Implikasi Bank Capital Buffer Terhadap

Prosiklikalitas Kredit Perbankan di

Indonesia
Nurbetty Herlina Sitorus1*, Zulfa Emalia2, Emi Maimunah3
Universitas Lampung, Bandar Lampung1,2,3
nurbetty.herlina@feb.unila.ac.id1*

Abstract
Purpose: The aim of this study was to analyze the bank capital buffers effect’s and other
macroeconomics variables on the procyclicality of credit in the banking sector in Indonesia. This study
also aims to determine how was the movement of bank credit in Indonesia and to find out whether there is
procyclicality of bank credit in Indonesia.
Methodology/approach: To identify the influence of excessive credit, this research used regression with
panel data on some banking sample consisting of 10 banks that include in the DSIBs (Domestic
Systematically Important Banks) group. The variables that were tested in this research are bank capital
buffer, real Gross Domestic Product and BI Rate on credit.
Results/findings: The results of this study indicate that during the research period there was
procyclicality of bank credit in Indonesia. It also shows that the bank's capital buffer and GDP have a
significant effect on credit, while the BI rate has no effect on credit.

Keywords: bank capital buffer, riil GDP, BI rate, credit, panel data.

1. Pendahuluan
Krisis keuangan yang telah dialami Indonesia selama dua decade terakhir diawali oleh keuangan Asia
pada triwulan ketiga tahun 1997, dan yang kedua adalah krisis keuangan global pada triwulan IV 2008.
Krisis keuangan yang terjadi secara global dan mengancam perekonomian Indonesia tersebut berdampak
paling besar dimulai dengan terjadinya krisis keuangan Asia yang disebabkan oleh devaluasi nilai tukar
rupiah. Selain situasi perbankan dan kredit bermasalah yang tinggi, perbankan di Indonesia akhirnya
dihadapkan pada pilihan untuk melakukan merger atau tutup. Sebelum terjadinya krisis mata uang Asia,
ada 230 bank, tetapi setelah krisis berkurang menjadi 130 bank. Hal ini mengakibatkan turunnya
pertumbuhan PDB riil dan kenaikan inflasi yang mencapai 77% di tahun 1998. Krisis keuangan 2008
berdampak pada sektor perbankan yang mendorong tingginya tingkat kredit bermasalah yang terjadi di
sektor perbankan. Hal ini terbukti dengan meningkatnya kredit macet menjadi 8,27%, (Adamanty. 2015).

Otoritas Jasa Keuangan (OJK) mengelompokkan semua perbankan dengan kapitalisasi pasar yang besar
dalam kelompok Domestically Systemically Important Banks (DSIB). DSIB menunjukkan bahwa
perbankan yang masuk di dalamnya masih memiliki permodalan yang baik dan telah mengumpulkan
tambahan modal untuk tahun ke depan dan dapat memprediksi pinjaman bank Selanjutnya tambahan
modal tersebut dapat digunakan sebagai penyangga (buffer) untuk menyerap terjadinya risiko kerugian
ketika perekonomian dalam keadaan buruk.
 Gambar 1. Prosiklikalitas kredit dan pembentukan modal.
Sumber: Statistik Perbankan Indonesia, Bank Indonesia (diolah)

Produk Domestik Bruto dan kredit di Indonesia pada tabel di atas memiliki pola pergerakan prosiklikal
atau searah, dengan bentuk pergerakan tersebut maka dirasa perlu untuk menerapkan fasilitas penyangga
modal yang disebut bank capital buffer karena tingginya perilaku prosiklikal antara pertumbuhan
ekonomi dan kredit (Utari, 2012). Selanjutnya, perilaku prosiklikalitas yang tinggi ditemukan pula pada
pergerakan modal dan pertumbuhan ekonomi di beberapa negara ASEAN. Berdasarkan penelitian
Deriantino (2011). Dalam penelitian ini didapatkan hasil implementasi bank capital buffer dapat
medorong terjadinya penguatan integrasi ekonomi pada negara-negara yang tergabung dalam
ASEAN.Temuan ini dapat menjadi bahan rujukan bagi perbankan di seluruh wilayah ASEAN yang
memiliki kecenderungan perilaku prosiklikalitas pada kredit perbankannyadalam memitigasi terjadinya
risiko pada sistem keuangan yang berdampak sistemik. Berdasarkan penelitian Utari, (2012) didapat hasil
bahwa kredit perbankan di Indonesia memiliki korelasi positif terhadap pertumbuhan ekonomi. Sebagai
regulator makroprudensial Indonesia, Bank Indonesia berharap bahwa dengan adanya bank capital buffer
akan dapat mencegah terjadinya risiko sistemik dan membantu meredam kredit berlebih.

Gambar 2. Penyaluran kredit berdasarkan sektor dan penggunaannya

Sumber: Badan Pusat Statistik (2015)

Pada dasarnya, sebagian besar penyaluran kredit di Indonesia didominasi dengan kredit modal sebesar
48%, yang selanjutnya penyaluran kredit terbesar kedua adalah kredit konsumsi sebesar 30% dan kredit
investasi sebesar 21%. Berdasarkan data tersebut dapat disimpulkan bahwa sekitar 69% dari kredit bank
digunakan untuk kegiatan produksi. Beberapa penelitian yang menganalisis dampak bank capital buffer
perbankan terhadap prosiklikalitas kredit, dimana kredit digolongkan dalam kredit perusahaan dan kredit
rumah tangga. Berdasarkan penelitian Samargandi (2015) didapat hasil bahwa kredit modal adalah kredit
yang berpengaruh positif terhadap pertumbuhan ekonomi suatu negara. Di lain pihak, berdasarkan
penelitian Ayuso (2004) didapat hasil sejalan untuk sampel penelitian di Spanyol.

2. Tinjauan pustaka

Hubungan Bank Capital Buffer terhadap Kredit

Bank Capital Buffer adalah penyangga(buffer) yang dimiliki bank yang merupakan tambahan modal
dalam memitigasi risiko timbunya kerugian jika terjadi penggelembungan kredit dan pembiayaan
perbankan yang terindikasi berlebihan sehingga memiliki potensi terjadinya gangguan pada stabilitas
sistem keuangan. Tujuan adanya bank capital buffer adalah sebagai perlindungan bank atas penyaluran
kredit yang berlebihan yang merupakan cerminan perilaku mengambil risiko yang berpotensi mendorong
terjadinya risiko sistemik sistem keuangan.
Bank dengan capital buffer rendah pada umumnya mencoba untuk membangun kembali penyangga
modal dengan cara menurunkan risiko sekaligus menaikkan modal.

Bank dapat memanfaatkan adanya bank capital buffer yang telah dimiliki selama masa ekspansi sesuai
dengan siklus keuangan sehingga dapat mengurangi kemungkinan terjadinya kerugian yang dapat terjadi
selama negara tersebut berada pada periode tekanan keuangan dan agar dapat terus mendorong
terciptanya kredit ke sektor riil. Perilaku penyaluran kredit berlebihan tersebut tercermin pada saat
ekspansi ekonomi yang berpotensi mengakibatkan naiknya risiko sistemik sistem keuangan.

Hubungan Kredit dengan Gross Domestic Product (GDP Riil)

Pertumbuhan ekonomi atau diproksikan dengan produk domestik bruto sangat menentukan besaran
penyaluran kredit (Adamanti, 2015). Penelitian Repullo (2009) menunjukkan bahwa ketika bank
mengalami kerugian tinggi merupakan periode buruk dalam perekonomian adalah sedangkan sektor
perbankan merupakan sumber penyaluran kredit yang dapat mendorong tumbuhnya perekonomian. Dari
kedua penelitian ini dapat dilihat bahwa saat buruk dalam perekonomian dapat ditandai dengan terjadinya
gabungan dua faktor yaitu berapa besarnya kerugian perbankan dan sejauh mana kontribusi bank yang
melakukan pengetatan kredit.

2.3 Studi Pendahuluan

Studi sebelumnya yang menjadi kajian dalam penelitian ini terkait bank capital buffer terhadap
pertumbuhan kredit yang pernah dilakukan memperoleh temuan yang dapat dipakai menjadi acuan awal
dalam penelitian ini.

Iosifov & Khamis, 2009 dalam penelitiannya menemukan hasil bahwa ketika pertumbuhan kredit sangat
tinggi hal ini mendorong terjadinya dilema kebijakan, dimana terjadi perubahan pola perilaku
pertumbuhan ekonomi. Pada satu sisi,naiknya kredit akan mendorong adanya kenaikan investasi dan
pertumbuhan perekonomian dan pertumbuhan sektor keuangan. Sedangkan di sisi lain, kondisi ini dapat
mendorong terjadinya kerentanan perbankan yang tercermin pada penurunan pemberian kredit, inflasi
harga asset dan leverage yang berlebihan.

Selanjutnya perumusan model penyaluran kredit dipengaruhi oleh tingkat suku bunga kredit, , biaya
deposito biaya oportunitas dan masalah-masalah yang dimiliki bank seperti ketentuan mengenai rasio
cadangan wajib atau besaran tingkat cadangan bank (Pardue and Melitz, 1973)
3. Metodologi penelitian

Analisis Data
Analisis data panel digunakan dalam penelitian ini yang merupakan gabungan antara data cross section
dan time series. Penggunaan regresi data panel menurut Wibisono (2005) memiliki keunggulan yaitu:
1. Heterogenitas individu diperhitungkan dengan adanya variabel spesifik individu.
2. Heterogenitas dapat dikontrol sehingga model yang digunakan dapat diuji dan memperoleh
model perilaku lebih kompleks.
3. Data panel dapat digunakan sebagai uji penyesuaian dinamis.
4. Data yang lebih informatif, variatif, karena banyaknya jumlah observasi dan mengurangi
kemungkinan kolinieritas (multikolinearitas), sehingga dapat meminimalkan bias.

Persamaan Model
Model data panel yang digunakan dalam penelitian ini:
LnCREDITit = 0 + 1LnBUFit + 2 LnGDPReal it + 3 LnBIRateit+ i

Pemilihan Metode Estimasi

Uji Chow
Uji Chow digunakan untuk penentuan manakah di antara kedua metode yakni metode fixed effect dan
metode common effect yang sebaiknya digunakan dalam pemodelan.

Uji Hausman
Uji Hausman digunakan untuk memilih di antara model Fixed Effect atau Random Effect yang paling
tepat digunakan untuk untuk mengestimasi data panel. Pemilihan didasarkan pada perbandingan nilai
kritis Chi-Squares

4. Hasil dan pembahasan

Uji Regresi Data Panel

Pada penggunaan teknik estimasi data panel tiga model yang dapat digunakan yaitu Common Effect
Model (CEM), Fixed Effect Model (FEM) dan Random Effect Model (REM). Dari model tersebut
diperlukan satu model yang paling baik sehingga perlu dilakukan pengujian yaitu Uji Chow dan Uji
Hausman.

1. Metode Penentuan Estimasi

a. Uji Chow
Uji Chow adalah uji yang digunakan untuk mengetahui manakah model yang lebih baik antara Fixed
Effect Model (FEM) dan Common Effect Model (CEM). Dalam uji Chow, penarikan kesimpulan
dilakukan dengan cara melihat nilai Chi-square statistic. Jika nilai Chi-square statistic lebih kecil
dibandingan dengan Chi-square tabel maka metode Common Effect Model (CEM) dipandang lebih
baik dibandingkan dengan Fixed Effect Model, dan sebaliknya jika nilai Chi-square statistic lebih besar
dibandingan dengan Chi-square tabel maka metode Fixed Effect Model (FEM) lebih baik dibanding
metode Common Effect Model.

Tabel 1. Hasil Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 767.162022 (9,185) 0,0000

Berdasarkan Tabel 3 di atas didapat informasi bahwa nilai Chi-square statistic sebesar 767,1 yang
lebih besar dibanding nilai Chi-square tabel sebesar 16,92 dengan probabilita senilai 0,00 lebih kecil
dibandingkan koreksi kesalahan 5 persen. Hal ini menunjukkan bahwa H0 ditolak sehingga dapat
disimpulkan bahwa metode Fixed Effect Model (FEM) lebih baik daripada metode Common Effect
Model (CEM).

b. Uji Hausman
Dalam uji Hasuman penarikan kesimpulan dilakukan dengan cara melihat dari membandingkan nilai
Chi-square table dan Chi-square statistic.

Tabel 2. Hasil Uji Hausman

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 15.457789 3 0.0015

Dari Tabel 4 di atas diketahui bahwa nilai Chi-square statistic sebesar 15,45 lebih besar dari pada Chi-
square tabel sebesar 7,81 dengan nilai probabilitas sebesar 0,00 lebih besar dibandingkan koreksi
kesalahan 5 persen maka H0 maka model Fixed Effect Model (FEM) lebih baik digunakan.

1) Hasil Estimasi Regresi

Berdasarkan ketiga uji yang telah dilakukan yaitu Uji Hausman, diperoleh hasil bahwa Fixed Effect
Model (FEM) dinilai terbaik untuk menganalisis data dalam penelitian. Sehingga hasil perhitungan
regresi tersedia pada tabel di bawah.

Tabel 3. Hasil Perhitungan Regresi FEM

Variabel Coefficient Std.Error t-Statistic Prob.

C -30.63982 4.152675 -7.378333 0,0000**

LCB -0.240358 0.060820 -3.951959 0,0001**
LRealGDP 2.327950 0.193706 12.01795 0,0000**
LBI Rate -0,029114 0.064078 -0.454349 0,6501
Ket: ** adalah signifikansi sebesar 5 %
Berdasarkan hasil perhitungan regresi pada tabel 3 Fixed Effect Model (FEM) maka model
ekonometrika yang dihasilkan adalah

LCREDITit = 0 + 1LBUFit + 2 LRealGDP it + 3 LBIRateit+ i L i

= −30.63982 − 0.240358L i + 2.327950 i - 0,029114 i
[-7.378333] [-3.951959] [12.01795] [-0.454349]

R2 = 0,980183
F hitung = 762,5476
Ket : [ ] = Nilai t Hitung

a) Berdasarkan hasil perhitungan regresi, didapat bahwa bank capital buffer yang mencerminkan
penyangga perbankan dalam bentuk cadangan modal berpengaruh negative signifikan terhadap
kredit di kelompok perbankan dengan level signifikansi sebesar 5 persen.
b) Berdasarkan hasil perhitungan regresi, didapat bahwa GDP riil berpengaruh positif dan signifikan
 terhadap kredit di kelompok perbankan dalam penelitian dengan level signifikansi 5 persen.
c) Berdasarkan hasil perhitungan regresi, didapat bahwa tingkat suku bunga BI Rate berpengaruh
negatif tidak signifikan terhadap kredit di kelompok perbankan DSIB pada tingkat signifikan.

Tabel 4. Hasil Uji t

Variabel Bebas t – hitung t – table Probabilitas Kesimpulan

Bank Capital Buffer -3.951959 1.65263 0.0001 H0 ditolak
Real GDP 12.01795 1.65263 0.0000 H0 ditolak
BI Rate -0.454349 1.65263 0.6501 H0 diterima
Berdasarkan hasil perhitungan pada Tabel 4 dapat dilihat bahwa hanya terdapat dua variabel yang
menolak H0 yaitu Bank Capital Buffer dan Real GDP, hal ini menunjukkan bahwa berdasarkan hasil
perhitungan variabel Bank Capital Buffer berpengaruh negatif dan signifikan terhadap kredit,
sedangkan real GDP memiliki pengaruh positif dan signifikan terhadap kredit di perbankan Indonesia.
Sedangkan variabel BI Rateberada pada daerah menerima Ho yang berarti bahwa BI Rate berpengaruh
negatif dan tidak signifikan terhadap kredit.

2. Uji F

Berdasarkan hasil perhitungan yang dilakukan diperoleh hasil uji F menggunakan Fixed Effect Model
sebagai berikut:

Tabel 5. Hasil Uji Hipotesis Secara Bersama – sama

Variabel Bebas F – hitung F – table Kesimpulan

762.5476 2.60 H0 ditolak

Berdasarkan tabel 5 diperoleh F hitung sebesar 674,8 dan F tabel 2,60 dengan α =5 persen,
membandingkan hasil tersebut terlihat bahwa F hitung lebih besar daripada F tabel sehingga H0 ditolak,
hal ini memberikan kesimpulan bahwa Bank Capital Buffer, Real Gross Domestic Bruto dan BI Rate
secara bersama sama berpengaruh terhadap kredit.

Hasil Koefisien Determinasi

Berdasarkan hasil perhitungan regresi dengan menggunakan Fixed Effect Model (FEM) diperoleh R-
Squared sebesar 0,9801. Hal ini mengartikan bahwa variabel terikat dapat dijelaskan oleh variabel
bebas yang digunakan di dalam model yaitu Bank Capital Buffer, Real Gross Domestic Product dan BI
Rate dapatmenjelaskan sebesar 98,01 % variabel terikat yaitu kredit sedangkan 1,99 % lainnya dapat
dijelaskan oleh variabel lain di luar model.

B. Pembahasan

Model terbaik yang terpilih berdasarkan hasil pengujian yang digunakan untuk menganalisis data
dalam penelitian ini adalah Fixed Effect Model (FEM). Berikut merupakan koefisien regresi yang
diperoleh dari pendekatan Fixed Effect Model (FEM)
LCREDITit = 0 + 1 BUFit + 2 LRealGDP it + 3 LBIRateit+ i

i = −30.63982 − 0.240358L i + 2.327950 i

− 0,029114 i
Nilai konstanta sebesar -30,63 hal ini menunjukan bahwa ketika Bank Capital Buffer, Real Gross
Domestic Bruto dan BI Rate sama dengan nol maka berpengaruh terhadap kredit perbankan di
Indonesia sebesar -30,63 satuan denganasumsi hal – hal lain tetap.

1. Pengaruh Bank Capital Buffer terhadap Kredit Perbankan

Berdasarkan hasil regresi pada tabel 3 variabel Bank Capital Buffer berpengaruh negatif dan signifikan
pada tingkat kepercayaan 95 % terhadap kredit di kelompok perbankan DSIB di Indonesia. Hasil
penelitian sesuai dengan hipotesis awal yaitu berpengaruh negatif. Bedasarkan dengan hubungan
jangka panjang dalam teori charter value yaitu dapat bersifat positif dannegatif, yang bergantung pada
tingkat kapitalisasi perbankan.

Dalam masa pengamatan secara rata rata nilai Capital Buffer perbankan berdasarkan kelompok
Domestic Sistemically Important Banks (DSIB) yaitu sebesar 9,7 persen yang berarti bahwa masih di
atas persyaratan minimum ketentuan Bank Indonesia sebesar 8%. Berdasarkan Capital & Lending
Channel ketika Capital Buffer meningkat maka nilai CAR juga meningkat sehingga pinjaman akan
berkurang dan menurunkan kredit. Di sisi lain ketika Capital Buffer meningkat maka CAR meningkat
nilai pinjaman turun dan akan meningkatkan biaya kredit oleh karena itu kredit akan turun.
Hasil penelitian ini sesuai dengan penelitian Tabak B.M. et al (2012), Pramono Bambang. et al. (2015),
Drehmann and Gambacorta. (2011) yang menyatakan bahwa variabel Bank Capital Buffer berpengaruh
negatif dan signifikan pada pinjaman kredit yang mengindikasikan dapat menekan dan mengurangi
kredit perbankan. penggunaan Bank capital buffer dapat membatasi perbankan untuk menyalurkan
kreditnya, sehingga kredit dapat terjaga.

2. Pengaruh Real GDP terhadap Kredit Perbankan

Berdasarkan hasil regresi pada tabel 3 variabel Real GDP yang mencerminkan total produksi barang
dan jasa pada periode penelitian berpengaruh positif dan signifikan pada tingkat kepercayaan 95 %
terhadap kredit dikelompok perbankan DSIB di Indonesia. Dengan nilai koefisien regresi 2,32 dan
probabilitas 0,00 hal ini mengartikan apabila nilai Real Gross Domestic Product mengalami
peningkatan sebesar satu persen maka nilai kredit akan meningkat sebesar 2,32 persen. Hasil
penelitian sesuai dengan hipotesis awal yaitu bahwa apabila terjadi kenaikan pada tingkat nilai
barang dan jasa maka akanmeningkatkan kredit perbankan. Real GDP dan kredit menunjukkan pola
pro-cyclical pada pergerakannya yang artinya bergerak searah sehingga pada kondisi perekonomian
booming dapat memicu pertumbuhan kredit yang berlebihan.

Selama periode pengamatan, hasil regresi menunjukkan bahwa peningkatan nilai barang dan jasa
berpengaruh signifikan. Dari sini dapat disimpulkan bahwa produk domestik bruto riil telah
mempengaruhi pinjaman bank pada periode pengamatan. Hal ini sesuai dengan penelitian Pramono
Bambang (2015) dan Drehmann dan Gambacorta (2011) mereka menemukan bahwa PDB telah terbukti
memiliki dampak positif yang signifikan terhadap kredit bank, dan bahwa ada prosiklikalitas antara PDB
dan kredit.

3. Pengaruh BI Rate terhadap Kredit Perbankan

Berdasarkan hasil regresi pada tabel 3 variabel BI Rate yang mencerminkan tingkat suku bunga acuan
memberikan pengaruh negatif namun tidak signifikan pada tingkat kepercayaan 95 % terhadap kredit di
kelompok perbankan DSIB di Indonesia. Dengan nilai koefisien regresi -0,029 dan probabilitas 0,65 hal
ini mengartikan apabila nilai BI Rate mengalami peningkatan sebesar satu persen maka nilai kredit akan
menurun sebesar -0,029 persen. Hasil penelitian ini yaituBI Rate berpengaruh negatif terhadap kredit,
Sejalan dengan teori yaitu ketika suku bunga diturunkan adalah meningkatnya keinginan masyarakat
untukmeminjam dana dari sektor perbankan dan begitupun sebaliknya.
Selama periode pengamatan, suku bunga dasar Indonesia cenderung menurun karena berbagai faktor
ekonomi. Pengaruh tidak signifikan berdasarkan hasil regresi berarti bahwa kenaikan dan penurunan suku
bunga acuan tidak secara langsung mempengaruhi suku bunga kredit perbankan. Jadi, jika Bank
Indonesia memutuskan untuk menaikkan benchmark, bank tidak punya alasan untuk menaikkan suku
bunga kredit. Waktu dekat. Di sisi lain, permintaan pinjaman pada kelompok DSIB tidak terlalu tinggi.
Hal ini didukung oleh penelitian Pramono Bambang. dan lain-lain. (2015).

5. Kesimpulan
5.1 Kesimpulan
Kesimpulan yang dapat ditarik berdasarkan hasil adalah:
1. Variabel Bank Capital Buffer berpengaruh negatif dan signifikan terhadap kredit perbankan.
Berdasarkan dari hasil penelitian, kelompok perbankan yang diteliti memiliki jumlah modal yang
mendekati persyaratan sehingga berhubungan negatif terhadap kredit.
2. Variabel Real Gross Domestic Product berpengaruh positif dan signifikan terhadap kredit perbankan.
Naik turunnya tingkat nilai barang dan jasa akan berdampak langsung pada kredit perbankan di
Indonesia.
3. Variabel BI Rate berpengaruh negatif tetapi tidak signifikan terhadap kredit perbankan. Maka apabila
terjadi kenaikan pada suku bunga acuan maka secara langsung tidak akan meningkatkan kredit
perbankan.
4. Bank Capital Buffer, Real Gross Domestic Product, dan BI Rate secara bersama – sama berpengaruh
signifikan (highly significant) terhadap kredit di Indonesia.

5.2 Limitasi dan Saran

Pengujian pengaruh Bank Capital Buffer dalam penelitian ini hingga saat ini masih terus berkembang.
Agar penelitian mengenai hubungan bank capital buffer dan pertumbuhan kredit dapat terus
dikembangkan, maka perlu adanya tambahan variabel makroekonomi lain dalam pemodelan penelitian.
Langkah yang dapat digunakan selanjutnya adalah dengan menginteraksikan variabel tambahan yang
diduga lebih mampu menerangkan hubungan dari masing-masing variabel.

Referensi
Adamanti, Justina and Astuti, R.I. (2015). ―Building on the Countercyclical Buffer Consensus an
empirical test for Indonesia”. The South East Asian Central Bank (SEACEN) Articles
Ayuso, J., Perez, D., Saurina, J. (2004). ―Are capital buffers pro-cyclical? Evidence from Spanish panel
data”. Journal of Financial Intermediation, 13, 249– 264.
Deriantino, E. (2011). ―Procyclicality of Banks' Capital buffer In ASEAN Countries”. Financial
Stability Review. Bank Indonesia
Drehmann, M, C Borio, L Gambacorta, G Jimenez and C Trucharte. ( 2010). ―Countercyclical
capital buffers: exploring optionsǁ. BIS Working Papers, no 317.
Drehmann, M and L Gambacorta. (2011). “The effects of countercyclical capital buffers on bank
lending”. Applied Economic Letters, forthcoming.
Pramono Bambang, Hafidz Januar, Adamanti Justina, Muhajir M. H. dan Alim M S. (2015). ―Dampak
Kebijakan Countercyclical Capital Buffer terhadap Pertumbuhan Kredit di Indonesiaǁ. Bank
Indonesia. Working Paper No. WP/ 4 /2015
Samargandi, N. Fidrmuc, J. and Ghosh, S. (2015). Is the Relationship between Financial Development
and Economic Growth Monotonic for Middle Income Countries?. World Development 68, 66—81.
Repullo, R. and J, Saurina. (2011). The countercyclical capital buffer of Basel III: a critical assessment
Tabak, B. M. Noronha, A.C. and Cajueiro Daniel. (2011). “Bank capital buffers, lending growth and
economic cycle:empirical evidence for Brazil”. Basel Committee on Banking Supervision paper.
BIS CCA-004-2011
Utari, G.A Diah. Trinil Arimurti. Ina Nurmalia Kurniati. (2012). ―Pertumbuhan Kredit Optimalǁ. Buletin
Ekonomi Moneter dan Perbankan.

Wibisono, Dermawan. (2005). Metode Penelitian & Analisis Data. Jakarta: Salemba Medika.