Mekanisme Transmisi Moneter di Indonesia dengan Model VAR


ANALISIS STABILITAS DAN EFEKTIVITAS MEKANISME TRANSMISI
LEWAT JALUR
JUMLAH UANG BEREDAR DAN KREDIT
DI INDONESIA

TESIS
Untuk memenuhi sebagai persyaratan
Mencapai derajat sarjana S-2

Program Studi
Magister Ilmu Ekonomi dan Studi Pembangunan

Dumadi Tri Restiyanto
C4B006084

PROGRAM PASCA SARJANA
ILMU EKONOMI DAN STUDI PEMBANGUNAN
UNIVERSITAS DIPONEGORO
2008
Abstraksi

Mekanisme trasmisi kebijakan moneter bergerak melalui berbagai jalur, yaitu jalur suku bunga, jalur nilai tukar, jalur harga aset, dan jalur kredit. Penelitian ini akan membandingkan jalur jumlah uang beredar dengan jalur kredit (Jalur Kuantitas) dalam efektifitas mekanisme transmisi di Indonesia sebelum dan sesudah krisis moneter.
Dengan menggunakan Parsial Adjusment Model (PAM), membandingkan Persamaan fungsi Jumlah Uang Beredar (M1) dan fungsi kredit (L). Kemudian dari masing-masing persamaan (persamaan kuadrat terkecil) OLS tersebut, diperoleh variance residual masing-masing. Apabila variance residual-nya lebih kecil menunjukkan jalur ini lebih efektif dalam intermediasi, dalam hal ini meningkatkan pertumbuhan ekonomi (PDB).
Sebelum krisis moneter Jumlah Uang Beredar (M1) lebih efektif dari Kredit (L) dalam mekanisme transmisi moneter, ditunjukkan dengan variance residual Jumlah Uang Beredar ( M1) lebih kecil dari kredit (L).
Sesudah krisis moneter kebijakan moneter pasca krisis dianggap mampu mengembalikan kestabilan moneter. Kredit lebih efektif dari Jumlah Uang Beredar (M1) dalam mekanisme transmisi moneter ditunjukkan dengan variance residual Jumlah Uang Beredar (M1) lebih besar dari kredit sesudah krisis moneter.

Kata Kunci : Jumlah Uang Beredar (M1), Kredit (L) , Variance Residual, Mekanisme Transmisi.

BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah
Krisis moneter tahun 1997 menyebabkan kondisi perbankan Indonesia mengalami situasi yang sangat sulit. Perbankan mengalami kesulitan likuiditas akibat Bank Runs, akibat turunnya nilai rupiah (depresiasi) terhadap dollar Amerika. Kesulitan likuiditas ini dibuktikan dengan tidak mampunya bank melayani permintaan uang dari masyarakat secara likuid, mengakibatkan kepercayaan masyarakat pada lembaga perbankan pada waktu itu menjadi rendah. Akibat kesulitan likuiditas tersebut bank-bank mengalami kendala keuangan, bahkan banyak yang kalah kliring, sehingga banyak bank yang mengalami kebangkrutan.
Penarikan dana masyarakat akibat turunnya nilai tukar rupiah, ditandai dengan harga Dollar yang mencapai nilai 14.900 rupiah (lihat Grafik 1.1). Akibatnya adalah bank-bank tidak mampu melayani penarikan uang dari nasabah mereka. Peristiwa di atas dinamakan krisis likuiditas, dan penarikan besar-besaran dana masyarakat ini dinamakan dengan Bank Runs. Kepanikan ini mengakibatkan terjadinya efek karambol, yang mengakibatkan banyak bank tidak mampu menyelesaikan kewajibannya, baik di pasar uang antar bank (PUAB), ataupun kewajiban-kewajiban lain yang harus dipenuhi oleh bank. Ketidakmampuan memenuhi kewajibannya ini mengakibatkan ketidakpercayaan masyarakat pada bank.
Grafik 1.1

Sumber BI, diolah
Bank Runs mengakibatkan ketidakseimbangan di pasar uang, dimana permintaan uang cukup tinggi, sedangkan penawaran uang terus merosot. Bank-bank yang tidak mampu memenuhi kewajibannya harus gulung tikar, akibatnya kerugian banyak dialami oleh nasabah. (HLB Hadlori, 2002) Guna mengembalikan kepercayaannya, maka bank-bank umum di bawah kendali Bank Indonesia mengambil tindakan yang hati-hati di dalam mengelola likuiditas keuangan mereka. Bentuk kehati-hatian tersebut berupa penerapan manajemen perbankan dengan berbasis manajemen resiko yang cukup ketat.
Kehati-hatian ini memunculkan ketidakseimbangan baru. Ketidakseimbangan baru ini disebut Credit Crunch. Credit Cruch menyebabkan permintaan kredit lebih besar dari penawaran kredit, berakibat bank lebih banyak menyimpan dana mereka dalam bentuk Obligasi Pemerintah. Pada kenyatannya sebagian besar aset bank-bank diinvestasikan dalam bentuk Sertifikat Bank Indonesia (SBI), Fasilitas Bank Indonesia (FASBI) dan Surat Utang negara (SUN). Keputusan ketiga portopolio tersebut diambil karena bobot resiko dalam Bassel I, II, III adalah sama dengan nol. Ketiga aset/kekayaan tersebut akan meningkatkan Capital Adequacy Rasio (CAR) yang tinggi, menyebabkan prasyarat kesehatan perbankan.
Loan to Deposit Rasio (LDR) hanya 51 persen pada bulan Maret 2005, artinya dana pihak ketiga yang disalurkan menjadi kredit hanya 51 persen saja, berarti bahwa setiap kegiatan perbankan nasional hanya berupa penjualan dan pembelian obligasi negara, dan bukan memberi kredit bagi kebutuhan dunia usaha. Pemberian kredit banyak digunakan untuk belanja konsumsi rumah tangga, dan bukan untuk kebutuhan investasi. Kredit seperti ini sangat rentan terhadap kenaikkan suku bunga, yang dalam jangka panjang dapat menambah kredit macet. (Anwar Nasution, 2006) Kondisi tersebut akan mengakibatkan kredit perbankan yang dikucurkan tidak mendorong tingkat pendapatan riil.
Credit Crunch menjadi hambatan besar dari fungsi intermediasi perbankan, yaitu berupa penurunan kredit yang dapat diperoleh masyarakat. Kredit tersebut banyak digunakan untuk kebutuhan investasi dan modal kerja. Padahal kebutuhan pertumbuhan kredit perbankan adalah sebesar 22 persen setiap tahunnya. Hal ini diperlukan untuk membantu mendorong pertumbuhan ekonomi sebesar 5-6% per tahun. Pada kenyataannya potensi permodalan perbankan saat ini hanya sanggup untuk mendorong pertumbuhan kredit maksimum 16% saja. (Agus Sugiarto, 2004) Jadi masih diperlukan pertumbuhan 6% kredit perbankan untuk memacu target pertumbuhan ekonomi tersebut.
Credit crunch merupakan fenomena terjadinya ketidakseimbangan di pasar kredit yang disebabkan oleh faktor-faktor sisi penawaran pada bank, dan sisi permintaan debitur, ataupun kondisi ekonomi dan moneter yang berpengaruh terhadap penyaluran kredit perbankan, khususnya kebijakan moneter. (Perry Warjiyo, 2007)
Secara mikro, credit crunch dapat menghambat pertumbuhan ekonomi, mengingat sumber pembiayaan dunia usaha bergantung pada kredit bank. Credit crunch yang terus berlangsung dapat mengakibatkan second round effect (efek babak kedua) pada kegagalan bisnis dunia usaha, yang pada akhirnya kembali memperburuk kualitas pinjaman bank dan berisiko terjadi kembali krisis moneter. Bagi kepentingan pengendalian moneter, credit crunch memiliki implikasi terhadap efektifitas pengendalian moneter. Hal ini akibat dari respon perbankan dalam mentransmisikan sinyal kebijakan moneter terhadap berbagai aktifitas keuangan dan ekonomi tidak seperti yang menjadi harapan Bank Sentral. (Perry Warjiyo, 2007)
Prinsipnya pertumbuhan ekonomi merupakan hasil dari efek pertumbuhan kredit, sehingga dibandingkan dengan pertumbuhan uang terlihat bahwa pertumbuhan kredit lebih kuat dalam menjelaskan besarnya pertumbuhan pendapatan nasional. (HLB Hadori dan Rekan, 2002)
Hambatan kredit didorong oleh penurunan daya beli masyarakat, di mana pertumbuhan pendapatan selalu lebih rendah dari pertumbuhan tingkat suku bunga, baik SBI maupun suku bunga kredit dari tahun 1990 sampai 2006.

Tabel 1.2
Data Pertumbuhan PDB, suku bunga SBI dan kredit
sebelum dan sesudah krisis

Sumber BI, diolah
Perjalanan pertumbuhan pendapatan terlihat cukup mendatar, namun pertumbuhan inflasi, suku bunga SBI dan suku bunga kredit mengalami gejolak yang cukup luar biasa di tahun 1997 kuartal III sampai dengan 1998 Kuartal IV diikuti dengan tidak ada gejolak pertumbuhan pendapatan nominal dari tahun yang sama.

Tabel 1.3
Inflasi , pertumbuhan PDB, suku bunga SBI dan kredit

Sumber BI, diolah
Tahun-tahun tersebut merupakan situasi sulit, ditandai dengan adanya gejolak moneter yang tidak stabil diiringi dengan krisis moneter dan krisis likuiditas. Suku bunga dan inflasi tidak terkendali. Tanpa dorongan pendapatan nominal untuk mengimbangi kedua hal tersebut mengakibatkan penurunan daya beli masyarakat. Sedangkan tingkat pertumbuhan pendapatan rata-rata lebih rendah dari tingkat bunga kredit investasi dari tahun 1990 sampai akhir 2006, artinnya bahwa pertumbuhan pendapatan yang diperoleh dari investasi dari tahun ke tahun memiliki kecenderungan untuk tidak memenuhi kewajiban membayar suku bunga kredit.
Penelitian yang dapat menjelaskan dan menerangkan sejauh mana kebijakan moneter dan stabilitas perbankan secara makro dan mikro ekonomi dalam penyaluran kredit sangat diperlukan. Penggunaan model Quantum Channel yang merupakan gabungan Credit Channel dan Money Channel, akan diterapkan dalam analisis data, guna menerangkan dan mendapatkan kesimpulan yang tepat. Jalur mekanisme transmisi dengan Quantum Channel langsung mempengaruhi tingkat suku bunga sebagai intermediate target, kemudian mempengaruhi investasi dan sektor riil berdasarkan berjalannya transmisi perbankan.
Dalam hal ini akan dilakukan studi empiris secara runtut waktu (time series) dari tahun 1990 sampai masa sebelum krisis tahun 1997 dan sejak krisis tahun 1997 sampai tahun 2006 menggunakan data kuartalan.

1.2 Rumusan Masalah
Krisis perbankan di Indonesia tahun 1997 melahirkan beberapa permasalahan stabilitas moneter dan intermediasi perbankan. Sehingga perlu adanya strategi-strategi kebijakan moneter BI untuk mengatasi krisis moneter. Beberapa peneliti sebelumnya meneliti tentang stabilitas jalur moneter dan kredit guna melihat efektifitasnya dalam mekanisne transmisi, dengan hasilsebagai berikut:
Berdasarkan data time series dari tahun 1990:1 sampai 2000:4 dengan menggunakan variabel dependen Jumlah Uang Beredar (M1) dan Kredit dengan mengacu pada model Bernanke-Blinder.
a. Sebelum krisis moneter (1990:1 sampai 1997:3) volatilitas M1 lebih besar dari kredit. Artinya Kredit lebih efektif dalam meningkatkan pertumbuhan ekonomi dalam mekanisme transmisi.
b. Sesudah krisis moneter (1990:4 sampai 2000:4) volatilitas Kredit lebih besar dari M1. Artinya Jumlah Uang Beredar lebih efektif dalam meingkatkan pertumbuhan ekonomi dalam mekanisme transmisi.
Sebagai perbandingan ideal dari kondisi Indonesia tersebut penulis membandingkan kondisi tersebut dengan Amerikat Serikat. Perbandingan dilakukan dengan meninjau penelitian yang dilakukan oleh Bernanke–Blinder (1998) dengan Variabel Jumlah uang beredar (M1) dan Kredit (L) dari tahun 1974:1 sampai 1985:4, dengan kesimpulan bahwa:
a. Pada paruh pertama data berkala yaitu tahun 1974:1 sampai tahun 1979:3 volatilitas kredit lebih besar dari Jumlah Uang Beredar (M1). Artinya Jumlah uang beredar lebih efektif dalam meningkatkan pertumbuhan ekonomi.
b. Pada paruh kedua data berkala yaitu tahun1979:4 sampai tahun 1985:4 volatilitas Kredit lebih kecil dari Jumlah Uang Beredar ( M1). Artinya bahwa kredit lebih efektif dalam meningkatkan pertumbuhan ekonomi.
Implikasi kebijakan pemerintah untuk menangani kredit lebih signifikan untuk meningkatkan pertumbuhan PDB di Amerika Serikat. Artinya di Indonesia setelah krisis moneter tingkat kredit tidak efektif dalam meningkatkan pertumbuhan ekonomi. Hal ini dapat dilihat dari hasil penelitian HLB Hadlori (2002) bahwa yang terjadi di Indonesia, justru setelah krisis moneter volatilitas kredit lebih besar dari penawaran uang.
Tujuan Penelitian
Penelitian tentang stabilitas Quantum Channel di dalam intermediasi di Indonesia diteliti dengan tujuan :
1. Menganalisis stabilitas Jalur Kredit dan Jumlah Uang Beredar (M1) dalam mekanisme transmisi kebijakan moneter.
2. Sejauh mana efektivitas antara Jumlah Uang Beredar(M1) dan Kredit (L) sebelum krisis dan sesudah krisis moneter dalam meningkatkan pertumbuhan ekonomi dalam mekanisme transmisi.
3. Menguji secara empiris faktor-faktor yang mempengaruhi Jumlah Uang Beredar (M1) dan Kredit sebelum dan sesudah krisis, yaitu :
a. pengaruh PDB terhadap M1.
b. inflasi terhadap M1.
c. suku bunga terhadap M1.
d. pengaruh PDB terhadap kredit.
e. Inflasi terhadap kredit.
f. suku bunga SBI terhadap kredit.
g. suku bunga kredit terhadap kredit.
1.3 Kegunaan Penelitian
Penelitian dilakukan dengan tujuan berguna untuk :
1. Bank Indonesia sebagai Otoritas Moneter adalah untuk menganalisis secara empiris pelaksaaan kebijakan moneter melalui instrumen kebijakan moneter yang dukeluarkan Bank Indonesia dalam pengendalian stabilitas sistem Moneter.
2. Bank Umum baik Negeri atau Swasta baik asing maupun nasional adalah untuk menjalankan fungsinya dengan tepat, baik sebagai lembaga intermediasi dan lembaga profit akan mampu untuk melakukan ekspektasi-ekspektasi serta mampu merespon kebijakan moneter.
3. Dunia pendidikan dan para peneliti yang tertarik untuk meneliti kajian yang sama dalam bidang moneter dan perbankan, diharapkan penelitian ini menjadi salah satu masukan bagi masalah-masalah yang muncul dalam fenomena moneter dan menambah wawasan mengenai dunia moneter dan perbankan dalam penelitian berikutnya sebagai batu pijakan yang tepat dan benar.

1.4 Sistematika Penulisan
Sistematika yang digunakan dalam penulisan tesis ini mengacu pada buku pedoman penulisan tesis yang berlaku di program Magister Ilmu Ekonomi dan stusi Pembangunan Universitas Diponegoro Semarang, bahwa laporan penelitian untuk tesis ini disusun dalam 5 (lima) bab yang mencakup materi sebagai berikut :
Bab I Pendahuluan
Pendahuluan berisi latar belakang masalah, perumusan masalah, tujuan penelitian dan kegunaan penelitian serta sistematika yang digunakan.
Bab II Tinjauan Pustaka dan Kerangka Pemikiran Teoritis
Berisi uraian tentang telaah pustaka untuk melandasi penelitian, review penelitian terdahulu, kerangka pemikiran teoritis, hipotesis penelitian dan definisi operasional variabel.
Bab III Metode Penelitian
Pada bab ini diuraian mengenai jenis dan sumber data, populasi dan prosedur penentuan sampel, metode pengumpulan data, analisis data, deskripsi statistik variabel, uji asumsi klasik, serta teknik analisis.
Bab IV Gambaran Umum dan Analisis Data
Pada bab ini terdiri dari gambaran umum obyek penelitian, deskripsi statistik variabel, uji Asumsi Klasik, pengujian hipotesis, dan pembahasan hasil penelitian.
Bab V Penutup
Dalam bab ini dibahas tentang kesimpulan hipotesis, keterbatasan penelitian dan implikasi penelitian mendatang.

BAB II
TINJAUAN PUSTAKA DAN KERANGKA
PEMIKIRAN TEORITIS

2.1 Landasan Teori
2.1.1 Stabilitas Sistem Perbankan dan Kebijakan Moneter.
Stabilitas sistem perbankan dan sistem moneter merupakan dua aspek yang saling terkait dan menentukan satu sama lain. Stabilnya sistem perbankan secara umum dicerminkan dengan kondisi perbankan yang sehat dan berjalannya fungsi intermediasi perbankan dalam memobilisasi simpanan masyarakat untuk disalurkan dalam bentuk kredit dan pembiayaan lain kepada dunia usaha. Apabila kondisi ini terpelihara, maka proses perputaran uang dan mekanisme transmisi kebijakan moneter dalam perekonomian yang sebagian besar berlangsung melalui sistem perbankan juga dapat berjalan dengan baik. Stabilnya sistem perbankan akan menentukan efektivitas pelaksanaan kebijakan moneter. (Perry Warjiyo, 2007)
Bank Sentral memiliki peranan yang penting dalam perekonomian di suatu negara. Bank sentral memiliki dua tujuan pokok, yaitu :
1. Menjaga stabilitas harga dan memacu pertumbuhan ekonomi.
2. Menjaga stabilitas nilai tukar dan stabilitas keuangan.
Kebijakan moneter merupakan kebijakan bank sentral atau otoritas moneter dalam bentuk pengendalian besaran moneter, seperti jumlah uang beredar, uang primer, kredit perbankan dan suku bunga untuk mencapai pertumbuhan ekonomi yang dibutuhkan. Kebijakan moneter itu sendiri saling berkaitan satu sama lain, dan memungkinkan terjadinya trade off dalam penerapannya. Dalam praktek, perkembangan kegiatan perekonomian yang diinginkan adalah terjaganya stabilitas ekonomi makro yang dicerminkan oleh stabilitas harga (inflasi rendah), membaiknya pertumbuhan ekonomi serta luasnya lapangan kerja.
Efektifitas kebijakan moneter ini sangat berperan dalam menjalankan fungsi perbankan sebagai lembaga intermediasi, dan fungsi bank sentral sebagai pengendali stabilitas moneter. Dengan menggunakan berbagai macam instrument Bank sentral berfungsi sebagai lembaga stabilisator makro ekonomi, dan bank umum dari sisi mikro ekonomi menjaga stabilitas moneter.
Kebijakan moneter adalah kebijakan bank sentral atau otoritas moneter dalam bentuk pengendalian moneter dan atau suku bunga untuk mencapai perkembangan kegiatan ekonomi yang diinginkan. Besaran moneter (stock money) dapat berupa uang beredar dalam arti sempit dan dalam arti luas, uang primer atau kredit perbankan. Kebijakan moneter merupakan kebijakan ekonomi makro, yang pada umumnya mempertimbangkan siklus kegiatan ekonomi, sifat perekonomian (tertutup atau terbuka), serta faktor-faktor fundamental lainnya.
Kondisi perbankan sangat berpengaruh besar terhadap bekerjanya dan efektivitasnya saluran transmisi moneter khususnya jalur moneter, jalur kredit, dan jalur suku bunga.
Dalam kondisi dimana kesehatan dan stabilitas perbankan terjaga dan berkembang kuat, ketiga jalur transmisi ini tidak menunjukkan perbedaan yang berarti. Akan tetapi, dalam kondisi ketika perbankan sedang mengalami sejumlah permasalahan, sehingga proses intermediasi keuangan maupun pasar keuangan tidak berjalan normal, maka perilaku ketiga jalur transmisi moneter tersebut menunjukkan perbedaan yang berarti. (Perry Warjiyo, 2007)
Proses intermediasi ini merupakan fungsi dan tugas perbankan, namun di sisi lain perbankan juga harus menjaga likuiditasnya, karena bank harus menghadapi berbagai resiko yang harus dihadapi dan perlu diantisipasi karena menghadapi ketidak pastian di masa datang.
Stabilitas sistem moneter dan perbankan sangat dibutuhkan oleh perbankan untuk melakukan estimasi-estimasi atau prediksi–prediksi yang harus dilakukan perbankan dalam menghadapi resiko-resiko perbankan, terutama resiko pasar.
Pencapaian sasaran kestabilan moneter dapat didukung oleh pencapaian kesehatan dan kestabilan perbankan melalui beberapa aspek. Sistem perbankan yang sehat diperlukan agar sinyal kebijakan moneter dapat ditransmisikan secara efektif ke berbagai aktifitas ekonomi.
Apabila kondisi bank-bank rentan, bank sentral jelas akan mengalami kesulitan untuk menilai keterkaitan instrumen kebijakan moneter yang ditempuhnya dengan arah kinerja perekonomian yang diinginkan, sehingga akan mempersulit perumusan kebijakan moneter yang akan ditempuh. Dengan kondisi perbankan yang memburuk, efektivitas kebijakan moneter juga akan terhambat karena bank-bank tidak akan mampu merespon sinyal kebijakan moneter secara baik. (Perry Warjiyo, 2007)
2.1.2 Mekanisme Transmisi Kebijakan Moneter.
Mekanisme transmisi kebijakan moneter menggambarkan bagaimana kebijakan mempengaruhi perubahan jumlah uang beredar atau tingkat bunga dalam jangka pendek berdampak pada variabel riil yang terdiri dari Pengeluaran Agregat. Jalur dalam transmisi kebijakan moneter beroperasi melalui efek yang berupa kebijakan suku bunga, portopolio, kekayaan, pinjaman bank, dan neraca perusahaan.(Peter N. Ireland, 2005)
Seperti diuraikan di atas, salah satu kekhususan perbankan terkait erat dengan perannya dalam proses penciptaan uang di dalam perekonomian yang mayoritas melalui sitem perbankan. Dengan peran seperti ini, kondisi perbankan akan menentukan seberapa besar efektivitas mekanisme transmisi kebijakan moneter yang ditempuh bank sentral dapat mempengaruhi berbagai aktivitas ekonomi dan keuangan. (Perry Warjiyo, 2007) Bank sentral memasukkan dua komponen penting dari uang inti yaitu uang kartal dan cadangan bank.
Dimana, bank sentral mengawasi uang inti. Bentuk aksi kebijakan moneter adalah dengan dimulai ketika bank sentral mengubah uang inti melalui operasi pasar terbuka, membeli berbagai macam sekuritas, selebihnya obligasi pemerintah untuk menaikkan uang inti atau menjual sekuritas untuk menurunkan uang inti. (Peter N. Ireland, 2005)
Tindakan itu kemudian berpengaruh terhadap aktifitas ekonomi dan keuangan melalui berbagai jalur transmisi kebijakan moneter, yaitu jalur uang, kredit, dan suku bunga, yang pada umumnya berlangsung melalui sistem perbankan.
Beberapa kajian terdahulu menyimpulkan bahwa transmisi kebijakan moneter jalur moneter melalui uang primer atau uang inti (M0) dan uang beredar (M1) dan (M2) masih dipandang cukup relevan saat ini. Temuan penting yang ada saat ini adalah adanya jalur kredit. Bekerjanya mekanisme transmisi kebijakan moneter dipengaruhi oleh perubahan struktural dan kebijakan ekonomi keuangan yang telah diterapkan tersebut.
Keterkaitan kebijakan moneter dengan perbankan tersebut melalui dua tahap transmisi moneter dalam proses perputaran uang (Perry Warjiyo, 2007).
1. Interaksi antara bank sentral dengan perbankan dalam berbagai transaksi pasar uang yang berkaitan dengan operasi moneter bank sentral dalam manajemen likuiditas perbankan.
2. Interaksi antara perbankan dengan para pelaku ekonomi di sektor riil dalam proses intermediasi keuangan dalam berbagai aktivitas ekonomi baik dalam bentuk penerimaan simpanan dari masyarakat atau penyaluran kredit kepada dunia usaha.
Jalur-jalur mekanisme transmisi didefinisikan dalam beberapa pendekatan oleh para ekonom moneter. Sebagian besar membaginya dalam empat jalur utama, yaitu :
1. jalur tingkat suku bunga (traditional interest rate),
2. jalur kredit (credit channel/ credit view),
3. Jalur nilai kekayaan (asset price channel), dan
4. jalur nilai tukar (exchange rate channel), walaupun sebagian ekonom memasukkan dalam exchange rate channel dalam asset price channel.
Reddy (2002) membagi jalur tersebut dalam pengelompokan yang sedikit berbeda, yaitu:
1. Quantum Channel , jalur ini terdiri dari money supply (money Channel) dan credit channel
2. interest rate channel dan asset price channel.
Walaupun demikian, maksud dari jalur-jalur tersebut adalah sama meskipun berbeda dalam pengklasifikasian. (HLB Hadori, dan rekan, 2002).
Quantum Channel menjadi jalur paling dominan dalam mekanisme transmisi karena langsung mempengaruhi :
1. tingkat suku bunga sebagai sasaran antara untuk kemudian kemudian mempengaruhi tingkat investasi dan
2. sektor riil secara umum berdasarkan berjalannya mekanisme transmisi perbankan.
Pengkajian mekanisme transmisi kebijakan moneter di dunia terus dilakukan. Hal tersebut dilakukan tidak saja karena mekanisme transmisi dipengaruhi oleh perubahan-perubahan yang terjadi dalam perekonomian dan sektor keuangan, akan tetapi juga untuk terus meningkatkan efektifitas kebijakan moneter.
2.1.3 Intermediasi Perbankan dan Efektifitas Kebijakan Moneter
Tantangan utama bagi kebijakan moneter pasca krisis di Indonesia adalah kurang efektifnya kebijakan moneter dalam mempengaruhi aktivitas ekonomi. Permasalahan itu terutama berakar dari kondisi neraca perbankan yang masih belum sepenuhnya normal dan belum pulihnya intermediasi perbankan. (Burhanudin Abdullah, 2005)
Permasalahan ini menimbulkan dua penyakit kronis dalam sistem moneter yaitu :
1. Perbankan tergantung pada sumber pendapatan dari surat-surat berharga seperti SBI (Sertifikat Bank Indonesia) dan obligasi pemerintah.
2. Perbankan dalam kondisi kelebihan likuiditas yang dapat mengancam stabilitas nilai tukar.
Dampaknya adalah biaya pengendalian moneter oleh Bank Indonesia menjadi mahal. Dalam kondisi demikian, kenaikan suku bunga SBI untuk mengurangi inflasi dan menstabilkan nilai tukar seringkali tidak direspon oleh kenaikan suku bunga deposito perbankan dengan seimbang. Karena perbankan cenderung memanfaatkan momentum kenaikan suku bunga SBI tersebut untuk mendapatkan margin keuntungan dari selisih antara suku bunga SBI dan obligasi variabel rate sebagai instrumen penempatan dan deposito sebagai instrumen dana.
Kondisi ini menyebabkan kebijakan moneter untuk menyerap kelebihan likuiditas di masyarakat dan dalam rangka menjaga paritas tingkat bunga menjadi tidak efektif. Dengan kata lain, untuk mencapai tujuan kontraksi moneter dan meningkatkan suku deposito diperlukan kenaikan suku bunga yang lebih tinggi dari yang seharusnya. Hal ini sering menimbulkan dilema. Di satu sisi, kebijakan moneter perlu diterapkan secara hati-hati, dan terukur untuk mencapai sasaran moneter dalam rangka menyerap kelebihan likuiditas agar tidak menambah tekanan terhadap inflasi dan melemahnya nilai tukar. Namun di sisi lain, upaya penyerapan ekses likuiditas tersebut agar efektif memerlukan perubahan stance kebijakan yang drastis yang dapat mengganggu momentum pemulihan ekonomi yang sedang berjalan.
Rendahnya efektifitas kebijakan moneter juga terjadi pada saat kebijakan moneter bersifat ekspansif melalui penururunan suku bunga. Penurunan suku bunga SBI yang diharapkan dapat mendorong perbankan menurunkan suku bunga kredit belum diikuti oleh penurunan suku bunga kredit secara signifikan. Faktor utama yang mempengaruhi kekakuan suku bunga kredit ini adalah sebagai konsekuensi dari pendapatan perbankan yang masih didominasi oleh pendapatan suku bunga obligasi. Turunnya suku bunga obligasi bagi para pemegang obligasi variabel rate akan menurunkan pendapatan perbankan sehingga bank cenderung mempertahankan pendapatannya dengan menahan penurunan suku bunga kredit.
Belum pulihnya fungsi intermediasi yang berakibat pada kelebihan likuiditas perbankan juga menyebabkan pengelolaan moneter menjadi tidak efisien. Bank lebih tertarik menanamkan kelebihan likuiditasnya pada asset yang aman seperti SBI dan Bank Indonesia harus membayar bunga atas SBI tersebut. Pembayaran bunga ini juga berarti menambah likuiditas lagi ke dalam sistem perbankan yang harus diserap lagi untuk menjaga likuiditas tidak berlebihan.
Oleh karena itu, upaya untuk mengembalikan fungsi intermediasi perbankan harus dilakukan secara komprehensif melihat anatomi permasalahan yang dihadapi. Dari pengamatan beberapa tahun ini, ada empat dimensi pokok yang menjadi kunci pemulihan intermediasi menurut Burhanudin Abdullah (2005), yaitu :
1. Stabilitas ekonomi makro yang tercermin dari inflasi yang rendah, nilai tukar yang relatif stabil, dan suku bunga yang kondusif bagi perbankan dan sektor dunia usaha.
2. Struktur keuangan perbankan yang sehat dan regulasi perbankan yang kondusif bagi perbankan dalam menyalurkan kredit.
3. Struktur dunia usaha yang sehat sehingga meningkatkan kualitas debitur.
4. Infrastruktur dan iklim investasi yang mendukung bagi esktor riil.
2.1.4 Bank Runs
Terdapat dua teori yang menjelaskan terjadinya bank runs. Teori pertama menyebutkan bahwa bank runs terjadi karena proses self-fulfilling akibat ketidak percayaan masyarakat terhadap bank. Tidak terdapatnya informasi yang sempurna mengenai kondisi bank oleh nasabah (assymetrics informations) mengakibatkan penarikan uang yang terjadi pada salah satu bank akibat ketidak percayaan memicu nasabah lain untuk menarik dananya atau cepat menjalar (contagion) ke bank lain atau krisis perbankan. Penarikan dana secara bersamaan itu merupakan strategi yang optimal bagi nasabah khususnya dalam kondisi tidak terdapatnya sistem penjaminan terhadap dana nasabah di bank.
Teori kedua menyebutkan bahwa bank runs dan krisis perbankan yang terjadi terkait erat dengan kondisi fundamental perbankan dan kondisi ekonomi suatu negara. Dalam hal ini bahwa bank runs dari proses self-fulflling tidak terjadi dengan sendirinya, tetapi terjadi dengan memburuknya kondisi keuangan bank baik yang berasal dari pengelolaan usaha yang tidak baik (moral hazard) maupun yang berasal dari memburuknya kondisi ekonomi . Kondisi keuangan bank yang buruk akan mengakibatkan bank tidak mampu untuk memenuhi kebutuhan likuiditas nasabah dan selanjutnya kondisi tersebut akan mengurangi kepercayaan terhadap bank. Ketidak percayaan terhadap bank akan mendorong nasabah menarik dananya secara bersamaan dan selanjutnya dapat menimbulkan resiko sistemik ke bank lainnya(banking crisis). (Iskandar Simorangkir, 2003)
Bank runs yang berupa penarikan dana pada bank oleh masyarakat inilah yang mengakibatkan terganggunya likuiditas bank. Sedangkan dana yang dipegang oleh bank tidak semuanya disimpan dalam kas, namun juga digunakan untuk melakukan kegiatan keuangan lainnya seperti pembelian obligasi dalam hal ini SBI dan asset-asset jangka pendek lainnya seperti saham dan valuta asing, namun juga untuk penggunaan asset dan investasi jangka panjang yaitu kredit baik berupa kredit konsusmsi, investasi dan modal kerja yang tidak dapat dengan mudah untuk ditarik kembali.
Paling tidak ada dua jenis pengalihan atau penarikan dana masyarakat ketika kepercayaan terhadap sistem perbankan menurun yaitu pengalihan kepada bank atau lembaga keuangan lain yang lebih dipercaya, atau mengalihkannya dari sistem perbankan baik dalam bentuk konversi ke uang kartal atau menanamkannya investasi, bank atau lembaga keuangan luar negeri. Kedua hal itu melahirkan dampak yang berbeda pada sektor perbankan. (HLB Hadori dan Rekan, 2002)
Peristiwa bank runs inilah yang menyebabkan kehati-hatian bank yang cukup tinggi, sehingga fungsi intermediasi bank menjadi terganggu, akibat pengalaman masa lalu bank lebih bersikap risk averse.
Semua krisi yang berat memiliki karakteristik sistem keuangan yang memilik proporsi NPL (non-performing loans) dan rendahnya kepercayaan, tingginya DER ( debt-equity ratio) dari perusahaan. Tingginya tingkat NPL (non-performing loans) akan mengakibatkan kebangkrutan lembaga keuangan dan hilangnya kepercayaan dari investor. Gerak Bebas dari Modal, Pelarian Modal (capital flight) akan terjadi, dan tekanan devaluasi akan meningkat.
Dengan sistem keuangan yang sehat , bank runs dan Capital flights biasanya tidak akan terjadi., dan tidak akan terjadi krisis keuangan. Ketika krisis keuangan terjadi, dalam suatu kondisi, otoritas moneter dapan menaikan tingkat suku bunga untuk mempertahankan stabilitas moneter. Pemerintah tidak dapat mencegah peristiwa atau kejadian dimana kenaikan tingkat suku bunga mengakibatkan capital flights dan mencegah perang spekulasi internasional. Tingkat bunga yang tinggi akan mengakibatkan resesi. Meskipun, dalam kondisi normal, krisis relatif lebih baik dibanding ketidakpastian dan ketidak terkendalinya krisis keuangan dan krisis cadangan sebagai dampaknya.
Pasalnya credit/bank runs ini adalah akibat ketidak percayaan masyarakat yang cukup besar terdapat perbankan sehingga mereka secara besar-besaran pula menarik dananya dari perbankan untuk dialihkan pada bentuk-bentuk kekayaan yang lain berupa barang, emas, tanah, investasi lngsung dan sebagainya. Akibat bank runs ini dapat menyebabkan krisis likuiditas perbankan yang bisa mengakibatkan kepailitan atau kebangkrutan bank. Akibat dari kebangkrutan ini adalah merugikan masyarakat dan beban bagi pemerintah yang cukup berat.
2.1.5 Credit Crunch
Fenomena credit crunch terjadi dalam perbankan Indonesia dengan terkendalanya penyaluran kredit, khususnya pada periode awal terjadinya krisis. Credit crunch merupakan fenomena terjadinya ketidakseimbangan (disequillibrium) di pasar kredit yang disebabkan oleh faktor-faktor di sisi penawaran kredit perbankan, sisi permintaan dari debitur, ataupun kondisi ekonomi dan moneter yang berpengaruh terhadap penyaluran kredit perbankan, khususnya kebijakan moneter.( Perry Warjiyo, 2007) Kebijakan moneter berdampak pada pasar kredit melalui pengaruhnya terhadap pembentukan ekspektasi perbankan maupun debitur atas arah pergerakan variabel-variabel seperti pertumbuhan ekonomi, inflasi, nilai tukar, dan suku bunga dalam menganalisis permintaan kredit.
Dalam rumusan kebijakan adalah penting untuk memahami fenomena credit crunch, jika muncul. Kenyataannya penawaran agregat dari kredit tidak dapat menurun dengan sendirinya, implikasinya adalah terjadi credit crunch. Secara simultan mengalami penurunan besar-besaran dalam permintaan yang merespon penurunan permintaan untuk produksi perusahaan, sepertinya, penetapan atau penentuan tingkat bunga, ekses penawaran, lebih dari penurunan kredit. Jika , meskipun , ekses permintaan dari kredit, yang mengukur kenaikan likuiditas cadangan dan dapat juga berdampak pada rendahnya tingkat bunga. ( Dominique Dwor-Frecaut; Mary Hallward-Driemeier; Francis X. Colaço, 1999)
Secara makro credit crunch dapat menghambat pertumbuhan ekonomi mengingat sumber pembiayaan dunia usaha sangat tergantung pada kredit perbankan. Credit crunch yang terus berlangsung akan dapat memberikan second round effect (efek babak kedua) pada krisis dunia usaha, yang akan memperburuk pinjaman bank dan resiko terjadinya krisis keuangan baru. Bagi kepentingan pengendalian moneter credit crunch memiliki efektivitas pengendalian moneter karena respon perbankan dalam mentransmisikan pengaruh sinyal kebijakan moneter terhadap berbagai aktivitas keuangan dan ekonomi tidak seperti yang diharapkan bank sentral.
Kenyataanya rasionalisasi dari kredit oleh perbankan juga tidaklah mudah dimengerti tentang credit crunch. Sepertinya rasionalisasi memungkinkan reflect banks tidak menginginkan untuk memberikan pinjaman, sebab mereka tidak memiliki cukup modal dengan sebagain besar portofolio mengalami kredit macet. Dalam banyak kasus, ekpansi likuiditas tidaklah menjadi jawaban. Yang hanya memiliki efek yang mempengaruhi perbankan untuk melebarkan portofolio tabungan mereka. Memperburuk permasalahan mereka dalam kecukupan modal. Yang akan menyebabkan kebutuhan jangka panjang dalam menghitung restrukturisasi perbankan yang disebut dengan krisis. Kemungkinan, meskipun ketika tingkat suku bunga tinggi, dimana pilihan hati-hati dan persepsi atau pemahaman yang tepat dari lembaga penjamin resiko pinjaman. Yang dapat melahirkan keduanya, sebab informasi yang tidak sempurna tentang kebenaran kualitas perusahaan dan proyek atau ketepatan dalam kehati-hatian mengambil resiko dari lembaga peminjaman. Dalam banyak kasus, perbaikan dalam keterbukaan dan ketepatan informasi, melalui perbaikan akuntansi dan auditing, dapat memperkecil munculnya resiko. Juga perbaikan perusahaan, seperti perubahan pembenahan hukum dari kebankrutan dan kepailitan, dan merger serta akuisisi, dapat memfasilitasi perbaikan perusahaan dan restrukturiasi perbankan.
Fernomena credit crunch ditegaskan oleh Perry Warjiyo (2007) adalah mempunyai dua implikasi yang sangat penting bagi kebijakan moneter. Seperti berikut ;
1. Efektivitas kebijakan moneter menjadi terkendala karena tidak berjalannya mekanisme transmisi kebijakan moneter melalui perbankan. Hal ini terutama disebabkan karena penyaluran kredit perbankan tidak banyak ditentukan oleh pergerakan suku bunga akan tetapi lebih didorong oleh faktor-faktor seperti pilihan yang hati-hati dan resiko dunia usaha.
2. Dalam kondisi lemahnya keuangan perusahaan, pengaruh kebijakan moneter dapat bersifat asimetris.
Credit crunch akan menghambat investasi yang pada akhirnya akan mengakibatkan terganggunya sumber pendapatan nasional dan bisa mengakibatkan terganggunya pertumbuhan ekonomi dan pembangunan. Karena kontraksi yang tidak wajar dari moneter akan mengakibatkan kerugian pemerintah, karena dana yang mandek ini lebih banyak disimpan di Bank Indonesia, yaitu dalam bentuk SBI yang dapat menyebabkan beban bagi pembayaran bunga SBI, sebesar tingkat bunga yang ditentukan.
2.1.6 Dampak Kebijakan Moneter yang Asimetri
Pasca krisis kondisi perbankan dan swasta masih relatif lemah, kebijakan moneter yang kontraktif dan ekspansif memiliki dampak asimetris. Kebijakan yang ekspansi tidak banyak berdampak pada sektor riil karena bank tidak merespon dengan menurunkan suku bunga kredit untuk mendorong investasi. Namun kebijakan moneter yang kontraktif relatif lebih kuat mempengaruhi penurunan kredit bank dan kenaikan suku bunga kredit sehingga lebih kuat dampaknya pada sektor riil. Selain itu, dengan kondisi struktur finansial yang lemah, pengetatan kebijakan moneter juga mengakibatkan dampak pelemahan berganda, tidak hanya mengakibatkan biaya modal semakin tinggi, tetapi juga berdampak pada kondisi cash flow sektor korporasi. Semakin bergandanya dampak kebijakan moneter pada sektor riil, disebut dengan fenomena akselerator. Implikasinya, kebijakan moneter yang kontraktif perlu dilakukan lebih berhati-hati terutama dalam fase pemulihan mengingat dampaknya pada kontraksi perekonomian seringkali lebih besar dari yang diperkirakan.
2.1.7 Model Bernanke-Blinder
Kurva LM dalam kondisi keseimbangan portofolio untuk dua aset kepemilikan dalam memilih memegang uang atau obligasi. Model Bernanke-Blinder memiliki 3 aset yaitu uang, obligasi, dan pinjaman(kredit). Hanya pasar kredit membutuhkan penjelasan lebih dalam.Asumsinya bahwa antara penabung dan peminjam memilih antara obligasi dan kredit melalui besarnya suku bunga dalam dua instrumen kredit. Jika ρ adalah suku bunga kredit dan i adalah suku bunga obligasi, maka permintaan kredit adalah Ld=L(ρ,i.y) tergantung pada GNP (y) menangkap transaksi permintaan dari kredit meningkat, untuk modal kerja atau pertimbangan likuiditas.
Untuk memahami asal usul dari penawaran kredit menganggap neraca bank secara sederhana seperti berikut :
Assets Liabities
Reserve (R) Deposite (D)
Bonds (BD)
Loans (LS)

Sejak cadandan (Reserve) terdiri dari RR (Requered Reserves) ditambah ER (excess Reserve), bank terpaksa menaikkan dalam : BD+LS+ ER = D(1-RR). Asumsinya bahwa keinginan pembagian portofolio tergantung pada tingkat pendapatan dari aset yang dimiliki/tersedia ( untuk ER = 0), fungsi penawaran kredit adalah
LS = λ (ρ,i)D(1-RR) (2.1)
Tingkat bunga kredit (ρ) bertanda negatif, dan tingkat bunga obligasi (i) bertanda positif, dengan persamaan yang sama untuk membagi Bb dan ER. Kondisi tersebut untuk lebih jelasnya dalam pasar kredit adalah :
L(ρ,i,y) = λ(ρ,i) D (1-RR) (2.2)
Permintaan uang dibambarkan dalam kurva kurva LM konfensional, Andaikata bank memegang persamaan dalam ε(i)D(1-RR). Bahwa penawaran deposito adalah sama dengan cadangan (R), waktu pengganda uang berupa :
m(i) = (ε(i)(1-RR)+RR))-1 (2.3)
Permintaan deposito meningkat dari motif transaksi dan menggantungkan pada suku bunga, pendapatan, dan total kekayaan, D(i,y), dalam persamaan berikut :
D(i-,y+) = m(i+) R (2.4)
Secara tersirat, D(i,y) dan L(ρ,i,y) menentukan fungsi permintaan masyarakat bukan untuk obligasi adalah permintaan uang di tambah permintaan obligasi dikurangi permintaan kredit harus sama dengan total kekayaan finansial.
Pasar uang dalam kurva IS, umumnya dituliskan sebagai berikut :
Y = Y(i,ρ) (2.5)
Dengan mengambil persamaan (2.4) menganti D(1-RR) ke samping kanan dari persamaan (2.3) dengan (1-RR)m(i)R. Bahwa persamaan (2.3) dapat diselesaikan untuk ρ seperti fungsi dari i,y, R.
Ρ = Φ(i+,y+,R-) (2.6)
Akhirnya mengubah persamaan (2.6) ke dlam persamaan (2.5) diperoleh fungsi :
Y = (i, Φ(i,y, R)) (2.7)
Persamaan 2.7 dalam tulisan Don Patinkin (1956) disebut kurva CC (untuk pasar komositas dan kredit .
Kurva CC memiliki kemiringan negatif seperti kurva IS. Meskipun kebijakan moneter (R) dan gejolak pasar uang berdampak pada L atau λ. Kurva CC mereduksi dari kurva IS jika pinjaman dan obligasi diasumsikan tersustitusi sempurna untuk peminjam atau kreditur, atau jika permintaan komoditi tidak sensitif untuk tingkat pinjaman (Yρ=0) yang membuat psasr kredit tidak relevan untuk IS/LM. Penjelasan khusus berasumsi secara implisit hanya dalam jalur uang saja.
Perbandingan secara ekstrim atau hanya jalur kredit saja, akan naik jika uang dan obligasi bersubstitusi sempurna, akan membentuk kurva LM horisontal. Keynes menjelaskannya dengan apa yang dinamakan liquidity trap (jebakan likuiditas). Kemampuan bersubstitusi yang tinggi lebih seperti menaikkan dari inovasi keuangan dengan menciptakan pergantian uang baru. Meskipun, kejadian seperti jebakan likuiditas tersebut, kebijakan moneter sangat penting, sebab dapat mempengaruhi kurva CC.
Kurva LM dan CC dapat digambarkan sebagai berikut :
Gambar 2.1
Kurva LM dan Kredit

Sumber: Bernanke- Blinder (1988), dalam Money, Credit and Aggregat Demand
2.1.8 Model Impiris Bernanke-Blinder
Menggunakan data time series drai tahun 1974 Kuartal I sampai dengan 1985 kuartal IV Bernanke-Blinder melakukan perbandingan antara fungsi Permintaan Uang/Penawaran Uang dengan Kredit ke dalam model. Menggunakan PAM (Partial Adjustedment Model) untuk persamaan permintaan uang. Fungsi permintaan uang adalah f(i, P, Y), sedangkan fungsi kredit adalah f( i, P, Y, ρ) dengan menggunakan fungsi log dalam tiap persamaan. Persamaan tersebut adalah :
logM = α0 + α1 logM-1 + α2 log i + α3 logP + α4 log Y (2.8)
logC = β0 + β1 logC-1 + β2 log i + β3 log ρ + β4 log P + β5 log Y (2.9)
Dimana : M = Money Stock
C = Kredit
M-1 = Money Stock satu periode sebelumnya.
C-1 = Kredit satu periode sebelumnya.
i = tingkat suku bunga Treasury bill tiga bulan.
r = tingkat bunga bank umum.
P = GNP Deflator.
Y = GNP riel.
Hasilnya adalah tidak ada variabel independen yang mempengaruhi secara signifikan dengan derajat kesalahan 5 persen, dan masing-masing variabel M-1, i, P dan Y hanya mempengaruhi secara signifikan M pada derajat kesalahan 10 persen. Artinya persamaan konsisten dengan teori pada derajat kesalahan 10 persen. Variabel C-1 dan P mempengaruhi C dengan derajat kesalahan 10 persen, sedang i dan ρ tidak signifikan pada derajat kesalahan 10 persen. Tanda tetap konsisten dengan teori.
Membangi data dalam dua sub periode yaitu 1974:1 sampai dengan 1979:3 dan 1979:4 sampai 1985:4 diperolehlah perbedaan variance residual antara M dan Kredit, sebagai berikut :
Periode 1974:1 s/d 1979:4 variance residual kredit uang (Money). Perbedaan dari variance residual tidak cukup berarti ( ditunjukkan dengan pangkat yang sama dari pembilang).
Pembenahan masalah penawaran uang lebih dominan dari kredit sebelum sebelum 1980. Tetapi setelah 1980 pembenahan lebih dominan memfokuskan kredit. Keterangan lebih lanjut bahwa model Bernanke-Blinder (1998) ini tidak menjelaskan lebih dalam arti perbedaan yang berarti.
2.1.9 Pengunaan M1 sebagai variabel M (Penawaran Uang)
Konsep uang memegang peranan yang sangat penting dalam analisis makro ekonomi. (Insukindro, 2003) Konsep uang dapat dibagi dalam empat kelompok :
1. Uang sebagai media pertukaran (Johnson, 1962) yang berupa uang kartal ditambah uang giral.
2. Alat penyimpan daya beli sementara (Newton Friedman) Yaitu uang kartal ditambah semua deposito yang ada di bank umum.
3. Semua besaran ekonmi yang dapat menambah likuiditas masyarakat. (Komite Radcliffe) yaitu uang tidak hanya dalam arti sempit yang terdiri dari uang kartal dan uang giral, tetapi harus mencakup semua aktiva keuangan lain yang mempunyai kemampuan sebagai substitusi uang.
4. Devinisi uang yang relevan seharusnya mencakup semua bentuk uang termasuk semua pasiva yang diterbitkan oleh lembaga keuangan bukan bank, selain uang yang dietrbitkan oleh bank.(Gurley and Shaw)
Sampai saat ini ada 3 konsep uang yang berlaku di Indonesia (Insukindro,2003) yaitu :
1. Uang Primer (M0) yang merupakan kewajiban moneter dari otoritas moneter yang terdiri dari uang kartal yang dipegang masyarakat, kas bank, giro bank, dan giro perusahaan atau perseorangan.
2. Uang dalam arti sempit (M1) yang merupakan kewajiban moneter dari sistem moneter kepada masyarakat yang terdiri dari uang kartal dan uang giral.
3. Uang dalam arti luas (M2) yang merupakan kewajiban moneter dari sistem moneter kepada masyarakat yang terdiri atas M1 dan kuasi (tabungan dan deposito baik dalam rupiah dan valuta asing).
Monetery Base (M0) atau uang inti adalah hasil daripada penjumlahan uang Kartal (C) ditambah Cadangan (R), dapat dibangun persamaan yang berkaitan dengan jumlah uang inti dalam tingkat dari deposito yang dapat diuangkan (Checkable Deposite) dan uang kartal dengan menambahkan uang kartal untuk dua sisi dari persamaan :
(2.12)
Jalan lain untuk berpikir tentang persamaan di atas adalah terdiri dari sejumlah uang inti yang diperlukan untuk mendukung jumlah yang ada dari chekable deposits , uang kartal, dan excess resserves.(Frederic S. Miskhin, 2001)
Uang dalam arti sempit atau M1 adalah merupakan penjumlahan dari uang kartal dan uang giral, dirumuskan dengan persamaan :
(2.13)
Dimana M1 adalah uang inti, C uang kartal dan D adalah Demand Deposits atau Giro.
Uang dalam arti luas atau M2 didefinisikan dalam persamaan sebagai berikut :
(2.14)
Dimana : C adalah uang kartal yang beredar, D adalah chekable deposits, T adalah time and saving deposits, MMF adalah uang primer di pasar mutual fund shares dan money market deposits account, ditambah overnight agreement dan Overnights Eurodollars. (Frederic S. Miskhin, 2001)
Namun di Indonesia penggunaan M1 masih tetap relevan sebagai dasar untuk menjadi indikator Jumlah Uang Beredar, oleh karena itu penggunaan M1 lebih diutamakan daripada M0 dan M2 dalam model Bernake-Blinder di Indonesia dalam penelitian ini.
2.1.10 Pengunaan Variabel Kredit sebagai Variabel Eksogen Model.
Kredit adalah pinjaman dari kreditur dalam hal ini perbankan pada debitur yang berupa kredit tertentu untu keperluan Investasi, Modal Kerja dan Konsumsi, dapat untuk membiayai perusahaan, ekspor dan impor, baik berupa valas maupun rupiah, dengan membayar biaya berupa bunga tertentu yaitu tingkat bunga kredit. (HLB Hadori dan Bank Indonesia, 2002)
Jika dikaitkan dengan tingkat bunga yang berlaku, terjadi suatu anomali yang pada kenyataannya kredit investasi dalam bentuk rupiah akan meningkat seiring dengan peningkatan suku bunga, sebaliknya akan menurun seiring dengan penurunan suku bunga. (HLB Hadori dan rekan, 2002)
Kredit modal kerja yang merupakan jenis kredit yang paling dominan, mengindikasikan nilai relatif konstan dalam satuan dollar. Kemungkinan besar digunakan untuk membiayai impor. Sedangkan kredit rupiah mengalami penurunan terus menerus akibat dari ketakutan perbankan terhadap kredit macet karena tingginya NPL (Non Performance Loans). (HLB Hadori, 2002)
Sedangkan kredit konsumsi dipengaruhi oleh peningkatan tingkat pertumbuhan ekonomi yang ditunjukkan dengan kenaikan PDB, karena kredit konsumsi membutuhkan jaminan yang mapan untuk menjadikan jaminan agar kredit tidak macet.
2.1. 11 Sasaran Kebijakan Moneter
Secara umum tujuan atau sasaran kebijakan moneter tidak jauh berbeda dengan kebijakan makro ekonomi lainnya. Bahwa sasaran kebijakan moneter adalah :
1. tersedianya kesempatan kerja yang tinggi,
2. pertumbuhan ekonomi, kestabilan harga,
3. kestabilan suku bunga,
4. kestabilan pasar keuangan dan
5. kestabilan pasar valuta asing. (Miskhin, 2001)
Ketiga sasaran yang disebut pertama dan keseimbangan neraca pembayaran sering disebut sebagai sasaran akhir yang di dalam mencapainya perlu sasaran antara dan sasaran kerja. Idelanya semua sasaran itu dapat dicapai secara bersamaan , tetapi sering kali pencapaiannya mengandung unsur-unsur yang kontradiksi atau tumpang tindih, sehingga perlu disadari perlunya kebijakan moneter dengan sasaran tunggal.(Insukindro, 2003)
Untuk sasaran moneter di kuantitas di Indonesia,
1. sasaran operasional yang digunakan terutama uang primer (M0) dan
2. sasaran antaranya adalah M1 dan M2 sesuai dengan konsep uang yang berlaku di Indonesia.
Perangkat kebijakan yang sering digunakan adalah operasi pasar terbuka melalui lelang SBI (Sertifikat Bank Indonesia), dan intervensi baik ke pasar uang rupiah maupun pasar valuta asing (Solikin, 2003). Melalui lelang SBI mingguan diharapkan sasaran M0 dapat tercapai. Selanjutnya, jika seandainya terjadi perkembangan yang tidak terduga yang memungkinkan tidak tercapainya sasaran M0, BI akan melakukan intervensi langsung di pasar uang, antara lain melalui pembelian kembali SBI dan menawarkan pada bank-bank umum untuk menannamkan kembali likuiditasnya di BI. Intervensi di pasar uang atau pasar valas juga dimaksudkan untuk menyerap kelabihan likuiditas karena ekspansi fiskal dan sekaligus untuk menjaga kestabilan nilai rupiah. (Insukindro, 2003)
Namun demikian, keberhasilan kebijakan kuantitas uang ini ditentukan oleh stabilitas besaran moneter, permintaan uang, velositas uang dan angka pengganda uang. Dengan kata lain, penaksiran terhadap perilaku masyarakat di pasar uang menjadi penting karena akan menentukan efektifitas kebijakan moneter. Jika permintaan uang tidak stabil pengaruh kebijakan moneter terhadap keseimbangan ekonomi juga tidak mudah diprediksi. Jika ketidak stabilan ini terjadi maka harus dicarikan solusinya, baik melalui perbaikan mode ekonomi moneter atau melalui kebijakan moneter pendekatan harga sepetrti melalui target inflasi dan kurs. (Insukindro, 2003)

2.2 Kerangka Pemikiran Teoritis
Kebijakan uang beredar merupakan kebijakan pengendalian jumlah uang beredar, dimana bank Indonesia mengeluarkan instrumen kebijakan moneter guna mengendalikan jumlah uang beredar. Kebijakan moneter yang dikeluarkan oleh Bank Indonesia direspon oleh masyarakat sesuai dengan tingkat pendapatan (PDB) dan suku bunga SBI (i) dan inflasi.
Di sisi lain bank umum sebagai lembaga intermediasi mengeluarkan kebijakan suku bunga kredit perbankan untuk melakukan penawaran kredit, diikuti dengan permintaan kredit (L). Permintaan kredit dipengaruhi pendapatan (PDB), tingkat suku bunga SBI sebagai portopolio kredit dan perubahan tingkat harga-harga di masyarakat (inflasi).
Kredit diharapkan akan menciptakan investasi di sektor riil sehingga meningkatkan pertumbuhan ekonomi. Ditunjukkan dengan peningkatan pendapatan (PDB) dengan tingkat inflasi tertentu.
Kerangka pemikiran teoritisnya dapat digambarkan dalam bagan sebagai berikut :
Gambar 2.2
Stabilitas Jalur Jumlah Uang Beredar dan Kredit dalam Intermediasi di Indonesia

Error: Reference source not found

Keterangan : = menunjukkan hasil
= menunjukkan pengaruh
Kerangka pemikiran tersebut di atas juga dapat digambarkan dalam mekanisme transmisi sebagai berikut :
Model Quantum Channel dengan menggunakan jalur Jumlah Uang Beredar ( M1)dan Kredit (L). Fungsi Jumlah Uang beredar adalah M1t= f(rt , PDBt , M1t-1), dan Fungsi Kredit adalah (L)t =f(r , PDBt , Kredit(L)t-1, it ). Dari hasil persamaan dengan regresi OLS (Ordinary Least Square) dihasilkan variance residual dari masing-masing fungsi JUB dan Kredit. Kemudian dibandingkan variance residual-nya. Bila variance residual M1 < variance residual kredit berarti Jumlah Uang Beredar lebih efektif dalam meningkatkan PDB, sebaliknya jika Bila variance residual Kredit < variance residual M1 berarti Kredit lebih efektif dalam meningkatkan PDB,

2.4 HIPOTESIS
Hipotesis dalam penelitian ini adalah :
1. Terdapat pengaruh positif antara lag satu periode sebelum Jumlah Uang beredar (M1) dengan Jumlah Uang Beredar (M1).
2. Terdapat pengaruh negatif antara tingkat bunga SBI (i) terhadap Jumlah Uang Beredar(M1) .
3. Terdapat pengaruh positif pertumbuhan Pendapatan (Y) terhadap Jumlah Uang Beredar (M1).
4. Terdapat pengaruh positif pertumbuhan Harga (inflasi) terhadap Jumlah Uang Beredar (M1).
5. Terdapat pengaruh positif antara lag satu periode sebelum permintaan kredit (L) dengan permintaan kredit (L) .
6. Terdapat pengaruh negatif antara tingkat bunga SBI (i) terhadap permintaan kredit.
7. Terdapat pengaruh negatif perubahan suku bunga kredit (ρ) terhadap permintaan kredit.
8. Terdapat pengaruh positif pertumbuhan Inflasi (Y) terhadap Kredit
9. Sebelum krisis moneter variance residual Kredit (L) variance residual Jumlah Uang Beredar (M1) .
11. Sebelum dan sesudah krisis moneter variance residual Kredit (L) > variance residual Jumlah Uang Beredar (M1).

BAB III.
METODE PENELITIAN

3.1 Definisi Operasional
Data-data yang dikeluarkan oleh Bank Indonesia dalam statistik Bank Indonesia dianggap cukup memberikan representasi dalam menganalisis tentang Jalur Mekanisme Transmisi dengan pendekatan Quantum Channel. Variabel-variabel yang digunakan dalam penelitian ini adalah :
3.1.1 Variabel Dependen/Eksogen
3.1.1.1 Variabel Jumlah Uang Beredar/Besaran Moneter (M1)
Jumlah uang beredar (M1) sebagai variabel dependen, dalam bentuk logaritma untuk melihat efek pertumbuhan . Data yang digunakan diperoleh dari Bank Indonesia dengan satuan mata uang rupiah sebagai satuan besaran moneter.
3.1.1.2 Variabel Kredit (L)
Kredit atau (L) adalah permintaan kredit, berupa besarnya pinjaman dari masyarakat berupa kredit investasi dan modal kerja yang dikeluarkan oleh bank umum. Penggunaan logaritma dari Kredit adalah untuk melihat efek pertumbuhan kredit, seperti halnya dalam penggunaan bentuk logaritma dalam melihat pertumbuhan jumlah uang beredar. Sebagai satuannya adalah dalam rupiah.

3.1.2 Variabel Independen/Endogen
3.1.2.1 Varibel Lag Satu Periode sebelumnya dari Jumlah Uang Beredar
Varibel Lag satu periode sebelumnya dari Jumlah Uang Beredar (M1-1) adalah lag satu periode variabel dependen M1, sesuai dengan sifat data time series yang memiliki keterikatan erat antar waktu. Satuan yang digunakan adalah rupiah.
3.1.2.2 Varibel Lag Satu Periode sebelumnya dari Kredit
Varibel lag satu periode sebelumnya dari Kredit (L-1) adalah lag satu periode variabel dependen Kredit (L), sesuai dengan sifat data time series yang memiliki keterkaitan erat antar waktu. satuan dalam rupiah.
3.1.2.3 Variabel Suku Bunga SBI.
Variabel Suku Bunga Sertifikat Bank Indonesia adalah variabel independen sesuai dengan teori portfolio choice. Suku bunga dalam hal ini suku bunga SBI pada umumnya ditunjukkan dalam prosen karena merupakan rasio dari pendapatan bunga yang diperoleh terhadap besarnya nilai Sertifikat Bank Indonesia yang dimiliki oleh pemilik SBI. Tingkat bunga SBI yang digunakan adalah tingkat bunga bulanan.
3.1.2.4 Variabel Pendapatan (PDB)
Variabel Produk Domestik Bruto (PDB) yang merupakan proxy dari pendapatan (Y) dijadikan sebagai variabel independen, dimana PDB (Y) yang diambil adalah data Bank Indonesia berupa PDB Nominal (Y) dengan satuan yang digunakan dalam rupiah. Karena data PDB nerupakan data tahunan maka untuk diperoleh data triwulanan maka dilakukanlah teknik interpolasi. Interpolasi terhadap PDB dengan menggunakan rumus sebagai berikut :

(3.1)

Qn= kuartal ke N
Yt= PDB pada tahun t
N = Jumlah kuartal

Q1= ¼ X 2/5Y = 1/10 Y
Q2 = 2/4 X 2/5Y = 1/5 Y
Q3 = ¾ X 2/5Y = 3/10 Y
Q4 = 4/4 X 2/5Y = 2/5 Y

Rumus diatas merupakan adopsi dari rumus interpolasi linear dengan rumus :
(3.2)
Dimana Y sama dengan garis ordinat dan X adalah absis dalam linier interpolasi.(M. Agus Choirun 2007).
3.1.2.5 Variabel Suku Bunga Kredit .
Suku bunga kredit investasi adalah suku bunga kredit atau pinjaman (loan) yang merupakan variabel independen sesuai dengan teori portfolio choice Seperti halnya suku bunga SBI suku bunga kredit riil ditampilkan dalam bentuk prosentase. Dan penggunaan suku bunga kredit (ρ) lebih tepat untuk menunjukkan bukti-bukti yang bisa lebih baik dalam persamaan regresi yang digunakan untuk menjelaskan permintaan kredit.

3.1.2.6 Variabel Inflasi
Seperti dalam model Bernanke-Blinder mengunakan variabel P berupa deflator GNP (Gross National Product), karena penggunaan log P adalah untuk mencari data inflasi (π), maka penggunaan invlasi dalam model lebih utama karena lebih mudah diperoleh dalam data statistik yang dibutuhkan. Karena Log P = Inflasi (π).
3.2 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder yang diperoleh dari Statistik keuangan Bank Indonesia dengan menggunakan beberapa media baik elektronik maupun media tulis berupa Web side BI.go.id maupun Laporan Bulanan, Triwulanan dan tahunan yang diterbitkan oleh Bank Indonesia. Periodisasi data penelitian yang mencakup data periode tahun 1990 kwartal I sampai dengan kwartal IV tahun 2006 dipandang cukup mewakili sejauh mana pengaruh variable-variabel independent terhadap variable dependen. Data-data tersebut setelah diolah dan dianalis dengan menggunakan alat bantu komputasi yaitu dengan program Eviews 3, 4 atau 5. Model yang digunakan adalah model Bernanke-Blinder dengan menggunakan model Quantum Channel. Dengan menggunakan Variabel M1 dan Kredit(L) dengan Suku Bunga SBI(i), PDB atau Pendapatan (Y), suku bunga kredit (ρ) , dan inflasi (π), kemudian dari regresi OLS dari masing-masing fungsi M1 dan kredit (L) tersebut dibandingkan variance residual-nya diperoleh perbedaan yang menunjukkan seberapa besar dominasi antara besaran moneter dan kredit sebelum dan sesudah gejolak moneter tahun 1997 kuartal III, sehingga dapat diketahui efektifitas Quantum Channel..
Data yang diambil dan digunakan dalam penelitian ini adalah seluruh data time series dari tahun 1990 kuartal I sampai dengan 2006 Kuartal IV. Jumlah sampel yang diambil adalah sama yaitu dengan jumlah N = 68. Dengan variable yang digunakan adalah variabel besaran moneter yang diwakili oleh (M1) serta variabel lain berupa Kredit (L) dan variabel tingkat bunga SBI (i), PDB (Y) dan tingkat bunga kredit (ρ).
Satuan untuk Y, M1, dan kredit (L) adalah Rupiah, sedangkan satuan untuk tingkat bunga SBI (i), dan tingkat bunga kredit (ρ) dan inflasi (π) dalam prosen. Karena memiliki satuan yang berbeda maka dilakukan log pada masing-masing variabel yang diperoleh untuk mendapatkan satuan yang sama karena akan melihat pertumbuhan dari masing-masing variabel.

3.3 Metode Pengumpulan Data
Data-data yang diperlukan tersebut dikumpulkan dengan melakukan non participant observation, yaitu melakukan down load situs http://www.bi.go.id , mencatat atau mengkopi data Laporan Keuangan Bank Indonesia baik mingguan, bulanan, triwulanan, atau tahunan yang merupakan financial report (laporan keuangan) dari literatur-literatur pendukung lainnya serta melakukan studi pustaka yang berkaitan dengan penelitian ini baik berkaitan dengan teori ekonomi makro, teori ekonomi moneter, perbankan maupun literatur berupa jurnal ilmiah dan teks book yang mendukung penelitian ini. . Selain itu sebagai referensi dibutuhkan studi puataka yang memadahi agar penelitian ini dapat berjakan sesuai dengan aturan metode ilmiah dalam ilmu ekonomi. Literatur bidang ekonomi sangat dibutuhkan terutama literarur yang mengkhususkan dalam bidang ekonomi moneter baik dalam bentuk jurnal, buku panduan dan sumber lain yang dapat diakui sebagai leteratur yang layak untu dijadikan acuan..

3.4 Teknik Analisis Data
Teknik analisis data ini akan menganalisis secara ekonomi stabilitas Quantum channel dalam mekanisme transmisi. Oleh karena itu harus dibantu dengan model ekonometrik yang didukung dengan alat analisa matematika, statistika dan ekonomi. Alat analisis yang digunakan berguna mencari pembuktian hipotesis secara empiris.
3.4.1 Model Quantum Channel oleh Bernanke Blinder.
Pendekatan Quantum Channel Model Bernanke-Blinder di Indonesia dengan data yang diambil secara kuartalan dari tahun 1990 kuartal I sampai dengan 2006 kuartal IV. Model Quantum Channel adalah melakukan regresi pada variabel independen pada masing-masing model regresi berganda pada M1 dan Kredit (L). Model tersebut dapat dirumuskan persamaan sebagai berikut :
logM = α0 + α1 logM-1 + α2 log i + α3 π + α4 log Y (3.3)
logL = β0 + β1 logL-1 + β2 log i + β3 log ρ + β4 π + β5 log Y (3.4)
Dimana :
M1 = Uang dalam arti sempit
L = Kredit
Y = Produk Domestik Bruto/ Pendapatan nominal.
i = Suku bunga SBI.
ρ = Suku bunga kredit.
π = inflasi
Bernanke Blinder melakukan regresi dari masing-masing persamaan permintanan uang dan kredit dengan melakukan regresi persamaan OLS . Karena hasil regresi dengan OLS tetap konsisten dalam menghasilkan persamaan regresi, (HLB Hadori, 2002) maka untuk melakukan pengujian regresi dari variance residualnya (predicted error-nya) dilakukan pengujian dengan persamaan OLS (ordinery least square) atau persamaan kuadrat terkecil, dan dilakukan uji asumsi klasik yaitu uji multikolinearitas, uji autokorelasi dan uji heterokedastisitas, dengan derajat keyakinan 95% dengan uji statistik berupa besarnya koefisien dari konstanta dan varibel independen, uji F, besarnya R2 dan Uji t untuk melihat seberapa jauh variabel independen mempengaruhi variabel dipenden. Dan pengunaan OLS dapat dilakukan apabila persamaan tidak teridentifikasi simultan, karena pemakaian regresi OLS dalam perhitungan tetatp bersifat konsisiten. (Gujarati, 2002)
Persamaan OLS memiliki beberapa asumsi klasik yang perlu diuji validitasnya. Asumsi dasar tersebut adalah :
3.4.1.1 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan korelasi antar variabel bebas(independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel sama dengan nol. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi, adalah (1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel dependen (terikat),(2) Menganalisis matriks korelasi variabel-variabel bebas. Jika antara variabel bebas ada korelasi yang cukup tinggi (umumnya diatas 0,90) maka hal ini merupakan indikasi adanya multikolinearitas.
3.4.1.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk mendeteksi apakah dalam suatu model regresi linear ada korelasi antara kesalahan-kesalahan pengganggu periode t dengan kesalahan t-1. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan yang lain. Uji Autokorelasi dengan melakukan Durbin Watson test dengan berbagai macam syarat dimana tidak terjadi autokorelasi bila :
1. 0 < dw < dL terjadi autokorelasi positif.
2. dL < dw < dU tidak ada autokorelasi positif
3. 4 – dL < dw < 4 ada autokorelasi negatif
4. 4 – dU < dw < 4 – dL tidak ada negatif korelasi
5. dU < dw < 4 – dU tidak ada positif atau negatif autokorelasi.
Apabila terjadi autokorelasi maka dilakukan regres ulang dengan memasukkan unsur autoregresi dari variabel independen dalam model.
Durbin – Watson d test dapat dirumuskan sebagai berikut :
(3.5)
Dengan menyederhanakan rasio dari selisih jumlah kuadrat residual. d adalah durbin watson hitung.. υ adalah residual atau distrurbance error.
3.4.1.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi dikatakan baik apabila tidak terjadi heterokedastisitas. Mendeteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya plot tertentu pada grafik scatterplot antara variabel terikat Z(pred) dengan residualnya (SRESID) dimana sumbu Y adalah Y yang terjadi telah diprediksi, sumbu X adalah residual(Y prediksi–Y sesungguhnya). Apabila pola pada grafik yang ditunjukkan dengan titik-titik membentuk suatu pola tertentu yang teratur, maka terjadi heterokedastisitas dan sebaliknya apabila titik-titik pada grafik tidak membentuk suatu pola tertentu maka tidak terjadi heterokedastisitas. Uji White dapat dilakukan untuk melihat apakah terjadi heterokedastisitas. Dan apabila X2 (Chi-Kuadrat) hitung lebih lebih kecil dari X2(Chi-Kuadrat)tabel berarti tidak terjadi heterokedastisitas.
Persamaan dari Uji White =
(3.6)
Kemudian meregres kuadrat residual (u2)
(3.7)
Dan apabila
α1 = α2 = α3 = α4 = α5 = α6 = 0 tidak terjadi heterokedastisitas.
Dan apabila X2 (Chi-Kuadrat) hitung lebih lebih kecil dari X2(Chi-Kuadrat)tabel berarti tidak terjadi heterokedastisitas.
3.4.1.4 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki data normal atau mendekati normal.
Uji normalitas dapat dideteksi dengan melihat penyebaran titik pada sumbu diagonal dari grafik histogram dari residualnya. Jika menyebar di sekitar garis diagonal dan grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau histogram tidak menunjukkan pola distribusi normal, maka tidak memenuhi asumsi normalitas.
Uji Jaque Bera jika X2(Jarque-Bera Normality Test-Chi-Square) hitung adalah lebih kecil dari tabel maka data diasumsikan terdistribusi normal dengan (α = 5%) atau besar probailitas diatas 0,05. Persamaan uji normalitas Jarque-Berra adalah :
(3.8)
Arti dari notasi n = besar sampel, S = koefisien Skewness dan K = koefisien Kurtosis. Uji Jarque-Bera lebih baik merupakan uji dengan sample besar atau asymptotic.( Gujarati, 2002)
3.4.2 Pengujian Stabilitas Jumlah Uang Beredar dan Kredit untuk Menguji Efektivitas Mekanisme Transmisi.
Pengujian efektifitas variabel M1 dan Kredit dilakukan dengan cara membandingkan variance residual masing-masing persamaan OLS. Bagi yang memiliki variance residual paling kecil adalah yang paling efektif.
Cara membandingkan variance residual adalah membandingkan dalam tiga tahap ;
1. Sebelum krisis moneter.
Yaitu : membandingkan variance residual antara M1 dan Kredit (L), apabila M1 <L berarti M1 lebih efektif, dan apabila L <M1 berarti kredit lebih stabil. Data sebelum krisis diambil dari tahun 1990 kuartal I sampai 1997 kuartal III.
2. Sesudah krisis moneter.
Yaitu : membandingkan variance residual antara M1 dan Kredit (L), apabila M1 <L berarti M1 lebih efektif dalam meningkatkan pertumbuhan ekonomi, dan apabila L <M1 berarti kredit lebih stabil. Data sebelum krisis diambil dari tahun 1997 kuartal III sampai 2006 kuartal IV.
3. Sebelum dan sesudah krisis moneter.
Yaitu : membandingkan variance residual antara M1 dan Kredit (L), apabila M1 <L berarti M1 lebih efektif dalam meningktakan pertumbuhan ekonomi, dan apabila L ttabel = 1,645 . Suku bunga SBI (i) = 1,14 dan inflasi(π) = – 1,46 keduanya lebih kecil dari t tabel (1,645), menunjukkan hasil yang tidak signifikan mempengaruhi Jumlah Uang Beredar (M1/M).
2. Uji Determinan (R2) dan Uji F
Secara ekonometri, hasil yang sangat baik diperoleh dengan tingginya R2 (0,996) dan efek kumulatif dari semua variabel menunjukkan hasil yang cukup signifikan dengan besarnya F hitung = 4104,89 lebih besar dari F tabel (α=5%, df=64,4) sebesar 2,53.
Artinya adalah secara bersama-sama variabel bebas mempengaruhi variabel terikat dengan F hitung > Ftabel. Varibel bebas menjelaskan variabel terikat dalam model sebesar 99,6 % dan sisanya adalah dijelaskan oleh variabel di luar model.
4.2.1.2 Penyimpangan Asumsi Klasik Fungsi Jumlah Uang Beredar (M1)
Uji penyimpangan asumsi klasik dengan menggunakan uji autokorelasi, uji heterokedastisitas, multikolinearitas dan normalitas. Ditunjukkan dalam poin berikut ini :
1. Uji Autokorelasi.
Pelanggaran asumsi klasik tidak dapat dihindari dengan DW = 2,509 lebih kecil dari 4 – 1,343 = 2,657 dengan adanya autokorelasi negatif namun ada autokorelasi den juga dengan menggunakan uji LM test mengindikasikan tidak autokorelasi dengan nilai Prob(R2* obs) = 0,09 (2 lags) lebih kecil dari 10 persen.
2. Uji Heterokedastisitas
Heterokedastisitas terjadi dimana Uji White Heterokedastisitas Prob(R2* obs) = 0,009 jauh lebih kecil dari α = 10 persen.
3. Uji Multikolinearitas
Multikolinearitas secara umum bisa dihindari dengan tidak adanya pengaruh yang signifikan dari i dan π yang bertanda negative meskipun tidak konsisten dalam tanda matematika. Multikolinearitas tidak terjadi karena tingkat signifikan yang cukup besar dari PDB(Y) dan Mt-1 dengan R2 dan F yang besar pula tingkat signifikansinya.
4. Uji Normalitas
Data terdistibusi secara tidak normal dengan Prob JB = 0,085 dibawah batas nilai normal yaitu diatas 10 persen. Sehingga dapat disimpulkan bahwa model diatas sudah cukup baik menjelaskan persamaan model penawaran uang.
4.2.1.3 Penjelasan Secara Ekonomi Hasil Regresi Fungsi Jumlah Uang Beredar (M1).
Arti ekonominya bahwa konstanta menunjukkan nilai negatif 0,622 dengan t hitung -0,78 ( probabilitas 0,08), memiliki arti apabila variabel Y, i, Mt-1, dan π adalah tetap pertumbuhan M adalah menurun -0,622%. Penawaran uang sangat dipengaruhi oleh kenaikan tingkat pendapatan atau pertumbuhan ekonomi yang ditunjukkan dengan peningkatan PDB dan penawaran uang periode satu kuartal. Setiap kenaikan PDB 1% akan meningkatkan kenaikan Penawaran uang 0.0536%, dan kenaikan 1 persen Mt-1 akan mempengaruhi kenaikan M sebesar 1.00026%. Perubahan suku bunga SBI dan inflasi tidak menjadi faktor yang mengakibatkan perubahan penawaran Uang, hal ini diakibatkan gejolak yang tajam pada masa krisis tidak mengakibatkan keputusan rasional untuk menentukan jumlah uang beredar karena gejolak harga yang cukup tidak stabil. Sedangkan penentuan suku bunga SBI yang cukup tinggipun tidak mampu menekan permintaan uang yang harus diikuti dengan penawaran uang yang cukup. Pada masa krisis terutama pada saat kredit runs masyarakat menarik uang pada masa krisis secara besar-besaran meskipun penawaran suku bunga SBI cukup tinggi. Memang penawaran suku bunga SBI kadang tidak direspon secara langsung oleh masyarakat terutama pada situasi ekonomi yang tidak stabil.
4.2.2 Hasil Pengujian Persamaan Regresi untuk Kredit (L)
4.2.2.1 Hasil Regresi Fungsi Kredit (L).
Hasil dari perhitungan regresi berganda dengan menggunakan regresi semi logaritma menghasilkan estimasi seperti berikut :
LogL = 2.657 – 0.0775log Y – 0.007 log i + 0.959 log Lt-1 + 0.003 π – 0.44 log ρ
t (5,46) (-1,803) (-0,19) (52,68) ( 3,7) (-4,64)
Prob (0,00) (0,076) (0,84) (0,00) (0,005) (0,00)
Adj R2 = 0,99 DW test = 1,714
F statistik = 1258,91
Uji White Heterokedastisitas Prob(R2* obs) = 0,16
Uji LM Autokorelasi Prob(R2* obs) = 0,38 (2 lags)
Konstanta menunjukkan nilai 2,657, artinya bahwa apabila variabel Lt-1, Y, i, π, dan ρ tetap pertumbuhan kredit akan naik 2,657%. Setiap penurunan 1 persen PDB (pendapatan) akan meningkatkan Kredit sebesar 0,0775 persen. Suku bunga SBI (i) tidak mempengaruhi Kredit baik kenaikan maupun penurunannya secara signifikan. Kenaikan 1% suku bunga kredit(ρ) akan menurunkan kredit 0,44%. Kenaikan inflasi (π) = 1 persen akan meningkatkan kredit 0,003%. Dan setiap kenaikan 1% Kredit periode sebelumnya akan menurunkan kredit 0,959%
1. Uji t (Uji Parsial)
Pendapatan atau PDB (Y) tidak kosisten dengan teori yaitu dengan pengaruh yang negatif, ditunjukkan dengan t hitung rata-rata lebih besar dari t tabel dengan derajat keyakinan 90% dan 5% uji 2 arah (t tabel = 1,671 ( α = 10%) dan t table = 2,00(α = 5%)) .
Suku bunga SBI (i) tidak mempengaruhi Kredit baik kenaikan maupun penurunannya secara signifikan. Ditunjukkan dengan t hitung (-0,19) t tabel (1,671 ) dengan α = 10% atau derajat keyakinan 90%. Lebih besar dari t tabel dengan α = 5% sebesar 2,00 atau derajat keyakinan 95%, uji 2 arah.
Inflasi (π) mempengaruhi kenaikan Kredit secara signifikan. Ditunjukkan dengan t hitung ( 3,7) > t tabel (1,671 ) dengan α = 10% atau derajat keyakinan 90%. Lebih besar dari t tabel dengan α = 5% sebesar 2,00 atau derajat keyakinan 95%, uji 2 arah.
Suku bunga kredit (ρ) secara signifikan mempengaruhi penurunan Kredit. Ditunjukkan dengan t hitung (-4,64) > t tabel (1,671 ) dengan α = 10% atau derajat keyakinan 90%. Lebih besar dari t tabel dengan α = 5% sebesar 2,00 atau derajat keyakinan 95%, uji 2 arah.
2. Uji F dan Uji Determinan (R2)
Secara ekonometri, hasil yang sangat baik diperoleh dengan tingginya R2 (0,99). Efek kumulatif dari semua variabel menunjukkan hasil yang cukup signifikan dengan besarnya F statistic = 1258,91 lebih besar dari F tabel, df 64,4 sebesar 2,53 dengan α = 5%.
Model dijelaskan oleh variabel bebas sebesar 99% terhadap variabel terikat. Sisanya dijelaskan oleh varibel diluar variabel bebas.
4.2.2.2 Penyimpangan Asumsi Klasik Fungsi
1. Uji Multikolinearitas
Multikolinearitas Multikolinearitas secara umum bisa dihindari dengan tidak adanya pengaruh yang signifikan dari i yang bertanda negative meskipun konsisten dalam tanda matematika. Multikolinearitas tidak terjadi karena tingkat signifikan yang cukup besar dari Kredit(L), inflasi (π), suku bunga kredit (ρ) dan Lt-1 dengan R2 dan F yang besar pula tingkat signifikansinya.
2. Uji Autokorelasi
Pelanggaran asumsi klasik dapat dihindari dengan DW = 1,714 diantara dl = 1,464 dan dibawah 1,768 menunjukkan tidak adanya autokorelasi negatif maupun positif, dan dengan menggunakan uji LM test dengan nilai Prob(R2*obs) = 0,148 (2 lags) lebih besar dari 10 persen.
3. Uji Heterokedastisitas
Heterokedastisitas tidak terjadi dimana Uji White Heterokedastisitas Prob(R2*obs) = 0,38 lebih besar dari niali α = 10 persen. Multikolinearitas secara bisa dihindari dengan adanya pengaruh yang signifikan dari masing-masing variable pendapatan, inflasi, suku bunga kredit dan kredit stau periode sebelumnya yang signifikan.
4. Uji Normalitas
Data terdistibusi secara tidak normal dengan Prob JB = 0,00 jauh di bawah dari batas nilai normal yaitu diatas 10 persen. Sehingga dapat disimpulkan bahwa model diatas sudah cukup baik menjelaskan persamaan tersebut.
4.2.2.3 Penjelasan Secara Ekonomi Hasil Regresi Fungsi Kredit (L)
Implikasi ekonomi yang terjadi bahwa instrument kebijakan moneter berupa suku bunga SBI tidak mampu mengendalikan gejolek kredit di Indonesia. Justru pendapatan memiliki pengaruh terhadap kredit meski kecil, namun yang terjadi di Indonesia permintaan kredit akibat penurunan tingkat pendapat (PDB) artinya permintaan kredit justru untuk menutup kekurangan konsumsi karena penurunan daya beli. Justru masyarakat mengambil kredit sangat bergantung pada kredit yang ditawarkan, hal ini berbeda dengan suku bunga SBI, karena masyarakat lebih banyak kontak dengan bank umum dari pada Bank Indonesia. Penurunan tingkat bunga kredit akibatnya direspon secara positif oleh pasar, demikian sebaliknya.
Informasi suku bunga SBI tidak dapat direspon langsung oleh masyarakat atau pasar karena keterbatasan informasi tentang kenaikan suku bunga SBI kaitannya dengan kredit. Di sisi lain penurunan suku bunga SBI tidak cepat direspon oleh bank umum dengan menurunkan suku bunga kredit mereka karena ketidak seimbangan informasi di pasar. Kondisi ini menjadikan kesempatan bagi bank umum untuk mengambil posisi untung jangka pendek. Contoh kasua penurunan BI rate dari 8,25 persen tidak serta merta mendorong Bank Umum menurunkan suku bunga kredit mereka.
Kondisi assimetric information’s dan kredit crunch ini menunjukan adanya gangguan intermediasi perbankan, yang untuk mendeteksi lebih lanjut dengan melihat variance residual dari persamaan simultan model Bernanke – Blinder dalam sub bab berikutnya.
4.2.3 Perbandingan Variance Residual atau Pengujian Stabilitas.
Pengujian untuk melihat stabilitas variabel di atas dengan melihat besarnya varuans residual-nya. Hasilnya adalah sebagai berikut :
Tabel 4.5
Variance Residuals M1 dan L
Sebelum dan Sesudah Krisis
Periode M1(Ms) L
1990.1-2006.4
(selum dan Sesudah) R2 residual 0,182948 0,253336
SEE 0,054321 0,064444
Variance Residual 0,009938 0,016326
1990.1-1997.3
(Sebelum) R2 residual 0,029072 0,104099
SEE 0,034101 0,065859
Variance Residual 0,000991 0,006856
1997.4-2006.4
(sesudah) R2 residual 0,132469 0,113271
SEE 0,06434 0,060447
Variance Residual 0,008523 0,006847
Sumber BI, diolah 2008
Tabel di atas menunjukkan seberapa besar perbedaan variance residual dari periode sebelum dan sesudah krisis (1990 kuartal I sampai 2006 kuartal IV); periode sebelum krisis yaitu 1990 kuartal I sampai 1997 kuartal IV; dan periode sesudah krisis (1997 kuartal IV sampai 2006 kuartal IV).
Periode sebelum dan sesudah krisis, menunjukkan bahwa variance residual dari M1(9,938*10-3) < Kredit (1.6326*10-2) berarti artinya M1 memiliki volatilitas lebih kecil daripada kredit (L). Sebelum dan sesudah krisis moneter menunjukkan bahwa Jumlah Uang Beredar lebih efektif meningkatkan PDB. Penanganan kredit lebih signifikan dalam mengatasi gangguan mekanisme transmisi dalam periode ini.
Periode sebelum krisis, menunjukkan bahwa variance residual M1(9,91*10-4) Kredit(L) (6,847*10-3) Sebelum krisis moneter menunjukkan bahwa Jumlah Kredit lebih efektif meningkatkan PDB.. Mekanisme transmisi jalur kredit lebih efektif daripada jalur moneter.
Implikasi kebijakan yang terjadi bahwa intermediasi perbankan tidak terjadi gangguan sebelum dan sesudah krisis moneter. Pada masa sebelum krisis terjadi kondisi dimana jalur uang lebih efektif dalam mekanisme transmisi daripada jalur kredit. Masa sesudah krisis jalur kredit lebih efektif di dalam mekanisme transmisi daripada jalur uang. Artinya penanganan masalah kredit pasca krisis yang dilakukan Bank Indonesia berjalan dengan efektif meski melalui berbagai rintangan. Periode sebelum dan sesudah krisis terlihat jalur uang lebih efektif daripada kredit di dalam mekanisme transmisi dalam meningkatkan PDB. Artinya meskipun jalur kredit sudah jauh lebih efektif dalam mekanisme transmisi, namun perlu ditingkatkan penanganan di jalur kredit. Karena penanganan jalur kredit cukup berat, akibat gejolak moneter pada saat krisis mampu meruntuhkan kepercayaan perbankan.
Kesimpulannya pada saat ini telah tercapai kesehatan perbankan yang lebih baik daripada sebelum krisis moneter, karena syarat-syarat kesehatan perbankan yang dikeluarkan BI cukup ketat. Kebijakan itu dilakukan dengan berbagai paket kebijakan perbankan seperti arsitektur perbankan Indonesia dan Penerapan manajemen resiko perbankan yang ketat pula.

BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Hasil akhir dari thesis ini adalah mengambil kesimpulan berdasar pengujian empiris dengan pendekatan teori yang ada. Penelitian dengan jumlah sampel 68 dan menggunakan data runtut waktu beresimpulan :
• Tidak ada pengaruh suku bunga SBI, dan Inflasi terhadap Jumlah Uang Beredar (M1) dan ada kenaikan PDB (Y) dan kenaikan M1 satu periode sebelumnya mempengaruhi kenaikan M1 di Indonesia. Terjadi penurunan jumlah uang beredar tiap periode apabila variabel PDB, suku bunga SBI, inflasi dan Jumlah uang beredar satu periode sebelumnya tetap. Dengan derajat keyakinan 90 persen.
• Tidak ada pengaruh suku bunga SBI, terhadap Jumlah Uang Beredar (M1) (derajat keyakinan 90%) dan penurunan PDB (Y) dengan derajat keyakinan 90% sebelumnya mempengaruhi kenaikan Kredit . Kenaikan penawaran Kredit satu periode sebelumnya, kenaikan inflasi dan penurunan suku bunga kredit mempengaruhi kenaikan Kredit di Indonesia. Terjadi kenaikan kredit tiap periode apabila variabel PDB, suku bunga SBI, inflasi, suku bunga kredit dan jumlah kredit satu periode sebelumnya tetap.
• Sebelum krisis moneter Jumlah Uang Beredar (M1) lebih efektif dari Kredit (L) dalam mekanisme transmisi moneter ditunjukkan dengan variance residual Jumlah Uang Beredar ( M1) lebih kecil dari kredit sebelum krisis.
• Sesudah krisis moneter kebijakan moneter pasca krisis dianggap mampu mengembalikan kestabilan moneter. Kredit lebih efektif dari Jumlah Uang Beredar (M1) dalam mekanisme transmisi moneter ditunjukkan dengan variance residual Jumlah Uang Beredar (M1) lebih besar dari kredit sesudah krisis moneter.
5.1 Saran
Kredit sangat penting didalam meningkatkan pertumbuhan ekonomi disamping jumlah uang beredar (M1). Stabilitas Jumlah Uang Beredar dan kredit harus tetap dijaga. Karena dengan tingkat stabilitas yang tinggi pertumbuhan ekonomi cepat untuk tercapai.
Dalam mekanisme transmisi kebijakan moneter perlu langkah-langkah efektif yaitu dengan stabilitas harga, suku bunga kredit dan suku bunga SBI sehinggan mampu mengendalikan Jumlah Uang Beredar dan Kredit.
Untuk meningkatkan volume kredit dibutuhkan tingkat suku bunga kredit yang rendah, suku bunga kredit yang rendah, dan suku bunga SBI yang rendah pula. Kredit juga akan meningkat apabila pendapatan masyarakat meningkat.
Kebijakan moneter yang efektif akan meningkatkan pertumbuhan ekonomi, menjaga stabilitas harga , sehingga meningkatkan lapangan kerja. Maka diperlukan kebijakan moneter yang mampu untuk mencapai sasaran akhir dari pembangunan ekonomi tersebut.

DAFTAR PUSTAKA

Anwar Nasution. 2005. Membangun Kembali Perkonomian Indonesia Setelah krisiss 1997-1998. Badan Pemeriksa Keuangan Republik Indonesia. 2005. Hal.8-9.

Bernanke-Blinder. 1988. Credit, Money and Aggregate Demmand. National Bureu of Economics Research 1050 Massachusetts Avenue Canbride, MA 02138 M.

Burhanudin Abdullah. 2005. Strategi Kebijakan Moneter dalam mendorong Pertumbuhan Ekonomi yang berkelanjutan. ISEI-Penerbit Kanisius , 2005. Hal 429 – 445

Charles S. Morris dan Gordon H. Sellon, Jr. 1995. Bank Lending and Monetery Policy : Evidence on a Credit Channel. Federel reserves Bank of Cansas City, economics review, kwartal kedua 1995. Hal. 59 – 75

Damodar N. Gujarati. 2002. Basic Econometrics. United States Military Academy, West Point-Mc Graw-Hill Higher Education.

Doddy Zulverdi, Iman Gunadi, and Bambang Pramono. 2006. Bank Portfolio Model and Monetary Policy in Indonesia. Directorate of Economic Research and Monetary Policy –Bank Indonesia, Agustus 2006. Hal. 1-25

Dominique Dwor-Frecaut, Mary Hallward-Driemeier, Francis X. Colaço. 1999. CORPORATE CREDIT NEEDS AND GOVERNANCE. World Bank, Asia-Pacific Management Consultants, Inc.

Fajar Bambang Irawan. 2007. Efektifitas Quantum Channel dalam Mekanisme Transmisi Kebijakan Moneter : Studi Kasus Tahun 1993-2005. Jurnal Ekonomi dan Pembangunan Indonesia, 2007. Hal. 53-73

Frederic S. Miskhin. 2001. The Economics of Money Banking, and Financial Markets. Pearson Education International, USA or Canada, Edisi 6.

HLB Hadori dan Rekan. 2002. Studi Ekonomi Bantuan Likuiditas Bank Indonesia. Katalog Dalam Terbitan (KDT) Studi Ekonomi BLBI-Riset Bank Indonesia, 2002. Hal. 69 – 80.

Insukindro. 2003. Kebijakan Moneter yang tidak Diantisipasi dan pengaruhnya terhadap Komponen Pasar Uang di Indonesia. makalah pada Kongres Ikatan Sarjana Ekonomi Indonesia XV Batu, Malang.

Iskandar Simorangkir. 2002. Determinan Bank Runs pada krisis Perbankan 1997-1998: Suatu Kajian dengan Menggunakan Panel data Dinamis. Center for Banking Education dan Studies, Bank Indonesia. Hal. 99-143

Jean Boivin, March Gionnoni. 2002. Assesing Changes in the Monetery Transmission Mechanism: a VAR approach. FRBNY Economics Policy Review, May 2002. Hal. 97 – 107

M Agus Choirun. 2007. Interpolasi. Program semi Que IV teknik Mesin Unibraw.

Oscar Sanchez. 2001. The Transmission of Monetery Policy and the Behavior of Manufacturing Firms in Mexico. Center for Research on Economics Development and Policy Reform at Stanford University, Oktober 2001. Hal. 1-26.

Perry Warjiyo. 2006. Stabilitas Sistem Perbankan dan Kebijakan Moneter, Keterkaitan dan Perkembangannya di Indonesia. Buletin Ekonomi Moneter dan Perbankan, Maret 2006. Hal. 429-453.

Peter N. Ireland. 2005. the Monetery Transmission Mechanism, Boston College, Departement of Economics, Desember 2005. Hal. 1 – 14

Rodrigo Alfaro, Carlos Garcia, Helmut Franken and Alejandro Jara. 2004. The Bank Lending Channel in Chile. Central Bank on Chile and International Monetery Funds, 2004. Hal. 128 – 144.

Walter Orellana, Oscar Lora, Raul Mendoza, dan Rafel Boyan. 2000. La Politica Monetaria en Bolivia mechanismos de Transmision. Assesoria de Politica Economica Banco centralo de Bolivia, Juli 2000. Hal. 1- 26

______________________. 2007. Kompas dikutip dari Laporan Pelaksanaan Tugas dan Wewenang Bank Indonesia Bidang Moneter, Perbankan, dan Sistem Pembayaran Triwulan I-2007. Biro Humas Bank Indonesia.

Lampiran 1.
Data-Data Moneter
1990-206

obs Inflasi Kredit Pertumbuhan Kredit M0 M1 pertumbuhan M1 M2 Suku Bunga Kredit Suku Bunga SBI Pertumbuhan Suku Bunga SBI PDB Pertumbuhan PDB
1990:01:00 1,5 55234 4,55 10441 22155 4,35 64366 19 13,13 1,12 35311,7 4,55
1990:02:00 3,3 62616 4,57 10356 23204 4,37 70125 18,2 16,94 1,23 37391,9 4,57
1990:03:00 3,3 67024 4,60 10950 22982 4,36 76907 19,4 17,63 1,25 39472,2 4,60
1990:04:00 1,4 70890 4,62 12006 23819 4,38 84630 20,3 18,83 1,27 41552,4 4,62
1991:01:00 1,1 73064 4,65 11002 23571 4,37 81125 21,7 23,55 1,37 44781,7 4,65
1991:02:00 3,6 73720 4,68 11398 24610 4,39 87756 22,7 18,99 1,28 47321,5 4,68
1991:03:00 7,5 71907 4,70 11427 25805 4,41 93328 19,5 18,5 1,27 49861,3 4,70
1991:04:00 9,5 78589 4,72 12355 26341 4,42 99058 19,3 18,47 1,27 52401,1 4,72
1992:01:00 1,4 78290 4,74 14628 27318 4,44 100798 18,2 17 1,23 55401,1 4,74
1992:02:00 1,7 80891 4,77 12707 26880 4,43 106957 18,9 16 1,20 59073,2 4,77
1992:03:00 0,6 79014 4,78 13331 27650 4,44 113510 18,9 14,66 1,17 60104,2 4,78
1992:04:00 6,44 78919 4,80 14737 28779 4,46 119053 17,9 13,5 1,13 63712,6 4,80
1993:01:00 6,44 78714 4,87 15979 30593 4,49 123160 17,6 12,5 1,10 73873,3 4,87
1993:02:00 6,97 109887 4,90 15081 31342 4,50 124540 17,09 10,74 1,03 79587 4,90
1993:03:00 8,24 114756 4,93 16226 34812 4,54 136397 16,28 9,11 0,96 85300 4,93
1993:04:00 9,77 121129 4,96 17606 36805 4,57 145202 15,78 8,83 0,95 91014 4,96
1994:01:00 3,71 126753 4,96 18995 37908 4,58 148829 15,22 8,45 0,93 91514 4,96
1994:02:00 4,59 133701 4,94 19564 39886 4,60 152798 14,76 9,94 1,00 87883,1 4,94
1994:03:00 7,38 141576 4,95 21007 42195 4,63 162900 14,71 11,99 1,08 89437,2 4,95
1994:04:00 9,24 152738 4,96 22156 45374 4,66 174512 14,9 12,4 1,09 90991,3 4,96
1995:01:00 3,04 157206 4,97 23167 44908 4,65 181701 15,27 14,15 1,15 93215,1 4,97
1995:02:00 2,34 167254 4,97 23059 47045 4,67 192126 15,79 14,74 1,17 94037,1 4,97
1995:03:00 1,41 178244 4,99 23550 48981 4,69 206079 16,08 14,02 1,15 97390,1 4,99
1995:04:00 1,85 188876 4,98 26513 52677 4,72 222638 16,12 13,99 1,15 95681 4,98
1996:01:00 3,26 193951 4,98 31051 53162 4,73 232493 16,39 13,99 1,15 95179,2 4,98
1996:02:00 0,77 209450 4,98 30799 56448 4,75 249443 16,4 13,99 1,15 94871,6 4,98
1996:03:00 0,91 220550 4,98 31360 59684 4,78 259926 16,52 13,93 1,14 94564 4,98
1996:04:00 1,53 234490 4,97 34405 64089 4,81 288632 16,36 12,5 1,10 94256,5 4,97
1997:01:00 1,96 244960 4,99 38545 63565 4,80 294581 16,37 11,07 1,04 97449,8 4,99
1997:02:00 2,54 262670 4,99 46126 69950,04 4,84 312839 16,19 10,63 1,03 98612,6 4,99
1997:03:00 5,37 274710 5,00 47642 66258 4,82 329074 20,34 14,58 1,16 99725,4 5,00
1997:04:00 11,05 261534 5,00 51408 78342,86 4,89 355642,9 17,34 17,38 1,24 100838,2 5,00
1998:01:00 25,13 286925 4,98 63615 98270,29 4,99 449824,3 20,16 45 1,65 95968,7 4,98
1998:02:00 46,55 288760 4,98 77729 109479,8 5,04 565784,8 22,7 58 1,76 94718,7 4,98
1998:03:00 75,47 297634 4,97 79286 102563 5,01 550404 24,88 64,74 1,81 93468,7 4,97
1998:04:00 77,63 313118 4,97 83388 101197,3 5,01 577381,3 23,16 35,52 1,55 93118 4,97
1999:01:00 4,08 231423 4,97 78749 105705,1 5,02 603325,1 26,1 37,42 1,57 94355,7 4,97
1999:02:00 2,73 165340 4,98 77351 105964 5,03 615411 22,75 18,84 1,28 94460,5 4,98
1999:03:00 0,02 156485 4,98 81257 118124 5,07 652289 19,73 13 1,11 95565 4,98
1999:04:00 2,01 140527 4,99 101790 124633 5,10 646205 22,93 11,93 1,08 96670 4,99
2000:01:00 -1,1 130875 4,91 94559 124663 5,10 656451 16,46 10,91 1,04 82057,31 4,91
2000:02:00 2,1 134654 4,85 97098 133832 5,13 684335 16,21 12,33 1,09 70842,89 4,85
2000:03:00 6,8 139763 4,87 125615 135430 5,13 686453 16,62 13,62 1,13 73689,63 4,87
2000:04:00 9,4 152482 4,83 103254 162186 5,21 747028 16,59 14,53 1,16 67215,06 4,83
2001:01:00 10,6 158023 4,84 110604 148375 5,17 766812 16,86 15,58 1,19 68798,96 4,84
2001:02:00 12,11 171984 4,76 115233 160142 5,20 796440 17,04 16,65 1,22 57398,8 4,76
2001:03:00 13,01 187953 4,84 127796 164237 5,22 783104 17,22 17,57 1,24 69469,64 4,84
2001:04:00 12,55 202618 4,80 117724 177731 5,25 844053 17,9 17,62 1,25 62658,63 4,80
2002:01:00 14,08 204639 4,84 117016 169002 5,23 828278 18,03 16,76 1,22 69189,51 4,84
2002:02:00 11,48 224864 4,89 119941 174017 5,24 838635 18,11 15,11 1,18 78225,35 4,89
2002:03:00 10,1 250162 4,90 123869 181791 5,26 859706 18,11 13,22 1,12 78547,58 4,90
2002:04:00 10 271851 4,88 138250 191939 5,28 883908 17,82 12,93 1,11 76448,26 4,88
2003:01:00 7,1 280774 4,90 125210 181239 5,26 877776 17,85 11,4 1,06 79395,48 4,90
2003:02:00 6,6 299664 4,94 132396 194878 5,29 894213 17,43 9,53 0,98 86748,13 4,94
2003:03:00 6,2 318819 4,94 136471 207587 5,32 911224 16,53 8,66 0,94 87947 4,94
2003:04:00 5,1 342026 4,93 166393 223799 5,35 955692 15,68 8,31 0,92 84558,23 4,93
2004:01:00 5,1 347357 4,93 142816 219086 5,34 935247 15,12 7,42 0,87 85469,17 4,93
2004:02:00 6,8 376034 4,90 182130 233726 5,37 975166 14,64 7,34 0,87 79738,56 4,90
2004:03:00 6,3 404173 4,93 190386 240911 5,38 986806 14,33 7,39 0,87 84369,57 4,93
2004:04:00 6,4 438880 4,91 206180 253818 5,40 1033527 14,05 7,43 0,87 82030,35 4,91
2005:01:00 8,8 457619 4,91 191381 250492 5,40 1020693 13,78 7,44 0,87 82112,5 4,91
2005:02:00 7,8 498510 4,91 205279 267635 5,43 1073746 13,65 8,25 0,92 81852,01 4,91
2005:03:00 9,1 543227 4,90 240876 273954 5,44 1150451 14,47 10 1,00 79301,83 4,90
2005:04:00 17,1 566444 4,91 269971 281905 5,45 1203215 15,66 12,75 1,11 81423,12 4,91
2006:01:00 17,9 568631 4,95 245867 277293 5,44 1195067 15,9 12,73 1,10 90050,54 4,95
2006:02:00 15,5 587283 4,95 269529 313153 5,50 1253757 15,94 12,5 1,10 89723,88 4,95
2006:03:00 9,1 610502 4,97 282547 333905 5,52 1291396 15,66 11,25 1,05 93725,59 4,97
2006:04:00 6,3 639152 4,97 346492 361073 5,52 1382074 15,1 9,75 0,99 94152,47 4,97

Lampiran 2

1. Penawaran Uang Sebelum dan Sesudah Krisis Moneter
A. Estimasi
LOG(M1) = -0.622 + 0.0536LOG(Y) + 0.025LOG(RSBI) + 1.00026LOG(M1(-1)) – 0.001*INF
Dependent Variable: LOG(M1)
Method: Least Squares
Date: 02/13/08 Time: 13:39
Sample(adjusted): 1990:2 2006:4
Included observations: 67 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -0.622015 0.351001 -1.772116 0.0813
LOG(Y) 0.053641 0.030615 1.752134 0.0847
LOG(RSBI) 0.025029 0.021943 1.140613 0.2584
LOG(M1(-1)) 1.000255 0.009465 105.6814 0.0000
INF -0.001029 0.000707 -1.456558 0.1503
R-squared 0.996238 Mean dependent var 11.38588
Adjusted R-squared 0.995995 S.D. dependent var 0.858379
S.E. of regression 0.054321 Akaike info criterion -2.916117
Sum squared resid 0.182948 Schwarz criterion -2.751587
Log likelihood 102.6899 F-statistic 4104.591
Durbin-Watson stat 2.509338 Prob(F-statistic) 0.000000
B. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 3.146213 Probability 0.005029
Obs*R-squared 20.27625 Probability 0.009340

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 13:42
Sample: 1990:2 2006:4
Included observations: 67
Variable Coefficient Std. Error t-Statistic Prob.
C 0.385591 1.169873 0.329600 0.7429
LOG(Y) -0.140768 0.217234 -0.648000 0.5195
(LOG(Y))^2 0.006246 0.009739 0.641373 0.5238
LOG(RSBI) -0.001917 0.012342 -0.155290 0.8771
(LOG(RSBI))^2 0.000779 0.002139 0.364338 0.7169
LOG(M1(-1)) 0.071755 0.033543 2.139212 0.0366
(LOG(M1(-1)))^2 -0.003144 0.001480 -2.124382 0.0379
INF 0.000412 0.000174 2.367059 0.0213
INF^2 -6.02E-06 2.05E-06 -2.934295 0.0048
R-squared 0.302631 Mean dependent var 0.002731
Adjusted R-squared 0.206442 S.D. dependent var 0.004907
S.E. of regression 0.004371 Akaike info criterion -7.903086
Sum squared resid 0.001108 Schwarz criterion -7.606933
Log likelihood 273.7534 F-statistic 3.146213
Durbin-Watson stat 1.876569 Prob(F-statistic) 0.005029

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.314175 Probability 0.107608
Obs*R-squared 4.798195 Probability 0.090800

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 13:42
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.039346 0.352868 -0.111503 0.9116
LOG(Y) 0.001106 0.030426 0.036349 0.9711
LOG(RSBI) 0.005187 0.022164 0.234011 0.8158
LOG(M1(-1)) 0.001082 0.009328 0.116000 0.9080
INF 8.52E-05 0.000784 0.108665 0.9138
RESID(-1) -0.280874 0.135580 -2.071641 0.0426
RESID(-2) -0.024629 0.149956 -0.164244 0.8701
R-squared 0.071615 Mean dependent var 2.63E-16
Adjusted R-squared -0.021224 S.D. dependent var 0.052649
S.E. of regression 0.053205 Akaike info criterion -2.930724
Sum squared resid 0.169846 Schwarz criterion -2.700383
Log likelihood 105.1792 F-statistic 0.771392
Durbin-Watson stat 1.979754 Prob(F-statistic) 0.595427
Normalitas

2. Kredit
A. Estimasi
LOG(L) = 2.657 – 0.0775LOG(Y) – 0.007LOG(RSBI) + 0.959LOG(L(-1)) + 0.00312INF – 0.443*LOG(RKI)
Dependent Variable: LOG(L)
Method: Least Squares
Date: 02/13/08 Time: 13:27
Sample(adjusted): 1990:2 2006:4
Included observations: 67 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 2.657284 0.486782 5.458882 0.0000
LOG(Y) -0.077519 0.042980 -1.803618 0.0762
LOG(RSBI) -0.007029 0.036183 -0.194265 0.8466
LOG(L(-1)) 0.959281 0.018209 52.68102 0.0000
INF 0.003123 0.000843 3.703551 0.0005
LOG(RKI) -0.442662 0.095408 -4.639689 0.0000
R-squared 0.990402 Mean dependent var 12.17684
Adjusted R-squared 0.989615 S.D. dependent var 0.632395
S.E. of regression 0.064444 Akaike info criterion -2.560749
Sum squared resid 0.253336 Schwarz criterion -2.363314
Log likelihood 91.78509 F-statistic 1258.913
Durbin-Watson stat 1.713945 Prob(F-statistic) 0.000000

B. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 1.496707 Probability 0.165054
Obs*R-squared 14.13041 Probability 0.167126

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 13:31
Sample: 1990:2 2006:4
Included observations: 67
Variable Coefficient Std. Error t-Statistic Prob.
C -2.325418 2.641404 -0.880372 0.3824
LOG(Y) 0.579050 0.489374 1.183247 0.2417
(LOG(Y))^2 -0.024889 0.021944 -1.134214 0.2615
LOG(RSBI) -0.003929 0.031712 -0.123883 0.9019
(LOG(RSBI))^2 -0.000153 0.005589 -0.027430 0.9782
LOG(L(-1)) -0.175463 0.096574 -1.816875 0.0746
(LOG(L(-1)))^2 0.006930 0.003935 1.760977 0.0837
INF 0.000272 0.000428 0.636467 0.5271
INF^2 -4.84E-06 5.00E-06 -0.967951 0.3372
LOG(RKI) 0.023320 0.381477 0.061131 0.9515
(LOG(RKI))^2 0.001943 0.065488 0.029670 0.9764
R-squared 0.210902 Mean dependent var 0.003781
Adjusted R-squared 0.069991 S.D. dependent var 0.009929
S.E. of regression 0.009575 Akaike info criterion -6.310204
Sum squared resid 0.005135 Schwarz criterion -5.948240
Log likelihood 222.3918 F-statistic 1.496707
Durbin-Watson stat 2.376680 Prob(F-statistic) 0.165054

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.962104 Probability 0.388001
Obs*R-squared 2.116103 Probability 0.347132

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 13:33
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.021555 0.488483 -0.044127 0.9650
LOG(Y) 0.004954 0.043171 0.114761 0.9090
LOG(RSBI) 0.000790 0.036291 0.021766 0.9827
LOG(L(-1)) -0.002557 0.018314 -0.139639 0.8894
INF -0.000142 0.000851 -0.167370 0.8677
LOG(RKI) -0.001363 0.095888 -0.014218 0.9887
RESID(-1) 0.131082 0.130477 1.004637 0.3192
RESID(-2) 0.109234 0.132491 0.824458 0.4130
R-squared 0.031584 Mean dependent var 1.89E-15
Adjusted R-squared -0.083313 S.D. dependent var 0.061955
S.E. of regression 0.064484 Akaike info criterion -2.533141
Sum squared resid 0.245335 Schwarz criterion -2.269894
Log likelihood 92.86021 F-statistic 0.274887
Durbin-Watson stat 2.030417 Prob(F-statistic) 0.961345

Normalitas

Lampiran 3
3. Penawaran Uang Sebelum Krisis Moneter
C. Estimasi
LOG(M1) = 0.208 + 0.028LOG(Y) – 0.05LOG(RSBI) + 0.966LOG(M1(-1)) – 7.8.10-5 INF

Dependent Variable: LOG(M1)
Method: Least Squares
Date: 02/13/08 Time: 13:48
Sample(adjusted): 1990:2 1997:3
Included observations: 30 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.208171 0.452168 0.460385 0.6492
LOG(Y) 0.028479 0.062900 0.452772 0.6546
LOG(RSBI) -0.052217 0.044256 -1.179893 0.2491
LOG(M1(-1)) 0.966353 0.046527 20.76956 0.0000
INF -7.83E-05 0.002600 -0.030111 0.9762
R-squared 0.992536 Mean dependent var 10.53686
Adjusted R-squared 0.991342 S.D. dependent var 0.366479
S.E. of regression 0.034101 Akaike info criterion -3.767953
Sum squared resid 0.029072 Schwarz criterion -3.534420
Log likelihood 61.51929 F-statistic 831.0778
Durbin-Watson stat 2.637962 Prob(F-statistic) 0.000000

D. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 4.330991 Probability 0.003298
Obs*R-squared 18.67882 Probability 0.016675

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 13:51
Sample: 1990:2 1997:3
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 1.136820 0.809775 1.403872 0.1750
LOG(Y) 0.014921 0.078760 0.189450 0.8516
(LOG(Y))^2 -0.000471 0.003685 -0.127687 0.8996
LOG(RSBI) -0.006495 0.013846 -0.469087 0.6438
(LOG(RSBI))^2 0.001299 0.002661 0.488167 0.6305
LOG(M1(-1)) -0.233282 0.100273 -2.326477 0.0301
(LOG(M1(-1)))^2 0.010989 0.004604 2.386652 0.0265
INF 0.000368 0.000272 1.352061 0.1907
INF^2 -3.44E-05 2.60E-05 -1.324553 0.1996
R-squared 0.622627 Mean dependent var 0.000969
Adjusted R-squared 0.478866 S.D. dependent var 0.001185
S.E. of regression 0.000856 Akaike info criterion -11.04625
Sum squared resid 1.54E-05 Schwarz criterion -10.62589
Log likelihood 174.6937 F-statistic 4.330991
Durbin-Watson stat 1.861474 Prob(F-statistic) 0.003298

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.587206 Probability 0.202792
Obs*R-squared 15.42371 Probability 0.117361

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 13:53
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.294393 0.516681 -0.569778 0.5773
LOG(Y) -0.106565 0.084518 -1.260855 0.2266
LOG(RSBI) 0.030142 0.050473 0.597184 0.5593
LOG(M1(-1)) 0.132903 0.079144 1.679249 0.1138
INF 0.004141 0.003370 1.228679 0.2381
RESID(-1) -0.969473 0.374417 -2.589285 0.0205
RESID(-2) -0.089706 0.425339 -0.210905 0.8358
RESID(-3) -0.528170 0.440762 -1.198310 0.2494
RESID(-4) -0.303036 0.394253 -0.768632 0.4540
RESID(-5) -0.272173 0.389879 -0.698095 0.4958
RESID(-6) -0.505177 0.359511 -1.405177 0.1803
RESID(-7) -0.214717 0.370673 -0.579262 0.5710
RESID(-8) 0.292158 0.387226 0.754490 0.4622
RESID(-9) -0.044414 0.432261 -0.102749 0.9195
RESID(-10) -0.036580 0.420842 -0.086921 0.9319
R-squared 0.514124 Mean dependent var 3.08E-15
Adjusted R-squared 0.060639 S.D. dependent var 0.031662
S.E. of regression 0.030687 Akaike info criterion -3.823087
Sum squared resid 0.014126 Schwarz criterion -3.122489
Log likelihood 72.34631 F-statistic 1.133719
Durbin-Watson stat 1.744890 Prob(F-statistic) 0.404809

Normalitas

4. Kredit Sebelum Krisis Moneter
A. Estimasi
LOG(L) = 0.42 + 0.0175LOG(Y) – 0.04LOG(RSBI) + 0.97LOG(L(-1)) + 0.001INF – 0.05LOG(RKI)
Dependent Variable: LOG(L)
Method: Least Squares
Date: 02/13/08 Time: 13:54
Sample(adjusted): 1990:2 1997:3
Included observations: 30 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.421449 1.290564 0.326562 0.7468
LOG(Y) 0.017512 0.134536 0.130167 0.8975
LOG(RSBI) -0.040699 0.092564 -0.439684 0.6641
LOG(L(-1)) 0.972609 0.071552 13.59307 0.0000
INF 0.001376 0.005111 0.269262 0.7900
LOG(RKI) -0.050245 0.191286 -0.262670 0.7950
R-squared 0.984309 Mean dependent var 11.72125
Adjusted R-squared 0.981041 S.D. dependent var 0.478304
S.E. of regression 0.065859 Akaike info criterion -2.425735
Sum squared resid 0.104099 Schwarz criterion -2.145496
Log likelihood 42.38603 F-statistic 301.1157
Durbin-Watson stat 2.220547 Prob(F-statistic) 0.000000

B. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 2.198527 Probability 0.066941
Obs*R-squared 16.09257 Probability 0.097013

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 13:57
Sample: 1990:2 1997:3
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 12.01282 5.858370 2.050540 0.0544
LOG(Y) -0.022105 1.008082 -0.021928 0.9827
(LOG(Y))^2 0.006472 0.045831 0.141205 0.8892
LOG(RSBI) -0.010094 0.184579 -0.054689 0.9570
(LOG(RSBI))^2 0.004770 0.037245 0.128066 0.8994
LOG(L(-1)) -1.892853 0.757342 -2.499338 0.0218
(LOG(L(-1)))^2 0.077533 0.031735 2.443121 0.0245
INF -0.001749 0.003543 -0.493621 0.6272
INF^2 0.000106 0.000332 0.320621 0.7520
LOG(RKI) -0.733049 1.183644 -0.619315 0.5431
(LOG(RKI))^2 0.126151 0.203002 0.621429 0.5417
R-squared 0.536419 Mean dependent var 0.003470
Adjusted R-squared 0.292429 S.D. dependent var 0.011575
S.E. of regression 0.009737 Akaike info criterion -6.149270
Sum squared resid 0.001801 Schwarz criterion -5.635498
Log likelihood 103.2391 F-statistic 2.198527
Durbin-Watson stat 2.518153 Prob(F-statistic) 0.066941

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.377760 Probability 0.689756
Obs*R-squared 0.996047 Probability 0.607731

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 13:57
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.263310 1.359712 0.193652 0.8482
LOG(Y) -0.052332 0.151310 -0.345857 0.7327
LOG(RSBI) -0.028900 0.100775 -0.286776 0.7770
LOG(L(-1)) 0.030607 0.082066 0.372957 0.7127
INF 0.000298 0.005317 0.056083 0.9558
LOG(RKI) 0.014012 0.197266 0.071032 0.9440
RESID(-1) -0.189670 0.232641 -0.815290 0.4236
RESID(-2) -0.115119 0.228973 -0.502760 0.6201
R-squared 0.033202 Mean dependent var 3.17E-15
Adjusted R-squared -0.274416 S.D. dependent var 0.059913
S.E. of regression 0.067636 Akaike info criterion -2.326167
Sum squared resid 0.100643 Schwarz criterion -1.952515
Log likelihood 42.89251 F-statistic 0.107931
Durbin-Watson stat 1.985597 Prob(F-statistic) 0.997187

Normalitas

Lampiran 4

5. Penawaran Uang Sesudah Krisis Moneter
E. Estimasi
LOG(M1) = -0.547+ 0.09LOG(Y) + 0.019LOG(RSBI) + 0.96LOG(M1(-1)) – 0.001 INF
Dependent Variable: LOG(M1)
Method: Least Squares
Date: 02/13/08 Time: 14:10
Sample: 1997:4 2006:4
Included observations: 37
Variable Coefficient Std. Error t-Statistic Prob.
C -0.546553 1.130411 -0.483500 0.6320
LOG(Y) 0.090006 0.082554 1.090270 0.2837
LOG(RSBI) 0.019081 0.039311 0.485380 0.6307
LOG(M1(-1)) 0.961989 0.039851 24.13951 0.0000
INF -0.001471 0.000979 -1.503016 0.1426
R-squared 0.976242 Mean dependent var 12.07428
Adjusted R-squared 0.973272 S.D. dependent var 0.393551
S.E. of regression 0.064340 Akaike info criterion -2.524174
Sum squared resid 0.132469 Schwarz criterion -2.306482
Log likelihood 51.69721 F-statistic 328.7282
Durbin-Watson stat 2.346141 Prob(F-statistic) 0.000000
F. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 1.083039 Probability 0.403075
Obs*R-squared 8.743639 Probability 0.364382

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 14:13
Sample: 1997:4 2006:4
Included observations: 37
Variable Coefficient Std. Error t-Statistic Prob.
C -3.387020 6.242054 -0.542613 0.5917
LOG(Y) 0.774894 1.189368 0.651518 0.5200
(LOG(Y))^2 -0.034872 0.052930 -0.658833 0.5154
LOG(RSBI) 0.001135 0.015991 0.070976 0.9439
(LOG(RSBI))^2 0.000561 0.002712 0.206816 0.8377
LOG(M1(-1)) -0.151124 0.191118 -0.790735 0.4357
(LOG(M1(-1)))^2 0.006208 0.007965 0.779486 0.4422
INF 1.80E-06 0.000292 0.006153 0.9951
INF^2 -1.21E-06 3.29E-06 -0.367638 0.7159
R-squared 0.236315 Mean dependent var 0.003580
Adjusted R-squared 0.018119 S.D. dependent var 0.005002
S.E. of regression 0.004956 Akaike info criterion -7.568474
Sum squared resid 0.000688 Schwarz criterion -7.176629
Log likelihood 149.0168 F-statistic 1.083039
Durbin-Watson stat 1.960382 Prob(F-statistic) 0.403075

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.231941 Probability 0.306064
Obs*R-squared 2.808156 Probability 0.245593

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 14:13
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.444875 1.189080 -0.374134 0.7109
LOG(Y) 0.028452 0.083951 0.338905 0.7370
LOG(RSBI) 0.012732 0.042279 0.301137 0.7654
LOG(M1(-1)) 0.008030 0.044816 0.179170 0.8590
INF -0.000539 0.001051 -0.513165 0.6116
RESID(-1) -0.165594 0.213251 -0.776525 0.4435
RESID(-2) 0.217298 0.226014 0.961433 0.3440
R-squared 0.075896 Mean dependent var -1.97E-15
Adjusted R-squared -0.108925 S.D. dependent var 0.060661
S.E. of regression 0.063879 Akaike info criterion -2.494996
Sum squared resid 0.122416 Schwarz criterion -2.190228
Log likelihood 53.15743 F-statistic 0.410647
Durbin-Watson stat 1.934398 Prob(F-statistic) 0.866059

Normalitas

6. Kredit Sesudah Krisis Moneter
C. Estimasi
LOG(L) = 3.399 – 0.123LOG(Y) + 0.001*LOG(RSBI) + 0.958LOG(L(-1)) + 0.004INF – 0.526LOG(RKI)

Dependent Variable: LOG(L)
Method: Least Squares
Date: 02/13/08 Time: 14:01
Sample: 1997:4 2006:4
Included observations: 37
Variable Coefficient Std. Error t-Statistic Prob.
C 3.398507 0.907705 3.744064 0.0007
LOG(Y) -0.123226 0.113859 -1.082263 0.2875
LOG(RSBI) 0.001396 0.042544 0.032821 0.9740
LOG(L(-1)) 0.957559 0.034536 27.72665 0.0000
INF 0.003680 0.000925 3.980110 0.0004
LOG(RKI) -0.526099 0.141645 -3.714221 0.0008
R-squared 0.986651 Mean dependent var 12.54623
Adjusted R-squared 0.984497 S.D. dependent var 0.485486
S.E. of regression 0.060447 Akaike info criterion -2.626692
Sum squared resid 0.113271 Schwarz criterion -2.365462
Log likelihood 54.59381 F-statistic 458.2403
Durbin-Watson stat 1.393350 Prob(F-statistic) 0.000000

D. Uji Asumsi Klasik
Heterokedastisitas
White Heteroskedasticity Test:
F-statistic 1.457915 Probability 0.211139
Obs*R-squared 13.29324 Probability 0.207735

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/13/08 Time: 14:09
Sample: 1997:4 2006:4
Included observations: 37
Variable Coefficient Std. Error t-Statistic Prob.
C -7.475728 6.059747 -1.233670 0.2284
LOG(Y) 1.063382 1.073431 0.990638 0.3310
(LOG(Y))^2 -0.046645 0.047638 -0.979155 0.3365
LOG(RSBI) 0.028965 0.025262 1.146557 0.2620
(LOG(RSBI))^2 -0.003903 0.004128 -0.945303 0.3532
LOG(L(-1)) 0.204201 0.136289 1.498290 0.1461
(LOG(L(-1)))^2 -0.008143 0.005442 -1.496423 0.1466
INF -0.000365 0.000425 -0.857883 0.3988
INF^2 2.65E-06 4.68E-06 0.567235 0.5754
LOG(RKI) 0.068868 0.298921 0.230390 0.8196
(LOG(RKI))^2 -0.012259 0.050722 -0.241697 0.8109
R-squared 0.359277 Mean dependent var 0.003061
Adjusted R-squared 0.112845 S.D. dependent var 0.005415
S.E. of regression 0.005100 Akaike info criterion -7.477210
Sum squared resid 0.000676 Schwarz criterion -6.998288
Log likelihood 149.3284 F-statistic 1.457915
Durbin-Watson stat 2.900919 Prob(F-statistic) 0.211139

Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.479231 Probability 0.244498
Obs*R-squared 3.425168 Probability 0.180399

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/13/08 Time: 14:09
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.075724 0.901090 -0.084036 0.9336
LOG(Y) 0.023233 0.113299 0.205056 0.8390
LOG(RSBI) 0.012634 0.042678 0.296022 0.7693
LOG(L(-1)) -0.007703 0.034322 -0.224440 0.8240
INF -0.000253 0.000952 -0.265413 0.7926
LOG(RKI) -0.042239 0.141694 -0.298104 0.7677
RESID(-1) 0.317331 0.189439 1.675110 0.1047
RESID(-2) -0.007605 0.195030 -0.038994 0.9692
R-squared 0.092572 Mean dependent var -3.59E-16
Adjusted R-squared -0.126462 S.D. dependent var 0.056093
S.E. of regression 0.059534 Akaike info criterion -2.615725
Sum squared resid 0.102785 Schwarz criterion -2.267419
Log likelihood 56.39092 F-statistic 0.422637
Durbin-Watson stat 1.999884 Prob(F-statistic) 0.880133

Normalitas

Lampiran 5

Variance Residuals M1 dan L
Sebelum dan Sesudah Krisis
Periode M1(Ms) L
1990.1-2006.4
(selum dan Sesudah) R2 residual 0,182948 0,253336
SEE 0,054321 0,064444
Variance Residual 0,009938 0,016326
1990.1-1997.3
(Sebelum) R2 residual 0,029072 0,104099
SEE 0,034101 0,065859
Variance Residual 0,000991 0,006856
1997.4-2006.4
(sesudah) R2 residual 0,132469 0,113271
SEE 0,06434 0,060447
Variance Residual 0,008523 0,006847

Lampiran 6

Variance

Simpangan Baku (ó)

Koefisien Varian (KV)

Keterangan :
Xk = Variabel X
= rata-rata X
n = jumlah data observasi

Kovarian

Xi = variable X
Yi = variable Y
N = Besarnya sampel data
Cov (X,Y) = kovarian x dan Y

Korelasi

ñX,Y = korelasi X dan Y
= simpangan baku X
= simpangan baku Y