat ini. Bagian ketiga akan menguraikan
metodologi penelitian serta skema empiris yang digunakan. Bagian keempat akan membahas
temuan empiris yang diperoleh serta catatan teknis yang ada. Tulisan ini akan ditutup dengan
kesimpulan yang memuat rangkuman serta implikasi kebijakan.
II. TEORI
2.1. Overview Valuasi CDS
Duffie (1999) menyarankan cara pandang CDS sebagai swap defaultable floating
rate notes terhadap default free floating rate note. Sebagai suatu swap, pemilik CDS memiliki
hak untuk menukar cash flow dari instrumen yang defaultable (yang ia miliki) dengan cash
flow dari instrumen default free yang dimiliki penjual swap. Adapun hal yang dapat
digunakan untuk memicu pertukaran ini adalah terjadinya credit event. Credit event ini
dapat berbentuk berbagai hal mulai dari outright default dari penerbit underlying securities,
restrukturisasi, reskeduling, atau bahkan hanya sekedar penundaan pembayaran bunga/
cicilan (Hull, 2011).
Skinner dan Townend (2002) disisi yang lain menggunakan pendekatan put option dalam
menilai CDS. Sebagai suatu put option, pembeli CDS memiliki hak untuk menjual surat berharga
yang dimilikinya pada par value ketika terjadi credit event. Lebih lanjut mereka juga berargumen
bahwa premi dari CDS memenuhi put and call parity sbb:
(1)
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
35
Dimana X adalah strike price dari option (par value), B adalah nilai dari surat berharga yang
memiliki risiko kredit, p adalah premi CDS, D nilai coupon dari surat berharga dan r adalah suku
bunga bebas risiko. Mereka menunjukkan pertidak samaan ini akan terpenuhi, sehingga premi
CDS adalah analog dengan premi suatu opsi.
Whetten et al (2004), disisi yang lain menggunakan pendekatan asuransi. Seorang pembeli
CDS memperoleh asuransi atas minimal harga underlying securities. Apabila terjadi event credit
maka pembeli CDS dapat menukarkan surat berharga yang dimilikinya dengan cash pada par
value. Pada skema lain, pembeli CDS dapat menjual sendiri surat berharga yang dimilikinya
dan penjual CDS akan mengkompensasi kekurangan dari par value. Dengan perkataan lain,
penjual CDS hanya membayar (1-α), dimana α adalah nilai pasar surat berharga pasca credit
event (recovery rate), lihat Grafik 2.
CDS Spreads
(bps)
Protection
Buyer
Protection
Seller
1 - Recovery rate
(%)
Trigger Event
Reference Entity
Sumber : Whetten et al (2004)
Grafik 2. Skema CDS
Dengan menggunakan pendekatan dari Whatten et al (2004), premi dari CDS dapat
diukur dengan cara sbb:
1. Terdapat 2 tipe arus kas dari transaksi CDS, yakni arus tetap yang merupakan pembayaran
premi dari pembeli CDS dan arus kontijen (contingency cash flow), yakni arus kas yang
dibayar oleh penjual CDS hanya jika credit event terjadi.
2. Nilai CDS (bagi si pembeli) adalah nilai sekarang dari seluruh arus kontijen dikurangi dengan
arus tetap.
36
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
3. Nilai arus tetap tergantung atas nominal premi setiap periode dan survivalability 2. Jika
premi dinotasikan dengan S, di adalah periode pembayaran (sebagai suatu fraksi tahunan),
q(ti) adalah survival rate dan D(ti) adalah discount factor yang sesuai, maka nilai saat ini dari
arus tetap dapat dihitung dengan formula sbb3:
(2)
4. Sedangkan jumlah arus kontijen dapat dihitung sebagai selisih kurang dari recovery rate (R)
terhadap par value, atau
(3)
5. Dalam kondisi ekuilibrium, nilai premi akan menyeimbangkan pembayaran dari arus tetap
dengan kontijen, dengan perkataan lain
(4)
6. Dengan sedikit operasi matematis, maka dapat diperoleh valuasi premi CDS sbb
(5)
2.2. Pendekatan Sovereign Rating Terhadap Premi CDS4
Sovereign rating adalah suatu evaluasi terhadap risiko kredit yang ada pada suatu entitas
pemerintahan nasional, tetapi tidak secara spesifik terhadap issuer tertentu. Rating ini
mencerminkan evaluasi risiko kredit kepada seluruh entitas lain yang ada pada suatu negara.
Rating kredit entitas lain tersebut biasanya akan lebih kecil atau sama dengan sovereign rating.
Dengan demikian arti sovereign rating menjadi sangat penting, mengingat biaya kredit berbagai
entitas didalam negeri akan terpengaruh apabila sovereign rating mengalami degradasi.
2 Apabila credit event terjadi maka pembeli CDS tidak lagi perlu membayar. Dengan demikian terdapat probabilitas bahwa pada suatu
periode, pembeli CDS tidak perlu membayar premi karena terjadi credit event. Satu minus probability ini disebut dengan survivalability.
3 Bagian kedua dari formula 2 adalah nilai akrual pembayaran premi jika default terjadi diantara waktu pembayaran ti-1 dan ti.
4 Sebagian besar materi pada bagian ini dirangkum dari Beers dan Cavanaugh (2006).
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
37
20
18
16
14
12
10
8
6
4
2
0
1820 1830 1840 1850 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000*
Sumber : Beers dan Cavanugh (2006)
Grafik 3.
Sovereign Default 1800-2000.
Kejadian sovereign default sudah menurun dekade 1970-1980-an namun kembali
meningkat meskipun masih jauh dibawah rata-rata periode 1900-1950 (lihat grafik 3). Hal ini
terjadi karena faktor-faktor tradisional (seperti peperangan, revolusi serta kebijakan yang tidak
prudent) yang melatari jatuhnya kondisi fiskal juga jauh berkurang. Pada era modern saat ini,
lemahnya tata kelola hutang, produktivitas perekonomian yang rendah, serta kewajiban kontijen
(dari kejatuhan sistem perbankan) adalah faktor utama pemicu sovereign default.
Perhitungan rating kredit dilakukan melalui suatu proprietary model yang melibatkan
aspek kuantitatif sekaligus kualitatif (Cantor, 2004). Meskipun teknik perhitungan maupun
variabel dapat berbeda dari suatu institusi ke institusi yang lain, namun suatu benang merah
analisa dapat dikemukakan.
Pertama, terdapat dua komponen dari evaluasi kredit, yakni rating dan outlook. Rating
memberikan tingkat/nilai valuasi agency terhadap posisi (standing) risiko kredit suatu institusi
saat ini. Gradasi rating dapat bervariasi, namun umumnya terdiri dari sangat tinggi hingga
default. Sedangkan outlook (atau juga disebut watchlist) memberikan arah dugaan/prospek
risiko kredit tersebut dalam suatu periode kedepan (biasanya 6 bulan hingga 2 tahun). Outlook
ini terdiri dari :
a. Stabil: jika rating tidak diharapkan berubah,
b. Positif: jika rating diperkirakan meningkat dan,
c. Negatif jika rating diperkirakan menurun5.
5 Bannier dan Hirsch (2010) melakukan suatu studi empiris yang sangat menarik mengenai penggunaan rating outlook serta bagaimana
ia mempengaruhi persepsi investor.
38
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Kedua, variabel-variabel ekonomi makro dan politik digunakan untuk mengukur rating
serta prospek risiko kredit. Sebagai contoh Standard & Poor menggunakan kelas/kategori variabel
sebagai berikut :
a. Risiko Politik
b. Struktur ekonomi agregat
c. Prospek pertumbuhan ekonomi
d. Kondisi dan kebijakan fiskal
e. Posisi kontijen (dalam dan luar negeri)
f. Kondisi dan kebijakan moneter
g. Kondisi dan kebijakan eksternal
Bagaimana kombinasi dari variabel-variabel ini digunakan banyak dilakukan melalui
judgement dan tidak tetap. Kondisi ekonomi dan politik yang dinamis menyebabkan bobot
pengaruh suatu variabel berubah dari waktu ke waktu.
Namun demikian suatu konsistensi dalam hierarki analisis tetap digunakan. Sebagai contoh
semakin besar defisit fiskal suatu negara maka semakin besar kemungkinan rating kreditnya
semakin rendah (lihat Grafik 4.a). Tidak ada suatu faktor yang dominan, suatu variabel tetap
dilihat secara relatif. Grafik 4b, menunjukkan bahwa median tingkat rasio hutang pemerintah
terhadap PDB pada rating AA justru lebih tinggi dari pada A.
(%)
0,5
45
0,0
40
35
(0,5)
30
(1,0)
25
(1,5)
20
(2,0)
15
(2,5)
10
(3,0)
5
0
(3,5)
AAA Median AA Median A Median BBB Median BB Median
B Median
AAA Median AA Median A Median BBB Median BB Median
B Median
Sumber : Beers dan Cavanugh (2006)
Sumber : Beers dan Cavanugh (2006)
(a) Rasio Defisit Fiskal Thd PDB
(b) Rasio Hutang Pemerintah Thd PDB
Grafik 4.
Evaluasi Dalam Credit Rating S&P.
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
39
Terdapat hubungan yang negatif antara premi CDS dengan sovereign rating. Negaranegara dengan rating sovereign yang lebih rendah rata-rata membayar premi CDS yang lebih
tinggi (lihat Grafik 5). Dengan demikian dapat disimpulkan meskipun CDS adalah suatu instrumen
derivatif yang tradeable, para pelaku pasar (trader) tetap mendasarkan keputusan pembelianpenjualan didasarkan pola yang kurang lebih sejalan dengan rating kredit.
1000
Venezuela
800
600
Latvia
400
Philippines
Vietnam
Egypt
Romania
200
Turkey
Indonesia
Panama
Morocco
0
BB-
BB
BB+
Hungary
Colombia
India
Brazil
Peru
Kazakhstan
BBB-
Thailand
BBB+
Malaysia
A-
Grafik 5.
Hubungan Premi CDS dengan Sovereign Rating S&P.
2.3. Review Studi Empiris
Mengingat CDS adalah suatu instrumen yang baru aktif diperdagangkan, studi empiris
yang mengeskplorasi produk ini belum banyak dilakukan. Skinner dan Townend (2002) adalah
suatu studi empiris pertama yang menggunakan pendekatan regresi linier terhadap premi CDS.
Dengan mengasumsikan CDS sebagai suatu put option, mereka mengestimasi suatu model
linier yang menghubungkan premi dengan variabel standar penjelas harga opsi seperti: suku
bunga bebas risiko, yield serta volatilitas underlying instrument, jangka waktu serta strike price
(artificial).
Data yang digunakan adalah 29 titik realisasi perdagangan CDS sovereign US pada periode
September 1997 dan 1999. Setelah memperhitungkan dampak krisis Asia mereka menemukan
bahwa 4 dari 5 koefisien variabel yang digunakan menghasilkan tanda aljabar yang sesuai
hipotesis dan signifikan.
Weigel dan Gemmil (2006) membangun suatu instrumen khusus (disebut dengan distance
to default) dari proses statistik yield 4 negara berkembang: Argentina, Brazil, Mexico dan
40
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Venezuela. Sebagai variabel penjelas digunakan berbagai indikator ekonomi makro dan pasar,
yang dikategorikan sebagai global, regional dan country specific. Mereka menemukan bahwa
variabel country specific hanya menjelaskan 8% dari explained variance. Bagian terbesar (45%)
dijelaskan oleh faktor regional terutama melalui keterkaitan pasar keuangan. Sebesar 20%
dipengaruhi oleh faktor global (yang diproksikan oleh return pasar modal US). 20% variance
tidak dapat dijelaskan oleh faktor yang digunakan oleh model.
Salah satu indikator leading adanya masalah ekonomi yang dihadapi suatu negara adalah
nilai tukar. Dengan demikian secara alamiah dapat diduga hubungan yang positif diantara
tekanan nilai tukar dengan CDS. Hipotesis ini telah diverifikasi oleh Carr dan Wu (2007). Dengan
menggunakan data mingguan Brazil dan Mexico (pada periode Januari 2002 s/d Maret 2005),
mereka mengestimasi hubungan antara varians risiko nilai tukar dengan premi CDS melalui
suatu model joint-diffusion. Hasil studi mereka menunjukkan bahwa intensitas pergerakan
CDS lebih tinggi dari varians return nilai tukar. Hal ini mengindikasikan bahwa CDS over estimate
terhadap probabilitas default yang sebenarnya.
Suatu studi yang mengukur reaksi CDS sovereign negara berkembang (emerging
market) terhadap perubahan rating kredit (Standard & Poor) dilakukan oleh Ismailescu dan
Kazemi (2010). Mereka menggunakan dataset yang terdiri dari 22 negara pada frekuensi harian
pada periode 2 Januari 2001 sampai dengan 22 April 2009. Sebagai variabel tergantung adalah
perubahan CDS terkait dengan suatu dummy credit event dan sekelompok variabel kontrol.
Terdapat 2 tipe dummy credit event yang digunakan, yakni credit event bagi negara yang
mengalami (country credit event) dan credit event bagi negara yang satu blok (regional credit
event).
Mereka menemukan bahwa credit rating event memiliki sifat yang tidak simetris.
Pengumuman perubahan rating yang positif memberikan dampak langsung, sedangkan yang
negatif tidak membawa dampak. Hal ini menimbulkan dugaan bahwa pengumuman positif
menyampaikan informasi yang lebih banyak dibandingkan yang negatif. Premi CDS juga memiliki
kemampuan untuk memprediksi event rating kredit yang negatif (downgrade) namun tidak
untuk yang positif. Terakhir, event rating kredit memiliki dampak spill over yang lebih kuat jika
ia positif daripada negatif.
Matsumura dan Vicente (2010), melakukan studi terhadap probabilitas default (latent
variable) Brazil dengan menggunakan lima variabel penjelas makro ekonomi (suku bunga The
Fed, VIX: implied volatility indeks S&P 500, nilai tukar real, indeks bursa saham (Ibovespa) dan
interest rate swap. Data harian pada periode 17 Februari 1999 s/d 15 September 2004 (1320
hari) digunakan untuk mengestimasi model empiris (dengan teknik maximum likelihood). Mereka
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
41
menemukan bahwa suku bunga The Fed dan VIX adalah faktor terpenting dalam menjelaskan
perubahan probabilitas default surat hutang Brazil.
Bannier dan Hirsch (2010) membuat suatu studi empiris yang menarik mengenai fungsi
ekonomi dari pengumuman credit outlook. Mereka menggunakan data seluruh senior unsecured
debt yang diterbitkan oleh entitas US dan dirating oleh Moodys. Secara keseluruhan sample
memiliki 4043 observasi, yang terdiri atas 2531 upgrades dan 1512 donwgrades. Model
ekonometrika yang digunakan adalah linier panel dengan Cumulative Absolute Return (CAR)
sebagi variabel tergantung dan 7 variabel penjelas diantaranya besaran upgrade/downgrade
(dalam notchs) dan dummy kategori masuk/keluar investment grade.
Mereka menemukan bahwa rating downgrade memberikan respon pasar yang lebih
tinggi dibandingkan saat issuer memasuki watchlist. Temuan empiris juga memberikan dukungan
atas hipotesa implicit contract (Boot et al, 2006). Dalam hipotesa ini, watch list memiliki fungsi
ekonomi sebagai alat untuk mengkoordinasi persepsi investor dan mengarahkan issuer kepada
persepsi tersebut.
Studi kami memiliki beberapa perbedaan dengan kajian empiris yang telah dilakukan
sebelumnya. Pertama, model empiris yang dilakukan lebih sederhana. Mengingat hubungan
yang telah established antara premi CDS dengan variabel ekonomi makro melalui variabel
penentu harga (jatuh tempo, volatilitas, suku bunga bebas risiko, dsb) maka estimasi dilakukan
secara langsung melalui suatu bentuk reduced form. Model empiris yang bersifat parsimonous
ini diharapkan akan memberikan insight yang lebih intuitif.
Kedua, cakupan negara berkembang yang digunakan lebih banyak dengan data bersifat
panel. Konstruksi empiris yang lebih komprehensif ini diharapkan dapat memberikan temuan
empiris yang lebih kaya.
III. METODOLOGI
Verifikasi empiris keterkaitan antara CDS dengan variabel-variabel penjelas dilakukan
melalui suatu model ekonometrika panel data linier. Secara matematis model ekonometrika ini
dapat diberikan sbb
Dimana Sit adalah premi CDS 5 tahun suatu negara i pada periode t, α adalah intersep model,
X adalah vektor variabel penjelas dan
εit adalah komponen residual. Disini kami hanya
42
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
mengasumsikan komponen residual yang bersifat one way, yang berasal dari heterogenitas
cross section. Dengan demikian εit dapat diklasifikasikan menjadi dua komponen yakni: cross
section type error component (vi) dan idiosyncratic error (uit). Heterogenitas residual dapat
berbentuk fixed constant (Fixed Effect, FE) atau random (Random Effect, RE). Pengujian
redundant fixed effect likelihood ratio digunakan untuk memilih model heterogenitas yang
paling tepat.
Tabel 1.
Variabel Yang Digunakan Dalam Studi
No.
Variabel
Deskripsi, Proxy dan Notation
Expected Sign
1
Credit Default Swap
Premi CDS dengan tenor 5 tahun
Variabel Tergantung
2
Pertumbuhan Ekonomi
Persentase perubahan tahunan (year on year)
GROW
Produk Domestik Bruto (PDB) Riil. (GROW
GROW)
Negatif
3
Inflasi
Persentase perubahan tingkat harga tahunan
INFLASI
INFLASI)
(year on year) konsumen (INFLASI
Positif
4
Depresiasi
Persentase perubahan nilai tukar (terhadap USD)
DEPR
DEPR)
tahunan (year on year) (DEPR
Positif
5
Yield Spread
Selisih antara suku bunga surat hutang
pemerintah degan US Treasury dengan tenor 5
Y_SPREAD
tahun (Y_SPREAD
Y_SPREAD)
Negatif
6
Hutang Pemerintah
Rasio antara hutang pemerintah terhadap PDB
DEBT
nominal (DEBT
DEBT)
Positif
7
Cadangan Devisa
Nilai cadangan devisa negara i pada akhir tahun
t (dalam milyar USD, DEVISA
DEVISA)
Negatif
8
Defisit Fiskal
Rasio antara defisit fiskal pemerintah terhadap
FIS_DEF
PDB nominal (FIS_DEF
FIS_DEF)
Positif
9
Defisit Neraca Berjalan
Rasio antara defisit neraca berjalan terhadap
CA_DEF
PDB nominal (CA_DEF
CA_DEF)
Positif
10
Risk Appetite Global
Nilai indeks VIX, implied volatility dari put option
VIX
indeks Standard & Poors 500 (VIX
VIX).
Positif
Terdapat 9 variabel penjelas yang digunakan dalam studi ini6. Definisi, proksi operasional
serta ekspektasi tanda hubungan (hipotesis) diberikan pada tabel 1. 10 negara berkembang
digunakan sebagai obyek cross section dengan periode pengamatan 2004 s.d 2009 pada
frekuensi tahunan. Negara-negara tersebut adalah Indonesia, Columbia, Hongaria, Malaysia,
Peru, Philipina, Thailand, Turki, Venezuela dan Vietnam. Dengan demikian terdapat 60 observasi
dalam studi.
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
43
IV. HASIL DAN ANALISIS
Dalam bagian ini akan diuraikan hasil estimasi terhadap model empiris serta analisa
ekonomi terhadap temuan yang diperoleh. Pertama akan diuraikan terlebih dahulu statistik
deskriptif dari variabel yang digunakan untuk suatu gambaran awal mengenai studi. Kemudian
akan diuraikan hasil estimasi yang diperoleh serta intrepretasi analitis. Bagian ini akan ditutup
dengan catatan teknik mengenai metodologi yang digunakan.
4.1. Gambaran Deskriptif Variabel
Tabel 2 menunjukkan statistik deskriptif (seluruh sampel) dari variabel-variabel yang
digunakan dalam model. Seperti yang diduga premi CDS, cadangan devisa dan depresiasi
nilai tukar adalah variabel yang memiliki rentang paling besar. Sedangkan defisit fiskal dan
defisit neraca berjalan adalah variabel yang relatif stabil.
Tabel 2.
Statistik Deskriptif Variabel yang Digunakan
Variabel
Mean
Median
Maksimum
Minimum
Std Deviasi
CDS 5
GROW
INFLASI
DEPR
Y_SPREAD
DEBT
DEVISA
256.6918
4.826263
8.839252
-0.329263
167.0000
5.040000
6.514625
-0.544737
3218.044
18.28700
31.90000
30.98265
16.23000
-6.730000
-11.34632
-17.71857
433.0109
4.143712
8.549880
9.601061
5.188258
44.94912
41.37088
4.288700
43.40000
33.13500
21.63010
81.90000
137.8000
-0.909300
13.90000
12.63100
4.296805
14.97648
28.12098
FIS_DEF
CA_DEF
VIX
-1.992982
1.272193
20.56754
-1.900000
0.100000
21.68000
9.500000
17.88700
40.00000
-9.300000
-11.91800
11.56000
2.955555
7.430450
10.09849
Sumber: Bloomberg, IMF dan Bank Dunia
Selanjutnya dapat juga dilihat statistik deskriptif berdasarkan negara sampel: rata-rata
setiap variabel (Tabel 3). Premi CDS rata-rata tertinggi dalam periode 2004-2009 dimiliki oleh
Venezuela (sebesar 865 bps) sedangkan terendah dimiliki oleh Malaysia (71 bps). Pola
pengelolaan ekonomi makro negara-negara ini terlihat cukup variatif. Sebagai contoh Hungaria
dan Philipina terlihat longgar dalam pengelolaan fiskal yang ditunjukkan oleh rasio defisit fiskal
dan hutang yang masing-masing mencapai -6.25% dan 68% serta -2.17% dan 64.8%
6 Beberapa variabel dalam studi ini seperti CDS, cadangan devisa dan VIX dikonversi dalam bentuk log natural. Hal ini dimaksudkan
agar koefisien-koefisien yang diperoleh dari estimasi dapat diintrepretasikan sebagai suatu elastisitas.
44
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Tabel 3.
Statistik Deskriptif Berdasarkan Negara
Negara
CDS5Y
Debt
Kolumbia
Hungaria
Malaysia
Peru
Philipina
Thailand
Turki
Venezuela
Vietnam
Indonesia
201,12
122,63
70,94
176,42
264,57
86,24
215,30
865,31
184,21
289,02
46,90
67,92
44,82
32,60
64,82
42,67
46,48
23,83
34,18
42,42
Fis_def Y_spread
-2,12
-6,25
-3,12
1,03
-2,17
-0,43
-2,62
1,08
-5,63
-0,92
Grow CA_def
Depr
Devisa Inflasi
4,53
1,30
4,19
6,62
4,76
3,37
3,95
8,36
7,28
5,31
-4,68
-1,00
-1,71
-2,85
-2,61
-2,67
2,11
5,33
2,87
2,37
18,67
26,38
84,85
22,67
25,40
80,76
58,08
25,88
16,03
48,05
6,50
4,35
0,24
2,71
4,56
0,67
10,66
7,41
5,13
7,14
-2,08
-6,89
14,97
0,05
3,18
1,49
-4,60
11,52
-6,04
1,75
21,97
5,30
2,83
-1,52
5,89
3,23
8,62
21,97
11,40
8,56
Sumber: Bloomberg, IMF dan Bank Dunia
Gambaran serupa terlihat dari sisi stabilitas eskternal. Venezuela adalah negara yang
paling rentan dengan posisi cadangan devisa (rata-rata) sebesar 25,88 milyar dan depresiasi
rata-rata tahunan mencapai 5,33%. Malaysia dapat dikatakan negara yang relatif stabil dengan
cadangan devisa yang mencapai (rata-rata) USD 84,85 milyar dan mata uang yang cenderung
terapresiasi pada tingkat (rata-rata) 1,71% pertahun.
4.2. Hasil Estimasi dan Analisis
Estimasi dilakukan dengan menggunakan tiga jenis teknik estimasi: estimated generalized
least squares (EGLS), fixed effect (FE) dan random effect (RE). Masing-masing disesuaikan dengan
karakter dan heterogenitas dari komponen error.
Hasil estimasi yang diberikan oleh Tabel 4 menunjukkan 6-7 koefisien variabel penjelas
memiliki tanda aljabar sesuai dengan hipotesis dan signifikan. Variabel seperti inflasi, depresiasi
dan rasio hutang luar negeri pemerintah memiliki tingkat signifikansi yang lebih rendah dari
pada yang lain.
Tingkat goodness of fit model empiris, cukup baik. Secara bersama variasi variabel-variabel
independen mampu menjelaskan 76% s/d 94% variasi yang ada pada premi CDS. Nilai statistik
uji F seluruhnya melebihi nilai kritis yang mengindikasikan penggunaan variabel pada model
memberikan nilai tambah informasi dibandingkan rata-rata.
Variabel VIX memiliki koefisien terbesar, yakni antara 0.861 (EGLS) s/d 1.457 (FE).
Mengingat koefisien ini memiliki arti elastisitas, maka 1% kenaikan persepsi risiko global
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
45
Tabel 4.
Hasil Estimasi
No.
Dep Var: CDS
Variables/Proxies
1
2
3
4
5
6
7
8
9
101
C
GROW
INFLASI
DEPR
Y_SPREAD
DEBT
DEVISA
VIX
FIS_DEF
CA_DEF
Estimators
EGLS
FE
RE
4.050 (0.00)
-0.027 (0.29)
-0.015 (0.01)
0.011 (0.21)
0.169 (0.00)
0.006 (0.24)
-0.650 (0.00)
0.861 (0.00)
0.075 (0.00)
0.038 (0.00)
0.623 (0.56)
-0.044 (0.00)
-0.039 (0.00)
0.00006 (0.99)
0.104 (0.00)
0.042 (0.00)
-0.511 (0.00)
1.457 (0.00)
-0.020 (0.08)
-0.002 (0.86)
3.851 (0.00)
-0.023 (0.09)
-0.008 (0.24)
0.011 (0.03)
0.154 (0.00)
0.003 (0.46)
-0.605 (0.00)
0.913 (0.00)
0.082 (0.00)
0.041 (0.00)
0.786
0.745
19.24
1.36
0.945
0.919
36.28
2.03
0.764
0.719
16.92
1.24
Goodness of Fit
R2
Adjusted R2
F Stat
DW
mendorong peningkatan CDS sebesar 0.861% s/d 1.457%. Temuan empiris ini mengkonfirmasi
hasil studi Matsumura dan Vicente (2010) yang telah diuraikan diatas. CDS sebagai suatu
kelas aset berisiko akan mengalami penurunan permintaan ketika sentimen pelaku pasar dunia
mengalami pemburukan. Hal ini juga sekaligus menunjukkan tingkat integrasi yang ada dipasar
derivatif terhadap siklus perekonomian dunia.
Cadangan devisa merupakan faktor berpengaruh pada urutan berikutnya. Estimasi
koefisien yang diperoleh menunjukkan bahwa setiap 1% kenaikan cadangan devisa akan
diikuti dengan penurunan CDS antara 0.511% (EGLS) s/d 0.651% (FE). Peran cadangan devisa
terhadap stabilitas suatu perekonomian sangat penting. Teori krisis generasi pertama yang
dikemukakan oleh Krugman (1979) serta Flood dan Garber (1984) menunjukkan bagaimana
suatu serangan terhadap nilai tukar terjadi dipicu oleh rendahnya cadangan devisa. Temuan
empiris ini memberikan dukungan bagi teori krisis generasi pertama.
Variabel selisih yield dengan US Treasury (yang comparable) menjadi variabel pengaruh
terbesar ketiga. Setiap 1% kenaikan selisih yield akan memberikan dampak kenaikan CDS
sebesar 0.104% s/d 0.169%. Selisih yield ini sebenarnya juga merupakan suatu ukuran risiko
sovereign, karena yield merupakan penjumlahan dari suku bunga riil (opportunity cost of
money) ditambah dengan premi risiko. Namun demikian mengingat yield curve juga merupakan
piranti kebijakan moneter maka sebagai ukuran risiko ia tidak terlalu sempurna.
46
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Pertumbuhan ekonomi, inflasi, depresiasi, rasio hutang, rasio defisit fiskal dan neraca
berjalan memiliki dampak yang jauh lebih kecil namun beberapa diantaranya tetap signifikan.
Variabel-variabel ini adalah bersifat spesifik perekonomian. Dengan demikian terlihat bahwa
memang kontribusi penjelas variabel internal adalah terbatas, sejalan dengan temuan Weigel
dan Gemmil (2006).
Secara umum tanda aljabar estimasi empiris serta signifikansinya telah mendukung
hipotesis yang dikemukakan dalam penelitian ini. CDS sebagai suatu instrumen pasar memiliki
keterkaitan dengan variabel fundamental ekonomi (global dan domestik). Dengan demikian
pergerakan CDS juga mencerminkan persepsi para pelaku pasar terhadap prospek
perekonomian (sovereign risk). Lebih lanjut mengingat instrumen ini adalah diperdagangkan
secara harian, maka sangat mungkin ia dapat digunakan sebagai leading indicator dari prospek
risiko sovereign.
Dalam studi ini dilakukan estimasi dengan menggunakan 3 teknik ekonometrika panel
data didasarkan pada asumsi mengenai karakter dari komponen residual. Dalam bagian ini
akan dilakukan pengujian terhadap penggunaan asumsi yang paling tepat: pooled error, fixed
effect dan random effect component.
Tabel 5.
Pengujian Fixed Effect dan Random Effect
No.
Nama Test
1
Redundant Fixed Effect
2
Correlated Random Effect: Hausman Test
Statistik
Df
Prob
F: 11.433
(9, 38)
0.00
χ2: 92.716
9
0.00
Kelayakan asumsi fixed effect diuji dengan menggunakan prosedur redundant fixed effect.
Teknik menguji hipotesis null apakah secara bersama seluruh cross section dummy adalah sama
dengan nol. Statistik uji (lihat Tabel 4), berupa nilai F menunjukkan angka 11.433 dengan
menggunakan degree of freedom sebesar 9 dan 38 diperoleh p value sebesar 0.00. Dengan
demikian hipotesis null redundant fixed effect tidak dapat diterima atau model fixed effect
telah cukup tepat digunakan.
Pengujian asumsi random effect dilakukan dengan menggunakan prosedur Hausman
Test. Hipotesis null dalam pengujian ini adalah bahwa random effect tidak memiliki hubungan
dengan variabel independen. Statistik uji (χ2) memiliki nilai sangat besar, 92.716, dengan
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
47
demikian hipotesis null tidak dapat diterima. Dengan perkataan lain terdapat korelasi antara
random effect dengan variabel independen, sehingga spesifikasi RE adalah bias.
Kedua hasil pengujian diatas menunjukkan bahwa teknik FE adalah yang terbaik dalam
memodelkan hubungan antara CDS dengan berbagai variabel independen. Disamping
melakukan pengujian spesifikasi, mengingat studi ini melibatkan cukup banyak variabel
independen maka dilakukan juga deteksi multikolinearitas. Keberadaan multikolinearitas
meskipun tidak menimbulkan bias pada parameter, namun bias pada varians dapat menyulitkan
pengambilan kesimpulan terkait dengan hipotesa. Dalam studi ini digunakan prosedur
sederhana, melalui nilai korelasi bivariate.
Tabel 6.
Koefisien Korelasi Bivariat Diantara Variabel Bebas.
GROW
INFLASI
DEPR
Y_SPREAD
DEBT
DEVISA
FIS_DEF
CA_DEF
VIX
GROW
Ω1.000000
Ω0.081179
Ω0.103939
-0.059887
-0.285217
-0.368460 Ω0.252166
Ω0.203625 -0.242872
INFLASI
Ω0.081179
Ω1.000000
Ω0.141508
Ω0.549710
-0.267108
-0.317948 Ω0.012775
-0.003054 Ω0.187736
DEPR
Ω0.103939
Ω0.141508
Ω1.000000
Ω0.263004
-0.068855
-0.022814 Ω0.064825
-0.003557 Ω0.377171
Y_SPREAD
-0.059887
Ω0.549710
Ω0.263004
Ω1.000000
-0.132355
-0.215354 -0.121660
-0.345598 Ω0.372907
DEBT
-0.285217
-0.267108
-0.068855
-0.132355
Ω1.000000
-0.106676 -0.430229
-0.252147 -0.248663
DEVISA
-0.368460
-0.317948
-0.022814
-0.215354
-0.106676
Ω1.000000 Ω0.068382
Ω0.342828 Ω0.250980
FIS_DEF
Ω0.252166
Ω0.012775
Ω0.064825
-0.121660
-0.430229
Ω0.068382 Ω1.000000
Ω0.469138 -0.004423
CA_DEF
Ω0.203625
-0.003054
-0.003557
-0.345598
-0.252147
Ω0.342828 Ω0.469138
Ω1.000000 -0.098183
VIX
-0.242872
Ω0.187736
Ω0.377171
Ω0.372907
-0.248663
Ω0.250980 -0.004423
-0.098183 Ω1.000000
Dari Tabel 6 terlihat bahwa nilai koefisien korelasi bivariat diantara variabel bebas
seluruhnya berada dibawah 0.5. Deteksi awal multikolinearitas diberikan jika nilai koefisien
korelasi bivariat berada diatas 0.8. Dengan demikian dapat disimpulkan bahwa multikolinearitas
bukan menjadi suatu isu dalam skema empiris ini.
V. KESIMPULAN DAN SARAN
Studi ini telah melakukan review terhadap literatur yang ada mengenai hubungan antara
CDS dengan variabel fundamental (khususnya ekonomi makro). Mengingat CDS adalah suatu
instrumen derivatif (analog sebagai option) maka secara teoritis penilaian tergantung kepada
variabel suku bunga bebas risiko, jatuh tempo, strike price, volatilitas dan harga spot dari
underlying asset.
48
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Beberapa studi empiris telah menunjukkan korelasi yang erat dari perilaku CDS terhadap
fundamental ekonomi. Studi yang dilakukan oleh Ismailescu dan Kazemi (2010) menunjukkan
adanya hubungan antara CDS dengan perubahan sovereign rating. Mengikuti metoda Standard
& Poor (Beers dan Cavanaugh, 2006), variabel fundamental ekonomi yang berpengaruh terhadap
rating dapat dibagi menjadi 7 klasifikasi yakni Risiko Politik, Struktur ekonomi agregat, Prospek
pertumbuhan ekonomi, Kondisi dan kebijakan fiskal, moneter serta eksternal dan posisi kontijen
(dalam dan luar negeri). Perubahan terhadap variabel fundamental ini dapat diduga akan
mempengaruhi premi CDS melalui variabel pricing.
Suatu dataset berfrekuensi tahunan yang terdiri atas 10 negara berkembang pada periode
2004-2009 digunakan untuk memverifikasi hipotesis ini. Hasil empiris menunjukkan bahwa
sentimen risiko global (diproksikan oleh indeks VIX), cadangan devisa serta yield spread
merupakan variabel fundamental paling berpengaruh terhadap premi CDS.
Temuan ini memberikan beberapa implikasi kebijakan yakni
a. Perlunya memonitor sentimen global dan mengurangi dampak dari pengaruh pemburukan
melalui kerjasama internasional yang lebih baik.
b. Pemupukan cadangan devisa secara mencukup sebagai buffer apabila terjadi shock negatif
yang mendadak. Cadangan devisa yang tinggi juga dapat menjadi sinyal kredibilitas kestabilan
sektor eksternal.
c. Memperhatikan pergerakan dipasar surat berharga/obligasi. Selisih yield adalah sinyal/
indikator terhadap perubahan persepsi risiko sovereign.
Analisa Sovereign Risk Negara Berkembang: Temuan dari Perilaku Premi Credit Default Swap
49
DAFTAR PUSTAKA
Bank For International Settlement, Triennial Quarterly Survey, Derivative Market, September
2010.
Bannier, C.E., dan Hirsch, C.W., 2010, ≈The economic function of credit rating agencies √
What does the watchlist tell us?∆, Journal of Banking and Finance, Vol. 34, hal. 3037-3049.
Beers, D.T dan M. Cavanaugh, 2006, Sovereign Credit Ratings: A Primer, 2006, Standard &
Poors Research.
Cameroon, A.C., and Triverdi., P. K., 2005, Microeconometrics: Methods and Applications,
Cambridge, New York.
Cantor, R., 2004, ≈An Introduction to recent research on credit ratings∆, Journal of Banking
and Finance, Vol 28, hal. 2565-2573.
Carr, P., dan Wu, L., 2007,∆Theory and evidence on the dynamic interactions between sovereign
credit swaps and currency option∆, Vol. 31, hal 2383-2403.
Hull, J.C., 2011,
Fundamentals Of Futures and Options Market., 7th Edition, Pearson.
Ismailescu, I dan Kazemi, H., 2010, ≈The reaction of emerging market credit default swap
spreads to sovereign credit rating changes∆, Journal of International Banking & Finance,
Vol. 34, page 2861-2873.
Matsumura, M.S. and Vicente, J.V.M, 2010,
≈The role of macroeconomic variables in sovereign risk∆, Emerging Markets Review, 11, hal
229-249.
Nomura, Fixed Income Research Team, Credit Default Swap Primer, May 2004.
Skinner, F.S dan Townend, T.G., 2002,∆An empirical analysis of credit default swaps∆,
International Review of Financial Analysis, Vol. 11, hal. 297-309.
Weigel, D.D. dan
Gemmill, G., 2006, ≈What drives credit risk in emerging markets? The roles of country
fundamentals and market co-movements ≈, Journal of≈International Money and Finance,
25, hal 476-502.
Whetten, M., Adelson M., dan Van Bemmelen, 2004, ≈Credit Default Swap: A Primer∆, Nomura
Fixed Income Research.
50
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Halaman ini sengaja dikosongkan
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
51
PENYEBAB BANK RUNS DI INDONESIA:
BAD LUCK ATAU FUNDAMENTAL?
Iskandar Simorangkir 1
Abstract
Bank runs and banking crisis has been a global cycling phenomenon both in developed and
developing countries. This paper provide comprehensive analysis of the bank run determinant in Indonesia,
including the economic fundamental, bank performance and self fulfilling prophecy during the period of
1990-2005, using the dynamic panel estimation of Arrelano-Bond. The Result shows that the self-fulfilling
prophecy, bank performance (rentability, non performing loan) and macroeconomic condition (output
growth, inflation and real interest rate), determine the bank runs in Indonesia. This conclusion is robust
both for the sample period of 1997-1998 and 1990-2005.
Klasifikasi JEL: C29, C33, G21
Keywords: Bank runs, banking crisis, dynamic panel estimation, Arrelano-Bond, Indonesia
1 Kepala Biro Riset Ekonomi, Bank Indonesia dan Dosen Program MM Pasca Sarjana Universitas Pelita Harapan Jakarta. Penulis
mengucapkan terimakasih kepada Prof. Dr. Rustam Didong, Dr. Muliaman D. Hadad dan Dr. Sugiharso Safuan atas masukannya.
Segala tulisan dalam paper ini merupakan pendapat pribadi penulis.
52
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
I. PENDAHULUAN
Bank runs merupakan suatu peristiwa dimana banyak nasabah secara bersamaan menarik
dana secara besar-besaran dan sesegera mungkin pada suatu bank karena nasabah tidak percaya
bahwa bank mampu membayar dananya dalam jumlah penuh dan tepat waktu2. Bank runs
yang terjadi pada suatu bank akan menjadi krisis perbankan jika bank runs pada suatu bank
menjalar ke bank lainnya (contagious effect). Bank runs dan krisis perbankan telah menjadi
fenomena global dan terjadi berulang kali baik di negara maju maupun negara berkembang
dalam beberapa dekade terakhir. Fenomena krisis perbankan semakin sering terjadi sejak era
liberalisasi keuangan tahun 1980-an dan 1990-an (Davis dan Karim, 2007). Bahkan sejak
pertengahan 2007 hingga saat ini, pasar keuangan dunia menghadapi krisis keuangan global
yang berasal dari permasalahan subprime mortgage di Amerika Serikat (AS).
Dalam sejarah perbankan modern, krisis perbankan telah terjadi jauh sebelum perang
dunia pertama, seperti bank runs (bank panics) dan krisis perbankan yang terjadi di Amerika
Serikat (AS) pada 1837, 1873, 1884, 1890, 1907 dan 1933 (Calomiris, 2007). Penelitian yang
dilakukan oleh IMF di 181 negara anggotanya menunjukkan bahwa sejak tahun 1980 hingga
pertengahan tahun 1996, terjadi 133 bank runs dan krisis perbankan yang serius (Lindgren,
Garcia dan Saal, 1996). Peristiwa krisis perbankan besar selanjutnya terjadi pada tahun 1997/
1998 di negara-negara Asia timur, yang meliputi Indonesia, Thailand, Malaysia, Philipina dan
Korea Selatan. Krisis tersebut diawali dari krisis nilai tukar di Thailand dan menular (contagious)
ke Indonesia dan negara Asia timur lainnya dan selanjutnya berkembang menjadi krisis perbankan
dan krisis ekonomi (Bank Indonesia, 1998). Krisis keuangan kembali terjadi di AS pada tahun
2007/2008 dan telah berkembang menjadi krisis keuangan global dan dampaknya saat ini
masih dirasakan.
Dalam kasus Indonesia, bank runs juga terjadi berulang-ulang. Pada tahun 1992, terjadi
bank runs pada beberapa bank nasional sehingga mengakibatkan dilikuidasinya Bank Summa.
Selanjutnya pada tahun 1997/1998 terjadi bank runs yang berkembang menjadi krisis perbankan
terparah dalam sejarah perbankan Indonesia. Penutupan 16 bank yang dilakukan Pemerintah
pada tanggal 1 November 1997 telah mengakibatkan menurunnya kepercayaan nasabah
terhadap banknya, khususnya bank swasta yang diyakini masyarakat mempunyai kinerja
keuangan yang rendah. Penurunan kepercayaan terhadap bank tersebut mendorong nasabah
secara besar-besaran menarik dananya (bank runs). Selanjutnya, penarikan pada satu bank
2 Definisi bank runs tersebut dikemukakan oleh George G. Kaufman pada The Concise Encyclopedia of Economics di website http:/
/www.econlib.org/library/Enc/BankRuns.html atau di George G. Kaufman pada ≈Bank runs: Causes, Benefits and Costs∆. Cato
Journal 2, No. 3 (Winter 1988): 559-88.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
53
menjalar secara sistemik3 (contagion) ke bank lain sehingga berkembang menjadi krisis
perbankan.
Berulangnya peristiwa bank runs dan krisis perbankan disebabkan bank merupakan
lembaga kepercayaan yang rentan terhadap penarikan dana oleh nasabah secara besarbesaran. Kerentanan tersebut merupakan akibat dari kegiatan usaha bank yang
mentransformasikan kewajiban jangka pendek, seperti giro, tabungan dan deposito ke dalam
aktiva yang berjangka waktu lebih panjang, seperti kredit. Dengan kondisi tersebut, bank
selalu menghadapi permasalahan maturity mismatch sehingga sangat rentan terhadap
penarikan dana besar-besaran (bank runs) oleh nasabah karena terbatasnya aktiva likuid yang
dimiliki bank.
Selanjutnya bank runs pada satu bank tersebut dapat menimbulkan resiko sistemik, yaitu
menjalar ke bank lainnya. Resiko sistemik tersebut dapat terjadi karena nasabah di bank lain
tidak mengetahui informasi mengenai kondisi banknya (asymmetric information) sehingga
nasabah berpikir bahwa banknya juga menghadapi masalah sehingga nasabah juga berbondongbondong menarik dananya di bank. Proses bank runs yang sama juga terjadi pada bank-bank
lainnya sehingga akan banyak bank mengalami bank runs dan pada akhirnya mengakibatkan
krisis perbankan. Faktor penyebab bank runs yang berasal dari kekhawatiran (belief) nasabah
akibat tidak terdapatnya informasi mengenai kinerja bank tersebut sering disebut dengan self-
fulfilling prophecy. Bank runs yang disebabkan oleh faktor self-fulfilling prophecy merupakan
kejadian acak (random event) dari berita yang tidak simetris (asymmetric information) yang
diterima nasabah (agent). Model teori yang berpengaruh luas tersebut dikembangkan oleh
Diamond dan Dybvig (1983).
Selain faktor self-fulfilling prophecy , faktor penyebab bank runs adalah faktor
fundamental, baik yang berasal dari fundamental makroekonomi dan fundamental bank
(Kindleberger (1978), Gup dan Bartholomew (1999)). Goncangan (shock) yang terjadi pada
fundamental ekonomi, seperti kontraksi ekonomi, peningkatan suku bunga, volatilitas nilai
tukar, penurunan nilai aset dan peningkatan ketidakpastian di sektor keuangan, dapat
menimbulkan efek negatif terhadap kegiatan usaha bank. Kontraksi/pelemahan ekonomi dapat
mengakibatkan terjadinya peningkatan kredit macet bank dan selanjutnya dapat mengakibatkan
ketidakmampuan bank membayar penarikan simpanan nasabah karena sebagian besar dana
nasabah tertanam dalam kredit macet.
3 Resiko sistemik adalah resiko dimana suatu bank runs pada salah satu bank dapat mengakibatkan bank runs pada bank lain atau
dalam literature akademik sering disebut resiko yang memberikan dampak contagion. Proses terjadinya resiko sistemik atau contagion
tersebut melalui proses self-fulfilling prophecy (lihat pada Bab II).
54
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Beberapa penelitian menunjukkan bahwa krisis perbankan yang terjadi di suatu negara
telah mengakibatkan kerugian bagi perekonomian dan masyarakat (Hoelscher dan Quintyn,
2003 dan Hanson, 2005). Terhambatnya akses pembiayaan untuk dunia usaha dapat
mengakibatkan kontraksi ataupun perlambatan ekonomi sehingga dapat mendorong
peningkatan pengangguran. Selain itu, penyehatan perbankan akibat krisis juga memerlukan
biaya fiskal yang besar dan pada akhirnya akan dibebankan kepada pembayar pajak (tax payer).
Output loss yang dialami negara-negara yang mengalami krisis perbankan bervariasi
tergantung kedalaman dan lamanya krisis. Hanson (2005) melakukan study mengenai output
loss akibat krisis perbankan. Dalam hasil study tersebut antara lain dikemukakan bahwa Indonesia
mengalami kerugian output (output loss) sebesar 35% hingga 39% dari PDB, Thailand sebesar
26,7% hingga 40% dari PDB, Korea sebesar 10% hingga 17% dari PDB pada periode krisis
1997-2002. Jepang sebesar 4,5% hingga 48% dari PDB pada periode krisis 1991-2005, Meksiko
sebesar 10% hingga 14,5% dari PDB pada periode krisis 1994-2000 dan Hongaria sebesar
14% hingga 36,4% dari PDB pada periode krisis 1991-1995.
Sehubungan dengan besarnya biaya yang ditimbulkan bank runs dan krisis perbankan,
maka paper ini akan membahas mengenai faktor-faktor yang mempengaruhi bank runs,
fundamental factors or bad luck?. Selanjutnya, pada sesi 2 akan dibahas konsep theory yang
mempengaruhi bank runs. Sesi 3 akan membahas perkembangan bank runs di Indonesia dan
section 4 akan menguraikan empirical model dan data. Hasil empiris dari kajian akan diuraikan
dalam sesi 5, sementara sesi 6 merupakan bagian akhir dari paper yang akan menyimpulkan
hasil kajian dan implikasi kebijakan.
II. TEORI
Dilihat dari dari faktor-faktor penyebabnya, terdapat dua teori utama yang menjelaskan
faktor penyebab bank runs. Teori pertama mengemukakan bahwa bank runs terjadi disebabkan
faktor fundamental, baik fundamental makroekonomi maupun fundamental bank (Kindleberger,
1978). Sementara teori kedua mengemukakan bahwa bank runs merupakan kejadian acak
(random) karena kepanikan (self-fulfilling prophecy) nasabah akibat informasi yang tidak
sempurna (asymmetric information) mengenai permasalahan kinerja bank (Diamond dan Dybvig,
1983).
Dalam teori fundamentalist, memburuknya fundamental bank dan makroekonomi dapat
mengakibatkan terjadinya bank runs. Memburuknya fundamental bank antara lain penurunan
penerimaan hasil investasi (return on investment) dan permasalahan insolvency, sementara
memburuknya fundamental ekonomi, antara lain resesi ekonomi dan inflasi yang tinggi.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
55
Kindleberger (1978) dan Canova4 (1994) berpandangan bahwa bank runs adalah endogenous
terhadap proses ekonomi dan cenderung muncul pada saat puncak dari fase ekspansi dalam
siklus ekonomi. Menurut teori ini, kondisi finansial menjadi rentan pada periode akhir ekspansi
ekonomi karena perusahaan-perusahaan yang merupakan debitur bank mengalami kesulitan
dalam melakukan pembayaran hutangnya karena penurunan keuntungan perusahaan.
Dalam model ini, bank runs adalah bagian dari siklus yang dapat mempengaruhi baik
perbankan maupun sektor riil dalam ekonomi. Teori ini mengemukakan bahwa dalam kondisi
siklus ekonomi yang membaik (upturn), bank akan meningkatkan pemberian kredit ke sektor
riil dengan dasar ekspektasi pertumbuhan ekonomi yang lebih baik pada masa yang akan
datang. Selanjutnya, bank akan mempunyai kredit yang besar (highly leveraged) dan jika siklus
ekonomi menurun, maka peminjam tidak dapat mengembalikan kredit. Kondisi ini
mengakibatkan bank mengalami kesulitan likuiditas dan tidak mempunyai cadangan yang cukup
untuk menutupi kerugiannya.
Penyebab bank runs juga dapat berasal dari faktor fundamental bank (Gorton, 1988).
Bank akan mengalami kesulitan menyediakan likuiditas untuk memenuhi penarikan nasabahnya
jika bank mempunyai kinerja keuangan yang buruk. Terjadinya kerugian, solvabilitas yang buruk
dan kualitas aktiva produktif yang buruk mengakibatkan tertahannya dana nasabah pada aktiva
yang buruk, seperti kredit macet. Selanjutnya, kondisi tersebut mengakibatkan minimnya
likuiditas yang tersedia di bank, sehingga bank selalu rentan terhadap bank runs.
Sementara itu, teori kedua menyebutkan bahwa bank runs terjadi karena kejadian acak
(random event) karena kepanikan nasabah bank (agent) dan tidak selalu terkait dengan
fundamental ekonomi. Model teori dari grup kedua yang berpengaruh luas dikembangkan
oleh Diamond dan Dybvig (1983). Model ini mengemukakan bahwa bank runs yang terjadi
merupakan respon rasional dari keyakinan (belief) dari agent akibat informasi yang tidak simetris
mengenai kinerja banknya. Jika nasabah (agent) berpikir bahwa bank tidak mempunyai dana
yang cukup untuk memenuhi penarikan nasabah maka bank runs akan terjadi. Suatu bank
akan menghadapi penarikan besar-besaran jika cukup banyak individual yang percaya bahwa
nasabah lainnya juga akan menarik dananya atau sering disebut dengan self-fullfilling prophecy.
Dalam kelompok ini juga termasuk Calomiris dan Gorton (1991) yang mengemukakan
kombinasi faktor self-fulfilling prophecy dan shock aset perbankan merupakan penyebab bank
runs. Selain itu, Chen (1999) mengemukakan selain self-fulfilling prophecy dan faktor likuiditas,
moral hazard juga memberikan kontribusi terhadap terjadinya bank runs. Sementara itu, Aharony
4 Canova (1994) menyimpulkan pendapat Mitchell (1913), Fischer (1933) dan Minsky (1977). Lihat Fabio Canova. ≈Were Financial
Crises Predictable?∆. Journal of Money, Credit and Banking. Volume 26, Issue 1 (Feb. 1994), 102-124.
56
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
dan Swary (1983) dan Allen dan Gale (2000) mengemukakan bahwa bank runs akibat pengaruh
contagion. Contagion dalam pembahasan bank runs sering diartikan sama dengan dengan
faktor self-fulfilling prophecy karena contagion berarti bank runs pada suatu bank akan
mempengaruhi bank runs pada bank lain. Proses mempengaruhi dari satu bank ke bank lain
melalui mekanisme transmisi penarikan nasabah (self-fulfilling prophecy). Dengan demikian
menurut theory ini, bank runs lebih disebabkan karena bad luck dan bukan fundamental factors.
Dari sisi empiris, penelitian bank runs dan determinan krisis perbankan telah banyak
dilakukan. Misalnya, Canova (1994) melakukan penelitian mengenai determinan krisis perbankan
pada periode tahun 1864-1914 di AS dengan model probit. Hasil penelitian tersebut
menunjukkan bahwa krisis perbankan di AS pada periode tersebut disebabkan pengaruh faktor
kondisi ekonomi. Selanjutnya penelitian tersebut juga menyimpulkan bahwa dapat terjadi krisis
perbankan yang bersifat musiman dan dipengaruhi siklus ekonomi.
Penelitian mengenai determinan krisis perbankan secara menyeluruh dengan
menggunakan data panel negara-negara berkembang dan maju dilakukan oleh DemirgüçKunt dan Detragiache (1998). Model yang digunakan adalah multivariate logit dengan hasil
kesimpulan yang menunjukkan bahwa krisis perbankan dapat terjadi jika kondisi ekonomi makro
lemah (pertumbuhan ekonomi rendah dan inflasi yang tinggi), suku bunga tinggi, tingginya
arus modal keluar mendadak (sudden capital outflow) dan tingginya pemberian kredit.
Eichengreen dan Rose (1998) melakukan penelitian kejutan eksternal (international shock)
terhadap krisis perbankan di negara-negara OECD dan hasilnya menunjukkan bahwa suku
bunga mempunyai pengaruh besar, sementara pertumbuhan ekonomi mempunyai pengaruh
kecil terhadap kerentanan krisis perbankan.
Penelitian determinan krisis perbankan tersebut di atas dilakukan dengan menggunakan
data agregat dari masing-masing negara (cross-country) sehingga terdapat kemungkinan
permasalahan agregasi, seperti faktor saling meniadakan diantara bank-bank yang diagregasi.
Sejalan dengan kelemahan tersebut, McCandless, Gabrielli dan Rouillet (2003) menggunakan
data individual bank dan model panel data dinamis untuk mengetahui determinan bank runs
dan krisis perbankan di Argentina yang terjadi pada tahun 2001. Hasil temuan penelitian tersebut
menunjukkan bahwa determinan bank runs yang terjadi di Argentina adalah faktor self-fulfilling
prophecy, kejutan (shock) makroekonomi dan memburuknya kondisi fundamental bank.
III. PERKEMBANGAN KRISIS PERBANKAN DI INDONESIA
Pada awalnya krisis yang melanda perekonomian Indonesia sejak tahun 1997 terutama
dipicu oleh krisis nilai tukar rupiah. Tekanan depresiasi nilai tukar rupiah yang besar ini terutama
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
57
berasal dari faktor contagion dari krisis nilai tukar Baht Thailand pada bulan Juli 1997. Pengaruh
contagion tersebut tidak hanya melanda Indonesia tetapi juga dengan cepat meluas ke negaranegara Asia lainnya, seperti Filipina, Malaysia dan Korea Selatan. Semakin beratnya tekanan
depresiasi terhadap nilai tukar rupiah tersebut memaksa Indonesia melepas rezim nilai tukar
mengambang terkendali (managed floating) menjadi sistem nilai tukar mengambang bebas
( Free Floating Exchange Rate) pada 14 Agustus 1997. Dalam rangka menghindarkan
perekonomian nasional dari krisis yang lebih dalam sebagai akibat dari tekanan depresiasi nilai
tukar dan capital outflow maka Pemerintah mengeluarkan paket kebijaksanaan ekonomi pada
September 1997. Selanjutnya, program ini diperluas menjadi program stabilisasi dan reformasi
ekonomi yang didukung oleh IMF, World Bank dan ADB secara formal pada November 1997.
Sebagai wujud dari pelaksanaan program reformasi di sektor keuangan guna menyehatkan
sistem perbankan, maka pada 1 November 1997 sebanyak 16 bank swasta nasional ditutup.
Penutupan 16 bank tersebut mengakibatkan terjadinya bank runs pada bank-bank yang
menurut persepsi masyarakat tergolong tidak sehat. Kebijakan penutupan bank yang seharusnya
dimaksudkan untuk menyehatkan perbankan nasional justru sebaliknya mengakibatkan
terjadinya penarikan dana besar-besaran pada bank-bank bukan pemerintah. Penarikan dana
besar-besaran ini terjadi karena runtuhnya kepercayaan masyarakat terhadap perbankan akibat
penutupan bank tersebut. Semakin meluasnya bank runs tersebut juga disebabkan kinerja
keuangan bank yang lemah, seperti peningkatan kredit macet dan menurunnya rentabitas
bank, akibat pengelolaan usaha yang tidak sepenuhnya mengikuti hakikat tata kelola yang
sehat (Warjiyo,2001 dan Bank Indonesia, 19985). Selain itu, pesatnya depresiasi nilai tukar
rupiah mengakibatkan membengkaknya hutang luar negeri bank dalam denominasi rupiah.
Kondisi tersebut diperparah lagi tidak terdapatnya program penjaminan. Di tengah belum
terdapatnya program penjaminan dan tidak terdapatnya informasi mengenai kondisi bank
(asymmetric information), nasabah bank, khususnya nasabah bank swasta, menarik dana secara
besar-besaran dan mengalihkan ke bank yang diperkirakan lebih sehat dan ke aset yang lebih
aman (uang kartal).
Satu bulan sejak penutupan 16 bank tersebut di atas (Desember 1997), jumlah dana
pihak ketiga yang terdapat di bank umum swasta nasional (BUSN) menurun sebesar Rp 22,9
triliun (11,94%). Penarikan dana pada umumnya dimulai sejak penutupan bank dan mencapai
puncak penarikan tertinggi pada Desember 1997 dan Januari 1998. Penarikan tersebut menurun
sejak Pemerintah memberikan jaminan (blanket guarantee) pada Januari 1998. Namun, pada
saat terjadi kerusuhan sosial pada Mei 1998, jumlah bank yang mengalami bank runs meningkat
kembali.
5 Laporan tahunan Bank Indonesia tahun 1997/1998.
58
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Pada periode krisis perbankan pada tahun 1997/1998, penarikan dana besar-besaran
(bank runs) banyak terjadi pada BUSN non devisa6, bank beku kegiatan usaha7 dan bank beku
operasi8. Puncak penarikan besar-besaran pada BUSN nondevisa terjadi pada Desember 1997,
Januari 1998, dan Mei 1998. Sebagai gambaran, pada Desember 1997, dari 45 BUSN nondevisa,
25 bank mengalami penurunan dana pihak ketiga hingga 10%, 17 bank mengalami penurunan
dana hingga 20%, 13 bank mengalami penurunan dana hingga 40%, 11 bank mengalami
penurunan dana hingga 60%, dan 6 bank mengalami penurunan dana hingga 80% dari total
dana bulan sebelumnya.
Sebagaimana di BUSN nondevisa, bank runs juga terjadi di bank beku kegiatan usaha
(BBKU) dan bank beku operasi (BBO). Penarikan terbesar terjadi pada November 1997 sampai
dengan Januari 1998, dan Maret sampai dengan Mei 1998. Misalnya, pada November 1998,
dari 40 BBKU sebanyak 26 bank mengalami penurunan dana pihak ketiga hingga 10% dari
total dana pihak ketiga bulan sebelumnya, 14 bank mengalami penurunan dana hingga 20%
dibandingkan total dana bulan sebelumnya, dan 2 bank mengalami penurunan dana hingga
40% dibandingkan bulan sebelumnya. Bank runs pada BBO juga tidak jauh berbeda dengan
BBKU. Pada Januari 1998, dari 10 BBO, 6 bank mengalami penurunan dana pihak ketiga hingga
20% dan 4 bank menurun hingga 40%.
Pada periode November 1997 hingga Januari 1998, sebaliknya, dana pihak ketiga pada
bank pemerintah mengalami peningkatan sebesar 9,6% pada November 1997. Penarikan
dana dari bank asing juga tidak jauh berbeda dengan bank Pemerintah. Pada November 1997,
hanya satu bank yang mengalami penurunan dana pihak ketiga. Sementara itu, pada Desember
1997 sampai dengan Januari 1998 menunjukkan peningkatan sebesar 6,8% pada November
1997.
Dengan perkembangan tersebut, pangsa dana pihak ketiga bank persero dan bank asing
meningkat dari masing-masing sebesar 42,8% dan 7,2% pada Desember 1997 menjadi masingmasing sebesar 47,7% dan 9,3% pada akhir Januari 1998. Sebaliknya, pangsa dana pihak
ketiga BUSN Devisa dan BUSN nondevisa menurun dari masing-masing sebesar 43,2% dan
2,2% pada Desember 1997 menjadi sebesar 36,9% dan 1,5% pada Januari 1998 (Tabel 1).
Perkembangan tersebut menunjukkan terdapatnya pengalihan dana dari bank swasta ke bankbank pemerintah dan bank asing.
6 BUSN non devisa adalah bank swasta nasional yang tidak diperkenankan melakukan kegiatan devisa dalam kegiatan usahanya.
7 Bank beku kegiatan usaha (BBKU) adalah bank yang kegiatan usahanya dibekukan atau tidak diperkenankan untuk melakukan
kegiatan usaha sementara waktu atau jangka waktu tertentu.
8 Bank beku operasi (BBO) adalah bank yang kegiatan operasinya dibekukan sementara waktu.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
59
Tabel 1.
Pangsa Dana Pihak III Perbankan
Des-96
Kelompok Bank
Bank Umum
1. Bank Persero
2. Bank Devisa
3. BUSN Non Devisa
4. BPD
5. Bank Campuran
6. Bank Asing
BPR*)
Des-97
36,0
49,7
5,5
2,8
1,7
4,1
0,5
Jan-98
Pangsa (%)
42,8
43,2
2,2
2,2
2,4
7,2
0,4
Feb-98
47,7
36,9
1,5
1,6
3,0
9,3
0,3
Mar-98
47,0
37,1
1,9
1,7
3,0
9,3
0,3
46,6
37,6
2,3
1,6
2,8
9,2
0,3
* Pangsa terhadap bank Umum
Sumber : Bank Indonesia
Selain pengalihan dana pihak ketiga ke bank-bank tergolong sehat (flight to quality),
juga terdapat pengalihan dana ke uang kartal (currency), seperti tercermin dari peningkatan
uang kartal pada bulan Januari 1998 sebesar 31,8% (Rp 9,045 triliun) dibandingkan bulan
sebelumnya. Peningkatan tersebut di luar pola normal permintaan uang kartal, yang berdasarkan
100,00
16000
Uang kartal di masyarakat
Nilai Tukar
14000
80,00
12000
60,00
10000
40,00
8000
6000
20,00
4000
0,00
2000
-20,00
0
1 6 10
1996 1997
2
7
1998
2
7
1999
2
7
2000
2
7
2001
2
7
2002
2
7
2003
2
7
2004
2
7
2005
2
7
2006
Sumber : Bank Indonesia, telah diolah kembali
Grafik 1.
Perkembangan Uang Kartal dan Nilai Tukar
2
7
26 9
2007 2008
60
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
data dua tahun terakhir sebelum krisis, rata-rata pertumbuhan uang kartal hanya sebesar 9,5%
dalam per tahun.
Krisis perbankan tersebut diperberat lagi dengan depresiasi nilai tukar rupiah yang sangat
besar. Pada bulan Januari 1997, nilai tukar rupiah terhadap dolar Amerika Serikat (AS) berada
pada posisi Rp 2.396. Posisi nilai tukar tersebut terus menurun. Bulan Juli 1997 nilai tukar
tercatat berada pada posisi Rp 2.599 per dolar AS, dan pada Desember 1997 menjadi sebesar
Rp 4.650 per dolar AS. Pada tahun 1998 posisi nilai tukar mengalami penurunan yang sangat
drastis, mencapai posisi Rp 10.525 per dolar AS pada bulan Mei 1998 dan terus melemah
hingga puncaknya pada bulan Juni 1998 pada posisi Rp 14.900 per dolar AS. Dari posisi tersebut
rupiah mulai mengalami penguatan hingga pada bulan Desember 1998 berada pada posisi Rp
8.025 per dolar AS. Sementara itu pada tahun 1999 posisi nilai tukar cenderung berfluktuasi
dan pada akhirnya menguat pada bulan Desember 1999 mencapai Rp 7.100 per dolar AS.
Depresiasi yang terjadi dari Januari 1997 hingga Desember 1998 tersebut mengakibatkan
pembengkakan kewajiban hutang luar negeri bank dalam mata uang rupiah. Sementara itu, di
sisi lain sebagian besar pinjaman luar negeri tersebut ditanamkan dalam bentuk kredit yang
menghasilkan rupiah (non ekspor), sehingga terjadi mismatch currency yang memberatkan
neraca (balance sheet) bank.
Penarikan dana bank secara besar-besaran oleh nasabah dan depresiasi nilai tukar rupiah
yang besar memberi tekanan terhadap neraca bank (balance sheet ). Kondisi tersebut
mengakibatkan kinerja perbankan nasional secara keseluruhan semakin memburuk. Penurunan
kinerja perbankan terjadi pada semua aspek keuangan bank, yaitu mencakup permodalan,
kualitas aktiva produktif, rentabilitas, dan likuiditas. Kinerja permodalan (CAR) menurun tajam
sejak terjadinya krisis, seperti tercermin dari penurunan CAR semua bank dari sebesar 9,19%
pada akhir Desember 1997 menjadi sebesar √15,68% pada akhir Desember 1998. Demikian
halnya kinerja kualitas aktiva produktif (KAP), yang diukur dari perbandingan antara aktiva
produktif yang diklasifikasikan tidak lancar dengan total aktiva produktif, meningkat pesat dari
sebesar 4,80% pada akhir tahun 1997 menjadi sebesar 42,39% pada akhir tahun 1998, sebelum
menurun menjadi sebesar 12,74% pada akhir tahun 1999 sebagai akibat pengalihan kredit
bank bermasalah ke BPPN.
Sejalan dengan memburuknya KAP, maka kinerja rentabilitas, yang diukur dengan
perbandingan laba dengan aktiva rata-rata (ROA), menurun dari 1,37% pada tahun 1997
menjadi √18,76% pada tahun 1998 dan √6,14% pada tahun 1999. Kerugian yang dialami
hampir semua bank tersebut disebabkan tingginya biaya dana yang ditanggung bank, dengan
suku bunga deposito satu bulan mencapai 70% pada September 1998. Sementara di sisi lain
KAP meningkat dan jumlah kredit yang diberikan menurun sejalan dengan kontraksi ekonomi
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
61
(13,1% pada tahun 1998) dan meningkatnya resiko usaha akibat ketidakstabilan sosial, politik,
dan keamanan. Sejalan dengan penurunan kredit, maka loan to deposit ratio (LDR) bank juga
menurun tajam dari sebesar 86,42% pada akhir tahun 1997 menjadi sebesar 72,37% pada
akhir tahun 1998 dan hanya sebesar 26,16% pada akhir tahun 1999.
IV. METODOLOGI
Study ini akan menggunakan model panel dinamis. Penggunaan model panel dinamis
dimaksudkan untuk menangkap perilaku nasabah suatu bank terhadap perilaku nasabah pada
bank lain melalui perubahan yang terjadi pada dana pihak ketiga pada suatu bank. Terbatasnya
informasi nasabah mengenai banknya (imperfect information) menyebabkan penurunan dana
pihak ketiga suatu bank yang signifikan ditafsirkan oleh nasabah bahwa banknya menghadapi
masalah sehingga akan mendorong nasabah menarik dana secara besar-besaran dari banknya
(self-fulfilling prophecy). Faktor self-fulfilling prophecy ini, secara kelembagaan juga dapat
mempengaruhi bank runs pada bank lain (resiko sistemik) atau sering disebut dengan contagion9.
Dengan demikian model panel dinamis yang akan digunakan dalam disertasi ini dapat
mengetahui secara bersamaan determinan bank runs yang berasal dari self-fulfilling prophecy,
faktor fundamental makroekonomi dan kinerja keuangan bank.
Model panel dinamis yang digunakan dalam study ini adalah panel dinamis ArrelanoBond. Model Arrelano-Bond digunakan untuk mengatasi permasalahan model dinamis pada
model efek tetap (MET) dan model efek random (MER). Korelasi antara lagged dependent
variable dan pengaruh individual efek dapat mengakibatkan penggunaan OLS estimator MET
dan MER menjadi bias dan tidak konsisten, sehingga model tersebut tidak robust digunakan
untuk mengestimasi determinan bank runs dalam paper ini. Model formal data panel dinamis
yang digunakan untuk menganalisis determinan bank runs pada paper ini sebagai berikut :
(1)
dimana ∆Depit merupakan variabel tidak bebas (dependent variable) yang berupa persentase
perubahan bulanan dana pihak ketiga masing-masing individual bank yang digunakan sebagai
proxy bank runs. Persentase perubahan dana pihak ketiga yang positif berarti tidak terjadi
bank runs, sebaliknya persentase perubahan dana pihak ketiga yang negatif berarti terjadi
9 Beberapa penulis, seperti D »Amato, Grubisic dan Powell (1997) dan Allen dan Gale (2000) menggunakan istilah contagion untuk
self-fulfilling prophecy.
62
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
bank runs yang besar kecilnya tergantung besarnya dana pihak ketiga. Penggunaan ∆Depit
sebagai proxy bank runs sejalan dengan penelitian D»Amato, Grubisic dan Powell (1997) dan
McCandless, Gabrielli dan Rouillet (2003), yang menunjukkan variabel persentase perubahan
dana pihak ketiga merupakan yang robust sebagai proxy bank runs merupakan regressor dari
lag satu variabel tidak bebas, yang berupa persentase perubahan dana pihak ketiga dari bank,
yang berfungsi untuk menangkap pengaruh self-fulfilling dari terjadinya bank runs. Dengan
keterbatasan nasabah mengenai informasi banknya (asymmetric information), maka penurunan
dana pihak ketiga pada suatu bank atau bank runs di bank lain pada periode sebelumnya (t-1)
akan mendorong nasabah melakukan penarikan besar-besaran pada banknya atau bank runs
pada periode sekarang (t). Lag perubahan dana pihak ketiga bank tersebut digunakan D»Amato,
Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) sebagai proxy self-
fulfilling prophecy pada penelitiannya dan menunjukkan hasil yang robust.
Bk merupakan k variabel bebas dari kinerja keuangan bank. Kinerja keuangan yang
digunakan merupakan kombinasi dari penilaian tingkat kesehatan yang dilakukan BI yang berupa
CAMELS10. Fh merupakan h variabel bebas dari kondisi fundamental makroekonomi dengan
variabel makroekonomi.
Selanjutnya, dalam proses estimasi model Arrelano dan Bond (1991) tersebut di atas
digunakan intrumental variable (IV) untuk mendapatkan hasil estimasi yang robust. Dalam
model panel dinamis ini digunakan first difference dari semua variabel dengan menggunakan
k lags variabel sebagai independent variable. Dengan mengunakan first difference maka efek
spesifik dari bank dapat dihilangkan, tetapi dengan first difference maka akan terjadi serial
korelasi antara lag variable dengan difference residual. Untuk mengatasi permasalahan ini maka
Arrelano dan Bond mengusulkan untuk menggunakan lag explanatory variable dalam level,
termasuk lag dependent variable sebagai instrumen.
Estimasi GMM akan konsisten jika lag dari explanatory variable dalam level adalah instumen
yang valid untuk explanatory variable dalam bentuk difference. Hal tersebut bisa terjadi jika
residual tidak berkolerasi (serial correlation) dan masing-masing independent variable bersifat
exogenous. Kedua karakteristik ini akan dievaluasi melalui second order serial correlation test
dan Sargan test untuk mengidentifikasi restriksi yang berlebihan. Dengan Sargan test dapat
dievaluasi spesifikasi model bersama dan validitas dari instrumen.
10 BI menetapkan CAMELS sebagai kriteria penilaian tingkat kesehatan, yaitu C adalah capital atau permodalan, A adalah asset quality
atau kualitas aset, seperti non-performing loan (NPL), M adalah management, E adalah earning atau rentabilitas, L adalah liquidity
atau likuiditas, dan S adalah systemic risk atau resiko sistemik. Sehubungan dengan penelitian terkait dengan kinerja keuangan
bank, maka komponen kinerja keuangan yang digunakan adalah Capital, Asset quality, Earning dan Liquidity , sementara Management
dan Systemic risk tidak digunakan. Hal ini sejalan dengan penelitian-penelitian sebelumnya sebagaimana disebutkan di atas.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
63
Tabel 2.
Variabel Kinerja Keuangan Bank
Nama Variabel
Metode Pengukuran
Dasar Pertimbangan Teori
Rasio kecukupan modal (CA)
Rasio antara total modal (modal
disetor + laba ditahan + laba bersih
tahun berjalan) dengan total aktiva
Ukuran solvabilitas bank. Semakin
baik solvabiltas bank, maka semakin
tinggi ketahanan terhadap bank runs
(tanda koefisien positif).
Rasio laba terhadap total
aktiva (ROA)
Rasio antara laba tahun berjalan
setelah pajak dengan total aktiva
Ukuran rentabilitas bank. Semakin
besar rentabilitas, maka semakin baik
kinerja keuangan bank dan pada
lanjutannya semakin tinggi daya
tahan bank terhadap bank runs
(tanda koefisien positif).
Rasio laba terhadap modal
sendiri (ROE)
Rasio antara laba tahun berjalan
setelah pajak dengan modal sendiri
(Modal sendiri = Modal disetor +
Laba ditahan + Laba bersih tahun
berjalan)
Ukuran rentabilitas bank. Semakin
besar rentabilitas, maka semakin baik
kinerja keuangan bank dan pada
lanjutannya semakin tinggi daya
tahan bank terhadap bank runs
(tanda koefisien positif).
Rasio Alat likuid terhadap
Total Aset (LIQ)
Rasio antara likuiditas (Kas dan SBI)
dengan total aktiva
Ukuran likuiditas bank. Semakin besar
likuiditas maka semakin besar alat
likuid yang dimiliki bank dan
selanjutnya
meningkatkan
kemampuan bank dalam mengatasi
masalah bank runs (tanda koefisien
positif).
Rasio Kredit terhadap Dana
Pihak ketiga (LDR)
Rasio antara total kredit dengan total
dana pihak ketiga
Ukuran likuiditas. Semakin besar LDR
berarti semakin besar peningkatan
kredit dibandingkan dana masyarakat
yang dihimpun bank sehingga
likuiditas yang tersedia semakin kecil
dan selanjutnya meningkatkan
kerentanan terhadap bank runs
(tanda koefisien -).
Pertumbuhan Kredit bulanan
(GKREDIT)
Pertumbuhan total kredit bulan saat
ini (t) dibandingkan total kredit bulan
sebelumnya (t-1)
Sama seperti LDR, semakin tinggi
pertumbuhan kredit, maka semakin
sedikit likuiditas yang dimiliki bank
sehingga meningkatkan kerentanan
terhadap bank runs (tanda koefisien
negatif).
Non Performing Loan (NPL)
Rasio antara total kredit non lancar
(kurang lancar, diragukan dan macet)
dengan total kredit
Ukuran kualitas aktiva produktif
(KAP). Semakin buruk KAP, maka
semakin banyak dana pihak ketiga
yang tertahan di kredit non lancar
sehingga alat likuid yang dimiliki
semakin kecil dan selanjutnya
meningkatkan kerentanan bank
terhadap bank runs (tanda koefisien
negatif).
64
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Tabel 3.
Variabel Kondisi Makro Ekonomi
Nama Variabel
Metode Pengukuran
Dasar Pertimbangan Teori
INFLASI
Laju inflasi tahunan dalam bulan yang
bersangkutan.
Semakin tinggi inflasi, maka semakin
ketidakpastian ekonomi sehingga
cenderung meningkatkan terjadi bank
runs (tanda koefisien negatif).
LGDP
Pertumbuhan ekonomi yang dihitung dari
logaritma dari Produk Domestik Bruto
bulanan. Data bulanan diinterpolasi dari
data triwulanan dengan menggunakan
metode quadratic dalam program eviews.
Menurunnya pertumbuhan ekonomi
dapat meningkatkan gagal bayar kredit
sehingga cenderung meningkatkan
bank runs (tanda koefisien positif).
SBI
Suku bunga SBI 1 bulan.
Semakin tinggi suku bunga, maka
semakin berkurang kemampuan
nasabah dalam mengangsur/melunasi
kredit (kredit macet meningkat)
sehingga cenderung meningkatkan
bank runs (tanda koefisien negatif).
LNT
Persentase perubahan bulanan nilai tukar
rupiah/USD yang dihitung dari logaritma
nilai tukar Rp/USD.
Semakin tinggi volatilitas nilai tukar,
maka semakin tinggi ketidakpastian
sehingga akan dapat meningkatkan
terjadinya bank runs (tanda koefisien
negatif)
GM2
Pertumbuhan bulanan uang beredar (M2)
Semakin besar uang beredar berarti
semakin longgar kebijakan moneter
sehingga likuiditas di sistem perbankan
semakin besar sehingga akan
menurunkan kerentanan terhadap bank
runs (tanda koefisien positif).
GNFA
Pertumbuhan bulanan net foreign aset
(NFA)
NFA merupakan faktor yang
mempengaruhi M2. Semakin besar NFA
berarti semakin besar pertumbuhan M2
sehingga akan meningkatkan likuiditas
di pasar uang/perbankan dan pada
lanjutannya dapat menurunkan
kerentanan terhadap bank runs (tanda
koefisien positif).
IHSG
Persentase perubahan Indeks Harga Saham
Gabungan
Semakin rendah indeks harga saham,
maka semakin rendah harga aset
sehingga
dapat
menimbulkan
kerentanan terhadap bank runs (tanda
koefisien negatif).
RSBUNGA
Suku bunga riil yang dihitung dengan
mengurangkan suku bunga nominal SBI 1
bulan dengan inflasi tahunan
Semakin tinggi suku bunga, maka
semakin tinggi biaya dana debitur
sehingga mendorong peningkatan
kredit macet dan selanjutnya
meningkatkan kerentanan terhadap
bank runs (tanda koefisien negatif).
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
65
Data yang digunakan adalah data panel dari 94 bank dengan periode bulanan dari Januari
1990 sampai dengan Desember 2005. 94 bank yang dianalisis terdiri dari 7 bank pemerintah,
42 bank swasta devisa, 35 bank swasta non devisa dan 10 bank asing. Seluruh data panel bank
tersebut diperoleh dari laporan bulanan bank umum (LBU) individual bank dari Bank Indonesia.
Secara lengkap penjelasan data dapat dilihat pada Table 2 dan Tabel 3.
Sementara itu, indikator makroekonomi ( FHit ) yang digunakan meliputi inflasi,
pertumbuhan ekonomi (LPDB), suku bunga SBI 1 bulan (SBI), nilai tukar (LNT), pertumbuhan
uang beredar (GM2), pertumbuhan net foreign assets (GNFA), indeks harga saham gabungan
(IHSG) suku bunga riil (RSBUNGA) sebagaimana diuraikan pada Tabel 3. Data triwulanan PDB
diinterpolasi menjadi bulanan.
V. HASIL DAN ANALISIS
5. 1. Determinan Bank Runs Secara Agregat (1990-2005)
Untuk mengestimasi determinan bank runs, maka digunakan persamaan.1 dengan
menambah dummy bank runs (dcrisis) pada krisis perbankan tahun 1997/1998.
(2)
Penambahan variabel dummy diperlukan untuk menangkap terjadinya structural break dalam
data persentase perubahan dana pihak ketiga sebagai proxy variable dari bank runs. Terjadinya
structural break dalam data pada saat terjadinya krisis perbankan 1997/1998 dapat
mengakibatkan hasil estimasi menjadi tidak efisien. Sesuai dengan penelitian D»Amato, Grubisic
dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) sebagaimana diuraikan pada
section 4, persentase perubahan dana pihak ketiga yang positif berarti tidak terjadi bank runs,
sebaliknya persentase perubahan dana pihak ketiga yang negatif berarti terjadi bank runs,
yang tingkat keparahannya tergantung jumlah penarikan dana pihak ketiga.
Sehubungan dengan model yang digunakan adalah model GMM, maka keakuratan
(robustness) model dianalisis dengan melihat moment condition. Untuk melihat keakuratan
model tersebut, Arrelano dan Bond (1991) menyarankan untuk menggunakan tes serial korelasi
dari Arrelano dan Bond dan tes Sargan mengenai tidak terjadi permasalahan over identification
dalam model dinamis sebagaimana diuraikan dalam sesi 4.
Berdasarkan hasil Arrelano-Bond panel dinamis dengan pendekatan one-step
menunjukkan bahwa terjadi permasalahan di dalam model panel dinamis (model 1), yaitu
66
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
terjadi masalah auto korelasi dan over-identification dalam variabel yang digunakan.
Sehubungan dengan hal tersebut, maka indikator kinerja keuangan dan indikator
makroekonomi yang mempunyai hubungan (multicolinearity) tidak akan digunakan untuk
menghindarkan permasalahan ketidakakuratan spesifikasi dan serial korelasi dalam model.
Pada indikator kinerja keuangan bank, ROE tidak digunakan mengingat telah terdapat ROA.
Selain itu, kedua variabel tersebut mempunyai hubungan erat sehingga dapat menimbulkan
permasalahan multikolinieritas. Demikian pula halnya dengan variabel pertumbuhan kredit
(gkredit) dihilangkan karena masih terkait dengan loan to deposit ratio (LDR). Untuk variabel
indikator makroekonomi, pertumbuhan bulanan net foreign assets (GNFA) tidak digunakan
karena GNFA merupakan faktor yang mempengaruhi pertumbuhan uang beredar (GM2).
Selain itu, variabel inflasi, suku bunga SBI nominal 1 bulan (SBI) dan suku bunga riil (RSBUNGA)
akan dipisahkan dengan model tersendiri. Pemisahan tersebut dimaksudkan untuk
menghindarkan hubungan antara suku bunga dengan inflasi yang saling terkait. Dengan
mempertimbangkan permasalahan multikolinieritas, maka model 1 tidak digunakan untuk
menganalisis determinan bank runs melainkan model 2 (model 1 dengan SBI dikurangi ROE,
GKREDIT, GNFA, Inflasi dan rsbunga), model 3 (model 1 dengan INFLASI dikurangi ROE,
GKREDIT, GNFA, SBI dan rsbunga) dan model 4 (model 1 dengan RSBUNGA dikurangi ROE,
GKREDIT, GNFA, SBI dan Inflasi).
Hasil one-step model 2, 3 dan 4 juga menunjukkan tidak robust karena berdasarkan
hasil tes serial korelasi Arrelano-Bond, model menunjukkan serial korelasi dan tes Sargan
menunjukkan terdapat permasalahan dalam over-identifying restriction. Untuk mengatasi
permasalahan tersebut, selanjutnya dilakukan regresi two-step dari model Arrelano-Bond panel
dinamis. Hasil two-step tersebut menunjukkan bahwa model telah robust (akurat), sebagaimana
tercermin dari hasil tes Arrelano-Bond menunjukkan tidak terjadi serial korelasi dan tes Sargan
menunjukkan hasil tidak terdapat permasalahan dalam over-identifying restriction. Selain itu,
F statistik dari ketiga model secara statistik signifikan pada pada α = 1%, yang berarti model
dapat menolak Ho: seluruh koefisien independent variable sama dengan nol. Dengan demikian,
seluruh independent variable secara bersama-sama signifikan mempengaruhi dependent
variable (persentase perubahan bulanan dana pihak ketiga), yang merupakan proxy dari bank
runs.
Hasil two-step Arrelano-Bond model panel dinamis yang akurat (robust) tersebut disajikan
pada Tabel 4. Arah Koefisien tenggat waktu (lag) dana pihak ketiga (GDPK(-1)) yang digunakan
sebagai proxy self-fulfilling prophecy menunjukkan positif sehingga telah sejalan ekspektasi
yang diharapkan, yaitu penurunan dana pihak ketiga pada periode sebelumnya akan
mengakibatkan penurunan dana pihak ketiga pada periode sekarang. Dilihat dari signifikansinya,
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
67
koefisien parameter (GDPK(-1)) pada model 2, 3 dan 4 menunjukkan angka signifikan, seperti
tercermin dari nilai p-value sebesar 0,000, yang berarti kurang dari α=1%. Dengan demikian,
hasil uji statistik menolak Ho: β1 = 0, yang berarti β1 secara statistik signifikan. Signifikannya
koefisien variabel ini menunjukkan bahwa informasi penurunan dana atau bank runs di suatu
bank dapat mendorong nasabah bank menarik dananya dan selanjutnya dapat mengakibatkan
terjadinya bank runs pada bank lain. Hasil penelitian ini sejalan dengan penelitian D»Amato,
Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) yang menunjukkan
faktor self-fulfilling prophecy merupakan salah satu penyebab bank runs di Argentina pada
tahun 1995 dan 2001.
Hasil determinan bank runs yang berasal dari kinerja keuangan bank yang berupa ROA,
LDR, LIQ, NPL, dan CA dapat diuraikan sebagai berikut. Koefisien ROA mempunyai arah positif
sehingga sesuai dengan pertimbangan teori sebagaimana dijelaskan pada Tabel 2 dan Tabel 3,
yaitu semakin tinggi rentabilitas bank, maka semakin baik kinerja keuangan bank sehingga
dapat mengurangi kerentanan terhadap bank terhadap bank runs. Dilihat dari signifikansinya,
nilai p-value koefisien ROA sebesar 0,000, yang berarti pada ±=1% ROA signifikan
mempengaruhi bank runs dalam hal ini digunakan proxy variabel bank runs yang digunakan
adalah perubahan dana pihak ketiga bank (GDPK).
Indikator kinerja keuangan LDR menunjukkan tanda positif sehingga tidak sesuai
dengan yang diharapkan. Seharusnya tanda koefisien LDR adalah negatif karena semakin
tinggi nisbah LDR semakin rendah likuiditas yang tersedia di bank sehingga bank rentan
terhadap penarikan dana besar-besaran (bank runs). Namun, koefisien LDR tersebut signifikan
secara statistik mempengaruhi bank runs dengan nilai p-value 0.0000. Koefisien LIQ juga
mempunyai arah negatif sehingga tidak sesuai dengan tanda yang diharapkan, namun secara
statistik signifikan mempengaruhi bank runs. Penjelasan dari berlawanannya arah koefisien
kedua variabel tersebut terutama disebabkan permasalahan terbatasnya informasi dari
nasabah mengenai kinerja bank (asymmetric information). Dengan keterbatasan informasi
tersebut, maka nasabah bank lebih memperhatikan tingkat rentabilitas dari publikasi laporan
keuangan bank dalam keputusan penarikan dananya di bank sebagaimana tercermin dari
sesuainya arah koefisien ROA. Sementara variabel LDR dan LIQ tidak sensitif terhadap
penarikan dana pihak ketiga.
Indikator kinerja keuangan lainnya, NPL menunjukkan tanda negatif sehingga sesuai
dengan tanda yang diharapkan. Dilihat dari signifikansinya, secara statistik koefisien tersebut
signifikan mempengaruhi bank runs dengan p-value sebesar 0,000. Koefisien CA (rasio
kecukupan modal) mempunyai arah negatif sehingga tidak sesuai dengan tanda yang
diharapkan, namun secara statistik siginifikan. Sebagaimana dijelaskan pada LDR dan LIQ,
68
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
berlawanannya tanda koefisien tersebut disebabkan terbatasnya informasi nasabah atas laporan
keuangan bank melalui publikasi sehingga perubahan dana pihak ketiga tidak sensitif terhadap
rasio kecukupan modal (CA). Signifikannya variabel kinerja keuangan tersebut menunjukkan
bahwa semakin sehat keuangan suatu bank, maka kecenderungan terjadinya bank runs semakin
kecil.
Hasil determinan variabel kondisi makroekonomi yang meliputi LGDP, LNT, GM2, IHSG,
SBI, INFLASI dan RSBUNGA akan diuraikan selanjutnya. Pada semua model, pertumbuhan
ekonomi (LGDP) mempunyai arah positif sehingga sesuai dengan yang diharapkan dan secara
statistik signifikan mempengaruhi bank runs pada α = 1%. Nilai tukar tidak signifikan
mempengaruhi bank runs pada semua model. Pada model 2, perubahan indeks saham
gabungan (IHSG) signifikan mempengaruhi bank runs pada α = 5%, tetapi tidak signifikan
pada model 3 dan 4. Selanjutnya, variabel bebas IHSG dan LNT dipisahkan dengan
memasukkan masing-masing variabel pada model 2, 3 dan 4. Pemisahan tersebut dilakukan
untuk mendeteksi terjadinya multikolinearitas antara IHSG dan LNT. Hasil panel dinamis dengan
pemisahan kedua variabel bebas tersebut menunjukkan hasil yang sama, yaitu IHSG tetap
signifikan mempengaruhi bank runs pada model 2 dan mempunyai tanda negatif serta tidak
signifikan mempengaruhi bank runs pada model 3 dan 4. Tanda koefisien IHSG tersebut
negatif sehingga berlawanan dengan yang diharapkan. Negatifnya tanda IHSG tersebut
mengindikasikan bahwa penempatan dana nasabah di bank merupakan substitusi dengan
penempatan dana di pasar saham. Indikator makroekonomi lainnya yang signifikan
mempengaruhi bank runs adalah pertumbuhan uang beredar M2 (GM2) dengan p-value
pada ketiga model sebesar 0,000.
Variabel SBI, INFLASI dan RSBUNGA diestimasi dengan model tersendiri untuk
menghindarkan permasalahan multikolinearitas. SBI menggunakan model 2, INFLASI dengan
model 3 dan RSBUNGA dengan model 4. Koefisien SBI pada model 2 adalah negatif sehingga
sesuai dengan yang diharapkan dan signifikan mempengaruhi bank runs pada ± = 1%.
Negatifnya koefisien tersebut menunjukkan semakin tinggi suku bunga, maka semakin besar
biaya dana debitur sehingga mendorong peningkatan kredit macet dan selanjutnya
meningkatkan kerentanan terhadap bank runs. Koefisien INFLASI pada model 3, tidak signifikan
mempengaruhi bank runs. Sementara itu, koefisien suku bunga riil (RSBUNGA) signifikan
mempengaruhi bank runs pada α = 1% dan mempunyai koefisien negatif sehingga telah
sesuai dengan harapan. Signifikannya koefisien tersebut menunjukkan semakin besar suku
bunga riil, maka semakin besar biaya dana debitur dan selanjutnya meningkatkan kredit macet
dan kerentanan terhadap bank runs. Hasil tersebut sejalan dengan penelitian D»Amato, Grubisic
dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) yang mengemukakan bahwa
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
69
suku bunga dan inflasi yang tinggi merupakan salah satu penyebab»bank runs di Argentina
pada tahun 1995 dan 2001. Hasil tersebut juga sejalan teori yang dikemukakan Mishkin (1994),
semakin tinggi inflasi dan suku bunga, maka semakin tinggi ketidakpastian dalam perekonomian
dan selanjutnya akan meningkatkan kemungkinan terjadinya»bank runs.
Sementara itu, dummy krisis perbankan 1997-1998 (dcrisis) menunjukkan koefisien tidak
signifikan mempengaruhi variabel tidak bebas (bank runs) pada semua model. Hasil ini
menunjukkan bahwa tidak ada permasalahan structural break pada data persentase perubahan
dana pihak ketiga sehingga tanpa menggunakan dummy krisis, estimasi model determinan
bank runs dalam disertasi ini telah tergolong robust.
Tabel 4.
Hasil Panel Dinamis Two-Steps Arrelano-Bond Semua Bank (1990-2005)
Variabel
Bebas
Gdpk(-1)
roa
roe
ldr
liq
gkredit
npl
ca
inflasi
lgdp
lnt
gm2
gnfa
sbi
rsbunga
ihsg
dcrisis
_cons
F-statistik
Tes Serial
Korelasi
- Order 1
- Order 2
Tes Sargan
Model 1
Model 2
Model 3
Model 4
.0499097 (0.000)
.0003161 (0.000)
8.69e-07 (0.000)
1.51e-07 (0.000)
-.0045987 (0.010)
2.91e-07 (0.124)
-.0000752 (0.000)
-8.32e-09 (0.000)
.010806 (0.523)
55.58811 (0.000)
-1.721723 (0.794)
.6664031 (0.000)
.0346286 (0.022)
-.1413058 (0.000)
.0558145 (0.000)
.0003511 (0.000)
.0546436 (0.000)
.0003656 (0.000)
.0568486 (0.000)
.0003308 (0.000)
1.51e-07 (0.000)
-.0039085 (0.000)
1.51e-07 (0.000)
-.0037416 (0.029)
1.50e-07 (0.000)
-.004143 (0.017)
-.000075 (0.000)
1.07e-08 (0.000)
-.01272767 (0.582)
57.0019 (0.000) 67.051549 (0.000)
-2.942458 (0.525)
-5.001888 (0.447)
.815951 (0.000)
.8681422 (0.000)
-.0000741(0.000)
-9.85e-0 (0.000)
-.0000744 (0.000)
-9.43e-09 (0.000)
59.29535 (0.000)
-8.2788 (0.092)
.9139102 (0.000)
-.1250546 (0.000)
-.0192167
-.0060853
-10.05823
-.3563791
(0.388)
(0.080)
(0.642)
(0.135)
-.0146106 (0.000)
9.268824 (0.607)
-.2951076 (0.299)
-.0090919 (0.041)
-27.51757 (0.367)
-.4164169 (0.088)
-.003091 (0.369)
-22.13916 (0.341)
-.4883353 (0.026)
6105.26
27447.17
15344.52
11575.41
0.0183 (p-value)
0.3223 (p-value)
1.0000 (p-value)
0.2939 (p-value)
0.2415 (p-value)
1.0000 (p-value)
0.2919 (p-value)
0.2423 (p-value)
1.0000 (p-value)
0.2922 (p-value)
Catatan: Tanda ( ) pada koefisien adalah p-value
*) Dasar pertimbangan teori tanda koefisien yang diharapkan lihat Tabel 5.1 dan Tabel 5.2
0.2421 (p-value)
1.0000 (p-value)
Tanda
Koefisien yang
diharapkan*)
+
+
+
+
+
+
+
+
+
70
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
5.2. Determinan Bank Runs Periode Krisis Perbankan 1997-1998
Determinan bank runs yang diperoleh dari hasil regresi panel data di atas dengan
menggunakan data bulanan dari tahun 1990 sampai dengan tahun 2005. Namun, sebagaimana
diketahui pada tahun 1997 hingga tahun 1998 terjadi bank runs di Indonesia sehingga telah
memicu terjadinya krisis perbankan secara nasional. Sehubungan dengan hal tersebut, penelitian
ini juga ingin melihat determinan bank runs dari bulan Januari 1997 sampai dengan bulan
Desember 199811. Selain itu, analisis determinan bank runs pada periode 1997-1998 merupakan
sebagai control variable terhadap penggunaan perubahan dana pihak ketiga sebagai proxy
dari bank runs. Sebagaimana dijelaskan pada section 4, control variable diperlukan mengingat
perubahan dana pihak ketiga tidak selalu diikuti dengan terjadinya bank runs.
Sehubungan dengan terdapat multikolinearitas antar variabel bebas, maka untuk
menganalisis determinan bank runs pada periode krisis perbankan 1997-1998 digunakan model
2, 3 dan 4. Hasil model panel data dinamis Arrelano-Bond dengan pendekatan one-step
menunjukkan bias karena hasil regresi menunjukkan serial korelasi dan terjadi permasalahan
over-identifying dalam restriksi persamaan. Sehubungan dengan permasalahan tersebut, dicari
model yang tidak bias (robust), dengan menggunakan model two-step panel dinamis ArrelanoBond, dengan hasil dapat dilihat pada Tabel 5. Hasil regresi GMM tersebut menunjukkan bahwa
hubungan antara variable tidak bebas (dependent variable) dengan variabel bebas (independent
variable) secara statistik signifikan, sebagaimana tercermin dari nilai F statistik signifikan pada
α = 1%.
Berdasarkan hasil regresi GMM tersebut, ketiga model menunjukkan lag satu DPK yang
digunakan sebagai proxy dari self-fulfilling prophecy mempunyai arah positif dan signifikan
secara statistik dengan p-value sebesar 0,000 atau α kurang dari 1%. Signifikannya koefisien
ini menunjukkan bahwa berita penurunan dana suatu bank atau bank runs di bank lain dapat
mengakibatkan nasabah lainnya berbondong-bondong menarik dananya di bank (bank runs).
Hasil penelitian ini sejalan dengan penelitian bank runs di Argentina yang dilakukan oleh
D»Amato, Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) yang
menunjukkan faktor self-fulfilling prophecy merupakan salah satu penyebab bank runs di
Argentina.
Variabel kinerja keuangan ROA mempunyai tanda positif sesuai dengan yang diharapkan
dan siginifikan mempengaruhi bank runs pada α = 1%, dengan p-value sebesar 0,003. LDR
11 Penarikan dana besar-besaran telah mulai terasa sejak Pemerintah melepas bank nilai tukar mengambang terkendali menjadi sistem
mengambang penuh pada tanggal 14 Agustus 1997 dan gelombang bank runs semakin besar sejak ditutupnya 16 bank pada
bulan November 1997 hingga mereda pada bulan Agustus 1998.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
71
mempunyai tanda negatif sesuai dengan harapan dan signifikan mempengaruhi bank runs
pada α = 1%. Sebaliknya LIQ, NPL dan CA mempunyai tanda berlawanan dengan harapan,
dengan LIQ bertanda negatif, NPL bertanda positif dan rasio kecukupan modal bertanda negatif.
Berbedanya tanda koefisien tersebut kemungkinan disebabkan terbatasnya informasi nasabah
terhadap laporan keuangan sehingga ketiga variabel tersebut tidak sensitif terhadap penarikan
dana dari nasabah. Signifikannya beberapa variabel kinerja keuangan bank tersebut
menunjukkan bahwa semakin baik kondisi keuangan bank, maka semakin kecil kemungkinan
terjadi bank runs.
Variabel indikator makroekonomi, yang berupa pertumbuhan ekonomi (LGDP), nilai
tukar (LNT) dan pertumbuhan uang beredar (M2) pada ketiga model mempunyai tanda sesuai
harapan dan signifikan mempengaruhi bank runs pada α = 1%. Signifikannya koefisien LGDP
menunjukkan bahwa semakin baik pertumbuhan ekonomi, maka semakin kecil kemungkinan
terjadinya bank runs. Sementara koefisien LNT yang signifikan menunjukkan semakin tinggi
depresiasi nilai tukar, maka semakin tinggi kewajiban luar negeri bank dalam denominasi
rupiah dan selanjutnya akan meningkatkan kemungkinan terjadinya bank runs. Koefisien
GM2 yang signifikan menunjukkan semakin meningkat jumlah uang beredar, maka semakin
besar likuiditas yang tersedia di perbankan dan selanjutnya akan mengurangi kemungkinan
terjadinya bank runs. Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh
Demirguc-Kunt dan Detragiache (1998), Hardy dan Pazarbasiouglu (1999) dan Ho (2004)
yang menunjukkan pertumbuhan ekonomi dan nilai tukar mempengaruhi bank runs dan
krisis perbankan.
Variabel makroekonomi lainnya yang signifikan mempengaruhi bank runs pada α = 1%
dan mempunyai arah sesuai dengan teori bank runs adalah SBI 1 bulan pada model 2, INFLASI
pada model 3 dan suku bunga riil (RSBUNGA) pada model 4. Signifikannya koefisien inflasi,
suku bunga SBI dan suku bunga riil sejalan dengan teori yang dikemukakan Mishkin (1994)
dan penelitian D»Amato, Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet
(2003) yang mengemukakan bahwa suku bunga dan inflasi yang tinggi merupakan salah satu
penyebab»bank runs.
Sementara itu, variabel IHSG pada ketiga model signifikan mempengaruhi bank runs
pada α = 1%, tetapi arah koefisien tersebut negatif sehingga tidak sejalan dengan teori
sebagaimana dijelaskan pada Tabel 2 dan Tabel 3. Negatifnya koefisien IHSG tersebut
menunjukkan bahwa dana pihak ketiga di perbankan merupakan substitusi terhadap produk
saham.
72
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Tabel 5.
Hasil Panel Dinamis Two-Step Arrelano-Bond Semua Bank (1997-1998)
Variabel
Bebas
Gdpk(-1)
roa
ldr
liq
npl
ca
inflasi
lgdp
lnt
gm2
rsbunga
sbi
ihsg
_cons
F-statistik
Tes Serial
Korelasi
- Order 1
- Order 2
Tes Sargan
Model 2
.2974066
3.765414
-.0238338
-7.481348
.1041378
-.0627725
(0.000)
(0.000)
(0.000)
(0.000)
(0.000)
(0.010)
Model 3
Model 4
(0.000)
(0.000)
(0.000)
(0.000)
(0.000)
(0.952)
(0.000)
(0.000)
(0.000)
(0.000)
.298317 (0.000)
3.705551 (0.000)
-.239372 (0.000)
-7.53001 (0.000)
.107883 (0.000)
-.0647577 (0.013)
-.1088567 (0.000)
-.04066 (0.000)
-.4034315 (0.000)
-.032471 (0.000)
-.482142 (0.000)
-.0430248 (0.000)
-.4471285 (0.000)
1.10e+09
1.35e+09
1.11e+09
0.3382 (p-value)
0.3547 (p-value)
0.0538 (p-value)
0.3357 (p-value)
0.3533 (p-value)
0.0545 (p-value)
0.3389 (p-value)
0.3350 (p-value)
1.0000 (p-value)
6.666501 (0.000)
-8.495236 (0.000)
.6948838 (0.000)
.3010486
3.520904
-.0244307
-7.839653
.0986703
.001975
.5976495
3.044591
-14.44655
.7581463
11.35838 (0.000)
-8.50948 (0.000)
.682149 (0.000)
-.1117645 (0.000)
Tanda
Koefisien yang
diharapkan*)
+
+
+
+
+
+
+
Catatan: Tanda ( ) pada koefisien adalah p-value
*) Dasar pertimbangan teori tanda koefisien yang diharapkan lihat Tabel 5.1 dan Tabel 5.2
6. KESIMPULAN
Berdasarkan hasil study dari sections sebelumnya dapat disimpulkan sebagai berikut:
1. Berdasarkan data keseluruhan bank dengan menggunakan data bulanan dari tahun 1990
sampai dengan 2005, hasil Arrelano-Bond panel dinamis menunjukkan bahwa faktor self-
fulfilling prophecy signifikan mempengaruhi bank runs. Hasil ini menunjukkan bahwa berita
penurunan dana pihak ketiga atau bank runs yang terjadi pada satu bank sangat signifikan
mempengaruhi bank runs pada bank lain. Hasil penelitian ini sejalan dengan penelitian
D»Amato, Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) yang
menunjukkan faktor self-fulfilling prophecy merupakan salah satu penyebab bank runs di
Argentina pada tahun 1995 dan 2001.
2. Seluruh variabel kinerja keuangan bank yang berupa rentabilitas aset (ROA), likuiditas (LIQ),
dan rasio kredit non lancar (NPL), secara statistik signifikan mempengaruhi bank runs.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
73
Koefisien ROA bertanda positif berarti semakin baik rentabilitas bank, maka semakin
meningkat kecenderungan nasabah menempatkan dananya di bank sehingga cenderung
mengurangi terjadinya bank runs. Sebaliknya, koefisien rasio kredit non lancar (NPL) yang
negatif menunjukkan bahwa semakin besar NPL, maka semakin besar dana nasabah yang
tertahan dalam kredit macet sehingga meningkatkan kerentanan terhadap bank runs. Hasil
tersebut juga sejalan dengan penelitian-penelitian sebelumnya, seperti yang dilakukan
D»Amato, Grubisic dan Powell (1995), McCandless, Gabrielli dan Rouillet (2003) dan Ho
(2004).
3. Variabel kinerja makroekonomi yang signifikan mempengaruhi bank runs meliputi
pertumbuhan ekonomi, pertumbuhan uang beredar M2, inflasi dan suku bunga. Koefisien
pertumbuhan ekonomi yang positif menunjukkan semakin tinggi pertumbuhan ekonomi,
maka semakin tinggi minat menempatkan dana di bank dan semakin lancar pembayaran
kredit, sehingga akan cenderung mengurangi kemungkinan terjadinya bank runs.
Koefisien pertumbuhan uang beredar yang positif berarti semakin tinggi uang beredar,
maka semakin tinggi likuiditas perbankan sehingga selanjutnya dapat mengurangi
terjadinya bank runs.
4. Variabel inflasi dan suku bunga riil yang signifikan dan bertanda negatif, berarti semakin
tinggi suku bunga, maka semakin besar biaya dana debitur sehingga mendorong peningkatan
kredit macet dan menurunnya likuiditas yang tersedia di bank, selanjutnya hal tersebut
dapat meningkatkan kerentanan terhadap bank runs. Signifikannya variabel makroekonomi
tersebut sejalan dengan penelitian yang dilakukan oleh Demirguc-Kunt dan Detragiache
(1998), Hardy dan Pazarbasiouglu (1999), McCandless, Gabrielli dan Rouillet (2003) dan Ho
(2004) yang menunjukkan inflasi, suku bunga nominal dan riil mempunyai hubungan negatif
dan signifikan mempengaruhi bank runs dan krisis perbankan.
5. Determinan bank runs pada periode krisis perbankan tahun 1997-1998 juga menunjukkan
bahwa faktor self-fulfilling prophecy juga mempengaruhi bank runs. Hasil ini menunjukkan
lagi bahwa berita penurunan dana pihak ketiga atau bank runs yang terjadi pada suatu
bank dapat mempengaruhi ekspektasi nasabah untuk menarik dana besar-besaran di banknya
(bank runs). Hasil penelitian ini sejalan dengan penelitian bank runs di Argentina yang
dilakukan oleh D»Amato, Grubisic dan Powell (1995) dan McCandless, Gabrielli dan Rouillet
(2003) yang menunjukkan faktor self-fulfilling prophecy merupakan salah satu penyebab
bank runs di Argentina.
6. Seluruh variabel kinerja keuangan bank siginifikan mempengaruhi bank runs pada krisis
perbankan 1997-1998. Tanda rentabilitas aset (ROA) dan loan to deposit ratio (LDR) sesuai
dengan teori, dengan tanda positif pada ROA dan tanda negatif pada LDR. Tanda positif
pada ROA berarti semakin tinggi rentabilitas, maka semakin besar kecenderungan nasabah
74
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
menempatkan dananya di bank karena meningkatnya kepercayaan atas rentabilitas yang
semakin baik dan selanjutnya hal tersebut mengurangi kerentanan terjadinya bank runs.
Koefisien LDR yang negatif menunjukkan semakin besar nisbah LDR, maka semakin rendah
likuiditas yang tersedia untuk pembayaran penarikan dana nasabah sehingga dapat
meningkatkan kecenderungan terjadinya bank runs. Signifikannya ROA dan LDR dalam
mempengaruhi bank runs sejalan dengan penelitian yang dilakukan oleh D»Amato, Grubisic
dan Powell (1995) dan McCandless, Gabrielli dan Rouillet (2003) yang mengemukakan
bahwa kinerja keuangan tersebut merupakan salah satu penyebab bank runs di Argentina
pada tahun 1995 dan 2001.
7. Dari sisi kondisi makroekonomi, pertumbuhan ekonomi (LGDP), nilai tukar (LNT) dan
pertumbuhan uang beredar (M2) mempunyai tanda positif sehingga sesuai dengan teori
dan signifikan mempengaruhi bank runs pada masa krisis perbankan tahun 1997-1998.
Demikian pula dengan suku bunga SBI 1 bulan, inflasi, suku bunga riil mempunyai
tanda negatif dan signifikan mempengaruhi bank runs. Signifikannya variabel
makroekonomi tersebut sebagai determinan bank runs sejalan dengan hasil penelitian
yang dilakukan oleh Demirguc-Kunt dan Detragiache (1998), Hardy dan Pazarbasiouglu
(1999), McCandless, Gabrielli dan Rouillet (2003) dan Ho (2004) yang menunjukkan
pertumbuhan ekonomi, nilai tukar, inflasi dan suku bunga mempengaruhi bank runs
dan krisis perbankan.
Hasil panel dinamis menunjukkan bahwa bahwa variabel self-fulfilling prophecy signifikan
mempengaruhi bank runs di Indonesia. Policy implication dari hasil ini menunjukkan bahwa
informasi kejadian bank runs atau penarikan dana pihak ketiga yang signifikan pada suatu
bank dapat mempengaruhi ekspektasi nasabah untuk melakukan penarikan dana besar-besaran
pada bank lain. Sehubungan dengan hasil temuan tersebut, dalam kerangka pengawasan
bank yang berbasis resiko (risk-based supervision), otoritas pengawas perlu memetakan bankbank yang peka (sensitive) terhadap faktor self-fulfilling prophecy. Pemetaan sensivitas bank
tersebut dimasukkan pada siklus pengawasan bank dalam kerangka penilaian resiko terhadap
individual bank sehingga secara dini dapat dicegah dampak contagious bank runs pada suatu
bank ke bank lain. Selain itu, perlu dibangun manajemen komunikasi yang handal untuk
mengembalikan ekspektasi masyarakat yang memburuk terhadap suatu bank. Membangun
kepercayaan nasabah terhadap perbankan nasional tersebut juga perlu didukung oleh
Pemerintah sebagai sumber pembiayaan darurat dalam hal terjadi bank runs yang mempunyai
resiko sistemik. Bentuk dukungan tersebut dapat dilakukan dengan meningkatkan fungsi
koordinasi pengawasan bank antara Bank Indonesia dengan Pemerintah dalam forum stabilitas
sistem keuangan yang sudah ada.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
75
Penelitian ini menggunakan lag variabel bebas (persentase perubahan dana pihak ketiga)
sebagai proxy bank runs. Penggunaan variable ini robust untuk menangkap faktor self-fulfilling
prophecy, tetapi tidak tertutup kemungkinan lain menemukan proxy yang lebih robust untuk
menangkap faktor self-fulfilling prophecy.
76
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
DAFTAR PUSTAKA
Aharony, Joseph, and Itzhak Swary, 1983, ≈Contagion Effects of Bank Failures: Evidence from
Capital Markets.∆ The Journal of Business, July 1983, 56(3), pp. 305-322.
Allen, Franklin, and Douglas Gale, 1998, ≈Optimal Financial Crises∆ The Journal of Finance,
Vol. 53, No.4, Papers and Proceedings of the Fifty-Eighth Annual Meeting of the American
Finance Association, Chicago, Illinois, January 3-5, Aug., 1998, pp. 1245-1284.
______. ≈Bubbles and Crises∆, 2000, The Economic Journal, Vol. 110, No. 460 (Jan., 2000),
hal. 236-255.
______,2000, ≈Financial Contagion.∆ The Journal of Political Economy, February 2000, 108(1),
pp. 1-33.
Bank Indonesia, Laporan tahunan Bank Indonesia dari 1997/1998 sampai dengan tahun 2007.
Bryant, John, 1981, ≈Bank Collapse and Depression∆ Journal of Money, Credit and Banking,
Vol. 13, No. 4 (Nov., 1981), pp. 454-464.
Calomiris, Charles W.,2007, ≈Bank Failures in Theory and History: The Great Depression and
Other «Contagious» Events.∆ NBER Working Paper Series, No. WP 13597, November 2007.
______,1991, dan Gary Gorton.∆≈The Origins of Banking Panics: Models, Facts, and Bank
Regulation∆. Dalam R. G. Hubbard, Financial markets and Financial Crisis. Chicago: University
of Chicago Press, hal. 109-173.
Canova, Fabio.,1994, ≈Were Financial Crises Predictable?∆ Journal of Money, Credit, and
Banking, Vol. 26, 1 (Februari 1994), hal. 102-124.
D»Amato, Laura, Elena Grubisic dan Andrew Powell, 1997, ≈Contagion, Bank Fundamentals or
Macroeconomic Shock? An Empirical Analysis of the Argentine 1995 Banking Problems∆,
Banco Central de la República Argentina Working Paper Number 2, July 1997.
Davis, E. Philip dan Dilruba Karim.,2007, ≈Comparing Early Warning Systems for Banking Crises.∆
Working Paper Brunel University dan NIESR West London.
Demirguc-Kunt, Asli dan Detragiache, Enrica.,1997, ≈The Determinants of Banking Crises:
Evidence from Developing and Developed Countries.∆ IMF Working Paper, No. WP/97/106,
September 1997.
Diamond, Douglas W., 1991, ≈Debt Maturity Structure and Liquidity Risk.∆ The Quaterly Journal
of Economics, August 1991, 106(3), pp. 709-737.
Penyebab Bank Runs di Indonesia: Bad Luck atau Fundamental?
77
______, dan Philip H. Dybvig, 1983, ≈Bank Runs, Deposit Insurance, and Liquidity.∆ Journal of
Political Economy, June 1983, 91(3), hal. 401-419.
Kaufman, George G.,1988, ≈Bank Runs: Causes, Benefits and Costs.∆∆Cato Journal 2, no. 3
(Winter): 559-88.
______. ≈The Concise Encyclopedia of Economics di website≈http://www.econlib.org/library/
Enc/BankRuns.html∆ mimeo.
Kindleberger, 1978, C. P. Manias, Panics and Crashes. Basic Books, New York.
Lindgren, Carl-Johan; Garcia, Gillian, Garcia; dan Saal, Matthew I.,1996, ∆Bank Soundness and
Macroeconomic Policy.∆ IMF.
McCandless, George, Maria F. Gabrielli, Maria J. Rouillet, 2003, ≈Determining the Causes of
Bank Runs in Argentina During the Crisis of 2001∆, Revista De Analisis Economico, Vol. 18,
No. 1, Banco Central de la República Argentina.
Minsky, Hyman.,1977, ≈A Theory of System Fragility∆, dalam Edward Altman dan Arnold Sametz
(ed.), Financial Crises: Institutions and Markets in a Fragile Financial Environment, New York:
Wiley-Interscience.
Mishkin, Frederic S.,1996, ≈Understanding Financial Crises: A Developing Country Perspective.∆
NBER Working Paper Series, No. WP 5600, Mei 1996.
Safuan, Sugiharso.,2003, ≈Contagion and Interdependence in the Asian Crisis∆. Proceedings
Seminar Pusat Pendidikan dan Studi Kebanksentralan, Bank Indonesia. Jakarta, 27 Agustus
2003.
Warjiyo, Perry.,2001, ≈Bank Failure Management: The Case of Indonesia∆ APEC Policy Dialogue
on Bank Failure Management Paper, Mexico, June 7-8.
78
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
halaman ini sengaja dikosongkan
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
79
PENGUJIAN NETRALITAS UANG DAN INFLASI JANGKA PANJANG
DI INDONESIA
Arintoko 1
Abstract
This paper investigates long-run neutrality of money and inflation in Indonesia, with due consideration
to the order of integration, exogeneity, and cointegration of the money stock-real output and the money
stock-price, using annual time-series data. The Fisher-Seater methodology is used to do the task in this
research. The empirical results indicate that evidence rejected the long-run neutrality of money (both
defined as M1 and M2) with respect to real GDP, showing that it is inconsistent with the classical and
neoclassical economics. However, the positive link between the money and price in long run holds for
money defined as M1 rather than M2, which consistent with these theories. In particular, besides the
positive effect to long-run inflation, monetary expansions have long-run positive effect on real output in
the Indonesian economy.
JEL: C32, E31, E51
Keywords: long-run neutrality of money, inflation, unit root, exogeneity, cointegration
1 Staf pengajar Fakultas Ekonomi Universitas Jenderal Soedirman, sedang menempuh pendidikan S3 pada Program Doktor Ilmu
Ekonomi UGM. e-mail: [email protected].
80
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
I. PENDAHULUAN
Keberadaan netralitas uang dan hubungan positif antara uang dan harga telah diakui
dan dipahami dengan baik dalam literatur ekonomi. Dalam teori moneter klasik dinyatakan
bahwa perubahan dalam penawaran uang akan mempengaruhi variabel-variabel nominal,
namun tidak mempengaruhi variabel-variabel riil, karena menurut dikotomi klasik (classical
dichotomy) kekuatan yang mempengaruhi variabel riil dan nominal berbeda. Namun demikian
hal ini memunculkan sebuah pertanyaan yang masih menjadi isu yang menarik bagi para ahli
ekonomi bahwa ≈apakah perubahan uang beredar yang permanen hanya akan mempengaruhi
variabel nominal tanpa memberikan efek pada variabel riil?∆. Atau dengan kata lain ≈apakah
uang adalah netral?∆. Pertanyaan tersebut menjadi sebuah pemikiran bagi para ahli ekonomi
moneter yang menyita waktu cukup panjang bahwa injeksi uang atau ekspansi moneter oleh
pemerintah ke dalam perekonomian makro memiliki efek netral yang pasti dan hanya
menyebabkan kenaikan harga. Selama ini netralitas jangka panjang diangggap sebagai sesuatu
yang given, yang kebanyakan merupakan asumsi yang digunakan dalam teori ekonomi maupun
pertimbangan dalam pengambilan kebijakan bahkan sebagai asumsi yang radikal sekalipun.
Oleh karena itu bagi kalangan ahli ekonomi khususnya ahli ekonomi moneter, netralitas uang
ini kemudian menjadi perdebatan yang panjang.
Menurut Lucas (1995) netralitas uang digambarkan sebagai situasi di mana perubahan
dalam jumlah uang beredar hanya akan menyebabkan perubahan variabel-variabel nominal,
seperti harga, kurs nominal, dan upah nominal tanpa menyebabkan perubahan pada variabelvariabel riil seperti output, konsumsi, investasi dan kesempatan kerja. Ide ini disampaikan
oleh ahli ekonomi klasik yaitu Hume (1752) yang menyatakan bahwa kenaikan dalam jumlah
uang beredar tidak memiliki pengaruh pada kesempatan kerja maupun investasi serta tingkat
atau pertumbuhan output. Lebih dari itu, konsep supernetralitas uang juga digunakan, yang
menyatakan bahwa perubahan dalam pertumbuhan jumlah uang beredar dalam
perekonomian tidak akan menyebabkan perubahan variabel-variabel riil ekonomi kecuali
perubahan tingkat inflasi. Hipotesis netralitas uang jangka panjang yang masih menjadi isu
yang diteliti dan diuji keberadaannya ini kebanyakan didasarkan pada teori moneter klasik,
model neoklasik ataupun model siklus bisnis riil (real business cycle). Teori-teori tersebut
memproposisikan bahwa uang adalah netral dalam perekonomian yang tidak berpengaruh
pada variabel riil, karena uang hanya berdampak pada tingkat harga yang gagasannya sejalan
dengan Hume dan Lucas.
Isu netralitas uang dan inflasi jangka panjang kembali mendapatkan perhatian dan semakin
intensif diteliti baik dari kalangan peneliti maupun akademisi dengan semakin bertambahnya
literatur tentang pengujian netralitas uang dan inflasi jangka panjang dalam beberapa dekade
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
81
terakhir. Para peneliti yang memiliki perhatian pada netralitas uang mengumpulkan bukti-bukti
empirik yang berkenaan dengan proposisi netralitas uang, sementara sebagian peneliti
memusatkan pada pengujian keberadaan hubungan uang dan harga pada jangka panjang.
Sejumlah studi mengenai netralitas uang dilakukan setelah dilakukan penelitian yang pada
awalnya dilakukan oleh King dan Watson (1992, 1997) serta Fisher dan Seater (1993) di Amerika
Serikat. Penelitian semacam itu kemudian dilakukan oleh para peneliti di sejumlah negara di
wilayah Amerika Selatan dan Utara, Australia, Asia termasuk Asia Selatan dan Tenggara di
samping juga di Eropa dan Afrika. Sejumlah penelitian tersebut dilakukan oleh antara lain
Boschen dan Otrok (1994), Olekalns (1996), Haug dan Lucas (1997), Serletis dan Koustas (1998,
2001), Bae dan Ratti (2000), Shelley dan Wallace (2003), Noriega (2004), Coe dan Nason (2004),
Oi et al. (2004), Bae et al. (2005), Noriega dan Soria (2005), Noriega et al. (2005), Wallace dan
Cabrera-Castellanos (2006), Chen (2007), dan Puah et al. (2008). Kebanyakan dari penelitianpenelitian ini mengadopsi metodologi Fisher dan Seater (1993) serta King dan Watson (1992,
1997) yang di antaranya ada yang melakukan perluasannya. Khususnya untuk kasus di negaranegara Asia sejumlah penelitian dilakukan oleh antara lain Oi et al. (2004) pada kasus di Jepang,
Ran (2005) di Hong Kong, Chen (2007) di Korea Selatan dan Taiwan, serta Puah et al. untuk
kasus 10 negara anggota South East Asian Central Banks (SEACEN) Resesarch and Training
Centre. Sementara itu isu mengenai keberadaan hubungan positif antara uang dan harga
dikumpulkan dalam studi terbaru oleh antara lain Saatcioglu dan Korap (2009), Roffia dan
Zaghini (2007), serta Browne dan Cronin (2007). Hasil-hasilnya sejalan dengan kesimpulan dari
sejumlah peneliti terdahulu antara lain Lucas (1980), Dwyer dan Hafer (1988), Friedman (1992),
Barro (1993), McCandless dan Weber (1995), Rolnick dan Weber (1997), Dewald (1998), Dwyer
(1998), Dwyer dan Hafer (1999).
Hasil dari studi mengenai netralitas moneter jangka panjang dalam beberapa kasus
menemukan bukti yang mendukung adanya netralitas uang, namun tidak menemukan bukti
adanya supernetralitas uang. Sementara itu pada studi-studi lain tidak menemukan bukti
substansi baik yang mendukung adanya netralitas maupun supernetralitas uang pada negaranegara tertentu. Berkaitan dengan studi mengenai hubungan antara uang dan harga dalam
jangka panjang secara umum hasil empirik memberikan kesimpulan yang sama mengenai
keberadaan hubungan positif antara uang dan harga, meskipun terdapat perbedaan mengenai
sifat-sifat time-series dari data di beberapa negara.
Penelitian ini bertujuan untuk menguji secara empirik proposisi netralitas uang dan inflasi
jangka panjang untuk uang baik yang didefinisikan sebagai M1 maupun M2 masing-masing
terhadap output riil dan harga di Indonesia. Penelitian ini menggunakan data runtut waktu
tahunan. Studi ini termotivasi oleh masih sedikitnya penelitian mengenai pengujian netralitas
82
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
moneter dan inflasi jangka panjang di negara-negara berkembang Asia Tenggara termasuk
Indonesia. Kedua proposisi diteliti sekaligus karena keduanya merupakan proposisi yang melekat
pada satu teori tertentu, khsususnya teori kuantitas uang dan model Lucas. Di Indonesia sendiri
penelitian semacam ini sangat jarang, bahkan untuk penelitian terkini yang hasilnya
dipublikasikan nampaknya belum ada. Adanya penelitian terhadap isu ini diharapkan
memperkaya literatur ekonomi dan kajian serta bahan pertimbangan dalam kebijakan moneter.
Tulisan ini diawali dengan pendahuluan yang menyampaikan alasan mengapa penelitian
yang berkenaan dengan pengujian netralitas uang dan inflasi jangka panjang ini penting dan
perlu dilakukan untuk kasus Indonesia. Bagian kedua adalah kajian teori dan review penelitian
terdahulu. Bagian ketiga adalah metode penelitian, yang menjelaskan metodologi Fisher-Seater
beserta uji-uji prasyaratnya, yang meliputi integrasi, eksogenitas, dan kointegrasi. Bagian keempat
menyajikan hasil penelitian dan pembahasan yang kemudian diakhiri dengan bagian kelima
sebagai penutup berupa kesimpulan dan saran.
II. TEORI
2.1. Pandangan Hume dan Teori Kuantitas Klasik
Dalam sebuah essay David Hume (1752) berjudul of Money and of Interest, menyimpulkan
tentang pengaruh perubahan dalam jumlah uang yang kelihatannya tergantung pada jalan di
mana perubahan itu dipengaruhi. Berdasarkan teori kuantitas uang, Hume menekankan aspek
perubahan unit dari perubahan jumlah persediaan uang, serta tidak relevannya perubahanperubahan itu terhadap perilaku masyarakat rasional. Ia menyatakan bahwa uang itu tidak
berarti, namun uang merepresentasikan tenaga kerja dan komoditi.
Terdapat dua penyataan Hume yang membentuk suatu doktrin bahwa perubahan dalam
jumlah unit dari uang beredar akan memiliki pengaruh pada perubahan proporsional terhadap
seluruh harga yang dinyatakan dalam satuan uang dan tidak memiliki pengaruh pada variabel
riil seperti berapa masyarakat yang bekerja dan berapa barang yang diproduksi atau dikonsumsi.
Prediksi dari teori kuantitas bahwa dalam jangka panjang pertumbuhan jumlah uang beredar
bersifat netral terhadap tingkat pertumbuhan produksi dan berpengaruh terhadap inflasi secara
proporsional. Jadi menurut Hume, variabel-variabel ekonomi riil tidak berubah dengan adanya
perubahan penawaran uang (perubahan variabel nominal). Menurut dikotomi klasik, kekuatan
yang mempengaruhi variabel riil dan nominal berbeda. Oleh karena itu perubahan dalam
penawaran uang akan mempengaruhi variabel-variabel nominal, namun tidak mempengaruhi
variabel-variabel riil.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
83
Dalam persamaan kuantitas (quantity equation) dari teori kuantitas klasik, dinyatakan
suatu persamaan kuantitas:
(1)
di mana persamaan tersebut menghubungkan kuantitas uang (M) kepada nilai nominal dari
output (P x Y), sementara V menunjukkan tingkat perputaran uang (velocity of money).
Persamaan kuantitas menunjukkan bahwa kenaikan dalam jumlah (kuantitas) uang dalam
perekonomian mencerminkan salah satu dari tiga variabel lain yaitu tingkat harga naik, jumlah
output naik, atau tingkat perputaran uang turun. Tingkat perputaran uang relatif stabil sepanjang
waktu. Ketika Bank Sentral mengubah jumlah uang beredar, akan menyebabkan perubahan
secara proporsional nilai nominal output (P x Y). Karena uang netral menurut teori klasik,
maka uang tidak mempengaruhi output. Dalam kebijakan moneter jika uang netral, maka
perubahan jumlah uang beredar tidak berpengaruh terhadap output, yang artinya kebijakan
moneter mengendalikan jumlah uang beredar tidak efektif mempengaruhi output.
2.2. Model Neoklasik
Penjelasan teoritik dalam model neoklasik berikut kebanyakan diambil dari Barro (1997).
Model ini diawali dengan model perekonomian terbuka kecil neoklasik dengan empat
persamaan yang mengasumsikan adanya mobilitas modal sempurna dalam obligasi.
(2)
(3)
(4)
(5)
Terdapat empat parameter yang tidak diketahui (unknown) dalam model ouput riil y,
tingkat bunga riil r, kurs riil ε, dan tingkat harga P. Persamaan (2) menunjukkan ekuilibrium
untuk pasar barang yang permintaannya, E merupakan fungsi dari pendapatan riil, tingkat
bunga riil, dan kurs riil. Kurs riil dalam pengertian ini didefinisikan sebagai:
(6)
84
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
di mana e adalah kurs nominal, P dan Pf masing-masing merupakan tingkat harga domestik
dan luar negeri. Kenaikan dalam ε merepresentasikan apresiasi dari mata uang domestik, yang
menurunkan ekspor neto riil dan mengurangi permintaan barang riil.
Persamaan (3) menunjukkan ekuilibrium dalam pasar uang. Permintaan uang riil L,
diasumsikan merupakan fungsi dari pendapatan riil y, dan tingkat bunga riil r. Variabel b
merupakan variabel exogenous shock. Penawaran uang merupakan model Brunner-Meltzer,
yang terdiri dari pengganda uang m dan monetary base B. Penawaran uang diasumsikan sama
dengan jumlah currency dalam sirkulasi C, ditambah bank deposits D. Dengan membagi
penawaran uang dengan harga P, maka mengubah penawaran uang ke dalam arti riil.
Diasumsikan bahwa pengganda uang adalah:
(7)
di mana c adalah rasio currency terhadap deposit (C/D), r adalah rasio cadangan wajib minimum
(required reserve ratio), dan e adalah rasio kelebihan cadangan yang diinginkan (desired excess
reserve ratio). Diasumsikan pula bahwa ketiga variabel yang menentukan pengganda uang
tersebut adalah eksogen.
r
Y
s
r*
Y
D
Y
Y*
Y
Y
P
M
M»
MD
Y S, LR
P
Y
f (Kt-1, L)
L
L*
w/P
LS
LR
(P*)
w/P*
P*
M»V=PY
LD
MV=PY
Y*
Y
Grafik 1.
Efek Kebijakan Moneter Jangka Panjang
L*
L
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
85
Dari persamaan (3) bahwa ketiadaan perubahan eksogen dalam y*, dan r*, atau
permintaan uang, maka penawaran uang riil adalah tetap. Kondisi ini menghasilkan netralitas
uang klasik, yaitu perubahan dalam penawaran uang menyebabkan perubahan dalam tingkat
harga dengan tetap menjaga penawaran uang riil dan variabel riil yang lain dalam model tidak
berubah.
Berdasarkan model neoklasik, maka Grafik 1 menunjukkan bahwa kenaikan jumlah uang
beredar M tidak akan menyebabkan variabel riil seperti output Y dan kesempatan kerja L berubah,
yang menggambarkan netralitas uang jangka panjang.
Grafik 1 menunjukkan bahwa kenaikan jumlah uang dari M ke M’ hanya meningkatkan
harga P, sementara output Y dan kesempatan kerja L tidak berubah di mana keduanya
merupakan variabel riil. Keadaan yang digambarkan tersebut menunjukkan adanya netralitas
uang jangka panjang.
2.3. Model Lucas
Menurut model ini perekonomian digambarkan dengan menggunakan penawaran
agregat menurut Lucas dan fungsi permintaan agregat monetarist. Persediaan uang mengikuti
proses autoregressive yang dinyatakan pada persamaan (8).
(8)
di mana y, m, dan p masing-masing merupakan output riil, uang beredar dan tingkat harga
dalam logaritma. Uang beredar mengikuti proses stasioner, ( ρ = 1) dan εm adalah shock terhadap
uang beredar. Persamaan (8) adalah persamaan struktural sehingga hanya perubahan yang
tidak diharapkan dalam uang beredar saja yang mempengaruhi output. Jadi, perubahan
permanen dalam jumlah uang beredar tidak mempengaruhi output dan keadaan ini
menggambarkan netralitas uang jangka panjang.
Jika persamaan (8) diselesaikan untuk output, maka dapat diderivasikan model
distributional lag untuk uang beredar sebagaimana dituliskan dalam persamaan (9) berikut.
(9)
86
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Walaupun persamaan (8) menunjukkan netralitas uang jangka panjang, model reduced-
form yang disajikan pada persamaan (9) menunjukkan bahwa suatu kenaikan permanen single
unit dalam stok penawaran akan menghasilkan kenaikan output θ(1-ρ)/(1+θδ) unit.
2.4. Penelitian Terdahulu
Beberapa bukti empirik dari hasil studi mengenai netralitas uang di antaranya adalah
studi oleh McCandless dan Weber (1995), yang menemukan korelasi yang tinggi (lebih dari
0,9) antara inflasi dan pertumbuhan jumlah uang beredar baik dengan indikator M0, M1 maupun
M2 selama 30 tahun pada 110 negara. Sebaliknya McCandless dan Weber menemukan bukti
tidak adanya korelasi antara pertumbuhan jumlah uang beredar dan pertumbuhan output riil
pada periode yang sama. Sementara itu Shelley dan Wallace (2003) dalam studi empirik yang
menguji netralitas uang jangka panjang menemukan adanya netralitas uang pada periode
1932 -1981 di Meksiko. Namun dalam periode 1932 √ 2001 Shelley dan Wallace dalam pengujian
model yang dikembangkan Fisher dan Seater menemukan tidak adanya netralitas uang tanpa
memperhatikan ukuran jumlah uang beredar yang digunakan. Wallace dan Cabrera-Castellanos
(2006) yang juga mendasarkan pada model Fisher-Seater menemukan adanya netralitas uang
jangka panjang di Guatemala untuk data 1950-2002. Studi ini menemukan adanya netralitas
M1 dengan GDP, pengeluaran dan konsumsi.
Dengan metodologi Fisher dan Seater, Bae dan Ratti (2000) menguji keberadaan netralitas
dan supernetralitas jangka panjang di Argentina dan Brazil. Dengan menggunakan data
berfrekuensi rendah untuk jumlah uang dan output, studi ini menemukan bukti yang
mendukung adanya hipotesis netralitas uang di Argentina dan Brazil. Namun penelitian ini
tidak menemukan adanya supernetralitas uang di kedua negara.
Beberapa peneliti yaitu Oi et al. (2004), Chen (2007) dan Puah et al. (2008) menemukan
sejumlah bukti berlakunya netralitas moneter jangka panjang di negara-negara Asia. Oi et al.
(2004 ) dengan menggunakan metodologi King dan Watson (1997) menemukan bukti netralitas
moneter jangka panjang di Jepang untuk variabel M2 pada periode 1890 √ 2003. Dengan
metodologi yang sama namun dengan data kuartalan Chen (2007) menemukan bukti
sepenuhnya bahwa netralitas moneter jangka panjang M2 juga berlaku di Korea Selatan pada
periode 1970.1 √ 2004.4. Sementara Puah et al. (2008) dengan metodologi Fisher-Seater
menemukan bukti netralitas moneter jangka panjang terhadap M1 di sejumlah negara Asia
seperti Malaysia, Myanmar, Nepal, Philipina, Korea Selatan.
Sejumlah penelian lain menemukan adanya bukti yang berbeda yaitu non-netralitas uang.
Temuan tersebut antara lain Fisher dan Seater (1993) yang menunjukkan M2 tidak netral di
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
87
Amerika Serikat selama 1968 √ 1975, Shelley dan Wallace (2003) untuk periode 1932√√ 2001
di Meksiko, Ran (2005) yang menguji netralitas uang jangka panjang pada dua rejim nilai tukar
yang berbeda di Hong Kong. Ran menguji netralitas uang dengan didasarkan pada perluasan
model Fisher dan Seater (1993) yang menemukan bahwa M1 tidak netral di bawah rejim kurs
mengambang, serta M2 tidak netral baik pada rejim sebelum maupun gabungan dengan rejim
kurs mengambang. Dengan metodologi yang sama, bukti empirik ini juga ditemukan oleh
Puah et al. (2008) bahwa M1 tidak netral pada jangka panjang di Indonesia untuk periode
1965 √ 2002. Bukti empirik adanya non-netralitas jangka panjang untuk M1 oleh Puah juga
ditemukan di Taiwan dan Thailand masing-masing pada periode 1951 √ 2002 dan 1953 √
2002. Bukti non-netralitas moneter jangka panjang di Taiwan juga diperkuat oleh hasil studi
Chen (2007) terhadap M2 dengan menggunakan metode yang berbeda yaitu King dan Watson
(1997) dan dengan data yang berbeda yaitu data kuartalan.
Sementara itu isu mengenai keberadaan hubungan positif antara uang dan harga
dikumpulkan oleh di antaranya studi terbaru oleh Saatcioglu dan Korap (2009), yang menguji
validitas hubungan uang dan harga menurut teori kuantitas uang di Turki. Hasilnya menunjukkan
bahwa bukti empirik mendukung keberadaan hubungan antara uang dan harga secara
proporsional dalam perekonomian Turki. Hasil penelitian lainnya adalah Roffia dan Zaghini
(2007) yang menganalisis pertumbuhan uang terhadap dinamik inflasi pada 15 negara industri.
Hasilnya menemukan bahwa pada horizon waktu 3 tahun hubungan positif antara agregat
moneter dan harga terjadi dalam kurang lebih 50 persen dari kasus. Studi lainnya adalah Browne
dan Cronin (2007) yang menemukan bukti empirik yang mendukung keberadaan hubungan
harga (baik harga komoditi maupun konsumen) dan jumlah uang beredar dalam jangka panjang
di Amerika Serikat. Hasil empirik dari penelitian-penelitian terbaru tersebut sejalan dengan
kesimpulan dari sejumlah peneliti terdahulu di antaranya Lucas (1980), Dwyer dan Hafer (1988),
Friedman (1992), Barro (1993), McCandless dan Weber (1995), Rolnick dan Weber (1997),
Dewald (1998), Dwyer (1998), Dwyer dan Hafer (1999) yang menemukan bahwa perubahan
jumlah uang beredar dan tingkat harga adalah berhubungan erat.
III. METODOLOGI
3.1. Variabel dan Data
Data yang dianalisis secara ekonometrik dalam penelitian ini adalah data tahunan dengan
periode waktu 1970 √ 2008. Variabel uang yang digunakan terdiri dari M1 dan M2. Perilaku
kedua variabel uang (m) tersebut penting untuk diteliti pengaruhnya terhadap variabel ekonomi
makro riil seperti output (y), selain pengaruhnya terhadap variabel nominal yaitu harga (p).
88
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Output riil direpresentasikan dengan produk domestik bruto (PDB) riil dengan harga konstan
tahun 2000, sementara harga direpresentasikan dengan Indeks Harga Konsumen (IHK) dengan
tahun dasar yang sama. Data awal diperoleh dari Statistik Ekonomi Keuangan Indonesia (SEKI),
Laporan Tahunan Bank Indonesia dan Statistik Indonesia Badan Pusat Statistik berbagai terbitan.
Variabel M1 merupakan definisi/arti sempit bagi penawaran uang atau jumlah uang
beredar. M1 meliputi uang kartal dan uang giral seperti cek dan rekening cek. Variabel M2
merupakan definisi luas dari penawaran uang yang meliputi M1 ditambah near monies, seperti
tabungan di bank komersial (savings deposits) dan deposito berjangka. Jadi uang kartal ditambah
uang giral adalah M1, dan M1 ditambah uang kuasi adalah M2.
3.2. Integrated Series dan Eksogenitas
Integrated series dari variabel-variabel yang digunakan dalam metodologi Fisher-Seater
(FS) akan menentukan bentuk uji yang tepat. Dalam hal ini seri data dari uang, output dan
harga menentukan bentuk uji FS yang tepat untuk menguji netralitas uang dan inflasi jangka
panjang.
Model FS mensyaratkan bahwa dalam pengujian netralitas jangka panjang variabel-variabel
yang digunakan memiliki integrated of order sama, dalam hal ini diasumsikan I(1). Dalam aplikasi
FS untuk pengujian ini maka diasumsikan bahwa variabel uang, output dan harga adalah I(1).
Untuk menguji integrated of order dari seri data variabel-variabel yang digunakan maka dalam
penelitian ini dilakukan uji akar-akar unit melalui uji Augmented Dickey-Fuller (ADF) dan Phillips-
Perron (PP). Uji ADF didasarkan pada proses autoregressive atau AR(1) berikut:
(10)
di mana µ dan ρ adalah parameter, dan εt diasumsikan white noise. y adalah seri yang stasioner
jika -1 < r < 1. Uji Dickey-Fuller (DF) dan PP menggunakan akar unit sebagai hipotesis nol, H0:
ρ = 1 dan H1: ρ < 1. Pengujian dilakukan dengan mengestimasi persamaan (10) dan
mengurangkan dengan yt-1 di kedua sisi persamaan sehingga menjadi:
(11)
di mana
γ = 1 − ρ , dan hipotesis nol dan hipotesis alternatifnya adalah
H0: γ = 0; H1: γ < 1
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
89
Sementara itu Phillips dan Perron (1988) mengajukan metode nonparametrik untuk
mengontrol serial korelasi order tinggi dalam sebuah seri. Regresi untuk uji PP adalah regresi
dengan proses AR(1):
(12)
Ketika uji ADF mengoreksi serial korelasi order tinggi dengan penambahan lagged differenced
terms pada sisi kanan persamaan, uji PP melakukan koreksi t-statistik koefisien γ dari regresi
AR(1) untuk menghitung serial korelasi dalam ε.
Selanjutnya untuk menguji bahwa metodologi FS dapat dilakukan maka harus memenuhi
asumsi bahwa variabel uang dalam hal ini M1 maupun M2 adalah eksogen. Variabel M1 dan
M2 sebagai variabel m dikatakan eksogen jika variabel tersebut tidak dipengaruhi atau
disebabkan oleh variabel y dalam uji kausalitas Granger terhadap bentuk regresi bivariat
berikut:
(13)
(14)
di mana diasumsikan bahwa disturbances u1 dan u2 tidak berkorelasi. Berdasarkan persamaan
(14) dari model bivariat tersebut uang (m) dikatakan eksogen jika hasil estimasi menerima
H0:δj = 0. Hipotesis tersebut mengartikan bahwa variabel output maupun harga (sebagai
variabel y dalam model) tidak menyebabkan (mempengaruhi) variabel uang (m) atau
sebaliknya variabel uang (m) tidak disebabkan (dipengaruhi) oleh variabel output maupun
harga (y).
Hasil uji menolak H0 jika F(m,n – z) statistik > F(m,n – z) kritis pada α = 5%, dengan
derajat kebebasan m dan n-z, di mana m = jumlah lag, n = jumlah observasi dan z = jumlah
parameter yang diestimasi. Uji kausalitas berdasarkan persamaan (13) dan (14) untuk pengujian
eksogenitas ini mengacu pada Hafer (1982) sebagaimana disampaikan dalam Gujarati dan
.
.
Porter (2009)2 yang menggunakan pertumbuhan uang m dan pertumbuhan output y dalam
pengujian juga dapat dinotasikan sebagai ∆m dan ∆y.
2 Lihat Gujarati dan Porter (2009) halaman 699.
90
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
3.3. Uji Kointegrasi
Uji kointegrasi dilakukan untuk menguji keberadaan hubungan jangka panjang di antara
variabel-variabel yang diestimasi. Argumentasi Fisher dan Seater (1993) menyatakan bahwa
netralitas moneter melibatkan adanya perubahan permanen dalam uang beredar. Dalam
pengertian ini menurut Engle dan Granger (1987) maka variabel nominal dan riil memerlukan
I(1), namun keduanya tidak berkointegrasi. Uji kointegrasi pada sistem multivariat ini digunakan
pendekatan Johansen (1995) yang didasarkan pada formulasi model berikut:
(15)
di mana k = jumlah lag
Dalam pengujian hipotesis dengan pendekatan ini digunakan nilai statistik yang dinamakan
Likelihood Ratio (LR) test statistic.
(16)
untuk r = 0, ,…., k-1 di mana λi merupakan nilai eigenvalue. T adalah jumlah sampel. Qr juga
disebut trace statistic. Uji ini menolak H0 yang menyatakan tidak ada kointegrasi jika LR statistic
> nilai kritisnya pada α yang dipilih.
3.4. Metodologi Fisher-Seater
Metodologi FS diperkenalkan oleh Fisher dan Seater (1993) yang menggunakan sistem
bivariat untuk menguji netralitas uang jangka panjang dengan ukuran uang sebagai salah satu
variabel. Sistem bivariat yang digunakan adalah bentuk dua persamaan berikut:
(17)
(18)
di mana a (L) , b(L), c(L) dan d(L) adalah lag polynomial, dan dan b0 dan c0 adalah unrestricted.
Error vector (ut,wt) ~ iid (0,Σ). Pada metodologi ini dimisalkan bahwa x t = ∆imt dan z t = ∆ jmt
dengan i,j = 0 atau 1. Variabel pertama adalah m yaitu jumlah uang beredar nominal M dalam
logaritma natural. Variabel kedua adalah variabel y yang menyatakan variabel riil maupun nominal
dalam logaritma natural juga, seperti output riil maupun harga. Jika variabel m dan y tidak
berintegrasi pada level atau I(0) maka kedua variabel harus memiliki integrated of order yang
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
91
sama misalnya berintegrasi pada tingkat pertama atau I(1), yang artinya kedua variabel
berintegrasi pada perbedaan pertama (first difference). Jika variabel m adalah I(1), maka
pengujian yang tepat adalah pengujian netralitas uang dan inflasi jangka panjang, sedang jika
variabel m adalah I(2), maka pengujian yang sesuai adalah pengujian supernetralitas jangka
panjang.
Fisher dan Seater mendefinisikan derivatif jangka panjang (long-run derivative, LRD)
sebagai perubahan dalam z terhadap perubahan permanen dalam x, yang dituliskan sebagai
berikut:
(19)
di mana
Persamaan (19) menunjukkan bahwa derivatif jangka panjang adalah limit dari elastisitas output
terhadap uang. Jika limit dari denominator pada persamaan tersebut adalah nol artinya tidak
ada perubahan permanen variabel moneter, jadi (m) = 0 sehingga tidak bisa dilakukan uji
netralitas. Untuk (m) > 1, metodologi FS menunjukkan bahwa persamaan (19) dapat ditulis
menjadi:
(20)
di mana α(L) dan γ(L) merupakan fungsi dari koefisien dari persamaan (17) dan (18) yaitu
α(L)=d(L)/[a(L)c(L)-b(L)c(L)] dan γ(L)=c(L)/[a(L)c(L)-b(L)c(L)] 3.
Mengacu pada Fisher dan Seater, uang netral pada jangka panjang (long-run neutrality, LRN)
jika LRDy,m = λ, di mana λ = 1 jika y adalah variabel nominal, dan λ = 0 jika y adalah variabel riil.
Sementara itu uang supernetral pada jangka panjang ( long-run superneutrality, LRSN ) jika
LRDy, ∆m = µ, di mana µ = 1 jika y adalah variabel nominal, dan µ = 0 jika y adalah variabel riil.
Dengan mengasumsikan bahwa variabel uang beredar adalah eksogen dan error terms
ut dan wt merupakan serial yang tidak berkorelasi dalam model ARIMA, maka c(1)/d(1) merupakan
estimator Bartlett4 dari koefisien frekuensi nol dalam regresi ∆(y)yt terhadap ∆(m)mt. Estimasi c(1)/
d(1) adalah given dengan
, di mana adalah βk koefisien slope dari regresi ordinary
least squares (OLS) berikut:
3 Lihat Fisher and Seater (1993) hal. 404.
4 Estimator Bartlett merupakan infinite limit dari koefisien slope.
92
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
(21)
Ketika (m) = (y) = 1, netralitas uang dan inflasi jangka panjang (long-run neutrality, LRN) dapat
diuji dan persamaan (21) menjadi:
(22)
Dalam pengujian hipotesis nol untuk netralitas uang dan inflasi jangka panjang adalah masingmasing untuk y sebagai variabel output dan harga. Jika hasil estimasi tidak menolak hipotesis
nol maka proposisi netralitas uang dan inflasi jangka panjang didukung secara empirik. Dalam
pembahasan hasil, nilai estimasi dari βk disajikan bersama dengan 95% confidence interval,
yang ditentukan berdasarkan standard error 5 dan t-distribution dengan derajat kebebasan n/k,
dimana n = jumlah observasi dan k menunjukkan rentang perbedaan waktu dari data untuk
variabel y dan m. Dalam penelitian ini karena menggunakan data tahunan maka jika k = 1
artinya data y dan m dalam perbedaan dua tahun, demikian pula jika k = 2, 3, dan seterusnya.
IV. HASIL DAN ANALISIS
4.1. Analisis Variabel dan Data
Bagian ini diawali dengan analisis perkembangan variabel utama yang diteliti yaitu variabel
M1, M2, output dan harga. Variabel M1 dan M2 digunakan untuk menguji netralitas uang
terhadap variabel riil yaitu output yang direpresentasikan dengan tingkat Produk Domestik
Bruto riil dengan harga konstan 2000 dan hubungannya dengan variabel nominal dalam hal ini
adalah harga konsumen yang perubahannya mencerminkan inflasi dalam jangka panjang.
4.1.1. Uang Beredar
Variabel M1 merupakan variabel yang menggambarkan likuiditas perekonomian.
Perkembangan jumlah uang di Indonesia yang diukur dengan uang dalam arti sempit (M1)
pada Grafik 2 secara historis menunjukkan perkembangan dari tahun ke tahun yang meningkat.
Sejak tahun 1970 jumlah M1 meningkat setiap tahun secara terus menerus.
5 Standard error yang digunakan adalah standard error dari koefisien yang diperoleh dari estimasi OLS dengan pertimbangan bahwa
jumlah observasinya tidak besar, daripada standard error dari estimasi Newey-West (1987).
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
93
700000
Jumlah M1 (Miliar Rp)
600000
500000
400000
300000
200000
100000
0
1970 1974 1978 1982 1986 1990 1994 1998 2002 2006 2010
1972 1976 1980 1984 1988 1992 1996 2000 2004 2008
Sumber : Statistik Ekonomi Keuangan Indonesia, Bank Indonesia
Grafik 2.
Perkembangan Jumlah M1 di Indonesia, 1970 √ 2010
Grafik 2 menunjukkan likuiditas perekonomian yang tercermin pada jumlah M1 mengalami
peningkatan selama periode 1970 - 2010. Kecenderungan perkembangan jumlah M1 yang
meningkat terus ditunjukkan oleh peningkatan pesat untuk M1 yang terjadi sejak memasuki
awal 1990-an. Peningkatan pesat jumlah M1 tersebut merupakan dampak dari adanya serangkaian
deregulasi keuangan oleh pemerintah yang diawali oleh munculnya Paket Juni 1983.
60,00
Tingkat Pertumbuhan M1 (%)
50,00
40,00
30,00
20,00
10,00
0,00
1971 1975 1979 1983 1987 1991 1995 1999 2003 2007
1973 1977 1981 1985 1989 1993 1997 2001 2005 2009
Sumber : Statistik Ekonomi Keuangan Indonesia, Bank Indonesia (data diolah)
Grafik 3.
Tingkat Pertumbuhan M1 di Indonesia, 1971 - 2010
94
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Jika diamati dari pertumbuhannya, M1 tumbuh dengan tingkat pertumbuhan yang
berfluktuasi. Grafik 3 menunjukkan adanya tingkat pertumbuhan M1 yang relatif tinggi
dibandingkan pertumbuhan variabel makro ekonomi lain seperti output dan harga, yang disajikan
pada bagian selanjutnya. Selama periode 1971 √ 2010 setiap tahun jumlah M1 selalu meningkat
dengan tingkat pertumbuhan positif. Rata-rata tingkat pertumbuhan M1 adalah 22,04%.
Tingkat pertumbuhan tertinggi terjadi pada tahun 1972 sebesar 48,44% dan pertumbuhan
terendah sebesar 1,50% pada tahun 2008. Tingkat pertumbuhan terendah kedua adalah pada
tahun 1983 sebesar 6,29%. Setelah tahun 1983 pertumbuhan M1 meningkat dengan kisaran
yang lebih tinggi kecuali pada tahun 2008. Nampaknya serangkaian deregulasi perbankan
yang dimulai dengan Paket Juni 1983 juga memberikan dampak pada peningkatan pertumbuhan
M1 ini. Ekspansi kredit yang dilakukan oleh perbankan memberikan kontribusi yang berarti
terhadap peningkatan M1 tersebut
Memasuki tahun 2009, likuiditas perekonomian yang diukur dengan M1 tumbuh 12,92%
dan mencapai level Rp 515,824 triliun. Tahun 2010 M1 tumbuh menjadi 17,36% yang lebih
tinggi dari tahun sebelumnya dan mencapai level Rp 605,375 triliun. Menurut Bank Indonesia,
pertumbuhan likuiditas perekonomian dengan ukuran M1 tersebut dapat dikategorikan tinggi
jika dibandingkan dengan kondisi historisnya yang berupa semakin meningkatnya preferensi
likuiditas masyarakat dengan indikasi yang tampak pada percepatan pertumbuhan tabungan
relatif terhadap deposito.
3000000
Jumlah M2 (Miliar Rp)
2500000
2000000
1500000
1000000
500000
0
1970 1974 1978 1982 1986 1990 1994 1998 2002 2006 2010
1972 1976 1980 1984 1988 1992 1996 2000 2004 2008
Sumber : Statistik Ekonomi Keuangan Indonesia, Bank Indonesia
Grafik 4.
Perkembangan Jumlah M2 di Indonesia, 1970 - 2010
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
95
Terkait dengan kebijakan Bank Indonesia, meningkatnya likuiditas perekonomian pada
tahun 2009 juga tidak terlepas dari penurunan giro wajib minimum (GWM) pada kuartal akhir
tahun 2008 dari efektif 9,1% menjadi 7,5%. Pelonggaran moneter tersebut juga diikuti oleh
penurunan BI rate secara agresif mulai November 2008 hingga Maret 2009. Likuiditas mengalami
peningkatan pada tahun 2010 meskipun M1 belum kembali pada tingkat pertumbuhan sebelum
tahun 2008.
Selain M1, variabel M2 juga merupakan variabel yang menggambarkan likuiditas
perekonomian. Grafik 4 menunjukkan likuiditas perekonomian yang tercermin pada M2 yang
mana juga mengalami peningkatan dengan pola dinamik yang hampir sama dengan
perkembangan M1 selama periode yang sama. Namun demikian kecenderungan perkembangan
M2 yang meningkat terus cenderung relatif tinggi dibandingkan dengan M1. Perkembangannya
menunjukkan bahwa peningkatan pesat untuk M2 terjadi tahun-tahun memasuki krisis ekonomi
yang terjadi pada pertengahan tahun 1997.
Sebagaimana pertumbuhan M1, tingkat pertumbuhan M2 juga berfluktuasi. Grafik 5
menunjukkan adanya tingkat pertumbuhan M2 yang berfluktuasi relatif ekstrim dibandingkan
M1. Namun demikian rata-rata pertumbuhan M2 selama periode 1971 √ 2010 sebesar 21,90%
yang sedikit lebih rendah dibandingkan rata-rata pertumbuhan M1 yaitu 22,04%.
Pertumbuhan M2 tertinggi terjadi pada tahun 1998 sebesar 62,35% dan pertumbuhan
terendah sebesar 4,72% pada tahun 2002. Setelah tahun 2002 pertumbuhan M2 terus terjadi
70,00
Tingkat Pertumbuhan M2 (%)
60,00
50,00
40,00
30,00
20,00
10,00
0,00
1971 1975 1979 1983 1987 1991 1995 1999 2003
2007
1973 1977 1981 1985 1989 1993 1997 2001 2005
2009
Sumber : Statistik Ekonomi Keuangan Indonesia, Bank Indonesia (data diolah)
Grafik 5.
Tingkat Pertumbuhan M2 di Indonesia, 1971 - 2010
96
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
dan pada tahun 2005 tingkat pertumbuhannya kembali mencapai dua digit sampai pada
akhir periode.
Pada tahun 2009, likuiditas perekonomian yang diukur dengan M2 tumbuh 12,95%
meskipun masih di bawah rata-ratanya. Jumlah M2 pada tahun itu mencapai level Rp
2.141,384 triliun. Meskipun mencapai pertumbuhan dua digit, tingkat pertumbuhan M2
tersebut relatif rendah dibandingkan dengan kondisi historisnya khususnya empat tahun
sebelumnya. Selanjutnya pada tahun 2010 M2 tumbuh dengan tingkat yang lebih tinggi
dari tahun sebelumnya yaitu menjadi 15,32% dan mencapai level Rp 2.469,399 triliun.
Pada akhir periode analisis meningkatnya M2 terutama dipengaruhi oleh bertambahnya
uang kuasi seiring dengan derasnya uang masuk dari luar negeri. Menurut laporan Bank
Indonesia, berdasarkan faktornya pertumbuhan M2 pada tahun 2010 didukung oleh tingginya
kenaikan Aktiva Luar Negeri Bersih yang sebagian besar ditempatkan sebagai uang kuasi di
perbankan. Di samping itu perkembangan Aktiva Dalam Negeri Bersih pada tahun 2010 juga
meningkat yang bersumber pada pertumbuhan kredit yang akseleratif dan turut memberikan
kontribusi pada pertumbuhan M2.
Secara umum faktor domestik dominan mempengaruhi perkembangan likuiditas
perekonomian. Faktor domestik dalam bentuk kredit kepada sektor bisnis mendominasi kinerja
likuiditas perekonomian. Selain faktor internal, peningkatan likuiditas perekonomian juga
dipengaruhi oleh faktor eksternal. Faktor eksternal tersebut tercermin pada perkembangan
aktiva luar negeri bersih (Net Foreign Assets - NFA) secara keseluruhan meningkat. Penambahan
tersebut terjadi pada NFA Bank Indonesia sejalan dengan meningkatnya cadangan devisa yang
bersumber dari penerimaan hasil migas akibat tingginya harga minyak dunia, khususnya
beberapa waktu terakhir.
4.1.2. Output
Selain perkembangan jumlah uang beredar, bagian ini juga menyajikan perkembangan
variabel riil yaitu PDB dengan harga konstan 2000. Selama kurun waktu 1970 √ 2010
perkembangan jumlah dan pertumbuhannya disajikan masing-masing pada Grafik 6 dan Grafik
7. Grafik 6 menunjukkan bahwa perkembangan tingkat output yang direpresentasikan dengan
PDB riil berdasarkan tahun dasar 2000 menunjukkan kecenderungan yang meningkat selama
periode 1970 √ 2010. Namun demikian terjadi penurunan dalam periode tersebut tepatnya
pada tahun 1998 sebagai akibat dari dampak krisis ekonomi yang terjadi pada pertengahan
tahun 1997. Pada tahun 1999 PDB riil kembali naik meskipun dengan kenaikan kecil. Tingkat
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
97
2500000
Perkembangan PDB Atas Harga Konstan 2000 (Miliar Rp)
2000000
1500000
1000000
500000
0
1970 1974 1978 1982 1986 1990 1994 1998 2002 2006 2010
1972 1976 1980 1984 1988 1992 1996 2000 2004 2008
Sumber : Statistik Indonesia, Badan Pusat Statistik (data diolah)
Grafik 6. Perkembangan Produk Domestik Bruto Indonesia
dengan Harga Konstan 2000, 1970 √ 2010
15,00
10,00
5,00
0,00
-5,00
-10,00
Pertumbuhan PDB Indonesia (%)
-15,00
1971 1975 1979 1983 1987 1991 1995 1999 2003 2007
1973 1977 1981 1985 1989 1993 1997 2001 2005 2009
Sumber : Statistik Indonesia, Badan Pusat Statistik (data diolah)
Grafik 7. Pertumbuhan Produk Domestik Bruto Indonesia
dengan Harga Konstan 2000, 1971 √ 2010
PDB riil baru pulih kembali pada tahun 2004 dan setelah tahun tersebut PDB riil meningkat
terus sampai tahun 2010 sebagai akhir periode analisis.
Kenaikan output selama periode ini menunjukkan bahwa sektor riil tumbuh dengan
indikator meningkatnya nilai PDB riil dari tahun ke tahun kecuali pada saat krisis ekonomi
terjadi. Secara keseluruhan dalam kondisi ekonomi normal maka Grafik 6 menunjukkan adanya
98
Buletin Ekonomi Moneter dan Perbankan, Juli 2011
pertumbuhan sektor riil di Indonesia dengan indikasi kenaikan tingkat PDB riil tersebut. Kenaikan
PDB riil ini sebagai indikator yang lebih tepat untuk menggambarkan pertumbuhan ekonomi
daripada indikator PDB nominal, karena PDB riil sudah menghilangkan pengaruh inflasi. Jika
pertumbuhan ekonomi diukur dengan PDB nominal maka pada saat krisis ekonomi terjadi PDB
nominal terutama tahun 1998 tetap meningkat karena dinilai dengan harga yang sangat tinggi
akibat inflasi pada waktu itu. Oleh karena itu indikator ini tidak dapat digunakan untuk
menggambarkan pertumbuhan ekonomi makro atau perkembangan variabel riil.
Selanjutnya Grafik 7 menunjukkan bahwa dengan perhitungan PDB riil maka output
Indonesia mengalami pertumbuhan positif kecuali pada tahun 1998 yang secara ekstrim
pertumbuhannya mengalami negatif sebesar -13,13%. Grafik pertumbuhan output tersebut
menunjukkan bahwa selama kurun waktu 1971 - 2010 pertumbuhan output tertinggi terjadi
pada tahun 1980 akibat dampak positif dari masa oil boom dengan tingkat pertumbuhan
9,88%. Sementara itu rata-rata pertumbuhan output selama 1971 √ 2010 sebesar 5,56%.
Output yang diukur dengan PDB riil pada periode setelah krisis mengalami pertumbuhan
positif kembali meskipun masih pada kisaran angka pertumbuhan yang rendah. Tahun 1999
output hanya tumbuh sebesar 0,79% jauh di bawah rata-ratanya, namun pada tahun 2000
output sudah tumbuh 4,92% yang menunjukkan adanya indikasi awal proses pemulihan krisis
ekonomi. Pertumbuhan output kemudian relatif stabil sampai tahun 2003. Baru mulai tahun
2004 pertumbuhan output mencapai level 5,03% dan pertumbuhan pada kisaran lebih dari
5% terjadi sampai tahun 2006 sebelum meningkat sampai level 6,35% pada tahun 2007 dan
turun sedikit menjadi 6,01% pada tahun 2008. Pada tahun 2009 pertumbuhan PDB turun di
bawah 5% menjadi 4,58% namun pada tahun 2010 naik menjadi 6,10%. Rata-rata
pertumbuhan PDB sejak tahun 2000 adalah 5,19 persen. Meskipun masih di bawah rata-rata
pertumbuhan selama kurun waktu 1971 √ 2010 yang sebesar 5,56% namun pertumbuhan
PDB sejak tahun 2000 sudah relatif stabil dengan kecenderungan meningkat secara perlahan
setidaknya sampai dengan 2007.
Penurunan pertumbuhan ekonomi pada tahun 2008 dari tahun sebelumnya dan
penurunan cukup signifikan pada tahun 2009 dengan tingkat pertumbuhan di bawah 5%
tidak terlepas dari dampak krisis perekonomian global. Dampak tersebut dirasakan melalui
tekanan berat pada stabilitas moneter dan sistem keuangan, serta menurunanya pertumbuhan
ekonomi akibat kontraksi ekspor barang dan jasa yang cukup besar. Menurut laporan Bank
Indonesia meskipun tingkat pertumbuhan ekonomi turun di bawah 5% pada tahun 2009,
namun pertumbuhan ekonomi Indonesia masih tertinggi ketiga setelah China dan India. Hal ini
terjadi karena struktur ekonomi banyak didukung oleh permintaan domestik baik konsumsi
rumah tangga maupun pemerintah.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
99
Seiring dengan pemulihan perekonomian global, perekonomian Indonesia pada tahun
2010 tumbuh lebih tinggi dibandingkan dengan tahun sebelumnya. Pertumbuhan PDB tahun
2010 yang sebesar 6,10% lebih tinggi dari 4,58% pada tahun 2009. Di sisi permintaan ekspor
dan investasi yang tumbuh tinggi dengan disertai konsumsi rumah tangga yang kuat mendorong
pertumbuhan ekonomi tahun 2010. Kenaikan harga komoditas internasional turut menunjang
tingginya pertumbuhan ekspor Indonesia.
4.1.3. Keterkaitan antara Uang Beredar dan Output
Secara runtut-waktu jika dikaitkan dengan perkembangan jumlah uang beredar maka
perkembangan jumlah PDB seiring dengan jumlah uang beredar. Kecenderungan dari jumlah
uang beredar baik diukur dengan M1 maupun M2 yang meningkat dan pertumbuhannya
yang positif setiap tahun sama halnya dengan perkembangan jumlah dan pertumbuhan PDB.
Kedua variabel memiliki relasi satu-satu masing-masing untuk kenaikan jumlah maupun
pertumbuhan untuk setiap tahunnya selama kurun waktu 1970 √ 2010 kecuali pada tahun
1998, karena jumlah PDB turun dan pertumbuhannya negatif.
Sementara itu secara regional (cross-sectional) potret tahun 2009 menunjukkan distribusi
PDRB setiap wilayah yang berkaitan erat dengan persentase disribusi jumlah uang beredar6 di
daerah. Grafik 8 menunjukkan distribusi PDRB yang berkaitan dengan persentase distribusi
40,00
Distribusi Uang Beredar dari
Pinjaman Perbankan (%)
Distribusi PDB (%)
35,00
30,00
25,00
20,00
15,00
10,00
0,00
Aceh
Sumatera Utara
Sumatera Barat
Riau
Kepulauan Riau
Jambi
Sumatera Selatan
Kepulauan Babel
Bengkulu
Lampung
DKI Jakarta
Jawa Barat
Banten
Jawa Tengah
DIY Yogyakarta
Jawa Timur
Bali
NTB
NTT
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Gorontalo
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Barat
Sulawesi Tenggara
Maluku
Maluku Utara
Papua
Papua Barat
5,00
Sumber : Statistik Indonesia, Badan Pusat Statistik (data diolah)
Grafik 8. Distribusi Uang Beredar dari Pinjaman Perbankan dan
Produk Domestik Regional Bruto per Propinsi
di Indonesia Tahun 2009
6 Karena sulit menemukan data uang beredar dengan ukuran M1 dan M2 untuk setiap propinsi, maka digunakan uang beredar dari
pinjaman perbankan yang diberikan ke sektor perkonomian di setiap propinsi.
100 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
uang beredar yang berasal dari pinjaman perbankan ke sektor ekonomi dan usaha di setiap
wilayah propinsi. Wilayah DKI Jakarta, Jawa Timur dan Jawa Barat sebagai tiga propinsi
yang memiliki PDRB terbesar masing-masing dengan kontribusi 17,89%, 15,42% dan
14,57% menerima bagian terbesar dalam jumlah uang beredar yang berasal dari pinjaman
perbankan di ketiga wilayah tersebut masing-masing dengan 35,97%, 10,07% dan 12,54%.
Sebaliknya tiga propinsi dalam perolehan PDRB terendah yaitu Maluku, Maluku Utara dan
Gorontalo memperoleh uang beredar dari pinjaman perbankan hanya sebesar masingmasing 0,22%, 0,13% dan 0,22%. Secara runtut-waktu dan antar-wilayah terdapat korelasi
yang cukup jelas antara jumlah uang beredar dan output yang diukur dengan PDB di
Indonesia.
Sebelum pada kesimpulan secara statistik dan ekonometrik dari analisis data, maka hasil
dari gambaran data aktual menunjukkan bahwa kedua variabel berkorelasi yang memberikan
indikasi awal bahwa netralitas uang mungkin tidak terjadi di Indonesia. Pengertian netralitas
uang sebagaimana proposisi dalam teori klasik maupun neoklasik adalah bahwa jika jumlah
uang bertambah dan berarti likuiditas perekonomian meningkat maka dalam jangka panjang
output tidak berubah, dan hanya menimbulkan kenaikan harga. Misalnya jika uang beredar
naik karena bertambahnya pinjaman perbankan kepada sektor-sektor usaha maka dalam jangka
panjang misalnya dengan adanya perubahan jumlah uang beredar dalam rentang waktu tertentu
lebih dari 1 tahun maka hasilnya hanya berupa kenaikan harga dan tingkat output tidak berubah
atau sama seperti pada level awal. Namun dari indikasi awal sebelumnya nampaknya proposisi
ini mungkin tidak berlaku. Data aktual menggambarkan bahwa output meningkat sejalan
dengan peningkatan jumlah uang beredar baik secara runtut-waktu maupun antar-wilayah.
Bukti lebih lanjut dari análisis ini akan diperkuat oleh hasil pengujian secara statistik dan
ekonometrik di bagian berikutnya.
4.1.4. Harga
Akhir dari bagian ini juga dibahas mengenai perkembangan variabel harga.
Kecenderungan dari kenaikan harga-harga secara umum dan terus menerus mencerminkan
inflasi yang terjadi. Indeks Harga Konsumen merupakan indikator yang umum digunakan untuk
menggambarkan pergerakan harga tersebut. Inflasi menjadi variabel yang penting dalam
implememntasi kebijakan moneter yang menerapkan inflation targeting.
Secara keseluruhan selama periode penelitian, perkembangan tingkat harga yang diukur
dengan IHK cenderung meningkat terus. Grafik 9 menunjukkan bahwa sampai tahun 1996
harga meningkat dengan pertumbuhan yang relatif stabil, namun pada saat krisis ekonomi
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
101
250
Perkembangan IHK Tahun Dasar 2000
200
150
100
50
0
1970 1974 1978 1982 1986 1990 1994 1998 2002 2006 2010
1972 1976 1980 1984 1988 1992 1996 2000 2004 2008
Sumber : Statistik Indonesia, Badan Pusat Statistik (data diolah)
Grafik 9. Perkembangan Indeks Harga Konsumen di Indonesia
dengan Tahun Dasar 2000, 1970 √ 2010
harga melonjak secara ekstrim. Setelah tahun 1998 tingkat harga bergerak relatif cepat
dibandingkan periode sebelum krisis, hal ini bisa dilihat dari lereng grafik yang lebih curam.
Jika dilihat dari perubahannya Grafik 10 menunjukkan bahwa sejak tahun 1970 inflasi
yang dicerminkan dari tingkat perubahan IHK cederung berfluktuasi sampai dengan adanya
gejolak inflasi yang terjadi tahun 1997/1998 sebagai indikator terjadinya krisis ekonomi di
Indonesia. Fluktuasi perubahan harga selama sebelum krisis relatif kecil dibandingkan fluktuasi
90,00
80,00
Tingkat Pertumbuhan IHK (%)
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
1971 1975 1979 1983 1987 1991 1995 1999 2003 2007
1973 1977 1981 1985 1989 1993 1997 2001 2005 2009
Sumber : Statistik Indonesia, Badan Pusat Statistik (data diolah)
Grafik 10. Perubahan Indeks Harga Konsumen di Indonesia
dengan Tahun Dasar 2000, 1971 √ 2010
102 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
perubahan harga pada saat krisis terjadi dan sesudahnya. Perkembangan tingkat inflasi IHK
secara umum tidak terlepas dari perkembangan variabel-variabel seperti nilai tukar, ketersediaan
pasokan bahan makanan, dan harga-harga barang yang dikendalikan oleh pemerintah
(administered price). Dari aspek moneter perkembangan tersebut juga tidak terlepas dari
dinamika dari tingkat dan perubahan jumlah uang beredar di Indonesia seperti ditunjukkan
pada Grafik 2 sampai dengan Grafik 5 pada bagian sebelumnya.
Selama periode 1971 √ 2010, rata-rata inflasi IHK sebesar 12,40%. Pada masa sebelum
krisis rata-rata inflasi adalah 11,96%, sedangkan pada masa krisis dan sesudahnya rata-rata
inflasinya adalah 13,23%. Nampak jelas bahwa rata-rata inflasi IHK pada masa krisis dan
sesudahnya lebih tinggi dibandingkan pada masa sebelumnya. Inflasi pada masa pertengahan
1980-an sampai dengan masa sebelum krisis relatif stabil. Pada kurun waktu 1985 √ 1996
inflasi yang terjadi di bawah 10%. Inflasi tertinggi pada masa sebelum krisis terjadi pada tahun
1974 dengan tingkat inflasi 40,32%. Sementara itu inflasi terendah pada masa sebelum krisis
adalah 3,11% yang terjadi pada tahun 1971. Pada masa setelah krisis terjadi inflasi tertinggi
dicapai pada tahun 1998 dengan tingkat inflasi 77,60%, yang merupakan inflasi tertinggi
selama kurun 1971 √ 2010. Sementara itu inflasi terendah setelah krisis adalah 2,01% yang
terjadi pada tahun 1999.
Setelah krisis ekonomi inflasi berfluktuasi dengan tingkat yang relatif tinggi dibandingkan
masa tahun 1980-an dan 1990-an sebelum krisis. Inflasi IHK pada tahun 2007 tercatat sebesar
6,59 % dan berada pada kisaran inflasi yang ditetapkan oleh pemerintah yaitu sebesar 6,0 %
± 1,0 %. Tingkat inflasi pada tahun 2007 yang relatif stabil dibandingkan dua tahun sebelumnya
yaitu tahun 2005 dan 2006 yang tercatat masing-masing sebesar 17,11% dan 6,60% tidak
terlepas dari perkembangan nilai tukar yang stabil, ketersediaan pasokan bahan makanan
yang cukup, serta kenaikan harga-harga barang yang dikendalikan oleh pemerintah secara
minimal. Namun demikian tahun 2008 inflasi melonjak sampai dua digit yaitu 11,06% dan
turun kembali secara drastis menjadi 2,78% pada tahun 2009. Tingkat inflasi naik kembali
pada tahun 2010 menjadi 6,96%, yang melebihi tingkat sasaran yang ditetapkan oleh
pemerintah.
Tingkat inflasi tahun 2009 yang rendah merupakan inflasi yang lebih rendah dari inflasi
sasaran yang ditetapkan oleh pemerintah sebesar 4,5%±1%. Menurut laporan Bank Indonesia
lebih rendahnya inflasi aktual dibandingkan sasaran inflasi tersebut tidak terlepas dari kebijakan
Bank Indonesia dan pemerintah serta berubahnya kondisi makroekonomi dibandingkan dengan
asumsi yang mendasari proyeksi inflasi tersebut. Secara fundamental, rendahnya inflasi IHK
2009 didukung oleh penguatan nilai tukar rupiah sejak awal kuartal II 2009, permintaan domestik
yang melambat dan ekspektasi inflasi yang membaik.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
103
Sementara itu inflasi IHK pada tahun 2010 melebihi target yang ditetapkan yaitu sebesar
5%±1%. Tingginya inflasi ini disebabkan karena intensitas gangguan dari sisi penawaran
khusunya bahan makan, yang meningkat tajam akibat anomali cuaca memasuki kuartal III
2010. Kondisi ini memicu lonjakan harga komoditas pangan di pasar global maupun domestik.
Dalam waktu yang bersamaan kenaikan harga-harga komoditas juga terjadi di pasar domestik.
Dinamika inflasi tersebut dari aspek moneter juga tidak terlepas dari perkembangan jumlah
dan tingkat pertumbuhan uang beredar yang diukur baik dengan M1 maupun M2. Sebagai
contoh pada tahun 1998 inflasi IHK tertinggi terjadi bertepatan dengan melonjaknya uang
beredar dengan pertumbuhan M1 dan M2 yang tinggi pada waktu itu, masing-masing 29,17%
dan 62,35%. Demikian pula lonjakan inflasi yang mencapai dua digit pada tahun 2005 sebesar
17,11% bersamaan dengan meningkatnya pertumbuhan M2 pada tahun tersebut sebesar
16,37% dari tingkat sebelumnya yang hanya 8,14% serta pertumbuhan M1 yang tinggi pada
dua tahun sebelumnya yaitu 16,59% dan 13,42% pada tahun 2003 dan 2004. Naiknya inflasi
kembali ke dua digit tahun 2008 dari tahun sebelumnya juga berkenaan dengan tingkat
pertumbuhan uang beredar baik M1 maupun M2 yang tinggi pada tahun 2007 dan sebelumnya.
4.2. Integrated Series dan Eksogenitas
Tabel 1 berikut menunjukkan bahwa melalui uji akar-akar unit, variabel uang (m1 dan m2),
output riil (y) dan harga (p) tidak stasioner pada level. Data runtut waktu dikatakan stasioner
jika mean dan variance-nya tidak bervariasi secara sistematik selama periode observasi. Jika
tidak stasioner pada level dengan kata lain bahwa variabel-variabel tersebut tidak berintegrasi
pada level atau tidak I(0).
Tabel 1.
Hasil Uji Akar-Akar Unit Variabel-Variabel dalam Model
Variabel
ADF
PP
Variabel
ADF
m1
m2
y
p
-2,5441
-1,4874
-1,4866
-1,4833
-3,2990
-1,2319
-1,8175
-1,2133
∆m 1
∆m 2
∆y
∆p
-3,7175
-3,2671
-3,7744
-4,3353
Semua variabel dinyatakan dalam log natural (ln)
Pengujian ADF : persamaan dengan konstanta; 1 lagged difference
PP
-2,9335
-4,4581
-4,2914
-5,5686
Pengujian PP : persamaan dengan konstanta; 3 truncation lag
Melalui uji ADF, nilai-nilai ADF hitung tersebut masih lebih besar dari nilai-nilai kritisnya
(nilai-nilai kritis MacKinnon7) dengan α = 5%. Hasil pengujian ini mengartikan bahwa keempat
7 Nilai kritis ADF untuk data level = -2,9422; ADF data first difference = -2,9446; PP untuk data level = -2,9399; PP untuk data first
difference = -2,9422.
104 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
variabel tersebut tidak stasioner pada level atau tidak I(0). Ketika variabel-variabel tersebut
tidak I(0) maka dari pengujian ini menunjukkan bahwa keempat variabel pada perbedaan
pertamanya (∆) menjadi stasioner atau berintegrasi sama yaitu I(1). Secara keseluruhan hasil
ini juga didukung oleh uji PP. Hasil pengujian pada Tabel 1 menunjukkan bahwa nilai ADF dan
PP hitung menurun signifikan dari level ke perbedaan pertama sehingga nilai keduanya lebih
kecil dari nilai-nilai kritisnya, yang berarti variabel uang (baik M1 maupun M2), output (PDB) riil
dan harga dalam model yang diestimasi berintegrasi sama atau I(1).
Untuk menguji netralitas uang dan inflasi jangka panjang baik dengan menggunakan
variabel M1 maupun M2 masing-masing terhadap variabel output (y) dan harga (p), maka
penerapan metodologi FS dapat dilakukan ketika variabel uang (M1 dan M2), variabel y dan (p)
berintegrasi sama atau I(1). Karena variabel M1 dan M2 adalah I(1) maka dalam penelitian ini
hanya relevan untuk melakukan pengujian netralitas uang dan inflasi jangka panjang, sementara
itu supernetralitas jangka panjang baik terhadap output maupun harga tidak tepat untuk diuji.
Dalam penerapan metodologi FS tersebut diasumsikan pula bahwa variabel M1 dan M2
adalah eksogen. Oleh karena itu asumsi ini harus dipenuhi sebelum menggunakan metodologi
FS untuk menguji netralitas uang dan inflasi jangka panjang. Hasil pengujian eksogenitas M1
dan M2 melalui uji kausalitas Granger didasarkan pada estimasi persamaan (14) seperti dilaporkan
pada Tabel 2. Tabel tersebut menunjukkan bahwa variabel M1 memberikan bukti kuat adanya
eksogenitas. Variabel M1 adalah eksogen karena tidak disebabkan atau dipengaruhi oleh variabel
output (y) atau harga (p) itu sendiri.
Tabel 2.
Hasil Pengujian Eksogenitas Variabel M1 dan M2 dengan Kausalitas Granger
H0: δ j = 0
F(m,n – z)
H0: δj = 0
F(m,n – z)
∆ y → ∆ m1
F(1,34) = 0,0863 (0,7707)
F(2,31) = 0,0540 (0,9476)
F(3,28) = 1,6002 (0,2116)
F(4,25) = 1,1034 (0,3768)
F(5,22) = 0,9874 (0,4478)
F(6,19) = 0,7134 (0,6433)
∆ p → ∆ m1
F(1,34) = 0,0964 (0,7581)
F(2,31) = 1,6492 (0,2086)
F(3,28) = 2,1951 (0,1108)
F(4,25) = 1,5768 (0,2114)
F(5,22) = 1,2073 (0,3384)
F(6,19) = 0,7550 (0,6134)
∆ y → ∆ m2
F(1,34) = 5,2081 (0,0289)
F(2,31) = 2,4132 (0,1062)
F(3,28) = 2,6953 (0,0650)
F(4,25) = 1,8704 (0,1471)
F(5,22) = 1,7562 (0,1638)
F(6,19) = 1,3301 (0,2921)
∆ p → ∆ m2
F(1,34) = 3,1158 (0,0865)
F(2,31) = 1,4944 (0,2401)
F(3,28) = 1,2021 (0,3271)
F(4,25) = 1,2884 (0,3013)
F(5,22) = 1,0044 (0,4384)
F(6,19) = 1,1403 (0,3775)
Keterangan :
Variabel-variabel dalam ln
m = jumlah lag; n = jumlah observasi; z = jumlah parameter yang diestimasi
Angka dalam tanda kurung adalah p-value
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
105
Melalui pengujian dengan satu sampai empat lag, variabel pertumbuhan M1 atau ∆m1
tidak dipengaruhi oleh pertumbuhan output atau harga (∆y) karena F hitungnya tidak signifikan
pada α = 5% yang berarti hasil uji menerima H0: δj = 0. Sementara itu variabel M2 pada tingkat
keyakinan yang sama menunjukkan sebagai variabel eksogen ketika pengujian menggunakan
dua lag sampai dengan empat lag sehingga kesimpulannya juga sama bahwa H0: δj = 0 diterima.
Pengujian dengan satu lag dengan α = 5% yang menunjukkan bahwa H0 ditolak atau
menunjukkan adanya eksogenitas merupakan indikasi awal bahwa M2 tidak netral sebelum
diuji dengan metodologi FS.
4.3. Kointegrasi
Hasil uji kointegrasi pada Tabel 3 menunjukkan bahwa variabel nominal yaitu uang (yang
masing-masing sebagai M1 dan M2) dan variabel riil (output riil) tidak berkointegrasi. Demikian
pula bahwa variabel uang (M1 dan M2) dan variabel nominal (harga) tidak berkointegrasi.
Bagian kiri tabel menyajikan nilai
LR statistic sebagai hasil uji kointegrasi antara variabel uang (M1 dan M2) dan output riil,
sedangkan bagian kanan menyajikan nilai LR statistic sebagai hasil uji kointegrasi variabel uang
(M1 dan M2) dan harga, masing-masing dengan empat lag.
Tabel 3.
Hasil Uji Kointegrasi
Seri
Variabel
Lag
Likelihood Ratio
r=0
r<1
m1 y
1
2
3
4
14,0439
15,408
29,4527
10,5406
m2 y
1
2
3
4
15,1043
21,5420*
14,0283
16,0130*
Seri
Variabel
Lag
Likelihood Ratio
r=0
r<1
4,6685**
4,8426**
4,4848**
4,1990**
m1 p
1
2
3
4
14,3488
11,8313
9,1893
8,1147
5,0122**
3,5002
2,7646
1,3889
3,4735
4,3677**
3,8209**
3,6350
m2 p
1
2
3
4
9,6757
13,1000
14,6110
15,9431*
1,6400
1,4894
3,7128
5,7769**
Asumsi : H1(r):
nilai kritis 5% (r = 0) = 15,41; nilai kritis 5% (r < 1) = 3,76
*: menolak H0(r): no cointegration; **: menolak H0(r): at most one cointegration
Menurut Johansen (1995) dengan asumsi bahwa seri data memiliki trend linier namun
persamaan kointegrasi hanya memiliki intersep, yang dinyatakan :
106 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
maka Tabel 3 bagian atas kiri menunjukkan bahwa variabel M1 dan output tidak berkointegrasi,
sehingga pengujian netralitas jangka panjang dapat menggunakan metodologi FS. Pada tabel
bagian atas kanan ditunjukkan pula bahwa variabel M1 dan harga tidak berkointegrasi, sehingga
pengujian hubungan positif jangka panjang antara kedua variabel dapat dilakukan. Kesimpulan
ini ditentukan dari nilai Likelihood Ratio dengan r = 0 yang lebih rendah dari nilai kritisnya,
yang berarti menerima H0 yang menyatakan tidak ada kointegrasi antara variabel M1-output
maupun variabel M1-harga. Berdasarkan Tabel 3 hasil uji kointegrasi akan valid menolak H0
pada LR stastistik untuk r < 1 yang menolak H0 jika LR statistik untuk r = 0 juga menolak H0.
Demikian pula untuk uji kointegrasi antara variabel M2-output dan M2-harga dapat ditarik
kesimpulan bahwa keduanya secara umum tidak berkointegrasi sehingga metodologi ini juga
dapat diaplikasikan dalam pengujian netralitas dan inflasi jangka panjang. Namun demikian
pada pengujian dengan dua lag dan empat lag untuk r = 0 nampaknya bahwa hasil uji menolak
tidak adanya kointegrasi antara M2 dan output. Demikian pula pengujian dengan empat lag
untuk r = 0 dan r < 1 nampaknya juga menolak hasil uji tidak adanya kointergasi antara M2 dan
harga. Hal ini sebenarnya merupakan indikasi awal bahwa M2 tidak netral pada jangka panjang
baik terhadap output maupun harga.
4.4. Pengujian Netralitas Uang Jangka Panjang
Hasil pengujian netralitas uang variabel M1 dengan metodologi FS berdasarkan persamaan
(22) ditunjukkan pada Tabel 4. Dengan pengujian untuk perbedaan waktu yang digunakan
dari 2 sampai dengan 16 tahun dari data output dan M1 maka nilai dari βk mengalami kenaikan
terus menerus sampai dengan perbedaan waktu 11 tahun meskipun sedikit turun pada
perbedaan 10 tahun, namun tidak berarti. Pada perbedaan 12 tahun nilai βk mengalami
penurunan namun setelah itu nilai βk meningkat lagi sampai dengan pengujian pada perbedaan
16 tahun. Nilai dari βk merepresentasikan respon yang diestimasi dari perubahan output yang
diukur dengan perubahan PDB riil (dalam ln) terhadap perubahan M1 (dalam ln) pada periode
k+1. Kenaikan nilai βk diikuti pula dengan penurunan standard error-nya (SEk). Penurunan
standard error menyebabkan t hitungnya meningkat atau p-value-nya menurun.
Indikasi pada Tabel 4 tersebut menunjukkan bahwa dengan a = 5% uang (dengan ukuran
M1) menjadi tidak netral dalam jangka panjang ketika digunakan perbedaan waktu lebih dari
6 tahun, bahkan jika dengan α = 10%, M1 tidak netral sejak digunakan perbedaan waktu
lebih dari 4 tahun. Hasil ini memberikan bukti bahwa netralitas uang jangka panjang (long-run
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
107
Tabel 4.
Hasil Regresi Jangka Panjang Output Riil terhadap M1 di Indonesia
k
βk
SEk
tk
p-value
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,0698
0,0761
0,0920
0,1064
0,1195
0,1364
0,1531
0,1644
0,1641
0,1656
0,1556
0,1577
0,1619
0,1656
0,2021
0,0618
0,0615
0,0615
0,0616
0,0622
0,0625
0,0624
0,0625
0,0631
0,0663
0,0691
0,0714
0,0734
0,0753
0,0780
1,1293
1,2373
1,4959
1,7272
1,1921
2,1810
2,4541
2,6317
2,5982
2,4994
2,2515
2,2085
2,2069
2,1994
2,5910
0,2665
0,2244
0,1442
0,0938
0,0640
0,0372
0,0204
0,0137
0,0150
0,0191
0,0334
0,0370
0,0376
0,0387
0,0170
neutrality) tidak berlaku di Indonesia dengan indikator M1. Artinya bahwa variabel nominal
seperti M1 dapat mempengaruhi variabel riil dalam hal ini variabel output (y) dalam jangka
panjang.
Grafik 11 menunjukkan koefisien dari β pada perbedaan-perbedaan waktu (nilai-nilai k)
yang sesuai dengan 95% confidence interval untuk estimasi dengan menggunakan M1. Grafik
tersebut menunjukkan dengan jelas adanya indikasi bahwa M1 tidak netral dengan
meningkatnya βk dan standard error yang semakin kecil. Secara keseluruhan dari perbedaan
waktu 2 tahun sampai dengan perbedaan 16 tahun koefisien dari βk mengalami kenaikan
dengan diikuti oleh signifikannya βk sejak digunakan perbedaan waktu lebih dari 4 tahun (dengan
α = 10%) dan sejak digunakan perbedaan waktu lebih dari 6 tahun (dengan α = 5%) hasil ini
memberikan bukti bahwa M1 tidak netral pada jangka panjang.
Dengan menggunakan metodologi FS, pengujian ini menemukan bukti bahwa uang
(dengan indikator M1) tidak netral dalam mempengaruhi variabel riil seperti output, yang berarti
menolak netralitas uang jangka panjang untuk periode penelitian ini di Indonesia. Bukti empirik
ini menunjukkan bahwa kenaikan jumlah uang beredar M1 di Indonesia memberikan pengaruh
pada kenaikan tingkat output dalam jangka panjang. Kenaikan output bisa terjadi melalui
kenaikan investasi dan permintaan akibat adanya pertambahan jumlah uang beredar. Dengan
metodologi yang sama, bukti empirik ini konsisten dengan temuan Puah et al. (2008) bahwa
M1 tidak netral pada jangka panjang di Indonesia untuk periode 1965 √ 2002. Temuan non-
108 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
0,6
βk with 95% confidence interval
0,4
0,2
0,0
-0,2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grafik 11. Koefisien βk dalam Pengujian Netralitas Uang
di Indonesia dengan Variabel M1.
netralitas uang ini sama dengan hasil pengujian yang dilakukan oleh Fisher dan Seater (1993)
yang menemukan bahwa netralitas uang jangka panjang ditolak untuk data tahunan di Amerika
Serikat.
Bukti bahwa netralitas uang jangka panjang tidak berlaku di Indonesia juga dibuktikan
dengan variabel M2. Tabel 5 menunjukkan bahwa dengan perbedaan waktu 2 sampai dengan
16 tahun koefisien dari βk berubah tanda dari negatif ke positif. Pada perbedaan waktu 5
tahun koefisien berubah tanda dari negatif ke positif yang kemudian meningkat sebelum turun
lagi mulai perbedaan waktu 12 tahun. Namun demikian sejak perbedaan waktu lebih dari 8
tahun koefisien βk signifikan pada α = 5% yang menunjukkan bahwa M2 tidak netral pada
jangka panjang.
Grafik 12 menunjukkan koefisien dari b pada perbedaan-perbedaan waktu (nilai-nilai k)
yang sesuai dengan 95% confidence interval untuk estimasi dengan menggunakan M2. Grafik
tersebut menunjukkan adanya indikasi bahwa M2 tidak netral dengan meningkatnya βk dan
standard error yang semakin kecil, dan pada perbedaan waktu lebih dari 8 tahun koefisien
tersebut signifikan pada α = 5%. Meskipun mengalami penurunan pada perbedaan waktu 11
tahun, koefisien βk tetap signifikan pada α = 5% sampai dengan perbedaan waktu yang
digunakan adalah 16 tahun.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
109
Tabel 5.
Hasil Regresi Jangka Panjang Output Riil terhadap M2 di Indonesia
k
βk
SEk
tk
p-value
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
-0,0646
-0,0352
-0,0101
0,0250
0,0604
0,1018
0,1576
0,2143
0,2688
0,3280
0,2843
0,2633
0,2379
0,2254
0,2111
0,0732
0,0730
0,0736
0,0744
0,0751
0,0762
0,0782
0,0799
0,0798
0,0798
0,0772
0,0756
0,0772
0,0783
0,0840
-0,8827
-0,4816
-0,1371
0,3358
0,8053
1,3360
2,0157
2,6808
3,3689
4,1102
3,6814
3,4826
3,0831
2,8769
2,5117
0,3834
0,6332
0,8918
0,7392
0,4268
0,1916
0,0532
0,0122
0,0023
0,0004
0,0011
0,0019
0,0053
0,0088
0,0203
Non-netralitas M2 seperti ditunjukkan pada Grafik 12 untuk perbedaan waktu 8 tahun
menunjukkan bahwa bukti ini memperkuat adanya non-netralitas uang dengan ukuran M1
sebelumnya. Dengan demikian baik dengan M1 maupun M2, investigasi untuk periode penelitian
ini menemukan bukti empirik bahwa netralitas uang jangka panjang tidak berlaku di Indonesia.
0,8
βk with 95% confidence interval
0,6
0,4
0,2
0,0
-0,2
-0,4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grafik 12. Koefisien βk dalam Pengujian Netralitas Uang
di Indonesia dengan Variabel M2.
110 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Bagaimanapun juga kenaikan jumlah uang beredar di Indonesia berdampak pada kenaikan
output dalam jangka panjang. Kenaikan investasi dan permintaan akibat pertambahan jumlah
uang mendorong kenaikan tingkat output pada level yang lebih tinggi. Dengan kata lain
pertumbuhan jumlah uang beredar berpengaruh positif pada pertumbuhan ekonomi. Bukti
empirik bahwa jumlah uang beredar baik M1 maupun M2 tidak netral terhadap tingkat output
melalui uji FS ini didukung oleh perilaku kedua variabel tersebut yang nampak dari data aktual
yang disajikan dalam grafik pada Grafik-Grafik di bagian sebelumnya.
Tidak terjadinya netralitas uang jangka panjang di Indonesia baik untuk variabel M1
maupun M2 menunjukkan bahwa bukti ini tidak konsisten dengan proposisi netralitas uang
menurut model neoklasik dan model siklus bisnis riil (real business cycle theory) serta model
moneter dari Lucas. Teori-teori tersebut memproposisikan bahwa uang adalah netral dalam
perekonomian yang tidak berpengaruh pada variabel riil, namun hanya berdampak pada tingkat
harga.
4.5. Pengujian Inflasi Jangka Panjang
Hasil pengujian hubungan positif antara variabel M1 dan harga pada jangka panjang
dengan metodologi FS juga didasarkan pada persamaan (22) dengan harga sebagai variabel y.
Hasil pengujiannya ditunjukkan pada Tabel 6. Dengan pengujian untuk perbedaan waktu yang
digunakan dari 2 sampai dengan 16 tahun, nilai dari βk positif dan signifikan pada α = 5%
Tabel 6.
Hasil Regresi Jangka Panjang Harga terhadap M1 di Indonesia
k
βk
SEk
tk
p-value
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,4068
0,5550
0,5932
0,5785
0,5853
0,5750
0,5561
0,5505
0,5502
0,5309
0,5535
0,5808
0,5669
0,5216
0,4785
0,1347
0,1062
0,0956
0,0946
0,0881
0,0829
0,0868
0,0890
0,0857
0,0922
0,0983
0,0999
0,0993
0,1028
0,1086
3,0213
5,2279
6,2056
6,1145
6,6403
6,9359
6,4029
6,1865
6,4209
5,7604
5,6322
5,8143
5,7109
5,0763
4,4066
0,0047
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
111
dengan rata-rata nilai βk sebesar 0,5455. Nilai dari βk merepresentasikan respon yang diestimasi
dari perubahan harga (dalam ln) terhadap perubahan M1 (dalam ln) pada periode k+1. Sejak
menggunakan perbedaan waktu 2 tahun terlihat bahwa βk sudah positif yang diikuti dengan
standard error (SEk) yang relatif kecil sehingga t hitungnya cukup besar yang mendukung
sangat kuat keberadaan hubungan positif antara uang M1 dan harga.
Indikasi pada Tabel 6 tersebut menunjukkan bahwa dengan α = 5% uang (dengan ukuran
M1) menyebabkan kenaikan harga atau inflasi secara proporsional dalam jangka panjang. Hasil
ini memberikan bukti bahwa hubungan positif yang kuat antara M1 dan harga jangka panjang
didukung hasil empirik di Indonesia. Artinya bahwa variabel nominal seperti M1 berpengaruh
terhadap variabel nominal lainnya yaitu harga, yang konsisten dengan proposisi dari teori
kuantitas klasik, model Lucas maupun neoklasik.
Grafik 13 menunjukkan koefisien dari b pada perbedaan-perbedaan waktu (nilai-nilai k)
yang sesuai dengan 95% confidence interval untuk estimasi inflasi jangka panjang dengan
menggunakan M1. Adanya indikasi bahwa M1 berpengaruh positif pada jangka panjang
terhadap harga yakni dengan signifikannya koefisien bk secara konsisten dari perbedaan waktu
yang digunakan dari 2 sampai dengan 16 tahun.
1,2
1,0
0,8
0,6
0,4
0,2
0,0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grafik 13. Koefisien βk dalam Pengujian Inflasi jangka Panjang
di Indonesia dengan Variabel M1.
112 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Dengan menggunakan metodologi FS, pengujian ini menemukan bukti bahwa uang
(dengan indikator M1) cukup kuat dan konsisten dalam mempengaruhi variabel nominal dalam
hal ini adalah harga, yang berarti mendukung keberadaan hubungan positif antara uang (yang
didefinisikan sebagai M1) dan harga pada jangka panjang untuk periode yang penelitian yang
sama di Indonesia. Bukti empirik ini konsisten dengan kebanyakan hasil penelitian sebelumnya
di negara-negara maju seperti oleh studi Saatcioglu dan Korap (2009) di Turki, Roffia dan
Zaghini (2007) pada 15 negara industri, dan Browne dan Cronin (2007) di Amerika Serikat.
Namun demikian, bukti bahwa keberadaan hubungan positif jangka panjang antara uang
dan harga tidak didukung oleh hasil empirik dengan menggunakan M2. Tabel 7 menunjukkan
bahwa dengan perbedaan waktu yang digunakan dari 2 sampai dengan 16 tahun koefisien
dari βk berubah tanda dari positif ke negatif. Pada perbedaan waktu 8 tahun koefisien berubah
tanda dari positif ke negatif yang kemudian konsisten pada nilai βk yang negatif sampai dengan
perbedaan waktu yang digunakan 16 tahun. Sejak perbedaan waktu 11 tahun koefisien βk
bernilai negatif dan signifikan pada α = 5% sampai dengan perbedaan waktu 15 tahun, dan
pada α = 5% sampai dengan perbedaan waktu yang digunakan 16 tahun.
Grafik 14 menunjukkan koefisien dari β pada nilai-nilai k yang sesuai dengan 95%
confidence interval untuk estimasi inflasi jangka panjang dengan menggunakan M2. Grafik
tersebut menunjukkan adanya indikasi bahwa M2 tidak mendukung keberadaan hubungan
positif jangka panjang antara uang dan harga.
Tabel 7.
Hasil Regresi Jangka Panjang Harga terhadap M2 di Indonesia
k
βk
SEk
tk
p-value
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,4488
0,3398
0,2650
0,1923
0,1166
0,0351
-0,0404
-0,1111
-0,2018
-0,3990
-0,3711
-0,3535
-0,3376
-0,3184
-0,2792
0,1609
0,1557
0,1563
0,1576
0,1567
0,1557
0,1642
0,1745
0,1793
0,1766
0,1720
0,1688
0,1605
0,1529
0,1492
2,7896
2,1820
1,6948
1,2205
0,7439
0,2251
-0,2462
-0,6368
-1,1251
-2,2598
-2,1584
-2,0937
-2,1028
-2,0821
-1,8708
0,0085
0,0361
0,0995
0,2312
0,4625
0,8234
0,8072
0,5294
0,2705
0,0324
0,0407
0,0470
0,0466
0,0492
0,0754
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
113
1,0
0,5
0,0
-0,5
-1,0
-1,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grafik 14. Koefisien βk dalam Pengujian Inflasi jangka Panjang
di Indonesia dengan Variabel M2.
Tidak berpengaruhnya secara positif dan signifikan M2 terhadap harga pada jangka
panjang, seperti ditunjukkan pada Grafik 14 untuk perbedaan waktu yang digunakan 4 tahun,
menunjukkan bahwa bukti ini tidak sejalan dengan bukti mengenai hubungan positif uang M1
dan harga. Artinya bahwa keberadaan hubungan positif antara uang dan harga dapat
direpresentasikan oleh M1 daripada M2. Dengan demikian bahwa M1 bisa mendukung secara
empirik keberadaan hubungan positif antara uang dan harga pada jangka panjang di Indonesia
daripada M2.
V. KESIMPULAN
Estimasi dengan metodologi FS yang didahului dengan serangkaian seperti uji akarakar unit, eksogenitas, dan kointegrasi menarik kesimpulan bahwa pengujian netralitas
uang dan inflasi jangka panjang di Indonesia dapat dilakukan untuk data Indonesia periode
penelitian ini. Hasil estimasi dengan metodologi FS memberikan kesimpulan bahwa
netralitas uang jangka panjang tidak berlaku untuk kasus di Indonesia dengan data tahunan.
Sementara itu keberadaan hubungan positif antara uang dan harga dapat dibuktikan oleh
114 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
hasil penelitian ini, yang menunjukkan adanya inflasi jangka panjang karena perubahan
jumlah uang beredar. Variabel M1 dapat mendukung keberadaan hubungan positif tersebut
daripada variabel M2.
Bukti dari hasil uji netralitas uang jangka panjang ini tidak konsisten dengan proposisi
netralitas uang dari model neoklasik dan model siklus bisnis riil serta model moneter dari Lucas
bahwa uang adalah netral dalam perekonomian yang tidak berpengaruh pada variabel riil,
karena uang hanya berdampak pada tingkat harga. Namun demikian proposisi bahwa uang
berdampak pada tingkat harga terbukti dalam penelitian ini. Hubungan positif antara jumlah
uang beredar dan inflasi memang didukung oleh bukti-bukti empirik yang mendukung hubungan
dua variabel tersebut sehingga menjadi hubungan yang kokoh.
Non-netralitas uang jangka panjang di Indonesia yang ditemukan dalam penelitian ini
konsisten dengan temuan dari Puah et al. (2008) bahwa M1 tidak netral pada jangka panjang
di Indonesia untuk periode 1965 √ 2002. Lebih dari itu, dengan menggunakan M2, netralitas
uang jangka panjang juga tidak berlaku di Indonesia. Sementara itu untuk pengujian keberadaan
hubungan positif antara uang dan harga, penelitian ini menemukan bukti yang mendukung
proposisi tersebut. Hasil ini konsisten dengan teori dan kebanyakan penelitian terdahulu di
negara-negara lain. Dari hasil pengujian terhadap kedua proposisi ini secara umum menunjukkan
bahwa kecenderungan uang tidak netral merupakan karakteristik perekonomian makro ekonomi
jangka panjang di Indonesia, di samping keberadaan inflasi jangka panjang karena perubahan
jumlah uang beredar. Dengan demikian dalam jangka panjang uang adalah berarti (matter)
bagi perekonomian Indonesia meskipun pertumbuhannya berdampak pada inflasi.
Hasil penelitian ini mengimplikasikan bahwa bagaimanapun juga kebijakan moneter yang
dilakukan oleh otoritas moneter untuk menstabilkan fluktuasi dalam perekonomian makro
sangat berarti mengingat jumlah uang beredar pada jangka panjang mempengaruhi tingkat
output. Injeksi moneter dalam jangka panjang dapat mendorong kenaikan output. Namun
demikian injeksi moneter ini selain berpotensi meningkatkan output juga dapat menimbulkan
inflasi sebagaimana hasil penelitian ini membuktikannya. Oleh karena itu, di satu sisi ekspansi
moneter tetap penting untuk mendorong kenaikan output jangka panjang, namun di sisi lain
juga perlu diiringi dengan pengendalian jumlah uang beredar yang lebih cermat, khususnya
pada besaran M1, untuk mengantisipasi inflasi. Meskipun tidak mudah karena perilaku
permintaan berasal dari masyarakat, pengelolaan moneter harus lebih terukur dalam
mempertimbangkan kedua sisi tersebut. Jadi dalam kerangka inflation targeting, otoritas
moneter tetap bisa fokus pada inflasi tanpa mengabaikan pentingnya peran uang beredar
terhadap kenaikan output jangka panjang.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
115
Untuk kepentingan kebijakan dan akademik, hasil penelitian ini diharapkan dapat
memberikan dorongan bagi kegiatan penelitian lebih lanjut mengenai netralitas uang dan isuisu yang terkait untuk memperkaya literatur ekonomi khususnya yang berkaitan dengan isu-isu
tersebut. Hal ini penting untuk dapat memperoleh kesimpulan yang kuat dan menguji kekuatan
(robustness) bukti empirik non-netralitas uang jangka panjang di Indonesia dengan melakukan
pengujian dengan periode yang berbeda, pengujian dengan perubahan struktur, serta pengujian
dengan metode dan pengembangan yang berbeda, serta data yang berbeda, misalnya data
kuartalan.
116 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
DAFTAR PUSTAKA
Bae, S. and R. Ratti (2000), ≈Long-Run Neutrality, High Inflation, and Bank Insolvencies in
Argentina and Brazil,∆∆Journal of Monetary Economics, 46: 581-604.
Barro, R (1997), Macroeconomics, 5th edition, Canbridge, MA: MIT Press.
Boschen, J.F. and C.M. Otrok (1994), ≈Long-Run Neutrality and Superneutrality in an ARIMA
Framework: Comment,∆∆American Economic Review, 84: 1470-1473.
Browne, F. and D. Cronin (2007), ≈Commodity Prices, Money and Inflation,∆ ECB Working
Paper Series, 738 (March): 1-33.
Chen, S.W. (2007), ≈Evidence of the Long-Run Neutrality of Money: the Case of South Korea
and Taiwan,∆∆Economics Bulletin, 64(3): 1-18.
Coe, P.J. and J.M. Nason (2004), ≈Long-Run Monetary Neutrality and Long-Horizon
Regressions,∆∆Journal of Applied Econometrics, 19 (3): 355-373
Dickey, D. and W.A. Fuller (1979), ≈Distribution of the Estimates for Autoregressive Time Series
with a Unit Root,∆∆Journal of the American Statistical Society, 74: 427-431.
Dewald, W.G. (1998), ≈Historical U.S. Money Growth, Inflation, and Inflation Credibility,∆∆Federal
Reserve Bank of St. Louis Review, 80:13√24.
Dwyer, G.P. and R. W. Hafer (1999), ≈Are Money Growth and Inflation Still Related?,∆∆Federal
Reserve Bank of Atlanta Economic Review, Second Quarter: 32-43.
Engle, R.F. and C.W.J. Granger (1987), ≈Cointegration and Error Correction: Representation,
Estimation and Testing,∆∆In Engle R.F. and C.W.J. Granger (1991),∆Long-Run Economic
Relationships: Readings in Cointegration, 81-111. New York: Oxford University Press.
Fisher, M.E and J.J. Seater (1993), ≈Long-Run Neutrality and Superneutrality in an ARIMA
Framework,∆∆American Economic Review, 83(3): 402-415.
Gujarati, D.N. and D.C. Porter (2009), Basic Econometrics, 5th Edition, New York: McGraw-Hill.
Hume, D. (1752), ≈Of Money, Of Interest, and Of the Balance of Trade,∆ In Essays, Moral,
Political, and Literary, Reprinted in Hume, 1955, Writings on Economics, Eugene Rotwein
ed. Diakses dari http://www.econlib.org/library/LFBooks/Hume/hmMPL.html
Johansen, S. (1995), Likelihood-based Inference in Cointegrated Vector Autoregressive Models,
New York: Oxford University Press.
King, R.G. and M.W. Watson (1997), ≈Testing Long-Run Neutrality,∆∆Federal Reserve Bank of
Richmond Economic Quarterly, 83(3): 69-101.
Pengujian Netralitas Uang dan Inflasi Jangka Panjang Di Indonesia
117
Lucas, R.E. (1972), ≈Expectations and the Neutrality of Money,∆∆Journal of Economic Theory,
4(2): 103√124.
__________ (1980), ≈Two Illustrations of the Quantity Theory of Money,∆∆American Economic
Review, 70: 1005√1014.
___________(1995), ≈Monetary Neutrality. Prize Lecture,∆ December 7, 1995. Diakses dari http:/
/nobelprize.org/economics/laureates/1995/lucas-lecture.pdf.
McCandless, G.T., Jr. and W.E. Weber (1995), ≈Some Monetary Facts,∆∆Federal Reserve Bank
of Minneapolis Quarterly Review, 19(3): 1-11.
Noriega, A.E (2004), ≈Long-Run Monetary Neutrality and the Unit-Root Hypothesis: Further
International Evidence,∆∆North American Journal of Economics and Finance, 15(2): 179197.
Noriega, A.E., L.M. Soria and R. Velazquez (2005), ≈International Evidence on Monetary Neutrality
under Broken Trend Stationary Models,∆ Mimeo. Diakses dari http://repec.org/esLATM04/
up.7482.1080751251.pdf
Oi, H., S. Shiratsuka, and T. Shirota (2004), ≈On Long-Run Monetary Neutrality in Japan,∆
Monetary and Economic Studies, 22(3): 79 √ 113
Olekalns, N. (1996), ≈Some Further Evidence on the Long-Run Neutrality of Money,∆∆Economics
Letters, 50(3): 393-98.
Phillips, P.C.B., and P. Perron (1988), ≈Testing for a Unit Root in Time Series
Regression,∆∆Biometrika, 75(2): 335-346.
Puah, C.H., M.S. Habibullah and S.A. Mansor (2008), ≈On the Long-Run Monetary Neutrality:
Evidence from the SEACEN Countries,∆∆Journal of Money, Investment and Banking, Issue
2: 50-62.
Ran, J. (2005), ≈Is There Long-Run Money Neutrality under Different Exchange Rate
Regimes?,∆∆Pacific Economic Review, 10(3): 361-370.
Roffia, B. and A. Zaghini (2007), ≈ Excess Money Growth and Inflation Dynamics,∆ ECB Working
Paper Series, 749: 1-40.
Romer, D. (2001), Advanced Macroeconomics, Second Edition, New York: McGraw-Hill.
Rolnick, A.J. and W.E. Weber (1997), ≈Inflation, Money, and Output under Alternative Monetary
Standards,∆ Federal Reserve Bank of Minneapolis Research Department, Staff Report 175.
Saatcioglu, C. and L. Korap (2009), ≈The Search for Co-IntegratÊon Between Money, PrÊces and
Income: Low Frequency EvÊdence from the TurkÊsh Economy,∆∆Panoeconomicus, 1: 55-72.
Serletis, A. and Z. Koustas (1998), ≈International Evidence on the Neutrality of Money,∆∆Journal
of Money, Credit and Banking, 30 (1): 1√25.
ƒƒƒ, and ƒƒƒ (2001),ƒ≈Monetary Aggregation and the Neutrality of Money,∆∆Economic
Inquiry, 39 (1): 124√138. Diakses dari http://econpapers.repec.org/article/oupecinqu/
118 Buletin Ekonomi Moneter dan Perbankan, Juli 2011
Shelley, G.L. and F.H. Wallace (2003), ≈Testing for Long Run Neutrality of Money in Mexico,∆
Diakses dari http://129.3.20.41/eps/mac/papers/0402/0402003.pdf
Wallace, F.H. and L.F. Cabrera-Castellanos (2006), ≈Long Run Money Neutrality in
Guatemala,∆∆MPRA Paper 4025, University Library of Munich, Germany, revised 2006.
Diakses dari http://129.3.20.41/eps/mac/papers/
PETUNJUK PENULISAN
1. Naskah harus merupakan karya asli penulis (perorangan, kelompok atau institusi) yang tidak
melanggar hak cipta. Naskah yang dikirimkan, belum pernah diterbitkan dan tidak sedang
dikirimkan ke penerbit lain pada waktu yang bersamaan. Hak cipta atas naskah yang diterima,
TETAP menjadi hak penulis.
2. Setiap naskah yang disetujui untuk diterbitkan, akan mendapatkan kompensasi finansial
sebesar Rp 2.500.000,-.
3. Naskah dapat dikirimkan dalam bentuk softcopy (file). Sangat disarankan untuk mengirimkan
softcopy anda ke:
[email protected] (Cc. to: [email protected].)
Jika tidak memungkinkan, file tersebut dapat disimpan dalam disket atau CD dan dikirimkan
melalui pos ke alamat redaksi berikut:
BULETIN EKONOMI MONETER DAN PERBANKAN
Direktorat Riset Ekonomi dan Kebijakan Moneter, Bank Indonesia
Gedung B, Lt. 20, JI. M. H. Thamrin No.2
Jakarta Pusat, INDONESIA Telpon: 62-21-3818202, Fax: 62-21-3800394
4. Naskah dibatasi.+ 25 halaman berukuran A4, spasi satu (1), font Times New Roman dengan
ukuran font 12.
5. Persamaan matematis dan simbol harap ditulis dengan mempergunakan Microsoft Equation.
6. Setiap naskah harus disertai abstraksi, maksimal satu (1) halaman ukuran A4. Untuk naskah
yang ditulis dalam bahasa Indonesia, abstraksi-nya ditulis dalam Bahasa Inggris, dan
sebaliknya.
7. Naskah harus disertai dengan kata kunci (Keyword) dan dua digit nomor Klasifikasi Journal
of Economic Literature (JEL). Lihat klasifikasi JEL pada, http:// www.aeaweb.org/journal/
jel_class_system.html.
8. Naskah ditulis dengan penyusunan BAB secara konsisten sebagai berikut,
120 Buletin Ekonomi, Moneter dan Perbankan, Juli 2011
I. JUDUL BAB
I.1. Sub Bab
I.1.1. Sub Sub Bab
9. Rujukan dibuat dalam footnote (catatan kaki) dan bukan endnote.
10.Sistem referensi dibuat mengikuti aturan berikut,
a. Publikasi buku:
John E. Hanke dan Arthur G. Reitsch
Reitsch, (1940), Business Forecasting, PrenticeHall, New
Jersey.
b. Artikel dalam jurnal:
Rangazas, Peter. ≈Schooling and Economic Growth: A King-Rebelo Experiment with
Human Capital∆, Journal of Monetary Economics, Oktober 2000,46(2), hal. 397-416.
c. Artikel dalam buku yang diedit orang lain: Frankel, Jeffrey A. dan Rose, Andrew K.
≈Empirical Research on Nominal Exchange Rates∆, dalam Gene Grossman dan Kenneth
Rogoff, eds., Handbook of International Economics. Amsterdam: North-Holland, 1995,
hal. 397-416.
d. Kertas kerja (working papers):
Kremer, Michael dan Chen, Daniel
Daniel. ≈Income Distribution Dynamics with Endogenous
Fertility∆. National Bureau of Economic Research (Cambridge, MA) Working Paper
No.7530, 2000.
John. ≈Can Parental Decision Explain
e. Mimeo dan karya tak dipublikasikan: Knowles, John
U.S. Income Inequality?∆, Mimeo, University of Pennsylvania, 1999.
f. Artikel dari situs WEB dan bentuk elektronik lainnya: Summers, Robert dan Heston
Heston, Alan
W. ≈Penn World Table, Version 5.6∆ http:// pwtecon.unpenn.edu/, 1997.
g. Artikel di koran, majalah dan periodicals sejenis: Begley, Sharon. ≈Killed by Kindness∆,
Newsweek, April 12, 1993, hal. 50-56.
11.Naskah harus disertai dengan biodata penulis, lengkap dengan alamat, telepon, rekening
Bank dan e-mail yang dapat dihubungi. Disarankan untuk menulis biodata dalam bentuk
CV (curriculum vitae) lengkap.