Proposal TA - Rayhan Rizqi Sulaiman - 103219053-11012023

PENGARUH KONDISI MAKROEKONOMI DAN PANDEMI
COVID-19 TERHADAP NON-PERFORMING LOAN (NPL)
PROPOSAL TUGAS AKHIR
Oleh:
Rayhan Rizqi Sulaiman
103219053
FAKULTAS EKONOMI DAN BISNIS

PROGRAM STUDI EKONOMI
UNIVERSITAS PERTAMINA
JANUARI 2023
LEMBAR PENGESAHAN PROPOSAL
Judul Proposal Tugas Akhir : Pengaruh Kondisi Makroekonomi dan
Pandemi Covid-19 Terhadap Non-
Performing Loan (NPL)
Nama Mahasiswa : Rayhan Rizqi Sulaiman
Nomor Induk Mahasiswa : 103219053
Program Studi : Ekonomi
Fakultas : Ekonomi dan bisnis
Jakarta, 10 Januari 2023
MENGESAHKAN,
Pembimbing : Nama : Nursechafia, S.E., M.Si.
NIP : 116076
Tanda Tangan :
MENGETAHUI,
Koordinator Tugas Akhir Program Studi Ekonomi
Dr. Feriansyah, S.E., M.Si.

NIP. 119015
Universitas Pertamina - ii
RINGKASAN
Rayhan Rizqi Sulaiman, 103219053. Pengaruh Kondisi Makroekonomi dan Pandemi Covid-19
Terhadap Non-Performing Loan (NPL).
Non-Performing Loan (NPL) menjadi salah satu alat ukur dalam melihat stabilitas sistem keuangan
di Indonesia. Variabel makroekonomi memiliki peran penting dalam kenaikan atapun penurunan
dalam Non-Performing Loan (NPL). Adanya pandemi Covid-19 menimbulkan dampak terhadap
peningkatan nilai Non-Performing Loan (NPL). Penelitian ini memiliki tujuan yaitu menganalisis
pengaruh variabel makroekonomi dan dampak pandemi Covid-19 terhadap Non-Performing Loan
(NPL). Dengan menggunakan data berjenis triwulan dari tahun 2010 hingga 2022. Data dianalisis
dengan metode Auto Regressive Distributed Lag (ARDL), dalam pengujian hubungan jangka
panjang menggunakan bound test ditemukan bahwa terdapat hubungan jangka panjang antara
variabel makroekonomi dengan Non-Performing Loan (NPL). Pada hubungan jangka panjang hasil
Penelitian menunjukkan Indeks Produksi Industri (IPI) berpengaruh negatif signifikan, inflasi, nilai
tukar, suku bunga acuan bank sentral dan dummy Covid-19 berpengaruh positif signifikan terhadap
Non-Performing Loan (NPL). Pada hubungan jangka pendek hasil penelitian menunjukkan inflasi,
nilai tukar dan suku bunga acuan bank sentral berpengaruh signifikan sedangka Indeks Produksi
Industri (IPI) tidak terdapat hubungan jangka pendek terhadap Non-Performing Loan (NPL).
Kata kunci: Stabilitas sistem keuangan, Non-Performing Loan, Makroekonomi, Covid-19, Auto
Regressive Distributed Lag (ARDL)
Universitas Pertamina - iii

KATA PENGANTAR
Segala puji bagi Tuhan Yang Maha Esa, atas karuniaNya, pada akhirnya penulis bisa
menyelesaikan Penulisan Proposal Tugas Akhir dengan judul “Pengaruh Kondisi Makroekonomi
dan Pandemi Covid-19 Terhadap Non-Performing Loan (NPL)” ini bertujuan sebagai salah satu
syarat dari mata kuliah Tugas Akhir yang dibimbing oleh Ibu Nursechafia, S.E., M.Ec.
Adapun ucapan terima kasih dari penulis untuk kerabat dekat karena memberikan dukungan
serta saran sehingga terselesaikannya proposal ini, oleh karena itu penulis ingin mengucapkan terima
kasih kepada:
1. Ibu Nursechafia, S.E., M.Ec. yang sudah membimbing serta memberi saran kepada saya
sehingga proposal ini dapat diselesaikan dengan baik
2. Teman kampus, yang selalu memberikan semangat kepada saya sehinga saya mampus
menyelesaikan proposal ini dapat diselesaikan dengan baik.
Dalam Penyusunan proposal tugas akhir ini, penulis menyadari sepenuhnya bahwa proposal
tugas akhir ini masih jauh dari kesempurnaan karena pengalaman dan pengetahuan penulis yang
terbatas. Oleh karena itu, kritik dan saran dari semua pihak sangat penulis harapkan demi terciptanya
proposal tugas akhir yang lebih baik lagi untuk masa mendatang.
Jakarta, 10 Januari 2023
Rayhan Rizqi S
Universitas Pertamina - iv
DAFTAR ISI
LEMBAR PENGESAHAN PROPOSAL...........................................................................................ii

RINGKASAN....................................................................................................................................iii
KATA PENGANTAR........................................................................................................................iv
DAFTAR ISI.......................................................................................................................................v
DAFTAR TABEL.............................................................................................................................vii
DAFTAR GAMBAR.......................................................................................................................viii
BAB I PENDAHULUAN...................................................................................................................1
1.1 Latar Belakang...........................................................................................................................1
1.2 Perumusan Masalah...................................................................................................................7
1.3 Tujuan........................................................................................................................................7
1.4 Manfaat......................................................................................................................................8
1.5 Ruang Lingkup Penelitian.........................................................................................................8
BAB II TINJAUAN LITERATUR.....................................................................................................9
2.1 Stabilitas Sistem Keuangan.......................................................................................................9
2.2 Non-Performing Loan (NPL)..................................................................................................11
2.3 Faktor – Faktor yang Mempengaruhi NPL.............................................................................11
2.3.1 Indeks Produksi Industri (IPI)..........................................................................................12
2.3.2 Inflasi................................................................................................................................12
2.3.3 Nilai Tukar........................................................................................................................13
2.3.4 Suku Bunga Acuan Bank Sentral.....................................................................................14
2.4 Pandemi Covid-19...................................................................................................................15
2.5 Tinjauan Empiris.....................................................................................................................15
2.6 Kerangka Penelitian.................................................................................................................17
2.7 Hipotesis..................................................................................................................................18
BAB III METODOLOGI PENELITIAN..........................................................................................19
3.1 Waktu dan Tempat Penelitian.................................................................................................19
3.2 Jenis dan Sumber Data............................................................................................................19
3.3 Metode Analisis.......................................................................................................................19
3.3.1 Autoregressive Distributed Lag (ARDL).........................................................................20
3.3.2 Uji Stasioneritas................................................................................................................20
3.3.3 Penentuan Lag Optimum..................................................................................................21
3.3.4 Uji Kointegrasi Bound Test..............................................................................................21
3.3.5 Uji Asumsi Klasik............................................................................................................21
3.3.5.1 Uji Autokorelasi........................................................................................................22
Universitas Pertamina - v
3.3.5.2 Uji Normalitas...........................................................................................................22
3.3.5.3 Uji Heteroskedastisitas..............................................................................................22
3.3.5.4 Uji Linearitas.............................................................................................................23
3.4 Model Penelitian......................................................................................................................23
BAB IV JADWAL DAN RANCANGAN BIAYA..........................................................................25
4.1 Jadwal......................................................................................................................................25
4.2 Anggaran Biaya.......................................................................................................................25
DAFTAR PUSTAKA........................................................................................................................26
Universitas Pertamina - vi
DAFTAR TABEL
Tabel 2. 1 Tingkat Kesehatan Rasio Non-Performing Loan.................................................................
Tabel 2. 2 Penelitian Terdahulu.............................................................................................................
Tabel 3. 1 Jenis dan Sumber Data 26

Tabel 4. 1 Jadwal Kegiatan
Tabel 4. 2 Anggaran Biaya
Universitas Pertamina - vii

DAFTAR GAMBAR
Gambar 1. 1 Pertumbuhan Indeks Harga Konsumen 2010 - 2022........................................................
Gambar 1. 2 Pertumbuhan Suku Bunga Acuan Bank Sentral 2010-2022.............................................
Gambar 1. 3 Indeks Produksi Industri (IPI) 2010-2022........................................................................
Gambar 1. 4 Nilai Tukar Rupiah terhadap Dollar 2010-2022...............................................................
Gambar 1. 5 Rasio Non-Performing Loan (NPL) 2010-2022...............................................................
Gambar 2. 1 Kerangka Penelitian
Universitas Pertamina - viii

BAB I PENDAHULUAN
1.1 Latar Belakang
Menurut Undang - Undang No. 7 tahun 1992 tentang perbankan disebutkan bahwa bank
merupakan badan usaha yang mengumpulkan / menghimpun dana dari rakyat dalam bentuk
simpanan dan mendistribusikannya kepada rakyat dalam bentuk kredit dan atau bentuk lainnya
dalam rangka meningkatkan taraf hidup rakyat. Putra & Saraswati (2020) mengungkapkan bahwa
kegiatan pokok bank adalah mengumpulkan dana dari rakyat dan menyalurkannya kembali (dalam
bentuk kredit) pada rakyat untuk banyak tujuan. Salah satu risiko yang terdapat dalam industri
perbankan merupakan resiko tidak terbayarnya kredit yang diberikan kepada peminjam, hal ini
akan berpengaruh kepada angka Non-Performing Loan (NPL) Margaretha & Kalista (2016). Non-
Performing Loan (NPL) / kredit bermasalah merupakan keadaan nasabah tidak mampu membayar
kewajibannya terhadap bank bagi secara sebagian ataupun keseluruhan yang sesuai dengan
kesepakatan (Fitria & Sari, 2012). Besarnya nilai NPL menandakan bahwa bank memiliki kondisi
yang tidak sehat dan dinilai tidak profesional dalam mengelola jasa kreditnya yang berujung pada
kerugian bank (Octaviani & Andriyani, 2018).
4
3.5
2.5
1.5
0.5
0
q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1 q3 q1
10/ 10/ 11/ 11/ 12/ 12/ 13/ 13/ 14/ 14/ 15/ 15/ 16/ 16/ 17/ 17/ 18/ 18/ 19/ 19/ 20/ 20/ 21/ 21/ 22/
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
Gambar 1. 1 Rasio Non-Performing Loan (NPL) 2010-2022
Sumber: CEIC (2022)

Berdasarkan gambar 1.1 perkembangan nilai NPL di Indonesia dari tahun 2010 hingga 2022
memiliki nilai yang volatil, artinya nilai tersebut tidak pernah stabil. Dari tahun 2013 data
menunjukkan nilai NPL yang sellau mengalami peningkatan hingga 2022. Pada awal 2020 terjadi
wabah penyakit Covid-19 dan berganti status menjadi pandemi, penyakit tersebut masuk ke
Indonesia dengan cepat. Pandemi ini memberikan dampak kepada sistem keuangan dan ekonomi di
Indonesia (Hardiyanti & Aziz, 2021; Indriyani & Tiwu, 2020) . Terjadi kepanikan kepada
masyarakat, dunia usaha dan pemerintah. Pemerintah mengeluarkan berbagai kebijakan demi
mencegah seperti Pembatasan Sosial Skala Besar (PSBB) dan Pemberlakuan Pembatasan Kegiatan
Masyarakat (PPKM). Hal ini membuat perekonomian Indonesia melambat, banyak perusahaan
yang mem-PHK karyawannya diakibatkan bisnis mereka turun drastis. Sehingga hal ini berdampak
kepada nilai kredit macet yang semakin meninggi dikala masa pandemi Covid-19. Indriyani &
Tiwu (2020) menyatakan bahwa adanya pandemi Covid-19 meningkatkan nilai Non-Performing
Loan (NPL) pada perbankan konvensional umum. Pada gambar 1.5 terlihat bahwa nilai rasio Non-
Universitas Pertamina - 1
Performing Loan (NPL) Indonesia mengalami peningkatan dari tahun 2019 ke 2020 (pada awal
masa pandemi) dan terus meningkat hingga tahun 2021 kuartal 2. Pada 2022 NPL cenderung
menurun hal ini dikarenakan NPL mulai memasuki masa masa recovery/pemulihan terhadap dari
pandemi Covid-19.
Non-Performing Loan (NPL) yang tinggi memiliki dampak kepada perekonomian dengan
kondisi ketidakstabilan sistem keuangan. Crockett (1996) berargumen bahwa kesehatan dan
stabilitas sistem perbankan merupakan salah satu bagian dari stabilitas keuangan yang berkaitan
erat dengan kesehatan perekonomian. Aspachs-Bracons et al. (2007) berargumen bahwa
kemungkinan gagal bayar dalam kredit merupakan kunci utama untuk dipertimbangkan pada saat
menganalisis pengawasan makroprudensial dan kerentanan keuangan. Us (2016) stabilitas sistem
keuangan merupakan kondisi yang ditandai dengan rasio Non-Performing Loan (NPL) yang
mempengaruhi perekonomian dan sistem keuangan dengan keseluruhan. Maka stabilitas sistem
keuangan dalam suatu negara tercapai jika sistem perbankan bugar dan akan berdampak kepada
perekonomian negara yang baik. Maka dapat disimpulkan bahwa risiko kredit macet yang
digambarkan melalui Non-Performing Loan (NPL) dapat menggambarkan stabilitas sistem
keuangan hal ini didukung oleh Lehner dalam Viphindratin et al. (2021) bahwa beberapa faktor
pengaruh stabilitas sistem keuangan secara teori adalah nilai tukar, suku bunga, rasio kredit macet
dan inflasi. Terbukti pada krisis keuangan tahun 1997/1998 di Indonesia berdampak menurunnya
kepercayaan masyarakat pada bank sehingga terjadi penarikan dana besar - besaran. Adapun
dampak dari kejadian ini adalah kredit yang diberikan bank kepada perusahaan besar dengan
jumlah yang besar terdampak krisis keuangan tersebut sehingga meningkatkan angka kredit macet /
Non-Performing Loan (NPL) netto hampir menyentuh 40% (Bank Indonesia, 2004) Hal ini
memicu tinggi angka likuiditas bank juga buruknya stabilitas sistem keuangan di Indonesia
(Syaputra & Adry, 2019).
Bank juga memiliki peran besar dalam memastikan kelancaran sistem keuangan melalui
perannya dalam mengalokasikan sumber daya keuangan (Nursechafia & Abduh, 2014) . Sebagai
lembaga yang penting dalam menunjang perekonomian, sistem perbankan juga merefleksikan
kondisi perekonomian negara secara keseluruhan. Ada potensi besar bagi kinerja bank turun ketika
perekonomian stagnasi atau resesi (Nursechafia & Abduh, 2014). Sehingga variabel makroekonomi
juga dapat memberikan dampak kepada perbankan melalui nilai NPL. Agar pembangunan nasional
tercapai melalui perekonomian maka bank berperan penopang modal usaha harus berada dalam
posisi yang jauh dan aman dari resiko kerugian, NPL yang tinggi merupakan situasi yang dihindari
dalam industri perbankan. Cornock (2018) mengungkapkan bahwa penggunaan variabel
makroekonomi digunakan hal ini dikarenakan variabel makroekonomi dapat berpengaruh terhadap
likuiditas bank sehingga dijadikan salah satu faktor penentu dalam tingkat Non-Performing Loan
(NPL). (Festiæ & Bekõ, 2008) berpendapat bahwa kondisi tingginya NPL dipengaruhi oleh salah
satunya adalah variabel makroekonomi, hal ini dikarenakan variabel makroekonomi berdampak
banyak pada sektor perbankan. Adapun penggunaan variabel makroekonomi yang memengaruhi
dalam pergerakan rasio Non-Performing Loan (NPL) adalah pertumbuhan ekonomi, nilai tukar,
suku bunga acuan bank sentral dan inflasi (Haniifah, 2015; Kepli et al., 2021; Nugroho et al., 2021;
Muljaningsih & Wulandari, 2019).
Variabel makroekonomi pertama adalah inflasi. Inflasi merupakan variabel yang memiliki
peran dalam peningkatan rasio kredit macet hal ini bisa dilihat ketika inflasi yang sedang tinggi
dapat membuat harga harga kebutuhan masyarakat meningkat, sehingga peminjam akan lebih besar
mengeluarkan biaya dalam kebutuhan hidup dan dapat membuat peminjam menjadi kesulitan untuk
membayar kewajiban kepada bank, juga inflasi yang meningkat dapat direspon dengan transmisi
kebijakan moneter dengan jalur suku bunga acuan bank sentral yang meningkat, hal ini dapat
berdampak pada naiknya suku bunga kredit sehingga peminjam akan mendapatkan beban yang
lebih saat mengembalikan kewajibannya kepada bank. Peyavali & Sheefeni (2015) menemukan
hasil bahwa terdapat hubungan inflasi terhadap Non-Performing Loan (NPL).
Variabel makroekonomi kedua adalah Suku bunga acuan BI. Suku bunga acuan BI yang
dibuat oleh Bank Indonesia merupakan faktor utama dalam meningkatnya suku bunga kredit.
Melewati transmisi kebijakan moneter dengan jalur suku bunga maka ketika Bank Indonesia
menaikkan besaran BI7DRR, secara perlahan bank umum akan meningkatkan suku bunga kredit,
tentunya hal ini akan memberikan beban bagi debitur untuk membayar kewajiban mereka kepada
bank, dari kasus ini timbulah potensi bahwa besaran rasio kredit macet dapat dipengaruhi oleh suku
bunga acuan bank sentral. Sinaga et al. (2020) menemukan hasil bahwa terdapat hubungan suku
bunga acuan bank sentral terhadap Non-Performing Loan (NPL).
160.000
140.000
120.000
100.000
80.000
60.000
40.000
20.000
0.000
1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1
/q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q
010 010 011 011 012 012 013 013 014 014 015 015 016 016 017 017 018 018 019 019 020 020 021 021 022
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Gambar 1. 2 Indeks Produksi Industri 2010-2022
Sumber: CEIC (2022)
Variabel makroekonomi ketiga adalah Indeks Produksi Industri, Indeks Produksi Industri
merupakan nilai yang mencakup output fisik dari segala tahap produksi pada industri gas,
manufaktur, pertambangan dan utilitas listrik (McGuckin, 2000) . Menurut (OECD, 2012) ,
mengungkapkan bahwa nilai dari indeks Produksi Industri (IPI) dapat menggambarkan pergerakan
yang sama dengan PDB. Pertumbuhan ekonomi berperan dalam besaran rasio kredit macet hal ini
dikarenakan ketika pertumbuhan ekonomi meningkat maka pendapatan masyarakat dan perusahaan
akan meningkat sehingga hal ini akan mengurangi kredit macet. Pada gambar 1.2 menunjukkan
penurunan nilai IPI pada tahun 2020 membuat peningkatan ketika IPI menurun di 2020 nilai NPL
pun mengalami peningkatan. Kepli et al. (2021) menemukan hasil bahwa terdapat hubungan Indeks
Produksi Industri (IPI) terhadap Non-Performing Loan (NPL).
Gambar 1. 3 Nilai Tukar Dollar terhadap Rupiah 2010-2022
18000
16000
14000
12000
10000
8000
6000
4000
2000
0
1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1 3 1
/q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q /q
010 010 011 011 012 012 013 013 014 014 015 015 016 016 017 017 018 018 019 019 020 020 021 021 022
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Sumber: CEIC (2022)

Variabel makroekonomi keempat adalah nilai tukar. Nilai tukar memiliki pengaruh dalam
memainkan nilai rasio kredit macet, hal ini dikarenakan pelaku ekonomi baik masyarakat maupun
perusahaan masih cenderung menggunakan produk impor untuk konsumsi dan sebagai bahan baku
produksi. Terdepresiasinya Rupiah hal ini akan membuat pengimpor semakin mahal dalam
membeli barang sehingga dari kasus ini berpotensi meningkatnya rasio kredit macet. Pada gambar
1.3 menunjukkan depresiasi Rupiah pada tahun 2020 membuat peningkatan pada nilai NPL di
tahun yang sama. Beck et al. (2013) menemukan hasil bahwa terdapat hubungan nilai tukar
terhadap Non-Performing Loan (NPL).
Penelitian yang dilakukan oleh Haniifah (2015) inflasi, suku bunga dan pertumbuhan PDB
memiliki pengaruh negatif dan tidak signifikan terhadap NPL, suku bunga berpengaruh negatif dan
signifikan terhadap NPL. Dengan menggunakan metode ARDL yang dilakukan oleh Kepli et al.
(2021) Pada jangka panjang nilai tukar memiliki pengaruh positif dan signifikan terhadap NPL. IPI
dan uang beredar memiliki pengaruh negatif dan signifikan terhadap NPL. Inflasi memiliki
pengaruh positif namun tidak signifikan terhadap NPL Pada jangka pendek hanya IPI dan inflasi
yang signifikan terhadap NPL. Penelitian yang dilakukan oleh Nugroho et al. (2021) inflasi dan
nilai tukar memiliki pengaruh signifikan terhadap NPL dan suku bunga BI tidak memiliki pengaruh
terhadap NPL. Adapun penelitian dari Muljaningsih & Wulandari (2019) menemukan hasil bahwa
inflasi tidak berpengaruh terhadap NPL, suku bunga BI berpengaruh negatif signifikan terhadap
NPL dan PDB berpengaruh positif signifikan terhadap NPL. Penelitian Indriyani & Tiwu (2020)
menemukan hasil bahwa dummy Covid-19 dan suku bunga BI berpengaruh positif signifikan
terhadap NPL. Oleh karena itu, penting dilakukan penelitian terkait analisis hubungan jangka
panjang dan pendek.
Shin et al. (2014) mengungkapkan bahwa ARDL mengestimasi model jangka panjang
dengan akurat, dapat mendeteksi non linieritas dan asimetris jangka pendek terhadap variabel-
variabel ekonomi. Penelitian ini menganalisis dengan metode ARDL yang bertujuan mendapatkan
hubungan jangka pendek dan panjang dari variabel makroekonomi yang digunakan dengan
dilakukan penambahan variabel dummy Covid-19 yang bertujuan untuk melihat dampak sebelum
dan saat terjadinya pandemi terhadap Non-Performing Loan (NPL). Penelitian (Kepli et al. 2021;
Nugroho et al. 2021; Mukaningsih & Wulandari 2019; Haniifah 2015) hanya melakukan pengujian
pada variabel makroekonomi seperti PDB, IPI, inflasi, nilai tukar, suku bunga dan jumlah uang
beredar, penelitian Indriyani & Tiwu (2020) menggunakan dummy Covid-19 sebagai proksi dari
Covid-19 terhadap Non-Performing Loan (NPL) dengan variabel makroekonomi yaitu suku bunga
BI dan inflasi. Namun dari beberapa acuan yang sudah disebutkan tadi, penggunaan metode
didominasi oleh metode regresi berganda. Mengingat penggunaan pada penelitian ini adalah data
time series yang harus di uji stasioneritas. Oleh karena itu, penelitian ini menggunakan analisa
metode yang lebih komprehensif terkait faktor-faktor kondisi makroekonomi dan pengaruh
pandemi Covid-19 terhadap Non-Performing Loan (NPL).
1.2 Perumusan Masalah
Besaran Non-Performing Loan (NPL) menjadi salah satu acuan dalam stabilitas sistem
keuangan. Adapun variabel makroekonomi yang berubah-ubah menjadi faktor penting yang dapat
mempengaruhi nilai Non-Performing Loan (NPL) dikarenakan ada potensi besar bagi kinerja bank
turun ketika perekonomian stagnasi atau resesi (Nursechafia & Abduh, 2014). Selain kondisi
makroekonomi, terdapat pandemi Covid-19 yang berlangsung pada 2020 hal ini menyebabkan
adanya peraturan baru yang ditetapkan pemerintah dan mengganggu aktivitas perekonomian yang
berujung terganggunya aktivitas perbankan seperti kebijakan PSBB dan lockdown. Oleh karena itu,
diperlukan analisis lebih lanjut yang menyangkut variabel kondisi makroekonomi dan variabel
Covid-19 secara komprehensif.
Berdasarkan latar belakang dan rumusan masalah yang sudah dituliskan, maka rumusan
masalah pada penelitian ini sebagai berikut:
1. Bagaimana pengaruh variabel makroekonomi (suku bunga, inflasi, indeks produksi industri
dan nilai tukar) terhadap nilai Non-Performing Loan (NPL)?
2. Bagaimana pengaruh pandemi Covid-19 terhadap nilai Non-Performing Loan (NPL) pada
bank umum Indonesia secara jangka panjang?
1.3 Tujuan
Berdasarkan latar belakang dan rumusan masalah yang sudah dituliskan, maka terdapat
beberapa tujuan terkait penelitian ini sebagai berikut:
1. Menganalisis pengaruh variabel makroekonomi (suku bunga, inflasi, indeks produksi
industri dan nilai tukar) terhadap nilai Non-Performing Loan (NPL)
2. Menganalisis dampak adanya pandemi Covid-19 terhadap Non-Performing Loan pada
bank umum Indonesia dalam jangka panjang.
1.4 Manfaat
Diharapkan dengan adanya penelitian ini dapat memberikan manfaat terhadap pihak-pihak
yang berkepentingan. Terdapat beberapa manfaat terkait penelitian ini sebagai berikut:
1. Bagi pemerintah dan pemegang kebijakan terkait stabilitas sistem keuangan penelitian ini
diharapkan menjadi gambaran terkait faktor yang dapat mempengaruhi Non-Performing
Loan (NPL) dari pengaruh variabel makroekonomi (suku bunga, inflasi, indeks produksi
industri dan nilai tukar), sehingga dapat memberikan pengaruh positif bagi Non-
2. Bagi akademisi penelitian ini diharapkan dapat memberikan wawasan mengenai pengaruh
variabel makroekonomi (suku bunga, inflasi, indeks produksi industri dan nilai tukar) dan
Covid-19 terhadap Non-Performing Loan (NPL) pada jangka panjang
3. Bagi penulis dengan adanya penelitian ini bermanfaat dalam mengembangkan kemampuan
menulis dan analisis dalam penelitian dan menerapkan ilmu yang sudah diperoleh selama
proses pembelajaran di Universitas Pertamina program studi Ekonomi.
1.5 Ruang Lingkup Penelitian
Terdapat beberapa ruang lingkup atau batasan dalam penelitian ini sebagai berikut:
1. Penelitian ini berfokus pada objek penelitian yaitu pada variabel makroekonomi (suku
bunga, inflasi, indeks produksi industri dan nilai tukar)
2. Penelitian ini berfokus pada objek penelitian yaitu pada variabel pandemi Covid-19
terhadap Non-Performing Loan (NPL) dengan menggunakan jenis variabel dummy, dengan
0 = kondisi sebelum pandemi Covid-19 dan 1 = kondisi saat pandemi Covid-19.
Penelitian ini menggunakan data sekunder dengan jenis data time series (deret waktu)
ekonomi dengan jenis frekuensi data triwulan, dimulai dari 2010 triwulan 1 hingga 2022 triwulan
1. Variabel dependen yang digunakan dalam penelitian ini adalah rasio Non-Performing Loan
(NPL) pada bank umum konvensional di Indonesia dengan variabel independen seperti indeks
produksi industri, suku bunga acuan bank sentral, indeks harga konsumen, nilai tukar Rupiah
terhadap Dollar dan dummy Covid-19.
BAB II TINJAUAN LITERATUR
2.1 Stabilitas Sistem Keuangan
Stabilitas sistem keuangan merupakan kondisi dimana sistem keuangan nasional berfungsi
dengan efektif dan efisien, juga mampu bertahan dari adanya kerentanan eksternal dan internal,
sehingga alokasi sumber pembiayaan atau pendanaan dapat berkontribusi pada pertumbuhan dan
stabilitas perekonomian nasional (Bank Indonesia). Kesehatan dan kestabilan sistem perbankan
salah satu bagian dari stabilitas keuangan yang memiliki keterkaitan yang cukup erat pada
kesehatan perekonomian (Crocket, 1996). Wulansari (2020) menyatakan Stabilitas perbankan
dideskripsikan sebagai kondisi perbankan sehat, atau dinyatakan bebas dari financial distress, bank
dengan manajemen risiko yang kurang bagus dan mempunyai pinjaman dengan resiko tinggi
berkemungkinan mempunyai tingkat NPL yang tinggi sehingga profitabilitas bank menurun.
Athanasoglou et al. (2008) berpendapat sebuah perbankan yang menguntungkan (profitable) dan
sehat terdapat kecenderungan untuk tidak menyerap guncangan negatif dan membantu dalam
stabilitas keuangan. Terdapat lima prinsip pada stabilitas sistem keuangan (Schinasi, 2004) sebagai
berikut:
1. Stabilitas sistem keuangan merupakan konsep yang luas, terkait aspek yang berbeda-beda
pada sistem keuangan seperti infrastruktur, pasar dan lembaga
2. Stabilitas sistem keuangan tidak hanya berperan dalam mengalokasikan sumber dana dan
risiko, stabilitas sistem keuangan juga berperan pada memfasilitasi akumulasi dan
mobilisasi juga sebagai alat pertumbuhan dan perkembangan kekayaan. Dengan stabilnya
sistem keuangan maka mencerminkan terjaganya sistem pembayaran yang lancar dan
mampu untuk mendukung kegiatan perekonomian
3. Tidak hanya berkaitan dengan krisis keuangan, tetapi stabilitas sistem keuangan juga
terkait dengan kemampuan sistem keuangan demi menangani ketidakseimbangan yang
dapat menjadi ancaman dalam sistem keuangan dan akan berdampak kepada
perekonomian. Demi mewujudkan sistem keuangan yang stabil, dapat dilakukan dengan
mekanisme market discipline yang dapat menciptakan pencegahan dan ketahanan akan
timbulnya masalah.
4. Stabilitas sistem keuangan dirumuskan berdasarkan adanya potensi berdampak pada
ekonomi riil
5. Stabilitas sistem keuangan merupakan kejadian yang terus menerus.
Adapun strategi yang diberikan Otoritas Jasa Keuangan (OJK) dalam menjaga stabilitas
sistem keuangan sebagai berikut:
1. Koordinasi dan kerjasama, dalam menentukan berbagai instrumen stabilitas keuangan tidak
hanya Bank Indonesia tetapi otoritas lain juga terkait dalam penentuan. Diperlukan
koordinasi terhadap lembaga-lembaga yang terkait dalam industri keuangan sehingga
efektif dalam pengelolaan informasi dan kebijakan pada stabilisasi sistem keuangan. Pada
akhirnya kebijakan yang dikeluarkan tidak menghasilkan pertentantangan terhadap pelaku
di industri keuangan.
2. Pemantauan, indikator mikroprudensial dan makroekonomi merupakan dua indikator
utama menjadi target pantauan. Pemantauan pada mikroprudensial dilakukan pada kondisi
pelaku pada industri keuangan yang bersifat mikro dalam sistem keuangan, pemantauan
dilihat dari risiko kredit, pasar, likuiditas dan rentabilitas institusi keuangan hal ini
dilakukan untuk mengukur pertahanan sistem keuangan
3. Pencegahan krisis, dilakukan 12 standar utama dalam pencegahan pada sistem keuangan
demi menjaga sistem keuangan yang stabil, adapun 12 standar utama (Wulansari, 2020)
sebagai berikut:
1. Transparansi fiskal
2. Transparansi kebijakan moneter dan keuangan
3. Pengawasan bank yang efektif
4. Integritas pasar
5. International accounting standard
6. Regulasi surat berharga
7. Transparansi kebijakan keuangan dan moneter
8. Standar penyebaran data
9. Systematically important payment system
10. Ketidakmampuan membayar
11. Corporate governance
12. Pengawasan asuransi
Manajemen krisis, berisi prosedur peran dan penyelesaian krisis pada masing masing
lembaga yang terkait. jika suatu lembaga keuangan dinyatakan kesulitan diperlukan aksi dari
institusi yang berwenang wajib menetapkan apakah lembaga tersebut kesulitan dalam golongan
sistemik atau tidak. Kemudian dalam proses penyelamatan diperlukan hukum dan pertimbangan
dalam menggunakan dana publik untuk proses penyelamatan. Terakhir peran bank sentral, otoritas
pengawas dan pemerintah wajib ditetapkan dengan jelas.
2.2 Non-Performing Loan (NPL)
Non-Performing Loan (NPL) merupakan salah satu rasio penting untuk menilai kinerja
suatu bank. Karena nilai NPL merupakan suatu indikator bahwa bank telah gagal dalam mengelola
bisnisnya adapun masalah yang timbul ialah masalah likuiditas, solvabilitas dan rentabilitas
Dwihandayani (2018) . Non-Performing Loan (NPL) merupakan perbandingan total kredit
bermasalah dengan total kredit yang diberikan kepada debitur. Meningkatnya rasio NPL dalam
suatu bank maka menimbulkan gejala bahwa kinerja perbankan semakin memburuk (Nugraheni &
Hapsoro dalam Utami & Silaen, 2018 ). Kriteria yang ditetapkan oleh Bank Indonesia dalam surat
keputusan direksi Bank Indonesia Nomor 15/2/PBI/2013 terkait tingkat kesehatan rasio Non-
Performing Loan (NPL) dapat dilihat pada tabel 2.1.
Tabel 2. 1 Tingkat Kesehatan Rasio Non-Performing Loan
Rasio Non-Performing Loan (NPL) Keterangan
NPL Netto 0 - 5 % Sehat
NPL Netto > 5 % Tidak Sehat
2.3 Faktor – Faktor yang Mempengaruhi Non-Performing Loan (NPL)
Terdapat beberapa faktor yang mempengaruhi besaran NPL diantaranya faktor internal
yaitu dari kinerja bank, faktor eksternal non-bank (kondisi perekonomian suatu negara) dan faktor
debitur (Barus & Erick, 2016) . Namun pada penelitian ini penulis menggunakan faktor eksternal
non-bank / makroekonomi hal ini mengacu kepada pernyataan (Janvisloo & Muhammad, 2013)
bahwa variabel makroekonomi memiliki peran yang paling penting dalam stabilitas perekonomian
dan NPL. Haniifah (2015) menyatakan bahwa kebijakan makroekonomi yang kredibel dapat
memberikan kontribusi yang signifikan terhadap NPL. Berkaca pada krisis keuangan 1998
perekonomian Indonesia mengalami guncangan inflasi yang menyentuh dua digit, nilai tukar yang
terdepresiasi dalam akibat sistem nilai tukar menggunakan fix, pertumbuhan ekonomi yang
mengalami penurunan dan hilang kepercayaan masyarakat terhadap perbankan (Tarmidi, 2003).
Hal ini menyebabkan nilai NPL netto meningkat hampir menyentuh 40% (Bank Indonesia, 2004).
Oleh karena itu penggunaan variabel makroekonomi dalam penelitian Non-Performing Loan (NPL)
sangatlah penting hal ini dikarenakan variabel makroekonomi berdampak banyak pada sektor
perbankan. Adapun variabel makroekonomi yang digunakan dalam penelitian ini adalah Indeks
Produksi Industri (Umami & Rani, 2021; Kepli et al., 2021; Nursechafia & Abduh, 2014), Inflasi
(Haniifah, 2015; Kepli et al., 2021; Nugroho et al., 2021; Mulkaningsih & Wulandari, 2019;
Ginting, 2017; Rinaldi & Sanchis-Arellano, 2006), Nilai tukar (Haniifah, 2015; Kepli et al., 2021;
Nugroho et al., 2021; Syaputra & Adry, 2019) dan Suku bunga acuan bank sentral (Nugroho et al.,
2021; Mulkaningsih & Wulandari, 2019; Syaputra & Adry, 2019).
2.3.1 Indeks Produksi Industri (IPI)
Menurut Mankiw (2012) terdapat indikator untuk mengukur kinerja suatu perekonomian
negara, yaitu produk domestik bruto (PDB), PDB merupakan pengeluaran total dalam suatu negara
yang nilainya ditentukan dari produk dan jasa yang dihasilkan dalam periode tertentu, terdapat dua
jenis PDB yaitu PDB riil dan nominal. Adapun indikator ekonomi lain yang mengukur hasil
produksi secara riil adalah Indeks Produksi Industri (IPI). Menurut OECD (2012) mengungkapkan
bahwa nilai dari indeks Produksi Industri (IPI) dapat menggambarkan pergerakan yang sama
dengan PDB. Nilai dari IPI mencakup output fisik dari segala tahap produksi pada industri gas,
manufaktur, pertambangan dan utilitas listrik (McGuckin, 2000). Meskipun nilai tambah sektor
industri hanya sebagian dari total PDB tetapi secara historis, indeks ini mewakilkan sebagian besar
fluktuasi dalam total output PDB maka bisa disimpulkan bahwa indikator ini mampu
mencerminkan perubahan serupa dalam aktivitas perekonomian secara keseluruhan atau
menunjukkan perubahan dalam output PDB (Nursechafia & Abduh, 2014). Nilai IPI yang
meningkat maka menunjukkan kinerja perekonomian dari sisi industri mengalami peningkatan, hal
ini disebabkan karena bertambahnya hasil produksi dalam suatu negara akan meningkatkan laba
perusahaan, dapat mengurangi risiko peningkatan nilai NPL dan pendapatan per kapita, sehingga
masyarakat dan perusahaan dapat membayar kewajiban mereka kepada bank dan pada akhirnya
menurunkan rasio kredit macet (Umami & Rani, 2021; Kepli et al., 2021; Widarjono & Rudatin,
2021).
2.3.2 Inflasi
Inflasi dapat diartikan sebagai meningkatnya jumlah uang yang beredar di masyarakat atau
kenaikan likuiditas dalam suatu perekonomian, hal ini menjurus pada gejala umum yang
disebabkan dengan adanya kenaikan jumlah uang beredar sehingga diduga membuat adanya
kenaikan harga (inflasi). Dalam perkembangannya, secara singkat inflasi dapat diartikan sebagai
peningkatan harga barang jasa dan cenderung meningkat terus menerus (Suseno & Astiyah, 2009).
Dalam perekonomian modern, inflasi adalah indikator makroekonomi yang sangat penting untuk
menjaga stabilitas alokasi sumber daya ekonomi pada suatu negara. Nilai tinggi pada inflasi
menyebabkan harga harga barang dan jasa pada suatu negara terdistorsi, oleh karena itu negara
selalu berusaha menstabilkan nilai inflasi dengan berbagai kebijakan yang ada (Suseno & Astiyah,
2009). Adapun cara mengukur inflasi dalam suatu perekonomian sebagai berikut:
1. Indeks Harga Konsumen (IHK): metode ini mengukur harga suatu barang dan jasa yang
dikonsumsi masyarakat dan dihitung menggunakan indeks pada periode tertentu
2. Indeks Harga Produsen (IHP): metode ini mengukur harga suatu barang dan jasa yang
dikonsumsi produsen dan dihitung menggunakan indeks pada periode tertentu, berbeda
dengan IHK dikarenakan terdapat unsur pajak, subsidi dan laba
3. Deflator PDB: metode ini mengukur perubahan harga dalam perekonomian secara
keseluruhan.
Adapun keterkaitan inflasi dengan Non-Performing Loan (NPL) adalah Nilai inflasi yang
tinggi akan mengakibatkan risiko keuangan. Kenaikan nilai inflasi yang tak terduga akan
menyebabkan risiko daya beli, maka pada saat inflasi tinggi konsumsi pun akan tinggi, hal ini
membuat perusahaan serta masyarakat akan menjadi sulit sebagai pengguna jasa kredit untuk
mengembalikan kewajibannya kepada bank (Ginting, 2017). Hal ini dibuktikan dalam penelitian
Rinaldi & Sanchis-Arellano (2006) bahwa inflasi/peningkatan harga berdampak terhadap
peningkatan rasio NPL.
2.3.3 Nilai Tukar
Nilai tukar atau kurs merupakan harga satu unit mata uang domestik terhadap mata uang
asing ataupun sebaliknya (Simorangkir, 2004). Terdapat beberapa istilah pada nilai tukar, apresiasi
merupakan nilai mata uang domestik meningkat terhadap nilai mata uang asing, depresiasi
merupakan nilai mata uang domestik menurun terhadap nilai mata uang asing, revaluasi merupakan
kebijakan negara menaikkan nilai mata uangnya terhadap mata uang asing, devaluasi merupakan
kebijakan negara menurunkan nilai mata uangnya terhadap mata uang asing. Mankiw (2012)
menjelaskan bahwa nilai tukar dibedakan menjadi dua jenis yaitu nilai tukar nominal dan nilai
tukar riil dijelaskan sebagai berikut:
1. Nilai tukar nominal merupakan nilai tukar yang digunakan masyarakat untuk
memperdagangkan mata uang suatu negara dengan mata uang negara lain
2. Nilai tukar riil merupakan nilai tukar yang yang dipakai masyarakat untuk
memperdagangkan barang yang diproduksi oleh dua negara.
Adapun faktor-faktor yang mempengaruhi sisi permintaan dan penawaran nilai tukar
menurut (Simorangkir, 2004) sebagai berikut:
Sisi permintaan:
1. Faktor impor: semakin tinggi impor barang atau jasa, maka semakin besar juga
permintaan terhadap valuta asing pada negara pengekspor, hal ini menyebabkan nilai
tukar domestik negara pengimpor mengalami depresiasi, dan hal sebaliknya terjadi jika
semakin suatu negara ekspor barang atau jasa maka nilai tukar negara pengekspor akan
mengalami apresiasi.
2. Faktor capital outflow: semakin besar aliran modal keluar, mengakibatkan semakin besar
permintaan valuta asing dan nilai tukar akan terdepresiasi. Aliran modal meliputi
pelunasan utang masyarakat Indonesia kepada pihak asing dan penempatan dana
(investasi) penduduk Indonesia ke asing
3. Faktor spekulasi: zaman sekarang marak kegiatan spekulasi nilai valuta asing /
melakukan kegiatan trading. Semakin banyak spekulan maka permintaan terhadap valuta
asing akan meningkat sehingga nilai mata uang domestik akan melemah.
Sisi penawaran:
1. Faktor hasil ekspor: semakin besar suatu negara melakukan kegiatan ekspor, maka nilai
mata uang negara tersebut akan mengalami apresiasi dikarenakan negara pengimpor
harus menggunakan mata uang negara pengekspor untuk membeli produknya
2. Faktor capital inflow: semakin besar aliran modal masuk ke dalam suatu negara maka
nilai tukar negara yang mendapatkan aliran modal masuk akan mengalami apresiasi,
aliran modal masuk dapat berupa pembayaran utang luar negeri ke dalam negeri, foreign
direct investment dan lain-lain.
Adapun keterkaitan nilai tukar dengan Non-Performing Loan (NPL) adalah semakin
terdepresiasinya nilai mata uang lokal akan mengakibatkan kepada perusahaan dalam memproduksi
suatu barang. Dalam perdagangan internasional kenaikan nilai tukar lokal (depresiasi)
mengakibatkan barang impor semakin mahal, sehingga berdampak kepada perusahaan yang
menggunakan bahan baku impor mendapatkan tekanan dalam memenuhi kewajiban kredit sehingga
menyebabkan risiko kegagalan bayar atau kredit macet menjadi meningkat
(Nadjib & Anggraeni, 2018)
. Hal ini dibuktikan dalam penelitian (Syaputra & Adry, 2019) bahwa depresiasi/penurunan
mata uang lokal berdampak terhadap peningkatan rasio NPL.
2.3.4 Suku Bunga Acuan Bank Sentral
Suku bunga merupakan harga yang dibayar atas peminjaman dana, dengan kata lain suku
bunga adalah biaya pinjaman (Mishkin, 2007), adapun menurut Otoritas Jasa Keuangan (2019)
suku bunga adalah rasio/perbandingan dari bunga terhadap jumlah pinjaman. Tingkat pada bunga
dibagi menjadi dua yaitu tingkat bunga riil dan nominal adapun alasan mengapa tingkat bunga
dibedakan guna mendeskripsikan peran yang dimainkan oleh antisipasi harga. Tingkat bunga riil
adalah keseimbangan tingkat bunga yang digunakan para pelaku pasar pada saat berasumsi tidak
ada perubahan harga dimasa yang akan datang, sedangkan tingkat bunga nominal adalah tingkat
bunga yang sudah diatur dalam sistem keuangan dan sama dengan tingkat bunga riil tetapi
dilakukan penyesuaian karena pada faktanya pemain pasar mengantisipasi terjadinya perubahan
harga di masa yang akan datang (Otoritas Jasa Keuangan, 2019). (Mankiw, 2012) menjelaskan
bahwa suku bunga yang dibayarkan oleh bank adalah suku bunga nominal dan suku bunga yang
telah terkoreksi akibat dari inflasi merupakan suku bunga suku bunga riil.
Bank Indonesia selaku bank sentral membuat peraturan terkait suku bunga acuan untuk
seluruh perbankan Indonesia, sejak tahun 2005 sudah diimplementasikan dengan nama BI rate. BI
rate merupakan suku bunga yang merefleksikan sikap suatu kebijakan moneter yang ditetapkan
oleh Bank Indonesia dan dipublikasikan ke publik. Diumumkan oleh dewan gubernur melalui
Rapat Dewan Gubernur (RDG) yang dilakukan setiap bulan dan diterapkan pada operasi moneter
melalui pengelolaan likuiditas pada pasar uang untuk mencapai sasaran operasional kebijakan
moneter. Perubahan pada BI rate berdampak kepada suku bunga pada perbankan seperti bunga
kredit dan suku bunga simpanan. Agustus 2016 BI rate diganti dengan BI7DRR (BI 7-Day Reverse
Repo Rate), perubahan ini didasari karena dalam rangka penguatan kerangka moneter juga praktik
terbaik internasional dalam pelaksanaan operasi moneter. Dengan berubahnya kebijakan, hal ini
berpengaruh kepada pasar uang, perbankan dan sektor riil. Perubahan BI7DRR berpengaruh
terhadap suku bunga kredit perbankan dan suku bunga deposito.
Adapun keterkaitan suku bunga dengan Non-Performing Loan (NPL) adalah semakin
meningkatnya suku bunga acuan maka akan mengakibatkan kepada pengguna jasa perbankan.
Suku bunga yang meningkat maka akan banyak individu dan perusahaan yang bertambah bebannya
bahkan tidak mampu membayar kewajiban kredit ke bank, peningkatan suku bunga akan
memperburuk kualitas portofolio (Zeman & Jurca, 2008) . Adanya peningkatan suku bunga juga
memperburuk kualitas dari pinjaman debitur dan berdampak kepada tingginya biaya kredit karena
biaya dana perbankan naik, akibatnya adalah nasabah tidak dapat membayar kewajibannya kepada
bank sehingga rasio kredit macet/NPL meningkat (Bofondi & Ropele, 2011) . Hal ini dibuktikan
dalam penelitian Sudirman et al. (2021) bahwa peningkatan suku bunga acuan bank sentral
berdampak terhadap peningkatan rasio NPL.
2.4 Pandemi Covid-19
Wabah novel coronavirus SARS CoV-2 (coronavirus disease 2019, dengan nama awal
2019-nCoV). 30 Januari 2020 WHO menyiarkan keadaan darurat kesehatan dunia berdasarkan
peningkatan tingkat kasus di Cina dan internasional (Velavan & Meyer, 2020) , WHO
mengumumkan nama baru pada 11 Februari 2020 yaitu Coronavirus Disease (Covid-19). 2 Maret
2020 menjadi kasus Covid-19 pertama di Indonesia, 31 Maret 2020 kasus di Indonesia terdeteksi
sebesar 1.528 kasus dan 136 kasus kematian (Susilo et al., 2020) . Tingkat mortalitas Covid-19 di
Indonesia sebesar 8,9%, angka ini merupakan yang tertinggi di Asia Tenggara. Adapun 3 jenis
sindrom klinis yang dapat muncul jika terinfeksi Covid-19 adalah tidak berkomplikasi (gejala
utama nya berupa demam, batuk, nyeri tenggorokan, sakit kepala, nyeri otot). Pneumonia ringan
(gejala utama nya demam, batuk, sesak napas). Pneumonia berat (gejala yang muncul diantaranya
demam atau curiga infeksi saluran pernapasan dan tanda yang muncul adalah takipnea (frekuensi
napas lebih dari 30 kali / menit) dan saturasi oksigen kurang dari 90% (Yuliana, 2020).
Akibat adanya pandemi Covid-19, pemerintah memberlakukan kebijakan Pembatasan
Sosial Berskala Besar (PSBB), adapun pengertian PSBB dalam pasal 1 ayat 11 dalam UU
kekarantinaan kesehatan adalah pembatasan akan kegiatan tertentu penduduk dalam wilayah yang
diduga terkontaminasi penyakit demi mencegah kemungkinan penyebaran penyakit. Tentunya dari
efek Covid-19 dan pemberlakuan PSBB akan berpengaruh terhadap sektor perbankan terutama
rasio kredit macet/NPL, berdasarkan data yang diperoleh dari CEIC dapat disimpulkan bahwa nilai
rasio NPL pada 2019 kuartal pertama 2.51 persen meningkat pada 2020 kuartal kedua sebesar 3.11
persen. Dahlan (2001) menjelaskan bahwa salah satu faktor kinerja kredit yang gagal adalah faktor
eksternal yang tidak dapat dikendalikan dan atau kesengajaan. Pandemi Covid-19 ialah faktor
eksternal yang tidak bisa dikendalikan sehingga menyebabkan peminjam kesulitan membayar
kewajiban kepada bank. Sehingga Pentingnya dilakukan penelitian terkait hubungan pandemi
Covid-19 dan kondisi makroekonomi terhadap NPL dikarenakan penelitian terdahulu yang masih
sedikit ditemukan. Hal ini dibuktikan oleh Hardiyanti & Aziz (2021); Tiwu & Indriyani (2020)
bahwa Pandemi Covid-19 berpengaruh pada peningkatan rasio NPL dan dapat dijadikan sebagai
faktor eksternal peningkatan rasio NPL.
2.5 Tinjauan Empiris
Tinjauan empiris dilakukan dengan membaca beberapa penelitian terdahulu dengan hasil
terkait pengaruh variabel makroekonomi dan pandemi Covid-19 terhadap Non-Performing Loan
(NPL). Penelitian Haniifah (2015) dengan metode analisis regresi berganda (OLS) menemukan
hasil bahwa Inflasi, suku bunga dan pertumbuhan GDP memiliki pengaruh negatif namun tidak
signifikan namun suku bunga memiliki pengaruh negatif dan signifikan. Penelitian Kepli et al.
(2021) dengan metode ARDL menemukan hasil bahwa Pada jangka panjang nilai tukar memiliki
pengaruh positif dan signifikan terhadap NPL, IPI dan uang beredar memiliki pengaruh negatif dan
signifikan terhadap NPL, Inflasi memiliki pengaruh positif namun tidak signifikan terhadap NPL
dan pada jangka pendek hanya IPI dan inflasi yang signifikan terhadap NPL. Penelitian Nugroho et
al. (2021) dengan menggunakan metode analisis regresi berganda (OLS) menemukan hasil bahwa
Inflasi memiliki pengaruh negatif dan berpengaruh signifikan terhadap NPL, Nilai tukar memiliki
pengaruh positif dan berpengaruh signifikan terhadap NPL, Suku bunga BI memiliki pengaruh
negatif namun tidak berpengaruh signifikan terhadap NPL. Penelitian Mulkaningsih & Wulandari
(2019) dengan menggunakan metode analisis regresi berganda (OLS) menemukan hasil bahwa
Inflasi tidak berpengaruh signifikan terhadap rasio Non-Performing Loan (NPL), Suku bunga BI
berpengaruh negatif signifikan terhadap rasio Non-Performing Loan (NPL) dan PDB berpengaruh
positif signifikan terhadap rasio Non-Performing Loan (NPL). Penelitian Tiwu (2020)
menggunakan metode analisis regresi berganda (OLS) menemukan hasil bahwa Inflasi memiliki
pengaruh positif tetapi tidak berpengaruh signifikan terhadap NPL, suku bunga BI memiliki
pengaruh positif dan berpengaruh signifikan terhadap NPL dan dummy Covid-19 memiliki
pengaruh dan berpengaruh signifikan terhadap NPL.
Berdasarkan penelitian terdahulu, terdapat perbedaan pada penelitian yang dilakukan oleh
penulis. Perbedaan terdapat pada periode waktu yang diteliti, metode penelitian dan penggunaan
variabel dummy pandemi Covid-19 untuk melihat dampak Covid-19 terhadap Non-Performing
Loan (NPL). Pada penelitian ini menggunakan variabel makroekonomi yaitu Indeks Produksi
Industri (IPI), Suku bunga acuan bank sentral, Indeks Harga Konsumen dan nilai tukar serta
tambahan variabel pandemi Covid-19 terhadap Non-Performing Loan (NPL). Metode yang
digunakan dalam penelitian ini yaitu Autoregressive Distributed Lag (ARDL) dengan tujuan
melihat hubungan jangka panjang dan pendek pada setiap variabel. Penggunaan metode ARDL
dikarenakan tidak mementingkan tingkat stasioner pada ordo yang sama kecuali pada tingkat
second difference I(2), kelebihan lain ARDL adalah tidak masalah jika jumlah observasi yang
digunakan sedikit.
Tabel 2. 2 Penelitian Terdahulu
No Peneliti Tujuan Penelitian Metode dan Variabel Hasil
1 Haniifah Penelitian ini Variabel Dependen: Inflasi, suku bunga dan

(2015) memiliki tujuan Non-Performing pertumbuhan GDP memiliki
untuk melihat Loan (NPL). pengaruh negatif namun tidak
pengaruh variabel Variabel Independen: signifikan. Suku bunga
GDP, Suku bunga, Inflasi, Nilai Tukar, memiliki pengaruh negatif dan
nilai tukar dan Suku bunga dan signifikan
inflasi terhadap PDB.
nilai Non- Metode: analisis
Performing Loan regresi berganda
(NPL) pada bank
komersial Uganda
2 Kepli, Penelitian ini Variabel Dependen: Pada jangka panjang nilai tukar
Bani, bertujuan untuk Non-Performing memiliki pengaruh positif dan
Rosland mengkaji faktor Loan (NPL). signifikan terhadap NPL. IPI
& Laila penentu NPL pada Variabel Independen: dan uang beredar memiliki
(2021) perbankan Malaysia Indeks Produksi pengaruh negatif dan
Industri, uang yang signifikan terhadap NPL.
beredar pada Inflasi memiliki pengaruh
masyarakat (M2), positif namun tidak signifikan
inflasi dan nilai tukar terhadap NPL
Metode: ARDL Pada jangka pendek hanya IPI
dan inflasi yang signifikan
terhadap NPL.
3 Nugroho, Penelitian ini Variabel Dependen: Inflasi memiliki pengaruh

Sutanto memiliki tujuan Non-Performing negatif dan berpengaruh
& untuk menjelaskan Loan (NPL). signifikan terhadap NPL, Nilai
Riduwan tingkat keterkaitan Variabel Independen: tukar memiliki pengaruh
(2021) volatilitas makro Inflasi, Nilai Tukar positif dan berpengaruh
ekonomi dengan dan BI 7 Days Repo signifikan terhadap NPL,
Non-Performing (X). Suku bunga BI memiliki
Loan (NPL) pada Metode: analisis pengaruh negatif namun tidak
Bank Jateng regresi berganda berpengaruh signifikan
terhadap NPL
4 Muljanin Penelitian ini Variabel Dependen: Secara parsial infasi tidak

gsih & memiliki tujuan NPL (Y). Variabel berpengaruh signifikan
Wulandar untuk menjelaskan Independen: inflasi, terhadap
i (2019) tingkat keterkaitan Suku Bunga BI, PDB rasio Non-Performing Loan
volatilitas (X). Metode: analisis (NPL). Suku bunga BI
makroekonomi regresi berganda berpengaruh
dengan Non- negatif signifikan terhadap
Performing Loan rasio Non-Performing Loan
(NPL) (NPL) pada (NPL) dan Gross Domestic
Bank Umum Product berpengaruh positif
Indonesia signifikan terhadap rasio Non-
Performing Loan (NPL).
Secara simultan inflasi, suku
bunga BI, dan Gross domestic
Product berpengaruh signifikan
terhadap rasio Non-Performing
Loan (NPL).
5 Tiwu Penelitian ini Variabel Dependen: Inflasi bernilai positif tetapi
(2020) bertujuan untuk Non-Performing tidak berpengaruh signifikan
menganalisis Loan (NPL). terhadap NPL, suku bunga BI
pengaruh pandemi Variabel Independen: bernilai positif berpengaruh
Covid-19 terhadap Dummy Covid-19, signifikan terhadap NPL dan
peningkatan kredit suku bunga BI dan dummy Covid-19 bernilai
macet pada bank inflasi positif dan berpengaruh
perkreditan rakyat Metode: Regresi signifikan terhadap NPL
di Indonesia. Sederhana
2.6 Kerangka Penelitian
Kerangka berpikir dalam suatu penelitian berfungsi sebagai pengaruh variabel

makroekonomi dan dampak Covid-19 terhadap Non-Performing Loan (NPL). Analisis digunakan
untuk melihat pengaruh indeks produksi industri, indeks harga konsumen, nilai tukar, suku bunga
acuan bank sentral dan pandemi Covid-19 terhadap Non-Performing Loan (NPL) dengan
menggunakan metode ARDL yang akan merepresentasikan pengaruh variabel makroekonomi dan
pandemi Covid-19 terhadap Non-Performing Loan (NPL), sehingga dari hasil estimasi akan
didapatkan hasil serta kesimpulan.
Kondisi Makroekonomi
Indeks Indeks Suku Bunga

Produksi Harga Acuan Bank Nilai Tukar
Industri Konsumen Sentral
(Inflasi)
Non
Performing Pandemi
Loan Covid-19
Analisis
ARDL
Hasil &
Kesimpulan
Gambar 2. 1 Kerangka Penelitian
2.7 Hipotesis
Berdasarkan perumusan masalah, teori dan kajian empiris yang sudah dilakukan pada
bagian sebelumnya tentang pengaruh variabel makroekonomi terhadap Non-Performing Loan
(NPL) dari tahun 2010 hingga 2022, maka penulis merumuskan hipotesis sebagai berikut:
1. Indeks produksi industri diperkirakan berpengaruh negatif dan signifikan terhadap Non-
2. Indeks harga konsumen diperkirakan berpengaruh positif dan signifikan terhadap Non-
3. Nilai tukar diperkirakan berpengaruh positif dan signifikan terhadap Non-Performing
Loan (NPL)
4. Suku bunga acuan bank sentral diperkirakan berpengaruh positif dan signifikan terhadap
Non-Performing Loan (NPL)
5. Pandemi Covid-19 diperkirakan berpengaruh positif dan signifikan terhadap Non-

Performing Loan (NPL).
BAB III METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilakukan dalam tenggat waktu selama lima bulan dimulai dari bulan
September 2022 sampai dengan Januari 2023, dengan lokasi penelitian yang dilakukan oleh penulis
adalah Jakarta Utara, DKI Jakarta.
3.2 Jenis dan Sumber Data
Jenis data dalam penelitian ini menggunakan data sekunder yang bersifat kuartalan dari
periode 2010 kuartal 1 hingga 2022 kuartal 2. Data diperoleh dari CEIC Indonesia. Adapun data
yang digunakan dalam penelitian ini adalah Non-Performing Loan (NPL) (kredit bermasalah)
sebagai variabel dependen, indeks produksi industri, indeks harga konsumen, nilai tukar Rupiah
terhadap Dollar, suku bunga acuan bank sentral dan dummy covid sebelum dan saat covid
berlangsung sebagai variabel independen.
Tabel 3. 1 Jenis dan Sumber Data
Variabel Deskripsi Satuan Sumber
Non-Performing Loan Kredit macet dari bank umum Persen CEIC Indonesia
(NPL) konvensional yang terdaftar pada
OJK
Indeks Produksi Indeks produksi Indonesia Indeks CEIC Indonesia

Industri
Indeks Harga Pertumbuhan harga barang dan jasa Persen CEIC Indonesia
Konsumen
Suku Bunga Acuan Suku bunga yang ditetapkan oleh Persen CEIC Indonesia
Bank Sentral bank sentral Indonesia
Nilai Tukar Nilai tukar nominal Rupiah terhadap USD/RP CEIC Indonesia
Dollar
Covid - 19 Pandemi global dimulai dari 2020. 0 dummy covid-19.go.id

= sebelum terjadi pandemi, 1 = (0 - 1)
setelah terjadi / saat pandemi
3.3 Metode Analisis
Penelitian ini menggunakan data deret waktu (time series) dengan menggunakan metode
autoregressive distributed lag (ARDL). Metode ARDL digunakan pada penelitian ini karena saat
melakukan uji stasioneritas pada variabel di tingkat level tidak menghasilkan hasil yang signifikan.
Hal ini dijelaskan oleh Gujarat (2011) bahwa data deret waktu (time series) jika tidak bersifat
stasioner maka akan menghasilkan hasil regresi yang bersifat lancung. Adapun keunggulan dalam
penggunaan model ARDL yaitu efisien dilakukan dengan jumlah sampel yang sedikit juga tidak
bias (Zaretta & Yovita, 2019) . Alasan lain penulis menggunakan ARDL karena ingin melihat
hubungan jangka pendek dan panjang dalam variabel di penelitian ini, sebagaimana
Pesaran et al. (2001)
menyatakan ARDL digunakan karena metode tersebut berguna dalam melihat hubungan
jangka pendek, jangka panjang dan kointegrasi antar variabel dalam model tersebut.
Narayan (2004)
menyatakan bahwa ARDL memiliki estimasi jangka panjang yang sangat konsisten dalam
observasi yang kecil.
3.3.1 Autoregressive Distributed Lag (ARDL)
Model ARDL merupakan gabungan dari autoregressive (AR) dan distributed lag (DL),
dimana model AR adalah model yang memasukkan satu atau lebih data dari masa lalu pada suatu
variabel dependen di antara variabel penjelas, model DL merupakan suatu regresi yang
menghubungkan data pada periode saat ini juga data dari periode sebelumnya yang di dapat dari
variabel penjelas (Gujarati & Porter, 2009) . Maka bisa disimpulkan bahwa metode ARDL
merupakan metode yang bisa melihat hubungan antara variabel X dan Y dari hubungan jangka
panjang dan jangka pendek. Ekananda (2014) menyatakan metode ARDL merupakan model
ekonometrika yang diasumsikan bahwa suatu variabel dapat dipengaruhi dengan variabel itu
sendiri tetapi dalam periode sebelumnya. (Jumhur, 2020; Nur & Sukmana, 2019) menyatakan
beberapa keunggulan pada metode ARDL sebagai berikut:
1. Model ini tidak mewajibkan variabel stasioner pada tingkat level atau pada ordo yang
sama, tetapi model ini tidak bisa digunakan jika terdapat variabel yang stasioner pada
tingkat second difference
2. Model ini tidak mempermasalahkan jumlah observasi yang sedikit.
3.3.2 Uji Stasioneritas
Uji stasioneritas dalam penggunaan data deret waktu (time series) merupakan hal yang
cukup penting. Hal ini di konfirmasi oleh Gujarati (2011) bahwa data deret waktu (time series)
yang tidak bersifat stasioner dalam suatu model maka akan menghasilkan spurious regression
(regresi yang tidak bermakna) dan juga jika tidak bersifat stasioner maka hasil yang ditampilkan
hanya untuk periode dalam observasi artinya data tersebut tidak dapat digunakan untuk peramalan
data (forecasting) dalam beberapa periode ke depan. Jika variabel tidak stasioner pada tingkat level
I(0) maka akan dilakukan uji stasioner dengan variabel pada tingkat first difference I(1). Dalam
model ARDL diperlukan uji stasioneritas dengan syarat variabel tidak boleh berada pada tingkat
stasioner second difference I(2). Gujarati (2011) menyatakan bahwa terdapat tiga jenis tes untuk
mengecek stasioneritas dalam suatu variabel. Analisis grafik, korelogram dan analisis akar unit
(unit root analysis). Dalam penelitian ini digunakan analisis uji akar dengan uji ADF (Augmented
Dickey-Fuller). Berikut langkah - langkah dalam menjalani uji akar unit:
1. Kriteria pada saat pengambilan keputusan:
ADF test statistic > crit value (0.05 / 5%) maka tolak H0
ADF test statistic < crit value (0.05 / 5%) maka terima H0
2. Hipotesis uji ADF:
H0: data tidak bersifat stasioner
H1: data bersifat stasioner
3.3.3 Penentuan Lag Optimum
Melakukan penentuan lag yang optimal berfungsi untuk mengetahui gabungan lag pada
suatu model ARDL. Sangatlah penting dilakukan penentuan lag dikarenakan suatu variabel dalam
model ARDL selain dapat dipengaruhi oleh variabel lain juga dipengaruhi oleh variabel itu sendiri
(Nulhanuddin & Andriyani, 2020) . Gujarati (2004) menyatakan bahwa jika dalam suatu model
memasukkan lag panjang maka akan mengurangi nilai degrees of freedom (derajat kebebasan) dan
jika memasukkan lag pendek maka akan meningkatkan spesification errors (kesalahan spesifikasi)
dalam suatu model. Dalam menetapkan nilai lag optimum ditentukan oleh nilai Schwarz
Information Criterion (SIC), Hannan - Quin Information Criterion (BIC) dan Akkaike Information
Criterion (AIC).
3.3.4 Uji Kointegrasi Bound Test
Kointegrasi merupakan suatu kondisi dimana dua atau lebih variabel acak yang bersifat
deret waktu (time series) memiliki residual et yang tidak bersifat stasioner pada level maka variabel
tersebut akan terkointegrasi atau memiliki hubungan di jangka panjang (Engle & Granger, 1987) .
Dengan kata lain jika suatu variabel X dan Y yang bersifat deret waktu (time series) dan memiliki
tingkat stasioneritas pada tingkat diferensiasi (difference) di tingkat yang sama maka data tersebut
memiliki hubungan kointegrasi. Atau secara singkatnya uji kointegrasi hanya bisa digunakan ketika
data yang digunakan berintegrasi di derajat yang sama (Widarjono, 2005). Uji kointegrasi memiliki
banyak metode seperti uji Engle - Granger, Durbin Watson, Johansen dan bound test. Pada
penelitian ini digunakan uji bound test dengan pendekatan ARDL yang dikembangkan oleh
(Pesaran et al, 2001). Metode ini dilakukan dengan cara membandingkan nilai f-stat hitung dengan
upper bound values. Dengan hipotesis:
H0: tidak ada kointegrasi (F-stat < upper bound values)
H1: terdapat kointegrasi (F-stat > upper bound values)
3.3.5 Uji Asumsi Klasik

Uji asumsi klasik adalah metode pengujian yang dilakukan guna menghindari model
regresi yang bias dan fungsi uji asumsi klasik adalah untuk mendapatkan best linier unbias
estimator (BLUE). Jika mobel terhindar dari masalah asumsi klasik maka analisis hasil ARDL
dapat dilakukan. terdapat beberapa uji asumsi klasik yaitu uji normalitas, uji autokorelasi, uji
heteroskedastis dan uji linearitas. Adapun dalam penelitian ini tidak digunakan uji multikolinieritas
dikarenakan uji multikolinearitas dilakukan untuk mengetahui hubungan keterkaitan variabel
independen satu dengan lainnya. Penelitian dengan model ARDL tidak memerlukan uji
multikolinearitas didukung dari beberapa penulis yang meneliti dengan menggunakan metode
ARDL dalam penelitiannya seperti
(Adamu et al., 2016; Farichah, 2022; Shabbir et al., 2019; Wolde-Rufael, 2010
. Sebagian besar alasan mereka tidak menggunakan uji
multikolinearitas dikarenakan tidak perbedaan data menggunakan ARDL cenderung menguraikan
residu model sehingga tidak menggunakan uji multikolinearitas.
(Farrar & Glauber, 1967; Goldberger, 1991)
menyatakan bahwa multikolinearitas hanya memperbesar kesalah dalam
koefisien regresi tetapi nilai koefisien tidak bias. (Harris & Sollis, 2003) menyatakan bahwa
masalah multikolinearitas parsial atau adanya regresi endogen tidak akan memengaruhi model,
karena uji model ARDL untuk kointegrasi akan memberikan estimasi yang tidak bias dari model
jangka panjang dan statistik t yang valid bahkan dengan adanya regresi endogen. Widarjono (2005)
menyatakan bahwa estimator yang BLUE tidak memerlukan asumsi terbebas dari masalah
multikolinieritas. Estimator BLUE hanya berhubungan dengan asumsi tentang residual, ada dua
asumsi penting tentang residual yang akan mempengaruhi sifat dari estimator yang BLUE,
pertama, varian dari residual adalah tetap atau konstan (homoskedastisitas), kedua, tidak adanya
korelasi atau hubungan antara residual satu observasi dengan residual observasi yang lain atau
sering disebut tidak ada masalah autokorelasi (Widarjono, 2005).
3.3.5.1 Uji Autokorelasi
Autokorelasi merupakan kondisi dimana adanya korelasi antara suatu variabel dengan
variabel lain dalam model tersebut yang berlainan waktu. Adapun kaitannya dengan asumsi OLS,
autokorelasi merupakan hubungan antara satu residual dengan residual lain (Widarjono, 2005).
Gujarati (2004) menjelaskan autokorelasi dapat muncul karena beberapa alasan, seperti
kelembaman atau kelesuan deret waktu ekonomi (inersia), bias spesifikasi yang dihasilkan dari
pengecualian variabel penting dari model atau penggunaan bentuk fungsional yang salah,
transformasi data. Jika suatu model terdeteksi autokorelasi maka estimator OLS bersifat LUE. dan
konsekuensinya adalah nilai standard error metode OLS menjadi bias dan uji hipotesis yang
didasarkan pada distribusi F dan t menjadi bias (Widarjono, 2005). Metode yang digunakan untuk
mendeteksi autokorelasi dalam penelitian ini adalah uji Breusch-Godfrey, dengan langkah-langkah
sebagai berikut:
Penentuan Hipotesis: H0: Model tidak bersifat autokorelasi
H1: Model bersifat autokorelasi
Jika Prob > chi2 > alpha 5% maka terima H0
Jika Prob > chi2 < alpha 5% maka tolak H0
3.3.5.2 Uji Normalitas
Uji normalitas dalam metode regresi memiliki tujuan untuk melihat apakah variabel Y dan
X mempunyai distribusi yang normal atau tidak (Wooldrige, 2012). Uji yang dilakukan pada
penelitian ini merupakan Shapiro Wilk, dengan langkah-langkah sebagai berikut:
Penentuan Hipotesis: H0: Data dalam model terdistribusi normal
H1: Data dalam model tidak terdistribusi normal
Jika Prob > z dari nilai residual > alpha 5% maka terima H0
Jika Prob > z dari nilai residual < alpha 5% maka tolak H0
3.3.5.3 Uji Heteroskedastisitas
Heteroskedastisitas merupakan kondisi dimana nilai suatu residual dalam suatu model
memiliki rata rata lebih dari 0 atau varian/ragam dari residual yang tidak konstan sehingga bisa
diartikan nilai residual suatu variabel terhadap variabel lain saling berhubungan (Widarjono, 2005).
Hal ini menyebabkan estimator OLS hanya bersifat LUE. Maka diperlukan uji heteroskedastisitas
untuk melihat apakah model dalam penelitian ini bersifat homoskedastis atau heteroskedastis. Pada
penelitian ini digunakan uji Breusch Pagan / Cook weisberg, dengan langkah-langkah sebagai
berikut:
Penentuan Hipotesis: H0: Model memiliki ragam yang konstan
H1: Model memiliki ragam yang tidak konstan
2
Jika Prob > chi > alpha 5% maka terima H0
3.3.5.4 Uji Linearitas
Uji linearitas digunakan dalam suatu model untuk melihat apakah mispesifikasi dalam
suatu model (Gujarati, 2004). Uji linearitas juga bertujuan untuk melihat apakah dua variabel atau
lebih dalam suatu model yang diuji memiliki hubungan linear atau tidak secara signifikan Dalam
penelitian ini digunakan uji ramsey RESET, dengan langkah-langkah sebagai berikut:
Penentuan Hipotesis: H0: Tidak terdapat error spesification dalam model
H1: Terdapat error spesification dalam model
2
Jika Prob > chi > alpha 5% maka terima H0
3.4 Model Penelitian
Persamaan model dalam penelitian ini digunakan untuk menganalisis dan mengetahui
pengaruh variabel makroekonomi dan pandemi Covid-19 terhadap Non-Performing Loan
(NPL)/(kredit macet) dari tahun 2010 kuartal 1 hingga 2022 kuartal 1. Berikut persamaan yang
menunjukkan model penelitian yang diubah menjadi dalam bentuk fungsi ekonometrika.
p q r s
∆ NPL t=α 0 + Σ i β ∆ LNIPI t−i + Σ i δ ∆ CPI t−i + Σ i γ ∆ LNKURS t−i + Σ i σ ∆ RATEt −i+ λ1 LNIPI t −p + λ2 CPI t− p +
(3. 1)
Keterangan:
NPL : Non-Performing Loan (NPL)/Kredit macet periode t
IPI : Indeks produksi industri periode t
CPI : Indeks harga konsumen atau inflasi periode t
KURS : Nilai tukar rupiah terhadap dollar periode t
RATE : Suku bunga acuan bank sentral Indonesia periode t
COVID19 : dummy pandemic Covid-19
α0 : Intersep
∆ : Selisih perubahan data pada periode berlaku dengan periode sebelumnya
t−i : Waktu lag yang akan digunakan
t− p : Waktu sebelumnya
β ,δ ,γ ,σ : Koefisien pada hubungan jangka pendek
λ 1, 2 ,3 , 4 ,5 : Koefisien pada hubungan jangka Panjang
μ : Nilai error pada periode t
p,q,r,s,t : Lag yang bersifat optimum
BAB IV JADWAL DAN RANCANGAN BIAYA
4.1 Jadwal
Penelitian ini dilakukan selama 3 bulan dengan jadwal kegiatan sebagai berikut:
Tabel 4. 1 Jadwal Kegiatan
N Kegiatan Oktober November Desember Januari

o
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Tahap Persiapan
a. Pengumpulan Studi Literatur
b. Pengajuan Topik Skripsi
2 Tahap Pelaksanaan
a. Pencarian Variabel
b. Pembuatan Model Penelitian
c. Pengajuan Model Penelitian
3 Pelaporan
a. Penyusunan Proposal
b. Pembahasan Proposal
4.2 Anggaran Biaya

Anggaran biaya yang direncanakan akan keluar dalam penelitian ini sebagai berikut:
Tabel 4. 2 Anggaran Biaya
No Kegiatan Biaya
1 Penyusunan Proposal Rp.0
2 Alat Penyimpan File Rp.0
3 Paket Internet Rp.100.000
4 Biaya Transportasi Rp. 200.000
4 Total Rp.300.000
DAFTAR PUSTAKA
Adamu, A., Darma, M., & Darma, R. (2016). Development of Sustainable Poverty Reduction
Strategy for Northeast Nigeria: Challenges and Islamic Solution View project Inland
Natural Gas Consumption and Real Economic Growth in Nigeria: ARDL Cointegration
Test. Journal of Economics and Sustainable Development, 7(8), 183–206. www.iiste.org
Aspachs-Bracons, O., Goodhart, C. A., Tsomocos, D. P., & Zicchino, L. (2007). Towards a Measure Of
Financial Fragility. Annals of Finance 3, Art. 554.
Athanasoglou, P. P., Brissimis, S. N., & Delis, M. D. (2008). Bank-specific, industry-specific and
macroeconomic determinants of bank profitability. Journal of International Financial Markets,
Institutions and Money, 18(2), 121–136. https://doi.org/10.1016/J.INTFIN.2006.07.001
Bank Indonesia. (2004). Kajian Stabilitas Keuangan.
Barus, C. A., & Erick. (2016). Analisis Faktor - Faktor yang Mempengaruhi Non Performing Loan pada
Bank Umum di Indonesia. Jurnal Wira Ekonomi Mikroskil, 6(2), 113–122.
Beck, R., Jakubik, P., & Piloiu, A. (2013). Non-Performing Loans What Matters in Addition to the
Economic Cycle? (No. 1515; ECB Working Paper).
Bofondi, M., & Ropele, T. (2011). Macroeconomic Determinants of Bad Loans: Evidence from Italian
Banks. SSRN Electronic Journal. https://doi.org/10.2139/SSRN.1849872
Cornock, O. (2018). The Report: Indonesia 2018. Oxford Business Group.
Crockett, A. (1996). The theory and practice of financial stability. De Economist 1996 144:4, 144(4),
531–568. https://doi.org/10.1007/BF01371939
Dwihandayani, D. (2018). Analisis kinerja Non Performing Loan (NPL) perbankan di Indonesia dan
faktor-faktor yang mempengaruhi NPL. Jurnal Ilmiah Ekonomi Bisnis, 22(3).
Ekananda, M. (2014). Basic Econometrics for Research. Social and Business. Mitra Wacana Media.
Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction: Representation,
estimation, and testing. The Econometric Society, 55(2), 251–276. https://doi.org/10.2307/1913236
Farichah, A. S. (2022). Analisis Inflasi di Indonesia: Pendekatan Autoregressive Distributed Lag
(ARDL). Jurnal Cakrawala Ilmiah, 1(10), 2467–2484.
https://bajangjournal.com/index.php/JCI/article/view/2577
Farrar, D. E., & Glauber, R. R. (1967). Multicollinearity in Regression Analysis: The Problem Revisited.
The Review of Economics and Statistics, 49(1), 92. https://doi.org/10.2307/1937887
Festiæ, M., & Bekõ, J. (2008). The Banking Sector and Macroeconomic Performance in Central
European Economies. Czech Journal of Economics and Finance (Finance a Uver), 58(03–04),
131–151. https://ideas.repec.org/a/fau/fauart/v58y2008i3-4p131-151.html
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 Update PLS Regresi
(2nd ed., Vol. 2). Badan penerbit Universitas Diponegoro.
Ghozali, I. (2018). Aplikasi analisis multivariate dengan program IBM SPSS 25. Badan penerbit
Universitas Diponegoro.
Ginting, A. M. (2017). Pengaruh Makroekonomi Terhadap Non Performing Loan (NPL) Perbankan.
Jurnal Ekonomi & Kebijakan Publik, 7(2), 159–170. https://doi.org/10.22212/JEKP.V7I2.669
Goldberger, A. S. (1991). A course in econometrics.
Gujarat, D. (2011). Econometric by Example (Vol. 1). Palgrave Macmillan.
Gujarati, D. N. (2004). Basic econometrics. McGraw Hill.
Gujarati, D. N., & Porter, D. C. (2009). Dasar-Dasar Ekonometrika (Fifth). Salemba Empat.
Gunadi, I., & Taruna, A. A. (2015). Dampak Risiko Likuiditas Bank Terhadap Penyaluran Kredit (No.
11).
Haniifah, N. (2015). A Contemporary Business Journal Economic Determinants of Non-performing
Loans (NPLs) in Ugandan Commercial Banks. Taylor’s Business Review, 2, 137–153.
Hardiyanti, S. E., & Aziz, L. H. (2021). The case of COVID-19 impact on the level of non-performing
loans of conventional commercial banks in Indonesia. In Banks and Bank Systems (Vol. 16, Issue
1, pp. 62–68). LLC CPC Business Perspectives. https://doi.org/10.21511/bbs.16(1).2021.06
Harris, R. I. D., & Sollis, R. (2003). Applied Time Series Modelling and Forecasting. 302.
Harun, C. A., & Sagita, R. (2013). Kerangka Kebijakan Makroprudensial Indonesia.
Indriyani, M., & Tiwu, H. (2020). Pengaruh Pandemic Covid 19 Terhadap NPL Bank Perkreditan
Rakyat Di Indonesia. Jurnal Akuntansi: Transparansi Dan Akuntabilitas, 8(2), 79–87.
Janvisloo, M. R., & Muhammad, J. (2013). Non-Performing Loans Sensitivity to Macro Variables: Panel
Evidence from Malaysian Commercial Banks. American Journal of Economics, 3(5C), 16–21.
https://doi.org/10.5923/c.economics.201301.04
Jumhur, J. (2020). Penerapan Autoregressive Distributed lag dalam Memodelkan Pengaruh Inflasi,
Pertumbuhan Ekonomi, dan FDI Terhadap Pengangguran di Indonesia. Jurnal Ekonomi Bisnis Dan
Kewirausahaan, 9(3), 250–265. https://doi.org/10.26418/JEBIK.V9I3.41332
Kepli, S., Bani, Y., Rosland, A., & Laila, N. (2021). Non-Performing Loans and Macroeconomic
Variables in Malaysia: Recent Evidence. (IJEM) International Journal of Economics and
Management , 15(1), 19–31. http://www.ijem.upm.edu.my
Kozarić, K., & Delihodić, E. Z. (2020). Effects of Macroeconomic Environment on Non-Performing
Loans and Financial Stability: Case of Bosnia and Herzegovina. Journal of Central Banking
Theory and Practice, 9(2), 5–17. https://doi.org/10.2478/jcbtp-2020-0011
Lintangsari, N. N., Hidayati, N., Purnamasari, Y., Carolina, H., & Febranto, W. (2018). Analisis
Pengaruh Instrumen Pembayaran Non-Tunai Terhadap Stabilitas Sistem Keuangan di Indonesia.
Jurnal Dinamika Ekonomi Pembangunan, 1(1), 47–62.
Mankiw, N. Gregory. (2012). Principles of macroeconomics. South-Western Cengage Learning.
Margaretha, F., & Vanya, K. (2016). Influence Factors on Non-Performing Loans of Commercial Banks
in Indonesia. Jurnal Kesejahtereaan Sosial , 3(1), 65–80.
McGuckin, R. H. (2000). Business Cycle Indicators Handbook. The Conference Board.
Mishkin, F. S. (2007). The Economics of Money, Banking, and Financial Markets (Eight). Pearson
Education Inc.
muljaningsih, S., & Wulandari, R. D. (2019). Analisis Pengaruh Inflasi, Suku Bunga BI, dan Gross
Domestic Product (GDP) terhadap Rasio Non Performing Loan (NPL) pada Bank Umum di
Indonesia Periode Tahun 2013-2016. OECONOMICUS Journal of Economics, 3(2), 153–176.
https://doi.org/10.15642/OJE.2019.3.2.153-176
Nadjib, N. F., & Anggraeni, P. W. (2018). Analisis Pengaruh GDP, Inflasi, dan Kurs Terhadap Non-
Performing Loans Sektor Perdagangan Besar dan Eceran. Jurnal Ilmiah Mahasiswa FEB, 7(1), 1–
18.
Narayan, P. K. (2004). Fiji’s tourism demand: the ARDL approach to cointegration. Tourism Economics,
10(2), 193–206.
Nugroho, I. A., Sutanto, A., & Riduan, R. (2021). Determinan Volatilitas Makro Ekonomi Terhadap
NPL Bank Jateng. Jurnal Proaksi, 8(2), 498–511. https://doi.org/10.32534/JPK.V8I2.2203
Nulhanuddin, N., & Andriyani, D. (2020). Autoregressive Distributed Lag Kurs Dan Ekspor Karet
Remah Terhadap Pertumbuhan Ekonomi Indonesia. Jurnal Ekonomi Regional Unimal, 3(2), 47–
59. https://doi.org/10.29103/JERU.V3I2.3205
Nur, F., & Sukmana, R. (2019). Determinan Return On Asset (Roa) pada Industri Perbankan Syariah di
Indonesia Periode 2010-2018: Pendekatan Autoregressive Distributed Lag (Ardl). Jurnal Ekonomi
Syariah Teori Dan Terapan, 6(1), 97–113.
https://scholar.archive.org/work/hqmavdx7ezgz3gqaxtrlanr7te/access/wayback/https://e-
journal.unair.ac.id/JESTT/article/download/9055/Feranti%20Farah%20Nur
Nursechafia, N., & Abduh, M. (2014). The Susceptibility of Islamic Banks’ Credit Risk Towards
Macroeconomic Variables. Journal of Islamic Finance, 3(1), 2289–2109.
https://journals.iium.edu.my/iiibf-journal/index.php/jif/article/view/24
OECD. (2012). Transition of the OECD CLI System to a GDP-Based Business Cycle Target.
Otoritas Jasa Keuangan. (2019). Booklet Perbankan Indonesia. Otoritas Jasa Keuangan.
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level
relationships. Journal of Applied Econometrics, 16(3), 289–326. https://doi.org/10.1002/JAE.616
Peyavali, J., & Sheefeni, S. (2015). The Impact of Macroeconomic Determinants on Non-performing
Loans in Namibia. International Review of Research in Emerging Markets and the Global
Economy (IRREM), 1(4), 612–632. www.globalbizresearch.org
Rinaldi, L., & Sanchis-Arellano, A. (2006). Household Debt Sustainability: What Explains Household
Non-Performing Loans? An Empirical Analysis. SSRN Electronic Journal.
https://doi.org/10.2139/SSRN.872528
Schinasi, G. J. (2004). Defining Financial Stability (No. 04; 187).
Shabbir, A. H., Zhang, J., Liu, X., Lutz, J. A., Valencia, C., Johnston, J. D., Shabbir, A. H., Zhang, J.,
Liu, X., Lutz, J. A., Valencia, C., & Johnston, J. D. (2019). Determining the sensitivity of grassland
area burned to climate variation in Xilingol, China, with an autoregressive distributed lag approach.
International Journal of Wildland Fire, 28(8), 628–639. https://doi.org/10.1071/WF18171
Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling Asymmetric Cointegration and Dynamic
Multipliers in a Nonlinear ARDL Framework. Festschrift in Honor of Peter Schmidt, 281–314.
https://doi.org/10.1007/978-1-4899-8008-3_9
Simorangkir, I. (2004). Sistem dan Kebijakan Nilai Tukar. In academia.edu (Seri Kebanksentralan).
Bank Indonesia.
Sinaga, J. S., Muda, I., & Silalahi, A. S. (2020). The effect of BI rate, exchange rate, inflation and third
party fund (DPK) on credit distribution and its impact on non performing loan (NPL) on XYZ
commercial segment bank. Universal Journal of Accounting and Finance, 8(3), 55–64.
https://doi.org/10.13189/ujaf.2020.080301
Sorge, M. (2004). Stress-Testing Financial Systems: An Overview of Current Methodologies. SSRN
Electronic Journal. https://doi.org/10.2139/SSRN.759585
Sudirman, S., Afrizal, A., & Kurniawati, S. (2021). Pengaruh NIM, BOPO, Inflasi, BI 7DAY Rate Dan
Pertumbuhan Ekonomi Terhadap Non Performing Loan Bank Umum Konvensional Indonesia.
Jurnal Ekonomi Daerah (JEDA), 8(4).
https://jurnal.untan.ac.id/index.php/JEDA2/article/view/41225
Suseno, & Astiyah, S. (2009). Inflasi. Bank Indonesia.
Susilo, A., Martin Rumende, C., Pitoyo, C. W., Djoko Santoso, W., Yulianti, M., Sinto, R., Singh, G.,
Nainggolan, L., Nelwan, E. J., Khie Chen, L., Widhani, A., Wijaya, E., Wicaksana, B., Maksum,
M., Annisa, F., Jasirwan, C. O., & Yunihastuti, E. (2020). Coronavirus disease 2019: Tinjauan
literatur terkini. In Jurnal Penyakit Dalam Indonesia | (Vol. 7, Issue 1).
https://www.ncbi.nlm.nih.gov/nuccore/
Syaputra, R., & Roza Adry, M. (2019). Pengaruh Variabel Makroekonomi Terhadap Stabilitas Sistem
Keuangan Di Indonesia (Melalui Pendekatan Moneter). Jurnal Kajian Ekonomi Dan
Pembangunan, 8(1), 473–486.
Tarmidi, L. T. (2003). Krisis Moneter Indonesia: Sebab, Dampak, Peran IMF dan Saran. Buletin
Ekonomi Moneter Dan Perbankan, 1(4), 1–25.
Triandaru, S., & Budisantoso, T. (2006). Bank dan lembaga keuangan lain. Salemba Empat.
Umami, D., & Rani, L. (2021). Factors Affecting Non-Performing Financing Of Sharia Rural Banks For
2015-2019 Period. Jurnal Ekonomi Syariah Teori Dan Terapan, 8(4), 483–495.
https://garuda.kemdikbud.go.id/documents/detail/2239057
Us, V. (2016). A Dynamic Approach To Analysing the Effect Of the Global Crisis On Nonperforming
Loans: Evidence From the Turkish Banking Sector. Applied Economics Letters, 24(3), 186–192.
https://doi.org/10.1080/13504851.2016.1176106
Utami, U., & Silaen, U. (2018). Analisis Pengaruh Risiko Kredit dan Risiko Operasional Terhadap
Profitabilitas Bank. Jurnal Ilmiah Manajemen Kesatuan, 6(3), 123–130.
https://doi.org/10.37641/JIMKES.V6I3.293
Velavan, T. P., & Meyer, C. G. (2020). The COVID ‐19 epidemic. Tropical Medicine & International
Health, 25(3), 278. https://doi.org/10.1111/TMI.13383
Viphindratin, S., Ardhanari, M., Wilantari, R. N., Somaji, R. P., & Arianti, S. (2021). Effects of Bank
Macroeconomic Indicators on the Stability of the Financial System in Indonesia. Journal of Asian
Finance, Economics and Business, 8(1), 647–654.
https://doi.org/10.13106/jafeb.2021.vol8.no1.647
Warjiyo, P. (2016). Bauran Kebijakan Bank Sentral: Konspesi Pokok dan Pengalaman Bank Indonesia
(No. 25).
Widarjono, A. (2005). Ekonometrika Teori dan Aplikasinya. Ekonisia.
Wolde-Rufael, Y. (2010). Bounds test approach to cointegration and causality between nuclear energy
consumption and economic growth in India. Energy Policy, 38(1), 52–58.
https://doi.org/10.1016/J.ENPOL.2009.08.053
Wulansari, R. (2020). Analisis Pengaruh Pertumbuhan Kredit Perbankan Terhadap Stabilitas Sistem
Keuangan. Jurnal Ilmiah Mahasiswa FEB, 8(1).
https://jimfeb.ub.ac.id/index.php/jimfeb/article/view/6398
Yakubu, Y., Bala, U., & Manu, S. B. (2015). Electricity Supply and Manufacturing Output in Nigeria:
Autoregressive Distributed Lag (ARDL) Bound Testing Approach Asymmetric Oil Price View
project Access to electricity and poverty reduction in Nigeria View project. Journal of Economics
and Sustainable Development, 6(17), 7–20. http://www.naccima.com
Yuliana, Y. (2020). Corona virus diseases (Covid-19): Sebuah tinjauan literatur. Wellness And Healthy
Magazine, 187–192.
Zaretta, B., & Yovita, L. (2019). Harga Saham, Nilai Tukar Mata Uang dan Tingkat Suku Bunga Acuan
dalam Model Autoregressive Distributed Lag (ARDL). Jurnal Penelitian Ekonomi Dan Bisnis,
4(1), 9–22. https://doi.org/10.33633/JPEB.V4I1.2318
Zeman, J., & Jurca, P. (2008). Macro Stress Testing of The Slovak Banking Sector. In core.ac.uk (WP
1). https://econpapers.repec.org/paper/svkwpaper/1001.htm

Proposal TA - Rayhan Rizqi Sulaiman - 103219053-11012023

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Proposal TA - Rayhan Rizqi Sulaiman - 103219053-11012023

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGARUH KONDISI MAKROEKONOMI DAN PANDEMI

COVID-19 TERHADAP NON-PERFORMING LOAN (NPL)

PROPOSAL TUGAS AKHIR

FAKULTAS EKONOMI DAN BISNIS

Nama Mahasiswa : Rayhan Rizqi Sulaiman

Nomor Induk Mahasiswa : 103219053

Program Studi : Ekonomi

Fakultas : Ekonomi dan bisnis

Jakarta, 10 Januari 2023

Pembimbing : Nama : Nursechafia, S.E., M.Si.

Dr. Feriansyah, S.E., M.Si.

Universitas Pertamina - iii

Jakarta, 10 Januari 2023

LEMBAR PENGESAHAN PROPOSAL...........................................................................................ii

Tabel 3. 1 Jenis dan Sumber Data 26

Universitas Pertamina - vii

Universitas Pertamina - viii

Gambar 1. 1 Rasio Non-Performing Loan (NPL) 2010-2022

Sumber: CEIC (2022)

Gambar 1. 3 Nilai Tukar Dollar terhadap Rupiah 2010-2022

Sumber: CEIC (2022)

1.2 Perumusan Masalah

1.5 Ruang Lingkup Penelitian

2.2 Non-Performing Loan (NPL)

Tabel 2. 1 Tingkat Kesehatan Rasio Non-Performing Loan

Rasio Non-Performing Loan (NPL) Keterangan

NPL Netto 0 - 5 % Sehat

NPL Netto > 5 % Tidak Sehat

2.3 Faktor – Faktor yang Mempengaruhi Non-Performing Loan (NPL)

2.3.1 Indeks Produksi Industri (IPI)

2.3.3 Nilai Tukar

2.3.4 Suku Bunga Acuan Bank Sentral

2.4 Pandemi Covid-19

2.5 Tinjauan Empiris

Tabel 2. 2 Penelitian Terdahulu

No Peneliti Tujuan Penelitian Metode dan Variabel Hasil

1 Haniifah Penelitian ini Variabel Dependen: Inflasi, suku bunga dan

3 Nugroho, Penelitian ini Variabel Dependen: Inflasi memiliki pengaruh

4 Muljanin Penelitian ini Variabel Dependen: Secara parsial infasi tidak

5 Tiwu Penelitian ini Variabel Dependen: Inflasi bernilai positif tetapi

2.6 Kerangka Penelitian

Kerangka berpikir dalam suatu penelitian berfungsi sebagai pengaruh variabel

Indeks Indeks Suku Bunga

Gambar 2. 1 Kerangka Penelitian

5. Pandemi Covid-19 diperkirakan berpengaruh positif dan signifikan terhadap Non-

3.2 Jenis dan Sumber Data

Tabel 3. 1 Jenis dan Sumber Data

Variabel Deskripsi Satuan Sumber

Indeks Produksi Indeks produksi Indonesia Indeks CEIC Indonesia

Covid - 19 Pandemi global dimulai dari 2020. 0 dummy covid-19.go.id

3.3 Metode Analisis

3.3.1 Autoregressive Distributed Lag (ARDL)

3.3.2 Uji Stasioneritas

3.3.3 Penentuan Lag Optimum

3.3.4 Uji Kointegrasi Bound Test

3.3.5 Uji Asumsi Klasik

3.3.5.1 Uji Autokorelasi

3.3.5.2 Uji Normalitas

3.3.5.3 Uji Heteroskedastisitas

3.3.5.4 Uji Linearitas

3.4 Model Penelitian

Tabel 4. 1 Jadwal Kegiatan

N Kegiatan Oktober November Desember Januari