ANALISA PENGARUH INFLASI TERHADAP JUMLAH UANG BEREDAR, PENGANGGURAN, DAN KINERJA KEUANGAN (JURNAL / BAB IV)

Oleh :  Nurul Hidayah (2010)

 

BAB IV

HASIL DAN PEMBAHASAN

  1. Jumlah uang beredar

Tabel 1:

Gambaran Umum Data Dasar Analisis

Sample Range: 1991.10 – 1997.07

Number of Observations: 70

Variabel Mean SD Max Min  
CPI 161.30812 21.80902 195.77000 128.35000  
M1 43.090739 13.139134 69.950000 25.831000  
M2 179.93342 65.285419 317.53300 97.764000  
d(CPI) 0.9966667 0.9371842 3.9499970 -1.120010  
d(M1) 0.6392173 1.2069025 4.7099990 -2.424000  
d(M2) 3.2176086 2.4620114 11.272980 -2.238998  
Variabel Covariance Correlation
CPI – M1 278.05286 0.9845711
CPI – M2 1365.4977 0.9731085
D(CPI) – D(M1) -0.0275003 -0.0246707
D(CPI) – D(M2) -0.3694619 -0.1624781

Sumber: Hasil olahan MicroTSP v.7.0 dari Bank Indonesia, SEKI, beberapa terbitan.

Tabel 2:

Pengujian Hipotesis Unit Root dan Normalitas Variabel Analisis

DCPI, DM1 dan DM2

Sample Range: 1991.10 – 1997.07

Number of Observations: 70

U j i

Variabel

UROOT

(C,4)

UROOT

(T,4)

UROOT

(N,4)

J-B
DCPI -4.4282 -4.3798 -1.5916 5.548194
DM1 -4.0939 -5.3576 -1.6537 4.726765
DM2 -2.3218 -4.9599 -0.5186 6.331114

Tabel 3:

Pengujian Engle-Granger Cointegration

ADF (C,4) ADF (T,4) CRDW
Model 1: DCPI= f(DM1) DCPI = 1.0000

DM1 = -0.019157

DF stat. –4.4488

DCPI = 1.0000

DM1 = -0.024496

TREND = -0.001725

DF Stat. –4.4571

1.525378
Model 2: DM1 = f(DCPI) DM1 = 1.0000

DCPI = 0.031771

DF Stat. –4.1304

DM1 = 1.0000

DCPI = 0.039254

TREND = -0.011260

DF Stat. –5.4772

2.492263
Model 3: DCPI = f(DM2) DCPI = 1.0000

DM2 = 0.061849

DF Stat. –4.3462

DCPI = 1.0000

DM2 = 0.103398

TREND = -0.008801

DF Stat. –4.5260

1.525225
Model 4: DM2 = f(DCPI) DM2 = 1.0000

DCPI = 0.426835

DF Stat. –2.1480

DM2 = 1.0000

DCPI = 0.474538

TREND = -0.071783

DF Stat. –4.7674

1.149292
Statistic

1%

5%

10%

-4.0720

-3.4331

-3.1112

-4.5776

-3.9318

-3.6094

0.511

0.386

0.322

Tabel 4a:

Hasil Perhitungan Vector Error Correction Model

Sample Range: 1992.04 – 1997.07

Number of Observations: 64

Model

Uji

Model 1 Model 2 Model 3 Model 4
ECT(-1) -4.0885 -3.5111878 -3.6093825 -1.9536212
Wald 1.0567 2.89915 1.46864 3.53614
Serial Corr. LM Test (4) 1.11387 2.01208 1.56509 3.69751
ARCH test (4) 0.90480 2.18003 0.49321 1.67204
White’s Test (4) 0.32024 0.78583 0.37634 1.00465
RESET (4) 1.11079 1.171816 1.70811 1.15971
Jarque-Bera Normality 13.79791 3.729557 15.34507 0.326262

Tabel 4b:

Signifikansi Pengujian Vector Error Correction Model

Sample Range: 1992.04 – 1997.07

Number of Observations: 64

Model

Uji

Model 1 Model 2 Model 3 Model 4
ECT(-1) 0.001 0.001 0.001 0.05
Wald ts (0.25) 0.01 (0.005) 0.25 (0.10) 0.01 (0.005)
Serial Corr. LM Test (4) t.s (0.10) 0.01 (0.025) 0.25 (0.05) 0.01 (0.005)
ARCH test (4) ts (0.25) 0.10 (0.025) ts (0.5) 0.25 (0.05)
White’s Test (4) ts (0.05) Ts (0.005) ts (0.025) ts (0.005)
RESET (4) ts Ts 0.025 0.10
J-B Normality 0.005 0.25 0.005 0.90

Menurut Agung Nusantara (1999), Hasil perhitungan dengan empat model analisis menunjukkan bahwa model 1 hanya menunjukkan kausalitas jangka panjang karena uji Wald-nya (uji terhadap variabel yang dideferensiasikan) tidak memiliki signifikansi yang memadai. Sedangkan model 2 hingga model 4 menunjukkan hubungan kausalitas, baik dalam jangka panjang maupun dalam jangka pendek.

Dengan demikian, hubungan kausalitas jangka pendek antara dCPI – dM1 (model I dan II) bersifat searah, karena dalam jangka pendek dCPI tidak disebabkan oleh dM1 (model I) tetapi dM1 disebabkan oleh dCPI. Namun dalam jangka panjang hubungan kausalitas antara kedua variabel tersebut bersifat dua arah. Sedangkan untuk hubungan variabel dCPI – dM2, baik dalam jangka panjang maupun dalam jangka pendek hubungan kausalitasnya memiliki signifikansi yang memadai.

Dalam hubungan kausalitas jangka pendek, disamping uji Wald perlu juga dilihat signifikansi untuk setiap variabel yang dideferensiasikan. Dengan menggunakan dasar hasil perhitungan VECM (lihat Lampiran 5 dan Lampiran 6), dapat dilihat bahwa, model 1 (dCPI-dM1) hanya d2M1(-3) saja yang signifikan, itupun dalam taraf yang minimal, yaitu 25%. Sementara itu, untuk model II (dM1-dCPI), variabel bebas d2CPI(-3) dan d2CPI(-4) memberikan tingkat signifikansi yang relatif tinggi, yaitu masing-masing 1% dan 2.5%. Sementara itu, model III hanya menunjukkan bahwa dM2(-2) memiliki signifikansi 5%. Sedangkan model IV menunjukkan bahwa dCPI(-1), dCPI(-3) dan dCPI(-4) memiliki signifikansi masing-masing 25%, 0.5% dan 10%.

 

2. Pengangguran

Menurut Prof.Dr.H. Amri Amir, SE., MS (2009), Menggunakan pendekatan A.W.Phillips dengan menghubungkan antara pengangguran dengan tingkat inflasi untuk kasus Indonesia kurang tepat. Hal ini didasarkan pada hasil analisis tingkat pengangguran dan inflasi di Indonesia dari tahun 1980 hingga 2005, ternyata secara statistik maupun grafis tidak ada pengaruh yang signifikan antara inflasi dengan tingkat pengangguran (lihat hasil analisis statistik di bawah ini)

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate
1 .017 .000 -.043 2.9698531

 

a Predictors: (Constant), INFLASI

ANOVA

Model Sum of Squares df Mean Square F Sig.
1 Regression .058 1 .058 .007 .936
Residual 202.861 23 8.820
Total 202.918 24

 

a Predictors: (Constant), Inflasi

b Dependent Variable: Pengangguran

Coefficients

Unstan-dardized Coefficients Standardized Coefficients T Sig.
Model B Std. Error Beta
1 (Constant) 4.767 1.391 3.427 .002
Inflasi -1.119E-02 .138 -.017 -.081 .936

 

a Dependent Variable: Pengangguran

 

Berbeda dengan di Indonesia, adanya kenaikan harga-harga atau inflasi pada umumnya disebabkan karena adanya kenaikan biaya produksi misalnya naiknya Bahan Bakar Minyak (BBM), bukan karena kenaikan permintaan. Dengan alasan inilah, maka tidaklah tepat bila perubahan tingkat pengangguran di Indonesia dihubungkan dengan inflasi. Karena itu, perubahan tingkat pengangguran lebih tepat bila dikaitkan dengan tingkat pertumbuhan ekonomi. Sebab, pertumbuhan ekonomi merupakan akibat dari adanya pe-ningkatan kapasitas produksi yang merupakan turunan dari peningkatan investasi. Jadi jelas bahwa, pertumbuhan ekonomi berhubungan erat dengan peningkatan penggunaan tenaga kerja, begitu pula dengan investasi. Dengan meningkatnya investasi pasti permintaan tenaga kerja akan bertambah, sehing-ga dengan adanya pertumbuhan ekonomi yang diakibatkan adanya peningkatan investasi berpengaruh terhadap penurunan tingkat pengangguran.

Dengan asumsi investasi tidak bersifat padat modal. Berdasarkan pemikiran tersebut, maka dapat dilihat bagaimana hubungan antara tingkat pertumbuhan eko-nomi dalam bentuk kurva. Dengan menggunakan data antara pengangguran dan tingkat pertumbuhan ekonomi di Indonesia seperti yang digunakan dalam membuat kurva Phillip (data tahun 1998 tidak digunakan karena mempunyai nilai ekstrim) akan dapat digambarkan bagaimana kurva hubungan pertum-buhan ekonomi dengan tingkat pengangguran.

Selain itu, pengaruh pertumbuhan ekonomi dengan tingkat pengangguran secara statistik signifikan. Nilai koefisien pengangguran adalah –0,464. Hasil analisis statistik, pengaruh antara tingkat pertumbuhan ekonomi dengan tingkat pengangguran di Indonsia selama periode 1980 – 2005 seperti terlihat di bawah ini.

 

ANOVA

Model Sum ofSquares df Mean Square F Sig.
1 Regression 39.775 1 39.775 5.608 .027
Residual 163.143 23 7.093
Total 202.918 24

 

a Predictors: (Constant), Pertumbuhan ekonomi

b Dependent Variable: Pengangguran

Coefficients

Unstan-dardized Coefficients Standard-ized Coefficients t Sig.
Model B Std. Error Beta
1 (Constant) 7.560 1.334 5.669 .000
Pertumbuhan Ekonomi -.464 .196 -.443 -2.368 .027

a Dependent Variable: Pengangguran

Berdasarkan fakta yang telah diungkapkan di atas, maka dapat disimpulkan bahwa, ada pengaruh yang signifikan antara tingkat pengangguran dengan pertumbuhan ekonomi. Apabila pertumbuhan ekonomi meningkat 1 persen maka pengganguran akan meurun sekitar 0,46 persen. Dengan demikian, penggambaran kurva Phillip yang menghubungkan inflasi dengan tingkat penggangguran untuk kasus Indonesia tidak tepat untuk digunakan sebagai kebijakan untuk menekan tingkat pengangguran. Hasil analisis statistik pengujian pengaruh inflasi terhadap pengangguran selama periode 1980 – 2005 seperti terlihat hasil analisis statistik di bawah ini juga membuktikan secara meyakinkan bahwa tidak ada pengaruh yang nyata antara inflasi dengan tingkat pengangguran

 

3.  Kinerja keuangan

Analisis regresi linier digunakan untuk menghitung besarnya pengaruh Inflasi dan Tingkat Suku Bunga BI terhadap Rasio Keuangan PT. Bank Mandiri, Tbk (ROA, ROE, NIM).   Menurut Neni Supriyanti (2009).

Berdasarkan pembatasan masalah dan hipotesis yang telah dikemukakan sebelumnya maka diperoleh hasil pengolahan data dengan paket program computer statistik SPSS 16.0.

  • Pengaruh Inflasi dan Suku bunga terhadap ROA

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig. Correlations

Collinearity

Statistics

B Std. Error Beta Zeroorder Partial Part Tolerance VIF
1 (Constant) 6.767 2.646   2.558 .125          
INFLASI -.127 .233 -.343 -.545 .620 -.754 -.360 -.217 .400 2.497
BI_RATE -.347 .412 -.531 -.843 .488 -.797 -.512 -.336 .400 2.497
  1. Dependent variable : ROA

Berdasarkan tabel diatas diperoleh model persamaan regresi linier berganda sebagai berikut :

Y = 6.767 – 0.127 X1 – 0.347 X2

Dari model regresi tersebut diperoleh kontanta sebesar 6.767. hal ini berarti bahwa tanpa adanya Inflasi dan Suku Bunga akan terjadi perubahan ROA sebesar 6.767. selanjutnya Koefisien Inflasi sebesar 0.127 dan bertanda negatif, hal ini berarti bahwa setiap perubahan Inflasi satu persen dengan asumsi variabel lainnya tetap maka perubahan ROA akan mengalami perubahan sebesar 0.127% dengan arah yang berlawanan. Sedangkan Tingkat Suku Bunga BI mempunyai koefisien regresi sebesar 0.347 dan bertanda negatif, berarti setiap perubahan Tingkat Suku Bunga BI satu persen dengan asumsi variabel lainnya tetap maka perubahan ROA akan mengalami perubahan sebesar 0.347% dengan arah yang berlawanan.

 

  • Pengaruh Inflasi dan Suku bunga terhadap ROE

 

 

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig. Correlations

Collinearity

Statistics

B Std. Error Beta Zeroorder Partial Part Tolerance VIF
1 (Constant) 51.043 26.582   1.920 .195          
INFLASI -2.074 2.345 -.606 -.884 .470 -.777 -.530 -.384 .400 2.497
BI_RATE -1.333 4.144 -.221 -.322 .778 -.690 -.222 -.140 .400 2.497
  1. Dependent variable : ROE

Berdasarkan tabel di atas diperoleh model persamaan regresi linier berganda sebagai berikut :

Y = 51.043 – 2.074 X1 – 1.333 X2

Dari model regresi tersebut diperoleh konstanta sebesar 51.043. hal ini berarti bahwa tanpa adanya Inflasi dan Suku Bunga BI akan terjadi perubahan ROE sebesar 51.043. selanjutnya Koefisien Inflasi sebesar 2.074 dan bertanda negatif, hal ini berarti bahwa setiap perubahan Inflasi satu persen dengan asumsi variabel lainnya tetap maka perubahan ROE akan mengalami perubahan sebesar 2.074% dengan arah yang berlawanan. Sedangkan Tingkat Suku Bunga BI mempunyai koefisien regresi sebesar 1.333 dan bertanda negatif, berarti setiap perubahan Tingkat Suku Bunga BI satu persen dengan asumsi variabel lainnya tetap maka perubahan ROE akan mengalami perubahan sebesar 1.333% dengan arah yang berlawanan.

 

  • Pengaruh Inflasi dan Suku bunga terhadap NIM

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig. Correlations

Collinearity

Statistics

B Std. Error Beta Zeroorder Partial Part Tolerance VIF
1 (Constant) 7.305 1.683   4.341 .049          
INFLASI .155 .148 .699 1.042 .407 -.236 .593 .442 .400 2.497
BI_RATE -.472 .262 -1.208 -1.801 .214 -.666 -.786 -.764 .400 2.497
  1. Dependent variable : NIM

Berdasarkan tabel di atas diperoleh model persamaan regresi linier berganda sebagai berikut :

Y = 7.305 + 0.155 X1 – 0.472 X2

Dari model regresi tersebut diperoleh konstanta sebesar 7.305. hal ini berarti bahwa tanpa adanya Inflasi dan Suku Bunga BI akan terjadi perubahan NIM sebesar 7.305. selanjutnya Koefisien Inflasi sebesar 0.155 dan bertanda positif, hal ini berarti bahwa setiap perubahan Inflasi satu persen dengan asumsi variabel lainnya tetap maka perubahan NIM akan mengalami perubahan sebesar 0.155% dengan arah yang sama.  Sedangkan Tingkat Suku Bunga BI mempunyai koefisien regresi sebesar 0.472 dan bertanda negatif, berarti setiap perubahan Tingkat Suku Bunga BI satu persen dengan asumsi variabel lainnya tetap maka perubahan NIM akan mengalami perubahan sebesar 0.472 % dengan arah yang berlawanan.

 

Analisis :

Berdasarkan analisis yang dilakukan, menunjukkan bahwa Inflasi dan Suku Bunga tidak memiliki pengaruh terhadap ROA hal ini terlihat dari besarnya nilai signifikan yaitu 0.318 yang berarti lebih besar dari 0.005. Pada koefisien determinasi diperoleh sebesar 68.2% yang menunjukkan bahwa kontribusi Inflasi dan Suku Bunga BI menjelaskan variabel ROA sebesar 68.2% dan sisanya 31.8% dipengaruhi oleh variable lain yang tidak diteliti. Jika dilihat dari koefisien berdasarkan uji t maka antara inflasi sebesar -0.545 dan Suku bunga sebesar -0.843, dari nilai tersebut terlihat yang paling dominant dalam pembentukan ROA adalah Inflasi, Inflasi mempengaruhi ROA karena dengan adanya kenaikan Inflasi maka diikuti oleh kenaikkan suku bunga, dengan tingginya suku bunga maka diharapkan para calon nasabah bersedia menempatkan dananya di bank karena bunga yang mereka peroleh lebih tinggi, namun hal tersebut akan membuat bank mempunyai biaya operasional yang lebih besar karena bank mempunyai asset yang berasal dari dana mahal.

Pengaruh Inflasi dan Suku bunga memiliki pengaruh yang tidak signifikan terhadap ROE, hal ini terlihat dari besarnya nilai signifikan yaitu sebesar 0.377 yang berarti lebih besar dari 0.005. pada koefisien determinasi diperoleh nilai 62.3% yang menunjukkan bahwa kontribusi inflasi dan suku bunga BI menjelaskan variabel ROE sebesar 62.3% dan sisanya 37.7% dipengaruhi oleh variabel lainnya. Antara inflasi dan Suku Bunga BI variabel yang paling dominant mempengaruhi ROE adalah Suku Bunga dengan nilai sebesar -0.322. ROE adalah perbandingan laba bersih dengan modal sendiri, rasio ini banyak diamati oleh para pemegang saham bank serta para investor pasar modal yang ingin membeli saham bank yang bersangkutan. Rasio ini merupakan indikator yang sangat penting bagi para pemegang saham dan calon investor untuk mengukur kemampuan bank dalam memperoleh laba bersih yang dikaitkan dengan pembayaran dividen. Kenaikan dalam rasio ini berarti terjadi kenaikan laba bersih dari bank yang bersangkutan dan kenaikan tersebut akan menyebabkan kenaikan harga saham bank.

Pengaruh Inflasi dan Suku Bunga BI memiliki pengaruh yang tidak signifikan terhadap NIM, hal ini terlihat dari besarnya nilai signifikan yaitu sebesar 0.360 yang berarti lebih besar dari 0.005. pada koefisien determinasi diperoleh nilai 64% yang menunjukkan bahwa kontribusi inflasi dan suku bunga BI terhadap pembentukkan NIM sebesar 64% dan sisanya sebesar 36% dipengaruhi variabel lain. Antara variabel Inflasi dan Suku Bunga BI yang paling dominant dalam pembentukkan NIM adalah Inflasi.  Kebijakan suku bunga tinggi dapat menahan laju inflasi dan menarik dana masyarakat yang beredar kembali kesektor perbankan. Akan tetapi, suku bunga tinggi dapat membuat perbankan mengalami Net Interest Margin (NIM) yang semakin negatif. Hal ini disebabkan biaya bunga (cost of funds) yang harus dikeluarkan terus meningkat, sedangkan pendapatan bunga kredit tidak meningkat dan penyaluran dana kesektor usaha dan nasabah lain juga semakin sulit. Inilah yang dimaksud dengan kondisi negatif spread yang terus dialami perbankan saat ini.

Tinggalkan komentar

Belum ada komentar.

Comments RSS TrackBack Identifier URI

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s