Agenda Training Metodologi Penelitian 2017

Portofolio Training & Riset SMART

Dampak Pembiayaan Bank Syariah vs Kredit Bank Konvensional terhadap Inflasi

Bagaimanakah dampak kredit perbankan terhadap kondisi inflasi IHK di Indonesia secara umum? Apakah pembiayaan (financing) bank syariah maupun kredit bank konvensional ikut menyumbang terhadap angka inflasi? Melalui pendekatan Vector Autoregression (VAR), SMART melakukan studi terkait hal ini.

Data yang digunakan dalam studi ini adalah data sekunder berupa time series bulanan yang didapat dari Statistika Ekonomi dan Keuangan Indonesia (SEKI), Statistika Perbankan Syariah (SPS) dan Statistika Perbankan Indonesia (SPI). Seluruh data dimulai dari periode Bulan Januari 2010 hingga Desember 2015.

Sebagai variabel dependen adalah tingkat inflasi diproksi menggunakan indeks harga konsumen di Indonesia. Total pinjaman bank syariah (LNFIN) adalah jumlah pinjaman yang dikeluarkan oleh perbankan syariah minus BPRS, sementara total kredit perbankan konvensional (LNLOAN) diproksi dengan total kredit yang dikeluarkan oleh perbankan konvensional dalam rupiah. Tingkat bunga menggunakan Sertifikat Bank Indonesia. Sedangkan tingkat bagi hasil pinjaman secara agregat menggunakan proksi tingkat bagi hasil SBI Syariah.

Hasil di atas menunjukkan bahwa respon indeks harga konsumen (LNIHK) terhadap guncangan variabel lainnya berfluktuasi. Kita dapat mencermati bahwa LNIHK merespon negatif guncangan variabel pembiayaan perbankan syariah (LNFIN). Artinya, semakin tinggi jumlah pembiayaan perbankan syariah Indonesia akan berpengaruh dan berkontribusi positif pada penurunan tingkat inflasi Indonesia.

Alasan bahwa pembiayaan syariah akan menurunkan tingkat inflasi adalah karena pembiayaan perbankan syariah khususnya pembiayaan produktif berprinsip bagi hasil akan memungkinkan terjadinya pertumbuhan yang seimbang antara sektor moneter dan sektor riil. Keseimbangan tersebut disebabkan oleh prinsip ‘profit lost sharing’ yang membagi pendapatan (revenue) peminjam.

Sementara itu, pola hubungan antara LNIHK dengan LNLOAN adalah positif. Sehingga dapat kita katakan bahwa semakin besar dana kredit yang digelontorkan oleh entitas perbankan konvensional, ternyata berdampak pada meningkatnya inflasi. Begitu pula halnya dengan instrumen moneter seperti SBI.

Kesimpulan ini bersesuaian dengan hasil penelitian yang dilakukan Ascarya (2009) dan Rusydiana (2010). Menurutnya, instrumen suku bunga yang direpresentasikan dengan SBI, adalah determinan inflasi utama di Indonesia. Suku bunga adalah penyebab inflasi yang paling besar dibandingkan dengan variabel lain di dalam model.

Agenda Training SMART 2016

Early Warning System Perbankan Syariah di Indonesia

Apakah perbankan syariah terkena imbas jika terjadi instabilitas ekonomi, baik yang berasal dari dalam negeri maupun dari luar? Periode mana sajakah yang tergolong dalam krisis dan tidak krisis yang dialami perbankan syariah di Indonesia? Dengan pendekatan Markov Switching untuk deteksi dini krisis perbankan, pertanyaan di atas akan dicarikan jawabannya.

Indikator yang digunakan sebagai proksi krisis yaitu Z-Score. Z-score merupakan indikator yang digunakan untuk mengukur stabilitas perbankan dengan cara menjumlahkan ROA dan EA dibagi dengan standar deviasi dari ROA (Čihak et al., 2008). Kemudian Indikator internal yang digunakan dalam penelitian ini di antaranya FDR, CRS (Cash Ratio), BDS (Bank Deposit) dan CAR untuk internal perbankan syariah. Sementara itu indikator eksternal yang digunakan yaitu Inflasi, Suku Bunga, Indeks Harga Produksi Industri, Nilai tukar, Money supply, Kredit Domestik dan Current account/GDP.

Data sekunder didapat dari sumber resmi dan dalam bentuk bulanan dari Januari 2004 sampai 2014. Dan di antara sumber-sumber datanya yaitu didapat dari Statistik Perbankan Indonesia Otoritas Jasa Keuangan (SPI-OJK), Statistik Perbankan Syariah Otoritas Jasa Keuangan (SPS- OJK), Badan Pusat Statistik (BPS), Statistik Ekonomi dan Moneter Indonesia Bank Indonesia (SEKI-BI) dan International Financial Statistics (IFS) yang dipublikasikan oleh IMF dan Kementrian Perdagangan Republik Indonesia.

Variabel yang digunakan sebagai indikator stabilitas perbankan yaitu Z-score(yt). Pada penelitian ini, model markov switching yang digunakan model multivariate yaitu Model MS-VAR (Markov Switching-Vector Auto Regression) yang dapat dijadikan sebagai alternatif dari model time series linier dengan parameter konstan. Menurut Krolzig (1997) ide umum dari model perubahan rezim ini adalah parameter dari vektor time series berdimensi-K {y_t} bergantung terhadap variabel rezim tak terobservasi s_t∈{1,…,m}, yang direpresentasikan melalui peluang suatu keadaan pada rezim tertentu.

Salah satu kelebihan metode MS-VAR yaitu nilai batas indeks krisis (threshold) merupakan variabel endogenous dengan kata lain periode krisis dan lamanya krisis merupakan bagian dari hasil estimasi. Hasil olah data menggunakan OxMetrics 5.1 menunjukkan bahwa terjadi pergeseran dari rezim 1 (masa tenang) ke rezim 2 (masa krisis).

Dalam penelitian markov switching, periode penentuan krisis merupakan bagian dari hasil estimasi. Dari grafik probabilitas klasifikasi rezim bank syariah menunjukkan ada beberapa periode masa tenang dan periode masa krisis dalam model bank syariah ini. Rezim 1 adalah masa tenang sedangkan rezim 2 adalah masa krisis.

Hasilnya menunjukkan bahwa periode krisis yang dialami bank syariah terjadi pada periode Februari 2004 sampai dengan April 2005. Siklus ekonomi kembali berada pada masa krisis pada Agustus 2005 sampai dengan Desember 2006 dan pada periode Maret 2007 sampai dengan September 2007.

Periode krisis selanjutnya terjadi pada selang waktu Agustus 2008 sampai Juni 2009 dan Agustus 2010 sampai dengan September 2010. Berturut-turut kemudian Juli 2013 sampai dengan Agustus 2013, dan September 2013 sampai Februari 2014. Terakhir, periode krisis bank syariah terjadi pada periode Mei 2014 sampai dengan Desember 2014.

Secara umum, kondisi perbankan syariah sebelum 2009 sedikit banyak terimbas kondisi krisis keuangan global yang terjadi di Eropa dengan Yunani yang mengalami kondisi terparah. Selanjutnya periode tahun 2011 hingga 2013 kondisi perbankan syariah relatif stabil. Baru kemudian tahun 2014 hingga 2015 bank syariah mengalami ketidakstabilan diakibatkan kondisi perekonomian dalam negeri pasca Pemilu 2014 dan pergantian kepemimpinan.

Markov Switching Model Sebagai Sistem Deteksi Dini Perbankan

Penelitian-penelitian yang berkaitan tentang krisis keuangan secara global di antaranya: Edison (2003), Vargas (2009), Barişik dan Tay (2010), Akhtar, et al. (2011), Reimers dan Hochschule (2012) dan Waibot (2012). Edison (2003) meneliti tentang krisis keuangan pada 20 negara maju dan emerging countries, hasilnya menunjukkan bahwa leading indicator krisis keuangan adalah cadangan devisa, ekspor, nilai tukar riil, kredit domestik dan suku bunga riil. 

Sementara itu, penelitian yang khusus mengkaji tentang krisis perbankan yaitu Hardy dan Pazarbasioglu (1998), Hardy dan Pazarbasioglu (1999), Hagen dan Ho (2006), Simorangkir (2012), Asanović (2013) dan Hosni (2014). 

Hardy dan Pazarbasioglu (1998) meneliti tentang krisis perbankan di negara Asia, hasilnya menunjukkan bahwa guncangan terhadap konsumsi menjadi awal peringatan dini terjadinya krisis perbankan. Selain itu, inflasi yang tinggi, penurunan pertumbuhan GDP, penurunan nilai impor, depresiasi nilai tukar dan peningkatan suku bunga dapat meningkatkan resiko terjadinya krisis perbankan. 

Salah satu pendekatan yang relevan dengan sistem deteksi dini krisis keuangan termasuk perbankan adalah penerapan Model Markov Switching. Markov Switching merupakan kerangka alternatif untuk 2 (dua) pendekatan yang sering digunakan untuk sistem peringatan dini untuk kirisis ekonomi, yaitu Signal Approach oleh Kaminsky, Lizondo, and Reinhart (1998) dan Pendekatan Probit/Logit.

Model Markov Switching menawarkan beberapa manfaat untuk digunakan sebagai sistem peringatan dini. Pertama, Model Markov Switching dapat digunakan untuk menghitung probabilitas terjadinya sebuah krisis. Kedua, Model Markov Switching dapat menjelaskan perilaku variable-variabel yang mengalami perubahan secara dramatis dan tiba-tiba. Model Markov Switching juga tidak membutuhkan definisi dan asumsi awal mengenai masa krisis dan masa normal (non-krisis). 

Ketiga, Model Markov Switching dapat menunjukkan dinamika krisis dan memberikan informasi mengenai kapan sebuah krisis akan terjadi, berapa lama krisis tersebut akan berlangsung dan variable-variabel apa yang dapat menyebabkan krisis tersebut berakhir.

Hasil pada gambar di atas adalah terkait analisis deteksi dini krisis perbankan pada 'dual banking system' di Indonesia dengan markov switching model. Terlihat bahwa perbankan syariah (bagian bawah) lebih banyak mengalami periode krisis di banding bank konvensional (bagian atas). Hal ini dapat dipahami mengingat perbankan syariah di Indonesia relatif kecil dengan pangsa 5% dari industri perbankan secara umum. Sehingga ketika terjadi ketidakstabilan ekonomi, tak dapat dipungkiri, industri perbankan syariah lebih terkena dampak. Memang, banyak variabel lain yang saling berkaitan.

Model Markov Switching telah dikembangkan lebih lanjut dengan mengkombinasikan Model Markov Switching dengan berbagai pendekatan lain seperti MS-VAR dan pendekatan yang lain.

SMART: Research, Training, Consulting, Publishing