Anda di halaman 1dari 21

ANALISIS DAMPAK TERJADINYA SHOCK VARIABEL MONETER

TERHADAP NON PERFORMING LOAN RATIO DI INDONESIA


Arief Budiman Simon 1

Abstract
This research focuses to analyze monetary variables shock’s impact to
Indonesian’s NPL. Empirical studies have found short run connection between BI rate,
inflation, exchange rate, and NPL ratio. Granger Causality tests found a bidirectional
causality between NPL and BI rate, as soon as BI rate and inflation. An unidirectional
causality also exist between inflation and exchange rate to NPL. Vector Auto
Regression (VAR) seems to suggest Null hypothesis that is an monetary variables
shock’s have a trivial effect to NPL. Processing result of VAR could be seen from
impulse response and variance decomposition. Impulse response’s result shows that
Non Performing Loans Ratio lead to have a positive response Inflation and Exchange
rate shock. But, another result also shows that NPL lead to have a negative response to
BI rate. Variance decomposition’s result found that Inflation and BI rate has the biggest
influence to NPL.
Keywords: monetary variables shock’s, BI rate, inflation, exchange rate, NPL, VAR.
JEL Classification: E51, G21

Abstraksi
Tujuan penelitian ini adalah untuk menganalisis dampak terjadinya shock variabel
moneter terhadap rasio NPL di Indonesia. Studi empiris menunjukkan bahwa terdapat
hubungan jangka pendek antara BI rate, inflasi, nilai tukar, dan rasio NPL. Uji
kausalitas Granger menunjukkan terjadinya bidirectional causality antara NPL dan BI
rate serta BI rate dan inflasi. Selain itu, unidirectional causality juga terjadi antara
inflasi dan nilai tukar terhadap NPL. Vector Auto Regression (VAR) juga memberikan
hasil yang mendukung hipotesis awal bahwa shock variabel moneter memiliki pengaruh
yang kecil terhadap NPL. Hasil estimasi VAR dapat dilihat dari uji Impulse Response
dan Variance Decomposition. Hasil Impulse Response menunjukkan bahwa terjadinya
shock pada inflasi dan nilai tukar memberikan dampak positif terhadap perubahan NPL.
Namun, di lain pihak NPL justru merespon negative ketika terjadi shock pada suku
bunga acuan. Hasil Variance Decomposition menunjukkan bahwa inflasi dan suku
bunga acuan (BI rate) memiliki kontribusi yang paling besar jika dibandingkan dengan
kontribusi nilai tukar.

Kata kunci : shock variabel moneter, BI rate, inflasi, nilai tukar, NPL, VAR.
JEL Classification: E51, G21
I. LATAR BELAKANG
Peran utama dari keberadaan lembaga keuangan dalam suatu negara adalah fungsi
intermediarisnya, yaitu menyalurkan kembali dana yang telah dihimpun dari masyarakat
(Dana Pihak Ketiga) dalam bentuk pinjaman atau kredit kepada sektor-sektor usaha riil
dalam upaya pengembangan atau ekspansi atas usahanya. Artinya, melalui fungsi
intermediasi tersebut, sektor keuangan haruslah berperan sebagai agen dalam
mempercepat pembangunan dan meningkatkan pertumbuhan ekonomi, sehingga akan
meningkatkan kesejahteraan pada masyarakat baik berupa pengadaan lapangan
pekerjaan baru di sektor riil maupun peningkatan produktivitas dan pendapatan
masyarakat.
Stabilitas sistem keuangan secara langsung memiliki pengaruh terhadap pertumbuhan
ekonomi dan produk domestik bruto suatu negara. Hal ini dibuktikan dengan keadaan
pertumbuhan ekonomi Indonesia ketika terjadi krisis moneter di tahun 1997-1998. Pada
saat itu depresiasi rupiah yang besar telah mengakibatkan inflasi yang tinggi selama
lima bulan pertama tahun 1998. Selain itu kondisi keuangan sistem perbankan makin
merosot seiring dengan makin dalamnya krisis ekonomi. Tekanan pada nilai tukar dan
cadangan devisa juga semakin berat dengan tidak diakuinya kredit perdagangan dan
kredit lainnya dari perbankan Indonesia oleh bank-bank asing.
Salah satu kutipan mengenai definisi stabilitas sistem keuangan yang dikutip oleh Bank
Indonesia adalah :

” Stabilitas sistem keuangan adalah suatu kondisi dimana mekanisme ekonomi dalam
penetapan harga, alokasi dana dan pengelolaan risiko berfungsi secara baik dan
mendukung pertumbuhan ekonomi.”
Hal ini dapat uraikan bahwa stabilitas sistem keuangan akan tercermin dari tingkat
harga yang stabil, alokasi dana yang tepat, serta pengelolaan risiko yang minimum
sehingga dapat mendukung pertumbuhan ekonomi dengan baik. Kestabilan tingkat
harga maupun pengalokasian dana yang tepat dapat dicapai dengan berbagai jalan
kebijakan, salah satunya adalah kebijakan moneter. Menurut Warjiyo dan Solikin
(2003), kebijakan moneter adalah kebijakan dari bank sentral dalam mengendalikan
variabel moneter untuk menggapai perkembangan kegiatan perekonomian yang
diinginkan. Perekonomian yang diinginkan dengan maksud untuk meningkatkan
pertumbuhan output dan atau terpeliharanya stabilitas harga (Rahardja dan Manurung,
2001:359).

Keadaan yang dihadapi oleh Indonesia saat ini adalah kurang efisiensinya penyebaran
dana melalui kredit terhadap sektor yang membutuhkan sebagai dampak dari krisis
finansial global. Untuk memulihkan kembali sektor perekonomian, saat ini pemerintah
sedang melakukan kebijakan ekonomi yang bersifat ekspansif mulai dari penurunan
pajak hingga menurunkan tingkat suku bunga. Semua dilakukan dengan tujuan
memperbesar proporsi kredit untuk menjaga agar perekonomian tetap berjalan.
Walaupun suku bunga acuan telah turun sampai ke posisi dibawah 7%, pada awalnya
suku bunga kredit masih belum mengalami penurunan. Hal ini berdampak pada
penurunan permintaan kredit. Namun diperkirakan dalam waktu dekat suku bunga
kredit akan mengalami penurunan. Hal ini diungkapkan oleh Bank Indonesia
berdasarkan hasil survei kepada pengelola 44 bank di Indonesia.

Lambatnya reaksi penurunan suku bunga kredit setelah bank sentral menurunkan suku
bunga acuannya diperkirakan karena masih tingginya risiko kredit yang ada di
Indonesia. Hal ini menyebabkan perbankan lebih hati-hati dalam mengucurkan dana
yang telah dihimpun sehingga para pihak yang membutuhkan dana untuk melakukan
siklus usaha menjadi kesulitan. Padahal penurunan BI Rate pada akhirnya dimaksudkan
untuk menurunkan bunga kredit, sehingga akan mendorong perbankan dalam
menyalurkan kredit ke sektor-sektor yang produktif, sehingga perekonomian Indonesia
akan mampu bertahan di tengah gelombang krisis global.

Ketika BI Rate sudah menyentuh 7,75%, penurunan BI Rate ini baru direspons
perbankan dengan menurunkan bunga kredit sebesar 0,05% sejak awal tahun ini. Secara
umum, suku bunga kredit pada akhir Desember 2008 mencapai 14,2% dan pada pekan
kedua Maret 2009 turun tipis menjadi 13,93%. Hal ini memberikan gambaran bahwa
walaupun tingkat suku bunga acuan telah turun, namun perbankan masih belum dapat
percaya bahwa penurunan tersebut juga diiringi penurunan risiko kredit.

Grafik1. Pergerakan BI Rate, Inflasi, dan NPL di tahun 2008


Sumber: Statistik Perbankan Indonesia, diolah

Risiko kredit tercermin dari rasio non performing loan atau yang biasa disebut dengan
kredit macet. Perbankan menilai bahwa pergerakan variabel moneter saat ini sewaktu-
waktu dapat mempengaruhi tingkat rasio kredit macet sehingga institusi keuangan
tersebut enggan menurunkan suku bunga kreditnya secara signifikan. Data tahun 2008
memperlihatkan bahwa pergerakan rasio NPL di tahun tersebut stabil dan mengalami
penurunan, walaupun inflasi dan BI rate meningkat di pertengahan tahun dan kembali
menurun di akhir tahun 2008.
Studi ini bertujuan untuk meneliti dampak yang akan ditimbulkan apabila terjadi shock
terhadap variabel moneter dalam perekonomian. Dampak yang dimaksud adalah
dampak yang akan ditimbulkan dari terjadinya shock tersebut terhadap risiko kredit
yang tercermin dari rasio NPL. Shock variabel moneter yang dimaksud dalam paper ini
mencakup tingkat suku bunga acuan, inflasi, dan nilai tukar. Selanjutnya akan diteliti
tentang shock dari masing-masing variabel tersebut dan dampaknya terhadap
pergerakan rasio NPL di Indonesia sehingga dapat diketahui sasaran kebijakan moneter
yang tepat untuk menurunkan risiko kredit tersebut.

II. LANDASAN TEORI


II.1 Pengertian Stabilitas Keuangan
Menurut Sutton dan Tosovsky (dalam Arifin, 2007) dijelaskan bahwa stabilitas
keuangan adalah situasi dimana sistem keuangan dapat: (i) mengalokasikan sumber
daya secara efisien ke dalam kegiatan produktif pada waktu yang berbeda-beda; (ii)
memprediksi dan mengukur risiko finansial, dan (iii) menyerap shocks. Maksudnya,
stabiltas sistem keuangan meliputi efisiensi dan ketahanan sistem keuangan yang
notabene merupakan konsep yang kompleks. Kestabilan sistem keuangan tidak hanya
bergantung pada institusi keuangan secara individu, melainkan juga bergantung pada
interaksi yang kompleks antara lembaga keuangan, sektor riil, dan pasar keuangan.
Perbedaan stabilitas keuangan dari stabilitas moneter mengacu pada stabilitas harga-
harga secara umum. Menurut Croket (dalam Arifin, 2007) financial instability akan
memberi dampak negatif pada efektivitas kebijakan moneter (monetary stability)
apabila perbankan tidak dapat mentransmisikan kebijakan moneternya dengan baik.
Secara teoritis, pada ekonomi tertutup kebijakan moneter memiliki kaitan erat dengan
stabilitas keuangan. Hal ini disebabkan pada ekonomi tertutup tidak ada faktor eksternal
yang dapat mempengaruhi kebijakan moneter dalam neger sehingga pengaruh kebijakan
moneter terhadap stabilitas keuangan dalam negeri menjadi sangat dominan.
Sebaliknya, dalam perkonomian terbuka, keterkaitan antara kebijakan moneter dengan
stabilitas keuangan menjadi semakin longgar. Hal ini disebabkan adanya gangguan
eksternal terhadap perekonomian dalam negeri sehingga diperlukan kebijakan
pendukung, yaitu kebijakan fiskal, untuk meminimalisir kelonggaran hubungan antara
kebijakan moneter dengan stabilitas sistem keuangan.

II.2. Suku Bunga


Suku bunga merupakan salah satu instrumen yang digunakan dalam kebijakan moneter
(Nopirin, 1992:46). Sementara itu, Blanchard (2006:544) menyebutkan bahwa suku
bunga dapat digunakan sebagai nominal anchor dalam kebijakan moneter jalur inflation
targeting. Oleh karena itu bank sentral lebih cenderung menggunakan instrumen
tersebut dibandingkan menggunakan money supply. Suku bunga juga memiliki korelasi
dengan tingkat inflasi dan tingkat penggangguran. Hal tersebut dijelaskan oleh Taylor
dalam Taylor rule yang menyatakan bahwa dalam usaha menjaga stabilitas ekonomi
dalam jangka pendek dan mencapai laju inflasi yang rendah dalam jangka panjang
sebaiknya menggunakan suku bunga sebagai instrumen utama. Rumus Taylor rule
adalah sebagi berikut :
 
it  i   a  t     bu t  u n  ........................................................... 2.1

Dimana :
it : Suku bunga nominal

i* : Suku bunga nominal yang diharapkan (target)


π : Tingkat inflasi
π* : Tingkat inflasi yang diharapkan (target)
ut : Tingkat pengangguran
un : Tingkat pengangguran alami
a : Koefisien yang merefleksikan seberapa besar bank sentral mempengaruhi inflasi
daripada tingkat pengangguran.
b : Koefisien yang merefleksikan seberapa besar bank sentral mempengaruhi
tingkat pengangguran relatif terhadap inflasi.

Dari persamaan di atas dapat diketahui bahwa bank sentral dapat menetapkan suku
bunga saat ini dengan suku bunga yang diharapkan (it = i*) jika inflasi saat ini sama
dengan inflasi yang diharapkan (π = π*) dan tingkat pengangguran juga sama dengan
pengangguran alami (ut = un). Akan tetapi, jika inflasi yang terjadi lebih besar dari yang
diharapkan, maka bank sentral akan cenderung untuk meningkatkan suku bunga
nominal yang selanjutnya dapat mendorong peningkatan jumlah pengangguran dan
menurunkan tingkat inflasi.

II.3. Inflasi
McEachern (2000:133-134) menyatakan bahwa inflasi merupakan kenaikan terus
menerus dalam tingkat harga suatu perekonomian akibat adanya kenaikan permintaan
agregat atau penurunan penawaran agregat. Inflasi yang timbul akibat kenaikan
permintaan agregat disebut dengan demand-pull inflation. Sedangkan inflasi yang
terjadi akibat penurunan penawaran agregat disebut dengan cost-push inflation.
Secara umum, besaran inflasi dapat dihitung dengan menggunakan indeks harga yang
diukur dari Consumer Price Index (CPI), Producer Price Index (PPI), atau NPL
Deflator (Miller, 2001:154). Nilai CPI diperoleh dari perbandingan antara biaya
seperangkat barang dan jasa pada tahun tertentu dengan biaya seperangkat barang dan
jasa pada tahun dasar (Frank, 2004:140). PPI merupakan penghitungan harga rata-rata
barang dan jasa yang diproduksi dan dijual oleh suatu perusahaan. NPL deflator
menunjukkan perubahan tingkat harga pada semua barang dan jasa baru yang
diproduksi dalam perekonomian. NPL deflator dapat diperoleh dari perbandingan antara
NPL nominal dengan NPL riil pada harga konstan (Nopirin, 1992:4).
II.4. Nilai Tukar
Blanchard (2006:378-382) menyebutkan bahwa nilai tukar dapat dibedakan menjadi
nilai tukar nominal dan riil. Nilai tukar nominal (E) merupakan harga mata uang dalam
negeri relatif terhadap mata uang luar negeri. Sedangkan nilai tukar riil  diperoleh
dari perbandingan antara hasil kali nilai tukar nominal dan tingkat harga domestik
dengan tingkat harga luar negeri. Nilai tukar riil dapat dirumuskan ke dalam persamaan
berikut :

EP
 ........................................................................................... 2.2
P*
Samuelson (2001:319-320) menyebutkan bahwa terdapat tiga macam sistem nilai tukar,
yaitu sistem nilai tukar tetap, mengambang bebas, dan mengambang terkendali. Sistem
nilai tukar tetap adalah sistem penentuan nilai mata uang asing dengan tingkat harga
yang ditetapkan oleh bank sentral. Sistem nilai tukar mengambang bebas merupakan
sistem penentuan nilai mata uang asing dengan tingkat harga yang sepenuhnya
ditentukan oleh permintaan dan penawaran pasar. Sedangkan sistem nilai tukar
mengambang terkendali merupakan sistem penentuan nilai mata uang asing dengan
mekanisme pasar yang disesuaikan dengan batas pita intervensi yang ditetapkan bank
sentral.

II.5. Penelitian Sebelumnya

Penelitian mengenai efek dari kebijakan moneter terhadap pengambilan risiko kredit
telah dilakukan oleh Gabriel Jimenez, Banco de Espana di tahun 2008. Salah satu dari
kesimpulan penelitian tersebut adalah dalam jangka pendek, tingkat suku bunga yang
rendah akan mengakibatkan total risiko kredit menurun dan memperkecil kemungkinan
terjadinya credit crunch. Namun dalam jangka menengah, suku bunga yang rendah akan
menyebabkan total risiko kredit dalam suatu perekonomian menjadi meningkat.

Penelitian mengenai respon suku bunga dan kredit bank di Bali terhadap kebijakan
moneter oleh R. Aga Nugraha pada tahun 2007. Penelitian tersebut menyimpulkan
bahwa perubahan suku bunga acuan direspon secara cepat oleh suku bunga simpanan
namun direspon secara lambat oleh suku bunga pinjaman. Secara umum, penurunan
suku bunga lebih responsif dibandingkan dengan kenaikkan suku bunga. Selain itu,
pertumbuhan ekonomi dan inflasi mempengaruhi penyaluran kredit secara positif
sementara suku bunga acuan berpengaruh negatif.

III. METODOLOGI DAN DATA


III. 1 Metode Analisa
III. 1. 1 Uji Akar-Akar Unit (Unit Root Test)

Estimasi model ekonometrik time series akan menghasilkan kesimpulan yang tidak
berarti, ketika data yang digunakan mengandung akar unit (tidak stasioner).
Nonstationary seri akan menciptakan kondisi spurious regression yang ditandai oleh
tingginya koefisien determinasi, R2 dan t statistic tampak signifikan, tetapi penafsiran
hubungan seri ini secara ekonomi akan menyesatkan. Sebuah seri dikatakan stasioner,
jika seluruh moment dari seri tersebut (rata-rata, varians dan kovarians) konstan
sepanjang periode waktu. Augmented Dickey–Fuller Test (ADF test) merupakan
prosedur standar, untuk menguji hipotesis nol (H0) adanya akar unit (seri tidak
stasioner) terhadap hipotesis alternatif (H1) sebuah seri stasioner (Gujarati, 2008). Jika
Yt adalah seri dengan panjang lag p, maka:

p
Yt   0  Yt 1   i  Yt i 1   t
i 1

Dimana :
∆Yt = Bentuk dari first difference
α0 = Intersep
Y = Variabel yang diuji stasioneritasnya
P = Panjang lag yang digunakan dalam model

ε = Error term

III. 1. 2 Penentuan Lag Optimal

Salah satu permasalahan yang terjadi dalam uji stasioneritas adalah penentuan lag
optimal. Haris (1995) menjelaskan bahwa jika lag yang digunakan dalam uji
stasioneritas terlalu sedikit, maka residual dari regresi tidak akan menampilkan proses
white noise sehingga model tidak dapat mengestimasi actual error secara tepat.
Akibatnya γ dan standar kesalahan tidak diestimasi secara baik. Namun jika
memasukkan terlalu banyak lag maka dapat mengurangi kemampuan untuk menolak Ho
karena tambahan parameter yang terlalu banyak akan mengurangi degress of freedom.

Dalam penentuan lag optimal dengan menggunakan beberapa kriteria informasi , maka
dipilih kriteria yang mempunyai final prediction error corection (FPE) atau jumlah dari
AIC, SIC, dan HQ paling kecil di antara berbagai lag yang diajukan.

III. 1. 3 Uji Kausalitas Granger

Metode yang digunakan untuk menganalisis hubungan kausalitas antar variabel yang
diamati adalah dengan uji Kausalitas Granger. Uji kausalitas Granger ditujukan untuk
melihat arah hubungan antar variabel suku bunga acuan, inflasi, nilai tukar dan non
performing loan ratio.
III. 1. 4 Uji Kointegrasi

Widarjono (2007) menjelaskan bahwa salah satu pendekatan yang dapat digunakan
dalam uji kointegrasi adalah dengan metode Johansen. Uji kointegrasi metode Johansen
dapat dianalisis melalui model autoregressive dengan ordo P yang ditunjukkan oleh
persamaan berikut :

y t  A1 y t 1  ........  A p y t  p  B t  t

Dimana :
yt : vektor-k pada variabel-variabel yang tidak stasioner
 t : vektor-d pada variabel deterministik
t : vektor inovasi

Selanjutnya, persamaan tersebut dapat ditulis ulang menjadi :

p 1
y t   y t 1   i  y t i  B t  t
i 1

Dimana

p p
   Ai  I , i    A j
i 1 j  i 1

Representasi teori Granger menyebutkan bahwa koefisien matriks  memiliki


  k reduce rank yang mempunyai k   matriks  dan  dengan rank  , seperti
   dan  y t yang merupakan 0 .  merupakan bilangan kointegrasi (rank),
sedangkan tiap kolom  menunjukkan vektor kointegrasi.  lebih dikenal dengan
parameter penyesuaian pada VECM. Selanjutnya, metode Johansen digunakan untuk
mengestimasi matriks  dari unrestricted VAR dan untuk melakukan pengujian apakah
hasil reduced rank  dapat diterima atau tidak.
Selanjutnya dalam pengujian reduce rank tersebut, Johansen menggunakan dua tes
statistik yang berbeda yaitu trace test trace  dan maximum eigenvalue test  max  .
Trace test menguji H0 pada persamaan kointegrasi  sebagai kointegrasi alternatif dari
persamaan kointegrasi-k, dimana k merupakan bilangan variabel endogen untuk
  0,1,....., k  1 . Pengujian H0 melalui trace test dapat ditunjukkan melalui persamaan
berikut :

k
LRtr  k  T  log1   
i  r 1
i
Dimana i merupakan eigenvalue terbesar dari matriks  . Sedangkan maximum
eigenvalue test menguji H0 pada persamaan kointegrasi  sebagai kointegrasi alternatif
dari persamaan kointegrasi-k+1. Pengujian H0 melalui maximum eigenvalue test dapat
ditunjukkan melalui persamaan berikut :

LRmax  k  1  T log1  r 1 
 LRtr  k  LRtr   1 k ;  0,1,..., k  1

III. 1. 5 Estimasi VAR


Metode Vector Autoregression (VAR) pertama kali dikembangkan oleh Christoper Sims
(1980). Kerangka analisis yang praktis dalam model ini akan memberikan informasi
yang sistematis dan mampu menaksir dengan baik informasi dalam persamaan yang
dibentuk dari data time series. Selain itu perangkat estimasi dalam model VAR mudah
digunakan dan diintepretasikan. Perangkat estimasi yang akan digunakan dalam model
VAR ini adalah fungsi impulse respon dan variance decompotition.
Ada beberapa keuntungan dari VAR (Gujarati, 1995:387) yaitu :
1. VAR mampu melihat lebih banyak variabel dalam menganalisis fenomena ekonomi
jangka pendek dan jangka panjang.
2. VAR mampu mengkaji konsistensi model empirik dengan teori ekonometrika.

3. VAR mampu mencari pemecahan terhadap persoalan variabel runtun waktu yang
tidak stasioner ( non stasionary ) dan regresi lancung ( spurious regresion ) atau
korelasi lancung ( spurious correlation ) dalam analisis ekonometrika.
Unrestricted VAR adalah bentuk VAR yang tidak terrestriksi. Bentuk restriksi ini terkait
erat dengan permasalahan kointegrasi dan hubungan teoritis. Jika data yang digunakan
di dalam pembentukkan VAR stasioner pada tingkat level, bentuk VAR yang digunakan
adalah VAR tanpa restriksi. Jika data yang digunakan di dalam pembentukkan VAR
stasioner pada tingkat first difference, bentuk VAR yang digunakan VAR in level.

III. 1. 6 Fungsi Impulse Response


Widarjono (2007) menjelaskan bahwa analisis impulse response ini digunakan untuk
melacak respons dari variabel endogen di dalam sistem VAR karena adanya goncangan
(shocks) atau perubahan di dalam variabel gangguan (e). Impulse response dalam
penelitian ini difokuskan untuk mengetahui respon RBI, INF, EXR, dan NPL apabila
terdapat shock uRBI, uINF, uEXR, dan uNPL.
III. 1. 7 Variance Decomposition
Analisis variance decomposition atau Forecast Error decomposition of variance ini
menggambarkan relatif pentingnya setiap variabel di dalam sistem VAR karena adanya
shocks (Widarjono, 2007, hal. 383). Variance decomposition berguna untuk
memprediksi kontribusi persentase varian setiap variabel karena adanya perubahan
variabel tertentu di dalam sistem VAR. Dalam penelitian ini, variance decomposition
ditujukan untuk mengetahui proporsi varians σRBI(n)2, σINF(n)2, EXR(n)2, dan NPL(n)2
karena shock uRBI, uINF, uEXR, dan uNPL.

III. 2 Data dan Definisi Variabel


Jenis data yang digunakan dalam penelitian adalah data sekunder berupa data time
series dari bulan Juli 2005 sampai Juni 2009 yang dihimpun secara bulanan. Data
tersebut bersumber dari Statistik Indonesia terbitan Biro Pusat Statistik (BPS)
Indonesia, Statistik Ekonomi dan Keuangan Indonesia serta Statistik Perbankan
Indonesia yang telah diolah kembali.
Prosedur pengumpulan data dilaksanakan dengan metode dokumenter. Semua data yang
diperlukan dikutip dari sumber-sumber yang telah disebutkan di atas. Setelah itu, semua
data didokumentasikan dengan berlandas pada literatur-literatur yang mendukung.

Rasio Non Performing Loans (NPL) digunakan sebagai indikator risiko kredit. Variabel
moneter yang digunakan mencakup suku bunga acuan Bank Indonesia(RBI), tingkat
inflasi Indonesia (INF), dan rata-rata nilai tukar Rupiah terhadap dolar (EXR).

IV. HASIL DAN ANALISIS


IV. 1. Uji Stasioneritas (Unit Root Test)
Berdasarkan uji akar unit, keseluruhan variabelnya baru stasioner setelah
didiferensiasikan pada orde pertama. Uji dilakukan pada tingkat none. Berikut hasil dari
uji akar unit pada semua variabel pada first difference :

ADF t- MacKinnon Critical Value


Variabel Statistik Lag 1% 5% 10%
RBI *-2.173943 0 -2.616203 -1.612320 -1.612320
INF *-5.549012 0 -2.616203 -1.948140 -1.612320
EXR *-6.134623 0 -2.616203 -1.948140 -1.612320
NPL *-6.962101 0 -2.616203 -1.948140 -1.612320

Tabel 1.Hasil Uji Akar Unit BerdasarkanADF Statistik


Sumber: Hasil Estimasi Menggunakan E Views 4.1
Catatan : * Signifikan pada α = 5%
IV. 2 Penentuan Lag Length Optimal
Penentuan lag length optimal pada penelitian ini menggunakan pemilihan kriteria
informasi dengan metode Final Prediction Error (FPE), Aike Information Criterion
(AIC), Schwarz Criterion (SC), dan Hannan-Quinn (HQ). Dari hasil uji tersebut dapat
diketahui bahwa Eviews 4.1 telah merekomendasikan lag optimal pada model VAR
tersebut. Hasil menunjukkan bahwa jumlah lag optimal yang direkomendasikan adalah
lag 2. Proses pengujian dalam penentuan lag length optimal pada penelitian ini
menggunakan perangkat lunak Eviews versi 4.1 seperti pada tabel 4.2 berikut ini:

Model 1 Lag FPE AIC SC HQ


0 6822951. 27.08728 27.24787 27.14715
5137.772 19.89220 20.69516 20.19153
1
1868.948* 18.86278* 20.30811* 19.40158*
2
3 2397.545 19.06599 21.15369 19.84426

Tabel 2. Hasil Pengujian Lag Length Optimal


Sumber: Hasil Estimasi Menggunakan E Views 4.1

IV. 3 Uji Kausalitas Granger

Uji Granger menunjukkan bahwa terdapat dua hubungan kausalitas dua arah pada
persamaan Granger model 1. Hubungan kausalitas dua arah pertama terjadi dari
variabel BI rate terhadap NPL (Non Performing Loans) pada α = 5%. Hubungan
kausalitas dua arah kedua terjadi dari variabel BI rate terhadap Inflasi pada α = 5%.
Sedangkan terdapat dua hubungan kausalitas satu arah pada persamaan Granger model
1. Hubungan kausalitas satu arah pertama terjadi dari variabel Inflasi terhadap NPL
pada α = 1%. Sedangkan hubungan kausalitas satu arah kedua terjadi dari variabel NPL
terhadap EXR (Nilai Tukar) pada α = 10%.

Hipotesis Nol (Ho) Probabilitas

RBI does not Granger Cause NPL 0.03637


NPL does not Granger Cause RBI 0.02967

RBI does not Granger Cause INF 2.9E-05


INF does not Granger Cause RBI 0.04311

NPL does not Granger Cause INF 0.47653


INF does not Granger Cause NPL 0.00619

RBI does not Granger Cause EXR 0.77023


EXR does not Granger Cause RBI 0.40817
NPL does not Granger Cause EXR 0.07135
EXR does not Granger Cause NPL 0.30123

INF does not Granger Cause EXR 0.99104


EXR does not Granger Cause INF 0.58429
Tabel 3. Hasil Pengujian Granger Causility
Sumber: Hasil Estimasi Menggunakan E Views 4.1

IV. 4 Uji Kointegrasi


Uji kointegrasi dilakukan untuk mengetahui kemungkinan terjadinya kestabilan jangka
panjang (long run equilibrium) diantara variabel-variabel yang diamati. Uji kointegrasi
dalam penelitian menggunakan pendekatan Johansen.
Date: 09/10/09 Time: 18:53
Sample(adjusted): 2005:10 2009:06
Included observations: 45 after adjusting endpoints
Trend assumption: No deterministic trend
Series: EXR INF NPL RBI
Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test


Hypothesized Trace 5 Percent 1 Percent
No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.359428 37.47918 39.89 45.58
At most 1 0.215207 17.43648 24.31 29.75
At most 2 0.135099 6.531376 12.53 16.31
At most 3 1.75E-06 7.88E-05 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level
Trace test indicates no cointegration at both 5% and 1% levels

Hypothesized Max-Eigen 5 Percent 1 Percent


No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.359428 20.04270 23.80 28.82
At most 1 0.215207 10.90510 17.89 22.99
At most 2 0.135099 6.531297 11.44 15.69
At most 3 1.75E-06 7.88E-05 3.84 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level
Max-eigenvalue test indicates no cointegration at both 5% and 1% levels

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):


EXR INF NPL RBI
-0.000361 -0.743070 -0.483825 1.501823
-0.000693 -0.339684 -1.459304 1.913761
0.000161 -0.152977 0.022388 -0.092750
0.000546 0.161579 -0.041575 -0.646878

Tabel 4. Hasil Uji Kointegrasi


Sumber: Hasil Estimasi Menggunakan E Views 4.1
Dari hasil tersebut, dapat diketahui bahwa tidak terjadi hubungan kointegrasi dalam
model pertama. Pada tabel hasil estimasi uji kointegrasi dapat diketahui bahwa nilai
Trace Statistic dan Max Eigen Statistic masing-masing lebih kecil daripada Critical
Valuenya baik pada tingkat 5% maupun 1%. Setelah diketahui tidak terdapat hubungan
kointegrasi pada tiap variabel, maka dapat dipastikan bahwa model yang digunakan
adalah VAR (Vector Auto Regression) bentuk diferensi.

IV. 5 Hasil Estimasi VAR bentuk Diferensi


Setelah dilakukan pengolahan data melalui model VAR bentuk diferensi dengan
menggunakan software E-Views maka hasilnya dapat diketahui sebagai berikut :
Tabel 5. Hasil Estimasi VAR bentuk Diferensi
Sumber: Hasil Estimasi Menggunakan E Views 4.1

Pada umumnya, hasil koefisien pada persamaan VAR di atas sulit untuk
diintepretasikan sehingga banyak praktisi menyarankan menggunakan impulse respon
function.

IV. 6 Hasil Impulse Response


Pembahasan mengenai impulse response pada persamaan VAR bentuk diferensi
difokuskan pada respon variabel NPL terhadap shock variabel BI rate, Inflasi, dan Nilai
tukar. Sumbu horisontal menunjukkan periode waktu, dimana satu periode mewakili
satu bulan. Sedangkan sumbu vertikal menunjukkan perubahan NPL akibat shock
variabel tertentu, dimana perubahan ini dinyatakan dalam satuan SE (Standart Error).
Gambar 1. Respon NPL terhadap shock BI rate
Sumber: Hasil Estimasi Menggunakan E-Views 4.1

Dari gambar di atas dapat dilihat bahwa shock variabel BI rate direspon negatif dari
periode kedua sebesar -0,0946SE terhadap NPL. Namun pada periode ketiga terjadi
respon positif 0,0148% dan terus meningkat pada periode keempat hingga mencapai
0,0620SE.Selanjutnya secara bertahap menuju ke titik equilibrium pada periode
kesepuluh.
NPL merespon negatif terhadap shock BI rate di awal periode, hal ini disebabkan karena
pergerakan BI rate mencerminkan tingkat risiko dalam perekonomian yang
bersangkutan. Ketika bank sentral meningkatkan BI rate hal ini mencerminkan bahwa
tingkat inflasi dalam perekonomian tersebut mengalami kenaikkan.
Dalam jangka pendek hal ini direspon oleh perbankan dengan meningkatkan suku
bunga kredit sehingga permintaan terhadap kredit turun untuk sementara waktu. Hal ini
menyebabkan turunnya risiko kredit yang tercermin dari rasio NPL. Namun seiring
berjalannya waktu, risiko kredit kembali meningkat karena suku bunga kredit yang
meningkat menyebabkan debitur kesulitan dalam melunasi kreditnya. Respon NPL
tersebut kemudian berangsur-angsur kembali ketitik equilibrium pada periode ke 10.

Gambar 2. Respon NPL terhadap shock Inflasi


Sumber: Hasil Estimasi Menggunakan E-Views 4.1
Dari gambar tersebut, diketahui bahwa NPL merespon positif terhadap shock yang
ditimbulkan oleh inflasi. Ketika terjadi guncangan inflasi, maka nilai riil mata uang
yang bersangkutan akan menurun.
Hal ini karena jumlah uang yang beredar melebihi jumlah barang. Merespon shock
tersebut, terjadi peningkatan pada rasio NPL di periode kedua sebesar 0,024SE hingga
puncaknya di periode ketiga sebesar 0,11SE. Namun setelah periode ketiga, respon NPL
kembali melemah hingga akhirnya kembali ketitik ekuilibrium pada periode ke 8 hingga
periode akhir.

Gambar 3. Respon NPL terhadap shock nilai tukar


Sumber: Hasil Estimasi Menggunakan E-Views 4.1

Respon NPL terhadap shock nilai tukar dalam jangka pendek tidak begitu signifikan dan
berangsur mulai stabil di periode ke 7. Hal ini disebabkan karena sebagian besar
pinjaman atau kredit dalam bentuk mata uang asing adalah pinjaman berjangka waktu
panjang, sehingga shock nilai tukar dalam jangka pendek kurang mendapat respon yang
signifikan oleh rasio NPL.
IV. 7 Hasil Variance Decomposition
Hasil variance decomposition pada persamaan VAR bentuk diferensi difokuskan pada
konstribusi shock variabel BI rate, inflasi, dan nilai tukar terhadap rasio NPL. Hal ini
dapat dilihat pada tabel berikut:

Period S.E. D(EXR) D(INF) D(NPL) D(RBI)


1 442.8265 0.955048 0.573012 98.47194 0.000000
2 453.4841 1.116010 0.961456 91.54621 6.376321
3 474.5919 2.060039 9.818978 82.26012 5.860865
4 477.3495 2.156521 9.693013 80.05429 8.096173
5 478.3245 2.246004 9.757910 79.84434 8.151749
6 478.5255 2.371952 9.928441 79.54892 8.150689
7 478.5618 2.369469 9.927476 79.45191 8.251146
8 478.5820 2.373806 9.926326 79.43735 8.262521
9 478.5874 2.373860 9.929176 79.43450 8.262460
10 478.5879 2.374554 9.929456 79.43149 8.264503

Tabel 6. Hasil Estimasi VAR bentuk Diferensi


Sumber: Hasil Estimasi Menggunakan E Views 4.1

Pada periode pertama varians NPL yang dijelaskan oleh variabel itu sendiri sebesar
98,47%. Pada periode kedua, varians NPL dapat dijelaskan oleh variabel itu sendiri
sebesar 91,54%. Sisanya dijelaskan oleh variabel BI rate sebesar 6,37%, inflasi sebesar
0,9614% dan nilai tukar sebesar 1,11%. Kontribusi variabel BI rate dalam menjelaskan
varians NPL mulai stabil dari periode ke empat hingga periode ke sepuluh, yakni
berkisar di tingkat 8%.
Sedangkan kontribusi variabel Inflasi terhadap varians NPL mulai meningkat drastis di
periode ke tiga di tingkat 9,81% dan besarnya stabil hingga periode ke sepuluh di
kisaran 9,92%.
Kontibusi variabel nilai tukar dimulai pada tingkatan 0,95% pada periode pertama dan
kemudian meningkat hingga kisaran 2,06% di periode ke tiga. Setelah itu tidak
mengalami perubahan yang signifikan hingga periode ke sepuluh berada di tingkat
2,37%.

Kontribusi total ketiga variabel moneter tersebut dalam jangka pendek terhadap
perubahan NPL hanya sebesar 21%. Sebanyak kurang lebih 79% varians NPL
dipengaruhi oleh variabel NPL sendiri. Variabel suku bunga acuan hanya memiliki
kontribusi sekitar 9%, begitu juga dengan variabel inflasi. Sedangkan variabel nilai
tukar memiliki kontribusi terkecil, yakni sebesar 2% dalam periode akhir.
IV. 8 Tinjauan Kualitatif

Selama kurun waktu 2008 – 2009, suku bunga kredit sangat lambat dalam merespon
perubahan suku bunga acuan. Hal ini diperkirakan karena perbankan masih ragu
terhadap tingkat risiko kredit di Indonesia sehingga respon perubahan suku bunga kredit
berjalan lambat. Selain itu, kondisi ekonomi makro juga dinilai belum stabil dan dapat
menyebabkan risiko kredit meningkat, yang tercermin dari rasio Non Performing Loans
di Indonesia. Gambaran kondisi hingga saat ini dapat diketahui dari grafik berikut :

Grafik2. Laju BI Rate, Inflasi, dan NPL sejak quartal 3 tahun 2005 hingga quartal 2 tahun 2009.
Sumber: Statistik Perbankan Indonesia, diolah

Laju rasio NPL dari kuartal ketiga tahun 2005 secara positif merespon inflasi. Ketika
laju inflasi mengalami peningkatan di tahun 2006, NPL merespon hal serupa. Begitu
juga dengan pergerakan BI rate. Walaupun terkadang respon NPL terhadap perubahan
BI rate bersifat negatif. Seperti pada pergerakan NPL, BI rate, dan inflasi di tahun 2008
hingga 2009. Ketika inflasi mengalami peningkatan, begitu juga dengan respon suku
bunga acuan yang mengikuti pergerakan inflasi, laju NPL merespon negatif, mengalami
penurunan dan kemudian kembali meningkat di kuartal pertama dan kedua tahun 2009.
Hal ini menjelaskan bahwa masih banyak faktor di luar konteks variabel moneter yang
mempengaruhi laju NPL itu sendiri.
V. KESIMPULAN DAN REKOMENDASI KEBIJAKAN
Paper ini bertujuan untuk mengetahui dampak terjadinya shock variabel moneter
terhadap NPL di Indonesia, dimana variabel moneter mencakup suku bunga acuan,
inflasi, dan nilai tukar. Tingkat suku bunga kredit yang sulit untuk mengalami
penurunan, diperkirakan disebabkan oleh risiko kredit yang masih tinggi yang tercermin
dari rasio NPL. Guncangan variabel moneter sendiri dikhawatirkan berdampak pada
peningkatan NPL sehingga perbankan makin enggan untuk menurunkan tingkat suku
bunga kreditnya.
Hasil uji kausalitas granger menyimpulkan bahwa terdapat dua hubungan kausalitas dua
arah, yakni antara variabel NPL dengan BI rate dan antara variabel BI rate dengan
Inflasi. Hal ini mengindikasikan bahwa antara BI rate dan NPL serta antara BI rate
dengan tingkat inflasi terdapat hubungan saling mempengaruhi. Sedangkan hubungan
kausalitas satu arah terjadi antara variabel inflasi dengan NPL serta variabel nilai tukar
dengan NPL. Hal ini berarti baik variabel inflasi dan nilai tukar mempengaruhi
perubahan NPL namun NPL tidak memiliki pengaruh terhadap perubahan nilai tukar
maupun inflasi.
Uji kointegrasi menunjukkan bahwa tidak terdapat hubungan kointegrasi antara
keempat variabel tersebut. Sehingga disimpulkan bahwa hubungan antara variabel NPL,
BI rate, inflasi, dan nilai tukar hanya bersifat jangka pendek dan dalam jangka panjang
keempat variabel tersebut tidak bergerak menuju equilibrium.
Hasil impulse response menunjukkan bahwa shock variabel BI rate direspon negatif
oleh NPL. Sedangkan shock nilai tukar dan inflasi direspon positif oleh NPL walaupun
respon yang diberikan hanya hingga periode ketujuh, setelah itu NPL mulai menuju
kembali ke titik keseimbangan.
Hasil varianve decomposition menunjukan bahwa diantara ketiga variabel moneter
tersebut, kontribusi terbersar dalam mempengaruhi NPL dimiliki oleh variabel BI rate
dan inflasi yakni sebesar 9%. Sedangkan variabel nilai tukar hanya berkontribusi sekitar
2%. Hal ini menunjukkan bahwa sebenarnya pengaruh variabel moneter dalam jangka
pendek, dalam hal ini suku bunga acuan, inflasi, dan nilai tukar, tidak begitu besar
terhadap perubahan risiko kredit yang dicerminkan melalui NPL. Sehingga bentuk dari
kebijakan moneter yang terfokus dalam usaha menstabilkan tingkat harga tidak
memiliki dampak yang kuat dalam mempengaruhi risiko kredit dan penyalurannya.
Dari hasil tersebut, maka disimpulkan dalam usaha peningkatan penyaluran kredit
dengan memaksimalkan fungsi perbankan sebagai intermediaris dan mengurangi risiko
kredit, kurang dapat berjalan dengan memanfaatkan salah satu jalur transmisi kebijakan
moneter saja. Selain itu, melihat kecilnya kontribusi variabel moneter yang diteliti
terhadap perubahan NPL, dimungkinkan terdapat faktor lain yang lebih memiliki
pengaruh dan kontribusi besar dalam perubahan risiko kredit.
Setelah menarik kesimpulan dari penelitian ini, penulis merekomendasikan beberapa
kebijakan, antara lain :
1. Terus melakukan kebijakan moneter yang ekspansif dengan hati-hati.
Dengan kebijakan moneter yang ekspansif seperti menurunkan suku bunga acuan
diharapkan dapat mempengaruhi penurunan risiko kredit yang berakhir pada
penurunan suku bunga pinjaman sehingga fungsi intermediaris perbankan dapat
berjalan optimal.
2. Melakukan sinkronisasi dengan jenis kebijakan yang lain.
Bank Sentral dapat mensinkronisasikan kebijakan moneter dengan jenis kebijakan
yang lain seperti misalnya kebijakan fiskal, sehingga antara sektor riil dan moneter
dapat saling bekerja sama terutama dalam mengurangi risiko kredit.
3. Membuat peraturan tentang batas minimum penyaluran DPK.
Langkah ini membutuhkan ketegasan dari bank sentral dan dinilai lebih efektif jika
dibandingkan dengan menstimulus turunya suku bunga pinjaman dengan
menurunkan suku bunga acuan (BI rate).
Namun demikian hasil dari kesimpulan dan rekomendasi kebijakan harus
dipertimbangkan secara hati-hati mengingat kecilnya jumlah sampel yang
digunakan dan efek dari kebijakan yang diambil terhadap kondisi perekonomian di
Indonesia.
Daftar Pustaka

Bank Indonesia. Berbagai tahun . Statistik Perbankan Indonesia. Beberapa Nomor


Penerbitan. Jakarta
Bank Indonesia, Berbagai tahun. Statistik Ekonomi Keuangan Indonesia, Beberapa
Nomor Penerbitan, Jakarta.
Blanchard, Olivier. 2006. Macroeconomics. Fourth Edition. Upper Saddle River, New-
Jersey: Prentice-Hall, Inc

Frank, Robert H dan Ben S. Bernanke. 2004. Principles of Macroeconomics. Second


Edition. New York : Mc Graw-Hill/Irwin.

Harris, Richard.1995.Cointegration Analysis in Econometric Modelling.New


York:Prentice Hall.

Jimenez, Gabriel dan Steven Ongena. 2008. Hazardous Times for Monetary Policy:
What Do Twenty-Three Million Bank Loans Say About The Effects of Monetary
Policy on Credit Risk-Taking?. Banco de Espana. Working Paper no.0833
McEachern, William A. 2000. Ekonomi Makro: Pendekatan Kontemporer. Terjemahan.
Sigit Triandaru. 2000. Economics: a Contemporary Introduction. 2000. Jakarta:
Salemba Empat

Miller, Roger Leroy. 2001. Economics Today. 2001-2002 Edition. New York: Addison
Wesley Longman Inc.

Nopirin. 1992. Ekonomi Moneter Edisi 2. Yogyakarta: BPFE UGM.

Nugraha, R. Aga. 2007. Respon Suku Bunga dan Kredit Bank di Bali terhadap
Kebijakan Moneter Bank Indonesia. Bali : Bank Indonesia, Denpasar.

Rahardja, Pratama., Mandala Manurung. 2001. Teori Makro Ekonomi : Suatu


Pengantar. Jakarta : LPFE Universitas Indonesia.

Sjamsul Arifin, Charles P.R. Joseph, dkk. (2007), IMF dan Stabilitas Keuangan
Internasional. Jakarta: Bank Indonesia. Hal 11-15.
Warjiyo, Perry., Solikin. 2003. Kebijakan Moneter di Indonesia. Jakarta : PPSK Bank
Indonesia.

Widarjono, Agus. 2007. Ekonometrika: Teori dan Aplikasi. Yogyakarta: Ekonisia


Fakultas Ekonomi UII