Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Buletin Ekonomi Moneter dan Perbankan, Vol. 24 Nomor 4 Tahun 2021, hlm.489 - 516
p-ISSN: 1410 8046, e-ISSN: 2460 9196

KETIDAKPASTIAN DAN KEBIJAKAN MONETER COVID-19

RESPONS: BUKTI YANG MUNCUL
EKONOMI PASAR

KP Prabheesh* , Solikin M. Juhro** dan Cicilia A. Harun***

* Penulis yang sesuai. Associate Professor, Institut Teknologi India Hyderabad, India.
Email: prabheeshkp@gmail.com ; prabheesh@iith.ac.in
* * Direktur Eksekutif, Bank Indonesia, Indonesia.
* * * Direktur Bank Indonesia, Indonesia.

ABSTRAK
Makalah ini mengkaji efektivitas transmisi kebijakan moneter di negara-negara berkembang
selama pandemi COVID-19. Dengan menggunakan data dari 14 negara berkembang yang
sangat terdampak oleh pandemi ini dan pendekatan kointegrasi dengan distribusi lag
terdistribusi autoregresif, penelitian ini menguji efektivitas kebijakan moneter dalam
mempengaruhi output, inflasi, dan kredit. Studi ini menemukan bahwa: (1) di sebagian besar
perekonomian, transmisi kebijakan moneter terhadap inflasi melemah karena ketidakpastian
yang diciptakan oleh pandemi COVID-19; (2) di beberapa negara, transmisi ini terbukti efektif
dalam menstabilkan kredit dan output; dan (3) merebaknya pandemi COVID-19 mendorong
pelaku ekonomi untuk mengambil pendekatan “hati-hati” atau “tunggu dan lihat”.

Kata Kunci: Kebijakan moneter; Efektivitas kebijakan; COVID 19; Pandemi; Ketakpastian; Negara-
negara berkembang.
Klasifikasi JEL: E52; E58; E65.

Sejarah artikel:
Diterima : 03 Juli 2021
Diperbaiki : 06 September 2021 :
Diterima 09 Oktober 2021
Tersedia Online : 31 Desember 2021
https://doi.org/10.21098/bemp.v24i4.1692
490 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

I. PENDAHULUAN
Ketidakpastian perekonomian seringkali mengganggu proses transmisi kebijakan moneter.
Berdasarkan literatur, selama periode ketidakpastian, kebijakan moneter mungkin tidak efektif
karena pelaku ekonomi tidak merespons perubahan kebijakan karena kurangnya informasi
yang tepat. Agen mengikuti pendekatan 'tunggu dan lihat' dan menunda keputusan konsumsi
atau investasi sampai mereka memperoleh informasi yang tepat tentang perekonomian
(Aastveitdkk., 2017). Oleh karena itu, efektivitas kebijakan moneter sering dipertanyakan seiring
dengan meningkatnya ketidakpastian. Dalam makalah ini, kami menganalisis peran
ketidakpastian terhadap efektivitas respons kebijakan moneter di Negara-Negara Berkembang
(Emerging Market Economies/EME) selama wabah COVID-19. Kami mengkaji masalah ini karena
alasan berikut: (1) Selama wabah COVID-19, tingkat ketidakpastian meningkat ke tingkat yang
lebih tinggi dibandingkan krisis keuangan global pada tahun 2008-09 (lihat Gambar 1); (2) untuk
memitigasi dampak pandemi COVID-19 terhadap perekonomian, bank sentral negara-negara
EME mengadopsi kebijakan moneter yang akomodatif, dengan tingkat yang berbeda-beda di
beberapa negara; dan (3) sebagian besar studi yang ada mengabaikan dampak ketidakpastian
akibat COVID-19 terhadap transmisi kebijakan moneter di negara-negara berkembang. Oleh
karena itu, kami berhipotesis bahwa kebijakan moneter tidak efektif karena ketidakpastian yang
disebabkan oleh COVID-19. Lockdown dan pembatasan perjalanan mengurangi permintaan
barang dan jasa, sehingga menyebabkan kurangnya insentif bagi pelaku ekonomi untuk
merespons perubahan tingkat kebijakan, karena mereka berupaya memenuhi kebutuhan dasar
(OECD, 2020; Levin dan Sinha, 2020; Wei dan Han, 2020).

Gambar 1.
Tren diVIX
Angka ini menunjukkan tren Indeks Volatilitas CBOE Chicago Board Options Exchange, yang dikenal sebagai VIX,
indikator ketidakpastian global.

70.00

60.00

50.00

40.00

30.00

20.00

10.00

0,00
01-01-2000

2000-11-01

01-09-2001

01-07-2002

01-05-2003

01-03-2004

01-01-2005

01-11-2005

01-09-2006

01-07-2007

01-05-2008

01-03-2009

01-01-2010

01-11-2010

01-09-2011

01-07-2012

01-05-2013

01-03-2014

01-01-2015

01-11-2015

01-09-2016

01-07-2017

01-05-2018

01-03-2019

01-01-2020

01-11-2020
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:
Bukti dari Negara-Negara Berkembang 491

Penelitian yang ada menunjukkan bahwa ketidakpastian mengurangi efektivitas kebijakan

moneter dibandingkan ketika keputusan kebijakan moneter dibuat berdasarkan kepastian (Martin dan
Milas, 2009; Ehrmann dan Smets, 2003). Teori tersebut menyatakan bahwa, dengan adanya
ketidakpastian, pelaku ekonomi mungkin lebih memilih untuk 'menunggu dan melihat' sebelum
berinvestasi karena sebagian investasi tidak dapat diubah (Dixit dan Pindyck, 1994; Bloom, 2009).
Karena dampak ketidakpastian yang bersifat hati-hati, para pelaku ekonomi tidak membelanjakan
atau berinvestasi, melainkan meningkatkan tabungan untuk berjaga-jaga. Karena tabungan untuk
pencegahan memainkan peran penting dalam proses stabilisasi, lemahnya daya tanggap terhadap
perubahan kebijakan selama ketidakpastian mengurangi efektivitas kebijakan. Dalam skenario seperti
ini, dikatakan bahwa para pengambil kebijakan harus bertindak agresif untuk menstabilkan
perekonomian (Aastveitdkk., 2017). Bukti juga menunjukkan bahwa otoritas moneter bereaksi secara
agresif dalam kondisi ketidakpastian (Giannoni, 2002; Sonderstrom, 2002). Demikian pula, penelitian
terbaru yang dilakukan oleh Pellegrino (2021) menunjukkan bahwa memperhitungkan guncangan
ketidakpastian akan membantu saluran transmisi penting dan memperkirakan dampak stimulus
moneter yang tidak terduga dengan cara yang akurat.
Kajian mengenai ekonomi COVID-19 telah bermunculan dalam beberapa bulan terakhir.1
Studi yang berkaitan dengan kebijakan moneter sebagian besar terbatas pada efektivitasnya
dengan mengukur dampaknya terhadap pasar saham di Amerika Utara, Afrika, Asia, dan Eropa
(Narayandkk., 2020; Phan dan Narayan, 2020; Chundakkadan dan Sasidharan), terhadap nilai
tukar EME (Yilmazkuday, 2021), terhadap suku bunga jangka panjang di AS (Bhar dan Malliaris,
2021). Lebih lanjut, untuk penelitian terkait COVID-19 dan tingkat ketidakpastiannya,
ketidakpastian langsung berdampak pada pasar saham (Haroon dan Rizvi, 2020; Iyke dan Ho,
2021; Li, 2021), nilai tukar (Iyke, 2020a; Iyke, 2020b; Rai dan Garg, 2021), pasar minyak (Devpura
dan Narayan, 2020; Narayan, 2020), dan pertumbuhan perdagangan dan ekonomi (Vidya dan
Prabheesh, 2020; Vidya, 2021; Zainuddindkk., 2021). Namun, tidak satu pun dari studi tersebut
yang membahas bagaimana ketidakpastian akibat COVID-19 memengaruhi transmisi kebijakan
moneter di negara-negara EME. Oleh karena itu, penelitian ini mengisi kesenjangan penelitian
ini dengan menguji efektivitas tindakan kebijakan moneter bank sentral negara-negara
berkembang selama ketidakpastian akibat COVID-19. Mengingat dampak pandemi yang
beragam saat ini dan ketidakpastian yang diakibatkannya, penting untuk mengkaji efektivitas
kebijakan moneter dalam rangka menentukan tindakan kebijakan di masa depan.

Pendekatan kami untuk menjawab pertanyaan-pertanyaan ini adalah sebagai berikut. (1)
Kami memilih empat belas negara berkembang, berdasarkan tingkat keparahan krisis
COVID-19. (2) Kami memperkirakan model seri tiga kali untuk setiap negara, yang mencakup
pertumbuhan output, inflasi, dan pertumbuhan kredit sebagai variabel dependen, dan
pengaruh interaktif tingkat suku bunga dengan ukuran ketidakpastian sebagai variabel
independen. (3) Kami memperkirakan model ini menggunakan metode Auto-Regressive
Distributed Lagged (ARDL). (4) Kami juga mengestimasi model ini menggunakan metode Panel
ARDL, sebagai uji ketahanan.
Temuan empiris kami menunjukkan bahwa: (1) transmisi kebijakan moneter lemah ketika
adanya ketidakpastian selama periode COVID-19, terutama dalam menstabilkan output dan
inflasi, sedangkan transmisi tersebut kuat dalam hal pertumbuhan kredit; dan (2) lemahnya
transmisi kebijakan moneter menunjukkan bahwa para agen hanya menunggu

1
Lihat Padhan dan Prabheesh (2021); Narayan (2021) untuk review makalah terkait ekonomi
COVID-19.
492 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

dan pendekatan see' selama periode ketidakpastian tinggi. Kontribusi kami terhadap
literatur yang ada adalah sebagai berikut. Pertama, hal ini mungkin merupakan salah satu
upaya pertama untuk menguji efektivitas kebijakan moneter di tengah adanya
ketidakpastian terkait COVID-19 dalam konteks negara-negara berkembang. Kedua,
temuan kami memiliki implikasi kebijakan yang signifikan bagi negara-negara emerging
market dalam hal melaksanakan kebijakan moneter selama masa ketidakpastian. Sisa
makalah ini disusun sebagai berikut: bagian II menyajikan model dan data empiris; Bagian
III dan IV membahas metodologi dan temuan empiris; dan Bagian V menyimpulkan.

II. MODEL DAN DATA EMPIRIS

A.Model Empiris
Pada bagian ini, kami membangun model empiris untuk menguji efektivitas kebijakan moneter
dalam menghadapi ketidakpastian. Kami menganalisis daya tanggap target kebijakan utama,
seperti pertumbuhan output, inflasi, dan pertumbuhan kredit terhadap tingkat kebijakan (suku
bunga). Dalam teori standar mekanisme transmisi kebijakan moneter, terdapat beberapa
saluran transmisi yang dapat menjelaskan pengaruh kebijakan moneter terhadap sektor riil,
atau perkembangan perekonomian. Antara lain, terdapat saluran-saluran yang dianggap
bekerja melalui pengaruh instrumen kebijakan moneter bank sentral, seperti suku bunga,
pasokan kredit, nilai tukar, dan ekspektasi. Dalam kondisi normal atau tertentu, saluran-saluran
ini akan bekerja secara berbeda, tergantung pada struktur perekonomian, perilaku pasar, dan
kelayakan instrumen kebijakan moneter dalam menyampaikan sikap kebijakan. Namun, dalam
kondisi yang tidak normal, seperti adanya pandemi COVID-19, hanya sedikit instrumen
kebijakan yang dapat dimanfaatkan dengan baik. Pandemi COVID-19 merupakan peristiwa yang
luar biasa sehingga memerlukan tindakan yang luar biasa pula. Sehubungan dengan hal
tersebut, sebagian besar bank sentral memberikan paket stimulus moneter dalam jumlah yang
sangat besar, yang dilakukan antara lain dengan menurunkan suku bunga, menurunkan rasio
cadangan, dan membeli obligasi pemerintah di pasar uang domestik (IMF, 2020). Dalam tulisan
ini, kami fokus pada peran suku bunga sebagai instrumen utama yang sering digunakan oleh
bank sentral. Literatur standar mengasumsikan bahwa respon kebijakan moneter melalui
perubahan suku bunga kebijakan akan mempengaruhi suku bunga jangka pendek di pasar
uang, dan selanjutnya mempengaruhi suku bunga simpanan dan pinjaman, dan pada akhirnya
mempengaruhi perkembangan perekonomian.

Model berikut diperkirakan dapat menjawab pertanyaan penelitian.

(1)

(2)

(3)

Di manaYtermasuk
T
(pertumbuhan output, inflasi, dan pertumbuhan kredit). Demikian pula,β1,…βadalah
5
parameter yang akan diestimasi.β 0
apakah intersepnya;Tmenunjukkan waktu danεberdiri
T
untuk istilah kesalahan. Juga,Sayamenunjukkan tingkat kebijakan,VIXsingkatan dari ukuran
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:
Bukti dari Negara-Negara Berkembang 493

ketidakpastian danehsingkatan dari nilai tukar. Model (1) mencakup variabel-variabel

dasar, seperti tingkat suku bunga, ukuran ketidakpastian, dan nilai tukar sebagai variabel
pengendalian moneter, sedangkan Model (2) memperluas model dasar dengan
memasukkan istilah interaksi (aku*VIX)untuk T
menguji efektivitas kebijakan moneter di
hadapan ketidakpastian.2Demikian pula, dalam Model (3), kami menguji dampak
ketidakpastian COVID-19 terhadap efektivitas kebijakan moneter yang digambarkan
dalam tiga istilah interaksi (i*VIXT *Covid_Dum), Di manaCovid_Dummerupakan singkatan
dari variabel dummy yang bernilai 1 untuk periode pandemi COVID-19 dan 0 untuk
periode lainnya. Semua variabel dalam model dinyatakan dalam bentuk logaritmik, kecuali
tingkat suku bunga.

B.Data
Kami memilih 14 negara berkembang, termasuk Brasil, Chili, Tiongkok, Kolombia,
Hongaria, India, Rusia, Malaysia, Meksiko, Polandia, Filipina, Afrika Selatan, Peru, dan
Turki untuk dianalisis. Negara-negara ini dipilih berdasarkan tingkat keparahan krisis
COVID-19 (dalam hal jumlah kasus COVID-19 di EME)3dan ketersediaan data. Data
bulanan untuk periode 2011M01–2020M09 terkait variabel diambil dari database
CEIC dan situs web Federal Reserve System. Dummy untuk COVID-19 berbeda-beda
tergantung respons masing-masing negara terhadap wabah COVID-19. Tanggapan
ini diambil dari situs IMF. Pertumbuhan output, inflasi, dan ketersediaan kredit
masing-masing diproksikan dengan laju pertumbuhan indeks produksi industri,
indeks harga konsumen, dan kredit perbankan ke sektor domestik. Tingkat bunga (
Saya) diproksikan dengan suku bunga pinjaman4
dan nilai tukar (er) adalah nilai mata uang negara tersebut untuk tujuan konversi
ke Dolar AS.

AKU AKU AKU. METODOLOGI

A. Model Lag Terdistribusi Autoregresif (ARDL)
Pendekatan Autoregressive Distributed Lag (ARDL) terhadap kointegrasi, yang dikembangkan
oleh Pesaran dan Shin (1999) digunakan untuk memperkirakan Model (1) hingga (3). Teknik ini
memiliki keunggulan dibandingkan teknik kointegrasi tradisional karena dapat diterapkan
bahkan dengan campuran I(0) dan I(1). Pengujian pendekatan ARDL terdiri dari dua langkah.
Langkah pertama adalah memeriksa keberadaan hubungan kointegrasi jangka panjang antar
variabel. Jika kointegrasi sudah terbentuk, langkah kedua adalah memperkirakan koefisien
jangka panjang dan pendek dengan menggunakan Error Correction Models (ECM). Jika
kointegrasi ditolak, langkah kedua menyatu dengan estimasi koefisien jangka pendek saja.
Bentuk ECM Model ARDL (1) diberikan sebagai berikut:

2
Kami memasukkan istilah interaksi karena pengaruh suku bunga terhadap aktivitas makroekonomi (baik secara
langsung atau melalui dampaknya terhadap pasar keuangan) dapat melampaui teori standar, bergantung pada
ketidakpastian sifat makroekonomi.
3
https://www.worldometers.info/coronavirus/#countries.
4
Diasumsikan bahwa respon kebijakan moneter melalui perubahan suku bunga kebijakan akan mempengaruhi suku bunga
jangka pendek di pasar uang, dan selanjutnya mempengaruhi suku bunga simpanan dan pinjaman.
494 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

(4)

Bagian pertama dari sisi kananβnilainya adalah koefisien jangka panjang dan
bagian kedua dengan parameternyaδ, γ, φ,Danθadalah dinamika model jangka
pendek. Untuk mendapatkan hubungan jangka panjang kami melakukanF-uji
signifikansi gabungan dari koefisien sebagai
0 1 2
H3=β=4β=β=β=0 melawan
1 1
H=β4
,….β≠0.
Penolakan hipotesis nol menunjukkan adanya kointegrasi. Pesaran dan Shin (1999)
mengusulkan nilai kritis bawah dan atas untukF-statistik dengan asumsi semua
variabel adalah I(0) untuk batas bawah dan semuanya adalah I(1) untuk batas atas.
Jika dihitung F-statistik melebihi nilai kritis atas, maka terdapat bukti kointegrasi,
sedangkan jika berada di bawah maka bukti kointegrasi ditolak. Namun, jika nilai
yang dihitung berada di antara nilai kritis bawah dan atas, maka hasilnya tidak dapat
disimpulkan. Setelah kointegrasi terbentuk, estimasi jangka panjang dan pendek
dapat dihitung menggunakan kerangka koreksi kesalahan vektor. Karena ARDL tidak
mengasumsikan korelasi serial, panjang lag (m) yang sesuai harus dipertimbangkan.
Kami memperkirakan model ARDL berdasarkan kriteria informasi Akaike.

B. Pendekatan Panel ARDL Pooled Mean Group (PMG).

Sebagai uji ketahanan, kami juga menggunakan teknik ekonometrik panel ARDL yang
dikemukakan oleh Pesarandkk. (1999) untuk memperkirakan model. Kami menggunakan teknik
Pooled Mean Group (PMG) dalam kerangka ARDL karena memungkinkan jangka waktu konstan,
varian kesalahan, dan parameter jangka pendek bervariasi antar negara panel. Namun,
pendekatan ini mengasumsikan bahwa koefisien hubungan jangka panjang adalah konstan di
berbagai negara. Estimator PMG mempertimbangkan penggabungan karena kendala
homogenitas pada koefisien jangka panjang dan rata-rata antar negara untuk mendapatkan
rata-rata nilai estimasi koefisien koreksi kesalahan dan koefisien jangka pendek model.
Estimator PMG menghitung koefisien dengan menggunakan algoritma Newton-Raphson.
Koefisien yang diperoleh penduga PMG konsisten dan berdistribusi normal asimtotik. Model ini
mencakup teknik pooling dan rata-rata; oleh karena itu, metode ini memiliki keunggulan
dibandingkan metode kuadrat terkecil biasa yang dinamis dan metode kuadrat terkecil yang
dimodifikasi sepenuhnya.
Sesuai Pesarandkk(1999), regresi panel dapat ditulis dengan menggunakan
pendekatan ARDL (p,q), dimana p adalah lag variabel dependen dan q adalah lag dari
regresi. Dalam bentuk persamaan dapat digambarkan sebagai berikut:

(5)

Di manaSaya=1,2,…,14, adalah jumlah negara dalam panel;T=1,2,3,…,Nmenunjukkan

kamuadalah (k× 1) vektor variabel terikat yang terdiri dari tingkat
periode waktu;Saya
pertumbuhan kredit, tingkat inflasi, pertumbuhan
Saya
output;Xadalah matriks orde
variabel bebas (T × k), yang mencakup kebijakan moneter, indeks ketidakpastian, nilai
tukar, dan interaksi antara MP dan indeks ketidakpastian serta variabel dummy;
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:
Bukti dari Negara-Negara Berkembang 495

variabelμadalah Saya
efek tetap, danεadalah istilah
Saya
kesalahan. Jika variabel-variabel Persamaan (5)
dikointegrasikan maka suku sisa harus mengikuti urutan I(0) agar mempunyai hubungan
jangka panjang. Sekarang kita parameterisasi ulang Persamaan (5) untuk memasukkan
persamaan koreksi kesalahan.

(6)

Di mana:

Ituηmewakili
Saya
kecepatan penyesuaian parameter;αadalah koefisien
Saya
jangka
panjang,σ*adalah koefisien jangka pendek dari variabel dependen,β*adalah
aku j aku j

koefisien jangka pendek dari variabel independen.

IV. TEMUAN EMPIRIS

Sebelum memperkirakan model, kami menyelidiki properti akar unit dari variabel masing-
masing negara dengan menerapkan uji akar unit standar, seperti uji Augmented Dickey-
Fuller dan Philips-Perron. Karena temuan keseluruhan menunjukkan urutan integrasi
variabel yang beragam, yaitu I(0) dan I(1), kita dapat menggunakan pendekatan ARDL
pada kointegrasi untuk estimasi.5

A. Temuan dari Analisis ARDL

Kami memperkirakan 14 model untuk setiap negara dalam sampel; vektor kointegrasi jangka
panjang dari model ARDL untuk setiap negara dilaporkan pada Tabel 1-14. Statistik F yang
dilaporkan di bagian bawah tabel ternyata signifikan secara statistik dan dengan demikian
membentuk hubungan kointegrasi antara variabel-variabel dalam model. Namun, dalam
beberapa kasus, kointegrasi tidak ditemukan, sehingga perkiraan jangka panjang tidak
dilaporkan. Temuan menunjukkan bahwa tingkat suku bunga domestik (i) adalah negatif dan
signifikan secara statistik dalam persamaan pertumbuhan kredit di Brasil, Meksiko, Rusia,
Filipina, dan Chili, yang menunjukkan bahwa kenaikan suku bunga mengurangi pertumbuhan
kredit dalam perekonomian. Temuan ini menunjukkan kebijakan moneter yang efektif dalam
menstabilkan pertumbuhan kredit. Sebagai perbandingan, tingkat suku bunga diketahui
menstabilkan output di Brasil, Rusia, Turki, Filipina, Hongaria, dan Chili. Temuan ini juga
mengungkapkan bahwa kebijakan moneter secara efektif menstabilkan inflasi seperti yang
terjadi di Brasil dan Turki.
Penting juga untuk melihat ukuran ketidakpastian ituVIXmempunyai dampak positif
dan signifikan terhadap pertumbuhan kredit di Chile, Tiongkok, Kolombia, dan Meksiko.

5
Karena ada 14 tabel yang terkait dengan pengujian unit root, namun kami tidak memasukkannya ke dalam teks.
Namun, hasil ini tersedia berdasarkan permintaan.
496 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

Menarik juga untuk dicatatVIXsecara signifikan mengurangi pertumbuhan output di sebagian

besar negara (yaitu, 9 dari 14 negara). Temuan ini menggarisbawahi peran ketidakpastian
terhadap output yang mengganggu stabilitas. VariabelVIXjuga ditemukan mempunyai dampak
inflasi di Meksiko dan Malaysia.
Menarik juga untuk melihat bahwa nilai tukar (er) menunjukkan tanda negatif
dan signifikan secara statistik dalam 5 kasus. Hal ini menunjukkan bahwa
peningkatan nilai tukar, yaitu depresiasi mata uang domestik, mengurangi
pertumbuhan kredit, atau apresiasi mata uang domestik meningkatkan
pertumbuhan kredit. Tautan negatif mewakili saluran neraca yang dapat dikaitkan
dengan perilaku pengambilan risiko lembaga keuangan sebagai respons terhadap
variasi nilai tukar. Misalnya, pada saat terjadi apresiasi nilai tukar, lembaga keuangan
meminjam lebih banyak dari pasar internasional dan mempercepat pemberian
pinjaman di pasar domestik. Hal ini terutama karena apresiasi mata uang domestik
mengurangi kewajiban luar negeri dan dengan demikian memperkuat neraca
mereka. Demikian pula, hubungan negatif antara nilai tukar dan inflasi serta nilai
tukar dan pertumbuhan output juga dapat diamati dalam banyak kasus. Hubungan
negatif ini semakin menunjukkan bahwa nilai tukar mempengaruhi inflasi dan output
melalui perilaku pengambilan risiko lembaga keuangan.
Namun pada kasus pengaruh kebijakan moneter pada saat ketidakpastian,
hasilnya menunjukkan bahwa variabel interaksi ( i*VIX) bersifat negatif dan signifikan
secara statistik dalam persamaan pertumbuhan kredit hanya di 3 dari 14 negara,
yaitu Brasil, Peru, dan Afrika Selatan, sedangkan dalam persamaan output, istilah
interaksi hanya negatif dan signifikan di India dan Turki. Di Kolombia, Malaysia, dan
Polandia, istilah interaksi menunjukkan tanda positif dan signifikansi, yang
menunjukkan kebijakan moneter tidak efektif selama periode ketidakpastian. Untuk
persamaan inflasi, istilah interaksinya negatif dan signifikan hanya pada kasus Brasil
dan Turki.
Terakhir, istilah interaksi rangkap tiga, yang mencakup dampak ketidakpastian akibat
pandemi COVID-19, menunjukkan bahwa transmisi kebijakan moneter hanya efektif di 5
dari 14 negara, yaitu Hongaria (pertumbuhan kredit), Filipina (pertumbuhan output) , Turki
(pertumbuhan kredit), Afrika Selatan (kredit dan output). Penting untuk dicatat bahwa
tidak satupun dari ketiga interaksi tersebut signifikan dalam menstabilkan inflasi.
Kurangnya signifikansi statistik dari istilah interaksi rangkap tiga di sebagian besar EME
jelas menunjukkan bahwa transmisi kebijakan moneter melemah selama periode
ketidakpastian yang disebabkan oleh COVID-19.
Secara keseluruhan, dapat disimpulkan bahwa munculnya pandemi COVID-19 yang
menimbulkan ketidakpastian ekstrim menyebabkan tidak efektifnya transmisi kebijakan
moneter suku bunga terhadap inflasi di sebagian besar negara berkembang. Namun, di
beberapa EME, transmisi ini terbukti efektif dalam menstabilkan kredit dan output. Temuan-
temuan ini menunjukkan bahwa merebaknya pandemi COVID-19 mendorong pelaku ekonomi
untuk mengambil pendekatan “hati-hati” atau 'tunggu dan lihat' sampai mereka mendapatkan
informasi yang lebih baik, sehingga kurang responsif terhadap perubahan kebijakan moneter.
 Tabel 1.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Brasil)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 2.802 - 3.518 - 3.953 - 0,305 - 0,366 - 0,35 - 0,748 - 0,617 - 0,841
Saya
(-3.852)* - (3.338)* - (2.745)* (-1.866)*** (-1.879)*** (-2.464)** (-4.456)* (-1.482) - (2.846)*
0,678 - 0,008 0,22 - 0,101 - 0,179 0,105 - 0,443 0,045 - 0,211
Bukti dari Negara-Negara Berkembang

VIX
(3.250)* (-0,031) - 0,643 (-0,831) (-0,781) - 1.652 (5.228)* - 0,125 (-1.116)
- 4.77 - 4.993 - 4.564 - 0,485 - 1.298 0,141 - 2.103 - 0,177 - 1.161
eh
(-3.876)* (-3.412)* (-2.367)** (-0,981) (-1.494) - 0,385 (-1.807) (-0,100) (-1.013)
- 5.805 - 3.429 - 4.686
Saya*VIX - - - - - -
(-2.437)** (-1.558) (-1.561)
- 0,548 - 1.112
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

2.495
Saya*VIX*Contoh - - - - - -
- 0,596 (-1.290) (-0,387)
- 0,04 - 0,032 - 0,027 - 0,092 - 0,077 - 0,1 - 0,722 - 0,257 - 0,355
ECM
(-9.883)* (-9.471)* (-8.978)* (-4.376)* (-5.339)* (-3.869)* (-9.442)* (-4.649)* (-3.564)*
F-tes (18.797)*** (14.231)* (12.789)* (3.659)*** (4.433)** 2.374 (17.200)* (3.428)*** 2.013
497
 Meja 2.
498

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Chile)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,384 - 0,511 - 0,727 - 0,397 - 0,349 - 0,421 - 0,704 - 0,564 - 0,405
Saya
(-1.664)*** (-2.212)** (-1.745)*** (-1.11) (-0,933) (-1.226) (-1.676)*** (-1.303) (-0,952)
0,373 0,414 0,245 0,045 0,008 0,067 0,073 0,034 0,131
VIX
(6.621)* (6.649)* (2.959)* (0,688) (0,127) (0,996) (1.203) (0,409) (1.528)
- 0,016 - 0,016 - 0,025 - 0,006 - 0,004 - 0,006 - 0,028 - 0,025 - 0,021
eh
(-3.528)* (-3.632)* (-2.878)* (-0,959) (-0,556) (-0,843) (-3.468)* (-2.922)* (-2.401)**
- 0,079 - 0,058 - 0,001
Saya*VIX - - - - - -
(-0,974) (-0,860) (-0,015)
- 0,102 - 0,137
Saya*VIX*Contoh - - 0,165129 - - -
(-1.336) (-1.426)
- 0,204 - 0,205 - 0,115 - 0,093 - 0,093 - 0,096 - 0,728 - 0,699 - 0,696
ECM
(-5.257)* (-0,205)* (-0,115)* (-2.961)* (-3.073)* (-3.596)* (-8.440) (-8.190) (-8.465)*
F-tes 5.289* 5.563* 4.710* 1.686 1.498 2.059544 13.748* 10.689* 11.419*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 3.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Cina)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,688 0,789 - 3.866 0,754 0,839 - 0,003 - 1.023 - 1.462 - 1.199
Saya
(-0,255) (0,341) (-0,225) (0,180) (0,202) (-0,000) (-1.023) (-0,983) (-0,207)
0,693 0,454*** 1.183 1.980 1.862 - 1.178 0,154 0,199 - 1.342
VIX
Bukti dari Negara-Negara Berkembang

(1.926)*** (1.955) (1.582) (0,341) (0,335) (-0,270) (1.128) (1.012) (-0,499)

- 12.187 - 6.641 - 24.980 - 9.192 - 8.513 15.332 - 1.712 - 1.735 - 18.908
eh
(-1.459) (-1.200) (-1.675)*** (-0,245) (-0,239) (0,344) (-0,621) (-0,517) (-0,469)
0,087 0,0186 - 0,092
aku*VIX - - - - - -
(0,436) (0,054) (-0,573)
- 0,225 2.725 - 10.698
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

Saya*VIX*Contoh - - - - - -
(-0,231) (0,305) (-0,492)
- 0,045 - 0,070 - 0,034 0,019 0,021 - 0,018 - 0,292 - 0,236 - 0,046
ECM
(-0,045)* (-4.532)* (-4.650) (5.237)* (5.237)* (-5.858)* (-4.556)* (-4.601) (-6.187)*
F-tes 3.546*** 3.238*** 3.440*** 5.290* 4.368* 5.464* 4.002** 3.405** 6.095*
499
 Tabel 4.
500

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Kolombia)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
1.475 1.331 1.320 - 0,450 - 0,535 - 0,733 0,143 - 0,567 - 0,314
Saya
(1.095) (1.022) (1.034) - (0,616) (-0,678) - (0,708) (0,292) (-0,843) - (0,919)
0,217 0,180 0,163 - 0,200 - 0,188 - 0,143 - 0,376 - 0,244 0,143
VIX
(1.696)*** (1.326) (1.182) (-1.476) (-1.385) (-1.023) - (3.417)* (-1.699)*** (1.443)
- 0,007 - 0,008 - 0,007 0,001 0,001 0,001 - 0,001 0,002 0,002
eh
(-5.404)* (-5.491)* (-5.573)* (1.582) (1.772)** (1.647) (-0,668) (1.276) (2.603)**
- 0,291 0,266 3.222
Saya*VIX - - - - - -
(-1.149) (1.060) (3.492)*
- 0,367 0,996 6.211
Saya*VIX*Contoh - - - - - -
(-1.292) (1.218) (1.087)
- 0,198 - 0,199 - 0,201 - 0,055 - 0,053 - 0,046 - 0,685 - 0,536 - 0,821
ECM
(-5.400)* (-5.672) (-5.722)* (-4.746)* (-5.089)* (-5.336)* (-7.680)* (-7.857)* (-9.400)*
F-tes (5.603)* (5.099)* (5.189)* (4.328)** (4.103)** (4.508)* (11.357)* (9.779)* (13.984)*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 5:
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Hongaria)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- - 6.787 - - - 2.064** - 2.337 - 1.271
Saya - -
(-1.541) (-2.572) (-2.958)* (-1.908)***
- 0,695 - - - 0,180 - 0,198 - 0,444
VIX - -
Bukti dari Negara-Negara Berkembang

(0,981) (-0,851) (-0,938) (-1.779)***

- - 0,332 - - - 0,148 - 0,163 - 0,081
eh - -
(-0,963) (-2.513)** (-2.835)* (-1.437)
- - - - 2.764
Saya*VIX - - - - -
(-0,719)
- 1.126 - - - 1.430
Saya*VIX*Contoh - - - - -
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

(-1.679)** (-1.052)
- - 0,047 - - - 0,487 - 0,500 - 0,376
ECM - -
(-4.581)* (-5.454)* (-5.644402 (-8.501)*
F-tes 1.168 1.721 3.343*** 1.159 1.311 1.553 5.729* 5.057* 11.502*
501
 Tabel 6.
502

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (India)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,599 - 0,285 - 0,507 - - - 0,060 0,853 0,755
Saya
(-1.069) (-0,434) (-0,484) (0,066) (0,832) (0,478)
- 0,005 0,113 0,146 - - - - 0,695 - 0,659 - 0,363
VIX
(-0,056) (0,622) (0,832) (-3.925)* (-3.318)* (-1.510)
- 0,248 - 0,326 - 0,255 - - - - 0,191 0,001 0,173
eh
(-1.977)** (-2.053)** (-1.220) (-1.103) (0,009) (0,647)
- 1.287 - - 1.415
Saya*VIX - - - - - -
(-1.60) (-2.576)**
0,152 - 1.396
Saya*VIX*Contoh - - - - - -
0,299 (1.047)
- 0,167 - 0,152 - 0,084 - - - - 0,418 - 0,370 - 0,249
ECM
(5.694)* (-5.569)* (-3.901)* (-5.509)* (-6.748)* (-8.236)*
F-tes (6.208)* 4.849* 2.415 1.656 0,910 1.454 (5.848)* (7.231)* (10.723)*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 7.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Meksiko)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,293 - 0,286 - 0,234 0,170 0,408 0,252 0,351 - 0,051 5.997
Saya
(-3.364)* (-3.383)* (-2.914)* (0,683) (1.418) (1.238) (1.066) (-0,061) (0,363)
0,124 0,131 0,291 0,045 0,072 - 0,082 - 0,003 - 0,244 - 1.443
VIX
Bukti dari Negara-Negara Berkembang

(1.802)*** (1.973)*** (4.497)* (0,803) (1.781)*** (1.777)*** (1.066) (-0,947) (-0,355)

- 0,086 - 0,084 - 0,104 0,057 - 0,228 - 0,010 - 1,008 - 1.401 - 7.218
eh
(-0,685) (-0,694) (-0,730) (0,394) (-2.245) (-0,088) (-5.484)* (-2.608)** (-0,397)
- 0,602 - 0,217 23.248
Saya*VIX - -
(-1.440) (-0,153) (1.426)
- 0,780 1.140 1.268
Saya*VIX*Contoh -
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

(-1.510) (0,221) (0,343)

- 0,417 - 0,430 - 0,366 - 0,101 - 0,1481 - 0,116 - 0,508 - 0,179 - 0,040
ECM
(-4.609)* (-4.975)* (-7.747)* (-3.001)* (-4.747)* (-5.090)* (-6.978)* (-8.125)* (-8.050)*
F-tes 4.076** 3.913** 9.553* 1.732 3.557** 4.1154** 9.378* 10.458* 10.271*
503
 Tabel 8.
504

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Malaysia)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,965 - 0,962 - 0,040 0,671 1.820 2.737
Saya - - -
(-0,593) (-0,413) (-0,019) (0,377) (1.104) (1.468)
0,213 0,230 0,172 - 0,248 - 0,301 - 0,272
VIX - - -
(2.813)* (1.961)*** (1.901)*** (-3.179)* (-4.482)* (-3.314)*
- 0,933 - 0,799 - 0,680 - 1.623) - 1.378 - 1.341
eh - - -
(-1.211) (-0,733) (-0,696) (-2.097)** (-1.714)*** (-1.494)
3.023 8.690
aku*VIX - - - - -
(1.581) (4.991)*
4.001 5.670
Saya*VIX*Contoh - - - - -
(1.089) (0,316)
- 0,126 - 0,083 - 0,091 - 0,768 - 0,604 - 0,509
ECM - - -
(-4.798)* (-5.475)* (-6.652)* (-7.837)* (-13.019)* (-13.133)*
F-tes 2.357 2.059 1.995 4.442* 4.770* 7.047* 11.816* 26.979* 27.428*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 9.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Peru)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,823 - 0,434 - 1.244 0,306 0,317 0,261 0,912 0,818 1.458
Saya
(-0,907) (-0,508) (-0,816) (1.554) (1.594) (0,691) (0,946) (0,886) (1.088)
- 0,212 - 0,093 - 0,388 0,019 0,017 0,060 - 0,710 - 0,675 - 0,988
VIX
Bukti dari Negara-Negara Berkembang

(-1.070) (-0,685) (-1.172) (0,552) (0,493) (0,810) (-4.050)* (-4.009)* (-3.353)*

- 2.165 - 1.239 - 9.541 0,238 0,266 - 0,430 - 1.062 - 1.207 0,087
eh
(-0,388) (-0,239) (-1.008) (0,197) (0,220) (-0,181) (-0,176) (-0,210) (0,010)
- 3.139 - 7.976 0,055 - 0,959
Saya*VIX - - - - -
(-2.731)* (-2.076)** (0,328) (-1.120)
0,161 5.100
Saya*VIX*Contoh - - - - - -
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

(0,448) (1.283)
- 0,258 - 0,275 - 0,157 - 0,123 - 0,123 - 0,068 - 0,556 - 0,583 - 0,407
ECM
(-4.632)* (-5.821)* (-4.986)* (-2.927)* (-2.948)* (-2.158) (-7.664) (-7.784)* (-8.059)*
F-tes 4.118* 5.371* 3.948* 1.647 1.3788 0,741 11.333* 9.654* 10.343*
505
 Tabel 10.
506

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Filipina)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 1.308 - 8.680 21.879 - 0,665 - 3.230 - 13.382
Saya - - -
(-0,410) (-1.775)*** (0,265) (-0,098) (-0,459) (-5.073)*
- 1.077 - 0,829 - 6.924 - 3.067 - 2.762 0,212
VIX - - -
(-1.720) (-1.965)*** (-0,288) (-4.699)* (-4.147)* (0,737)
- 0,239 - 0,542 - 5.461 - 1.591 - 1.604 - 0,555
eh - - -
(-0,559) (0,404) (-0,290) (-1.702)*** (-1.672)*** (-1.589)***
- 1.400 - 1.795
Saya*VIX - - - - - - -
(1.368) (-1.434)
1.414 - 1.154
Saya*VIX*Contoh - - - - - - -
(0,262) (-10.563)*
- 0,088 - 0,108 - 0,015 - 0,235 - 0,228 - 0,538
ECM - - -
(-4.827) (-7.200)* (-3.796)* (-6.091)* (-6.362) (-7.855)*
F-tes 4.475 8.155* 2.295 - - - 7.153* 6.443* 9.798*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 11.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Polandia)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 1.392 - 2.283 - 8.48 - 0,262 1.52 2.211 - 0,262 1.52 2.211
Saya
- 0,431 - 0,821 - 0,928 - 0,214 - 0,803 - 0,892 (-0,214) - 0,803 - 0,892
- 0,534 0,164 0,529 - 0,321 - 1.023 - 0,895 - 0,321 - 1.023 - 0,895
VIX
Bukti dari Negara-Negara Berkembang

(-0,811) - 0,942 - 1.057 (-1.439) (-1.952)*** (-1.583) (-1.439) (-1.952)*** (-1.583)

- 3.997 - 3.044 - 3.471 - 5.911 0,603 4.093 - 5.911 0,603 4.093
eh
(-0,712) (-1.049) (-0,964) (-1.118) - 0,075 - 0,38 (-1.118) - 0,075 - 0,38
- 3.377 2.091 2.091
Saya*VIX - - - - - -
(-1.454) (0,142) (0,142)
- 8.176 2.059 2.059
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

Saya*VIX*Contoh - - - - - -
(-1.111) (1.322) (1.321)
- 0,054 - 0,077 - 0,044 - 0,547 - 0,343 - 0,28 - 0,547 - 0,343 - 0,28
ECM
(-4.421)*** (-5.262)* (-5.562)* (-5.766)* (-6.396)* (-6.564)* (-5.766)* (-6.396)* (-6.564)*
F-tes (3.754)* (4.384)* (4.908)* (6.413)* (6.508)* (6.838)* (6.413)* (6.508)* (6.838)*
507
 Tabel 12.
508

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Rusia)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 6.578 - 6.241 - 6.557 - 0,046 0,274 0,114 - 1.409 - 1.580 - 1.583
Saya (-2.061)** (-2.009)** (-2.062)* (-0,109) (0,600) (0,190) (-3.907)* (-5.507)* (-5.499)*

- 0,087 0,114 - 0,081 - 0,067 - 0,164 - 0,022 - 0,212 - 0,295 - 0,298

VIX
(-0,165) (0,222) (-0,154) (-0,590) (-1.288) (-0,159) (-2.490)** (-3.591)* (-3.631)*
5.238 3.029 5.192 - 0,332 - 0,075 - 0,599 0,342 0,699 0,700
eh
(1.588) (1.051) (1.581) (-0,610) (-0,140) (-0,907) (0,877) (1.920)** (1.902)***
25.164 1.573 - 0,124
Saya*VIX - - - - - -
(1.822) (1.445) - 0,223
5.587 5.807 - 0,061
Saya*VIX*Contoh - - - - - -
(0,323) (1.122) (-0,035)
- 0,088 - 0,085 - 0,088 - 0,049 - 0,049 - 0,035 - 0,064 - 0,089 - 0,089
ECM
(-3.465)* (-4.555)* (3.483)* (3.575)* (4.223)* (3.114)* (-4.088)* (-5.145)* (-5.139)*
F-tes 2.316 (3.303)*** 1.932 2.458 2.829 1.545 (3.220)*** (4.193)** (4.183)***
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 13.
Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Turki)
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 1.554 - 1.577 - 0,331 - 0,750 - 0,595 - 0,764 - 1.069 - 1.612 - 1.579
Saya
(-1.648) (-1.218) (-0,131) (-5.370)* (-3.263)* (-5.622)* (-1.806)** - (2.252)** - (1.968)**
- 1.406 - 2.687 - 1.693 0,043 0,002 0,027 - 0,225 - 0,197 - 0,437
VIX
(0,606) (0,381)
Bukti dari Negara-Negara Berkembang

(-1.031) (-0,944) (-1.215) (-0,046) (-0,735) (-0,346) (-1.215)

2.419 1.780 - 1.365 0,102 0,852 0,089 1.602 2.877 2.356
eh
(1.421) (1.096) (-0,933) (0,263) (2.235)** (0,236) (0,913) (1.343) (1.031)
3.057 - 0,421 - 1.647
Saya*VIX - - - - - -
(1.015) - (1.906)*** (-2.655)*
1.677 0,137 - 3.035
Saya*VIX*Contoh - - - - - -
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

(2.661)* (0,942) (-1.133)

- 0,040 - 0,029 - 0,070 - 0,247 - 0,260 - 0,257 - 0,420 - 0,408 - 0,343
ECM
(-8.101)* (-8.627)* (-5.122)* (-4.927)* (-5.355)* (-5.039)* (-4.772)* - 6.411)* (-4.733)*
F-tes (12.661)* (11.855)* (4.143)** (4.670)* (4.546)* 4.031* (4.379)** (6.521)* (3.552)***
509
 Tabel 14.
510

Estimasi Koefisien Jangka Panjang dengan Pendekatan ARDL (Afrika Selatan)

VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. ItuT-nilai tes diberikan dalam tanda kurung, dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nol dariF-statistik untuk kointegrasi, hipotesis nol berarti tidak
ada kointegrasi, dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang. JikaF-nilai uji lebih tinggi dari I(0) dan I(1), maka kita lakukan kointegrasi. Jika nilainya di bawah I(0) terikat,
maka kita menerima hipotesis nol, dan jika nilainya berada di antara keduanya, hipotesis tersebut tidak dapat disimpulkan.

Variabel Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
0,360 - 0,600 - 0,305 0,270 0,148 - 0,114 - 1.903 - 1.407 - 1.207
SAYA
(0,619) (-0,913) (-0,332) (0,595) (0,372) (-0,260) (-3.326)* (-1.739)*** (-1.687)***
- 0,097 - 0,129 - 0,075 0,067 0,028 0,019 - 0,022 0,048 0,046
VIX
(-1.230) (-1.593) (-0,674) (0,860) (0,478) (0,365) (-0,303) (0,483) (0,547)
- 0,259 - 0,155 - 0,349 - 0,187 - 0,177 - 0,117 - 0,914 - 0,645 - 0,588
eh
(-1.550) (-0,730) (-1.105) (-1.588) (-1.615) (-1.029) (-0,914) (-2.800)* (-2.948)*
- 2.513 - 0,276 - 4.511
aku*VIX - - - - - -
(-0,730)* (-0,642) (-3.024)*
- 2.816 - 0,150 - 4.872
Saya*VIX*Contoh - - - - - -
(-2.286)** (-0,342) (-3.679)*
- 0,232 - 0,225 - 0,164 - 0,110 - 0,115 - 0,123 - 0,966 - 0,598 - 0,718
ECM
(-4.505)* (-5.988)* (-5.287)* (-3.338)* (-3.476)* (-3.448)* (-8.309)* (-11.563)* (-10.410)*
F-tes 3.910** 5.681* 4.437* 2.142 1.919 1.885 13.278* 21.194* 17.142*
Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021
 Tabel 15.
Estimasi Koefisien Jangka Panjang dengan Pendekatan Panel ARDL
VariabelSayaapakah kebijakan moneter diproksikan dengan suku bunga pinjaman,VIXadalah indeks volatilitas,ehmenunjukkan nilai tukar nominal (mata uang domestik per unit USD), variabel Dummy
diambil untuk krisis COVID-19, dan didasarkan pada data intervensi moneter pemerintah yang disediakan IMF. Tanda bintang *, **, dan *** menunjukkan tingkat signifikansi masing-masing sebesar
1%, 5%, dan 10%. Kesalahan standar diberikan dalam tanda kurung dan tingkat signifikansi diberikan dalam tanda kurung siku. Demikian pula, nilai nol dari kointegrasi Kao dan Chiang (2001) adalah
tidak adanya kointegrasi dan penolakan terhadap nol menunjukkan adanya hubungan jangka panjang.

Variabel Dependen - Pertumbuhan Kredit Variabel Dependen - Inflasi Variabel Terikat - Pertumbuhan Output
Variabel
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
- 0,226 - 0,170 - 0,073 - 0,246 - 0,065 - 0,376 - 0,365 - 0,362
Saya - 0,231 (0,019)*
(0,043)* (0,025)* (0,180) (0,109)** (0,206) (0,121)* (0,119)* (0,119)*
0,472 0,334 - 0,008 0,083 0,0329 0,122 - 0,308 - 0,336 - 0,352
VIX
(0,115)* (0,084)* (0,006) (0,045)* (0,033) (0,053)** (0,043)* (0,040)* (0,041)*
Bukti dari Negara-Negara Berkembang

- 0,0496 - 0,0436 - 0,060 - 0,0007 0,0064 - 0,0003 - 0,0015 - 0,0013 - 0,0012

eh
(0,0114)* (0,009)* (0,498)* (0,0017) (0,005) (0,001) (0,0011) (0,001) (0,001)
- 0,700 - 0,129 0,142
Saya*VIX
(0,241)* (0,119) (0,119)
0,421 0,085 0,173
Saya*VIX*Contoh
(0,238)*** (0,152) (0,144)
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:

- 0,055 - 0,045 - 0,049 - 0,398 - 0,404 - 0,401 - 0,398 - 0,404 - 0,401

ECM
(0,010)* (0,008)* (0,009)* (0,068)* (0,069)* (0,066)* (0,058)* (0,059)* (0,058)*
Kao (kointegrasi - 2.729 - 2.866 - 2.997 - 1.723 - 1.561 - 1.572 - 1.723 - 1.561 - 1.572
tes) [0,003]* [0,002]* [0,001]* [0,042]** [0,059]*** [0,058]*** [0,042]** [0,059]*** [0,058]***
Pengamatan 1.596 1.596 1.596 1.596 1.596 1.596 1.596 1.596 1.596
511
512 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

B. Uji Kekokohan
Pada bagian ini, kami mengadopsi metode estimasi alternatif untuk mengkonfirmasi temuan
empiris dari kerangka deret waktu. Kami melakukan estimasi dengan metode panel ARDL yang
diusulkan oleh Pesaran dan Smith (1995) dan Pesaran dan Shin (1999). Estimasi jangka panjang
dilaporkan pada Tabel (15). Menarik untuk dicatat bahwa variabel interaksi ( i*VIX) berpengaruh
negatif dan signifikan terhadap pertumbuhan kredit yang menunjukkan bahwa kebijakan
moneter efektif dalam menstabilkan pertumbuhan kredit di tengah ketidakpastian. Sebaliknya
variabel ini tidak berpengaruh terhadap inflasi dan output. Dibandingkan dengan pertumbuhan
output dan inflasi, respon signifikan pertumbuhan kredit terhadap suku bunga mungkin
disebabkan oleh fakta bahwa transmisi moneter mempunyai efek lag (lag effect) terhadap
sektor riil, dimana perubahan kredit terjadi lebih awal dalam merespon perubahan suku bunga.

Begitu pula dengan triple interaksi yang mempunyai pengaruh positif dan signifikan terhadap
pertumbuhan kredit, berbeda dengan ekspektasi. Sebaliknya, variabel tersebut tidak memiliki
pengaruh signifikan terhadap inflasi dan pertumbuhan output, yang semakin menegaskan lemahnya
transmisi moneter selama periode ketidakpastian yang disebabkan oleh COVID-19. Oleh karena itu,
temuan keseluruhan dari estimasi panel mendukung temuan kami yang dilaporkan pada bagian
sebelumnya.

V. KESIMPULAN
Makalah ini mengkaji efektivitas kebijakan moneter negara-negara berkembang selama
pandemi COVID-19. Literatur menyatakan bahwa efektivitas transmisi kebijakan moneter lemah
ketika adanya ketidakpastian. Mengingat tingginya ketidakpastian yang disebabkan oleh
pandemi COVID-19, kami mengkaji efektivitas transmisi kebijakan moneter terhadap
pertumbuhan output, inflasi, dan pertumbuhan kredit di empat belas EME yang terkena
dampak pandemi ini. Dengan menggunakan pendekatan ARDL terhadap kointegrasi, kami
menemukan bahwa ketidakpastian yang disebabkan oleh COVID-19 melemahkan transmisi
kebijakan moneter terhadap inflasi di sebagian besar negara-negara tersebut. Namun, di
beberapa negara, kebijakan moneter terbukti efektif dalam menstabilkan pertumbuhan kredit
dan output. Temuan kami secara keseluruhan menunjukkan bahwa ketidakpastian yang
disebabkan oleh COVID-19 menyebabkan pelaku ekonomi mengambil pendekatan 'tunggu dan
lihat', sehingga kurang responsif terhadap perubahan kebijakan moneter.

Temuan kami menyiratkan bahwa kebijakan moneter tidak dapat berdiri sendiri dalam
mengelola stabilitas makroekonomi selama periode ketidakpastian yang tinggi seperti pandemi
saat ini. Dalam hal ini, integrasi kebijakan moneter dan makroprudensial perlu diperkuat dalam
strategi bauran kebijakan untuk mendukung efektivitas transmisi kebijakan moneter dan pada
saat yang sama menjaga stabilitas makroekonomi (Warjiyo dan Juhro, 2019; Juhrodkk., 2021).
Selain itu, ketika pelaku ekonomi menunggu informasi yang tepat untuk merespons perubahan
kebijakan, komunikasi yang kredibel dari bank sentral sangat penting untuk transmisi kebijakan
moneter yang efektif. Di masa yang tidak menentu ini, para pengambil kebijakan harus
bertindak agresif untuk menstabilkan perekonomian dibandingkan dengan masa normal.
Dengan kata lain, meskipun kebijakan moneter melemah selama periode ketidakpastian, tidak
adanya tindakan bukanlah suatu pilihan.
Temuan kami juga mempunyai implikasi terhadap kebijakan normalisasi EME, yaitu memastikan
ketidakpastian telah diminimalkan untuk menghasilkan kebijakan moneter yang efektif
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:
Bukti dari Negara-Negara Berkembang 513

kebijakan. Mengeksekusi kebijakan tapering ketika masih terdapat ketidakpastian terkait

pandemi mungkin tidak akan memberikan hasil yang diinginkan. Dalam kasus EME,
ketidakpastian mengenai strategi keluar di negara-negara maju juga menambah tingkat
ketidakpastian selama pandemi ini berlangsung. Oleh karena itu, komunikasi kebijakan negara-
negara maju untuk mengurangi ketidakpastian menjadi penting untuk memastikan kebijakan
moneter yang efektif di EME.

REFERENSI:
Aastveit, KA, Natvik, GJ, & Sola, S. (2017). Ketidakpastian Ekonomi dan
Pengaruh Kebijakan Moneter.Jurnal Uang dan Keuangan Internasional.
http://dx.doi.org/10.1016/j.jimonfin.2017.05.003
Bhar, R., & Malliaris, AG (2021). Memodelkan Kebijakan Moneter AS Selama
Krisis Keuangan Global dan Pelajaran untuk COVID-19.Jurnal Pemodelan Kebijakan,
43,15-33.
Mekar, N. (2009). Dampak Guncangan Ketidakpastian.Ekonometria, 77, 623685.
Chundakkadan, R., & Sasidharan, S. (2021). Pengumuman Kebijakan Moneter dan
Pengembalian Saham: Bukti dari Operasi Repo Jangka Panjang di India.Surat
Ekonomi Asia, 3(Tampilan Awal). https://doi.org/10.46557/001c.27117 Devpura,
N., & Narayan, PK (2020). Volatilitas Harga Minyak Per Jam: Peran
COVID 19.Surat Penelitian Energi, 1.https://doi.org/10.46557/001c.13683 Dixit, A.,
& Pindyck RS (1994).Investasi dalam Ketidakpastian. Universitas Princeton
Tekan.
Ehrmann, M., & Smets, F. (2003). Potensi Keluaran yang Tidak Pasti: Implikasinya bagi
Kebijakan moneter.Jurnal Dinamika dan Pengendalian Ekonomi,27, 1611–1638. Giannoni,
MP (2002). Apakah Ketidakpastian Model Membenarkan Kewaspadaan? Kuat Optimal
Kebijakan Moneter dalam Model Berwawasan ke Depan.Dinamika Makroekonomi, 6, 111–
144
Haroon, O., & Rizvi, SAR (2020). COVID-19: Liputan Media dan Keuangan
Perilaku Pasar—Penyelidikan Sektoral.Jurnal Keuangan Perilaku dan
Eksperimental, 27, 100343.
IMF. (2020). Dukungan Bank Sentral terhadap Pasar Keuangan dalam Virus Corona
Pandemi, Seri Khusus tentang COVID-19,Uang dan Pasar Modal, 6 Mei 2020,
Dana Moneter Internasional.
Iyke, BN (2020a). Saluran Wabah Penyakit dari Pengembalian Nilai Tukar
Prediktabilitas: Bukti dari COVID-19.Keuangan dan Perdagangan Pasar Berkembang,
56, 2277–2297. https://doi.org/10.1080/1540496x.2020.1784718.
Iyke, BN (2020b). Ketidakpastian kebijakan ekonomi di masa pandemi COVID-19.
Surat Ekonomi Asia, 1.https://doi.org/10.46557/001c.17665.
Iyke, BN, & Ho, SY (2021). Eksposur Nilai Tukar di Pasar Saham Afrika Selatan
Sebelum dan Selama Pandemi COVID-19.Surat Penelitian Keuangan,
102000. https://doi.org/10.1016/j.frl.2021.102000
Juhro, SM, Prabheesh, KP, & Lubis, A. (2021), Efektivitas
Pilihan Kebijakan Trilema dengan Hadirnya Kebijakan Makroprudensial: Bukti
dari Negara Berkembang,Tinjauan Ekonomi Singapura. https://doi.org/
10.1142/S0217590821410058.
514 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

Kao, C., & Chiang, MH (2001). Tentang Estimasi dan Inferensi Kointegrasi
Regresi dalam Data Panel”, Baltagi, BH, Fomby, TB dan Carter Hill, R. (Ed.)
Panel Nonstasioner, Panel Kointegrasi, dan Panel Dinamis(Kemajuan dalam
Ekonometrika, Vol. 15), Emerald Group Publishing Terbatas, Bingley, 179-222.
Levin, AT, & Sinha, A. (2020). Keterbatasan Efektivitas Moneter
Panduan Kebijakan ke Depan dalam Konteks Pandemi COVID-19.Kertas Kerja
NBER,27748.
Li, X. (2021). Dampak Asimetris COVID-19 pada Saham Tiongkok
Volatilitas Pasar: Pengaruh Media atau Fakta?Surat Ekonomi Asia,2. https://
doi.org/10.46557/001c.24143.
Martin, C., & Milas, C. (2009). Ketidakpastian dan Aturan Kebijakan Moneter di
Amerika Serikat.Penyelidikan Ekonomi, 47, 206–215
Narayan, PK (2020). Berita Harga Minyak dan COVID-19-Apakah Ada
Koneksi?Surat Penelitian Energi, 1. https://doi.org/10.46557/001c.13176
Narayan, PK (2021). Hasil Penelitian COVID-19: Agenda untuk Masa Depan
Riset.Analisis dan Kebijakan Ekonomi, 71, 439–445.
Narayan, PK, Devpura, N., & Wang, H. (2020). Mata Uang dan Saham Jepang
Pasar—Apa yang Terjadi Selama Pandemi COVID-19?Analisis dan Kebijakan
Ekonomi, 68, 191–198. http://dx.doi.org/10.1016/j.eap.2020.09.014. OECD. (2020).
Mengevaluasi Dampak Awal Tindakan Pengendalian COVID pada
Aktivitas.Laporan teknikal, Organisasi untuk Kerja Sama dan Pembangunan
Ekonomi.
Padhan, R., & Prabheesh, KP (2021). Perekonomian dari Pandemi COVID-19: A
Survei.Analisis dan Kebijakan Ekonomi, 70, 220-237
Pellegrino, G. (2021). Ketidakpastian dan Kebijakan Moneter di AS: Sebuah Perjalanan Menuju
Wilayah Nonlinier.Penyelidikan Ekonomi, 59, 1106-1128.
Pesaran, MH, & Shin, Y. (1999). Estimasi Grup Rata-rata yang Dikumpulkan Dinamis
Panel Heterogen.Jurnal Asosiasi Statistik Amerika, 94, 621-634. Pesaran, MH,
Shin, Y., & Smith, RP (1999). Lag Terdistribusi Autoregresif
Pendekatan Pemodelan untuk Analisis Kointegrasi', dalam Storm, S. (ed.)
Ekonometrika dan Teori Ekonomi Abad ke-20: Simposium Centennial Ragnar
Frisch, Bab 11, Cambridge University Press, Cambridge.
Pesaran, MH, & Smith, R. (1995). Memperkirakan Hubungan Jangka Panjang dari
Panel Heterogen Dinamis.Jurnal Ekonometrika,68, 79–113
Phan, DHB, & Narayan, PK (2020). Tanggapan Negara dan Reaksi
Pasar Saham hingga COVID-19—Sebuah Eksposisi Awal.Pasar Berkembang, Keuangan dan
Perdagangan, 56, 2138-2150.
Rai, K., & Garg, B. (2021). Korelasi Dinamis dan Limpahan Volatilitas antara
Harga Saham dan Nilai Tukar di BRIICS Economies: Bukti dari Periode Wabah
COVID-19.Surat Ekonomi Terapan, 1–8.
Sonderstrom, U. (2002). Kebijakan Moneter dengan Parameter yang Tidak Pasti.Itu
Jurnal Ekonomi Skandinavia, 104, 125–145.
Vidya, CT (2021). Apakah COVID-19 Mengguncang Perdagangan Dunia dan
Keunggulan Tiongkok? Asian Economics Letters, 3 (Tampilan Awal). https://
doi.org/10.46557/001c.25380.
Ketidakpastian Covid-19 dan Respons Kebijakan Moneter:
Bukti dari Negara-Negara Berkembang 515

Vidya, CT, & Prabheesh, KP (2020). Implikasi Pandemi COVID-19 terhadap

Jaringan Perdagangan Global.Pasar Berkembang, Keuangan dan Perdagangan,56, 2408–
2421. http://dx.doi.org/10.1080/1540496X.2020.1785426.
Warjiyo, P., & Juhro, SM (2019).Kebijakan Bank Sentral: Teori dan Praktek, Zamrud
Penerbitan Terbatas – London.
Wei, X., & Han, L (2020). Dampak Pandemi COVID-19 terhadap Penularan
Kebijakan Moneter terhadap Pasar Keuangan.Tinjauan Internasional Analisis Keuangan, 74,
101705.
Yilmazkuday, H. (2021). COVID-19 dan Kebijakan Moneter dengan Nol
Batas: Investigasi Lintas Negara.Surat Penelitian Keuangan.
https://doi.org/10.1016/j.frl.2021.102103.
Zainuddin, MRKV, Khairuddin, NA, & Hamidi, HNA (2021). Dampak
COVID-19 terhadap Ekspor Bilateral Malaysia: Menguji Efek Heterogen pada
Kategori Produk.Surat Ekonomi Asia, 3 (Tampilan Awal). https://doi.org/
10.46557/001c.25386.
516 Buletin Ekonomi Moneter dan Perbankan Volume 24 Nomor 4 Tahun 2021

halaman ini sengaja dibiarkan kosong