+ All documents
Home > Documents > View/Open - Repository Universitas Jember

View/Open - Repository Universitas Jember

Date post: 09-Jan-2023
Category:
Upload: khangminh22
View: 1 times
Download: 0 times
Share this document with a friend
150
ANALISIS EFEKTIVITAS KEBIJAKAN MAKROPRUDENSIAL PADA INSTRUMEN LOAN-TO-VALUE (LTV) DALAM MEMITIGASI RISIKO KREDIT DI INDONESIA SKRIPSI Oleh Renita Nur Pratiwi 140810101193 PROGRAM STUDI ILMU EKONOMI DAN STUDI PEMBANGUNAN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS JEMBER 2018 Digital Repository Universitas Jember Digital Repository Universitas Jember
Transcript

ANALISIS EFEKTIVITAS KEBIJAKAN MAKROPRUDENSIAL PADA

INSTRUMEN LOAN-TO-VALUE (LTV) DALAM MEMITIGASI RISIKO

KREDIT DI INDONESIA

SKRIPSI

Oleh

Renita Nur Pratiwi

140810101193

PROGRAM STUDI ILMU EKONOMI DAN STUDI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS JEMBER

2018

Digital Repository Universitas JemberDigital Repository Universitas Jember

ANALISIS EFEKTIVITAS KEBIJAKAN MAKROPRUDENSIAL PADA

INSTRUMEN LOAN-TO-VALUE (LTV) DALAM MEMITIGASI RISIKO

KREDIT DI INDONESIA

SKRIPSI

Diajukan guna melengkapi tugas akhir dan memenuhi salah satu syarat untuk

menyelesaikan Program Studi Ekonomi Pembangunan (S1)

dan memperoleh gelar Sarjana Ekonomi

Oleh

Renita Nur Pratiwi

NIM 140810101193

PROGRAM STUDI ILMU EKONOMI DAN STUDI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS JEMBER

2018

ii

Digital Repository Universitas JemberDigital Repository Universitas Jember

PERSEMBAHAN

Dengan segala kerendahan hati Ananda dan segala Puji syukur yang tak terhingga

kepada Allah SWT, skripsi ini saya persembahkan untuk:

1. Ibunda Kholifah dan Ayahanda Sutrisno tercinta, dua orang yang senantiasa

tulus memberikan doa dan bimbingan serta seluruh pergorbanan yang tak

mampu ternilai dalam setiap perjalanan ananda sejak saat menempuh

pendidikan mulai TK hingga Perguruan Tinggi, memberikan kasih dan sayang

yang tak terhingga, sehingga ananda memiliki semangat besar untuk terus

meraih cita-cita;

2. Guru-guruku tersayang mulai dari Taman Kanak-kanak hingga Perguruan

Tinggi terhormat, yang telah memberikan ketulusan hati untuk membimbing,

memberikan ilmu, dan kesabaran yang tidak ternilai demi kebahagiaan dan

kesuksesan ananda;

3. Almamater Fakultas Ekonomi Universitas Jember.

iii

Digital Repository Universitas JemberDigital Repository Universitas Jember

MOTTO

―Sesungguhnya Allah tidak akan mengubah nasib suatu kaum sampai mereka

mengubah apa yang ada pada diri mereka sendiri‖

(Ar-Ra‘d: 2)

Keajaiban adalah nama lain dari kerja keras.

(Adhitya Wardhono)

Yakinlah ada sesuatu yang menantimu selepas banyak kesabaran yang kau jalani,

yang akan membuatmu terpana hingga kau lupa betapa pedihnya rasa sakit

(Ali bin Abi Thalib)

iv

Digital Repository Universitas JemberDigital Repository Universitas Jember

PERNYATAAN

Saya yang bertanda tangan di bawah ini:

Nama : Renita Nur Pratiwi

NIM : 140810101193

menyatakan dengan sesungguhnya bahwa skripsi yang berjudul: ―Analisis

Efektivitas Kebijakan Makroprudensial pada Instrumen Loan-To-Value (LTV)

dalam Memitigasi Risiko Kredit di Indonesia‖ adalah benar-benar hasil karya

sendiri, kecuali jika dalam pengutipan subtansi disebutkan sumbernya, dan belum

pernah diajukan pada institusi manapun, serta bukan karya jiplakan. Saya

bertanggung jawab atas keabsahan dan kebenaran isinya sesuai dengan sikap

ilmiah yang harus dijunjung tinggi.

Demikian pernyataan ini saya buat dengan sebenarnya, tanpa adanya tekanan dan

paksaan dari pihak manapun serta bersedia mendapat sanksi akademik jika

ternyata di kemudian hari pernyataan ini tidak benar.

Jember, 30 Mei 2018

Yang menyatakan,

Renita Nur Pratiwi

NIM 140810101193

v

Digital Repository Universitas JemberDigital Repository Universitas Jember

SKRIPSI

ANALISIS EFEKTIVITAS KEBIJAKAN MAKROPRUDENSIAL PADA

INSTRUMEN LOAN-TO-VALUE (LTV) DALAM MEMITIGASI RISIKO

KREDIT DI INDONESIA

Oleh

Renita Nur Pratiwi

NIM 140810101193

Pembimbing

Dosen Pembimbing I : Dr. Lilis Yuliati, S.E., M.Si.

Dosen Pembimbing II : Aisah Jumiati, S.E., M.P.

vi

Digital Repository Universitas JemberDigital Repository Universitas Jember

TANDA PERSETUJUAN SKRIPSI

Judul Skripsi :Analisis Efektivitas Kebijakan Makroprudensial pada

Instrumen Loan-To-Value (LTV) dalam Memitigasi

Risiko Kredit di Indonesia

Nama Mahasiswa : Renita Nur Pratiwi

NIM : 140810101193

Fakultas : Ekonomi

Jurusan : Ilmu Ekonomi dan Studi Pembangunan

Konsentrasi : Ekonomi Moneter

Tanggal Persetujuan : 30 Mei 2018

Mengetahui,

Ketua Jurusan

Dr. Sebastiana Viphindrartin., M.Kes

NIP. 19641108 198902 2 001

Pembimbing I

Dr. Lilis Yuliati, S.E., M.Si.

NIP. 19690718 199512 2 001

Pembimbing II

Aisah Jumiati, S.E., M.P.

NIP. 19680926 199403 2 002

vii

Digital Repository Universitas JemberDigital Repository Universitas Jember

PENGESAHAN

Judul Skipsi

ANALISIS EFEKTIVITAS KEBIJAKAN MAKROPRUDENSIAL PADA

INSTRUMEN LOAN-TO-VALUE (LTV) DALAM MEMITIGASI RISIKO

KREDIT DI INDONESIA

Yang dipersiapkan dan disusun oleh:

Nama : Renita Nur Pratiwi

NIM : 140810101193

Jurusan : Ilmu Ekonomi dan Studi Pembangunan

telah dipertahankan di depan panitia penguji pada tanggal:

13 Juli 2018

dan dinyatakan telah memenuhi syarat untuk diterima sebagai kelengkapan guna

memperoleh Gelar Sarjana Ekonomi pada Fakultas Ekonomi Universitas Jember.

Susunan Panitia Penguji

1. Ketua : Dr. Siswoyo Hari Santoso, S.E., M.Si.

NIP. 196807151993031001 (..............................)

2. Sekretaris : Dr. Riniati, M.P.

NIP. 196004301986032001 (..............................)

3. Anggota : Dra. Nanik Istiyani, M.Si.

NIP. 196101221987022002 (..............................)

Mengetahui/Menyetujui,

Universitas Jember

Fakultas Ekonomi

Dekan,

Dr. Muhammad Miqdad, S.E., M.M., Ak. CA

NIP. 19710727 199512 1 001

Foto 4 X 6

warna

viii

Digital Repository Universitas JemberDigital Repository Universitas Jember

Analisis Efektivitas Kebijakan Makroprudensial Pada Instrumen Loan-To-Value

(LTV) Dalam Memitigasi Risiko Kredit Di Indonesia

Renita Nur Pratiwi

Jurusan Ilmu Ekonomi dan Studi Pembangunan, Fakultas Ekonomi,

Universitas Jember

ABSTRAK

Krisis keuangan global pada tahun 2008 telah membuktikan bahwa pengelolaan

risiko keuangan melalui kebijakan moneter dan kebijakan mikroprudensial tidak

mampu untuk mencegah terjadinya krisis keuangan sehingga kebijakan

makroprudensial muncul menjadi alat baru untuk melengkapi kebijakan tersebut.

Kebijakan makroprudensial merupakan kebijakan yang memiliki tujuan untuk

menjaga stabilitas sistem keuangan secara keseluruhan melalui pembatasan

peningkatan risiko sistemik. Kebijakan Loan-to-Value (LTV) merupakan salah

satu instrumen dari kebijakan makroprudensial yang memiliki tujuan untuk

mencegah pertumbuhan kredit yang berlebihan dan terjadinya booming harga.

Penelitian ini bertujuan untuk mengetahui efektivitas penerapan kebijakan

makroprudensial instrumen LTV dan pengaruh variabel makroekonomi, krisis,

pertumbuhan harga perumahan, dan kebijakan LTV terhadap pertumbuhan kredit

perbankan di Indonesia. Metode yang digunakan dalam penelitian ini adalah

Vector Error Correction Model (VECM). Hasil penelitian menunjukkan bahwa

dalam jangka panjang penerapan kebijakan makroprudensial instrumen LTV

efektif mencegah pertumbuhan kredit perbankan di Indonesia. Variabel

makroekonomi, pertumbuhan harga rumah, krisis, dan kebijakan LTV dalam

jangka panjang berpengaruh negatif signifikan terhadap pertumbuhan kredit

perbankan di Indonesia. Di sisi lain, hasil estimasi VECM jangka pendek

menunjukkan bahwa penerapan kebijakan makroprudensial instrumen LTV tidak

efektif memengaruhi pertumbuhan kredit perbankan di Indonesia. Sementara itu,

variabel makroekonomi, pertumbuhan harga perumahan, dan krisis juga tidak

signifikan memengaruhi pertumbuhan kredit perbankan di Indonesia dalam jangka

pendek.

Kata Kunci: Kebijakan Makroprudensial, Loan-to-Value (LTV), VECM,

Pertumbuhan Kredit Perbankan.

ix

Digital Repository Universitas JemberDigital Repository Universitas Jember

Analysis of the Effectiveness of Macroprudential Policies on Instruments Loan-

To-Value (LTV) in Mitigating Credit Risk in Indonesia

Renita Nur Pratiwi

Department of Economics and Development Studies, Faculty of Economics,

University of Jember

ABSTRACT

The global financial crisis in 2008 has proven that financial risk management

through policy monetary and macroprudential policies are unable to prevent a

financial crisis so macroprudential policy emerges as a new tool to complement

the policy. Macroprudential policy is a policy that aims to maintain the stability of

the financial system as a whole through limiting the increase in systemic risk. The

Loan-to-Value (LTV) policy is one of the instruments of macroprudential policy

that aims to prevent excessive credit growth and booms price. This study aims to

determine the effectiveness of macroprudential policy implementation of LTV

instrument and the effect of macroeconomic variables, crisis, housing price

growth, and LTV policy on the growth of bank credit in Indonesia. The method

used in this research is Vector Error Correction Model (VECM). The results show

that in the long run the implementation of macroprudential policy of LTV

instrument effectively prevent the growth of bank credit in Indonesia.

Macroeconomic variables, long-term growth in house prices, crises, and LTV

policies have a significant negative effect on the growth of bank credit in

Indonesia. On the other hand, short-term VECM estimates indicate that the

implementation of macro-prudential policy on LTV instruments is not effective in

influencing the growth of bank credit in Indonesia. Meanwhile, macroeconomic

variables, housing price growth, and crisis also did not significantly affect the

growth of bank credit in Indonesia in the short term.

Keywords: Macroprudential Policy, Loan-to-Value (LTV), VECM, Growth of

Banking Credit.

x

Digital Repository Universitas JemberDigital Repository Universitas Jember

RINGKASAN

Analisis Efektivitas Kebijakan Makroprudensial Pada Instrumen Loan-To-

Value (LTV) Dalam Memitigasi Risiko Kredit Di Indonesia; Renita Nur

Pratiwi, 140810101193; 2018; 155 halaman; Program Studi Ekonomi

Pembangunan Jurusan Ilmu Ekonomi dan Studi Pembangunan Fakultas Ekonomi

Univesitas Jember.

Krisis keuangan global tahun 2008 memberikan pelajaran penting yaitu

tentang pentingnya menjaga stabilitas sistem keuangan dan membuktikan bahwa

pengelolaan risiko sistem keuangan melalui kebijakan moneter dan

mikroprudensial tidak cukup mampu untuk mencegah terjadinya krisis sehingga

meningkatkan kebutuhan dimensi kebijakan makroprudensial dalam melakukan

regulasi dan pengawasan keuangan. Pasca terjadinya krisis, bank sentral telah

bergeser penekanannya untuk stabilitas keuangan sehingga dalam rangka

menstabilkan sektor keuangan maka dilakukan beberapa perubahan regulasi

keuangan yang sering disebut Basel III. Langkah-langkah Basel III meliputi

langkah-langkah yang bertujuan untuk mencegah krisis dan menjaga kestabilan

sistem keuangan, tindakan tersebut yang dikenal sebagai kebijakan

makroprudensial.

Kebijakan makroprudensial merupakan kebijakan yang memiliki tujuan

untuk menjaga stabilitas sistem keuangan secara keseluruhan melalui pembatasan

peningkatan risiko sistemik dari prosiklisitas keuangan yang berlebihan.

Kebijakan makroprudensial muncul untuk melengkapi pengawasan kebijakan

mikroprudensial yang bersifat pengawasan pada tekanan lembaga keuangan

individu karena kebijakan tersebut memiliki keterkaitan yang erat dan bergantung

satu sama lain sehingga akan lebih efektif apabila menerapkan kedua kebijakan

tersebut secara bersama-sama dalam menstabilkan keuangan. Sementara itu,

kebijakan makroprudensial juga melengkapi kebijakan moneter karena penjagaan

stabilitas harga dirasa tidak cukup mampu untuk menjaga stabilitas

xi

Digital Repository Universitas JemberDigital Repository Universitas Jember

makroekonomi. Kebijakan makroprudensial terkait kontrol pada kredit, regulasi

likuiditas, kebutuhan modal, juga kebijakan nilai tukar valuta asing untuk

mencegah dan membatasi terjadinya gelembung harga aset dan ancaman lain yang

mengganggu kestabilan keuangan dengan memiliki beberapa instrumen terkait

kontrol tersebut. Salah satu kebijakan makroprudensial yang sering digunakan

terutama di Asia dan termasuk Indonesia adalah kebijakan Loan-to-Value (LTV)

dengan memiliki fungsi untuk mengatasi risiko sistemik terkait lonjakan harga

perumahan dan penyaluran kredit. Kebijakan LTV diterapkan dengan memberikan

batasan rasio LTV yang merupakan perbandingan antara jumlah maksimal dana

yang dapat dipinjamkan oleh lembaga keuangan terhadap harga properti yang

diagunankan. Penerapan rasio LTV bertujuan untuk mengurangi jumlah pinjaman

yang dapat diberikan oleh institusi keuangan sehingga dapat menekan

pertumbuhan kredit yang akan berpengaruh terhadap permintaan properti

residensial yang akhirnya berdampak pada harga properti residensial.

Penelitian ini bertujuan untuk mengetahui efektivitas penerapan kebijakan

makroprdensial instrumen LTV dalam memitigasi risiko kredit di Indonesia

dengan menggunakan metode Vector Error Correction Model (VECM). Metode

VECM digunakan untuk melihat pengaruh kebijakan LTV terhadap pertumbuhan

kredit di Indonesia. Selain itu, VECM juga digunakan untuk melihat pengaruh

dari variabel makroekonomi, pertumbuhan harga perumahan, dan juga krisis

terhadap pertumbuhan kredit perbankan di Indonesia. Variabel yang digunakan

dalam penelitian ini diantaranya adalah Credit, GDP, CPI, House, Crisis, LTV,

dan LTV*Credit. Credit merupakan variabel yang memproksi pertumbuhan kredit

perbankan di Indonesia. GDP merupakan proksi dari pertumbuhan ekonomi di

Indonesia. CPI merupakan proksi dari tingkat inflasi di Indonesia. House

merupakan proksi dari pertumbuhan harga perumahan di Indonesia. Crisis

merupakan variabel dummy yang digunakan untuk memproksi fenomena

terjadinya krisis keuangan tahun 2008. LTV merupakan variabel dummy yang

digunakan untuk memproksi penerapan kebijakan LTV. Variabel LTV*Credit

merupakan proksi dari jumlah rasio LTV terhadap pertumbuhan kredit di

Indonesia.

xii

Digital Repository Universitas JemberDigital Repository Universitas Jember

Hasil estimasi yang dilakukan dengan menggunakan metode Vector Error

Correction Model (VECM) jangka panjang menunjukkan bahwa penerapan

kebijakan makroprudensial instrumen LTV berdampak negatif signifikan terhadap

pertumbuhan kredit perbankan di Indonesia. Hasil tersebut ditunjukkan dengan

koefisien estimasi LTV terhadap Credit sebesar -0,0018, dengan nilai T statistik

yang lebih besar dari T tabel. Kondisi tersebut mengimplikasikan bahwa ketika

kebijakan LTV diterapkan maka akan menurunkan pertumbuhan kredit perbankan

sebesar 0,18% dalam jangka panjang. Variabel makroekonomi yaitu GDP dan CPI

memiliki pengaruh negatif signifikan terhadap pertumbuhan kredit perbankan di

Indonesia yang ditunjukkan dengan koefisien masing-masing sebesar -0,0058 dan

-0,0005. Hasil tersebut mengimplikasikan bahwa ketika GDP mengalami

kenaikan sebesar 1% maka akan menurunkan pertumbuhan kredit sebesar 0,58%

dalam jangka panjang. Hasil dari variabel CPI juga mengimplikasikan bahwa

apabila CPI mengalami kenaikan sebesar 1% maka akan menurunkan

pertumbuhan kredit sebesar 0,05%. Pertumbuhan harga perumahan juga memiliki

pengaruh negatif signifikan terhadap pertumbuhan kredit perbankan di Indonesia

dengan memiliki koefisien sebesar -0,0002. Hasil tersebut mengimplikasikan

bahwa ketika pertumbuhan harga perumahan mengalami kenaikan sebesar 1%

maka akan menurunkan pertumbuhan kredit sebesar 0,02%. Sementara itu, krisis

memiliki pengaruh negatif signifikan yang lebih besar yaitu dengan koefisien -

0,0117. Hasil tersebut mengimplikasikan bahwa ketika krisis mengalami kenaikan

1% maka akan menurunkan pertumbuhan kredit sebesar 1,17%.

Hasil estimasi yang dilakukan dengan menggunakan metode Vector Error

Correction Model (VECM) jangka pendek menunjukkan bahwa penerapan

kebijakan LTV berdampak positif negatif tidak signifikan pada level 1%, 5%,

ataupun 10% terhadap pertumbuhan kredit perbankan di Indonesia. Hasil estimasi

model VECM dalam jangka pendek di atas menunjukkan bahwa pertumbuhan

kredit perbankan di Indonesia pada periode lampau berpengaruh positif negatif

signifikan terhadap pertumbuhan kredit perbankan pada periode t-3 di tingkat

10% dengan sebagian besar memiliki pengaruh negatif. Pertumbuhan GDP

memiliki pengaruh positif tidak signifikan pada level 1%, 5%, maupun 10%

xiii

Digital Repository Universitas JemberDigital Repository Universitas Jember

terhadap pertumbuhan kredit perbankan di Indonesia. Inflasi dengan diproksi

variabel CPI juga tidak signifikan pada level 1%, 5%, ataupun 10%. Meskipun

memiliki pengaruh yang bervariasi terhadap pertumbuhan kredit perbankan di

Indonesia, akan tetapi sebagian besar dari lag dalam model menunjukkan

pengaruh negatif. Pertumbuhan harga perumahan juga menunjukkan pengaruh

positif negatif tidak signifikan pada level 1%, 5%, maupun 10% terhadap

pertumbuhan kredit perbankan di Indonesia. Krisis memiliki pengaruh positif

negatif tidak signifikan pada level 1%, 5%, ataupun 10% dengan sebagian besar

dari lag dalam model menunjukkan pengaruh positif terhadap pertumbuhan kredit

perbankan di Indonesia. Sementara itu, variabel LTV*Credit menunjukkan

pengaruh negatif yang tidak signifikan pada level 1%, 5%, ataupun 10% terhadap

pertumbuhan kredit perbankan di Indonesia. Hasil estimasi jangka pendek tersebut

menunjukkan bahwa semua variabel dalam penelitian ini tidak berdampak

signifikan atau tidak terlalu memiliki pengaruh terhadap pertumbuhan kredit

perbankan di Indonesia kecuali pertumbuhan kredit perbankan pada periode t-3.

xiv

Digital Repository Universitas JemberDigital Repository Universitas Jember

PRAKATA

Puji syukur kehadirat Allah SWT atas berkat rahmat dan hidayah-Nya

yang senantiasa terlimpahkan hingga saat ini. Sholawat serta salam kepada

junjungan besar Nabi Muhammad SAW yang telah memberikan bimbingan dari

zaman jahiliyah menuju zaman islamiah, yakni Addinul Islam. Segala puji bagi

Allah SWT tuhan semesta alam, atas capaian penulis yang telah menyelesaikan

skripsi yang berjudul ―Analisis Efektivitas Kebijakan Makroprudensial pada

Instrumen Loan-to-Value (LTV) dalam Memitigasi Risiko Kredit di Indonesia‖

dengan tepat waktu. Skripsi ini disusun sebagai salah satu syarat guna

memperoleh gelar Sarjana Ekonomi Jurusan Ilmu Ekonomi dan Studi

Pembangunandi Fakultas Ekonomi Universitas Jember.

Penyusunan skripsi ini tidak terlepas dari peran berbagai pihak baik dalam

bentuk motivasi, dukungan, bantuan, nasehat, kritik yang membangun, dan do‘a

yang senantiasa diberikan kepada penulis, sehingga penulis mampu

menyelesaikan skripsi ini dengan tepat waktu. Oleh karena itu, dengan segala

kerendahan hati dan rasa hormat, penulis mengucapkan terima kasih kepada:

1. Ibu Dr. Lilis Yuliati, S.E., M.Si. selaku dosen pembimbing I yang senantiasa

selalu memberikan waktu luang bagi penulis untuk berkonsultasi terkait

penyusunan hingga penyelesaian skripsi. Ide, kritik, ilmu, motivasi dan juga

nasehat dari beliau sangat membantu dan bermanfaat bagi penulis dalam

menyusun hingga menyelesaikan skripsi dengan baik dan benar. Selain itu,

kerendahan hati dan kemudahan yang beliau berikan sangat membatu penulis

untuk menyelesaikan skripsi dengan cepat dan tepat waktu;

2. Ibu Aisah Jumiati, S.E., M.P. selaku dosen pembimbing ke II yang selalu

memberikan waktu luang bagi penulis untuk berkonsultasi terkait penyusunan

skripsi. Segala kritik dan nasehat sangat membantu penulis dalam menyusun

skripsi dengan baik dan benar sehingga penulis dapat menyelesaikan skripsi

dengan tepat waktu;

3. Dekan Fakultas Ekonomi Universitas Jember;

xv

Digital Repository Universitas JemberDigital Repository Universitas Jember

4. Ketua dan Sekretaris Jurusan Ilmu Ekonomi dan Studi Pembangunan

Universitas Jember;

5. Ketua Program Studi S1 Ekonomi Pembangunan Jurusan Ilmu Ekonomi dan

Studi Pembangunan Fakultas Ekonomi Universitas Jember;

6. Seluruh Bapak dan Ibu dosen beserta staf karyawan di lingkungan Fakultas

Ekonomi Universitas Jember;

7. Bapak Adhitya Wardhono, SE., M.Sc., Ph.D selaku dosen ekonomi moneter

yang telah memberikan bimbingan, ilmu, motivasi, serta nasehat dalam

menjalani kehidupan dengan membantu membentuk mentalitas yang lebih

baik. Bantuan beliau dalam kelancaran proses administrasi pendanaan

presentasi paper sangat membantu penulis dalam meraih mimpi menjadi

presenter dalam seminar internasional;

8. Ibunda Kholifah yang senantiasa selalu memberikan doa, cinta, kasih sayang,

dukungan, kesabaran serta pengorbanan terbaik sejak ananda masih di dalam

rahim hingga ananda berhasil mencapai cita-cita ananda. Nasehat beliau telah

berhasil membangkitkan semangat ananda untuk terus memperbaiki diri dan

terus maju dalam menjalani kehidupan ini dan juga yang membentuk ananda

saat ini. Doa tulus beliau yang tidak pernah berhenti menjadi senjata dan

benteng ananda dalam menjalani kehidupan;

9. Ayahanda Sutrisno yang senantiasa selalu memberikan doa, cinta, kasih

sayang, dukungan, serta pengorbanan terbaik tanpa mengeluh mengabulkan

semua permintaan ananda hingga ananda berhasil mencapai cita-cita ananda.

Sikap tegas dan disiplin beliau dalam mendidik ananda telah berhasil

membentuk mentalitas ananda menjadi manusia yang bertanggung jawab,

kuat, dan pantang menyerah dalam menghadapi segala ujian dan rintangan

dalam menjalani kehidupan. Doa tulus yang selalu beliau panjatkan

memperlancar jalan ananda dalam menghadapi rintangan kehidupan;

10. Adik tercinta M. Renza Dwiki Darmawan dan Akhdan Tsaqif Hibrizi

Alghazali yang selalu senantiasa memberikan kasih sayang, dukungan dan

pengorbanan untuk masa depan ananda sehingga ananda dapat sukses dalam

xvi

Digital Repository Universitas JemberDigital Repository Universitas Jember

menggapai cita-cita ananda. Kehadiran kalian membuat ananda menjadi lebih

semangat dalam menjalani kehidupan ini;

11. Tante Vina, Mbah Uti, Mbah Kakung, Buyut dan seluruh keluarga yang telah

memberikan dukungan, doa, kasih sayang, hingga pengorbanan dalam bentuk

finansial, fisik, maupun mental untuk kehidupan ananda hingga ananda

menjadi seperti saat ini. Kesabaran beliau dalam mengabulkan semua

permintaan dan tingkah laku ananda. Kehadiran beliau membuat ananda lebih

semangat untuk meraih kesuksesan dan berani dalam menghadapi ujian dalam

kehidupan ini;

12. Seluruh bapak dan ibu guru ananda mulai dari taman kanak-kanak hingga

perguruan tinggi atas segala ilmu, nasehat, motivasi serta doa terbaik untuk

ananda;

13. Triana Suqrotun teman berjuang dari awal hingga jannah, Insya Allah. Terima

kasih atas segala kebersamaan, dukungan, dan kenangan yang diberikan

kepada ananda untuk menjadi pribadi yang lebih baik;

14. Silvi, Della, Miya, Farida, Fendi, Vivi dan teman-teman moneter yang

senantiasa memberikan bantuan dan nasehat dalam menyelesaikan pendidikan

di Universitas Jember;

15. Mbak Yenni, mbak Iga, Yuni, Siwi, Linda, dan Sulis yang senantiasa

memberikan nasehat hingga bantuan ketika ananda membutuhkan hingga

ananda bisa menyelesaikan studi;

16. Tutus, Mas Bagus, Mas Arie, Son, mbak Anggun, mbak Nafis, mbak Anita

dan teman-teman UKM Tae Kwon Do yang selalu memberikan dukungan,

nasehat, pengalaman, cerita, serta kritik yang membentuk ananda menjadi

pribadi yang kuat, sabar, dan pantang menyerah;

17. Wardah, Dewi, Ida, dan teman-teman KKN yang telah memberikan cerita dan

kenangan sehingga ananda melupakan kejadian buruk dan meringankan

beban ananda. Dukungan dan pengertian kepada ananda selama KKN atas

kesibukan ananda dalam kegiatan seminar internasional

18. Seluruh teman-teman ananda mulai dari Taman Kanak-kanak hingga

perguruan tinggi;

xvii

Digital Repository Universitas JemberDigital Repository Universitas Jember

19. Seluruh pihak yang telah memberikan doa, bantuan, dukungan serta dorongan

dalam menyusun dan menyelesaikan skripsi ini yang tidak dapat ananda

sebutkan satu persatu.

Akhir kata, tidak ada sesuatu yang sempurna di dunia ini melainkan Allah

SWT yang maha sempurna. Oleh karena itu, segala kritik dan saran yang

membangun sangat diharapkan oleh penulis dalam peningkatan kualiatas skripsi

ini. Semoga skripsi ini dapat memberikan manfaat secara teoritis maupun secara

praktis bagi kalangan akademis maupun praktisi.

Jember, 28 Mei 2018

Penulis

xviii

Digital Repository Universitas JemberDigital Repository Universitas Jember

DAFTAR ISI

Halaman

HALAMAN SAMPUL ............................................................................................... i

HALAMAN JUDUL .................................................................................................. ii

HALAMAN PERSEMBAHAN ............................................................................... iii

HALAMAN MOTTO ............................................................................................... iv

HALAMAN PERNYATAAN .................................................................................... v

HALAMAN PEMBIMBING SKRIPSI .................................................................. vi

HALAMAN TANDA PERSETUJUAN SKRIPSI ................................................ vii

HALAMAN PENGESAHAN ................................................................................. viii

ABSTRAK ................................................................................................................. ix

ABSTRACT ................................................................................................................ x

RINGKASAN ............................................................................................................ xi

PRAKATA .......................................................................................................... ..... xv

DAFTAR ISI ........................................................................................................... xix

DAFTAR TABEL ................................................................................................. xxii

DAFTAR GAMBAR ............................................................................................ xxiii

DAFTAR LAMPIRAN ........................................................................................ xxiv

BAB 1. PENDAHULUAN ......................................................................................... 1

1.1 Latar Belakang ............................................................................................ 1

1.2 Rumusan Masalah ..................................................................................... 12

1.3 Tujuan Penulisan ....................................................................................... 12

1.4 Manfaat Penulisan ..................................................................................... 12

BAB 2. TINJAUAN PUSTAKA .............................................................................. 14

2.1 Landasan Teori .......................................................................................... 14

2.1.1 Dimensi Konseptual Stabilitas Sistem Keuangan (SSK) ...................... 14

2.1.2 Model Teoritis Prosiklisitas Keuangan ................................................. 19

2.1.3 Kebijakan Makroprudensial: Dari Teori Hingga Kebijakan ................. 21

2.1.4 Instrumen Kebijakan Makroprudensial: Loan-to-Value (LTV) ............ 25

xix

Digital Repository Universitas JemberDigital Repository Universitas Jember

2.1.5 Kredit .................................................................................................... 27

2.1.6 Konsep Risiko Kredit ............................................................................ 29

2.1.7 Keterkaitan Antar Variabel yang Memengaruhi Kredit ....................... 31

2.2 Penelitian Terdahulu ................................................................................. 35

2.3 Kerangka Konseptual ............................................................................... 43

2.4 Hipotesis Penelitian ................................................................................... 46

BAB 3. METODE ..................................................................................................... 47

3.1 Jenis Penelitian .......................................................................................... 47

3.2 Tempat dan Waktu Penelitian ................................................................. 47

3.3 Jenis dan Sumber Penelitian .................................................................... 48

3.4 Kerangka Penelitian .................................................................................. 48

3.5 Spesifikasi Model Penelitian ..................................................................... 51

3.6 Metode Analisis Data ................................................................................ 52

3.7 Definisi Variabel Operasional .................................................................. 58

BAB 4. PEMBAHASAN .......................................................................................... 61

4.1 Gambaran Umum ...................................................................................... 61

4.1.1 Konfigurasi Perkembangan Perekonomian di Indonesia ...................... 61

4.1.2 Dinamika Perkembangan Kredit Perbankan di Indonesia .................... 64

4.1.3 Konfigurasi Kebijakan di Indonesia ..................................................... 66

4.2 Hasil Analisis Vector Error Correction Model (VECM) ......................... 69

4.2.1 Uji Stasioneritas .................................................................................... 69

4.2.2 Uji Kointegrasi ...................................................................................... 71

4.2.3 Uji Optimum Lag .................................................................................. 72

4.2.4 Uji Kausalitas Granger .......................................................................... 74

4.2.5 Uji Stabilitas Model .............................................................................. 76

4.2.6 Hasil Estimasi Model VECM ............................................................... 76

4.2.7 Analisis Impuls Response Function (IRF) ............................................ 79

4.2.8 Analisis Variance Decompotition (VD) ............................................... 81

4.3 Pembahasan ............................................................................................... 83

xx

Digital Repository Universitas JemberDigital Repository Universitas Jember

4.3.1 Pengaruh Efektivitas Kebijakan Makroprudensial Instrumen Loan-

to-Value (LTV) terhadap Pertumbuhan Kredit Perbankan

diIndonesia ............................................................................................ 84

4.3.2 Pengaruh Variabel Makroekonomi, Harga Perumahan, dan Krisis

terhadap Kredit Perbankan di Indonesia ............................................... 85

BAB 5. Penutup ........................................................................................................ 90

5.1 Kesimpulan ................................................................................................ 90

5.2 Saran ........................................................................................................... 91

DAFTAR PUSTAKA ............................................................................................... 94

LAMPIRAN ............................................................................................................ 101

xxi

Digital Repository Universitas JemberDigital Repository Universitas Jember

DAFTAR TABEL

Halaman

Tabel 1.1 Kebijakan Makroprudensial dan Mikroprudensial ............................... 3

Tabel 1.2 Kerangka Kebijakan untuk Sistem Keuangan dan Ekonomi ................ 6

Tabel 1.3 Kebijakan Makroprudensial di Berbagai Negara .................................. 7

Tabel 1.4 Rasio Loan-to-Value (LTV) untuk Kredit Properti dan Pembiayaan

Properti. ................................................................................................ 9

Tabel 2.1 Penelitian Terdahulu ............................................................................. 40

Tabel 4.1 Rasio Loan-to-Value (LTV) untuk Kredit Properti dan Pembiayaan

Properti ................................................................................................. 69

Tabel 4.2 Hasil Uji Akar Unit pada Variabel Credit, GDP CPI, House, Crisis,

LTV, dan LTV*Credit .......................................................................... 70

Tabel 4.3 Hasil Uji Kointegrasi Johansen ............................................................. 71

Tabel 4.4 Hasil Uji Lag Optimum......................................................................... 72

Tabel 4.5 Hasil Uji Kausalitas Granger ................................................................ 73

Tabel 4.6 Hasil Uji Stabilitas Model VECM ........................................................ 75

Tabel 4.7 Hasil Estimasi model VECM Jangka Panjang Pertumbuhan Kredit di

Indonesia ............................................................................................... 76

Tabel 4.8 Hasil Estimasi Model VECM Jangka Pendek Pertumbuhan Kredit di

Indonesia ............................................................................................... 77

Tabel 4.9 Hasil Uji Variance Decomposition (VD) Pertumbuhan Kredit di

Indonesia ............................................................................................... 81

xxii

Digital Repository Universitas JemberDigital Repository Universitas Jember

DAFTAR GAMBAR

Halaman

Gambar 1.1 Keterkaitan Antar-Kebijakan Makro-Mikro dan SSK ...................... 4

Gambar 1.2 Dinamika Pertumbuhan Kredit Perbankan dan Pertumbuhan Gross

Domestic Product (GDP) Indonesia 2005 Q1 – 2017 Q4 dalam

Persen. .............................................................................................. 10

Gambar 1.3 Dinamika Perkembangan Pertumbuhan Kredit, CPI, dan Harga

Perumahan Indonesia Tahun 2005Q1 – 2017Q4 dalam Persen ...... 11

Gambar 2.1 Prosiklisitas Siklus Keuangan dan Siklus Ekonomi .......................... 20

Gambar 2.2 Bagan Transmisi Kebijakan LTV di Indonesia ................................. 27

Gambar 2.3 Kerangka Konseptual. ....................................................................... 45

Gambar 3.1 Kerangka Penelitian. ......................................................................... 50

Gambar 4.1 Dinamika Pergerakan Consumer Price Index (CPI) dan Pertumbuhan

GDP di Indonesia Tahun 2005Q1 – 2017Q4 dalam Persen. ........... 62

Gambar 4.2 Dinamika Perkembangan Pertumbuhan Kredit dan Non-Performing

Loan (NPL) Indonesia Tahun 2005Q1 – 2017Q4 dalm Persen ....... 64

Gambar 4.3 Dinamika Perkembangan Pertumbuhan Kredit dan Pertumbuhan

Housing Price Indonesia Tahun 2005Q1 – 2017Q4 dalam Persen..65

Gambar 4.4 Hasil Uji Impulse Response Function (IRF) Pertumbuhan Kredit di

Indonesia............................................... ...........................................80

xxiii

Digital Repository Universitas JemberDigital Repository Universitas Jember

DAFTAR LAMPIRAN

Halaman

Lampiran A Data Penelitian ................................................................................101

Lampiran B Hasil Uji Stasioneritas.....................................................................103

Lampiran C Hasil Uji Kointegrasi ......................................................................119

Lampiran D Uji Lag Optimum ............................................................................133

Lampiran E Uji Kausalitas Granger ...................................................................134

Lampiran F Uji Stabilitas Model.........................................................................136

Lampiran G Hasil Estimasi Model VECM .........................................................137

Lampiran H Analisis Impuls Response Function Model VECM ........................147

Lampiran I Variance Decompositoin Model VECM ..........................................148

xxiv

Digital Repository Universitas JemberDigital Repository Universitas Jember

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Regulasi keuangan yang digunakan dalam menstabilkan keuangan sebelum

terjadinya krisis keuangan global tahun 2008 melalui kebijakan mikroprudensial

yang dirasa cukup mampu untuk memantau kesehatan lembaga perbankan

individual, kebijakan moneter yang diterapkan oleh banyak bank sentral untuk

menjaga kestabilan inflasi, dan kebijakan fiskal (Funke. et al., 2012; Lee. et al.,

2015; Schoenmaker. et al., 2015). Krisis pada tahun 2008 telah membuktikan

bahwa pengelolaan risiko sistem keuangan melalui kebijakan tersebut tidak cukup

mampu untuk mencegah terjadinya krisis. Krisis keuangan global memberikan

pelajaran bahwa stabilitas ekonomi makro tidak hanya dilakukan dengan menjaga

kestabilan nilai tukar dan menjaga inflasi yang rendah dan stabil tetapi juga harus

menjaga keseimbangan di sektor keuangan.

Pada awalnya krisis terjadi di Amerika Serikat pada bulan September tahun

2008 yang ternyata memberikan dampak pada negara lain di dunia.

Penggelembungan kredit menyebabkan terjadinya krisis ekonomi global yang

menunjukkan bahwa ketidakstabilan makroekonomi bersumber dari sektor

keuangan ternyata juga dapat menimbulkan risiko menurunkan aktivitas ekonomi

secara drastis (Agung, 2010; Purnawan. et al., 2015). Krisis ini diawali dengan

meningkatnya kredit kepemilikan rumah tanpa melihat kemampuan kreditur

dalam membayarnya, peningkatan kredit memberikan dampak pada kenaikan

harga properti yang terlalu tinggi (bubble price). Ketidakhati-hatian bank dalam

memberikan kredit kepada orang-orang yang tidak kredibel dalam kemampuan

membayarnya menyebabkan terjadinya kredit macet yang lebih dikenal dengan

subprime mortgage crisis sehingga banyak bank yang melakukan penyitaan

rumah. Hal tersebut menjadi masalah ketika bank menjualnya, menciptakan lebih

banyak penawaran rumah di pasar daripada permintaannya yang menyebabkan

harga rumah menjadi turun (Aulia, 2017; Glindro. et al., 2008). Subprime

mortgage crisis di Amerika tahun 2008 menyebabkan banyak orang mengalami

kerugian yang sangat besar karena harga rumah yang semakin menurun.

Digital Repository Universitas JemberDigital Repository Universitas Jember

2

Pasca terjadinya krisis, bank sentral telah bergeser penekanannya untuk

stabilitas keuangan dengan melakukan pengawasan menggunakan alat baru yaitu

kebijakan makroprudensial karena kebijakan moneter dan kebijakan fiskal

konvensional dirasa tidak cocok untuk mengendalikan pasar perumahan dan

pertumbuhan kredit yang terlalu ekspansif (Funke. et al., 2012; Tillmann, 2014).

Menurut Basel Core Principle pada tahun 2011, pengawasan perbankan yang

efektif yaitu kebijakan mikroprudensial untuk keselamatan dan kesehatan bank

dalam sistem perbankan, kemudian dalam rangka menstabilkan sektor keuangan

dilakukan beberapa perubahan regulasi keuangan yang sering disebut Basel III.

Langkah-langkah Basel III meliputi langkah-langkah yang bertujuan untuk

mencegah krisis di masa depan dan menjaga kestabilkan sistem keuangan agar

tidak menyebar ke ekonomi riil, tindakan tersebut dikenal sebagai kebijakan

makroprudensial (Osi ́ski. et al., 2013; Rubio. et al., 2015). Kebijakan

mikroprudensial bertujuan untuk membatasi tekanan dari lembaga keuangan

individu dan mengawasi tanggapan lembaga individu terhadap risiko eksogen

juga keterkaitan dengan seluruh sistem (Bruno. et al., 2016; Osi ́ski. et al., 2013).

Kebijakan makroprudensial dan kebijakan mikroprudensial memiliki keterkaitan

yang erat.

Kebijakan makroprudensial muncul untuk melengkapi pengawasan

mikroprudensial yang bertujuan untuk meningkatkan ketahanan sistem secara

keseluruhan dan keterkaitan dengan sistem keuangan karena dalam pengawasan

sistem keuangan diperlukan fokus pada agregat (makroprudensial) tidak hanya

pada individu (mikroprudensial) saja dalam memperbaiki ketidakseimbangan

(Osi ́ski. et al., 2013; Schoenmaker. et al., 2015). Dalam mencegah terjadinya

krisis diperlukan untuk mengevaluasi dan memperbaiki kebijakan dan peraturan

yang ada dalam sistem keuangan yaitu mencakup kebijakan makroprudensial dan

mikroprudensial sehingga mampu bertahan terhadap krisis. Penerapan kebijakan

makroprudensial tidak dapat berdiri sendiri dalam menstabilkan keuangan, begitu

pula dengan kebijakan mikroprudensial, karena pada dasarnya kedua kebijakan

tersebut merupakan satu kesatuan yang memiliki keterkaitan dan bergantung satu

sama lain. Menstabilkan keuangan dengan menerapkan kedua kebijakan tersebut

Digital Repository Universitas JemberDigital Repository Universitas Jember

3

akan lebih efektif dibandingkan hanya memilih salah satu dari kebijakan tersebut.

Perbedaan kedua kebijakan tersebut dapat dilihat pada tabel 1.1, dimana pada

tabel tersebut dijelaskan bahwa kebijakan makroprudensial untuk menghindari

terjadinya risiko sistemik secara umum melakukan pemantauan dan kebijakan

dalam menjaga stabilitas sistem keuangan secara keseluruhan sedangkan

kebijakan mikroprudensial untuk mempertahankan kesehatan dan ketahanan

individual lembaga keuangan secara umum lebih menekankan pemantauan dan

kebijakan dalam menjaga stabilitas lembaga keuangan secara individual.

Tabel 1.1 Kebijakan Makroprudensial dan Mikroprudensial

Kebijakan Makroprudensial Kebijakan Mikroprudensial

Pemantauan dan kebijakan dalam menjaga

stabilitas sistem keuangan secara

keseluruhan, khususnya menghindari

terjadinya risiko sistemik.

- Kebijakan moneter

- Jaring pengaman sistem keuangan

(financial safety net), melalui lender of

the last resort dan asuransi deposit

- Penjaminan simpanan

- Kebijakan fiskal

- Pemantauan hubungan dan keterkaitan

antar institusi keuangan

Pemantauan dan kebijakan dalam

menjaga stabilitas individual institusi

keuangan, untuk mempertahankan

kesehatan dan ketahanan setiap institusi

keuangan

- Disiplin pasar (market discipline)

- Pengawasan kesehatan individu

institusi

- Regulasi prudensial (standar

internasional)

- Komunikasi official

Indikator pengawasan Makroprudensial

- Bid ask spread dalam pasar keuangan

- Real estate price

- Konsentrasi kredit real estate

- Kredit rumah tangga terhadap PDB

- Posisi devisa neto bank

- Spread suku bunga antar bank tertinggi

dan terendah

- Stress test

- Indeks stabilitas sistem keuangan

Indikator pengawasan Microprudensial

- CAMELS setiap individu institusi

keuangan

- Tingkat risiko institusi

- Rating kesehatan institusi

- Kepatuhan terhadap regulasi

- Pengelolaan risiko

(Sumber: Bank Indonesia (Simorangkir, 2014: 478)).

Pada beberapa tahun terakhir, banyak negara yang mengalami krisis

keuangan karena penjagaan stabilitas harga dirasa tidak cukup untuk menjaga

stabilitas makroekonomi (Akinci. et al., 2015; Nimmo. et al., 2016). Secara umum

diyakini bahwa kebijakan moneter hanya berpengaruh pada stabilitas harga

dengan menanggapi harga aset secara langsung dan tidak langsung melalui

pengaruhnya pada perkiraan inflasi (Genberg. et al., 2015; Nimmo. et al., 2016).

Digital Repository Universitas JemberDigital Repository Universitas Jember

4

Pemeliharaan stabilitas harga perlu tetapi penargetan inflasi yang rendah dapat

memperburuk siklus keuangan karena selama 200 tahun terakhir di Amerika

Serikat terjadi booming aset terkait dengan inflasi yang rendah. Kebijakan

moneter tidak cocok untuk mencegah pasar perumahan yang terlalu rendah juga

pertumbuhan kredit yang terlalu ekpansif (Nimmo. et al., 2016; Tillmann. et al.,

2014). Gambar 1.1 menunjukkan bagaimana sistem keuangan dari empat dimensi

dan respon terhadap kebijakan yang diperlukan, yaitu mikro pada sektor

keuangan, makro nasional, makro internasional, dan juga makro-dinansial. Pada

gambar tersebut menunjukkan bahwa sebelum terjadinya krisis keuangan global

tiga dimensi pertama telah menjadi fokus utama, sementara dimensi ke empat

baru muncul sejak terjadinya krisis keuangan global tahun 2008.

Gambar 1.1 Keterkaitan Antar-Kebijakan Makro-Mikro dan SSK (Sumber:

Warjiyo dan Solikin, 2016: 600).

Muncul beberapa perubahan regulasi baru yang dikembangkan oleh Komite

Basel dengan tujuan untuk mencegah krisis di masa depan yang dikenal sebagai

Sasaran Dan

Kebijakan Eksternal:

Tujuan: Stabilitas

makro eksternal

dan ketahanan

terhadap global

spillovers

Kebijakan: Nilai

tukar, manajemen

modal asing,

kecukupan cadangan devisa

Keterkaitan Makro-Finansial

Sistem

Keuangan:

Lembaga

keuangan

(bank dan non

bank)

Pasar

keuangan

Infrastruktur

keuangan

Fungsi

Ekonomi:

Intermediasi

Transmisi

moneter

Distribusi

risiko

Jasa keuangan

(domestik dan

global)

Sasaran Dan Kebijakan Makroekonomi:

Sasaran: pertumbuhan dan stabilitas makro-ekonomi (inflasi, defisit transaksi berjalan, dsb)

Kebijakan: Moneter, Fiskal, Reformasi Struktural

Sasaran Dan

Kebijakan

Mikroprudensial:

Sasaran:

kesehatan

individual

lembaga

keuangan

Kebijakan:

Pengaturan dan

pengawasan

mikro-prudensial

Sasaran Dan Kebijakan Makroprudensial:

Tujuan: Keseimbangan makrofinansial dan risiko

sistemik dari stabilitas sistem keuangan (SSK)

Kebijakan: Pengaturan dan pengawasan

makroprudensial

Protokol

Pencegahan dan

Penanganan

Krisis

Dimensi

baru sejak

krisis global

Digital Repository Universitas JemberDigital Repository Universitas Jember

5

kebijakan makroprudensial (Rubio. et al., 2015). Ketika perekonomian terjadi

guncangan keuangan, kebijakan makroprudensial lebih efektif dalam

menstabilkan keuangan dengan cara menahan kredit ekspansif yang berlebihan

dalam perekonomian, sedangkan sebaliknya kebijakan moneter berfokus pada

stabilitas harga dan mengabaikan konsekuensi stabilitas keuangan (Angelini. et

al., 2012; Genberg. et al., 2015). Kebijakan makroprudensial cenderung memiliki

efek distribusi yang lebih jelas dan juga dapat mempengaruhi mekanisme

transmisi kebijakan moneter walaupun tindakan kebijakan makroprudensial lebih

sulit dijelaskan dan hasil yang diinginkan mungkin tidak langsung (Angelini. et

al., 2012; Genberg. et al., 2015). Nimmo et al. (2016) menjelaskan bahwa

kebijakan moneter kontraktif dapat meningkatkan kredit terhadap PDB dan

sebaliknya kebijakan makroprudensial menghambat kredit dengan tidak adanya

penyesuaian tingkat suku bunga mungkin dapat mengurangi kredit terhadap PDB

dalam jangka pendek tetapi tidak dapat mengurangi rasio keuangan. Koordinasi

antara kebijakan makroprudensial dan kebijakan moneter dibutuhkan dalam

menstabilkan keuangan untuk saling melengkapi dalam mencapai tujuan secara

bersama dan lebih efektif ketika kedua kebijakan tersebut saling melengkapi

daripada ketika bertindak berlawanan arah walaupun harus ditangani dengan hati-

hati (Bruno. et al., 2016; De Pouli. et al., 2013; Genberg. et al., 2015).

Kebijakan makroprudensial memiliki tujuan yakni membatasi dan mengurangi

risiko sistemik dari prosiklikalitas keuangan yang berlebihan, memperlambat

pertumbuhan kredit juga pertumbuhan harga aset, dan menjaga stabilitas

keuangan dengan cara mengurangi konsekuensi yang dapat merugikan ekonomi

riil (Bruno. et al., 2016; Claessens. et al., 2014; Kuttner. et al., 2013). Sebuah isu

yang menjadi perhatian utama dalam konteks ini adalah desain dari instrumen

makroprudensial yang dapat membantu dalam mengurangi prosiklikalitas pada

sistem keuangan yakni pada saat terjadi boomiing dan bust pada kredit yang

dampaknya memperburuk siklus pinjaman yang pada akhirnya dapat

menyebabkan perubahan dalam mengambil keputusan untuk berinvestasi, baik

dengan melakukan pembatasan akses terhadap keuangan bank ataupun

mendorong pertumbuhan kredit yang berlebihan (Ag ́nor. et al., 2015).

Digital Repository Universitas JemberDigital Repository Universitas Jember

6

Sedangkan menurut Schoenmaker et al. (2015) mengatakan bahwa pengawasan

kebijakan makroprudensial beroperasi pada tingkat sistem keuangan serta

berkaitan dengan ekonomi yang lebih luas, dan juga kebijakan makroprudensial

harus dapat meningkatkan ketahanan sistem keuangan dari guncangan keuangan

di masa depan. Kebijakan makroprudensial diimplementasikan terkait kontrol

pada kredit, regulasi likuiditas, kebutuhan modal, juga kebijakan nilai tukar valuta

asing untuk mencegah atau membatasi gelembung harga aset, dan juga ancaman

lain yang mengganggu kestabilan keuangan (Cerutti. et al., 2015; Lee. et al.,

2015). Grace et al. (2015) berpendapat bahwa kebijakan makroprudensial dalam

mengurangi risiko sistemik memiliki banyak instrumen dan setiap instumen

memiliki tujuan yang berbeda dalam mengatasi risiko sistemik yang terjadi.

Instrumen terkait modal dapat meningkatkan ketahanan dari guncangan;

instrumen likuiditas dapat mengatasi risiko pendanaan; dan juga instrumen kredit

dapat mengatasi penumpukan risiko di sektor real estate dan juga meningkatkan

ketahanan terhadap guncangan di sektor ini.

Tabel 1.2 Kerangka Kebijakan untuk Sistem Keuangan dan Ekonomi Kebijakan

(Instrumen Khas)

Tujuan Tujuan utama

(tingkat dampak)

Kebijakan Moneter

(Suku bunga jangka

pendek)

Stabilitas Harga

Pertumbuhan stabil dan non-

inflasi (sistem ekonomi)

Kebijakan Makroprudensial

(Rasio LTV,

Countercyclical buffers)

Stabilitas Keuangan

Pertumbuhan stabil dan non-

inflasi (sistem ekonomi)

Kebijakan Mikroprudensial

(Rasio Modal)

Kesehatan Lembaga

Keuangan

Perlindungan Konsumen

(Lembaga Individu)

(Sumber : Berdasarkan Schoenmaker dan Wierts (2011)).

Menurut Cerutti et al. (2015) beragumen bahwa kebijakan makroprudensial

telah menjadi bagian dari paradigma kebijakan di pasar negara berkembang dan

negara-negara maju, dimana negara-negara maju lebih intensif menerapkan

kebijakan berbasis pinjaman sedangkan di negara berkembang lebih sering

menerapkan kebijakan terkait nilai tukar valuta asing. Kebijakan makroprudensial

semakin banyak diterapkan di negara maju dan negara berkembang. Akan tetapi

negara-negara berkembang di Asia lebih banyak menerapkan kebijakan

Digital Repository Universitas JemberDigital Repository Universitas Jember

7

makroprudensial dibandingkan di daerah lain. Langkah-langkah kebijakan

makroprudensial ini mulai diterapkan sejak tahun 2000 untuk menghadapi krisis

keuangan Asia pada tahun 1997. Menurut Zhang et al. (2015) bahwa kebijakan

makroprudensial mencakup beberapa instrumen, meliputi langkah-langkah untuk

mengatasi risiko yang terjadi pada sektor tertentu misalnya Loan-to-Value (LTV),

rasio debt-to-income (DTI) counter-cyclical untuk kebutuhan modal, ketentuan

dynamic, reserve requirements, alat likuiditas dan langkah-langkah untuk

mempengaruhi mata uang asing atau transaksi keuangan berbasis residensi.

Tabel 1.3 Kebijakan Makroprudensial di Berbagai Negara

Instrumen Negara yang Menerapkan

Mitigasi Risiko Kredit:

- Pembatasan Pertumbuhan

- Pembatasan LDR

- LTV

- Dynamic Provisioning

- Brazil, Kuwait, UK

- Bulgaria, Kroasia, Hongkong, Kuawait, Indonesia

- China, Hongkong, Korea, Hungaria, Indonesia

- Kolombia, Bolivia, Uruguay, Peru, Spanyol

Mitigasi Insolvency

- Pembatasan DTI ratio

- Leverage Ratio

- Permodalan

- Korea

- Canada

- Brazil, Saudi, Bulgaria

Mitigasi Risiko Pasar

- Limit Posisi Valas

- Pembatasan Kredit Valas

- Brazil, Kolombia, Mexico, Peru, Indonesia

- Hungaria

Mitigasi Risiko Likuiditas:

- Minimum Liquidity Mismatch

Ratio

- Minimum Core Funding Ratio

- Reserve Requirement

- Pembatasan Eksposur antarbank

- New Zealand

- New Zealand

- Bulgaria, Kolombia, Peru, Rumania, Indonesia

- Euro Area

(Sumber: Simorangkir, 2014: 433).

Di Indonesia sendiri istilah makroprudensial telah digunakan sejak awal tahun

2000 terkait dengan peran Bank Indonesia dalam manjaga stabilitas sistem

keuangan dan sejak tahun 2003 Bank Indonesia berperan aktif dalam mendorong

stabilitas sistem keuangan di Indonesia. Pada akhir tahun 2013, Bank Indonesia

telah mengeluarkan beberapa instrumen kebijakan makroprudensial meliputi:

LTV, Down Payment (DP), Giro Wajib Minimum (GWM), GWM Loan To

Deposits Ratio (GWM LDR), Posisi Devisa Neto (PDN), dan transparansi Suku

Digital Repository Universitas JemberDigital Repository Universitas Jember

8

Bunga Dasar Kredit (SBDK). Saat ini Bank Indonesia sedang melakukan riset

untuk dua kebijakan yakni countercyclical capital buffer (CCB) dan capital

surchange untuk menentukan desain dan formulasinya.

Pecegahan terhadap risiko sistemik terkait kredit dan harga perumahan pasca

terjadinya krisis membuat instrumen LTV semakin populer dan mulai banyak

diterapkan di semua negara terutama di Asia tidak terkecuali Indonesia (Grace. et

al., 2015; J ́come. et al., 2015). J ́come et al. (2015) mengatakan bahwa LTV

efektif dalam membatasi kredit dan membuat sektor keuangan lebih tahan

terhadap risiko penurunan, tetapi kurang efektif dalam mengatasi pertumbuhan

harga rumah terutama pada negara-negara yang mengalami arus modal terus-

menerus. Kebijakan LTV telah mulai diterapkan setelah terjadi krisis pada tahun

2008 dan setelah dikeluarkan kerangka kebijakan makroprudensial oleh Komite

Basel pada Basel III. Instrumen kebijakan makroprudensial yaitu LTV yang

memiliki fungsi untuk mengatasi resiko sistemik terkait lonjakan harga

perumahan dan penyaluran kredit. Batas LTV yang rendah dapat meningkatkan

ketahanan harga rumah dan menyebabkan kerugian lebih rendah pada pinjaman

hipotek.

Pada tanggal 15 Maret 2012 muncul peraturan pemerintah mengenai besaran

LTV yang dituangkan dalam Surat Edaran Bank Indonesia No. 14/10/DPNP

mengenai Penerapan Manajemen Risiko pada Bank yang Melakukan Oemberian

Kredit Pemilikan Rumah dan Kredit Kendaraan Bermotor dan Bank Indonesia

(BI) mulai mengimplementasikannya sejak bulan Juni 2012 (Simorangkir, 2014:

436). Tujuan dari kebijakan ini adalah untuk membatasi jumlah minimal dana

yang dapat diberikan oleh bank untuk kepemilikan rumah dan kendaraan

bermotor. Beberapa hal yang mendasari pemerintah dalam menerbitkan aturan

tersebut adalah peningkatan Kredit Kepemilikan Rumah sehingga menyebabkan

bank perlu kehati-hatian dalam penyaluran kredit, pertumbuhan kredit yang terlalu

tinggi dapat menyebabkan peningkatan harga aset properti yang terlalu tinggi

tidak mencerminkan harga sebenarnya (bubble prices), dan pembuatan peraturan

ini bertujuan agar perekonomian yang produktif tetap terjaga serta mampu

menghadapi tantangan pada sektor keuangan di masa yang akan datang.

Digital Repository Universitas JemberDigital Repository Universitas Jember

9

Tabel 1. 4 Rasio Loan-to-Value (LTV) untuk Kredit Properti dan Pembiayaan

Properti

Kredit Properti (KP) dan Pembiayaan

Properti (PP) Berdasarkan Akad Murabahah

dan Akad Istishna‘

Pembiayaan Properti (PP) Berdasarkan

Akad MMQ dan Akad IMBT

Tipe Properti ( ) Fasilitas KK dan PP

(%) Tipe Properti ( ) Fasilitas PP (%)

I II IIIdst I II IIIdst

Rumah Tapak Rumah Tapak

Tipe >70 85 80 75 Tipe >70 90 85 80

Tipe 22-70 - 85 80 Tipe 22-70 - 90 85

Tipe ≤21 - - - Tipe ≤21 - - -

Rumah Susun Rumah Susun

Tipe >70 85 80 75 Tipe >70 90 85 80

Tipe 22-70 90 85 80 Tipe 22-70 90 85 80

Tipe ≤21 - 85 80 Tipe ≤21 - 85 80

Ruko - 85 80 Ruko - 85 80

(Sumber: Bank Indonesia dalam Peraturan Bank Indonesia Nomor

18/16/PBI/2016).

Pada bulan Agustus 2016 Bank Indonesia melakukan redesign atas

kebijakan LTV yang dituangkan dalam surat edaran Bank Indonesia dalam

Peraturan Bank Indonesia Nomor 18/16/PBI/2016. Bank Indonesia melakukan

pelonggaran kebijakan LTV melalui rasio LTV yang semakin meningkat hingga

mencapai 85% untuk rumah pertama dengan luas >70 sehingga menurunkan

down payment menjadi 15% agar masyarakat mampu untuk mengambil kredit dari

bank sedangkan untuk rumah kedua, ketiga dan seterusnya tetap lebih besar

daripada rumah pertama yaitu masing-masing sebesar 80% dan 75% yang berarti

dengan down payment masing-masing sebesar 20% dan 25%. Perubahan

peraturan ini dilakukan agar dapat meningkatkan bisnis penjualan properti yang

mengalami kelesuan akibat pengetatan kebijakan yang dilakukan sebelumnya.

Digital Repository Universitas JemberDigital Repository Universitas Jember

10

Gambar 1.2 Dinamika Pertumbuhan Kredit Perbankan dan Pertumbuhan Gross

Domestic Product (GDP) Indonesia 2005Q1–2017Q4 dalam Persen

(Sumber: Otoritas Jasa Keuangan (OJK) dan International Monetary

Fund (IMF), diolah).

Gambar 1.2 menunjukkan pergerakan pertumbuhan kredit perbankan dana

pihak ketiga di Indonesia yang sangat berfluktuasi. Pertumbuhan kredit

mengalami fluktuasi yang signifikan dengan melihat penurunan atau kenaikannya

yang sangat tajam. Pada tahun 2006Q1 hingga 2008Q1, kredit mengalami

peningkatan yang sangat stabil. Akan tetapi, pada tahun 2008Q3 hingga 2010Q1,

kredit mengalami penurunan akibat dampak dari krisis keuangan global.

Pergerakan pertumbuhan kredit juga diikuti dengan pergerakan GDP yang cukup

berfluktuasi mengikuti pergerakan kredit. Hal ini menandakan bahwa krisis

keuangan global juga berpengaruh di Indonesia.

-2

0

2

4

6

8

10

20

05

Q1

20

05

Q3

20

06

Q1

20

06

Q3

20

07

Q1

20

07

Q3

20

08

Q1

20

08

Q3

20

09

Q1

20

09

Q3

20

10

Q1

20

10

Q3

20

11

Q1

20

11

Q3

20

12

Q1

20

12

Q3

20

13

Q1

20

13

Q3

20

14

Q1

20

14

Q3

20

15

Q1

20

15

Q3

20

16

Q1

20

16

Q3

20

17

Q1

20

17

Q3

Pertumbuhan GDP Pertumbuhan Kredit

Per

sen

tase

dar

i G

DP

, K

red

it

Tahun

Digital Repository Universitas JemberDigital Repository Universitas Jember

11

Gambar 1.3 Dinamika Perkembangan Pertumbuhan Kredit, CPI, dan Harga

Perumahan Indonesia Tahun 2005Q1 – 2017Q4 dalam Persen

(Sumber: Otoritas Jasa Keuangan (OJK), International Monetary

Fund (IMF), Bank for International Settlements (BIS), diolah).

Gambar 1.3 menunjukkan perkembangan pertumbuhan kredit perbankan,

Inflasi, dan Harga Perumahan. Semua mengalami fluktuasi yang sangat tinggi

dengan ditunjukkan penurunan dan kenaikkan yang sangat tajam. Pada tahun

2005Q1 hingga 2012Q3, harga perumahan mengalami penurunan yang sangat

signifikan dan kembali mengalami peningkatan pada tahun 2012Q4. Sedangkan

pergerakan inflasi mengikuti pergerakan dari pertumbuhan kredit yang mengalami

fluktuasi yang cukup signifikan. Pada tahun 2005Q1 pertumbuhan kredit

perbankan mengalami peningkatan. Akan tetapi, penurunan pertumbuhan kredit

dan harga perumahan tidak diikuti dengan inflasi yang mengalami peningkatan

walaupun setelah itu juga mengalami penurunan secara signifikan. Setelah terjadi

peningkatan pada pertumbuhan kredit yang cukup signifikan sehingga juga

mampu meningkatkan pertumbuhan harga perumahan yang mengalami

penurunan. Pada tahun 2009Q4 pertumbuhan harga perumahan mengalami

penigkatan yang cukup stabil dan penurunan yang tidak terlalu tajam dengan

diikuti oleh pertumbuhan kredit serta inflasi.

-2,000

0,000

2,000

4,000

6,000

8,000

10,000

-15,00

-10,00

-5,00

0,00

5,00

10,00

15,00

20,00

20

05

Q1

20

05

Q4

20

06

Q3

20

07

Q2

20

08

Q1

20

08

Q4

20

09

Q3

20

10

Q2

20

11

Q1

20

11

Q4

20

12

Q3

20

13

Q2

20

14

Q1

20

14

Q4

20

15

Q3

20

16

Q2

20

17

Q1

20

17

Q4

Consumer Price Index Housing Price Pertumbuhan Kredit

Per

sen

tase

Per

tum

. K

red

it

Tahun

Per

sen

tase

CP

I d

an H

ou

sin

g P

rice

Digital Repository Universitas JemberDigital Repository Universitas Jember

12

Kebijakan makroprudensial telah aktif diterapkan di Indonesia. Kebijakan

LTV ini diterapkan untuk menjaga pertumbuhan kredit pada kepemilikan

perumahan. Oleh karena itu, hal tersebut menjadi menarik untuk diteliti mengenai

efektivitas kinerja instrumen kebijakan Loan-to-Value (LTV) dalam memitigasi

risiko kredit di Indonesia.

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut, dapat diketahui bahwa kebijakan

makroprudensial berupa Loan-to-Value (LTV) telah diterapkan di Indonesia.

Namun, efektifitas kebijakan tersebut belum dapat dijelaskan dengan jelas. Oleh

karena itu, muncul pertanyaan empiris sebgai berikut:

1. Bagaimana efektivitas kebijakan makroprudensial pada kinerja instrumen

Loan-to-Value (LTV) terhadap pertumbuhan kredit perbankan di Indonesia?

2. Bagaimanakah pengaruh pertumbuhan PDB riil, inflasi, pertumbuhan harga

perumahan, krisis, dan instrumen kebijakan LTV terhadap pertumbuhan

kredit perbankan di Indonesia?

1.3 Tujuan

Terkait rumusan masalah yang telah dijelaskan, maka tujuan penitian ini

adalah:

1. Untuk dapat mengetahui kinerja instrumen kebijakan makroprudensial berupa

LTV di Indonesia.

2. Untuk mengetahui pengaruh pertumbuhan PDB riil, inflasi, pertumbuhan

harga perumahan, krisis, dan instrumen kebijakan LTV terhadap

pertumbuhan kredit perbankan di Indonesia.

1.4 Manfaat

Hasil penelitian ini diharapkan mampu memberikan manfaat sebagai berikut:

1.4.1 Manfaat Teoritis

1. Penelitian ini dapat dimanfaatkan untuk menambah verifikasi empiris

pengujian dari teori dan fenomena yang ada.

Digital Repository Universitas JemberDigital Repository Universitas Jember

13

2. Dapat dimanfaatkan untuk menambah referensi di bidang ilmu ekonomi.

1.4.2 Manfaat Praktis

1. Dapat dijadikan sebagai tolak ukur dalam pengimplementasian kebijakan

makroprudensial pada instrumen LTV dalam memitigasi risiko kredit di

Indonesia.

2. Dapat menjadi pertimbangan kebijakan makroprudensial pada instrumen LTV

dalam memitigasi risiko kedit di Indonesia.

Digital Repository Universitas JemberDigital Repository Universitas Jember

BAB 2. TINJAUAN PUSTAKA

Pada Bab 2 akan dibahas tentang 2.1 teori yang berkaitan dengan penelitian.

Beberapa teori yang akan dijelaskan diantaranya pada subbab 2.1.1 yang berkaitan

dengan Stabilitas Sistem Keuangan sebagai salah satu literatur yang dapat

membantu penelitian. Pada subbab 2.1.2 akan membahas tentang model teoritis

prosiklisitas keuangan. Kemudian pada subbab 2.1.3 membahas teori dan konsep

kebijakan makroprudensial, termasuk kerangka dan instrumen yang digunakan.

Pada subbab 2.1.4 akan membahas terkait instrumen kebijakan Loan-to-Value

(LTV) juga pengaruh di Indonesia. Pada subbab 2.1.5 membahas kredit dan

subbab 2.1.6 membahas tentang konsep risiko kredit. Selanjutnya, pada subbab

2.1.7 membahas keterkaitan antar variabel yang memengaruhi kredit. Pada bab ini

juga akan membahas tentang penelitian terdahulu pada subbab 2.2, kerangka

konseptual pada subbab 2.3, hipotesis penelitian pada subbab 2.4 dan asumsi

penelitian pada subbab 2.5.

2.1 Landasan Teori

2.1.1 Dimensi Konseptual Stabilitas Sistem Keuangan (SSK)

Global Financial Crisis (GFC) pada tahun 2007-2009 memberikan pelajaran

penting dan pengalaman berharga yakni pentingnya menjaga stabilitas sistem

keuangan juga meningkatkan kebutuhan dimensi makroprudensial dalam

melakukan pengawasan keuangan dan regulasi (Morgan. et al., 2014). Krisis yang

terjadi memberikan pengalaman berharga bahwa stabilitas sistem keuangan

merupakan aspek yang penting untuk menjaga perekonomian yang berkelanjutan.

Sistem keuangan yang tidak stabil dapat menyebabkan berbagai gejolak sehingga

menggangu perekonomian. SSK memerlukan kemampuan dalam mengantisipasi

terjadinya risiko sistemik yang disebabkan karena keterkaitan sistem keuangan

dengan makroekonomi ‗makro-finansial‘ serta langkah-langkah untuk pencegahan

agar dapat terhindar dari krisis di masa depan (Warjiyo. et al., 2016).

Menurut Deutsche Bundesbank mengatakan bahwa stabilitas keuangan adalah

kondisi dimana sistem keuangan memiliki kinerja yang efisien dalam fungsi

Digital Repository Universitas JemberDigital Repository Universitas Jember

15

ekonominya yaitu alokasi sumber dana, menyebar resiko, dan penyelesaian sistem

pembayaran yang dapat dilakukan walaupun tejadi gejolak, tekanan dan

perubahan struktural. Menurut Norges Bank mengatakan bahwa stabilitas

keuangan adalah kondisi dimana sektor keuangan sehat dan kuat dalam

menghadapi gejolak pada lembaga keuangan atau pasar keuangan. Kemudian

Bank Sentral Eropa (2012) juga menambahkan definisi dari stabilitas keuangan

yaitu didefinisikan sebagai suatu kondisi sistem keuangan yang mampu menahan

guncangan dan ketidakseimbangan keuangan. Ini dapat meringankan gangguan

dalam proses intermediasi keuangan yang cukup parah untuk mempengaruhi

secara signifikan alokasi tabungan agar dapat meningkatkan peluang investasi.

Stabilitas sistem keuangan berbeda dengan stabilitas moneter. Stabilitas

moneter merupakan suatu kondisi dimana uang memiliki nilai yang stabil dan

digambarkan oleh tingkat inflasi yang rendah dan stabil. Stabilitas moneter

ditempuh dengan kerangka kebijakan inflation targeting (ITF), sedangkan

stabilitas sistem keuangan ditempuh dengan menggunakan kerangka kebijakan

makroprudensial yang mencakup seluruh dimensi perekonomian, baik sektor

keuangan dan sektor riil. Stabilitas moneter dan stabilitas sistem keuangan

memiliki hubungan sebab akibat dalam jangka pendek, sehingga pada periode

waktu tersebut sering terjadi ketidakstabilan antara keduanya (Idroes, dan

Sugiarto, 2008). Krisis finansial terjadi akibat beberapa faktor utama yaitu

terjadinya kerentanan sektor keuangan, penerapan kebijakan makroekonomi yang

kurang pruden atau hati-hati, buruknya korporasi dan tata kelola kelembagaan

pemerintah, dan terjadinya volatilitas aliran modal yang besar (Eichengreen,

2004). Oleh karena itu, sangat penting dilakukan deteksi dini kerawanan terhadap

SSK dan juga pada keempat faktor tersebut. Selain itu, sangat diperlukan

koordinasi kebijakan yang erat antara pemerintah, bank sentral, otoritas

pengawasan, serta asuransi deposito.

1. Krisis keuangan global 2008/2009 dan SSK

Menurut pernyataan Minsky (1982) mengatakan bahwa ketidakstabilan

keuangan merupakan dampak dari ekonomi kapitalis di mana adanya kenaikan

Digital Repository Universitas JemberDigital Repository Universitas Jember

16

aset dan akumulasi utang menyebabkan terjadinya potensi yang tidak terkendali.

Krisis keuangan global 2008/2009 kembali memberikan perhatian atas rentannya

ekonomi kapitalis yang mendasarkan pada modal dan perdagangan uang untuk

melakukan pembiayaan investasi melalui sistem keuangan. Pada dua dekade saat

Great Moderation di AS sebelum terjadinya krisis keuangan global pada tahun

2008/2009 dalam periode ekonomi sedang mananjak, pada saat suku bunga yang

rendah serta didukung oleh stabilitas harga (inflasi) terjadi kenaikan nilai aset

(keuangan dan fisik) dan keuntungan investasi yang lebih tinggi dari suku bunga

utang atau biaya modal sehingga memunculkan persepsi bahwa keuntungan

investasi akan terus tinggi pada periode boom ekonomi. Persepsi tersebut mampu

mendorong semakin tingginya perdagangan uang dan modal untuk membiayai

investasi tersebut yang pada akhirnya menyebabkan akumulasi utang dari kredit

perbankan atau utang luar negeri semakin tidak dapat dikendalikan. Perdagangan

uang dan modal semakin didominasi oleh para investor ‗spekulatif‘ dan ‗ponzi‘

dibandingkan investor yang berhati-hati dan melakukan lindung nilai (hedging)

yang pada akhirnya hal tersebut mengakibatkan kerugian, macet, dan

menimbulkan ketidakstabilan keuangan sehingga mendorong ekonomi jatuh ke

dalam krisis (Warjiyo. et al., 2016:596).

SSK merupakan suatu kondisi pada saat sistem keuangan menunjukkan

ketahanan terhadap berbagai gejolak yang mungkin terjadi dan berfungsi secara

baik di dalam perekonomian (Mishkin, 1999; Allen. et al., 2006). Definisi SSK

dalam Undang-Undang Nomor 9 Tahun 2016 tentang Pencegahan dan

Penanganan Krisis Sistem Keuangan (UU-PPKSK) April 2016 mendefinisikan

―Stabilitas Sistem Keuangan adalah kondisi Sistem Keuangan yang berfungsi

efektif dan efisien serta mampu bertahan dari gejolak yang bersumber dari dalam

negeri dan luar negeri‖, dengan merujuk ―Stabilitas Keuangan adalah sistem

yang terdiri atas lembaga jasa keuangan, pasar keuangan, dan infrastruktur

keuangan, termasuk sistem pembayaran, yang berinteraksi dalam memfasilitasi

pengumpulan dana masyarakat dan pengalokasiannya untuk mendukung aktivitas

perekonomian nasional‖.

Digital Repository Universitas JemberDigital Repository Universitas Jember

17

Dalam menjaga SSK dan mencegah krisis, terdapat lima aspek penting yang

perlu ditekankan (Warjiyo. et al., 2016:597):

1) Menjaga kesehatan lembaga keuangan sangat penting akan tetapi tidak cukup

untuk mencegah terjadinya krisis (necessary but not sufficient). Kuncinya

adalah perlu adanya keterkaitan makro-finansial dari sistem keuangan dengan

aktivitas perekonomian daripada kesehatan individual lembaga keuangan, hal

ini karena SSK berkaitan dengan bagaimana sistem keuangan berfungsi untuk

dan mampu bertahan terhadap gejolak di dalam perekonomian.

2) Sejarah perekonomian telah menunjukkan adanya empat jenis keterkaitan

makro-finansial yang sering menyebabkan terjadinya krisis, yaitu: asset

(finansial dan properti) bubbles, boom kredit, akumulasi utang yang terjadi

secara berlebihan, dan pembalikan modal asing secara tiba-tiba (Reinhart. et

al., 2009; Claesssens. et al., 2013). Ketidakseimbangan tersebut sering

mengakibatkan terjadinya prosiklikalitas keuangan dengan akselerasi yang

lebih cepat dari pertumbuhan ekonomi pada masa ekspansi ekonomi,

sedangkan pada masa resesi tumbuh lebih lambat dari pertumbuhan ekonomi

dan bahkan lebih cenderung memperburuk siklus ekonomi. Oleh karena itu,

perlu adanya antisipasi dan pencegahan lebih dini terhadap fenomena

prosiklikalitas karena apabila tidak dikelola dengan baik maka akan

mempercepat ‗boom-bust‘ yang pada akhirnya dapat menyebabkan terjadinya

krisis.

3) Penerapan kebijakan untuk pengendalian gejolak perekonomian domestik dan

kemampuan mengantisipasi gejolak luar negeri sangat penting untuk

dilakukan agar mendukung terjaganya SSK. Ketidakseimbangan

makroekonomi dapat disebabkan karena adanya ekspansi permintaan

domestik yang jauh lebih cepat dibandingkan dengan kapasitas perekonomian

sehingga menyebabkan pemanasan ekonomi yang tercermin antara lain pada

tingginya inflasi, dan/atau defisit fiskal, dan/atau defisit transaksi berjalan.

Selain itu, risiko kegagalan terhadap SSK dapat berasal dari dampak adanya

spillover effect yang dipicu karena perubahan kebijakan negara lain atau

karena krisis yang terjadi secara tiba-tiba. Gejolak eksternal tersebut dapat

Digital Repository Universitas JemberDigital Repository Universitas Jember

18

menyebabkan pembalikan aliran modal asing secara tiba-tiba dalam jumlah

yang besar sehingga kemudian menimbulkan tekanan dan krisis nilai tukar,

krisis utang luar negeri, krisis pembayaran, juga krisis finansial dan

perekonomian. Oleh karena itu, hal tersebut memberikan pelajaran untuk

terjaganya SSK memerlukan kebijakan makroekonomi (moneter dan fiskal),

reformasi struktural di sektor riil, serta manajemen aliran modal asing.

4) Krisis dapat dipicu oleh beberapa faktor seperti terjadinya kegagalan suatu

lembaga keuangan, gejolak perekonomian domestik ataupun internasional,

meletusnya gelembung prosiklikalitas karena adanya ketidakseimbangan

makro finansial, proses pewabahan (contagion) dapat menjadi krisis sistemik

ke seluruh sistem keuangan dengan sangat cepat karena adanya interkoneksi

dan jejaring yang sangat erat di dalam pasar dan infrastruktur keuangan,

termasuk sistem pembayaran (Acemoglu. et al., 2015; Allen. et al., 2010; De

Bandt. et al., 2000). Globalisasi dapat menyebabkan contagion yang meluas

ke banyak negara karena adanya interkoneksi dan jejaring di antara pasar,

lembaga, dan infrastruktur keuangan internasional. Selain itu, kegagalan

individual bank juga mampu menyebabkan terjadinya bank runs dan meluas

ke sistem perbankan karena interkoneksi dan kurangnya likuiditas di pasar

uang antarbank (Freixas. et al., 2000; Morris. et al., 2004).

5) Puncak dari krisis secara luas terjadi apabila pewabahan melalui interkoneksi

dan jejaring keuangan disertai dengan adanya perilaku latah (herding

behavior) dan pewabahan informasi (information contagion) (Acharya. et al.,

2003; Bikhchandani. et al., 2001). Perilaku latah dan pewabahan informasi

menyebabkan krisis sub-prime mortgage di AS yang dengan cepat menjadi

krisis finansial yang meluas dan sangat kompleks ke seluruh dunia melalui

dampak jual obral aset di pasar keuangan dan keketatan kredit di sistem

perbankan (Diamond. et al., 2010).

2. Peran bank sentral dalam SSK

Bank sentral memiliki tanggung jawab dalam pengaturan dan pengawasan

makroprudensial untuk dapat memitigasi risiko ketidakseimbangan makro-

Digital Repository Universitas JemberDigital Repository Universitas Jember

19

finansial dan risiko sisitemik dari sistem keuangan, sistem pembayaran dan

sebagai lender of the last resort selain tugas kebijakan moneter untuk mencapai

stabilitas harga dan nilai tukar (Haldane, 2004; Padoa-Schioppa, 2003; Warjiyo.

et al., 2016:601). Kebijakan makroprudensial diarahkan agar mampu mengelola

prosiklikalitas keuangan terutama terhadap credit boom dan asset bubbles agar

tidak menyebabkan ketidakseimbangan makro-finansial penyebab krisis

keuangan. Selain itu, kebijakan makroprudensial juga diarahkan untuk dapat

mengelola interkoneksi dan jejaring keuangan agar tidak menimbulkan risiko

sistemik terutama melalui pasar uang antarbank dan infrastruktur keuangan

(Warjiyo. et al., 2016:602). Bank sentral merupakan lembaga yang sangat tepat

untuk melakukan tugas pengaturan dan pengawasan makroprudensial. Bank

sentral memiliki kapasitas dalam melakukan surveilance makroekonomi dan

makro-finansial, dan juga instrumen untuk melakukan kebijakan makroprudensial

(Kawai. et al., 2012). Bank sentral merupakan lembaga yang menjadi sumber

likuiditas di dalam sistem perekonomian maupun keuangan, baik melalui

kebijakan moneter maupun fungsi lender of the last resort, dan ketersediaan

likuiditas sangat untuk menjaga SSK.

2.1.2 Model Teoritis Prosiklisitas Keuangan

Fenomena prosiklisitas merupakan fenomena di mana siklus keuangan

mengakselerasi siklus ekonomi. Pada periode kondisi ekonomi meningkat, siklus

keuangan akan cenderung lebih cepat daripada siklus ekonomi. Pada saat kondisi

ekspansi kredit perbankan meningkat pesat, akumulasi utang terjadi berlebihan,

harga aset keuangan dan properti sangat tinggi, dan aliran masuk modal dari luar

negeri sangat tinggi. Semuanya melebihi kebutuhan kondisi fundamental ekonomi

sehingga hal ini akan menimbulkan akumulasi risiko yang semakin tinggi dan

kerentanan di dalam sistem keuangan. Sementara itu sebaliknya terjadi, dalam

kondisi periode ekonomi menurun, siklus keuangan justru akan lebih

memperburuk penurunan siklus ekonomi. Krisis keuangan dan ekonomi terjadi

akibat shock yang terjadi baik dari domestik maupun luar negeri di tengah kondisi

kerentanan sistem keuangan karena akumulasi risiko yang terlalu tinggi (Warjiyo.

Digital Repository Universitas JemberDigital Repository Universitas Jember

20

et al., 2016:606). Gambar 2.1 menunjukkan prosiklisitas siklus keuangan yang

mengakselerasi ‗boom‘ dan ‗bust‘ siklus ekonomi.

Gambar 2.1 Prosiklisitas Siklus Keuangan dan Siklus Ekonomi (Sumber: Warjiyo

dan Solikin, 2016:606, diolah).

Fenomena prosiklisitas terjadi karena konsekuensi dari interaksi dinamis

antara sektor keuangan dengan sektor ekonomi riil disebut ‗macro-financial

linkages‘ yang disebabkan oleh faktor-faktor dari sisi mikro sektor keuangan

maupun sisi makroekonomi. Faktor-faktor yang menyebabkan terjadinya

prosiklisitas dalam penyaluran kredit dan pembiayaan modal lain di dalam

perekonomian dari sisi mikro sektor keuangan, antara lain sebagai berikut

(Warjiyo. et al., 2016:607):

1) Adanya asimetri informasi antara kreditur dan debitur yang mengakibatkan

fenomena premi risiko suku bunga (external finance premium) atau

penjatahan kredit (credit rationing).

2) Regulasi dan metode akuntansi dapat mendorong terjadinya prosiklisitas.

3) Adanya perubahan persepsi pelaku ekonomi dapat meningkatkan volatilitas

harga aset dalam siklus keuangan dan ekonomi.

Dari sisi makroekonomi, intensitas prosiklisitas sistem keuangan dipengaruhi

oleh sejumlah faktor. Ekspansi fiskal umumnya terjadi lebih cepat pada kondisi

periode ekonomi sedang meningkat karena lebih besarnya pajak, lebih mudahnya

utang pemerintah, dan faktor lain. Aliran modal asing dalam berbagai bentuknya,

termasuk utang luar negeri, umumnya relatif besar pada saat periode ekonomi

meningkat dan rentan terhadap pembalikan ke luar negeri pada saat periode

ekonomi menurun. Kebijakan moneter juga memiliki pengaruh terhadap

Upswing (―Boom‖)

Procyclicality

Financial cycle

Economic cycle

Downswing

(―Burst‖)

Digital Repository Universitas JemberDigital Repository Universitas Jember

21

prosiklisitas sistem keuangan melalui perubahan nilai tukar, suku bunga, kredit,

ataupun perilaku risiko di sektor keuangan (Warjito. et al., 2016:608).

2.1.3 Kebijakan Makroprudensial: Dari Teori Hingga Kebijakan

Dalam beberapa tahun terakhir, banyak negara yang mengalami krisis

keuangan karena penjagaan stabilitas harga dirasa tidak cukup untuk menjaga

stabilitas makroekonomi dan krisis keuangan tersebut muncul dari sektor

perumahan yang kemudian tumbuh di sektor keuangan dan memiliki konsekuensi

akhir pada sektor riil. Ketika harga perumahan mengalami penurunan, kebijakan

mikroprudensial yang diharapkan mampu untuk mencegah risiko yang terjadi dari

masing-masing perusahaan ternyata tidak berhasil untuk menghentikan penularan

di sektor riil yang kemudian menyebabkan krisis menjadi tersebar keseluruh

sistem keuangan dan menyebabkan peningkatan pengangguran yang tinggi.

(Akinci. et al., 2015; Nimmo. et al., 2016; dan Rubio. et al., 2014). Krisis yang

terjadi pada tahun 2008 memberikan pelajaran bahwa penting untuk menjaga

stabilitas keuangan serta kredit memiliki peranan lebih penting dibandingkan uang

sehingga pertumbuhan kredit harus diberikan peranan independen di tingkat

pemerintah diluar dari pengaruh suku bunga terhadap perkiraan inflasi karena jika

kebijakan makroprudensial berhasil menahan pertumbuhan kredit ekspansif yang

berlebihan dalam perekonomian kemungkinan berdampak pada kondisi ekonomi

makro juga memberikan dampak pada inflasi dan variabel-variabel ekonomi

lainnya (Genberg. et al., 2015; Nimmo. et al., 2016). Nimmo et al. (2016)

mengatakan bahwa hasil penelitiannya menunjukkan bahwa moneter kontraktif

dapat meningkatkan kredit terhadap PDB dan mampu membuat perpecahan antara

dana internal perusahaan dan tingkat utang mereka. Sebaliknya, kebijakan

makroprudensial mampu menghambat kredit akan tetapi dengan tidak adanya

penyesuaian terhadap tingkat suku bunga sehingga mampu mengurangi kredit

terhadap PDB dalam jangka pendek tetapi tidak dapat mengurangi resiko

keuangan.

Zhang et al. (2015) berpendapat bahwa dalam perekonomian terbuka, untuk

meningkatkan tingkat kebijakan dalam meredam tekanan overheating dapat

Digital Repository Universitas JemberDigital Repository Universitas Jember

22

menyebabkan arus modal masuk bahkan lebih dan juga dapat memperburuk

stabilitas ekonomi. Selain itu, kebijakan moneter memiliki dampak yang luas

sehingga kurang mampu untuk meredam tekanan overheating pada sektor tertentu.

Oleh karena itu, hal ini menimbulkan penggunaan instrumen kebijakan yang baru

yakni kebijakan makroprudensial. Sejalan dengan hal itu, muncullah beberapa

perubahan regulasi baru di kembangkan oleh Komite Basel yang bertujuan untuk

mencegah krisis di masa depan yang dikenal sebagai kebijakan makroprudensial

(Rubio. et al., 2015). Pasca terjadinya krisis, bank sentral telah bergeser

penekanannya untuk stabilitas keuangan dengan melakukan pengawasan

menggunakan alat baru yaitu kebijakan makroprudensial karena kebijakan

moneter dan kebijakan fiskal konvensional dirasa kurang cocok untuk

mengendalikan pasar perumahan dan pertumbuhan kredit yang terlalu ekspansif

(Funke. et al., 2012; Tillmann, 2014). Kebijakan makroprudensial memiliki tujuan

yakni membatasi dan mengurangi resiko sistemik dari prosiklikalitas keuangan

yang berlebihan, memperlambat pertumbuhan kredit juga pertumbuhan harga aset,

dan menjaga stabilitas keuangan dengan cara mengurangi konsekuensi yang dapat

merugikan ekonomi riil (Bruno. et al., 2016; Claessens. et al., 2014; Kuttner. et

al.,2013).

Menurut IMF (2011), kebijakan makroprudensial adalah kebijakan yang

memiliki tujuan utama yaitu menjaga stabilitas sistem keuangan secara

keseluruhan melalui pembatasan peningkatan risiko sistemik. Menurut BIS

(2011) mengatakan kebijakan makroprudensial bertujuan untuk membatasi risiko

dan biaya krisis sistemik. Sementara itu, menurut Amandemen UU BI

mengatakan bahwa kebijakan makroprudensial adalah kebijakan yang diterapkan

dan dilaksanakan oleh Bank Indonesia untuk meningkatkan ketahanan sistem

keuangan dan untuk mencegah serta mengurangi risiko sistemik yang dapat

mengganggu stabilitas sistem keuangan dan stabilitas moneter. Schoenmaker et

al. (2015) mengatakan bahwa pengawasan keuangan harus memiliki fokus pada

agregat (makroprudensial) tidak hanya pada individu (mikroprudensial) untuk

memperbaiki ketidakseimbangan, dan pengawasan makroprudensial bekerja pada

tingkat sistem keuangan dan berkaitan dengan dampak ekonomi yang lebih luas

Digital Repository Universitas JemberDigital Repository Universitas Jember

23

serta makroprudensial harus mampu meningkatkan ketahanan sistem keuangan

dari guncangan ekonomi.

Kebijakan makroprudensial memiliki dua dimensi penting, yaitu sebagai

berikut (Warjito. et al., 2016: 604):

1) Dimensi waktu (time-series), merupakan kebijakan makroprudensial yang

bertujuan untuk menekan risiko terjadinya prosiklikalitas yang berlebihan

dalam sistem keuangan. Kebijakan dilakukan dengan prinsip bagaimana dapat

mendorong lembaga keuangan untuk mempersiapkan bantalan (buffer) yang

cukup pada saat perekonomian dalam keadaan baik sehingga bantalan

tersebut dapat digunakan ketika perekonomian sedang buruk.

2) Dimensi antarsektor (cross-sector), merupakan kebijakan makroprudensial

yang bertujuan untuk menggeser fokus dari regulasi prudensial yang

diterapkan pada institusi keuangan berubah menjadi regulasi sistem secara

keseluruhan. Pergeseran fokus ini dilakukan karena krisis-krisis besar yang

terjadi adalah akibat dari eksposur terhadap ketidakseimbangan makro-

keuangan yang dilakukan secara bersama-sama oleh sebagian besar pelaku

keuangan bukanlah akibat masalah individu bank.

Grace et al. (2015) berpendapat bahwa kebijakan makroprudensial dalam

mengurangi risiko sistemik memiliki banyak instrumen dan berbeda instumen

memiliki tujuan yang berbeda dalam mengatasi risiko sistemik yang terjadi.

Instrumen terkait modal dapat meningkatkan ketahanan dari guncangan;

instrumen likuiditas dapat mengatasi risiko pendanaan; dan juga instrumen kredit

dapat mengatasi penumpukan risiko di sektor real estate dan juga meningkatkan

ketahanan terhadap guncangan di sektor ini. Kebijakan makroprudensial

diimplementasikan terkait kontrol pada kredit, regulasi likuiditas, kebutuhan

modal, juga kebijakan nilai tukar valuta asing untuk mencegah atau membatasi

gelembung harga aset, dan juga ancaman lain yang mengganggu kestabilan

keuangan (Cerutti. et al., 2015; Lee. et al., 2015).

Menurut Lee et al. (2016) langkah-langkah makroprudensial terdapat dalam

tiga kategori luas:

Digital Repository Universitas JemberDigital Repository Universitas Jember

24

1) Kontrol terhadap kredit meliputi rasio pada LTV dan DTI serta pada

pinjaman mata uang asing sebaik ceilings pada kredit atau pertumbuhan

kredit.

2) Regulasi likuiditas membatasi devisa neto posisi mata uang atau

ketidaksesuaian mata uang dan ketidaksesuaian jatuh tempo ketka

membangun cadangan pesyaratan.

3) Kebuhan modal termasuk countercyclical capital requirement, waktu

bervariasi dan dynamic provisioning, juga pembatasan distribsi keuntungan.

Menurut Genberget al. (2015) dalam melaksanakan kebijakan

makroprudensial membutuhkan proses disiplin dan transparan dalam

berkomunikasi dengan publik. Transparan dan komunikasi yang jelas dalam

melaksanakan kebijakan makroprudensial sangat penting untuk menanamkan

kepercayaan publik serta pasar dan untuk mempromosikan akuntabilitas. Selain

hal itu, dalam palaksanaan langkah-langkah kebijakan makroprudensial oleh bank

sentral juga perlu tepat waktu dan tegas untuk membatasi penumpukan risiko

sistemik serta harus didukung oleh otoritas hukum yang jelas.

Kebijakan makroprudensial biasanya berfokus pada jenis-jenis tertentu dari

sebuah lembaga (misalnya batas pertumbuhan kredit yang diberikan oleh bank

komersial diperlukan untuk diatur), untuk aktivitas keuangan tertentu (misalnya

rasio loan-to value maksimum pada pinjaman hipotek untuk bank umum), atau

kekuatan keuangan dari nasabah bank. Oleh karena itu, mereka memiliki tujuan

untuk mengurangi risiko yang terkait dengan institusi, aktivitas keuangan, atau

jenis individu yang telah ditargetkan. Sementara itu, Grace et al. (2015)

mengatakan bahwa dalam kebijakan makroprudensial setiap instrumen memiliki

tujuan yang berbeda dan dapat digunakan untuk mengatasi berbagai risiko

sistemik. Pada instrumen modal bertujuan untuk meningkatkan ketahanan

terhadap guncangan; pada instrumen likuiditas bertujuan untuk mengatasi risiko

pendanaan; sedangkan pada instrumen terkait kredit bertuuan untuk membatasi

penumpukan risiko di sektor real estate dan peningkatan ketahanan terhadap

guncangan di sektor real estate.

Digital Repository Universitas JemberDigital Repository Universitas Jember

25

Menurut Kelly et al. (2015) mengatakan bahwa hubungan yang terjadi antara

kebijakan makroprudensial dengan mengalokasikan kredit dan pasar perumahan

merupakan salah satu faktor penting dalam menstabilkan ekonomi dan keuangan.

Mereka juga menemukan bahwa kebijakan makroprudensial memiliki peranan

yang penting dalam melakukan pendinginan terhadap pasar perumahan yang

tumbuh dengan cepat dan juga menunjukkan bahwa beberapa instrumen kebijakan

makroprudensial seperti LTV, LTI, dan DSR dalam penetapan tingkat batasnya

dapat memberikan peranan yang penting dalam menentukan dampak yang akan

terjadi pada harga. Menurut Rubio et al. (2014) yang mengatakan bahwa dalam

menjalankan kebijakan makroprudensial diperlukan kombinasi dengan kebijakan

moneter untuk membuat makroekonomi menjadi lebih stabil dan penerapan

kebijakan makroprudensial dapat menyebabkan peningkatan kesejahteraan karena

kebijakan tersebut memberikan sistem yang lebih stabil.

2.1.4 Instrumen Kebijakan Makroprudensial: Loan-to-Value (LTV)

Kebijakan makroprudensial memiliki banyak instrumen dan salah satunya

yakni instrumen LTV yang memiliki fungsi untuk mengatasi risiko sistemik

terkait lonjakan harga perumahan dan penyaluran kredit (Jácome. et al., 2015).

Menurut Akinci et al. (2015) menjelaskan bahwa jenis instrumen kebijakan

makroprudensial yang paling populer dan paling umum digunakan yakni

instrumen LTV pada kredit perumahan. Menurut Rubio et al. (2014) mengatakan

bahwa rasio LTV merupakan parameter tetap yang tidak dapat dipengaruhi oleh

kondisi ekonomi. Claessens et al. (2014) menjelaskan dari hasil penelitiannya

yang menunjukkan rata-rata kebijakan makroprudensial empat kali lebih tepat

untuk negara-negara berkembang dibandingkan negara-negara maju sebelum

terjadi krisis ekonomi. Sementara itu, instrumen yang paling sering digunakan di

seluruh sampel negara yang digunakan oleh penelitian Akinci et al(2014) adalah

LTV sekitar 44 persen ketika kebijakan digunakan secara keseluruh terdapat 24

negara yang menerapkan kebijakan LTV setidaknya dalam satu tahun selama

periode ini. Kemudian negara-negara maju yang aktif menerapkan kebijakan LTV

yakni Kanada, Hong Kong, Itali, Korea Selatan, Perancis, Norwegia, Singapura,

Digital Repository Universitas JemberDigital Repository Universitas Jember

26

Spanyol, dan Swedia selama periode ini. Instrumen terkait kredit seperti LTV

telah banyak diterapkan di semua negara terutama di Asia selama dekade terakhir

dengan di beberapa negara membahas masalah real estate komersial, kredit mobil,

dan kredit konsumsi, walaupun instrumen LTV paling umum digunakan untuk

kredit perumahan (Grace. et al., 2015; J ́come. et al., 2015). LTV sebagian besar

telah diterapkan untuk bank dan di beberapa negara dalam pengambilan keputusan

LTV tidak selalu dikoordinasikan dengan kebijakan makroprudensial (J ́come. et

al., 2015; Schoenmaker. et al., 2015).

Pada tanggal 15 Maret 2012, Bank Indonesia menciptakan kebijakan LTV

dengan menerbitkan Surat Edaran Bank Indonesia No.14/10/DPNP perihal

Penerapan Manajemen Risiko pada Bank yang melakukan Pemberian Kredit

Pemilikan Rumah dan Kredit Kendaraan Bermotor. Bank Indonesia melalui surat

edaran tersebut bermaksud untuk membatasi jumlah minimal dana yang dapat

diberikan bank untuk kepemilikian rumah dan kendaraan bermotor (Gunanta,

2013; Natidya, 2014). Kebijakan LTV dikeluarkan oleh BI karena menganggap

tingginya risiko pada penyaluran kredit kepemilikan properti dan kredit konsumsi

beragunan properti (Saraswati, 2014). Sementara itu menurut Gunanta (2013),

alasan yang mendasari pemerintah dalam menerbitkan aturan tersebut adalah

sebagai berikut:

1) Adanya peningkatan pada permintaan Kredit Pemilikan Perumahan (KPR)

dan Kredit Kendaraan Bermotor sehingga hal ini menyebabkan bank perlu

lebih berhati-hati dalam penyaluran kredit karena belajar dari pengalaman

krisis subprime mortgage yang terjadi di Amerika Serikat.

2) Peningkatan permintaan KPR menyebabkan pertumbuhan KPR yang terlalu

tinggi sehingga dapat menyebabkan terjadinya peningkatan harga aset

properti yang tidak mencerminkan harga yang sebenarnya (bubble price).

3) Untuk tetap menjaga perekonomian yang produktif dan mampu menghadapi

tantangan perekonomian pada sektor keuangan di masa yang akan datang,

oleh karena itu maka perlu adanya kebijakan yang mampu memperkuat

ketahanan di sektor keuangan untuk dapat meminimalisir sumber-sumber

kerawanan yang muncul.

Digital Repository Universitas JemberDigital Repository Universitas Jember

27

Bank Indonesia terus melalukan perubahan dalam menetapkan kebijakan

LTV sesuai dengan kondisi perekonomian. Kebijakan BI mengenai ketentuan

LTV yang telah diterbitkan oleh BI dibidang properti untuk semua jenis produk

properti, yaitu perumahan, ruko, dan apartemen. Kebijakan LTV diterapkan

dengan memberikan batasan rasio LTV yang merupakan perbandingan antara

jumlah maksimal dana yang dapat dipinjamkan oleh lembaga keuangan terhadap

harga properti yang diagunankan. Penerapan rasio LTV bertujuan untuk

mengurangi jumlah pinjaman yang dapat diberikan oleh institusi keuangan

sehingga dapat menekan pertumbuhan kredit yang akan berpengaruh terhadap

permintaan properti residensial yang akhirnya berdampak pada harga properti

residensial. Selain itu, tujuan BI melakukan pembatasan LTV adalah untuk

menjaga stabilitas keuangan terutama di kredit properti karena kenaikan

permintaan properti dan kenaikan harga properti yang sangat tinggi dapat

menimbulkan risiko dan untuk mencegah atau mengantisipasi munculnya kredit

macet yang apabila dibiarkan dapat mempengaruhi stabilitas ekonomi (Saraswati,

2014; Wulandari. et al., 2016). Kebijakan LTV di Indonesia memiliki bagan

transmisi, yaitu sebagai berikut:

Gambar 2.2 Bagan Transmisi Kebijakan LTV di Indonesia (Sumber: Dokumen

Kebijakan Makroprudensial Bank Indonesia)

2.1.5 Kredit

Kredit merupakan suatu fasilitas keuangan dalam bentuk kegiatan penyaluran

dana kepada pihak yang membutuhkan dan kemudian membayarnya kembali dana

tersebut beserta bunga sebagai bentuk balas jasa dalam jangka waktu yang

ditentukan (Susanti, 2010; Syahfitri, 2013). Kata kredit berasal dari bahasa latin

Instrumen Target

Operasional

Target

Intermediasi

Target Akhir

LTV Mengurangi

risiko KPR

Mengurangi demand

terhadap pembelian

KPR

Meminimalisir

risiko sitemik

Digital Repository Universitas JemberDigital Repository Universitas Jember

28

credere yang berarti percaya, maksudnya adalah apabila seseorang mendapatkan

kredit maka orang tersebut telah diberikan kepercayaan (Ramelda, 2017; Syahfitri,

2013). Menurut Undang-undang Perbankan Nomor 10 Tahun 1998 menyebutkan

bahwa kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan

dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara

bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi

utangnya setelah jangka waktu tertentu dengan pemberian bunga. Sedangkan

menurut Rivai (2006), kredit merupakan penyerahan dalam bentuk uang, barang,

ataupun jasa dari satu pihak yaitu pemberi pinjaman berlandaskan kepercayaan

kepada pihak lain yaitu nasabah dengan janji membayar pada tanggal yang telah

disepakati kedua belah pihak.

Menurut Kasmir (2007), kredit memiliki beberapa fungsi sebagai berikut:

1) Untuk meningkatkan daya guna uang. Pemberian kredit berguna untuk

menghasil barang atau jasa oleh penerima kredit sehingga uang tidak hanya

disimpan saja.

2) Untuk meningkatkan daya guna barang. Kredit yang diberikan oleh bank

dapat digunakan oleh debitur untuk dapat mengolah barang yang tidak

berguna menjadi barang yang berguna.

3) Meningkatkan peredaran barang. Kredit dapat menambah jumlah barang yang

beredar sehingga menambah atau memperlancar arus barang dari satu wilayah

ke wilayah yang lain.

4) Untuk meningkatkan peredaran dan lalu lintas uang. Pemberian kredit dapat

membuat suatu daerah yang kekurangan uang akan memperoleh tambahan

uang dari daerah lain.

5) Untuk meningkatkan minat usaha. Pemberian kredit dapat membantu nasabah

mendapatkan bantuan modal sehingga semakin meningkatkan minat usaha.

6) Untuk meningkatkan pemerataan pendapatan. Semakin banyak kredit yang

diberikan maka akan semakin baik terutama dalam hal meningkatkan

pendapatan, misalnya apabila kredit diberikan untuk membangun pabrik

maka tentunya akan mengurangi pengangguran sehingga masyarakat yang

tinggal disekitar pabrik dapat meningkatkan pendapatannya.

Digital Repository Universitas JemberDigital Repository Universitas Jember

29

7) Untuk meningkatkan hubungan internasional. Pinjaman internasional berupa

pemberian kredit oleh negara lain dapat meningkatkan kerjasama di bidang

lainnya.

Tujuan bank dalam memberikan kredit adalah memberikan nilai tambah bagi

pihak bank berupa pendapatan bunga sebagai pengganti atas pinjaman yang telah

diberikan dan untuk pihak nasabah dapat memenuhi kebutuhan atas kesulitan

pembiayaan sehingga dapat memperluas dan meningkatkan usahanya (Susanti,

2010). Kredit dilakukan dengan proses yang sangat berhati-hati oleh bank agar

dapat mencapai sasaran dan tujuan pemberian kredit. Kredit memiliki peranan

yang sangat penting dalam menunjang perekonomian, perdagangan, dan keuangan

(Syahfitri, 2013). Kredit yang semakin tinggi dapat meningkatkan akses kepada

sektor keuangan dan mendukung pertumbuhan perekonomian dan investasi. Akan

tetapi, kredit yang terlalu tinggi juga dapat mengarah pada kerentanan sektor

keuangan melalui penurunan standar pemberian pinjaman, utang yang berlebihan,

dan terjadinya inflasi harga aset (Reinhart, 2009).

2.1.6 Konsep Risiko Kredit

Ketidakpastian kondisi ekonomi makro mengakibatkan pasar keuangan yang

memiliki sensitifitas tinggi terhadap berbagai guncangan juga menjadi tidak stabil

dan mudah menghadapi risiko dalam aktivitasnya (African Development Bank,

2011). Risiko tersebut dapat menjadi risiko sistemik yang akan mengganggu

stabilitas sistem keuangan dan juga ekonomi riil (Smaga, 2014). Menurut Hansson

(2000), mendefinisikan risiko sebagai suatu faktor yang menyebabkan peristiwa

yang tidak diinginkan dan memiliki kemungkinan yang tidak pasti. Sementara itu,

Durodie (2005) juga menyatakan bahwa risiko merupakan segala bentuk kondisi

yang tidak diharapkan dan akan memberikan dampak kepada lembaga atau

organisasi. Menurut pendapat Smaga (2014) yang mengatakan bahwa risiko

sebagai masalah kerugian yang tidak terduga pada aset bank dan berasal dari

dalam maupun dari luar institusi perbankan tersebut yang disebabkan oleh risiko

pasar, likuiditas, ataupun likuiditas. Sektor perbankan rentan terhadap berbagai

Digital Repository Universitas JemberDigital Repository Universitas Jember

30

risiko keuangan seperti risiko kredit, risiko likuiditas, risiko nilai tukar mata uang

asing, risiko modal, dan risiko tingkat bunga.

Risiko kredit merupakan risiko yang akan ditimbulkan oleh kegagalan

pemenuhan kewajiban oleh debitur dalam menyelesaikan kredit sesuai dengan

ketentuan yang telah ditetapkan dalam perjanjian kredit sehingga mengakibatkan

kerugian pada pihak bank (Ligiagolosoiu; Saputra, 2016). Kegagalan pemenuhan

kewajiban tersebut dapat terjadi karena beberapa faktor yaitu karena adanya

perubahan sementara pada kondisi pasar, kebangkrutan pihak debitur, dan faktor-

faktor lain yang memengaruhi kemampuan membayar pihak debitur. Menurut

Diyanti (2012), menyatakan bahwa terdapat beberapa faktor yang menyebabkan

kredit bermasalah, yaitu:

1) Faktor internal bank yang memberikan kredit, seperti: adanya praktik KKN,

kurang ketatnya pihak bank dalam memonitori kredit, dan sebagainya.

Faktor-faktor ini dapat berpengaruh terhadap tingkat rasio-rasio kesehatan

bank seperti LDR dan CAR serta dapat mengurangi total aset yang dimiliki

bank.

2) Faktor internal perusahaan (nasabah bank), seperti: kesulitan keuangan,

kesalahan dalam produksi, kesalahan dalam marketing strategy, dan

sebagainya.

3) Faktor eksternal seperti kondisi ekonomi secara makro yang tercermin dalam

tingkat GDP dan juga tingkat inflasi, adanya kenaikan nilai tukar yang

menyebabkan kenaikan harga pokok atau jasa, kebijakan pemerintah, dan

sebagainya.

Greuning dan Bratanovic (2011) mengatakan bahwa hampir semua regulator

menetapkan standar pada pengelolaan risiko kredit yaitu meliputi identifikasi

risiko dan potensi yang ada, mendefinisikan kebijakan yang dapat

menggambarkan manajemen risiko bank serta mampu menetapkan aturan

mengenai ukuran dalam risiko kredit yang akan dikontrol. Jenis kebijakan yang

berkaitan dengan manajemen risiko kredit yaitu kebijakan yang memiliki tujuan

untuk membatasi atau mengurangi risiko kredit dan kebijakan yang bertujuan

Digital Repository Universitas JemberDigital Repository Universitas Jember

31

dalam menciptakan tunjangan pada tingkat tertentu untuk menyerap kerugian

yang dapat diantisipasi.

2.1.7 Keterkaitan Antar Variabel yang Memengaruhi Kredit

1. Variabel Pertumbuhan Ekonomi dan Pengaruhnya pada Kredit

Pertumbuhan ekonomi merupakan suatu proses perubahan pada kondisi

perekonomian suatu negara dengan berlangsung secara berkesinambungan

menuju keadaan yang lebih baik selama periode tertentu (Syahfitri, 2013).

Menurut Prof. Simon Kuznets pertumbuhan ekonomi didefinisikan sebagai

peristiwa kenaikan jangka panjang dalam kemampuan suatu negara untuk dapat

menyediakan semakin banyak jenis barang-barang ekonomi kepada penduduknya;

kemampuan ini tumbuh sesuai dengan kemajuan teknologi dan adanya

penyesuaian ideologis serta kelembagaan yang diperlukan (Jhingan, 2008:57).

Sukirno (2006: 9-10) juga menjelaskan bahwa pertumbuhan ekonomi merupakan

suatu ukuran kuantitatif yang dapat menggambarkan perkembangan suatu

perekonomian dalam suatu tahun tertentu jika dibandingkan dengan tahun

sebelumnya. Sementara itu, Todaro (2006) menjelaskan pertumbuhan ekonomi

sebagai suatu proses yang baik untuk menghasilkan tingkat pendapatan yang

semakin besar melalui kapasitas produksi dari suatu perekonomian yang

meningkat sepanjang tahun.

Indikator yang digunakan untuk dapat menghitung tingkat pertumbuhan

ekonomi adalah pendapatan nasional seperti Gross National Product (GNP) dan

Gross Dometic Product (GDP). Perhitungan tingkat pertumbuhan ekonomi dalam

praktiknya lebih lazim menggunakan GDP dibandingkan dengan GNP karena

batas wilayah perhitungan GDP terbatas pada negara yang bersangkutan

(Syahfitri, 2013). GDP merupakan suatu bentuk pengukuran pada pendapatan

nasional suatu negara, dengan memberikan gambaran mengenai jumlah barang

dan jasa akhir atau output yang telah diproduksi oleh sebuah kawasan tertentu

dalam jangka waktu tertentu (Susanti, 2010). Sedangkan, menurut pendapat

Dornbusch (2004) yang menyatakan bahwa GDP mencakup dalam tiga definisi

penting yaitu sebagai berikut:

Digital Repository Universitas JemberDigital Repository Universitas Jember

32

1) GDP merupakan nilai akhir dari barang dan jasa yang telah diproduksi atau

output sebagai suatu bentuk kegiatan ekonomi dalam jangka waktu tertentu.

2) GDP merupakan jumlah dari nilai tambah yang berasal dari kegiatan ekonomi

selama periode waktu tertentu.

3) GDP merupakan jumlah dari pendapatan yang diterima dari kegiatan ekonomi

dalam jangka waktu tertentu.

Dalam sistem perekonomian yang telah modern, perbankan sebagai lembaga

intermediasi memiliki peran yang strategis dalam perekonomian suatu negara

(Suta. et al., 2003). Bank sebagai lembaga intermediasi memiliki peran untuk

dapat mengalirkan modal ke dalam perekonomian dan juga dapat berpartisipasi

sebagai penyalur dana dalam bentuk kredit bagi para pelaku bisnis untuk

mengembangkan usahanya sehingga tidak ada perekonomian yang mampu

berkembang tanpa peranan bank. Peranan bank dalam lembaga intermediasi

dapat memacu pertumbuhan ekonomi sebuah negara baik secara langsung

maupun tidak langsung yang diukur dengan GDP (Susanti, 2010). Penelitian

yang dilakukan oleh Arestis dan Demetriades (1997) menunjukkan adanya

hubungan yang signifikan dan positif antara pembangunan sektor keuangan

melalui alokasi sumberdaya modal terhadap pertumbuhan ekonomi di Jerman

(Amiruddin. et al., 2007). Pembangunan sektor keuangan negara merupakan

bagian dari industri perbankan yang nantinya akan mendistribusikan simpanan

masyarakat untuk disalurkan kepada perusahaan dalam bentuk penciptaan kredit.

Hal tersebut pada akhirnya diharapkan mampu untuk menggairahkan proses

pertumbuhan ekonomi melalui adanya peningkatan produktivitas (Susanti, 2010).

Pada beberapa studi empiris juga menunjukkan bahwa adanya hubungan positif

antara pertumbuhan ekonomi dengan pertumbuhan kredit yaitu pertumbuhan

ekonomi mendorong pertumbuhan kredit dengan elastis lebih dari satu dalam

jangka panjang (Terrones. et al., 2004).

2. Variabel Inflasi dan Pengaruhnya pada Kredit

Inflasi merupakan kondisi peningkatan yang terjadi secara terus-menerus

pada harga rata-rata atas barang dan jasa di dalam perekonomian (Dornbusch,

Digital Repository Universitas JemberDigital Repository Universitas Jember

33

2004). Sementara itu, Mankiw (2003) juga berpendapat yang menyatakan bahwa

inflasi sebagai terjadinya peningkatan tingkat harga secara keseluruhan di dalam

perekonomian, yang merupakan nilai uang yang dipertukarkan untuk

mendapatkan barang atau jasa. Inflasi merupakan peristiwa terjadinya peningkatan

secara berkelanjutan pada keseluruhan tingkat harga dalam perekonomian sebuah

negara yang pada akhirnya menyebabkan penurunan daya beli masyarakat.

Terjadinya inflasi diakibatkan dari peningkatan tingkat harga di atas rata-rata yang

berlaku umum yang dapat diukur menggunakan indeks harga barang-barang

konsumsi dari tahun ke tahun (Susanti, 2010; Syahfitri, 2013). Sedangkan,

menurut Fahmi (2010) yang menyatakan bahwa inflasi merupakan suatu peristiwa

yang dapat menggambarkan kondisi dimana harga barang mengalami peningkatan

dan nilai mata uang mengalami pelemahan, apabila hal ini terjadi secara terus-

menerus maka akan mengakibatkan memburuknya kondisi perekonomian secara

menyeluruh dan mampu mengguncang tatanan politik suatu negara.

Menurut Sukirno (2002), faktor-faktor yang menyebabkan terjadinya inflasi

dapat dibedakan menjadi dua jenis, yaitu:

1) Sisi permintaan (Demand Pull Inflation), yaitu inflasi yang diakibatkan oleh

terlalu kuatnya peningkatan permintaan agregat yang cepat oleh masyarakat

terhadap komoditi-komoditi hasil produksi di pasar barang dan perusahaan

tidak mampu mengimbangi kecepatan permintaan tersebut. Akibatnya, akan

terjadi kekurangan barang di pasar sehingga dapat mendorong kenaikan harga

untuk menyeimbangi permintaan dan penawaran agregat.

2) Sisi penawaran (Cost-Push Inflation), yaitu inflasi yang terjadi akibat

peningkatan pada biaya produksi (baik yang berasal dari dalam negeri

maupun dari luar negeri) di pasar faktor produksi secara terus-menerus

sehingga memicu kenaikan harga-harga dalam perekonomian.

Secara teoritis inflasi dapat memengaruhi kredit secara tidak langsung melalui

berbagai jalur salah satunya dengan memengaruhi kebijakan pemerintah dalam

memitigasi tingginya inflasi. Kebijakan pemerintah yang diambil melalui

kebijakan moneter adalah dengan cara meningkatkan suku bunga dan

menawarkan surat berharga ke pasar modal seperti SBI sehingga dapat

Digital Repository Universitas JemberDigital Repository Universitas Jember

34

mengurangi jumlah uang beredar. Pemerintah melakukan cara untuk dapat

meningkatkan cadangan wajib bank umum sehingga uang yang mengendap dapat

meningkat dan kredit akan menurun (Susanti, 2010; Syahfitri, 2013).

3. Variabel Pertumbuhan Harga Rumah dan Pengaruhnya pada Kedit

Harga perumahan ditentukan berdasarkan nilai sekarang dari ekspektasi aliran

masuk kas di masa depan. Peningkatan ketersediaan kredit dapat meningkatkan

permintaan akan rumah yang tercermin dalam harga perumahan yang lebih tinggi

sesuai dengan hukum permintaan dan penawaran (Setianto, 2015). Hubungan

yang terjadi antara harga properti, siklus kredit perbankan, dan kondisi

perekonomian telah banyak diobservasi di berbagai negara dengan hasil penelitian

yang menunjukkan bahwa terdapat hubungan signifikan antara harga properti dan

pasar kredit terhadap fluktuasi perekonomian. Perhatian pada topik ini menjadi

semakin mendapat perhatian khusus setelah terjadi krisis kredit perumahan di

Amerika Serikat yang memberikan pengaruh sangat besar terhadap perekonomian

pada negara-negara lain di dunia.

Secara teoritis, terdapat hubungan antara harga properti dan kredit bank yaitu

kenaikan harga perumahan dapat mendorong aktivitas penyaluran kredit

perbankan baik dengan cara mendorong penawaran ataupun permintaan kredit

(Goodhart. et al., 2008). Kenaikan harga perumahan dapat meningkatkan posisi

neraca bank seiring dengan upaya untuk menyalurkan kredit dan lonjakan harga

perumahan juga akan meningkatkan risiko gagal bayar yang dihadapi bank

sehingga bank dapat memberikan respon dengan mengurangi penyaluran kredit.

4. Variabel Krisis dan Pengaruhnya pada Kredit

Era globalisasi menyebabkan krisis keuangan sering terjadi dibandingkan

sebelumnya. Globalisasi merupakan suatu proses transformasi ekonomi yang

terkait dengan meningkatnya arus modal, barang, jasa dan pengetahuan melintasi

batas negara (Yoshendy, 2012). Globalisasi memiliki tujuan untuk kemajuan

dalam teknologi informasi yang dapat menyebabkan memperbesar gelombang

krisis dan mempercepat penyebarannya ke daerah atau negara lain (Raz. et al.,

Digital Repository Universitas JemberDigital Repository Universitas Jember

35

2012). Alasan lainnya yang memicu krisis keuangan adalah perkembangan sektor

keuangan yang sangat pesat sehingga memunculkan International Financial

Integration (IFI) yaitu mengacu pada sejauh mana suatu perekonomian tidak

membatasi transaksi lintas batas (Edison. et al., 2002). Oleh karena itu, karena

sistem keuangan telah terintegrasi maka akan menimbulkan gangguan keuangan

domestik di satu negara yang dapat mengakibatkan efek domino dengan cara

mengganggu ekonomi negara lainnya yang mengarah pada kekacauan keuangan

global (Raz. et al., 2012).

Reserve Bank of Australia (2012) mendefinisikan sistem keuangan yang

stabil sebagai sebuah sistem dimana setiap kegiatan transfer dana dari pemberi

pinjaman kepada peminjam akan diakomodasikan dengan baik oleh perantara

keuangan, struktur pasar, dan pasar. Oleh karena itu, ketidakstabilan keuangan

merupakan suatu kondisi jatuhnya sistem keuangan yang disebabkan oleh adanya

gangguan kegiatan-kegiatan yang dapat memicu terjadinya krisis keuangan. Krisis

keuangan global yang terjadi pada tahun 2008 bermula di Amerika Serikat karena

dipicu oleh krisis ―subprime mortgage‖. Subprime mortgage atau surat kredit

perumahan (KPR) yang memiliki bunga rendah menyebabkan peningkatan pada

permintaan rumah di tahun 2000 sampai 2005 sehingga mendorong masyarakat

AS untuk cenderung menjadi lebih konsumtif dengan mengandalkan pembiayaan

dari pinjaman yang menjadi utang ke bank-bank (Sudarsono, 2009). Pinjaman

yang berlebihan dan diberikan tanpa kehati-hatian dari bank memicu terjadinya

gagal bayar sehingga menyebabkan terjadinya kredit macet yang lebih dikenal

dengan subprime mortgage crisis sehingga banyak bank yang melakukan

penyitaan rumah. Hal tersebut menjadi masalah ketika bank menjualnya,

menciptakan lebih banyak penawaran rumah di pasar daripada permintaannya

yang menyebabkan harga rumah menjadi turun (Aulia, 2017; Glindro. et al.,

2008).

2.2 Penelitian Terdahulu

Sejak terjadi krisis tahun 2008, memberikan pelajaran bahwa pentingnya

menjaga stabilitas keuangan dalam menjaga perekonomian. Komite Basel

Digital Repository Universitas JemberDigital Repository Universitas Jember

36

membuat regulasi baru yang biasa disebut dengan Basel III yakni terkait langkah-

langkah dengan tujuan mencegah krisis di masa depan dengan yang dikenal

sebagai tindakan kebijakan makroprudensial. Pasca terjadinya krisis, kebijakan

makroprudensial semakin populer dan telah banyak diterapkan di negara-negara

maju hingga negara berkembang. Kepopuleran kebijakan makroprudensial

membuat banyak penelitian yang meneliti terkait efektivitas kebijakan

makroprudensial yang diterapkan di berbagai negara. Hasil penelitian terkait

efektivitas kebijakan makroprudensial masih belum dapat dijelaskan dengan pasti

oleh karena itu penelitian dilakukan menggunakan metode yang berbeda-beda

tergantung data yang diperoleh.

Funke dan Paetz (2012) melakukan penelitian dengan judul ―A DSGE –

Based Assessment of Nonlinear Loan-to-Value Policies: Evidence from Hong

Kong‖ untuk menganalisis manfaat kebijakan makroprudensial countercyclical

dalam model DSGE New Keynesian. Penelitian ini dilakukan dengan mengunakan

metode DSGE dengan bukti dari Hong Kong dan hasilnya menunjukkan bahwa

kebijakan rasio LTV dapat efektif dalam menjinakkan booming harga properti dan

mengandung risiko yang terkait juga kebijakan LTV nonlinear diimplementasikan

dalam rekasi terhadap inflasi harga properti yang tinggi dapat membatasi

transmisi efek siklus harga perumahan untuk ekonomi riil.

Claessens, Ghosh, dan Mihet (2014) melakukan penelitian dengan judul

―Macro-Prudential Policies to Mitigate Financial System Vulnerabilities‖ untuk

dapat mengetahui efektifitas kebijakan makroprudensial dalam memitigasi risiko

keuangan sistemik. Penelitiannya menggunakan regresi data panel dengan

menganalisis bagaimana perubahan neraca bank individu di 48 negara lebih dari

tahun 2000-2010. Mereka menemukan bahwa tindakan peminjaman caps LTV

dan DTI, pertumbuhan kredit dan batas pinjaman uang asing telah efektif dalam

mengurangi pertumbuhan leverage dan aset.

Tillmann (2014) melakukan penelitian dengan judul ―Estimating the Effects

of Macroprudential Policy Shocks‖ untuk dapat mengetahui dampak

kecenderungan dari pengetatan kebijakan makroprudensial pada instrumen LTV

dalam menenangkan pasar properti yang overheating. Tillmann dalam

Digital Repository Universitas JemberDigital Repository Universitas Jember

37

penelitiannya menggunakan model Qual VAR yang diperkenalkan oleh Dueker

(2005) untuk mempelajari guncangan kebijakan makroprudensial. Meneliti

efektivitas kebijakan makroprudensial seperti LTV dan DTI dalam menangani

pasar perumahan pada negara-negara maju di Asia (Hongkong, Korea, dan

Singapura), hasilnya menunjukkan bahwa pengetatan makroprudensial memiliki

dampak yang signifikan terhadap harga rumah dan pertumbuhan kredit dengan

efek terkuat di Korea dan sebagian besar tidak di Hong kong.

Cerutti, Claessens, dan Laeven (2015) melakukan penelitian dengan judul

―The Use and Effectiveness of Macroprudential policies: New Evidence‖ untuk

mengetahui efektifitas dari kebijakan makroprudesial yang mencakup banyak

instrumen di negara berkembang dan negara maju. Dalam penelitiannya

menggunakan OLS untuk dasar regresi kemudian melaporkan perkiraan

menggunakan metode estimasi Generalize Method of Moment (GMM) untuk 190

negara selama periode 2000-2013. Hasil penelitiannya menunjukkan bahwa

negara berkembang menggunakan kebijakan makroprudensial lebih sering

khususnya terkait valuta asing sementara negara maju menggunakan kebijakan

borrowed based.

Akinci dan Olmstead-Rumsey (2015) melakukan penelitian dengan judul

―How Effective Are Macroprudential Policies? An Empirical Investigation‖ untuk

mengetahui efektivitas kebijakan makroprudensial dalam menahan pertumbuhan

kredit perbankan dan inflasi harga perumahan. Penelitian ini menggunakan model

data panel dynamic untuk 57 negara maju dan berkembang selama periode 2000

Q1 hingga 2013 Q4. Hasil penelitiannya menunjukkan bahwa kebijakan

makroprudensial lebih efektif digunakan setelah krisis keuangan global di negara

maju dan negara berkembang; kebijakan-kebijakan ini fokus dalam menargetkan

sektor perumahan terutama negara maju; kebijakan makroprudensial dapat

mengalami perubahan seiring dengan persyaratan cadangan bank, ukuran

managemen aliran modal, dan kebijakan moneter; pengetatan makroprudensial

dikaitkan dengan pertumbuhan kredit bank yang lebih rendah, pertumbuhan kredit

perumahan, dan inflasi harga rumah; kebijakan makroprudensial yaitu kebijakan

Digital Repository Universitas JemberDigital Repository Universitas Jember

38

caps LTV dan DTI yang berhubungan dengan perumahan dapat menghambat

pertumbuhan kredit perumahan dan inflasi harga rumah.

J ́come dan Mitra (2015) melakukan penelitian dengan judul ―LTV and DTI

Limits – Going Granular‖dalam penelitiannya menggunakan model regresi panel

data untuk 6 negara (Brazil, Hong Kong SAR, Korea, Malaysia, Poland, dan

Rumania) selama periode Juli 2002-Desember 2013. Penelitian ini bertujuan

untuk mengisi kesenjangan dengan melihat lebih dekat kegunaan dan efektivitas

kebijakan makroprudensial. Hasil penelitiannya menunjukkan bahwa dalam

beberapa kasus kebijakan LTVs dan DTIs efektif dalam mengurangi

pertumbuhan-pinjaman dan meningkatan kinerja debt-services dari pinjaman dan

dengan demikian dapat membuat sektor keuangan lebih tahan terhadap risiko

penurunan, akan tetapi tidak selalu efektif dalam mengendalikan pertumbuhan

harga rumah.

Zhang dan Zoli (2015) melakukan penelitian dengan judul ―Leaning Againts

The Wind: Macroprudencial Policy in Asia‖ untuk mengetahui efektivitas

kebijakan makroprudensial terutama dalam langkah-langkah yang terkait dengan

perumahan. Penelitian ini dengan menggunakan regresi dynamic paneluntuk 13

negara Asia dan 33 negara di wilayah lain selama periode 2000-2013. Hasil

penelitiannya menunjukkan bahwa instrumen kebijakan makroprudensial terkait

dengan perumahan terutama ratio Caps Loan-to-Value dan pajak perumahan telah

membantu mencegah pertumbuhan harga perumahan, pertumbuhan kredit, dan

leverage Bank di Asia.

Lee et al. (2016) melakukan penelitian dengan judul ―Effectiveness of

Macroprudential Policies in Developing Asia: An Empirical Analysis‖.

Penelitiannya menggunakan model Qual VAR mengadopsi metode yang

digunakan oleh Tillmann (2014) untuk menganalisis bagaimana kebijakan

makroprudensial secara efektif mengontrol pertumbuhan kredit, pertumbuhan

leverage, dan apresiasi harga perumahan. Kebijakan LTV dan DTI sering

digunakan di Indonesia, Republik Korea, Singapura, dan Thailand. Kebijakan

LTV memiliki dampak langsung dalam meredam ekspansi kredit, sedangkan

instrumen kebijakan makroprudensial terkait likuiditas (net open currency

Digital Repository Universitas JemberDigital Repository Universitas Jember

39

positions) sering digunakan di Republik Rakyat China (RRC), India, dan Filipina.

Kebijakan tersebut berpengaruh signifikan terhadap pertumbuhan leverage dan

eskalasi harga perumahan.

Digital Repository Universitas JemberDigital Repository Universitas Jember

40

Tabel 2.1 Penelitan Terdahulu

No Nama Penelitian Judul Metode Variabel Hasil

1. Funke dan Paetz

(2012)

A DSGE –

Based

Assessment of

Nonlinear Loan-

to-Value

Policies:

Evidence from

Hong Kong

Metode

DSGE

Rasio LTV, konsumsi,

output, hutang, investasi

perumahan, inflasi

agregat, inflasi harga

properti

hasilnya menunjukkan bahwa kebijakan rasio

LTV dapat efektif dalam menjinakkan booming

harga properti dan mengandung risiko yang

terkait juga kebijakan LTV nonlinear

diimplementasikan dalam rekasi terhadap

inflasi harga properti yang tinggi dapat

membatasi transmisiefek siklus harga

perumahan untuk ekonomi riil.

2. Claessens,

Ghosh, dan

Mihet

(2014)

Macro-

Prudential

Policies to

Mitigate

Financial

System

Vulnerabilities

Regresi data

panel

Leverage dan likuiditas,

perubahan ekonomi

global, perubahan aset,

perubahan leverage dan

non-inti.

Mereka menemukan bahwa tindakan

peminjaman caps LTV dan DTI, pertumbuhan

kredit dan batas pinjaman uang asing telah

efektif dalam mengurangi pertumbuhan

leverage dan aset

3. Tillman 2014 Estimating the

Effects of

Macroprudential

Policy Shocks

Qual VAR Tingkat pertumbuhan

GDP riil, perubahan

tingkat suku bunga

jangka pendek, tingkat

pertumbuhan kredit riil,

dan perubahan harga

rumah riil.

pengetatan makroprudensial memiliki dampak

yang signifikan terhadap harga rumah dan

pertumbuhan kredit dengan efek terkuat di

Korea dan sebagian besar tidak di Hong kong

4. Cerutti,

Claessens,

The Use and

Effectiveness of

OLS untuk

dasar

Pertumbuhan kredit riil

atau pertumbuhan harga

Penggunaan kebijakan makroprudensial untuk

199 negara selama periode 2000 – 2013, negara

Digital Repository Universitas JemberDigital Repository Universitas Jember

41

Laeven, 2015 Macroprudential

policies: New

Evidence

regresi

kemudian

melaporkan

perkiraan

GMM

perumahan riil, MPI,

GDPi pada tahun

sebelumnya, Bank

Crisisit-1, Policyit-1, a

country fixed effect to

capture any non-time

varying country specific

conditions

berkembang menngunakan kebijakan

makroprudensial lebih sering khususnya terkait

valuta asing sementara negara maju lebih

menggunakan kebijakan borrowed-based.

5. Akinci, dan

Olmstead-

Rumsey

(2015)

How Effective

Are

Macroprudential

Policies? An

Empirical

Investigation

Data panel

dynamic

Tingkat pertumbuhan

credit bank domestik riil,

pertumbuhan GDP riil,

perubahan nominal

tingkat kebijakan

moneter, indeks VIX

Hasil penelitiannya menunjukkan bahwa

kebijakan makroprudensial yaitu kebijakan

caps LTV dan DTI yang berhubungan dengan

perumahan dapat menghambat pertumbuhan

kredit perumahan dan inflasi harga rumah.

6. J ́come dan

Mitra (2015)

LTV and DTI

Limits – Going

Granular

Regresi

panel data

Kredit hipotek dan

perubahan batas LTV

Hasil penelitiannya menunjukkan bahwa dalam

beberapa kasus kebijakan LTVs dan DTIs

efektif dalam mengurangi pertumbuhan-

pinjaman dan meningkatan kinerja debt-

services dari pinjaman dan dengan demikian

dapat membuat sektor keuangan lebih tahan

terhadap risiko penurunan, akan tetapi tidak

selalu efektif dalam mengendalikan

pertumbuhan harga rumah.

7. Zhang dan Zoli

(2015)

Leaning Againts

The Wind:

Macroprudencia

l Policy in Asia

Regresi

dynamic

panel

Rasio LTV, tingkat

pertumbuhan GDP, rasio

GDPuntuk kredit atau

harga

Hasil penelitiannya menunjukkan bahwa

instrumen kebijakan makroprudensial terkait

dengan perumaha terutama ratio Caps Loan-to-

Value dan pajak perumahan telah membantu

Digital Repository Universitas JemberDigital Repository Universitas Jember

42

perumahan,indikator

CFM atau kebijakan

makroprudensial,

pertumbuhan GDP riil,

permintaan kredit,

tingkat pasar uang.

mencegah pertumbuhan harga perumahan,

pertumbuhan kredit, dan leverage.

8. Lee, Asuncion,

Kim (2016)

Effectiveness of

Macroprudential

Policies in

Developing

Asia: An

Empirical

Analysis

Qual VAR Binary dependent

variable sebagai

makroprudensial,

tingkat pertumbuhan

PDB riil, perubahan

tingkat suku bunga

jangka pendek, dan

tingkat pertumbuhan

kredit riil, perubahan

pada harga perumahan

riil

Kebijakan makroprudensial tampaknya efektif

dalam mengontrol pertumbuhan kredit,

pertumbuhan leverage, dan apresiasi harga

perumahan. Kebijakan LTV dan DTI sering

digunakan di Indonesia, Republik Korea,

Singapura, dan Thailand. Kebijakan LTV

memiliki dampak langsung dalam meredam

ekspansi kredit. Sementara instrumen kebijakan

makroprudensial terkait likuiditas (net open

currency positions) sering digunakan di

Republik Rakyat China (RRC), India, dan

Filipina. Kebijakan tersebut berpengaruh

signifikan terhadap pertmbuhan leverage dan

eskalasi harga perumahan.

Digital Repository Universitas JemberDigital Repository Universitas Jember

43

2.3 Kerangka Konseptual

Kerangka konseptual merupakan kerangka pemikiran dari penelitian yang

terfokus dan digunakan sebagai pedoman dalam penelitian. Kerangka konseptual

menjelaskan tentang kebijakan baru yang terbentuk karena terjadi krisis ekonomi

di dunia. Berawal dari kebijakan makroekonomi yaitu kebijakan moneter dan

fiskal yang hanya berpengaruh terhadap stabilitas harga dan pertumbuhan

ekonomi yang ternyata dapat memperburuk siklus keuangan. Kebijakan moneter

dianggap kurang mampu untuk menjaga stabilitas makroekonomi. Sejalan dengan

itu, muncullah beberapa perubahan regulasi baru di kembangkan oleh Komite

Basel yang bertujuan untuk mencegah krisis di masa depan yang dikenal dengan

sebagai kebijakan makroprudensial (Rubio. et al., 2015). Sebelum terjadinya

krisis keuangan global tahun 2008, regulasi yang digunakan yakni kebijakan

mikroprudensial yang dirasa mampu untuk memantau kesehatan institusi

individual, dan juga banyak bank yang lebih fokus pada kestabilan inflasi (Funke.

et al., 2012; Lee. et al., 2015; Schoenmaker. et al., 2015).

Dari Gambar 2.1 dapat dijelaskan bahwa stabilitas sistem keuangan dapat

dilakukan melalui kebijakan makroprudensial, kebijakan mikroprudensial, serta

kebijakan makroekonomi. Dibutuhkan koordinasi antara kebijakan

makroprudensial dan kebijakan makroekonomi terutama kebijakan moneter dalam

menstabilkan keuangan dengan saling melengkapi dalam mencapai tujuan secara

bersama dan lebih efektif ketika kedua kebijakan tersebut saling melengkapi

daripada ketika bertindak berlawanan arah (Bruno. et al., 2016; De Pouli. et al.,

2013; Genberg. et al., 2015). Begitu pula kebijakan makroprudensial dan

kebijakan mikroprudensial memiliki keterkaitan yang erat yakni kebijakan

makroprudensial muncul untuk melengkapi pengawasan kebijakan

mikroprudensial dan memiliki keterkaitan dengan sistem keuangan (Osi ́ski. et

al., 2013; Schoenmaker. et al., 2015).

Menurut Lee et al. (2016) langkah-langkah makroprudensial terdapat dalam

tiga kategori yaitu kredit, likuiditas, dan modal. Instrumen terkait kredit yaitu

instrumen yang mampu mengatasi pertumbuhan kredit yakni salah satunya

berupa instrumen Loan-to-Value (LTV). Instrumen terkait likuiditas yaitu

Digital Repository Universitas JemberDigital Repository Universitas Jember

44

instrumen yang mampu mengatasi masalah kecukupan likuiditas salah satunya

berupa instrumen Loan-to-Deposit ratio (LDR). Kemudian instrumen terkait

modal yaitu instrumen yang dapat mengatasi kebutuhan modal yakni salah

satunya berupa instrumen Countercyclical capital requirement (Grace. et al.,

2015; Lee. et al., 2016). Konsep yang dijelaskan dalam penilitian akan terfokus

pada instrumen kebijakan makroprudensial berupa Loan-to-Value (LTV) yang

memiliki sasaran prosiklisitas pada kredit.

Digital Repository Universitas JemberDigital Repository Universitas Jember

45

Gambar 2.3 Kerangka Konseptual

Keterangan:

Hubungan Langsung

Lingkup Penelitian

Kebijakan Mikroprudensial

Perbankan

Kesehatan

Lembaga

Perbankan

LTV

Modal LikuiditaKredit

Instrumen

Kebijakan Makroprudensial

Prosiklisitas

Kebijakan Makroekonomi

Moneter Fiskal

Stabilitas

Harga

Pertumbuhan

Ekonomi

GDP

Inflasi

Harga Perumahan

Krisis

Keseimbangan Makrofinansial

Stabilitas Sistem Keuangan

Digital Repository Universitas JemberDigital Repository Universitas Jember

46

2.4 Hipotesis Penelitian

Hipotesis penelitian merupakan dugaan yang telah dibuat sebelum melakukan

penelitian yang didasarkan pada teori dan literatur penelitian sebelumnya.

Hipotesis penelitian berawal dari teori ekonomi moneter kemudian konsep

stabilitas keuangan dan kebijakan makroprudensial yang bertujuan untuk menjaga

stabilitas keuangan dengan cara mengurangi konsekuensi yang dapat merugikan

ekonomi riil.

Instrumen kebijakan makroprudensial yaitu Loan-to-Value (LTV) yang

memiliki fungsi untuk mengatasi risiko sistemik terkait pertumbuhan kredit pada

kreit kepemilihan rumah. Berdasarkan landasan teori dan penelitian sebelumnya

dapat dibangun hipotesis dalam penelitian ini adalah:

1. Kebijakan LTV efektif dalam mempengaruhi pertumbuhan kredit perbankan

di Indonesia periode 2005Q1 hingga 2017Q4.

2. Pertumbuhan kredit perbankan dipengaruhi oleh beberapa variabel sebagai

berikut:

a. Pertumbuhan ekonomi berpengaruh positif terhadap pertumbuhan kredit

perbankan.

b. Inflasi berpengaruh negatif terhadap pertumbuhan kredit perbankan.

c. Pertumbuhan harga perumahan berpengaruh negatif terhadap

pertumbuhan kredit perbankan.

d. Krisis perbankan berpengaruh negatif terhadap pertumbuhan kredit

perbankan.

e. Kebijakan LTV berpengaruh negatif terhadap pertumbuhan kredit

perbankan.

Digital Repository Universitas JemberDigital Repository Universitas Jember

BAB 3. METODE

Bab 3 menjelaskan mengenai metode penelitian yang dapat digunakan untuk

mengestimasi variabel yang telah ditentukan berdasarkan data yang telah

diperoleh. Pada bab ini terdapat beberapa subbab yakni subbab 3.1 menjelaskan

tentang jenis penelitian; subbab 3.2 menjelaskan tentang tempat dan waktu

penelitian; subbab 3.3 menjelaskan tentang jenis dan sumber data; subbab 3.4

memaparkan tentang kerangka penelitian; subbab 3.5 tentang spesifikasi model

penelitian; subbab 3.6 menjelaskan tentang metode analisis data; serta pada

subbab terakhir 3.7 menjelaskan definisi operasional dari masing-masing variabel

dalam analisis data.

3.1 Jenis Penelitian

Metode penelitian ini menggunakan metode pendekatan kuantitatif dan jenis

penelitiannya adalah explanatory research. Penelitian kuantitatif digunakan untuk

menguji suatu teori, menunjukkan hubungan antar variabel, mengembangkan

konsep, menyajikan suatu fakta atau mendeskripsikan statistik dari data berupa

angka, dan mengembangkan pemahaman (Subana. et al., 2005:25). Menurut

Sugiyono (2012:14) menyatakan bahwa penelitian kuantitatif merupakan suatu

metode pada penelitian yang digunakan untuk meneliti pada populasi atau sampel

dengan tujuan untuk menguji hipotesis peneliti. Tipe penelitian explanatory

research menurut pendapat Singarimbun dan Effendi (2006:4) mengatakan bahwa

tipe penelitian tersebut merupakan penelitian melalui pengujian hipotesis yang

telah ditetapkan dengan digunakan untuk menjelaskan hubungan kausal antara

variabel-variabel.

3.2 Tempat dan Waktu Penelitian

Penelitian ini dilakukan di Indonesia dengan periode waktu yang digunakan

pada tahun 2005Q1 hingga 2017Q4. Penentuan rentan waktu tersebut berdasarkan

atas fenomena ekonomi yang dihadapi dalam rentan waktu itu. Fenomena

ekonomi terjadi pada tahun 2005 dimana kondisi perekonomian global kurang

Digital Repository Universitas JemberDigital Repository Universitas Jember

48

menguntungkan yaitu terjadinya siklus pengetatan kebijakan global dan

meningkatnya harga minyak dunia yang menyebabkan pertumbuhan ekonomi dan

stabilitas makro mengalami gangguan. Kenaikan minyak dunia menyebabkan

lonjakan kenaikan pada permintaan valuta asing di pasar domestik sehingga

menciptakan volatilitas nilai tukar rupiah yang cukup tajam. Depresiasi nilai tukar

dan kenaikan BBM pada akhirnya menyebabkan inflasi meningkat secara

signifikan. Penyaluran kredit perbankan juga mengalami peningkatan, hal tersebut

juga diikuti dengan kenaikan pada tingkat suku bunga dan risiko sektor riil

sehingga meningkatkan risiko kredit yang perlu diwaspadai oleh perbankan.

Kemudian pada tahun 2008 yaitu terjadinya krisis keuangan global yang

diakibatkan oleh pelemahan ekonomi Amerika Serikat karena lonjakan

permintaan kredit perumahan yang pada akhirnya menyebabkan penurunan harga

perumahan secara signifikan.

3.3 Jenis dan Sumber Penelitian

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif

sedangkan sumber data yang digunakan dalam penelitian ini menggunakan data

sekunder berupa data time series. Data sekunder merupakan data yang

dikumpulkan oleh lembaga pengumpul data serta dipublikasikan masyarakat

pengguna data (Kuncoro, 2004). Data yang digunakan dalam penelitian ini

diperoleh dari Bank Indonesia, Otoritas Jasa Keuangan (OJK), Bank For

International Settlement (BIS), International Monetary Fund (IMF), Federal

Reserve Economic Data (FRED) serta beberapa literatur terkait. Data yang

dibutuhkan dalam penelitian ini adalah data pertumbuhan kredit perbankan,

pertumbuhan GDP riil, Indeks Harga Konsumen (IHK), dan pertumbuhan harga

perumahan.

3.4 Kerangka Penelitian

Kerangka penelitian menggambarkan tentang bagan-bagan yang menjelaskan

mengenai jawaban terhadap rumusan masalah dalam penelitian. Sehingga pada

subbab ini akan menampilkan pemaparan kerangka penelitian secara ringkas

Digital Repository Universitas JemberDigital Repository Universitas Jember

49

mulai dari pencarian data, input data, mengolah data sesuai dengan metode yang

digunakan, yang dalam penelitian ini menggunakan analisis Vector Error

Correction Model (VECM) hingga nantinya akan dilakukan tahapan analisis dari

metode yang digunakan sampai pada pengambilan kesimpulan.

Tahapan yang pertama dalam penelitian ini adalah pencarian tema serta

permasalahannya. Langkah selanjutnya adalah penyusunan proposal dari bab satu

hingga bab tiga yaitu terdiri dari pendahuluan, tinjauan pustaka, dan metode

penelitian. Setelah itu langkah selanjutnya adalah pencarian data hingga tahap

input data dan melakukan analisis data dengan menggunakan Eviews 9. Data yang

digunakan merupakan data perbankan dan makroekonomi Indonesia yang

mewakili beberapa variabel pilihan untuk dilakukan pengujian. Selanjutnya

setelah melakukan input data ke Eviews 9, maka akan dilakukan uji stasioneritas

data yang menggunakan uji unit root Augmented Dickey-Fuller. Terdapat tiga

tingkatan dalam pengujian ini yaitu level, first difference, dan second difference.

Tiga tingkatan tersebut bertujuan apabila data pada tingkat level belum stasioner

maka akan dilakukan uji pada tingkat first difference, dan jika masih belum

stasioner dilanjutkan pada tingkat second difference hingga data stasioner pada

tingkat yang sama. Setelah data stasioner, maka yang yang selanjutnya dilakukan

adalah uji kointegrasi dengan tujuan untuk melihat hubungan panjang antar

variabel dalam model. Pemilihan metode yang dilakukan dapat dilihat dari hasil

uji kointegrasi, apabila terjadi kointegrasi maka akan menggunakan metode

VECM dan jika tidak maka menggunakan VAR. Selanjutnya akan dilakukan

beberapa pengujian yaitu uji optimum lag, uji kausalitas Granger, uji stabilitas

model, estimasi model VECM, analisis Impuls Response Function (IRF), dan uji

Variance Decompotition (VD). Setelah melakukan seluruh tahap pengujian, maka

proses akhir dari rangkaian pengujian adalah interpretasi dan justifikasi hasil.

Untuk langkah-langkah dalam analisis data akan lebih dijelaskan pada subbab 3.5

metode analisis data.

Digital Repository Universitas JemberDigital Repository Universitas Jember

50

Gambar 3.1 Kerangka Penelitian

Mulai

Pencarian Data

Input Data

Uji Stasioneritas

Stasioneritas Tidak Stasioneritas

Uji Kointegrasi

Tidak Terkointegrasi Terkointegrasi

Vector Autoregression

(VAR)

Vector Error Correction

Model (VECM)

Analisis

Kesimpulan

Selesai

Digital Repository Universitas JemberDigital Repository Universitas Jember

51

3.5 Spesifikasi Model Penelitian

Penelitian ini mengadopsi dari dua penelitian yang mampu mewakili asumsi

penelitian yang telah dibangun. Selain itu, pemilihan model tergantung

perekonomian di Indonesia. Model yang disusun sebagai pemodelan dari

instrumen kebijakan Loan-to-Value (LTV). Model yang digunakan dalam

penelitian ini menggunakan penelitian dari Cerutti et al (2015) dan Jung et al

(2017) dengan memfokuskan penelitian pada efektivitas instrumen LTV dengan

beberapa penyesuaian. Dalam penelitian ini menggunakan metode VAR dalam

mengestimasi modelnya yang terdiri dari variabel pertumbuhan kredit perbankan,

pertumbuhan harga rumah riil, pertumbuhan GDP riil, Inflasi, dummy krisis,

dummy LTV, dan dummy LTV*Kredit dan daerah Penelitian menggunakan negara

di Indonesia. Dengan beberapa perubahan tersebut dapat diperoleh model

ekonominya sebagai berikut:

CREDIT = F (GDP, CPI, HOUSE, Crisis, LTV, LTV*CREDIT) ................... (3.1)

Kemudian model tersebut diturunkan ke dalam persamaan model ekonometrika,

yaitu:

= + + + + + +

* + .......................................................... (3.2)

Keterangan :

= Pertumbuhan kredit perbankan (%)

= Pertumbuhan Produk Domestik Bruto (%)

= Inflasi (%)

= Pertumbuhan harga rumah riil (%)

= Dummy dari Krisis 2008

Dimana: 1 : selama periode krisis

0 : selama periode non-krisis

= Dummy dari kebijakan LTV

Dimana: 1 : setelah instumen diterapkan

0 : sebelum instrumen diterapkan

* = Jumlah rasio LTV terhadap pertumbuhan kredit

Digital Repository Universitas JemberDigital Repository Universitas Jember

52

3.6 Metode Analisis Data

Subbab ini akan menjelaskan metode analisis data yang akan digunakan

untuk menganalisis data yang sebelumnya diperoleh. Penelitian ini bertujuan

untuk mengetahui efektivitas instrumen kebijakan LTV di Indonesia. Metode

analisis data yang digunakan dalam penelitian ini adalah menggunakan metode

analisis kausal, yaitu analisis Vector Error Correction Model (VECM) atau

metode Vector Autoregressive (VAR).

3.6.1 Metode Analisis Vector Error Correction Model (VECM) atau Vector

Autoregressive (VAR)

Metode analisis VECM atau VAR merupakan metode estimasi model

dinamis yang tidak mengacu pada model struktural yaitu model yang berdasarkan

dengan konsep teoritis, melainkan suatu model yang menggunakan minimal dari

asumsi dasar dari teori ekonomi artinya model ini lebih kepada bentuk model

yang menyesuaikan fenomena ekonomi yang terjadi. Sifat khusus dari model

VAR yang dikembangkan adalah variabel-variabel dalam model VAR tidak lagi

dibedakan antara variabel endogen dan variabel eksogen, melainkan semua

variabel diberlakukan sama karena semua variabel dikatakan sama (Gujarati,

2004; Nachrowi, 2006). Metode VAR digunakan untuk melihat hubungan antar

variabel dalam jangka pendek. Dalam metode VAR ini tidak terdapat kointegrasi,

dikarenakan model ini hanya mempunyai hubungan antar variabel dalam jangka

pendek sedangkan VECM memiliki hubungan jangka panjang dan data

diharuskan terkointegrasi. Reaksi yang diberikan oleh suatu variabel akibat dari

perubahan variabel lain dijelaskan dalam impuls respon. Sedangkan, proporsi

variabel lain dalam memengaruhi aktivitas guncangan itu melalui variance

decomposition. Pada analisis VAR sebuah model akan diuji stabilitasnya.

Persamaan dasar model VAR adalah sebagai berikut :

................................................................................... (3.3)

Keterangan :

adalah elemen vektor dari:

Digital Repository Universitas JemberDigital Repository Universitas Jember

53

Model Kredit = Gross Domestic Product (GDP), tingkat suku bunga, Indeks

Harga Konsumen (IHK), harga perumahan, krisis, dan kebijakan LTV. Diketahui

merupakan vektor konstanta yaitu koefisien dari , n merupakan

panjang lag. adalah vektor dari shock terhadap masing-masing variabel.

Pengaruh antar variabel dapat dilihat dari turunan persamaan VAR sebagai

berikut:

= + + + + +

+ + * + ........... (3.4)

= + + + + +

+ + * + ........... (3.5)

= + + + + +

+ + * + ........... (3.6)

= + + + + +

+ + * + ........... (3.7)

= + + + + +

+ + * + ........... (3.8)

= + + + + +

+ + * + ........... (3.9)

* = + + + + +

+ + * + ......... (3.10)

Sementara untuk dapat mengestimasi dalam hubungan jangka panjang, maka

perlu dilakukan pendekatan dengan metode VECM. Formulasi untuk model

VECM adalah sebagai berikut:

= + ∑ + + ...................................................... (3.11)

Keterangan:

= Hubungan jangka pendek variabel

= Koefisien intersep

α = Overshooting parameter atau speed of adjustment

= Koefisien keseimbangan jangka panjang

Digital Repository Universitas JemberDigital Repository Universitas Jember

54

= + + + + +

+ + +

+ + + +

+ + + +

+ + + +

+ + ........ (3.12)

= + + + + +

+ + * + +

+ + + +

+ + + +

+ + + *

+ * + .................................................... (3.13)

= + + + + + +

+ * + +

+ + + +

+ + + +

+ + + *

+ * + .................................................... (3.14)

= + + + + +

+ + * + +

+ + + +

+ + + +

+ + + *

+ * + ................................................... (3.15)

= + + + + +

+ + * +

+ + + +

+ + + +

+ + + +

* + * + ........ (3.16)

Digital Repository Universitas JemberDigital Repository Universitas Jember

55

= + + + + +

+ + * +

+ + + +

+ + + +

+ + + +

* + * + ....... (3.17)

= + + + +

+ + + *

+ + + +

++ + + +

+ + + +

+ * + *

+ ................................................................................................ (3.18)

1. Uji Stasioneritas

Stasioneritas dalam data time series merupakan data yang memiliki rata-rata

dan cenderung bergerak menuju rata-rata (Kennedy, 2000: 274). Data yang

dimiliki harus stasioner karena anggapan stasioner penting dalam menterjemahkan

data dan model ekonomi. Apabila data tidak stasioner maka koefisien regresi yang

dihasilkan tidak efisien dan cenderung lancung. Data yang stasioner digunakan

dalam data time series karena data yang stasioner tidak memiliki variasi yang

terlalu besar, mempunyai kecenderungan mendekati rata-rata dan tidak

dipengaruhi oleh waktu selama periode pengamatan (Wardhono, 2004:62). Uji

stasioneritas yang digunakan adalah Augmented Dicky-Fullertest. Pengujian ini

digunakan untuk mengamati apakah koefisien tertentu dari model mempunyai

nilai satu atau tidak. Jika tidak, maka dilakukan diferensiasi hingga data yang

digunakan stasioner. Terdapat tiga tingkatan untuk mengetahui kestasioneritasan

data yaitu pada tingkat level, tingkat first difference, dan tingkat second

difference.

Digital Repository Universitas JemberDigital Repository Universitas Jember

56

2. Uji Kointegrasi

Uji kointegrasi digunakan untuk melihat apakah antar variabel memiliki

hubungan jangka panjang atau tidak. Uji kointegrasi merupakan kelanjutan dari

uji akar-akar unit dan uji derajat integrasi namun dipastikan terlebih dahulu

apakah data pada variabel-variabel yang diuji telah mempunyai derajat integrasi

yang sama. Terdapat beberapa macam uji kontegrasi yaitu uji kointegrasi Engle-

Granger (EG), uji kointegrasi Regression Durbin-Watson (DW), dan uji

kointegrasi Johanson. Variabel-variabel dikatakan terkointegrasi apabila tidak

mengandung trend (mengandung unit root), nilai tidak terlalu besar dan meskipun

variabelnya mengandung trend namun nilainya tidak terlalu divergent antar satu

dengan yang lain artinya bahwa variabel-variabel tersebut memiliki hubungan

keseimbangan jangka panjang (Wardhono, 2004:64; Rosadi, 2012:129). Pengujian

kointegrasi dalam penelitian ini menggunakan metode kointegrasi Johansen.

3. Uji Optimum Lag

Pengujian optimum lag berfungsi untuk mengetahui panjang lag terbaik

dalam merumuskan model VAR. Panjang lag adalah indikator model terbaik.

Semakin pendek lag yang digunakan maka semakin baik pula model yang dibuat.

Panjang pendek lag memiliki pengaruh terhadap keseluruhan model, karena jika

memiliki lag yang terlalu panjang maka dapat mengurangi degree of freedom

sehingga informasi yang didapatkan tidak sempurna. Pengaruh panjang lag dalam

perumusan model adalah untuk menghindari terjadinya masalah autokorelasi dan

heteroskedastisitas jika panjang lag yang dihasilkan tepat (Gujarati dan Porter,

2009). Pengujian lag optimum ini dengan cara melihat lag tertentu yang memiliki

jumlah bintang terbanyak pada setiap nilai uji Akaike Information Criterion

(AIC), Schawarz Information Criterion (SIC), dan Hannan-Quiin Information

Criterion (HQ).

4. Uji Kausalitas Granger

Konsep uji kausalitas Granger dikenal sebagai konsep prediktibilitas dimana

masa lalu dapat mempengaruhi masa datang, akan tetapi masa kini atau masa

Digital Repository Universitas JemberDigital Repository Universitas Jember

57

datang tidak mampu mempengaruhi masa lalu. Uji kausalitas Granger memiliki

kemampuan untuk meyesuaikan diri dengan data yang telah terkointegrasi

maupun tidak terkointegrasi dan analisis ini terfokuskan untuk data time series

(Wardhono, 2004:109). Uji kausalitas Granger digunakan untuk mengindikasikan

variabel memiliki hubungan satu atah atau dua arah. Pengujian ini juga memiliki

tujuan untuk memperoleh model terbaik untuk estimasi metode yang digunakan.

Untuk menentukan hubungan antar variabel maka dengan melihat nilai

probabilitasnya yang dibandingkan dengan nilai α (1%, 5%, atau 10%).

Hubungan kausalitas terjadi apabila nilai probabilitasnya lebih kecil dari nilai α

yang telah ditentukan, sebaliknya apabila nilai probabilitas lebih besar dari nilai α

maka dapat dinyatakan bahwa model tidak memiliki hubungan kausalitas.

5. Pengujian Stabilitas VAR

Hasil estimasi VAR dapat dikatakan stabil apabila seluruh roots-nya memiliki

nilai modulus lebih kecil daripada satu dan terletak di dalam unit circle-nya. Jika

terdapat sistem VAR yang tidak stabil maka hasil estimasi tersebut hanya valid

pada data yang digunakan.

6. Impulse Response Functions (IRF)

Impulse Response Functions (IRF) menggambarkan suatu respon dari

variabel dependen terhadap guncangan dalam error term dengan Standar Deviasi

(SD) dalam sistem VAR/VECM (Gujarati, 2004:173). IRF membantu

menjelaskan struktur dinamis dari model VAR/VECM yaitu menggambarkan

adanya pengaruh dari shock antar variabel endogen-endogen lainnya dan dengan

dirinya sendiri (Wardhono, 2015).

7. Variance Decomposition (VD)

Variance Decomposition (VD) memiliki tujuan untuk memberikan gambaran

yang lebih spesifik terhadap tingkat pengaruh yang diberikan oleh masing-masing

variabel dalam penelitian ini.

Digital Repository Universitas JemberDigital Repository Universitas Jember

58

3.7 Definisi Variabel Operasional

Penelitian ini terdiri dari beberapa variabel yakni variabel endogen terdiri dari

pertumbuhan kredit riil, pertumbuhan harga rumah riil, pertumbuhan GDP riil,

kredit domestik, dan tingkat suku bunga. Sedangkan variabel eksogen terdiri dari

dummy krisis dan dummy LTV.

1. Pertumbuhan kredit perbankan

Kredit merupakan kemampuan dalam mendapatkan uang dengan proses

pinjaman dengan imbalan berupa janji pelunasan kewajiban di masa depan dengan

pemberian bunga. Pertumbuhan kredit yang digunakan dalam penelitian ini adalah

pertumbuhan kredit perbankan di Indonesia. Pertumbuhan kredit pada penelitian

ini merupakan pertumbuhan dari total kredit perbankan yang diberikan kepada

pihak ketiga baik itu KMK, KI, maupun KK dan tidak termasuk kredit kepada

bank lain. Pengambilan proxy ini berdasarkan asumsi bahwa kebijakan LTV

berdampak pada pertumbuhan kredit perbankan. Penelitian ini menggunakan

pertumbuhan kredit perbankan dalam satuan persentase (%). Data yang diperoleh

bersumber dari Otoritas Jasa Keuangan (OJK). Data yang digunakan

menggunakan data kuartal dari 2005 Q1 sampai dengan 2017 Q4. Perhitungannya

adalah sebagai berikut:

Pertumbuhan Kredit =

.........................(3.13)

2. Pertumbuhan GDP riil

Pertumbuhan GDP atau pertumbuhan ekonomi merupakan suatu proses

kenaikan kapasitas produksi suatu perekonomian diwujudkan dengan kenaikan

pendapatan nasional. Pertumbuhan GDP dihitung dari pertambahan GDP riil yang

berlaku dari periode ke periode selanjutnya. Penelitian ini menggunakan data

pertumbuhan GDP riil dalam satuan persentase (%). Data diperoleh dari

International Monetary Fund (IMF) berbentuk data kuartal dari tahun 2005 Q1

sampai dengan 2017 Q4.

Digital Repository Universitas JemberDigital Repository Universitas Jember

59

3. Inflasi

Inflasi merupakan kenaikan harga yang terjadi secara terus-menerus. Inflasi

yang digunakan dalam penelitian ini adalah Indeks Harga Konsumen (IHK) dalam

bentuk satuan persentase (%). Data diperoleh dari International Monetary Fund

(IMF) berbentuk data kuartal 2005 Q1 sampai dengan 2017 Q4.

4. Pertumbuhan harga rumah riil

Pertumbuhan harga rumah merupakan perhitungan dari pertambahan atau

penurunan harga rumah yang berlaku dari periode ke periode selanjutnya.

Pertumbuhan harga rumah yang digunakan dalam penelitian ini adalah

pertumbuhan harga rumah riil. Penelitian ini menggunakan data pertumbuhan

harga rumah riil dalam satuan persentase (%). Data yang diperoleh bersumber dari

Bank For International Settlement (BIS) berbentuk data kuartal dari 2005 Q1

sampai dengan 2017 Q4.

5. Krisis

Krisis ekonomi merupakan peristiwa dimana seluruh sektor ekonomi pasar

dunia mengalami keruntuhan dan memengaruhi sektor lainnya di seluruh dunia.

Krisis dalam penelitian ini berdasarkan dari penelitian Leaven dan Valencia

(2013). Krisis dalam penelitian ini menggunakan variabel dummy atas waktu

terjadinya krisis keuangan tahun 2008. Variabel dummy berupa:

1 : selama periode krisis

0 : selama periode non-krisis

6. LTV

Kebijakan instrumen LTV merupakan kebijakan yang diterapkan oleh Bank

Indonesia setelah terjadinya krisis keuangan pada tahun 2008 dengan cara

menentukan angka rasio antara nilai kredit yang dapat diberikan oleh bank

terhadap nilai agunan pada saat awal pemberian kredit. LTV dalam penelitian ini

berdasarkan peraturan dari Bank Indonesia. LTV dalam penelitian ini

Digital Repository Universitas JemberDigital Repository Universitas Jember

60

menggunakan variabel dummy atas waktu diterapkannya instrumen kebijakan

tersebut. Variabel dummy berupa:

1 = setelah instrumen diterapkan

0 = sebelum instrumen diterapkan

Digital Repository Universitas JemberDigital Repository Universitas Jember

BAB 5. PENUTUP

5.1 Kesimpulan

Pengujian pengaruh kebijakan LTV, krisis, dan variabel makroekonomi

terhadap pertumbuhan kredit di Indonesia dengan menggunakan pendekatan

VECM, maka didapat kesimpulan akhir sebagai berikut:

1. Kebijakan LTV efektif dalam memengaruhi pertumbuhan kredit perbankan di

Indonesia dalam jangka panjang. Kebijakan LTV memberikan pengaruh

sebesar ± 0,18% terhadap pertumbuhan kredit perbankan.

2. Pertumbuhan kredit dipengaruhi oleh beberapa variabel sebagai berikut:

a) Pertumbuhan ekonomi yang dicerminkan dengan GDP berpengaruh

negatif sebesar ± 0,58% dalam jangka panjang dan tidak cukup

berpengaruh dalam jangka pendek terhadap pertumbuhan kredit di

Indonesia.

b) Inflasi yang dicerminkan dengan CPI memiliki pengaruh negatif sebesar

± 0,05% dalam jangka panjang dan tidak cukup berpengaruh dalam

jangka pendek terhadap pertumbuhan kredit di Indonesia.

c) Pertumbuhan harga perumahan berpengaruh negatif sebesar ± 0,02%

dalam jangka panjang dan tidak cukup berpengaruh dalam jangka pendek

terhadap pertumbuhan kredit di Indonesia.

d) Krisis berpengaruh negatif sebesar ± 1,17% dalam jangka panjang dan

tidak cukup berpengaruh dalam jangka pendek terhadap pertumbuhan

kredit di Indonesia.

e) Kebijakan LTV berpengaruh negatif sebesar ± 0,18% dalam jangka

panjang dan tidak cukup berpenaruh dalam jangka pendek terhadap

pertumbuhan kredit di Indonesia.

Digital Repository Universitas JemberDigital Repository Universitas Jember

92

5.2 Saran

Kebijakan makroprudensial muncul sebagai suatu kebijakan yang ditenggarai

mampu memitigasi risiko kredit yang muncul dan mengganggu stabilitas sistem

keuangan. Melalui kesimpulan yang diperoleh dari penelitian ini, maka dapat

diambil beberapa saran yang dapat diberikan sebagai berikut:

1. Peran Bank Indonesia untuk memitigasi risiko kredit dengan

mengimplementasikan kebijakan LTV yang bertujuan untuk mencegah

pertumbuhan kredit yang berlebihan dan mencegah booming harga aset.

Penerapan kebijakan LTV dalam mencegah pertumbuhan kredit agar tidak

berlebihan sangat efektif, akan tetapi penentuan rasio LTV yang terlalu ketat

akan mengurangi minat masyarakat untuk membeli rumah dan akan beralih

untuk menyewa rumah dengan harga yang tidak dapat dikendalikan. Oleh

karena itu, pemerintah perlu untuk melonggarkan rasio LTV agar masyarakat

mampu untuk membayar down payment-nya dan juga agar penerapan LTV

tidak menghambat tujuan pemerintah dalam membantu masyarakat untuk

memiliki rumah. Selain itu, juga perlu diterapkan kebijakan LTV spasial dan

LTV segmented atau tergeted karena melihat dari segi geografis Indonesia

yang terdiri dari pulau-pulau dan pembangunan yang kurang merata

menyebabkan harga-harga tidak terkecuali harga properti tidak merata di

setiap daerah sehingga perlu diterapkan kebijakan LTV spasial untuk

mengatasi masalah tersebut. Sementara itu, perlu penerapan LTV segmented

atau targeted yang berdasarkan target per jenis properti tertentu karena dapat

memitigasi risiko terjadinya bubble price sektor tertentu secara spesifik.

2. Saran untuk beberapa variabel yang memengaruhi pertumbuhan kredit adalah

sebagai berikut:

a. Pemerintah perlu untuk tetap menjaga pertumbuhan ekonomi terus

meningkat agar dapat menjaga pertumbuhan kredit stabil tidak berlebihan,

hal ini karena dilihat dari hasil penelitian yang menunjukkan hubungan

negatif antar variabel tersebut. Peningkatan pertumbuhan ekonomi dapat

dilakukan dengan cara lebih banyak melibatkan potensi masyarakat pada

Digital Repository Universitas JemberDigital Repository Universitas Jember

93

sektor-sektor riil dan produksi melalui peningkatan kualitas sumber daya

manusia dan membuka lapangan kerja baru sehingga meningkatkan

pertumbuhan ekonomi serta pendapatan perkapita. Peningkatan

pendapatan perkapita menyebabkan peningkatan kemampuan masyarakat

dalam konsumsi dan membayar kredit sehingga secara tidak langsung

dapat berdampak pada penurunan risiko kredit.

b. Bank Indonesia perlu menjaga agar inflasi tetap stabil karena inflasi yang

terlalu tinggi tidak baik untuk perekonomian. Inflasi yang stabil dapat

mencegah peningkatan atau penurunan pada pertumbuhan kredit. Bank

Indonesia dapat melakukan dengan cara menjaga ketersediaan pasokan

bahan kebutuhan pokok dalam jumlah yang memadai, menekan laju

volatile food melalui penguatan infrasturktur logistik pangan khususnya

untuk penyimpanan komoditas, mengatur distribusi pasokan yang lancar,

dan memperkuat kelembagaan TPI.

c. Bank Indonesia perlu menjaga agar pertumbuhan harga perumahan tetap

stabil tidak menurun secara drastis karena kestabilan industri properti

dapat berdampak pada peningkatan nasabah asuransi, perbankan, hingga

jasa notaris walaupun tingginya harga properti menyebabkan masyarakat

sulit memiliki rumah. Oleh karena itu, Bank Indonesia perlu melakukan

pelonggaran kebijakan LTV agar down payment-nya rendah sehingga

mengakibatkan Kredit Kepemilikan Perumahan (KPR) meningkat dan

memudahkan masyarakat dalam memiliki rumah.

d. Peningkatan pertumbuhan kredit yang terlalu tinggi tanpa diikuti

kemampuan masyarakat untuk membayar maka akan menyebabkan krisis.

Pada saat terjadi krisis, kebijakan yang tepat dilakukan oleh Bank

Indonesia adalah dengan cara melakukan pengetatan kebijakan LTV yaitu

menurunkan rasio nilai kredit yang dapat diberikan oleh bank dan

meningkatkan down paymen-nya untuk menurunkan pertumbuhan kredit

yang terlalu berlebihan. Oleh karena itu, penting menjaga pertumbuhan

kredit tetap stabil agar tidak menyebabkan krisis.

Digital Repository Universitas JemberDigital Repository Universitas Jember

94

e. Peran Bank Indonesia dalam menerapkan kebijakan LTV untuk

memitigasi risiko kredit sudah sangat efektif. Akan tetapi, untuk dapat

mengoptimalkan kebijakan tersebut perlu menerapkan kebijakan LTV

spasial dan LTV segmented atau targeted.

Digital Repository Universitas JemberDigital Repository Universitas Jember

DAFTAR PUSTAKA

Acemoglu, D., A. Ozdaglar, dan A. Tahbaz-Salehi. 2015. Systemic Risk and

Stability in Financial Networks. American Economic Review, 7-8.

Acharya, V., dan T. Yorulmazer. 2003. Information Contagion and Inter-Bank

Correlation in a Theory of Systemic Risk. CEPR Discussion Paper No.

3743.

African Development Bank. 2011. Proposal for A Definition of The Bank‘s Risk

Appetite, Risk Dashboard and Enhancement of Credit Risk Governance.

Agung, Juda. 2010. Mengintegrasikan Kebijakan Moneter dan Makroprudensial:

Menuju Paradigma Baru Kebijakan Moneter di Indonesia Pasca Krisis

Global. Working Paper, Bank Indonesia, No.07:2.

Amiruddin, R., A. H. Shaari dan I. Ismail. 2007. Test for Dynamic Relationship

between Financial Development and Economic Growth in Malaysia.

Journal of Gajah Mada International, 9, 61-79.

Angelini, Paolo, Stefano Neri, dan Fabio Panetta. 2012. Monetary and

Macroprudential Policies. Working Paper Series, No. 1449: 2-6.

Akinci, Ozge dan Jane Olmstead-Ramsey. 2015. How Effective are

Macroprudential Policies? An Empirical Investigation. International

Finance Discussion Papers, 1136: 2-5.

Allen, F., A. Babus, dan E. Carletti. 2010. Financial Connections and Systemic

Risk. NBERWorking Paper No. 16177.

Allen, W. A., dan D. Gale. 2006. Defining and Achieving Financial Stability.

Journal of Financial Stability, Vol. 2, issue 2, pp 152-72.

Bank Indonesia. 2005. Laporan Perekonomian Indonesia. Jakarta: Bank

Indonesia.

Bank Indonesia. 2008. Laporan Perekonomian Indonesia. Jakarta: Bank

Indonesia.

Bank Indonesia. 2012. Surat Edaran Ekstern Nomor 14/10/DPNP tentang

Penerapan Manajemen Risiko pada Bank yang Melakukan Pemberian.

Bank Indonesia. 2017. Laporan Perekonomian Indonesia. Jakarta: Bank

Indonesia.

Digital Repository Universitas JemberDigital Repository Universitas Jember

96

Bikhchandani, S. dan S. Sharman. 2001. Herd Behaviour in Financial Market.

IMF Staff Papers, Vol. 47 No. 3.

Bruno, Valentina, Iihyock Shim, dan Hyun Song Shin. 2016. Comparative

Assessment of Macroprudential Policies. Journal of Financial Stability,

2-7.

Claessens, Stijn, Swati R. Ghosh, dan Roxana Mihet. 2014. Macro-Prudential

Policies to Mitigate Financial System Vulnerabilities. IMF Working

Paper, 155: 3-10.

Cerutti, Eugenio, Stijn Claessens, dan Luc Laeven. 2015. The Use and

Effectiveness of Macroprudential Policies: New Evidence. Elsevier.

Journal of Financial Stability, 2-15.

De Bandt, O., dan P. Hartmann. 2000. Systemic Risk: A Survey. ECB Working

Paper, No. 35, pp 249-98.

De Paoli, Bianca dan Matthias Paustian. 2013. Coordinating Monetary and

Macroprudential Policies. Federal Reserve Bank of New York Staff

Reports, No. 653: 1-5.

Dell‘Ariccia, Giovanni. 2012. Policies for Macrofinancial Stability: How to Deal

with Credit Booms. IMF Staff Discussion Note, No.SDN/12/06.Policies.

Diamond, D. W., dan R. G. Rajan. 2010. Fear of Fire Sales and the Credit Freeze.

BIS Working Paper, No. 305.

Diyanti, Anin. 2012. Analisis Pengaruh Faktor Internal dan Eksternal terhadap

Terjadinya Non-Performing Loan. Universitas Diponegoro. Semarang:

23-31.

Dornbusch, R., S. Fischer, dan R. Starts. 2004. Macroeconomics. Edisi Sembilan.

Mc Graw Hill.

Durodie, B. 2005. The Concept of Risk. Nuffield Trust Global Programme on

Health, Foreign Policy and Security.

Edison, H. J., Ricci L., dan Slok T. 2002. International Financial Integration and

Economic Growth. National Bureau of Economic Research Working

Paper Series, No. 9164.

Eichengreen, B. 2004. The Challenge of Financial Instability. Copenhagen

Consensus, Cambridge University Press.

Digital Repository Universitas JemberDigital Repository Universitas Jember

97

Fendo ̌lu, Salih. 2017. Credit Cycles and Capital Flows: Effectiveness of the

Macroprudential Policy Framework in Emerging Market Economies.

Journal of Banking and Finance, 1-5.

Freixas, X., B. Parigi, dan J. C. Rochet. 2000. Systemic Risk, Interbank Relations

and Liquidity Provision by the Central Bank. Journal of Money, Credit,

and Banking, 32(3): 611-638.

Funke, Michael dan Michael Paetz. 2012. A DSGE-Based Assessment of

Nonlinear Loan-to-Value Policies: Evidence From Hong Kong. BOFIT

Discussion Papers 11:1-19.

Genberg, Hans dan Michael Zamorski. 2015. Implementing Macroprudential

Policies: Challenges, Pitfalls, and Way Forward. Working Paper, 9: 1-8.

Goodhart, C., dan Hofmann, B. 2008. House Prices, Money, Credit, and The

Macroeconomy. Oxford Review of Economic Policy, 24(1), 180-205.

Grace, Therese, Niamh Hallissey dan Maria Woods. 2015. The Instruments of

Macro-Prudential Policy. Quarterly Bulletin, 1: 91-95.

Greenwald, Bruce dan Joseph E. S. 2003. Toward A New Paradigm For Monetary

Economics.

Greenwood-Nimmo, Matthew dan Artur Tarassow. 2016. Monetary Shocks,

Macroprudential Shocks and Financial Stability. Elsevier. Economic

Modelling, 56:11-24.

Greuning, H. V., dan Bratanovic S. B. 2009. Analyzing Banking Risk. Third

Edition. Washington, D.C.: The World Bank.

Gujarati, D., Porter D. C. 2009. Basic Econometrics. Fifth Edition. Mc Graw-Hill.

Gunanta, Joshua B. 2013. Dampak Aturan Pembatasan Loan to Value terhadap

Harga Saham Properti. Universitas Negeri Surabaya: 1-3.

Haldane, A. G. 2004. Defining Monetary and Financial Stability. Unpublished,

London, Bank of England.

Han, L., C. Lutz, dan B. Sand. 2016. The effects of macroprudential mortgage

insurance regulation during a housing boom: Evidence from Canada.

Mimeo, 2-8.

Hanssson, S. O. 2000. Seven Myths of Risk-an Introduction to Risk and The

Precautionary Principle. Swedish Ministry of the Environment.

Digital Repository Universitas JemberDigital Repository Universitas Jember

98

Ising, Otmar. 2013. A New Paradigm for Monetary Policy?. Center for Financial

Studies, Goethe University, Frankfurt, Germany. International Finance,

1-8.

Jácome, L. I, and S. Mitra. 2015. LTV and DTI Limits — going granular. IMF

Working Paper, 154: 4-11.

Jhingan, M.L. 2008. Ekonomi Pembangunan dan Perencanaan. Jakarta: PT. Raja

Grafindo Persada.

Jung, Hosung dan Jieun Lee. 2017. The Effects of Macroprudential Policies on

House Price: Evidence from an Event Study Using Korean Real

Transaction Data. Journal of Financial Stability, 1-28.

Kasmir. 2007. Bank dan Lembaga Keuangan Lainnya. Jakarta: PT. Raja Grafindo

Persada.

Kelly, Robert, Fergal M., dan Conor O. 2015. Credit Conditions, Macroprudential

Policy, and House Prices. Research Technical Paper, 1-4.

Kim, C. S. 2013. Macroprudential policies: Korea‘s experiences. IMF Conference

in Washington, D.C.

Kuttner, K. dan I. Shim. 2016. Can non-interest rate policies stabilise housing

markets? Evidence from a panel of 57 economies. Journal of Financial

Stability, No. 433: 2-4.

Leaven, L., dan Valencia, F., 2013. Systemic Banking Crises Database. IMF

Economic. Rev, 61:225-270.

Lecture. No. 3. General Issues: Definition of Banking Risks, Importance of

Managing The Banking Risks.

http://www.ligiagolosoiu.ro/content/lecture03.pdf.

Lee, Minsoo, Ruben Carlo Asuncion, dan Jungsuk Kim. 2016. Effectiveness of

Macroprudential Policy in Developing Asia: An Empirical Analysis.

Emerging Markets Finance and Trade, 52: 923-937.

Minsky, H. P. 1982. The Financial Instability Hypothesis. Levy Economics

Institute Working Paper, No. 74.

Mishkin, F. S. 1999. Global Financial Stability: Framework, Events, Issues.

Journal of Economics Perspectives, Vol. 13, pp 3-20.

Morgan, Peter J., dan Victor P. 2014. Financial Stability and Financial Inclusion.

ADBI Working Paper Series, No. 488: 3-5.

Digital Repository Universitas JemberDigital Repository Universitas Jember

99

Morris, S., dan H. S. Shin. 2004. Liquidity Black Holes. Review of Finance, Vol.

8(1): 1-18.

Natidya, Benita L. 2014. Reaksi Pasar terhadap Kebijakan Bank Indonesia tentang

Pembatasan Loan To Value pada Kredit Pemilikan Rumah: Analisis

Saham Sektor Perbankan dan Properti. Universitas Gajah Mada: 3-5.

Oikarinen, E. 2009. Interaction Between House Prices and Household Borrowing:

The Finnish Case. Applied Economics. 37, 1997-1990.

Osi ́ski, Jacek, Katharine Seal, dan Lex Hoogduin. 2013. Macroprudential and

Microprudential Policies: Toward Cohabitation. IMF Staff Discussion

Note, no. 5: 5-9.

Padoa-Schioppa, T. 2003. Central Bank and Financial Stability: Exploring the

Land in Between. European Central Bank, Frankfurt.

Peraturan Undang-Undang No.10 Tahun 1998 tentang Perbankan.

Purnawan, Muhammad Edhie dan M. Abd. Nasir. 2015. The Role of

Macroprudential Policy to Manage Exchange Rate Volatility, Excess

Banking Liquidity and Credits. Buletin Ekonomi Moneter dan

Perbankan, vol. 18: 22-23.

Ramelda, Susi. 2017. Pengaruh Suku Bunga Kredit dan Produk Domestik Bruto

terhadap Penyaluran Kredit Perbankan Bank Umum Pemerintah di

Indonesia. JOM Fekon Vol. 4 No.1.

Raz, Arisyi F., Tamarind P. K. I., Dea K. A., dan Syalinda C. 2012. Krisis

Keuangan Global dan Pertumbuhan Ekonomi: Analisis dari

Perekonomian Asia Timur. Buletin Ekonomi Moneter dan Perbankan:

38-41.

Reinhart, Carmen M. dan Kenneth S. R. 2009. The Aftermath of Financial Crises.

NBER Working Paper, No. 14656.

Research Bank of Australia. 2012. About Financial Stability.

http://www.rba.gov.au/fin-stability/about.html

Rivai, V. dan A. P. Veithzal. 2006. Credit Management Handbook. Jakarta: PT.

Raja Grafindo Persada.

Rubio, Margarita dan Jos ́ A. Carrasco-Gallego. The New Financial Regulation in

Basel III and Monetary Policy: A Macroprudential Approach, 1-5.

Digital Repository Universitas JemberDigital Repository Universitas Jember

100

Saputra, M. Jefri. 2016. Assessement Instrumen Kebijakan Makroprudensial

dalam Memitigasi Risiko Kredit di Indonesia: Analisis Data Panel.

Universitas Lampung. Bandar Lampung: 39-43.

Saraswati, Ida Ayu P. 2014. Analisis Kebijakan Bank Indonesia tentang Loan to

Value pada APT. Bank Tabungan Negara (Persero). Tbk. Cabang

Singaraja. Universitas Pendidikan Ganesha, Vol. 4 No.1.

Schoenmaker, Dirk dan Peter Wierts. 2015. Macroprudential Supervision: From

Theory to Policy. Bruegel Working Paper: 1-5.

Setianto, Rahmat Heru. 2015. Harga Properti Residensial dan Kredit Perbankan di

Indonesia; Analisis Agregat dan Dis-agregat. Jurnal Manajemen

Indonesia, Vol. 15 No. 1.

Simorangkir, Iskandar. 2014. Pengantar Kebanksentralan Teori dan Praktik di

Indonesia. Jakarta: PT. Raja Grafindo Persada.

Singarimbun, Masri dan Sofian Effendi. 2006. Metode Penelitian Survei (Editor).

LP3ES. Jakarta.

Smaga, P. 2014. The Concept of Systemic Risk. Economic and Social Research

Council Special Paper, No. 5.

Sudarsono, Heri. 2009. Dampak Krisis Keuangan Global terhadap Perbankan di

Indonesia: Perbandingan antara Bank Konvensional dan Bank Syariah.

Jurnal Ekonomi Islam, Vol.3 No.1.

Sugiyono. 2012. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung:

alfabeta.

Sukirno, Sadono. 2006. Ekonomi Pembangunan Proses Masalah dan Dasar

Kebijakan. Jakarta: Kencana.

Sukirno, Sadono. 2006. Makro Ekonomi Teori Pangan. Jakarta: PT. Raja

Grafindo.

Susanti, L.R. 2010. Analisis Pengaruh Variabel Makroekonomi terhadap

Pertumbuhan Kredit pada Bank Umum di Indonesia Periode Tahun 2002-

2009. Universitas Indonesia: 11-20.

Suta, I. P. G. A., dan S. Musa. 2003. Membedah Krisis Perbankan: Anatomi

Krisis dan Penyehatan Perbankan. Jakarta: Yayasan Sad Satria Bhakti.

Syahfitri, Ika. 2013. Analisis Kredit Perbankan dan Pertumbuhan Ekonomi di

Indonesia. Institut Pertanian Bogor: 15-17.

Digital Repository Universitas JemberDigital Repository Universitas Jember

101

Tillmann, Peter. 2014. Estimating the Effects of Macroprudential Policy Shocks.

The Center for Economic Research of Korea: 1-12.

Terrones, Marco E., dan Mendoza, E. G. 2004. An Anatomy of Credit Booms:

Evidence from Macro Agregates and Micro Data. NBER Working Paper

14049.

Todaro, M. 2006. Pembangunan Ekonomi. Edisi Kesembilan. Jakarta: Erlangga.

Universitas Jember. 2016. Pedoman Penulisan Karya Ilmiah. Jember: University

Press.

Utari, G .A.D., Trinil A., dan Ina N. K. 2012. Pertumbuhan Kredit Oprtimal.

Buletin Ekonomi Moneter dan Perbankan: 4-10.

Warjiyo, Perry dan Solikin M. Juhro. 2016. Kebijakan Bank Sentral Teori dan

Praktik. Jakarta: PT. Raja Grafindo Persada.

Widayatsari, Ani dan Mayes, Anthony. 2012. Ekonomi Moneter II. Pekanbaru:

Cendikia Insan.

Wulandari, Intan, Muhammad Saifi, dan Devi F. A. 2016. Analisis Kebijakan

Loan to Value Sebagai Usaha Meminimalisir Kredit Bermasalah dalam

Penyaluran Kredit Pemilikan Rumah. Jurnal Administrasi Bisnis, Vol. 38

No. 1.

Yoshendy, Andi. 2012. Kajian Dampak Krisis Keuangan Suprime terhadap

Perekonomian Indonesia. Institut Pertanian Bogor: 3-5.

Zhang, Longmei dan Edda Zoli. 2015. Leaning Againts The Wind:

Macroprudential Policy in Asia. Elsevier. Journal of Asian Economics,

42: 33-49.

Zhu, H. 2006. The Structure of Housing Finance Markets and House Prices in

Asia. BIS Quarterly Review, 55-69.

Digital Repository Universitas JemberDigital Repository Universitas Jember

LAMPIRAN

A. Data Penelitian

Pertumbuhan Kredit Pertumbuhan GDP CPI Housing Price Krisis LTV LTV*Kredit

4,763 5,96 7,73 -3,6 0 0 0

7,880 5,87 7,65 -3,72 0 0 0

8,150 5,84 8,41 -4,65 0 0 0

3,931 5,11 17,79 -10,94 0 0 0

-1,032 5,13 16,92 -9,16 0 0 0

3,250 4,93 15,51 -8,71 0 0 0

3,720 5,86 14,87 -8,23 0 0 0

5,625 6,06 6,05 -1,88 0 0 0

1,920 6,06 6,58 -4,28 0 0 0

5,917 6,73 6,29 -3,66 0 0 0

7,248 6,74 6,44 -4,35 0 0 0

8,290 5,84 6,32 -4,67 0 0 0

4,294 6,22 6,52 -5,01 1 0 0

9,257 6,3 9,02 -7,5 1 0 0

9,442 6,25 11,96 -9,57 1 0 0

8,631 5,28 11,50 -8,91 1 0 0

-0,859 4,52 8,56 -6,27 0 0 0

1,065 4,14 5,64 -3,37 0 0 0

3,339 4,27 2,77 -0,65 0 0 0

3,511 5,6 2,59 -0,27 0 0 0

1,838 5,99 3,65 -1,07 0 0 0

7,315 7,72 4,37 -1,43 0 0 0

6,367 7,71 6,15 -3,05 0 0 0

5,111 7,96 6,32 -3,21 0 0 0

3,630 6,48 6,84 -2,19 0 0 0

6,542 6,27 5,89 -1,28 0 0 0

7,051 6,01 4,67 -0,11 0 0 0

6,126 5,94 4,12 0,91 0 0 0

3,040 6,11 3,97 -0,07 0 0 0

7,555 6,21 4,67 -0,65 0 1 7,555

5,315 5,94 4,34 0,2 0 1 5,315

5,143 5,87 4,15 2,8 0 1 5,143

Digital Repository Universitas JemberDigital Repository Universitas Jember

103

3,167 5,54 4,49 6,24 0 1 3,167

6,062 5,59 5,06 6,71 0 1 6,062

6,515 5,52 8,02 5,08 0 1 6,515

4,667 5,58 8,03 3,23 0 1 4,667

1,721 5,12 7,76 0,15 0 1 1,721

4,063 4,94 7,09 0,29 0 1 4,063

3,147 4,93 4,35 2,08 0 1 3,147

2,598 5,05 6,48 -0,18 0 1 2,598

1,396 4,82 6,54 -0,26 0 1 1,396

2,883 4,74 7,07 -1,04 0 1 2,883

3,317 4,77 7,09 -1,52 0 1 3,317

2,231 5,17 4,81 -0,19 0 1 2,231

0,163 4,92 4,34 -0,18 0 1 0,163

2,461 5,18 3,46 -0,07 0 1 2,461

1,990 5,01 3,02 -0,27 0 1 1,990

3,111 4,94 3,30 -0,89 0 1 3,111

0,880 5,01 3,65 -0,98 0 1 0,880

2,396 5,01 4,29 -1,07 0 1 2,396

1,497 5,06 3,81 -0,47 0 1 1,497

2,975 5,19 3,50 -0,53 0 1 2,975

Digital Repository Universitas JemberDigital Repository Universitas Jember

104

B. Hasil Uji Stasioneritas

B.1 Kredit

a) Level

Null Hypothesis: CREDIT has a unit root

Exogenous: Constant

Lag Length: 4 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.868072 0.0568

Test critical values: 1% level -3.577723

5% level -2.925169

10% level -2.600658 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CREDIT)

Method: Least Squares

Date: 05/17/18 Time: 15:14

Sample (adjusted): 6 52

Included observations: 47 after adjustments Variable Coefficient Std. Error t-Statistic Prob. CREDIT(-1) -0.461168 0.160794 -2.868072 0.0065

D(CREDIT(-1)) 0.078635 0.176844 0.444658 0.6589

D(CREDIT(-2)) 0.052597 0.147046 0.357691 0.7224

D(CREDIT(-3)) -0.120533 0.129831 -0.928385 0.3586

D(CREDIT(-4)) 0.512268 0.121380 4.220378 0.0001

C 0.019880 0.007364 2.699704 0.0100 R-squared 0.619658 Mean dependent var 0.000851

Adjusted R-squared 0.573274 S.D. dependent var 0.027044

S.E. of regression 0.017666 Akaike info criterion -5.115557

Sum squared resid 0.012796 Schwarz criterion -4.879367

Log likelihood 126.2156 Hannan-Quinn criter. -5.026677

F-statistic 13.35952 Durbin-Watson stat 1.770834

Prob(F-statistic) 0.000000

b) 1st

difference

Null Hypothesis: D(CREDIT) has a unit root

Exogenous: Constant

Lag Length: 9 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.962549 0.0038

Test critical values: 1% level -3.600987

5% level -2.935001

Digital Repository Universitas JemberDigital Repository Universitas Jember

105

10% level -2.605836 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CREDIT,2)

Method: Least Squares

Date: 05/17/18 Time: 15:15

Sample (adjusted): 12 52

Included observations: 41 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(CREDIT(-1)) -3.343297 0.843724 -3.962549 0.0004

D(CREDIT(-1),2) 2.179747 0.769850 2.831392 0.0082

D(CREDIT(-2),2) 1.924482 0.722820 2.662466 0.0123

D(CREDIT(-3),2) 1.511730 0.627598 2.408755 0.0224

D(CREDIT(-4),2) 1.455336 0.535152 2.719479 0.0108

D(CREDIT(-5),2) 1.084902 0.460863 2.354063 0.0253

D(CREDIT(-6),2) 0.892430 0.387972 2.300242 0.0286

D(CREDIT(-7),2) 0.532342 0.294995 1.804579 0.0812

D(CREDIT(-8),2) 0.629153 0.209194 3.007515 0.0053

D(CREDIT(-9),2) 0.312577 0.153028 2.042618 0.0500

C -0.002287 0.002520 -0.907529 0.3714 R-squared 0.899533 Mean dependent var 4.88E-05

Adjusted R-squared 0.866044 S.D. dependent var 0.043008

S.E. of regression 0.015741 Akaike info criterion -5.240916

Sum squared resid 0.007433 Schwarz criterion -4.781177

Log likelihood 118.4388 Hannan-Quinn criter. -5.073504

F-statistic 26.86054 Durbin-Watson stat 2.122182

Prob(F-statistic) 0.000000

c) 2nd

difference

Null Hypothesis: D(CREDIT,2) has a unit root

Exogenous: Constant

Lag Length: 6 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.776949 0.0000

Test critical values: 1% level -3.592462

5% level -2.931404

10% level -2.603944 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CREDIT,3)

Method: Least Squares

Date: 05/17/18 Time: 15:15

Sample (adjusted): 10 52

Digital Repository Universitas JemberDigital Repository Universitas Jember

106

Included observations: 43 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(CREDIT(-1),2) -5.543019 0.959506 -5.776949 0.0000

D(CREDIT(-1),3) 3.658370 0.886887 4.124959 0.0002

D(CREDIT(-2),3) 2.770267 0.774744 3.575720 0.0010

D(CREDIT(-3),3) 1.927916 0.628405 3.067953 0.0041

D(CREDIT(-4),3) 1.479540 0.431600 3.428034 0.0016

D(CREDIT(-5),3) 0.935127 0.264798 3.531475 0.0012

D(CREDIT(-6),3) 0.469317 0.126192 3.719080 0.0007

C 0.000354 0.002825 0.125257 0.9010 R-squared 0.954051 Mean dependent var 0.001860

Adjusted R-squared 0.944861 S.D. dependent var 0.078519

S.E. of regression 0.018437 Akaike info criterion -4.982628

Sum squared resid 0.011898 Schwarz criterion -4.654963

Log likelihood 115.1265 Hannan-Quinn criter. -4.861795

F-statistic 103.8168 Durbin-Watson stat 1.805305

Prob(F-statistic) 0.000000

B.2 GDP

a) Level

Null Hypothesis: GDP has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.780802 0.0056

Test critical values: 1% level -3.571310

5% level -2.922449

10% level -2.599224 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GDP)

Method: Least Squares

Date: 05/17/18 Time: 15:16

Sample (adjusted): 4 52

Included observations: 49 after adjustments Variable Coefficient Std. Error t-Statistic Prob. GDP(-1) -0.335698 0.088790 -3.780802 0.0005

D(GDP(-1)) 0.264542 0.133129 1.987113 0.0530

D(GDP(-2)) 0.384451 0.138413 2.777555 0.0080

C 1.889363 0.505879 3.734811 0.0005 R-squared 0.283093 Mean dependent var -0.013265

Adjusted R-squared 0.235299 S.D. dependent var 0.515361

Digital Repository Universitas JemberDigital Repository Universitas Jember

107

S.E. of regression 0.450669 Akaike info criterion 1.321940

Sum squared resid 9.139614 Schwarz criterion 1.476375

Log likelihood -28.38754 Hannan-Quinn criter. 1.380532

F-statistic 5.923221 Durbin-Watson stat 1.812799

Prob(F-statistic) 0.001703

b) 1st

difference

Null Hypothesis: D(GDP) has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.828955 0.0002

Test critical values: 1% level -3.574446

5% level -2.923780

10% level -2.599925 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GDP,2)

Method: Least Squares

Date: 05/17/18 Time: 15:16

Sample (adjusted): 5 52

Included observations: 48 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(GDP(-1)) -0.959731 0.198745 -4.828955 0.0000

D(GDP(-1),2) 0.151683 0.179641 0.844365 0.4030

D(GDP(-2),2) 0.377010 0.136301 2.766012 0.0083

C 0.001361 0.068318 0.019927 0.9842 R-squared 0.534982 Mean dependent var 0.017917

Adjusted R-squared 0.503277 S.D. dependent var 0.670649

S.E. of regression 0.472664 Akaike info criterion 1.418791

Sum squared resid 9.830096 Schwarz criterion 1.574725

Log likelihood -30.05099 Hannan-Quinn criter. 1.477719

F-statistic 16.87336 Durbin-Watson stat 2.113937

Prob(F-statistic) 0.000000

c) 2nd

difference

Null Hypothesis: D(GDP,2) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -12.36834 0.0000

Digital Repository Universitas JemberDigital Repository Universitas Jember

108

Test critical values: 1% level -3.571310

5% level -2.922449

10% level -2.599224 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GDP,3)

Method: Least Squares

Date: 05/17/18 Time: 15:17

Sample (adjusted): 4 52

Included observations: 49 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(GDP(-1),2) -1.530005 0.123703 -12.36834 0.0000

C 0.004780 0.082211 0.058138 0.9539 R-squared 0.764972 Mean dependent var 0.000408

Adjusted R-squared 0.759971 S.D. dependent var 1.174606

S.E. of regression 0.575472 Akaike info criterion 1.772707

Sum squared resid 15.56489 Schwarz criterion 1.849924

Log likelihood -41.43132 Hannan-Quinn criter. 1.802003

F-statistic 152.9759 Durbin-Watson stat 1.899539

Prob(F-statistic) 0.000000

B.3 CPI

a) Level

Null Hypothesis: CPI has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.748294 0.0732

Test critical values: 1% level -3.568308

5% level -2.921175

10% level -2.598551 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CPI)

Method: Least Squares

Date: 05/08/18 Time: 20:44

Sample (adjusted): 3 52

Included observations: 50 after adjustments Variable Coefficient Std. Error t-Statistic Prob. CPI(-1) -0.250173 0.091028 -2.748294 0.0085

Digital Repository Universitas JemberDigital Repository Universitas Jember

109

D(CPI(-1)) 0.250684 0.142330 1.761289 0.0847

C 1.603753 0.679782 2.359217 0.0225 R-squared 0.151255 Mean dependent var -0.083000

Adjusted R-squared 0.115139 S.D. dependent var 2.249668

S.E. of regression 2.116196 Akaike info criterion 4.395242

Sum squared resid 210.4795 Schwarz criterion 4.509964

Log likelihood -106.8811 Hannan-Quinn criter. 4.438929

F-statistic 4.187955 Durbin-Watson stat 2.071596

Prob(F-statistic) 0.021196

b) 1st

difference

Null Hypothesis: D(CPI) has a unit root

Exogenous: Constant

Lag Length: 6 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.835554 0.0000

Test critical values: 1% level -3.588509

5% level -2.929734

10% level -2.603064 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CPI,2)

Method: Least Squares

Date: 05/08/18 Time: 20:49

Sample (adjusted): 9 52

Included observations: 44 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(CPI(-1)) -1.879313 0.322045 -5.835554 0.0000

D(CPI(-1),2) 1.070500 0.271926 3.936738 0.0004

D(CPI(-2),2) 0.992403 0.238795 4.155880 0.0002

D(CPI(-3),2) 0.583423 0.177651 3.284091 0.0023

D(CPI(-4),2) 0.331971 0.152977 2.170072 0.0367

D(CPI(-5),2) 0.454234 0.122506 3.707840 0.0007

D(CPI(-6),2) 0.269321 0.093627 2.876532 0.0067

C -0.259346 0.174671 -1.484766 0.1463 R-squared 0.778568 Mean dependent var 0.193409

Adjusted R-squared 0.735511 S.D. dependent var 2.079585

S.E. of regression 1.069498 Akaike info criterion 3.135222

Sum squared resid 41.17777 Schwarz criterion 3.459620

Log likelihood -60.97489 Hannan-Quinn criter. 3.255525

F-statistic 18.08256 Durbin-Watson stat 2.012454

Prob(F-statistic) 0.000000

Digital Repository Universitas JemberDigital Repository Universitas Jember

110

c) 2nd

difference

Null Hypothesis: D(CPI,2) has a unit root

Exogenous: Constant

Lag Length: 7 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.204392 0.0000

Test critical values: 1% level -3.596616

5% level -2.933158

10% level -2.604867 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CPI,3)

Method: Least Squares

Date: 05/08/18 Time: 20:50

Sample (adjusted): 11 52

Included observations: 42 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(CPI(-1),2) -4.088395 0.658952 -6.204392 0.0000

D(CPI(-1),3) 2.622693 0.580011 4.521801 0.0001

D(CPI(-2),3) 2.359290 0.498479 4.732981 0.0000

D(CPI(-3),3) 1.825351 0.412059 4.429830 0.0001

D(CPI(-4),3) 1.148667 0.303358 3.786508 0.0006

D(CPI(-5),3) 0.986441 0.231428 4.262413 0.0002

D(CPI(-6),3) 0.724013 0.167533 4.321607 0.0001

D(CPI(-7),3) 0.328062 0.092028 3.564791 0.0011

C -0.003759 0.185009 -0.020318 0.9839 R-squared 0.810258 Mean dependent var 0.023571

Adjusted R-squared 0.764260 S.D. dependent var 2.439494

S.E. of regression 1.184448 Akaike info criterion 3.363841

Sum squared resid 46.29628 Schwarz criterion 3.736198

Log likelihood -61.64065 Hannan-Quinn criter. 3.500324

F-statistic 17.61508 Durbin-Watson stat 2.241425

Prob(F-statistic) 0.000000

B.4 Housing Price

a) Level

Null Hypothesis: HOUSING_PRICE has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.107008 0.2429

Test critical values: 1% level -3.568308

Digital Repository Universitas JemberDigital Repository Universitas Jember

111

5% level -2.921175

10% level -2.598551 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(HOUSING_PRICE)

Method: Least Squares

Date: 05/08/18 Time: 20:54

Sample (adjusted): 3 52

Included observations: 50 after adjustments Variable Coefficient Std. Error t-Statistic Prob. HOUSING_PRICE(-1) -0.148588 0.070521 -2.107008 0.0405

D(HOUSING_PRICE(-1)) 0.208368 0.142578 1.461435 0.1506

C -0.241337 0.298157 -0.809431 0.4223 R-squared 0.102755 Mean dependent var 0.063800

Adjusted R-squared 0.064574 S.D. dependent var 1.920297

S.E. of regression 1.857262 Akaike info criterion 4.134208

Sum squared resid 162.1228 Schwarz criterion 4.248930

Log likelihood -100.3552 Hannan-Quinn criter. 4.177895

F-statistic 2.691287 Durbin-Watson stat 2.031351

Prob(F-statistic) 0.078236

b) 1st

difference

Null Hypothesis: D(HOUSING_PRICE) has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.524640 0.0006

Test critical values: 1% level -3.571310

5% level -2.922449

10% level -2.599224 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(HOUSING_PRICE,2)

Method: Least Squares

Date: 05/08/18 Time: 20:55

Sample (adjusted): 4 52

Included observations: 49 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(HOUSING_PRICE(-1)) -0.875622 0.193523 -4.524640 0.0000

D(HOUSING_PRICE(-1),2) 0.010162 0.147158 0.069053 0.9452

C 0.075683 0.280036 0.270261 0.7882

Digital Repository Universitas JemberDigital Repository Universitas Jember

112

R-squared 0.434850 Mean dependent var 0.017755

Adjusted R-squared 0.410278 S.D. dependent var 2.550467

S.E. of regression 1.958589 Akaike info criterion 4.241596

Sum squared resid 176.4593 Schwarz criterion 4.357422

Log likelihood -100.9191 Hannan-Quinn criter. 4.285540

F-statistic 17.69714 Durbin-Watson stat 1.851728

Prob(F-statistic) 0.000002

c) 2nd

difference

Null Hypothesis: D(HOUSING_PRICE,2) has a unit root

Exogenous: Constant

Lag Length: 3 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.296616 0.0000

Test critical values: 1% level -3.581152

5% level -2.926622

10% level -2.601424 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(HOUSING_PRICE,3)

Method: Least Squares

Date: 05/08/18 Time: 20:56

Sample (adjusted): 7 52

Included observations: 46 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(HOUSING_PRICE(-1),2) -2.257348 0.309369 -7.296616 0.0000

D(HOUSING_PRICE(-1),3) 0.904849 0.264704 3.418343 0.0014

D(HOUSING_PRICE(-2),3) 0.712875 0.190848 3.735305 0.0006

D(HOUSING_PRICE(-3),3) 0.542447 0.104798 5.176110 0.0000

C 0.002961 0.238239 0.012430 0.9901 R-squared 0.823236 Mean dependent var 0.014565

Adjusted R-squared 0.805991 S.D. dependent var 3.659787

S.E. of regression 1.612005 Akaike info criterion 3.895157

Sum squared resid 106.5410 Schwarz criterion 4.093922

Log likelihood -84.58860 Hannan-Quinn criter. 3.969615

F-statistic 47.73708 Durbin-Watson stat 2.231590

Prob(F-statistic) 0.000000

Digital Repository Universitas JemberDigital Repository Universitas Jember

113

B.5 Krisis

a) Level

Null Hypothesis: KRISIS has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.772946 0.0693

Test critical values: 1% level -3.565430

5% level -2.919952

10% level -2.597905 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(KRISIS)

Method: Least Squares

Date: 05/08/18 Time: 20:59

Sample (adjusted): 2 52

Included observations: 51 after adjustments Variable Coefficient Std. Error t-Statistic Prob. KRISIS(-1) -0.271277 0.097830 -2.772946 0.0078

C 0.021277 0.027398 0.776580 0.4411 R-squared 0.135638 Mean dependent var 0.000000

Adjusted R-squared 0.117998 S.D. dependent var 0.200000

S.E. of regression 0.187830 Akaike info criterion -0.468134

Sum squared resid 1.728723 Schwarz criterion -0.392376

Log likelihood 13.93742 Hannan-Quinn criter. -0.439185

F-statistic 7.689231 Durbin-Watson stat 1.771293

Prob(F-statistic) 0.007835

b) 1st

difference

Null Hypothesis: D(KRISIS) has a unit root

Exogenous: Constant

Lag Length: 3 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.612486 0.0000

Test critical values: 1% level -3.577723

5% level -2.925169

10% level -2.600658 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Digital Repository Universitas JemberDigital Repository Universitas Jember

114

Dependent Variable: D(KRISIS,2)

Method: Least Squares

Date: 05/08/18 Time: 21:02

Sample (adjusted): 6 52

Included observations: 47 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(KRISIS(-1)) -1.500000 0.267261 -5.612486 0.0000

D(KRISIS(-1),2) 0.500000 0.231455 2.160247 0.0365

D(KRISIS(-2),2) 0.500000 0.188982 2.645751 0.0114

D(KRISIS(-3),2) 0.500000 0.133631 3.741657 0.0005

C 0.000000 0.027566 0.000000 1.0000 R-squared 0.625000 Mean dependent var 0.000000

Adjusted R-squared 0.589286 S.D. dependent var 0.294884

S.E. of regression 0.188982 Akaike info criterion -0.394039

Sum squared resid 1.500000 Schwarz criterion -0.197215

Log likelihood 14.25993 Hannan-Quinn criter. -0.319973

F-statistic 17.50000 Durbin-Watson stat 2.000000

Prob(F-statistic) 0.000000

c) 2nd

difference

Null Hypothesis: D(KRISIS,2) has a unit root

Exogenous: Constant

Lag Length: 8 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.880353 0.0048

Test critical values: 1% level -3.600987

5% level -2.935001

10% level -2.605836 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(KRISIS,3)

Method: Least Squares

Date: 05/08/18 Time: 21:03

Sample (adjusted): 12 52

Included observations: 41 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(KRISIS(-1),2) -5.666667 1.460348 -3.880353 0.0005

D(KRISIS(-1),3) 3.880952 1.369724 2.833383 0.0080

D(KRISIS(-2),3) 3.309524 1.244129 2.660113 0.0123

D(KRISIS(-3),3) 2.880952 1.078132 2.672170 0.0119

D(KRISIS(-4),3) 1.928571 0.896794 2.150519 0.0394

D(KRISIS(-5),3) 1.261905 0.688088 1.833928 0.0763

D(KRISIS(-6),3) 0.880952 0.523932 1.681426 0.1027

D(KRISIS(-7),3) 0.642857 0.346856 1.853381 0.0734

Digital Repository Universitas JemberDigital Repository Universitas Jember

115

D(KRISIS(-8),3) 0.214286 0.175433 1.221466 0.2311

C 0.000000 0.035691 0.000000 1.0000 R-squared 0.865079 Mean dependent var 0.000000

Adjusted R-squared 0.825909 S.D. dependent var 0.547723

S.E. of regression 0.228533 Akaike info criterion 0.093948

Sum squared resid 1.619048 Schwarz criterion 0.511892

Log likelihood 8.074067 Hannan-Quinn criter. 0.246140

F-statistic 22.08497 Durbin-Watson stat 2.075630

Prob(F-statistic) 0.000000

B.6 LTV

a) Level

Null Hypothesis: LTV has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.868851 0.7902

Test critical values: 1% level -3.565430

5% level -2.919952

10% level -2.597905 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV)

Method: Least Squares

Date: 05/08/18 Time: 21:08

Sample (adjusted): 2 52

Included observations: 51 after adjustments Variable Coefficient Std. Error t-Statistic Prob. LTV(-1) -0.034483 0.039688 -0.868851 0.3892

C 0.034483 0.026067 1.322876 0.1920 R-squared 0.015172 Mean dependent var 0.019608

Adjusted R-squared -0.004926 S.D. dependent var 0.140028

S.E. of regression 0.140372 Akaike info criterion -1.050609

Sum squared resid 0.965517 Schwarz criterion -0.974851

Log likelihood 28.79052 Hannan-Quinn criter. -1.021659

F-statistic 0.754902 Durbin-Watson stat 2.001232

Prob(F-statistic) 0.389165

Digital Repository Universitas JemberDigital Repository Universitas Jember

116

b) 1st

difference

Null Hypothesis: D(LTV) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.071068 0.0000

Test critical values: 1% level -3.568308

5% level -2.921175

10% level -2.598551 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV,2)

Method: Least Squares

Date: 05/08/18 Time: 21:08

Sample (adjusted): 3 52

Included observations: 50 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(LTV(-1)) -1.020408 0.144308 -7.071068 0.0000

C 0.020408 0.020408 1.000000 0.3223 R-squared 0.510204 Mean dependent var 0.000000

Adjusted R-squared 0.500000 S.D. dependent var 0.202031

S.E. of regression 0.142857 Akaike info criterion -1.014765

Sum squared resid 0.979592 Schwarz criterion -0.938284

Log likelihood 27.36913 Hannan-Quinn criter. -0.985641

F-statistic 50.00000 Durbin-Watson stat 2.000850

Prob(F-statistic) 0.000000

c) 2nd

difference

Null Hypothesis: D(LTV,2) has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.215838 0.0000

Test critical values: 1% level -3.574446

5% level -2.923780

10% level -2.599925 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV,3)

Method: Least Squares

Digital Repository Universitas JemberDigital Repository Universitas Jember

117

Date: 05/08/18 Time: 21:09

Sample (adjusted): 5 52

Included observations: 48 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(LTV(-1),2) -2.000000 0.243432 -8.215838 0.0000

D(LTV(-1),3) 0.333333 0.140546 2.371708 0.0220

C 0.000000 0.024845 0.000000 1.0000 R-squared 0.777778 Mean dependent var 0.000000

Adjusted R-squared 0.767901 S.D. dependent var 0.357295

S.E. of regression 0.172133 Akaike info criterion -0.620642

Sum squared resid 1.333333 Schwarz criterion -0.503692

Log likelihood 17.89540 Hannan-Quinn criter. -0.576446

F-statistic 78.75000 Durbin-Watson stat 2.166667

Prob(F-statistic) 0.000000

B.7 LTV*Kredit

a) Level

Null Hypothesis: LTV_KREDIT has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.839620 0.0599

Test critical values: 1% level -3.565430

5% level -2.919952

10% level -2.597905 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV_KREDIT)

Method: Least Squares

Date: 05/08/18 Time: 21:10

Sample (adjusted): 2 52

Included observations: 51 after adjustments Variable Coefficient Std. Error t-Statistic Prob. LTV_KREDIT(-1) -0.283334 0.099779 -2.839620 0.0066

C 0.004610 0.002478 1.860603 0.0688 R-squared 0.141307 Mean dependent var 0.000588

Adjusted R-squared 0.123782 S.D. dependent var 0.015512

S.E. of regression 0.014520 Akaike info criterion -5.588183

Sum squared resid 0.010330 Schwarz criterion -5.512425

Log likelihood 144.4987 Hannan-Quinn criter. -5.559234

F-statistic 8.063439 Durbin-Watson stat 2.294795

Prob(F-statistic) 0.006559

Digital Repository Universitas JemberDigital Repository Universitas Jember

118

b) 1st

difference

Null Hypothesis: D(LTV_KREDIT) has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.273948 0.0000

Test critical values: 1% level -3.574446

5% level -2.923780

10% level -2.599925 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV_KREDIT,2)

Method: Least Squares

Date: 05/08/18 Time: 21:11

Sample (adjusted): 5 52

Included observations: 48 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(LTV_KREDIT(-1)) -2.194848 0.301741 -7.273948 0.0000

D(LTV_KREDIT(-1),2) 0.752519 0.230559 3.263886 0.0021

D(LTV_KREDIT(-2),2) 0.452540 0.137594 3.288939 0.0020

C 0.000998 0.002004 0.498034 0.6209 R-squared 0.732854 Mean dependent var 0.000312

Adjusted R-squared 0.714640 S.D. dependent var 0.025954

S.E. of regression 0.013865 Akaike info criterion -5.639309

Sum squared resid 0.008458 Schwarz criterion -5.483375

Log likelihood 139.3434 Hannan-Quinn criter. -5.580381

F-statistic 40.23466 Durbin-Watson stat 1.747480

Prob(F-statistic) 0.000000

c) 2nd

difference

Null Hypothesis: D(LTV_KREDIT,2) has a unit root

Exogenous: Constant

Lag Length: 3 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.879260 0.0000

Test critical values: 1% level -3.581152

5% level -2.926622

10% level -2.601424 *MacKinnon (1996) one-sided p-values.

Digital Repository Universitas JemberDigital Repository Universitas Jember

119

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LTV_KREDIT,3)

Method: Least Squares

Date: 05/08/18 Time: 21:13

Sample (adjusted): 7 52

Included observations: 46 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(LTV_KREDIT(-1),2) -4.524737 0.574259 -7.879260 0.0000

D(LTV_KREDIT(-1),3) 2.364144 0.453583 5.212150 0.0000

D(LTV_KREDIT(-2),3) 1.358852 0.305604 4.446441 0.0001

D(LTV_KREDIT(-3),3) 0.352392 0.151083 2.332448 0.0247

C 2.97E-05 0.002178 0.013654 0.9892 R-squared 0.911701 Mean dependent var 0.000522

Adjusted R-squared 0.903086 S.D. dependent var 0.047450

S.E. of regression 0.014772 Akaike info criterion -5.489873

Sum squared resid 0.008946 Schwarz criterion -5.291108

Log likelihood 131.2671 Hannan-Quinn criter. -5.415415

F-statistic 105.8325 Durbin-Watson stat 2.067369

Prob(F-statistic) 0.000000

Digital Repository Universitas JemberDigital Repository Universitas Jember

120

C. Hasil Uji Kointegrasi

C.1 α 1%

Date: 05/17/18 Time: 06:01

Sample (adjusted): 3 52

Included observations: 50 after adjustments

Trend assumption: Linear deterministic trend Series: CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.01

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.635005 149.5852 135.9732 0.0008

At most 1 0.572039 99.19161 104.9615 0.0284

At most 2 0.394650 56.75543 77.81884 0.3482

At most 3 0.225921 31.65804 54.68150 0.6309

At most 4 0.196081 18.85396 35.45817 0.5035

At most 5 0.132660 7.941138 19.93711 0.4717

At most 6 0.016363 0.824901 6.634897 0.3638 Trace test indicates 1 cointegrating eqn(s) at the 0.01 level

* denotes rejection of the hypothesis at the 0.01 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.01

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None 0.635005 50.39360 52.30821 0.0170

At most 1 0.572039 42.43618 45.86900 0.0266

At most 2 0.394650 25.09739 39.37013 0.3785

At most 3 0.225921 12.80408 32.71527 0.8955

At most 4 0.196081 10.91282 25.86121 0.6560

At most 5 0.132660 7.116237 18.52001 0.4755

At most 6 0.016363 0.824901 6.634897 0.3638 Max-eigenvalue test indicates no cointegration at the 0.01 level

* denotes rejection of the hypothesis at the 0.01 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

-78.63067 0.212319 -0.118011 0.008941 1.672712 -3.921397 77.66895

-11.52943 0.235881 0.412296 0.573878 2.633700 2.160933 -122.1386

-36.79891 1.455408 0.078331 -0.190638 2.306517 1.134682 34.17581

-3.307377 0.657398 -0.218447 -0.298303 -2.293207 2.064717 -42.43784

15.32359 -0.925350 0.103911 -0.204506 -2.005577 0.969074 -10.68374

Digital Repository Universitas JemberDigital Repository Universitas Jember

121

2.245224 -0.660928 -0.257702 -0.157211 2.850903 -0.254512 1.949675

3.992657 -0.124672 -0.061606 -0.016745 -0.126639 2.576646 -22.16129

Unrestricted Adjustment Coefficients (alpha): D(CREDIT) 0.016096 0.005974 0.001916 0.004297 -0.002983 -0.002035 8.05E-05

D(GDP) 0.268473 -0.007367 -0.196526 0.001382 0.077603 0.012189 0.004386

D(CPI) -0.404856 -0.158312 -0.538188 0.025930 -0.694691 0.155924 0.117891

D(HOUSING) 0.372780 -0.228841 0.500660 0.210449 0.465651 0.049187 -0.108996

D(KRISIS) 0.006096 -0.041141 -0.047992 0.047284 -0.002933 -0.051184 0.003963

D(LTV) 0.012275 0.011136 -0.024810 -0.001712 -0.028765 -0.002881 -0.013955

D(LTV_KREDIT) 0.001296 0.006157 -0.002710 0.002812 -0.002193 0.000648 -0.000995

1 Cointegrating Equation(s): Log

likelihood 144.9477 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 -0.002700 0.001501 -0.000114 -0.021273 0.049871 -0.987769

(0.00257) (0.00085) (0.00109) (0.00733) (0.00749) (0.21239)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.265676

(0.23919)

D(GDP) -21.11023

(5.09891)

D(CPI) 31.83414

(25.6674)

D(HOUSING) -29.31196

(20.7410)

D(KRISIS) -0.479313

(2.43951)

D(LTV) -0.965169

(1.65027)

D(LTV_KREDIT) -0.101944

(0.17752)

2 Cointegrating Equation(s): Log

likelihood 166.1658 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.007166 0.007437 0.010225 0.085952 -2.748710

(0.00138) (0.00179) (0.01210) (0.01038) (0.34341)

0.000000 1.000000 2.098182 2.796438 11.66520 13.36232 -652.1505

(0.36956) (0.47903) (3.23679) (2.77650) (91.8651)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.334551 0.004827

(0.23009) (0.00092)

D(GDP) -21.02529 0.055264

Digital Repository Universitas JemberDigital Repository Universitas Jember

122

(5.15262) (0.02058)

D(CPI) 33.65939 -0.123302

(25.8673) (0.10330)

D(HOUSING) -26.67355 0.025169

(20.7694) (0.08294)

D(KRISIS) -0.004980 -0.008410

(2.41214) (0.00963)

D(LTV) -1.093561 0.005233

(1.66218) (0.00664)

D(LTV_KREDIT) -0.172935 0.001728

(0.16233) (0.00065)

3 Cointegrating Equation(s): Log

likelihood 178.7145 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 -0.003099 -0.027553 0.045914 -0.417320

(0.00080) (0.00822) (0.00705) (0.20161)

0.000000 1.000000 0.000000 -0.288481 0.604420 1.639837 30.43945

(0.07147) (0.73838) (0.63361) (18.1197)

0.000000 0.000000 1.000000 1.470282 5.271602 5.586973 -325.3245

(0.15304) (1.58115) (1.35679) (38.8014)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.405071 0.007616 0.000714

(0.25220) (0.00429) (0.00126)

D(GDP) -13.79335 -0.230761 -0.050114

(5.00169) (0.08507) (0.02490)

D(CPI) 53.46413 -0.906585 -0.059651

(27.5391) (0.46841) (0.13708)

D(HOUSING) -45.09728 0.753833 -0.099125

(21.8396) (0.37147) (0.10871)

D(KRISIS) 1.761077 -0.078258 -0.021441

(2.57586) (0.04381) (0.01282)

D(LTV) -0.180569 -0.030876 0.001199

(1.80002) (0.03062) (0.00896)

D(LTV_KREDIT) -0.073224 -0.002216 0.002173

(0.17501) (0.00298) (0.00087)

4 Cointegrating Equation(s): Log

likelihood 185.1166 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 -0.052530 0.082060 -2.484249

(0.02065) (0.01926) (0.50740)

0.000000 1.000000 0.000000 0.000000 -1.720448 5.004254 -161.9482

(1.80501) (1.68353) (44.3556)

0.000000 0.000000 1.000000 0.000000 17.12061 -11.56024 655.2059

(9.60897) (8.96227) (236.128)

0.000000 0.000000 0.000000 1.000000 -8.059004 11.66253 -666.8994

Digital Repository Universitas JemberDigital Repository Universitas Jember

123

(6.80905) (6.35078) (167.323)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.419284 0.010441 -0.000225 0.001925

(0.24544) (0.00456) (0.00137) (0.00189)

D(GDP) -13.79792 -0.229853 -0.050416 0.035226

(5.00522) (0.09299) (0.02785) (0.03851)

D(CPI) 53.37837 -0.889538 -0.065315 0.000392

(27.5564) (0.51196) (0.15332) (0.21203)

D(HOUSING) -45.79332 0.892182 -0.145097 -0.286216

(21.6645) (0.40249) (0.12054) (0.16670)

D(KRISIS) 1.604691 -0.047174 -0.031770 -0.028511

(2.49514) (0.04636) (0.01388) (0.01920)

D(LTV) -0.174908 -0.032001 0.001573 0.011741

(1.80115) (0.03346) (0.01002) (0.01386)

D(LTV_KREDIT) -0.082524 -0.000367 0.001559 0.003223

(0.17085) (0.00317) (0.00095) (0.00131)

5 Cointegrating Equation(s): Log

likelihood 190.5730 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.015097 0.276997

(0.01625) (0.43308)

0.000000 1.000000 0.000000 0.000000 0.000000 2.811130 -71.51287

(0.83744) (22.3236)

0.000000 0.000000 1.000000 0.000000 0.000000 10.26409 -244.7395

(3.72015) (99.1682)

0.000000 0.000000 0.000000 1.000000 0.000000 1.389396 -243.2777

(2.58924) (69.0215)

0.000000 0.000000 0.000000 0.000000 1.000000 -1.274741 52.56503

(0.58340) (15.5517)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.465001 0.013202 -0.000535 0.002535 0.043207

(0.24569) (0.00517) (0.00138) (0.00195) (0.01362)

D(GDP) -12.60876 -0.301663 -0.042352 0.019355 -0.182422

(4.96542) (0.10452) (0.02783) (0.03933) (0.27532)

D(CPI) 42.73321 -0.246706 -0.137501 0.142460 -1.001703

(26.2564) (0.55269) (0.14713) (0.20796) (1.45584)

D(HOUSING) -38.65788 0.461292 -0.096711 -0.381444 -0.240866

(21.0200) (0.44247) (0.11779) (0.16649) (1.16549)

D(KRISIS) 1.559745 -0.044460 -0.032075 -0.027911 -0.311401

(2.53266) (0.05331) (0.01419) (0.02006) (0.14043)

D(LTV) -0.615684 -0.005384 -0.001416 0.017623 0.054251

(1.78426) (0.03756) (0.01000) (0.01413) (0.09893)

D(LTV_KREDIT) -0.116131 0.001662 0.001331 0.003671 0.010086

(0.17075) (0.00359) (0.00096) (0.00135) (0.00947)

6 Cointegrating Equation(s): Log

likelihood 194.1311

Digital Repository Universitas JemberDigital Repository Universitas Jember

124

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.833028

(0.29316)

0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 32.01938

(12.9818)

0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 133.2809

(55.4163)

0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 -192.1071

(34.6314)

0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 5.617092

(4.25462)

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 -36.82941

(5.43994)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.469571 0.014547 -1.07E-05 0.002855 0.037404 -0.041538

(0.24413) (0.00545) (0.00154) (0.00198) (0.01563) (0.01415)

D(GDP) -12.58140 -0.309719 -0.045493 0.017439 -0.147673 -1.216751

(4.96411) (0.11077) (0.03130) (0.04027) (0.31780) (0.28768)

D(CPI) 43.08329 -0.349761 -0.177683 0.117947 -0.557178 -0.024524

(26.1752) (0.58410) (0.16506) (0.21235) (1.67573) (1.51692)

D(HOUSING) -38.54745 0.428784 -0.109387 -0.389177 -0.100640 -0.514990

(21.0155) (0.46896) (0.13253) (0.17049) (1.34541) (1.21790)

D(KRISIS) 1.444826 -0.010631 -0.018885 -0.019865 -0.457321 -0.059450

(2.43153) (0.05426) (0.01533) (0.01973) (0.15567) (0.14091)

D(LTV) -0.622152 -0.003480 -0.000673 0.018076 0.046038 -0.082898

(1.78438) (0.03982) (0.01125) (0.01448) (0.11424) (0.10341)

D(LTV_KREDIT) -0.114676 0.001234 0.001164 0.003570 0.011933 0.008662

(0.17057) (0.00381) (0.00108) (0.00138) (0.01092) (0.00988)

C.2 α 5%

Date: 05/17/18 Time: 06:06

Sample (adjusted): 3 52

Included observations: 50 after adjustments

Trend assumption: Linear deterministic trend Series: CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.635005 149.5852 125.6154 0.0008

At most 1 * 0.572039 99.19161 95.75366 0.0284

At most 2 0.394650 56.75543 69.81889 0.3482

At most 3 0.225921 31.65804 47.85613 0.6309

At most 4 0.196081 18.85396 29.79707 0.5035

Digital Repository Universitas JemberDigital Repository Universitas Jember

125

At most 5 0.132660 7.941138 15.49471 0.4717

At most 6 0.016363 0.824901 3.841466 0.3638 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.635005 50.39360 46.23142 0.0170

At most 1 * 0.572039 42.43618 40.07757 0.0266

At most 2 0.394650 25.09739 33.87687 0.3785

At most 3 0.225921 12.80408 27.58434 0.8955

At most 4 0.196081 10.91282 21.13162 0.6560

At most 5 0.132660 7.116237 14.26460 0.4755

At most 6 0.016363 0.824901 3.841466 0.3638 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

-78.63067 0.212319 -0.118011 0.008941 1.672712 -3.921397 77.66895

-11.52943 0.235881 0.412296 0.573878 2.633700 2.160933 -122.1386

-36.79891 1.455408 0.078331 -0.190638 2.306517 1.134682 34.17581

-3.307377 0.657398 -0.218447 -0.298303 -2.293207 2.064717 -42.43784

15.32359 -0.925350 0.103911 -0.204506 -2.005577 0.969074 -10.68374

2.245224 -0.660928 -0.257702 -0.157211 2.850903 -0.254512 1.949675

3.992657 -0.124672 -0.061606 -0.016745 -0.126639 2.576646 -22.16129

Unrestricted Adjustment Coefficients (alpha): D(CREDIT) 0.016096 0.005974 0.001916 0.004297 -0.002983 -0.002035 8.05E-05

D(GDP) 0.268473 -0.007367 -0.196526 0.001382 0.077603 0.012189 0.004386

D(CPI) -0.404856 -0.158312 -0.538188 0.025930 -0.694691 0.155924 0.117891

D(HOUSING) 0.372780 -0.228841 0.500660 0.210449 0.465651 0.049187 -0.108996

D(KRISIS) 0.006096 -0.041141 -0.047992 0.047284 -0.002933 -0.051184 0.003963

D(LTV) 0.012275 0.011136 -0.024810 -0.001712 -0.028765 -0.002881 -0.013955

D(LTV_KREDIT) 0.001296 0.006157 -0.002710 0.002812 -0.002193 0.000648 -0.000995

1 Cointegrating Equation(s): Log

likelihood 144.9477 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 -0.002700 0.001501 -0.000114 -0.021273 0.049871 -0.987769

Digital Repository Universitas JemberDigital Repository Universitas Jember

126

(0.00257) (0.00085) (0.00109) (0.00733) (0.00749) (0.21239)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.265676

(0.23919)

D(GDP) -21.11023

(5.09891)

D(CPI) 31.83414

(25.6674)

D(HOUSING) -29.31196

(20.7410)

D(KRISIS) -0.479313

(2.43951)

D(LTV) -0.965169

(1.65027)

D(LTV_KREDIT) -0.101944

(0.17752)

2 Cointegrating Equation(s): Log

likelihood 166.1658 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.007166 0.007437 0.010225 0.085952 -2.748710

(0.00138) (0.00179) (0.01210) (0.01038) (0.34341)

0.000000 1.000000 2.098182 2.796438 11.66520 13.36232 -652.1505

(0.36956) (0.47903) (3.23679) (2.77650) (91.8651)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.334551 0.004827

(0.23009) (0.00092)

D(GDP) -21.02529 0.055264

(5.15262) (0.02058)

D(CPI) 33.65939 -0.123302

(25.8673) (0.10330)

D(HOUSING) -26.67355 0.025169

(20.7694) (0.08294)

D(KRISIS) -0.004980 -0.008410

(2.41214) (0.00963)

D(LTV) -1.093561 0.005233

(1.66218) (0.00664)

D(LTV_KREDIT) -0.172935 0.001728

(0.16233) (0.00065)

3 Cointegrating Equation(s): Log

likelihood 178.7145 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 -0.003099 -0.027553 0.045914 -0.417320

(0.00080) (0.00822) (0.00705) (0.20161)

Digital Repository Universitas JemberDigital Repository Universitas Jember

127

0.000000 1.000000 0.000000 -0.288481 0.604420 1.639837 30.43945

(0.07147) (0.73838) (0.63361) (18.1197)

0.000000 0.000000 1.000000 1.470282 5.271602 5.586973 -325.3245

(0.15304) (1.58115) (1.35679) (38.8014)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.405071 0.007616 0.000714

(0.25220) (0.00429) (0.00126)

D(GDP) -13.79335 -0.230761 -0.050114

(5.00169) (0.08507) (0.02490)

D(CPI) 53.46413 -0.906585 -0.059651

(27.5391) (0.46841) (0.13708)

D(HOUSING) -45.09728 0.753833 -0.099125

(21.8396) (0.37147) (0.10871)

D(KRISIS) 1.761077 -0.078258 -0.021441

(2.57586) (0.04381) (0.01282)

D(LTV) -0.180569 -0.030876 0.001199

(1.80002) (0.03062) (0.00896)

D(LTV_KREDIT) -0.073224 -0.002216 0.002173

(0.17501) (0.00298) (0.00087)

4 Cointegrating Equation(s): Log

likelihood 185.1166 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 -0.052530 0.082060 -2.484249

(0.02065) (0.01926) (0.50740)

0.000000 1.000000 0.000000 0.000000 -1.720448 5.004254 -161.9482

(1.80501) (1.68353) (44.3556)

0.000000 0.000000 1.000000 0.000000 17.12061 -11.56024 655.2059

(9.60897) (8.96227) (236.128)

0.000000 0.000000 0.000000 1.000000 -8.059004 11.66253 -666.8994

(6.80905) (6.35078) (167.323)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.419284 0.010441 -0.000225 0.001925

(0.24544) (0.00456) (0.00137) (0.00189)

D(GDP) -13.79792 -0.229853 -0.050416 0.035226

(5.00522) (0.09299) (0.02785) (0.03851)

D(CPI) 53.37837 -0.889538 -0.065315 0.000392

(27.5564) (0.51196) (0.15332) (0.21203)

D(HOUSING) -45.79332 0.892182 -0.145097 -0.286216

(21.6645) (0.40249) (0.12054) (0.16670)

D(KRISIS) 1.604691 -0.047174 -0.031770 -0.028511

(2.49514) (0.04636) (0.01388) (0.01920)

D(LTV) -0.174908 -0.032001 0.001573 0.011741

(1.80115) (0.03346) (0.01002) (0.01386)

D(LTV_KREDIT) -0.082524 -0.000367 0.001559 0.003223

(0.17085) (0.00317) (0.00095) (0.00131)

5 Cointegrating Equation(s): Log 190.5730

Digital Repository Universitas JemberDigital Repository Universitas Jember

128

likelihood

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.015097 0.276997

(0.01625) (0.43308)

0.000000 1.000000 0.000000 0.000000 0.000000 2.811130 -71.51287

(0.83744) (22.3236)

0.000000 0.000000 1.000000 0.000000 0.000000 10.26409 -244.7395

(3.72015) (99.1682)

0.000000 0.000000 0.000000 1.000000 0.000000 1.389396 -243.2777

(2.58924) (69.0215)

0.000000 0.000000 0.000000 0.000000 1.000000 -1.274741 52.56503

(0.58340) (15.5517)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.465001 0.013202 -0.000535 0.002535 0.043207

(0.24569) (0.00517) (0.00138) (0.00195) (0.01362)

D(GDP) -12.60876 -0.301663 -0.042352 0.019355 -0.182422

(4.96542) (0.10452) (0.02783) (0.03933) (0.27532)

D(CPI) 42.73321 -0.246706 -0.137501 0.142460 -1.001703

(26.2564) (0.55269) (0.14713) (0.20796) (1.45584)

D(HOUSING) -38.65788 0.461292 -0.096711 -0.381444 -0.240866

(21.0200) (0.44247) (0.11779) (0.16649) (1.16549)

D(KRISIS) 1.559745 -0.044460 -0.032075 -0.027911 -0.311401

(2.53266) (0.05331) (0.01419) (0.02006) (0.14043)

D(LTV) -0.615684 -0.005384 -0.001416 0.017623 0.054251

(1.78426) (0.03756) (0.01000) (0.01413) (0.09893)

D(LTV_KREDIT) -0.116131 0.001662 0.001331 0.003671 0.010086

(0.17075) (0.00359) (0.00096) (0.00135) (0.00947)

6 Cointegrating Equation(s): Log

likelihood 194.1311 Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.833028

(0.29316)

0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 32.01938

(12.9818)

0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 133.2809

(55.4163)

0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 -192.1071

(34.6314)

0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 5.617092

(4.25462)

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 -36.82941

(5.43994)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.469571 0.014547 -1.07E-05 0.002855 0.037404 -0.041538

(0.24413) (0.00545) (0.00154) (0.00198) (0.01563) (0.01415)

Digital Repository Universitas JemberDigital Repository Universitas Jember

129

D(GDP) -12.58140 -0.309719 -0.045493 0.017439 -0.147673 -1.216751

(4.96411) (0.11077) (0.03130) (0.04027) (0.31780) (0.28768)

D(CPI) 43.08329 -0.349761 -0.177683 0.117947 -0.557178 -0.024524

(26.1752) (0.58410) (0.16506) (0.21235) (1.67573) (1.51692)

D(HOUSING) -38.54745 0.428784 -0.109387 -0.389177 -0.100640 -0.514990

(21.0155) (0.46896) (0.13253) (0.17049) (1.34541) (1.21790)

D(KRISIS) 1.444826 -0.010631 -0.018885 -0.019865 -0.457321 -0.059450

(2.43153) (0.05426) (0.01533) (0.01973) (0.15567) (0.14091)

D(LTV) -0.622152 -0.003480 -0.000673 0.018076 0.046038 -0.082898

(1.78438) (0.03982) (0.01125) (0.01448) (0.11424) (0.10341)

D(LTV_KREDIT) -0.114676 0.001234 0.001164 0.003570 0.011933 0.008662

(0.17057) (0.00381) (0.00108) (0.00138) (0.01092) (0.00988)

C.3 α 10%

Date: 05/17/18 Time: 06:07

Sample (adjusted): 3 52

Included observations: 50 after adjustments

Trend assumption: Linear deterministic trend Series: CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.1

No. of CE(s) Eigenvalu

e Statistic Critical Value Prob.**

None * 0.635005 149.5852 120.3673 0.0008

At most 1 * 0.572039 99.19161 91.11028 0.0284

At most 2 0.394650 56.75543 65.81970 0.3482

At most 3 0.225921 31.65804 44.49359 0.6309

At most 4 0.196081 18.85396 27.06695 0.5035

At most 5 0.132660 7.941138 13.42878 0.4717

At most 6 0.016363 0.824901 2.705545 0.3638 Trace test indicates 2 cointegrating eqn(s) at the 0.1 level

* denotes rejection of the hypothesis at the 0.1 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.1

No. of CE(s) Eigenvalu

e Statistic Critical Value Prob.**

None * 0.635005 50.39360 43.29404 0.0170

At most 1 * 0.572039 42.43618 37.27779 0.0266

At most 2 0.394650 25.09739 31.23922 0.3785

At most 3 0.225921 12.80408 25.12408 0.8955

At most 4 0.196081 10.91282 18.89282 0.6560

At most 5 0.132660 7.116237 12.29652 0.4755

At most 6 0.016363 0.824901 2.705545 0.3638

Digital Repository Universitas JemberDigital Repository Universitas Jember

130

Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.1 level

* denotes rejection of the hypothesis at the 0.1 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

-78.63067 0.212319 -0.118011 0.008941 1.672712 -3.921397 77.66895

-11.52943 0.235881 0.412296 0.573878 2.633700 2.160933 -122.1386

-36.79891 1.455408 0.078331 -0.190638 2.306517 1.134682 34.17581

-3.307377 0.657398 -0.218447 -0.298303 -2.293207 2.064717 -42.43784

15.32359 -0.925350 0.103911 -0.204506 -2.005577 0.969074 -10.68374

2.245224 -0.660928 -0.257702 -0.157211 2.850903 -0.254512 1.949675

3.992657 -0.124672 -0.061606 -0.016745 -0.126639 2.576646 -22.16129

Unrestricted Adjustment Coefficients (alpha): D(CREDIT) 0.016096 0.005974 0.001916 0.004297 -0.002983 -0.002035 8.05E-05

D(GDP) 0.268473 -0.007367 -0.196526 0.001382 0.077603 0.012189 0.004386

D(CPI) -0.404856 -0.158312 -0.538188 0.025930 -0.694691 0.155924 0.117891

D(HOUSING) 0.372780 -0.228841 0.500660 0.210449 0.465651 0.049187 -0.108996

D(KRISIS) 0.006096 -0.041141 -0.047992 0.047284 -0.002933 -0.051184 0.003963

D(LTV) 0.012275 0.011136 -0.024810 -0.001712 -0.028765 -0.002881 -0.013955

D(LTV_KREDIT) 0.001296 0.006157 -0.002710 0.002812 -0.002193 0.000648 -0.000995 1 Cointegrating Equation(s):

Log likelihood 144.9477

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 -0.002700 0.001501 -0.000114 -0.021273 0.049871 -0.987769

(0.00257) (0.00085) (0.00109) (0.00733) (0.00749) (0.21239)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.265676

(0.23919)

D(GDP) -21.11023

(5.09891)

D(CPI) 31.83414

(25.6674)

D(HOUSING) -29.31196

(20.7410)

D(KRISIS) -0.479313

(2.43951)

D(LTV) -0.965169

(1.65027)

D(LTV_KREDIT) -0.101944

(0.17752) 2 Cointegrating Equation(s):

Log likelihood 166.1658

Digital Repository Universitas JemberDigital Repository Universitas Jember

131

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.007166 0.007437 0.010225 0.085952 -2.748710

(0.00138) (0.00179) (0.01210) (0.01038) (0.34341)

0.000000 1.000000 2.098182 2.796438 11.66520 13.36232 -652.1505

(0.36956) (0.47903) (3.23679) (2.77650) (91.8651)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.334551 0.004827

(0.23009) (0.00092)

D(GDP) -21.02529 0.055264

(5.15262) (0.02058)

D(CPI) 33.65939 -0.123302

(25.8673) (0.10330)

D(HOUSING) -26.67355 0.025169

(20.7694) (0.08294)

D(KRISIS) -0.004980 -0.008410

(2.41214) (0.00963)

D(LTV) -1.093561 0.005233

(1.66218) (0.00664)

D(LTV_KREDIT) -0.172935 0.001728

(0.16233) (0.00065) 3 Cointegrating Equation(s):

Log likelihood 178.7145

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 -0.003099 -0.027553 0.045914 -0.417320

(0.00080) (0.00822) (0.00705) (0.20161)

0.000000 1.000000 0.000000 -0.288481 0.604420 1.639837 30.43945

(0.07147) (0.73838) (0.63361) (18.1197)

0.000000 0.000000 1.000000 1.470282 5.271602 5.586973 -325.3245

(0.15304) (1.58115) (1.35679) (38.8014)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.405071 0.007616 0.000714

(0.25220) (0.00429) (0.00126)

D(GDP) -13.79335 -0.230761 -0.050114

(5.00169) (0.08507) (0.02490)

D(CPI) 53.46413 -0.906585 -0.059651

(27.5391) (0.46841) (0.13708)

D(HOUSING) -45.09728 0.753833 -0.099125

(21.8396) (0.37147) (0.10871)

D(KRISIS) 1.761077 -0.078258 -0.021441

(2.57586) (0.04381) (0.01282)

D(LTV) -0.180569 -0.030876 0.001199

(1.80002) (0.03062) (0.00896)

D(LTV_KREDIT) -0.073224 -0.002216 0.002173

(0.17501) (0.00298) (0.00087)

Digital Repository Universitas JemberDigital Repository Universitas Jember

132

4 Cointegrating Equation(s):

Log likelihood 185.1166

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 -0.052530 0.082060 -2.484249

(0.02065) (0.01926) (0.50740)

0.000000 1.000000 0.000000 0.000000 -1.720448 5.004254 -161.9482

(1.80501) (1.68353) (44.3556)

0.000000 0.000000 1.000000 0.000000 17.12061 -11.56024 655.2059

(9.60897) (8.96227) (236.128)

0.000000 0.000000 0.000000 1.000000 -8.059004 11.66253 -666.8994

(6.80905) (6.35078) (167.323)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.419284 0.010441 -0.000225 0.001925

(0.24544) (0.00456) (0.00137) (0.00189)

D(GDP) -13.79792 -0.229853 -0.050416 0.035226

(5.00522) (0.09299) (0.02785) (0.03851)

D(CPI) 53.37837 -0.889538 -0.065315 0.000392

(27.5564) (0.51196) (0.15332) (0.21203)

D(HOUSING) -45.79332 0.892182 -0.145097 -0.286216

(21.6645) (0.40249) (0.12054) (0.16670)

D(KRISIS) 1.604691 -0.047174 -0.031770 -0.028511

(2.49514) (0.04636) (0.01388) (0.01920)

D(LTV) -0.174908 -0.032001 0.001573 0.011741

(1.80115) (0.03346) (0.01002) (0.01386)

D(LTV_KREDIT) -0.082524 -0.000367 0.001559 0.003223

(0.17085) (0.00317) (0.00095) (0.00131) 5 Cointegrating Equation(s):

Log likelihood 190.5730

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.015097 0.276997

(0.01625) (0.43308)

0.000000 1.000000 0.000000 0.000000 0.000000 2.811130 -71.51287

(0.83744) (22.3236)

0.000000 0.000000 1.000000 0.000000 0.000000 10.26409 -244.7395

(3.72015) (99.1682)

0.000000 0.000000 0.000000 1.000000 0.000000 1.389396 -243.2777

(2.58924) (69.0215)

0.000000 0.000000 0.000000 0.000000 1.000000 -1.274741 52.56503

(0.58340) (15.5517)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.465001 0.013202 -0.000535 0.002535 0.043207

(0.24569) (0.00517) (0.00138) (0.00195) (0.01362)

D(GDP) -12.60876 -0.301663 -0.042352 0.019355 -0.182422

(4.96542) (0.10452) (0.02783) (0.03933) (0.27532)

D(CPI) 42.73321 -0.246706 -0.137501 0.142460 -1.001703

Digital Repository Universitas JemberDigital Repository Universitas Jember

133

(26.2564) (0.55269) (0.14713) (0.20796) (1.45584)

D(HOUSING) -38.65788 0.461292 -0.096711 -0.381444 -0.240866

(21.0200) (0.44247) (0.11779) (0.16649) (1.16549)

D(KRISIS) 1.559745 -0.044460 -0.032075 -0.027911 -0.311401

(2.53266) (0.05331) (0.01419) (0.02006) (0.14043)

D(LTV) -0.615684 -0.005384 -0.001416 0.017623 0.054251

(1.78426) (0.03756) (0.01000) (0.01413) (0.09893)

D(LTV_KREDIT) -0.116131 0.001662 0.001331 0.003671 0.010086

(0.17075) (0.00359) (0.00096) (0.00135) (0.00947) 6 Cointegrating Equation(s):

Log likelihood 194.1311

Normalized cointegrating coefficients (standard error in parentheses)

CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.833028

(0.29316)

0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 32.01938

(12.9818)

0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 133.2809

(55.4163)

0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 -192.1071

(34.6314)

0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 5.617092

(4.25462)

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 -36.82941

(5.43994)

Adjustment coefficients (standard error in parentheses)

D(CREDIT) -1.469571 0.014547 -1.07E-05 0.002855 0.037404 -0.041538

(0.24413) (0.00545) (0.00154) (0.00198) (0.01563) (0.01415)

D(GDP) -12.58140 -0.309719 -0.045493 0.017439 -0.147673 -1.216751

(4.96411) (0.11077) (0.03130) (0.04027) (0.31780) (0.28768)

D(CPI) 43.08329 -0.349761 -0.177683 0.117947 -0.557178 -0.024524

(26.1752) (0.58410) (0.16506) (0.21235) (1.67573) (1.51692)

D(HOUSING) -38.54745 0.428784 -0.109387 -0.389177 -0.100640 -0.514990

(21.0155) (0.46896) (0.13253) (0.17049) (1.34541) (1.21790)

D(KRISIS) 1.444826 -0.010631 -0.018885 -0.019865 -0.457321 -0.059450

(2.43153) (0.05426) (0.01533) (0.01973) (0.15567) (0.14091)

D(LTV) -0.622152 -0.003480 -0.000673 0.018076 0.046038 -0.082898

(1.78438) (0.03982) (0.01125) (0.01448) (0.11424) (0.10341)

D(LTV_KREDIT) -0.114676 0.001234 0.001164 0.003570 0.011933 0.008662

(0.17057) (0.00381) (0.00108) (0.00138) (0.01092) (0.00988)

Digital Repository Universitas JemberDigital Repository Universitas Jember

134

D. Uji Lag Optimum

VAR Lag Order Selection Criteria Endogenous variables: CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

Exogenous variables: C

Date: 05/17/18 Time: 15:10

Sample: 1 52

Included observations: 48 Lag LogL LR FPE AIC SC HQ 0 -27.98408 NA 1.01e-08 1.457670 1.730553 1.560793

1 168.2496 327.0561 2.24e-11 -4.677065 -2.493997* -3.852081

2 207.6699 54.20302 3.81e-11 -4.277914 -0.184662 -2.731068

3 277.9187 76.10284 2.26e-11 -5.163280 0.840157 -2.894573

4 392.0083 90.32089* 3.41e-12* -7.875344* 0.038277 -4.884775* * indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

FPE: Final prediction error

AIC: Akaike information criterion

SC: Schwarz information criterion

HQ: Hannan-Quinn information criterion

Digital Repository Universitas JemberDigital Repository Universitas Jember

135

E. Uji Kausalitas Granger

Pairwise Granger Causality Tests

Date: 05/11/18 Time: 11:31

Sample: 1 52

Lags: 2 Null Hypothesis: Obs F-Statistic Prob. GDP does not Granger Cause CREDIT 50 5.64320 0.0065

CREDIT does not Granger Cause GDP 1.69000 0.1960 CPI does not Granger Cause CREDIT 50 0.28974 0.7498

CREDIT does not Granger Cause CPI 2.48554 0.0946 HOUSING does not Granger Cause CREDIT 50 0.02155 0.9787

CREDIT does not Granger Cause HOUSING 1.59028 0.2151 KRISIS does not Granger Cause CREDIT 50 1.74741 0.1858

CREDIT does not Granger Cause KRISIS 0.66922 0.5171 LTV does not Granger Cause CREDIT 50 2.11782 0.1321

CREDIT does not Granger Cause LTV 0.64466 0.5296 LTV_KREDIT does not Granger Cause CREDIT 50 0.94362 0.3968

CREDIT does not Granger Cause LTV_KREDIT 0.88826 0.4185 CPI does not Granger Cause GDP 50 0.48855 0.6167

GDP does not Granger Cause CPI 0.75083 0.4778 HOUSING does not Granger Cause GDP 50 0.04939 0.9519

GDP does not Granger Cause HOUSING 1.02435 0.3672 KRISIS does not Granger Cause GDP 50 1.94869 0.1543

GDP does not Granger Cause KRISIS 0.45175 0.6394 LTV does not Granger Cause GDP 50 1.73319 0.1883

GDP does not Granger Cause LTV 0.05523 0.9463 LTV_KREDIT does not Granger Cause GDP 50 0.91746 0.4069

GDP does not Granger Cause LTV_KREDIT 0.08134 0.9220 HOUSING does not Granger Cause CPI 50 0.08925 0.9148

CPI does not Granger Cause HOUSING 1.72079 0.1905 KRISIS does not Granger Cause CPI 50 1.13654 0.3300

CPI does not Granger Cause KRISIS 0.22230 0.8015 LTV does not Granger Cause CPI 50 0.62914 0.5377

CPI does not Granger Cause LTV 0.75360 0.4765 LTV_KREDIT does not Granger Cause CPI 50 0.19275 0.8254

CPI does not Granger Cause LTV_KREDIT 1.07833 0.3488 KRISIS does not Granger Cause HOUSING 50 1.78662 0.1792

HOUSING does not Granger Cause KRISIS 0.44485 0.6437

Digital Repository Universitas JemberDigital Repository Universitas Jember

136

LTV does not Granger Cause HOUSING 50 1.63562 0.2062

HOUSING does not Granger Cause LTV 1.69121 0.1958 LTV_KREDIT does not Granger Cause HOUSING 50 2.16291 0.1268

HOUSING does not Granger Cause LTV_KREDIT 2.87583 0.0668 LTV does not Granger Cause KRISIS 50 0.36626 0.6954

KRISIS does not Granger Cause LTV 0.16379 0.8494 LTV_KREDIT does not Granger Cause KRISIS 50 0.25705 0.7745

KRISIS does not Granger Cause LTV_KREDIT 0.19091 0.8269 LTV_KREDIT does not Granger Cause LTV 50 0.00000 1.0000

LTV does not Granger Cause LTV_KREDIT 1.09090 0.3446

Digital Repository Universitas JemberDigital Repository Universitas Jember

137

F. Uji Stabilitas Model

Roots of Characteristic Polynomial Endogenous variables: CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT

Exogenous variables: C

Lag specification: 1 4

Date: 05/17/18 Time: 15:24 Root Modulus -0.970479 0.970479

0.051735 + 0.939107i 0.940531

0.051735 - 0.939107i 0.940531

0.921333 - 0.130228i 0.930491

0.921333 + 0.130228i 0.930491

0.926200 0.926200

0.593949 + 0.707157i 0.923497

0.593949 - 0.707157i 0.923497

-0.024657 + 0.918640i 0.918971

-0.024657 - 0.918640i 0.918971

0.815393 + 0.402345i 0.909257

0.815393 - 0.402345i 0.909257

0.727939 - 0.502756i 0.884680

0.727939 + 0.502756i 0.884680

-0.882564 0.882564

-0.615815 + 0.556036i 0.829701

-0.615815 - 0.556036i 0.829701

-0.735752 - 0.332423i 0.807364

-0.735752 + 0.332423i 0.807364

0.316703 - 0.735211i 0.800522

0.316703 + 0.735211i 0.800522

0.700651 - 0.337470i 0.777687

0.700651 + 0.337470i 0.777687

-0.409534 - 0.626686i 0.748635

-0.409534 + 0.626686i 0.748635

-0.407763 - 0.516278i 0.657886

-0.407763 + 0.516278i 0.657886

-0.072280 0.072280 No root lies outside the unit circle.

VAR satisfies the stability condition.

Digital Repository Universitas JemberDigital Repository Universitas Jember

138

G. Hasil Estimasi Model VECM

G.1 Hasil estimasi model VECM jangka panjang

Vector Error Correction Estimates

Date: 05/17/18 Time: 15:11

Sample (adjusted): 6 52

Included observations: 47 after adjustments

Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 CREDIT(-1) 1.000000

GDP(-1) -0.030123

(0.00086)

[-34.8494]

CPI(-1) -0.002587

(0.00030)

[-8.58981]

HOUSING(-1) -0.001393

(0.00038)

[-3.64903]

KRISIS(-1) -0.060014

(0.00236)

[-25.3988]

LTV(-1) -0.009403

(0.00238)

[-3.94867]

LTV_KREDIT(-1) -0.256463

(0.07844)

[-3.26961]

C 0.156442

Error Correction: D(CREDIT) D(GDP) D(CPI) D(HOUSING) D(KRISIS) D(LTV) D(LTV_KREDIT)

CointEq1 0.195059 49.48221 -7.802164 -14.84748 12.50289 7.977780 0.786442

(0.55959) (12.6758) (47.3753) (37.3354) (4.72718) (7.01103) (0.58357)

[ 0.34858] [ 3.90367] [-0.16469] [-0.39768] [ 2.64490] [ 1.13789] [ 1.34763]

D(CREDIT(-1)) -0.667286 -37.32568 32.32022 -15.29958 -1.804615 -6.940972 -0.773330

(0.47836) (10.8360) (40.4990) (31.9164) (4.04105) (5.99342) (0.49887)

[-1.39493] [-3.44460] [ 0.79805] [-0.47936] [-0.44657] [-1.15810] [-1.55016]

D(CREDIT(-2)) -0.564444 -27.64150 13.16116 -3.388881 -0.464328 -4.116811 -0.516334

(0.37147) (8.41454) (31.4490) (24.7842) (3.13803) (4.65411) (0.38739)

[-1.51950] [-3.28497] [ 0.41849] [-0.13674] [-0.14797] [-0.88455] [-1.33285]

D(CREDIT(-3)) -0.535276 -17.51637 37.63345 -24.84549 0.721518 -2.018710 -0.340598

Digital Repository Universitas JemberDigital Repository Universitas Jember

139

(0.31974) (7.24277) (27.0696) (21.3329) (2.70104) (4.00600) (0.33345)

[-1.67410] [-2.41846] [ 1.39025] [-1.16466] [ 0.26713] [-0.50392] [-1.02145]

D(CREDIT(-4)) 0.396462 -1.287843 35.48680 -29.36040 6.270888 -0.014309 -0.138222

(0.24757) (5.60797) (20.9596) (16.5178) (2.09138) (3.10179) (0.25818)

[ 1.60142] [-0.22964] [ 1.69311] [-1.77751] [ 2.99845] [-0.00461] [-0.53537]

D(GDP(-1)) 0.009885 0.835341 -0.590427 0.370111 -0.023436 0.187331 0.017598

(0.01211) (0.27441) (1.02558) (0.80824) (0.10233) (0.15177) (0.01263)

[ 0.81599] [ 3.04418] [-0.57570] [ 0.45792] [-0.22901] [ 1.23427] [ 1.39297]

D(GDP(-2)) 0.010443 0.993867 -0.145726 -0.179562 0.139879 0.089272 0.009721

(0.00810) (0.18343) (0.68555) (0.54027) (0.06841) (0.10145) (0.00844)

[ 1.28970] [ 5.41831] [-0.21257] [-0.33236] [ 2.04485] [ 0.87992] [ 1.15115]

D(GDP(-3)) 0.005094 0.549654 -0.167692 -0.090666 0.237313 0.035915 0.008836

(0.01119) (0.25353) (0.94757) (0.74676) (0.09455) (0.14023) (0.01167)

[ 0.45510] [ 2.16797] [-0.17697] [-0.12141] [ 2.50991] [ 0.25611] [ 0.75703]

D(GDP(-4)) 0.006263 0.313497 -0.404658 0.303439 0.009271 0.105926 0.013253

(0.01033) (0.23410) (0.87493) (0.68952) (0.08730) (0.12948) (0.01078)

[ 0.60606] [ 1.33917] [-0.46250] [ 0.44008] [ 0.10620] [ 0.81808] [ 1.22966]

D(CPI(-1)) -0.003170 0.100009 -0.120032 0.318752 -0.054781 -0.047344 -0.001829

(0.00422) (0.09549) (0.35689) (0.28126) (0.03561) (0.05282) (0.00440)

[-0.75195] [ 1.04730] [-0.33632] [ 1.13330] [-1.53830] [-0.89638] [-0.41602]

D(CPI(-2)) 0.003620 0.013130 0.378000 -0.319507 0.037880 0.058627 0.005619

(0.00364) (0.08237) (0.30786) (0.24261) (0.03072) (0.04556) (0.00379)

[ 0.99565] [ 0.15940] [ 1.22785] [-1.31693] [ 1.23315] [ 1.28683] [ 1.48177]

D(CPI(-3)) -0.001237 0.066284 0.147345 -0.086178 0.054545 -0.032142 -0.000960

(0.00362) (0.08209) (0.30679) (0.24178) (0.03061) (0.04540) (0.00378)

[-0.34139] [ 0.80749] [ 0.48027] [-0.35643] [ 1.78181] [-0.70794] [-0.25410]

D(CPI(-4)) -0.000759 0.144147 -0.512306 0.035362 -0.006486 0.027169 6.03E-05

(0.00336) (0.07609) (0.28436) (0.22410) (0.02837) (0.04208) (0.00350)

[-0.22603] [ 1.89455] [-1.80158] [ 0.15779] [-0.22857] [ 0.64560] [ 0.01721]

D(HOUSING(-1)) -0.003190 0.087534 -0.009062 0.199565 -0.042356 -0.081805 -0.003167

(0.00503) (0.11398) (0.42598) (0.33570) (0.04250) (0.06304) (0.00525)

[-0.63401] [ 0.76801] [-0.02127] [ 0.59447] [-0.99651] [-1.29766] [-0.60354]

D(HOUSING(-2)) 0.006166 0.083814 0.428443 -0.245299 -0.000795 0.073481 0.008588

(0.00434) (0.09831) (0.36742) (0.28955) (0.03666) (0.05437) (0.00453)

[ 1.42084] [ 0.85258] [ 1.16610] [-0.84717] [-0.02170] [ 1.35141] [ 1.89759]

D(HOUSING(-3)) 0.002503 0.083665 0.271867 -0.218898 0.074060 -0.022346 0.000894

(0.00443) (0.10044) (0.37540) (0.29584) (0.03746) (0.05556) (0.00462)

[ 0.56447] [ 0.83296] [ 0.72421] [-0.73991] [ 1.97716] [-0.40223] [ 0.19326]

D(HOUSING(-4)) -0.002458 0.077067 -0.216693 -0.288335 -0.064600 0.016006 -0.000358

(0.00378) (0.08558) (0.31984) (0.25206) (0.03191) (0.04733) (0.00394)

[-0.65067] [ 0.90056] [-0.67751] [-1.14393] [-2.02421] [ 0.33817] [-0.09093]

D(KRISIS(-1)) 0.043279 2.504151 1.857423 -2.685238 0.560346 0.284056 0.034972

(0.02655) (0.60144) (2.24787) (1.77149) (0.22430) (0.33266) (0.02769)

Digital Repository Universitas JemberDigital Repository Universitas Jember

140

[ 1.63001] [ 4.16358] [ 0.82631] [-1.51581] [ 2.49825] [ 0.85389] [ 1.26302]

D(KRISIS(-2)) 0.019209 2.003530 1.433771 -2.025034 0.236639 0.268610 0.039014

(0.03195) (0.72379) (2.70515) (2.13187) (0.26992) (0.40033) (0.03332)

[ 0.60118] [ 2.76810] [ 0.53002] [-0.94989] [ 0.87669] [ 0.67097] [ 1.17079]

D(KRISIS(-3)) 0.022578 0.764277 -0.941151 0.006929 0.123430 0.297077 0.039979

(0.02774) (0.62842) (2.34868) (1.85094) (0.23436) (0.34758) (0.02893)

[ 0.81384] [ 1.21619] [-0.40071] [ 0.00374] [ 0.52668] [ 0.85470] [ 1.38187]

D(KRISIS(-4)) -0.030677 0.347019 -2.976687 2.484084 -0.854437 0.167586 0.024048

(0.01937) (0.43869) (1.63958) (1.29211) (0.16360) (0.24264) (0.02020)

[-1.58404] [ 0.79104] [-1.81552] [ 1.92250] [-5.22274] [ 0.69068] [ 1.19070]

D(LTV(-1)) -0.009356 0.044705 5.087175 -4.903079 0.339018 -0.173171 0.024103

(0.04560) (1.03297) (3.86067) (3.04251) (0.38522) (0.57134) (0.04756)

[-0.20518] [ 0.04328] [ 1.31769] [-1.61152] [ 0.88005] [-0.30310] [ 0.50682]

D(LTV(-2)) 0.013856 0.083991 3.832241 0.201538 0.261887 0.003215 0.028858

(0.03387) (0.76712) (2.86708) (2.25948) (0.28608) (0.42430) (0.03532)

[ 0.40914] [ 0.10949] [ 1.33664] [ 0.08920] [ 0.91543] [ 0.00758] [ 0.81711]

D(LTV(-3)) 0.019420 0.523133 5.057374 -2.476119 0.498751 0.213460 0.013591

(0.03241) (0.73418) (2.74398) (2.16247) (0.27380) (0.40608) (0.03380)

[ 0.59918] [ 0.71254] [ 1.84308] [-1.14504] [ 1.82160] [ 0.52566] [ 0.40211]

D(LTV(-4)) -0.008955 0.302332 2.296473 -3.887519 0.615718 0.105067 -0.024680

(0.03199) (0.72457) (2.70806) (2.13416) (0.27021) (0.40076) (0.03336)

[-0.27995] [ 0.41725] [ 0.84801] [-1.82157] [ 2.27863] [ 0.26217] [-0.73983]

D(LTV_KREDIT(-1)) -0.042001 1.668308 -76.79354 82.67864 -4.078857 4.914646 -0.325324

(0.52724) (11.9431) (44.6369) (35.1774) (4.45394) (6.60579) (0.54984)

[-0.07966] [ 0.13969] [-1.72040] [ 2.35034] [-0.91579] [ 0.74399] [-0.59167]

D(LTV_KREDIT(-2)) -0.114014 1.665218 -47.69392 38.64624 -1.948358 2.209964 -0.428324

(0.47387) (10.7342) (40.1184) (31.6164) (4.00308) (5.93710) (0.49418)

[-0.24060] [ 0.15513] [-1.18883] [ 1.22235] [-0.48672] [ 0.37223] [-0.86673]

D(LTV_KREDIT(-3)) -0.141531 -4.603857 -82.24298 78.05694 -3.165395 1.017568 -0.458677

(0.42487) (9.62422) (35.9701) (28.3472) (3.58915) (5.32319) (0.44308)

[-0.33312] [-0.47836] [-2.28643] [ 2.75360] [-0.88193] [ 0.19116] [-1.03519]

D(LTV_KREDIT(-4)) -0.109794 -10.17681 -79.68107 99.22302 -9.116022 1.751152 0.386615

(0.46860) (10.6149) (39.6727) (31.2652) (3.95860) (5.87113) (0.48869)

[-0.23430] [-0.95873] [-2.00846] [ 3.17360] [-2.30284] [ 0.29826] [ 0.79112]

C -0.001129 -0.042316 -0.500312 0.301482 -0.018784 0.011052 -0.001154

(0.00292) (0.06611) (0.24710) (0.19474) (0.02466) (0.03657) (0.00304)

[-0.38675] [-0.64004] [-2.02472] [ 1.54816] [-0.76185] [ 0.30224] [-0.37929] R-squared 0.870975 0.817784 0.799504 0.857612 0.845111 0.303773 0.607522

Adj. R-squared 0.650875 0.506944 0.457481 0.614715 0.580889 -0.883909 -0.062000

Sum sq. resids 0.004341 2.227399 31.11361 19.32362 0.309778 0.681414 0.004721

S.E. equation 0.015980 0.361972 1.352853 1.066154 0.134990 0.200208 0.016665

F-statistic 3.957166 2.630886 2.337572 3.530763 3.198485 0.255770 0.907397

Log likelihood 151.6207 4.968748 -56.99631 -45.80286 51.32800 32.80262 149.6478

Akaike AIC -5.175349 1.065160 3.701971 3.225654 -0.907574 -0.119260 -5.091396

Digital Repository Universitas JemberDigital Repository Universitas Jember

141

Schwarz SC -3.994404 2.246105 4.882916 4.406599 0.273371 1.061685 -3.910451

Mean dependent 0.000851 0.001277 -0.285532 0.183617 0.000000 0.021277 0.000638

S.D. dependent 0.027044 0.515497 1.836721 1.717627 0.208514 0.145865 0.016171 Determinant resid covariance

(dof adj.) 1.25E-14

Determinant resid covariance 1.01E-17

Log likelihood 452.7971

Akaike information criterion -10.03392

Schwarz criterion -1.491748

G.2 Hasil estimasi model VECM jangka pendek

System: UNTITLED

Estimation Method: Least Squares

Date: 05/17/18 Time: 15:13

Sample: 6 52

Included observations: 47

Total system (balanced) observations 329 Coefficient Std. Error t-Statistic Prob. C(1) 0.195059 0.559585 0.348578 0.7280

C(2) -0.667286 0.478365 -1.394932 0.1656

C(3) -0.564444 0.371468 -1.519498 0.1313

C(4) -0.535276 0.319739 -1.674102 0.0967

C(5) 0.396462 0.247569 1.601421 0.1119

C(6) 0.009885 0.012114 0.815992 0.4161

C(7) 0.010443 0.008098 1.289702 0.1997

C(8) 0.005094 0.011193 0.455102 0.6499

C(9) 0.006263 0.010334 0.606058 0.5456

C(10) -0.003170 0.004216 -0.751949 0.4536

C(11) 0.003620 0.003636 0.995649 0.3214

C(12) -0.001237 0.003624 -0.341394 0.7334

C(13) -0.000759 0.003359 -0.226035 0.8216

C(14) -0.003190 0.005032 -0.634013 0.5273

C(15) 0.006166 0.004340 1.420843 0.1580

C(16) 0.002503 0.004434 0.564466 0.5735

C(17) -0.002458 0.003778 -0.650675 0.5165

C(18) 0.043279 0.026551 1.630006 0.1057

C(19) 0.019209 0.031953 0.601177 0.5489

C(20) 0.022578 0.027742 0.813838 0.4174

C(21) -0.030677 0.019366 -1.584037 0.1158

C(22) -0.009356 0.045601 -0.205179 0.8378

C(23) 0.013856 0.033865 0.409143 0.6832

C(24) 0.019420 0.032411 0.599182 0.5502

C(25) -0.008955 0.031987 -0.279948 0.7800

C(26) -0.042001 0.527241 -0.079663 0.9366

C(27) -0.114014 0.473869 -0.240603 0.8103

C(28) -0.141531 0.424870 -0.333116 0.7396

C(29) -0.109794 0.468604 -0.234300 0.8152

C(30) -0.001129 0.002919 -0.386747 0.6996

C(31) 49.48221 12.67580 3.903674 0.0002

C(32) -37.32568 10.83599 -3.444604 0.0008

C(33) -27.64150 8.414537 -3.284969 0.0013

Digital Repository Universitas JemberDigital Repository Universitas Jember

142

C(34) -17.51637 7.242774 -2.418462 0.0171

C(35) -1.287843 5.607972 -0.229645 0.8188

C(36) 0.835341 0.274406 3.044182 0.0029

C(37) 0.993867 0.183427 5.418314 0.0000

C(38) 0.549654 0.253534 2.167966 0.0322

C(39) 0.313497 0.234098 1.339166 0.1831

C(40) 0.100009 0.095491 1.047305 0.2971

C(41) 0.013130 0.082370 0.159402 0.8736

C(42) 0.066284 0.082086 0.807489 0.4210

C(43) 0.144147 0.076085 1.894548 0.0606

C(44) 0.087534 0.113975 0.768006 0.4440

C(45) 0.083814 0.098306 0.852582 0.3956

C(46) 0.083665 0.100442 0.832961 0.4065

C(47) 0.077067 0.085576 0.900563 0.3696

C(48) 2.504151 0.601442 4.163577 0.0001

C(49) 2.003530 0.723793 2.768096 0.0065

C(50) 0.764277 0.628417 1.216193 0.2263

C(51) 0.347019 0.438687 0.791039 0.4305

C(52) 0.044705 1.032968 0.043278 0.9656

C(53) 0.083991 0.767120 0.109488 0.9130

C(54) 0.523133 0.734184 0.712537 0.4775

C(55) 0.302332 0.724574 0.417254 0.6772

C(56) 1.668308 11.94313 0.139688 0.8891

C(57) 1.665218 10.73415 0.155133 0.8770

C(58) -4.603857 9.624216 -0.478362 0.6333

C(59) -10.17681 10.61489 -0.958729 0.3396

C(60) -0.042316 0.066115 -0.640039 0.5234

C(61) -7.802164 47.37527 -0.164689 0.8695

C(62) 32.32022 40.49903 0.798049 0.4264

C(63) 13.16116 31.44897 0.418493 0.6763

C(64) 37.63345 27.06956 1.390250 0.1670

C(65) 35.48680 20.95955 1.693109 0.0931

C(66) -0.590427 1.025580 -0.575700 0.5659

C(67) -0.145726 0.685552 -0.212567 0.8320

C(68) -0.167692 0.947573 -0.176970 0.8598

C(69) -0.404658 0.874933 -0.462502 0.6446

C(70) -0.120032 0.356895 -0.336324 0.7372

C(71) 0.378000 0.307856 1.227849 0.2219

C(72) 0.147345 0.306793 0.480274 0.6319

C(73) -0.512306 0.284365 -1.801579 0.0741

C(74) -0.009062 0.425978 -0.021274 0.9831

C(75) 0.428443 0.367416 1.166098 0.2459

C(76) 0.271867 0.375399 0.724208 0.4704

C(77) -0.216693 0.319836 -0.677512 0.4994

C(78) 1.857423 2.247865 0.826306 0.4103

C(79) 1.433771 2.705147 0.530016 0.5971

C(80) -0.941151 2.348682 -0.400714 0.6893

C(81) -2.976687 1.639575 -1.815523 0.0720

C(82) 5.087175 3.860673 1.317691 0.1901

C(83) 3.832241 2.867079 1.336636 0.1839

C(84) 5.057374 2.743983 1.843078 0.0678

C(85) 2.296473 2.708063 0.848013 0.3981

C(86) -76.79354 44.63693 -1.720404 0.0880

C(87) -47.69392 40.11843 -1.188828 0.2369

C(88) -82.24298 35.97009 -2.286427 0.0240

C(89) -79.68107 39.67269 -2.008461 0.0469

C(90) -0.500312 0.247102 -2.024720 0.0451

Digital Repository Universitas JemberDigital Repository Universitas Jember

143

C(91) -14.84748 37.33540 -0.397678 0.6916

C(92) -15.29958 31.91639 -0.479364 0.6326

C(93) -3.388881 24.78424 -0.136735 0.8915

C(94) -24.84549 21.33292 -1.164655 0.2465

C(95) -29.36040 16.51776 -1.777505 0.0780

C(96) 0.370111 0.808237 0.457924 0.6478

C(97) -0.179562 0.540268 -0.332357 0.7402

C(98) -0.090666 0.746762 -0.121412 0.9036

C(99) 0.303439 0.689515 0.440076 0.6607

C(100) 0.318752 0.281261 1.133297 0.2594

C(101) -0.319507 0.242614 -1.316935 0.1904

C(102) -0.086178 0.241777 -0.356434 0.7221

C(103) 0.035362 0.224102 0.157794 0.8749

C(104) 0.199565 0.335704 0.594468 0.5533

C(105) -0.245299 0.289553 -0.847165 0.3986

C(106) -0.218898 0.295844 -0.739910 0.4608

C(107) -0.288335 0.252056 -1.143933 0.2549

C(108) -2.685238 1.771492 -1.515805 0.1322

C(109) -2.025034 2.131866 -0.949888 0.3441

C(110) 0.006929 1.850944 0.003743 0.9970

C(111) 2.484084 1.292113 1.922498 0.0569

C(112) -4.903079 3.042511 -1.611524 0.1097

C(113) 0.201538 2.259481 0.089196 0.9291

C(114) -2.476119 2.162472 -1.145041 0.2545

C(115) -3.887519 2.134164 -1.821565 0.0710

C(116) 82.67864 35.17737 2.350336 0.0204

C(117) 38.64624 31.61644 1.222346 0.2240

C(118) 78.05694 28.34723 2.753600 0.0068

C(119) 99.22302 31.26517 3.173596 0.0019

C(120) 0.301482 0.194735 1.548161 0.1242

C(121) 12.50289 4.727176 2.644896 0.0093

C(122) -1.804615 4.041054 -0.446570 0.6560

C(123) -0.464328 3.138026 -0.147968 0.8826

C(124) 0.721518 2.701041 0.267126 0.7898

C(125) 6.270888 2.091376 2.998451 0.0033

C(126) -0.023436 0.102334 -0.229012 0.8193

C(127) 0.139879 0.068405 2.044854 0.0431

C(128) 0.237313 0.094550 2.509913 0.0134

C(129) 0.009271 0.087302 0.106195 0.9156

C(130) -0.054781 0.035612 -1.538295 0.1266

C(131) 0.037880 0.030718 1.233153 0.2199

C(132) 0.054545 0.030612 1.781810 0.0773

C(133) -0.006486 0.028374 -0.228572 0.8196

C(134) -0.042356 0.042505 -0.996509 0.3210

C(135) -0.000795 0.036661 -0.021698 0.9827

C(136) 0.074060 0.037458 1.977156 0.0503

C(137) -0.064600 0.031914 -2.024211 0.0452

C(138) 0.560346 0.224295 2.498250 0.0138

C(139) 0.236639 0.269924 0.876690 0.3824

C(140) 0.123430 0.234355 0.526681 0.5994

C(141) -0.854437 0.163599 -5.222742 0.0000

C(142) 0.339018 0.385224 0.880053 0.3806

C(143) 0.261887 0.286081 0.915427 0.3618

C(144) 0.498751 0.273799 1.821597 0.0710

C(145) 0.615718 0.270215 2.278626 0.0245

C(146) -4.078857 4.453940 -0.915786 0.3616

C(147) -1.948358 4.003077 -0.486715 0.6274

Digital Repository Universitas JemberDigital Repository Universitas Jember

144

C(148) -3.165395 3.589150 -0.881934 0.3796

C(149) -9.116022 3.958601 -2.302839 0.0230

C(150) -0.018784 0.024656 -0.761851 0.4477

C(151) 7.977780 7.011032 1.137889 0.2575

C(152) -6.940972 5.993423 -1.158098 0.2491

C(153) -4.116811 4.654111 -0.884554 0.3782

C(154) -2.018710 4.006004 -0.503921 0.6152

C(155) -0.014309 3.101789 -0.004613 0.9963

C(156) 0.187331 0.151775 1.234268 0.2195

C(157) 0.089272 0.101454 0.879920 0.3807

C(158) 0.035915 0.140231 0.256111 0.7983

C(159) 0.105926 0.129481 0.818084 0.4149

C(160) -0.047344 0.052817 -0.896381 0.3719

C(161) 0.058627 0.045559 1.286832 0.2007

C(162) -0.032142 0.045402 -0.707940 0.4804

C(163) 0.027169 0.042083 0.645600 0.5198

C(164) -0.081805 0.063040 -1.297658 0.1969

C(165) 0.073481 0.054374 1.351407 0.1791

C(166) -0.022346 0.055555 -0.402234 0.6882

C(167) 0.016006 0.047332 0.338172 0.7358

C(168) 0.284056 0.332660 0.853893 0.3949

C(169) 0.268610 0.400333 0.670966 0.5035

C(170) 0.297077 0.347580 0.854701 0.3944

C(171) 0.167586 0.242640 0.690681 0.4911

C(172) -0.173171 0.571338 -0.303097 0.7623

C(173) 0.003215 0.424297 0.007578 0.9940

C(174) 0.213460 0.406080 0.525660 0.6001

C(175) 0.105067 0.400764 0.262167 0.7936

C(176) 4.914646 6.605787 0.743991 0.4583

C(177) 2.209964 5.937098 0.372230 0.7104

C(178) 1.017568 5.323188 0.191158 0.8487

C(179) 1.751152 5.871133 0.298265 0.7660

C(180) 0.011052 0.036568 0.302236 0.7630

C(181) 0.786442 0.583575 1.347630 0.1803

C(182) -0.773330 0.498872 -1.550156 0.1238

C(183) -0.516334 0.387392 -1.332845 0.1851

C(184) -0.340598 0.333446 -1.021447 0.3091

C(185) -0.138222 0.258182 -0.535367 0.5934

C(186) 0.017598 0.012633 1.392974 0.1662

C(187) 0.009721 0.008445 1.151154 0.2520

C(188) 0.008836 0.011672 0.757031 0.4505

C(189) 0.013253 0.010778 1.229663 0.2212

C(190) -0.001829 0.004396 -0.416025 0.6781

C(191) 0.005619 0.003792 1.481775 0.1410

C(192) -0.000960 0.003779 -0.254104 0.7999

C(193) 6.03E-05 0.003503 0.017207 0.9863

C(194) -0.003167 0.005247 -0.603536 0.5473

C(195) 0.008588 0.004526 1.897591 0.0602

C(196) 0.000894 0.004624 0.193258 0.8471

C(197) -0.000358 0.003940 -0.090935 0.9277

C(198) 0.034972 0.027689 1.263015 0.2091

C(199) 0.039014 0.033322 1.170792 0.2440

C(200) 0.039979 0.028931 1.381873 0.1696

C(201) 0.024048 0.020196 1.190696 0.2361

C(202) 0.024103 0.047556 0.506823 0.6132

C(203) 0.028858 0.035317 0.817110 0.4155

C(204) 0.013591 0.033801 0.402105 0.6883

Digital Repository Universitas JemberDigital Repository Universitas Jember

145

C(205) -0.024680 0.033358 -0.739833 0.4609

C(206) -0.325324 0.549843 -0.591667 0.5552

C(207) -0.428324 0.494184 -0.866730 0.3878

C(208) -0.458677 0.443084 -1.035192 0.3027

C(209) 0.386615 0.488693 0.791121 0.4304

C(210) -0.001154 0.003044 -0.379291 0.7051 Determinant residual covariance 1.01E-17

Equation: D(CREDIT) = C(1)*( CREDIT(-1) - 0.0301233341478*GDP(-1) -

0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(2)

*D(CREDIT(-1)) + C(3)*D(CREDIT(-2)) + C(4)*D(CREDIT(-3)) + C(5)

*D(CREDIT(-4)) + C(6)*D(GDP(-1)) + C(7)*D(GDP(-2)) + C(8)*D(GDP(

-3)) + C(9)*D(GDP(-4)) + C(10)*D(CPI(-1)) + C(11)*D(CPI(-2)) + C(12)

*D(CPI(-3)) + C(13)*D(CPI(-4)) + C(14)*D(HOUSING(-1)) + C(15)

*D(HOUSING(-2)) + C(16)*D(HOUSING(-3)) + C(17)*D(HOUSING(-4))

+ C(18)*D(KRISIS(-1)) + C(19)*D(KRISIS(-2)) + C(20)*D(KRISIS(-3)) +

C(21)*D(KRISIS(-4)) + C(22)*D(LTV(-1)) + C(23)*D(LTV(-2)) + C(24)

*D(LTV(-3)) + C(25)*D(LTV(-4)) + C(26)*D(LTV_KREDIT(-1)) + C(27)

*D(LTV_KREDIT(-2)) + C(28)*D(LTV_KREDIT(-3)) + C(29)

*D(LTV_KREDIT(-4)) + C(30)

Observations: 47

R-squared 0.870975 Mean dependent var 0.000851

Adjusted R-squared 0.650875 S.D. dependent var 0.027044

S.E. of regression 0.015980 Sum squared resid 0.004341

Durbin-Watson stat 2.154453

Equation: D(GDP) = C(31)*( CREDIT(-1) - 0.0301233341478*GDP(-1) -

0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(32)

*D(CREDIT(-1)) + C(33)*D(CREDIT(-2)) + C(34)*D(CREDIT(-3)) +

C(35)*D(CREDIT(-4)) + C(36)*D(GDP(-1)) + C(37)*D(GDP(-2)) + C(38)

*D(GDP(-3)) + C(39)*D(GDP(-4)) + C(40)*D(CPI(-1)) + C(41)*D(CPI(-2))

+ C(42)*D(CPI(-3)) + C(43)*D(CPI(-4)) + C(44)*D(HOUSING(-1)) +

C(45)*D(HOUSING(-2)) + C(46)*D(HOUSING(-3)) + C(47)

*D(HOUSING(-4)) + C(48)*D(KRISIS(-1)) + C(49)*D(KRISIS(-2)) +

C(50)*D(KRISIS(-3)) + C(51)*D(KRISIS(-4)) + C(52)*D(LTV(-1)) + C(53)

*D(LTV(-2)) + C(54)*D(LTV(-3)) + C(55)*D(LTV(-4)) + C(56)

*D(LTV_KREDIT(-1)) + C(57)*D(LTV_KREDIT(-2)) + C(58)

*D(LTV_KREDIT(-3)) + C(59)*D(LTV_KREDIT(-4)) + C(60)

Observations: 47

R-squared 0.817784 Mean dependent var 0.001277

Adjusted R-squared 0.506944 S.D. dependent var 0.515497

S.E. of regression 0.361972 Sum squared resid 2.227399

Durbin-Watson stat 1.812929

Equation: D(CPI) = C(61)*( CREDIT(-1) - 0.0301233341478*GDP(-1) -

0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(62)

*D(CREDIT(-1)) + C(63)*D(CREDIT(-2)) + C(64)*D(CREDIT(-3)) +

C(65)*D(CREDIT(-4)) + C(66)*D(GDP(-1)) + C(67)*D(GDP(-2)) + C(68)

*D(GDP(-3)) + C(69)*D(GDP(-4)) + C(70)*D(CPI(-1)) + C(71)*D(CPI(-2))

Digital Repository Universitas JemberDigital Repository Universitas Jember

146

+ C(72)*D(CPI(-3)) + C(73)*D(CPI(-4)) + C(74)*D(HOUSING(-1)) +

C(75)*D(HOUSING(-2)) + C(76)*D(HOUSING(-3)) + C(77)

*D(HOUSING(-4)) + C(78)*D(KRISIS(-1)) + C(79)*D(KRISIS(-2)) +

C(80)*D(KRISIS(-3)) + C(81)*D(KRISIS(-4)) + C(82)*D(LTV(-1)) + C(83)

*D(LTV(-2)) + C(84)*D(LTV(-3)) + C(85)*D(LTV(-4)) + C(86)

*D(LTV_KREDIT(-1)) + C(87)*D(LTV_KREDIT(-2)) + C(88)

*D(LTV_KREDIT(-3)) + C(89)*D(LTV_KREDIT(-4)) + C(90)

Observations: 47

R-squared 0.799504 Mean dependent var -0.285532

Adjusted R-squared 0.457481 S.D. dependent var 1.836721

S.E. of regression 1.352853 Sum squared resid 31.11361

Durbin-Watson stat 1.793700

Equation: D(HOUSING) = C(91)*( CREDIT(-1) - 0.0301233341478*GDP(-1)

- 0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(92)

*D(CREDIT(-1)) + C(93)*D(CREDIT(-2)) + C(94)*D(CREDIT(-3)) +

C(95)*D(CREDIT(-4)) + C(96)*D(GDP(-1)) + C(97)*D(GDP(-2)) + C(98)

*D(GDP(-3)) + C(99)*D(GDP(-4)) + C(100)*D(CPI(-1)) + C(101)*D(CPI(

-2)) + C(102)*D(CPI(-3)) + C(103)*D(CPI(-4)) + C(104)*D(HOUSING(

-1)) + C(105)*D(HOUSING(-2)) + C(106)*D(HOUSING(-3)) + C(107)

*D(HOUSING(-4)) + C(108)*D(KRISIS(-1)) + C(109)*D(KRISIS(-2)) +

C(110)*D(KRISIS(-3)) + C(111)*D(KRISIS(-4)) + C(112)*D(LTV(-1)) +

C(113)*D(LTV(-2)) + C(114)*D(LTV(-3)) + C(115)*D(LTV(-4)) + C(116)

*D(LTV_KREDIT(-1)) + C(117)*D(LTV_KREDIT(-2)) + C(118)

*D(LTV_KREDIT(-3)) + C(119)*D(LTV_KREDIT(-4)) + C(120)

Observations: 47

R-squared 0.857612 Mean dependent var 0.183617

Adjusted R-squared 0.614715 S.D. dependent var 1.717627

S.E. of regression 1.066154 Sum squared resid 19.32362

Durbin-Watson stat 1.990786

Equation: D(KRISIS) = C(121)*( CREDIT(-1) - 0.0301233341478*GDP(-1) -

0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(122)

*D(CREDIT(-1)) + C(123)*D(CREDIT(-2)) + C(124)*D(CREDIT(-3)) +

C(125)*D(CREDIT(-4)) + C(126)*D(GDP(-1)) + C(127)*D(GDP(-2)) +

C(128)*D(GDP(-3)) + C(129)*D(GDP(-4)) + C(130)*D(CPI(-1)) + C(131)

*D(CPI(-2)) + C(132)*D(CPI(-3)) + C(133)*D(CPI(-4)) + C(134)

*D(HOUSING(-1)) + C(135)*D(HOUSING(-2)) + C(136)*D(HOUSING(

-3)) + C(137)*D(HOUSING(-4)) + C(138)*D(KRISIS(-1)) + C(139)

*D(KRISIS(-2)) + C(140)*D(KRISIS(-3)) + C(141)*D(KRISIS(-4)) +

C(142)*D(LTV(-1)) + C(143)*D(LTV(-2)) + C(144)*D(LTV(-3)) + C(145)

*D(LTV(-4)) + C(146)*D(LTV_KREDIT(-1)) + C(147)*D(LTV_KREDIT(

-2)) + C(148)*D(LTV_KREDIT(-3)) + C(149)*D(LTV_KREDIT(-4)) +

C(150)

Observations: 47

R-squared 0.845111 Mean dependent var 0.000000

Adjusted R-squared 0.580889 S.D. dependent var 0.208514

S.E. of regression 0.134990 Sum squared resid 0.309778

Durbin-Watson stat 1.781881

Equation: D(LTV) = C(151)*( CREDIT(-1) - 0.0301233341478*GDP(-1) -

0.00258661488806*CPI(-1) - 0.00139256812107*HOUSING(-1) -

Digital Repository Universitas JemberDigital Repository Universitas Jember

147

0.0600136644217*KRISIS(-1) - 0.00940251607761*LTV(-1) -

0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) + C(152)

*D(CREDIT(-1)) + C(153)*D(CREDIT(-2)) + C(154)*D(CREDIT(-3)) +

C(155)*D(CREDIT(-4)) + C(156)*D(GDP(-1)) + C(157)*D(GDP(-2)) +

C(158)*D(GDP(-3)) + C(159)*D(GDP(-4)) + C(160)*D(CPI(-1)) + C(161)

*D(CPI(-2)) + C(162)*D(CPI(-3)) + C(163)*D(CPI(-4)) + C(164)

*D(HOUSING(-1)) + C(165)*D(HOUSING(-2)) + C(166)*D(HOUSING(

-3)) + C(167)*D(HOUSING(-4)) + C(168)*D(KRISIS(-1)) + C(169)

*D(KRISIS(-2)) + C(170)*D(KRISIS(-3)) + C(171)*D(KRISIS(-4)) +

C(172)*D(LTV(-1)) + C(173)*D(LTV(-2)) + C(174)*D(LTV(-3)) + C(175)

*D(LTV(-4)) + C(176)*D(LTV_KREDIT(-1)) + C(177)*D(LTV_KREDIT(

-2)) + C(178)*D(LTV_KREDIT(-3)) + C(179)*D(LTV_KREDIT(-4)) +

C(180)

Observations: 47

R-squared 0.303773 Mean dependent var 0.021277

Adjusted R-squared -0.883909 S.D. dependent var 0.145865

S.E. of regression 0.200208 Sum squared resid 0.681414

Durbin-Watson stat 1.952698

Equation: D(LTV_KREDIT) = C(181)*( CREDIT(-1) - 0.0301233341478

*GDP(-1) - 0.00258661488806*CPI(-1) - 0.00139256812107

*HOUSING(-1) - 0.0600136644217*KRISIS(-1) - 0.00940251607761

*LTV(-1) - 0.256462604101*LTV_KREDIT(-1) + 0.156441908291 ) +

C(182)*D(CREDIT(-1)) + C(183)*D(CREDIT(-2)) + C(184)*D(CREDIT(

-3)) + C(185)*D(CREDIT(-4)) + C(186)*D(GDP(-1)) + C(187)*D(GDP(

-2)) + C(188)*D(GDP(-3)) + C(189)*D(GDP(-4)) + C(190)*D(CPI(-1)) +

C(191)*D(CPI(-2)) + C(192)*D(CPI(-3)) + C(193)*D(CPI(-4)) + C(194)

*D(HOUSING(-1)) + C(195)*D(HOUSING(-2)) + C(196)*D(HOUSING(

-3)) + C(197)*D(HOUSING(-4)) + C(198)*D(KRISIS(-1)) + C(199)

*D(KRISIS(-2)) + C(200)*D(KRISIS(-3)) + C(201)*D(KRISIS(-4)) +

C(202)*D(LTV(-1)) + C(203)*D(LTV(-2)) + C(204)*D(LTV(-3)) + C(205)

*D(LTV(-4)) + C(206)*D(LTV_KREDIT(-1)) + C(207)*D(LTV_KREDIT(

-2)) + C(208)*D(LTV_KREDIT(-3)) + C(209)*D(LTV_KREDIT(-4)) +

C(210)

Observations: 47

R-squared 0.607522 Mean dependent var 0.000638

Adjusted R-squared -0.062000 S.D. dependent var 0.016171

S.E. of regression 0.016665 Sum squared resid 0.004721

Durbin-Watson stat 1.863801

Digital Repository Universitas JemberDigital Repository Universitas Jember

148

H. Analisis Impuls Response Function (IRF) Model VECM

-.01

.00

.01

.02

10 20 30 40 50

Response of CRED IT to CREDIT

-.01

.00

.01

.02

10 20 30 40 50

Response of CRED IT to GD P

-.01

.00

.01

.02

10 20 30 40 50

Response of C RED IT to C PI

-.01

.00

.01

.02

10 20 30 40 50

Response of CR EDIT to H OU SING

-.01

.00

.01

.02

10 20 30 40 50

R esponse of C REDIT to KR ISIS

-.01

.00

.01

.02

10 20 30 40 50

R esponse of C REDIT to LTV

-.01

.00

.01

.02

10 20 30 40 50

Response of C R ED IT to LTV_KREDIT

-.4

.0

.4

10 20 30 40 50

Response of GDP to CREDIT

-.4

.0

.4

10 20 30 40 50

Response of GDP to GD P

-.4

.0

.4

10 20 30 40 50

R esponse of GD P to C PI

-.4

.0

.4

10 20 30 40 50

R esponse of GDP to H OU SING

-.4

.0

.4

10 20 30 40 50

Response of GD P to KR ISIS

-.4

.0

.4

10 20 30 40 50

R esponse of GD P to LTV

-.4

.0

.4

10 20 30 40 50

R esponse of GDP to LTV_KRED IT

-1

0

1

10 20 30 40 50

Response of CPI to CREDIT

-1

0

1

10 20 30 40 50

R esponse of CPI to GD P

-1

0

1

10 20 30 40 50

Response of C PI to C PI

-1

0

1

10 20 30 40 50

Response of CPI to HOUSIN G

-1

0

1

10 20 30 40 50

Response of C PI to KR ISIS

-1

0

1

10 20 30 40 50

R esponse of C PI to LTV

-1

0

1

10 20 30 40 50

R esponse of CPI to LTV_KR ED IT

-2

-1

0

1

2

10 20 30 40 50

Response of HOUSING to CRED IT

-2

-1

0

1

2

10 20 30 40 50

Response of HOUSING to GD P

-2

-1

0

1

2

10 20 30 40 50

R esponse of HOU SIN G to CPI

-2

-1

0

1

2

10 20 30 40 50

R esponse of H OUSIN G to HOU SIN G

-2

-1

0

1

2

10 20 30 40 50

Response of HOU SIN G to KR ISIS

-2

-1

0

1

2

10 20 30 40 50

R esponse of HOU SIN G to LTV

-2

-1

0

1

2

10 20 30 40 50

Response of H OU SING to LTV_KRED IT

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of KR ISIS to CR EDIT

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of KR ISIS to GDP

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of KR ISIS to CPI

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of KR ISIS to H OU SING

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of KR ISIS to KR ISIS

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of KR ISIS to LTV

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of KR ISIS to LTV_KRED IT

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of LTV to CR EDIT

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of LTV to GD P

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of LTV to CPI

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of LTV to H OU SING

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of LTV to KR ISIS

-.2

-.1

.0

.1

.2

10 20 30 40 50

R esponse of LTV to LTV

-.2

-.1

.0

.1

.2

10 20 30 40 50

Response of LTV to LTV_KRED IT

-.01

.00

.01

10 20 30 40 50

Response of LTV_KREDIT to CR EDIT

-.01

.00

.01

10 20 30 40 50

Response of LTV_KREDIT to GDP

-.01

.00

.01

10 20 30 40 50

R esponse of LTV_KR EDIT to CPI

-.01

.00

.01

10 20 30 40 50

R esponse of LTV_KR EDIT to HOUSING

-.01

.00

.01

10 20 30 40 50

R esponse of LTV_KREDIT to KR ISIS

-.01

.00

.01

10 20 30 40 50

Response of LTV_KR ED IT to LTV

-.01

.00

.01

10 20 30 40 50

Response of LTV_KRED IT to LTV_KRED IT

Response to Cholesky One S.D. Innovations

Digital Repository Universitas JemberDigital Repository Universitas Jember

149

I. Analisis Variance Decompotition (VD) Model VECM

Variance

Decomposition of CREDIT:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 0.015980 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

2 0.019963 86.27684 0.417416 1.843959 3.717642 6.918282 0.808467 0.017390

3 0.025180 82.03735 0.700595 4.291863 2.389212 9.495886 0.757929 0.327162

4 0.028283 82.50674 0.580323 5.229805 1.936560 8.359633 1.106397 0.280543

5 0.035094 82.28241 3.190591 5.307864 1.923098 5.897950 1.211459 0.186624

6 0.036521 77.89693 7.917654 4.901282 2.025474 5.892713 1.182212 0.183738

7 0.037753 75.67978 8.964180 5.068531 3.071188 5.526649 1.517494 0.172179

8 0.038720 73.94195 8.727824 5.571770 3.195515 5.550426 2.780382 0.232137

9 0.042841 75.03561 7.456120 5.590385 3.215389 4.885744 3.606485 0.210268

10 0.044076 74.12648 7.415781 5.365397 3.045935 5.374809 4.436263 0.235340

11 0.045436 74.17146 7.011422 5.266087 2.920749 5.696117 4.703058 0.231108

12 0.046414 74.04895 6.829349 5.389530 2.808426 5.773943 4.895354 0.254450

13 0.049085 75.32016 6.535549 5.265095 2.564644 5.224439 4.861944 0.228165

14 0.050505 73.61020 7.839892 5.301343 2.425228 5.538626 5.064599 0.220108

15 0.051969 72.95679 8.026133 5.397198 2.371121 5.766788 5.273541 0.208425

16 0.053009 72.24197 7.964429 5.762029 2.282326 5.926554 5.617113 0.205584

17 0.055520 72.54722 7.955576 5.901401 2.293683 5.498751 5.615876 0.187497

18 0.056644 71.31127 9.040933 5.779253 2.297379 5.522178 5.868685 0.180305

19 0.057670 70.92203 9.248848 5.679309 2.392268 5.524232 6.056265 0.177048

20 0.058305 70.84536 9.085739 5.740573 2.374147 5.561154 6.208601 0.184427

21 0.060049 71.68909 8.719134 5.636432 2.344497 5.282330 6.149612 0.178902

22 0.061110 71.23236 8.921704 5.660022 2.275767 5.444939 6.292332 0.172871

23 0.062265 71.33876 8.780914 5.595475 2.253510 5.484116 6.378874 0.168356

24 0.063037 71.27519 8.605568 5.721452 2.199222 5.529831 6.498601 0.170136

25 0.064656 71.83308 8.373800 5.751389 2.148223 5.299223 6.430605 0.163683

26 0.065620 71.29502 8.737460 5.775856 2.111122 5.366906 6.554619 0.159013

27 0.066716 71.02337 8.889653 5.736326 2.114507 5.394987 6.685889 0.155267

28 0.067448 70.81379 8.818491 5.826444 2.084548 5.482009 6.819718 0.155002

29 0.068832 71.22512 8.649726 5.786003 2.067433 5.319877 6.799188 0.152649

30 0.069751 70.86988 8.824702 5.816282 2.036715 5.403254 6.900484 0.148686

31 0.070786 70.84933 8.843363 5.749850 2.047127 5.399161 6.965330 0.145844

32 0.071478 70.76013 8.772706 5.802773 2.018920 5.443505 7.056497 0.145471

33 0.072709 71.13331 8.627387 5.778684 1.998914 5.301811 7.016491 0.143408

34 0.073541 70.90607 8.735133 5.818218 1.974440 5.343605 7.082352 0.140184

35 0.074543 70.85583 8.771499 5.785188 1.972860 5.331923 7.144753 0.137947

36 0.075251 70.71248 8.724784 5.851550 1.948798 5.390988 7.234506 0.136889

37 0.076379 70.98169 8.614771 5.825240 1.933795 5.285022 7.223176 0.136304

38 0.077177 70.77614 8.688855 5.864106 1.911300 5.334964 7.291111 0.133525

39 0.078136 70.76553 8.706426 5.823684 1.912885 5.324018 7.335847 0.131611

40 0.078828 70.64596 8.677454 5.865473 1.892609 5.377185 7.410959 0.130363

41 0.079879 70.87022 8.594611 5.838935 1.879815 5.290118 7.396883 0.129416

42 0.080637 70.72960 8.642706 5.873175 1.861574 5.322837 7.443092 0.127021

43 0.081557 70.73832 8.659462 5.843620 1.860938 5.298534 7.473677 0.125453

44 0.082237 70.62108 8.645282 5.888593 1.844559 5.339888 7.536488 0.124109

45 0.083214 70.79014 8.585341 5.865473 1.836787 5.266995 7.531577 0.123689

46 0.083937 70.66036 8.621548 5.898672 1.821134 5.297589 7.579013 0.121684

47 0.084818 70.67931 8.624399 5.871926 1.820945 5.277272 7.605650 0.120500

Digital Repository Universitas JemberDigital Repository Universitas Jember

150

48 0.085485 70.57755 8.609595 5.906112 1.806392 5.318550 7.662515 0.119287

49 0.086411 70.72067 8.557390 5.883567 1.798361 5.260945 7.660240 0.118828

50 0.087110 70.62405 8.578166 5.911248 1.784046 5.287653 7.697783 0.117058

51 0.087958 70.65677 8.578120 5.887896 1.781862 5.263939 7.715390 0.116027

52 0.088613 70.56415 8.572034 5.921118 1.768860 5.297188 7.761871 0.114780 Variance

Decomposition of GDP:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 0.361972 6.350851 93.64915 0.000000 0.000000 0.000000 0.000000 0.000000

2 0.538119 14.82783 69.55468 5.725157 0.512065 5.210778 3.826177 0.343312

3 0.779135 24.46714 55.11614 8.292059 1.529834 4.881872 5.524878 0.188075

4 0.962583 23.02466 51.02655 10.73737 4.430860 3.305548 7.331006 0.144003

5 1.151865 17.54138 55.86229 7.867000 8.073426 2.458180 8.080138 0.117586

6 1.278348 14.25520 55.44775 7.040728 11.56746 2.399572 9.124946 0.164341

7 1.382527 12.85309 55.08088 6.021878 13.17630 2.517706 9.943195 0.406953

8 1.437635 12.12504 53.52734 5.851673 14.33515 2.419128 11.26019 0.481480

9 1.496842 11.31884 51.64791 5.754630 13.95512 3.098507 13.62638 0.598620

10 1.548867 10.94400 49.28427 5.751570 13.19727 4.652307 15.53022 0.640373

11 1.604303 11.34079 47.16576 5.900475 12.33719 5.943570 16.68315 0.629066

12 1.657530 11.38391 46.28045 6.120404 11.62829 6.620776 17.37509 0.591083

13 1.742653 11.00393 47.50767 6.083869 10.81208 6.652766 17.40384 0.535857

14 1.834052 10.03376 49.71948 5.945686 10.29342 6.358920 17.16350 0.485233

15 1.926131 9.119283 51.88677 5.747537 10.08114 5.914490 16.81045 0.440326

16 2.005466 8.412935 53.06038 5.696499 10.12913 5.588414 16.70264 0.409998

17 2.080153 7.841215 53.72636 5.551383 10.31142 5.342369 16.83447 0.392777

18 2.138963 7.423448 53.90677 5.412157 10.43047 5.272598 17.16537 0.389187

19 2.184318 7.185058 53.78072 5.284626 10.54102 5.267815 17.54666 0.394102

20 2.219141 7.028432 53.54385 5.214289 10.56983 5.320094 17.92492 0.398585

21 2.257309 7.029915 53.30900 5.190972 10.53367 5.348357 18.19458 0.393508

22 2.296728 6.919796 53.32541 5.181296 10.43151 5.368270 18.38867 0.385045

23 2.340375 6.804803 53.46925 5.207889 10.30703 5.334806 18.50110 0.375123

24 2.384649 6.603338 53.68103 5.276497 10.17592 5.291542 18.60528 0.366394

25 2.434928 6.419403 53.90421 5.325823 10.07943 5.226479 18.68836 0.356298

26 2.487840 6.179448 54.15055 5.327912 9.976961 5.216135 18.80290 0.346094

27 2.539117 5.986257 54.29043 5.280562 9.943210 5.222844 18.93874 0.337961

28 2.583556 5.810987 54.35747 5.228293 9.924444 5.246065 19.09936 0.333379

29 2.625250 5.713981 54.37856 5.182607 9.943048 5.233893 19.21920 0.328718

30 2.664633 5.595004 54.47278 5.137158 9.940699 5.220089 19.31050 0.323763

31 2.703555 5.506353 54.57231 5.102607 9.938107 5.185012 19.37644 0.319169

32 2.740239 5.396252 54.67413 5.096457 9.909052 5.157364 19.45106 0.315685

33 2.778156 5.324204 54.73225 5.108374 9.884305 5.119279 19.51947 0.312119

34 2.817589 5.217429 54.80372 5.123647 9.834248 5.110635 19.60260 0.307720

35 2.858170 5.130367 54.84212 5.122266 9.802213 5.108698 19.69076 0.303577

36 2.896772 5.026128 54.87826 5.114299 9.766599 5.121969 19.79227 0.300474

37 2.934525 4.957036 54.90286 5.099141 9.754099 5.115111 19.87404 0.297706

38 2.971419 4.869019 54.96649 5.080389 9.733192 5.115539 19.94110 0.294272

39 3.008337 4.802018 55.03094 5.057350 9.722571 5.104333 19.99187 0.290916

40 3.043759 4.722356 55.09922 5.045349 9.699778 5.100436 20.04505 0.287812

41 3.078995 4.672483 55.14524 5.039016 9.687037 5.081289 20.08979 0.285138

42 3.114173 4.603543 55.20252 5.039155 9.662768 5.072866 20.13710 0.282042

43 3.149871 4.549349 55.24622 5.033075 9.650465 5.059305 20.18232 0.279270

44 3.184549 4.479016 55.29005 5.028337 9.632390 5.056259 20.23710 0.276852

45 3.218775 4.429562 55.32008 5.019388 9.626080 5.042794 20.28703 0.275070

Digital Repository Universitas JemberDigital Repository Universitas Jember

151

46 3.252295 4.367054 55.35943 5.012301 9.611574 5.040237 20.33649 0.272922

47 3.285813 4.320430 55.39051 5.000570 9.603718 5.033289 20.38048 0.270997

48 3.318457 4.263922 55.42232 4.994489 9.586498 5.036247 20.42759 0.268935

49 3.350909 4.227755 55.44543 4.987597 9.575890 5.028485 20.46762 0.267218

50 3.383033 4.178953 55.47977 4.985363 9.557701 5.027268 20.50588 0.265068

51 3.415471 4.142001 55.51184 4.979113 9.547390 5.018573 20.53796 0.263115

52 3.447407 4.092303 55.54836 4.976121 9.532609 5.016489 20.57303 0.261090 Variance

Decomposition of

CPI:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 1.352853 31.00562 2.859455 66.13492 0.000000 0.000000 0.000000 0.000000

2 1.793983 25.07881 2.011406 63.64491 0.687133 5.338225 1.817177 1.422338

3 2.225591 16.87671 2.512955 65.12754 1.683416 7.653143 4.319268 1.826967

4 2.576170 14.27571 2.645050 61.02376 2.284911 8.073943 8.419913 3.276717

5 2.845093 15.76150 2.198479 53.08108 3.215689 6.653610 14.66780 4.421842

6 3.190741 12.85610 2.181653 48.27840 2.678342 8.006893 21.45098 4.547639

7 3.525058 10.73937 3.014223 43.06854 2.306326 11.74764 24.89969 4.224220

8 3.759800 9.675393 3.768688 39.74943 2.065162 13.71286 26.85294 4.175521

9 3.947898 9.102251 4.190305 39.96871 2.097402 13.75313 26.85489 4.033308

10 4.028611 8.748244 4.089657 40.81437 2.084576 13.22332 26.90930 4.130530

11 4.186392 8.169801 4.807371 42.05381 1.980488 12.33252 26.71672 3.939297

12 4.411685 7.528769 6.255080 42.45360 1.787696 11.68396 26.64934 3.641557

13 4.628729 6.923299 6.786994 42.16544 1.710899 11.51403 27.44546 3.453872

14 4.837183 6.351664 6.729662 41.98316 1.634153 11.46296 28.48345 3.354949

15 4.987749 5.976054 6.464646 41.73480 1.796200 11.42788 29.28832 3.312095

16 5.087576 5.869189 6.291529 41.17127 1.894353 11.21220 30.13817 3.423288

17 5.172557 5.839002 6.090980 41.08913 1.895426 10.98670 30.59299 3.505767

18 5.241279 5.750954 5.954544 41.19640 1.863692 10.76314 30.85500 3.616274

19 5.338445 5.546430 5.740447 41.61575 1.798030 10.59785 31.06896 3.632529

20 5.464396 5.299468 5.486345 42.06686 1.719812 10.61044 31.23347 3.583605

21 5.593559 5.071865 5.243151 42.39629 1.641309 10.62037 31.48639 3.540628

22 5.716581 4.856722 5.070454 42.65306 1.571706 10.50023 31.82051 3.527324

23 5.827561 4.684069 4.980407 42.83936 1.541095 10.36262 32.08783 3.504623

24 5.928900 4.607563 4.987610 42.71781 1.532833 10.21599 32.42274 3.515456

25 6.031903 4.541713 4.949465 42.65879 1.515867 10.12338 32.69700 3.513785

26 6.123684 4.436117 4.843600 42.67355 1.495554 10.05755 32.95914 3.534494

27 6.217907 4.307288 4.715408 42.76249 1.460071 10.01887 33.19412 3.541758

28 6.313468 4.178494 4.589601 42.87158 1.421867 10.00132 33.39826 3.538883

29 6.404857 4.060646 4.470008 42.99120 1.390135 9.958718 33.59135 3.537940

30 6.493057 3.954102 4.374724 43.10926 1.358800 9.864079 33.79116 3.547878

31 6.581465 3.858478 4.296280 43.25838 1.334537 9.769744 33.93704 3.545533

32 6.669483 3.780086 4.237188 43.32618 1.314074 9.687420 34.10488 3.550173

33 6.762038 3.702043 4.170102 43.39150 1.290192 9.635695 34.26259 3.547878

34 6.851324 3.617207 4.093227 43.44597 1.267694 9.596585 34.42615 3.553168

35 6.938709 3.533975 4.014472 43.49211 1.244214 9.569319 34.58907 3.556840

36 7.024341 3.454662 3.942358 43.52736 1.221259 9.551682 34.74459 3.558091

37 7.107270 3.380488 3.871854 43.57170 1.201789 9.531972 34.88472 3.557474

38 7.187753 3.309771 3.812568 43.62141 1.182913 9.489589 35.02269 3.561061

39 7.268097 3.243294 3.759780 43.70000 1.165687 9.442607 35.12930 3.559334

40 7.347411 3.182947 3.713104 43.76378 1.150619 9.392465 35.23615 3.560938

41 7.428394 3.126273 3.664818 43.82813 1.134766 9.347531 35.33755 3.560930

42 7.508464 3.068338 3.615758 43.88346 1.120077 9.305503 35.44321 3.563650

43 7.587653 3.013230 3.566228 43.92346 1.105431 9.273518 35.55211 3.566024

Digital Repository Universitas JemberDigital Repository Universitas Jember

152

44 7.665940 2.960004 3.517878 43.94934 1.090733 9.251412 35.66240 3.568231

45 7.742936 2.908910 3.467227 43.97843 1.076837 9.235499 35.76397 3.569127

46 7.818055 2.858045 3.420622 44.00984 1.063314 9.211846 35.86439 3.571945

47 7.892551 2.809813 3.378390 44.05398 1.049982 9.186457 35.94929 3.572085

48 7.965891 2.764532 3.340445 44.09635 1.037828 9.157530 36.03006 3.573257

49 8.039633 2.722176 3.303519 44.14193 1.025570 9.128604 36.10470 3.573503

50 8.113124 2.679186 3.268592 44.18594 1.014271 9.098657 36.17908 3.574278

51 8.186346 2.638334 3.235022 44.22128 1.003483 9.073621 36.25380 3.574457

52 8.258925 2.598903 3.202317 44.24629 0.993198 9.052686 36.33132 3.575292 Variance

Decomposition of HOUSIN

G:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 1.066154 51.00035 4.160448 16.65365 28.18554 0.000000 0.000000 0.000000

2 1.556935 34.43441 2.412638 7.846765 40.18556 11.83229 0.763237 2.525097

3 2.097060 20.89173 1.855812 4.325997 44.16815 25.35396 1.129945 2.274403

4 2.812240 11.61700 4.127066 3.674780 37.05475 38.36009 1.954048 3.212269

5 3.350662 8.305812 7.877562 4.117956 32.28575 41.71310 1.481972 4.217856

6 3.715350 7.561760 15.96573 3.360551 29.29517 38.00637 1.234556 4.575866

7 4.093737 8.926219 23.96966 2.785920 26.34340 32.09562 1.330671 4.548499

8 4.398658 10.24492 28.92419 2.434820 23.72841 27.95790 1.996291 4.713464

9 4.709772 11.21441 33.46753 2.287950 21.44738 24.79064 2.076336 4.715748

10 4.943420 10.80182 35.67064 2.092662 20.19385 24.37968 1.912216 4.949134

11 5.047463 10.46614 35.72942 2.058847 20.07290 24.64345 1.902980 5.126268

12 5.117812 10.22729 35.37688 2.040815 20.48271 24.48187 2.053786 5.336660

13 5.194355 10.14790 35.12972 2.029586 20.74270 23.97278 2.415555 5.561758

14 5.293118 10.51393 34.97826 2.123579 20.75072 23.18761 2.766899 5.679006

15 5.415416 11.06433 34.76148 2.084035 21.13753 22.31466 2.959485 5.678481

16 5.523985 11.13480 34.33401 2.005968 21.68141 21.94342 3.119686 5.780699

17 5.644208 10.90027 34.02356 1.928660 22.21502 22.01994 3.068770 5.843784

18 5.786433 10.47589 33.79166 1.883307 22.45838 22.53660 2.930628 5.923526

19 5.901454 10.16447 33.79528 1.811059 22.60825 22.74513 2.862242 6.013571

20 6.008064 10.00328 34.07601 1.764802 22.69506 22.47705 2.874241 6.109561

21 6.125277 10.00920 34.62341 1.722427 22.53640 21.96150 2.946966 6.200100

22 6.243145 10.14255 35.17336 1.687483 22.24868 21.44462 3.024788 6.278516

23 6.356823 10.25322 35.60862 1.639951 22.12559 21.00913 3.052075 6.311419

24 6.453090 10.24471 35.74062 1.591471 22.16491 20.79359 3.087418 6.377274

25 6.541439 10.19609 35.74202 1.550978 22.30177 20.67868 3.101249 6.429220

26 6.632263 10.13350 35.68966 1.509127 22.44091 20.65331 3.085984 6.487512

27 6.719337 10.07281 35.65402 1.478605 22.55902 20.60166 3.089721 6.544160

28 6.807170 10.03564 35.64772 1.454910 22.68141 20.47287 3.110450 6.597007

29 6.899602 10.01256 35.69167 1.425092 22.77643 20.30521 3.141216 6.647825

30 6.992221 9.996715 35.75001 1.391779 22.82478 20.15945 3.173069 6.704199

31 7.085868 9.958474 35.86925 1.357167 22.88066 20.01038 3.181760 6.742310

32 7.177500 9.904016 35.98529 1.322902 22.92723 19.88845 3.186923 6.785190

33 7.266105 9.863945 36.10219 1.293203 22.96103 19.76699 3.191694 6.820957

34 7.354618 9.847672 36.20079 1.264417 22.97616 19.66606 3.187988 6.856920

35 7.439758 9.827300 36.29778 1.240293 22.97856 19.57341 3.189415 6.893250

36 7.522795 9.813357 36.37669 1.220158 22.99171 19.47260 3.197430 6.928045

37 7.605287 9.803323 36.43665 1.200525 23.02327 19.36470 3.211653 6.959875

38 7.685994 9.801111 36.45592 1.180156 23.06527 19.27034 3.232264 6.994939

39 7.765835 9.783875 36.48481 1.159695 23.12258 19.17754 3.246792 7.024711

40 7.846162 9.755789 36.51990 1.137768 23.17745 19.09805 3.255636 7.055409

Digital Repository Universitas JemberDigital Repository Universitas Jember

153

41 7.925963 9.726344 36.56499 1.117583 23.22242 19.02345 3.262071 7.083145

42 8.005991 9.708850 36.60304 1.097506 23.25929 18.95775 3.264043 7.109525

43 8.084413 9.685995 36.65319 1.078699 23.28544 18.89377 3.266880 7.136023

44 8.162224 9.668028 36.71130 1.061359 23.30280 18.82393 3.271148 7.161437

45 8.239868 9.654584 36.77520 1.045230 23.31754 18.74712 3.276547 7.183775

46 8.316444 9.651946 36.81638 1.029517 23.33482 18.67567 3.285049 7.206616

47 8.391270 9.641573 36.85482 1.014568 23.36058 18.60692 3.293323 7.228221

48 8.465866 9.626076 36.89103 0.999113 23.38781 18.54641 3.299190 7.250371

49 8.539691 9.606717 36.92973 0.984681 23.41240 18.49055 3.304307 7.271624

50 8.613181 9.595542 36.95706 0.970578 23.43822 18.43840 3.308497 7.291713

51 8.685314 9.580842 36.98671 0.957053 23.46407 18.38568 3.313884 7.311756

52 8.757196 9.568875 37.01957 0.943970 23.48554 18.33126 3.319514 7.331267 Variance

Decomposition of KRISIS:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 0.134990 6.698752 21.12294 3.927587 19.84758 48.40315 0.000000 0.000000

2 0.307367 26.10969 28.78294 6.728761 11.14894 26.66424 0.105689 0.459741

3 0.392044 30.81514 26.67043 5.109983 15.18311 21.83748 0.083831 0.300020

4 0.446274 34.57190 23.90884 4.523018 15.13189 21.23514 0.141310 0.487908

5 0.474211 36.41875 21.64804 5.005799 16.12902 19.90015 0.183044 0.715198

6 0.487557 36.63652 20.59059 5.195036 16.79272 19.46176 0.445219 0.878156

7 0.497761 36.83566 20.05287 5.384684 16.63445 19.60216 0.460183 1.029982

8 0.511364 36.93949 19.02118 6.003366 16.63703 19.86813 0.440593 1.090207

9 0.528735 37.88269 17.87712 6.307961 16.03852 20.36741 0.414390 1.111908

10 0.542742 38.63036 17.49398 6.056906 15.76593 20.56162 0.400189 1.091027

11 0.562013 39.33889 17.27651 5.912774 15.60679 20.41838 0.377610 1.069046

12 0.580096 40.14151 17.71620 5.598236 15.28188 19.74541 0.468153 1.048607

13 0.594557 40.56764 17.64741 5.368965 15.54075 19.31305 0.511904 1.050284

14 0.613225 40.87490 17.26536 5.527883 15.63380 19.07413 0.546107 1.077826

15 0.628872 41.31704 17.05847 5.483146 15.71597 18.79027 0.561647 1.073456

16 0.645423 41.47932 16.52200 5.685595 16.02477 18.68066 0.537993 1.069659

17 0.662353 41.77822 15.98527 5.942024 15.94481 18.74973 0.515085 1.084868

18 0.674634 42.03154 15.61826 5.878321 15.99854 18.89404 0.496518 1.082778

19 0.688492 42.18347 15.16136 5.936601 16.02446 19.12365 0.476848 1.093609

20 0.701253 42.55003 14.92670 5.854644 15.91603 19.17526 0.472432 1.104908

21 0.713186 42.87623 14.67352 5.764561 15.93823 19.16868 0.467187 1.111584

22 0.726075 43.12044 14.41913 5.774246 15.93558 19.15507 0.468250 1.127287

23 0.738180 43.44186 14.30100 5.717056 15.90471 19.01838 0.484303 1.132694

24 0.750312 43.66136 14.10602 5.730276 15.99863 18.88847 0.483043 1.132208

25 0.762772 43.85782 13.91943 5.778417 15.99241 18.83066 0.480881 1.140387

26 0.774320 44.02430 13.77308 5.759248 16.01012 18.82053 0.473149 1.139570

27 0.786535 44.13000 13.58261 5.787812 16.03743 18.86185 0.460213 1.140084

28 0.798503 44.29320 13.45510 5.768066 16.01011 18.87852 0.453216 1.141785

29 0.809960 44.45123 13.32147 5.735116 16.02547 18.87805 0.446679 1.141983

30 0.821305 44.56391 13.17548 5.729022 16.05231 18.89004 0.442385 1.146851

31 0.832410 44.72327 13.06292 5.705803 16.04932 18.86371 0.443571 1.151395

32 0.843341 44.86869 12.92300 5.699454 16.08607 18.82857 0.440662 1.153552

33 0.854349 45.00671 12.78147 5.712068 16.08889 18.81312 0.438030 1.159723

34 0.864904 45.13974 12.66373 5.706818 16.08972 18.80275 0.434680 1.162568

35 0.875405 45.25116 12.54264 5.715012 16.09809 18.79945 0.428904 1.164745

36 0.885719 45.37011 12.44374 5.712464 16.09028 18.79079 0.425564 1.167056

37 0.895745 45.47942 12.35610 5.699692 16.09423 18.77992 0.422516 1.168133

38 0.905748 45.55605 12.26975 5.693730 16.10973 18.78147 0.419396 1.169885

Digital Repository Universitas JemberDigital Repository Universitas Jember

154

39 0.915887 45.64520 12.19877 5.683571 16.10996 18.77340 0.417634 1.171459

40 0.926008 45.73587 12.12030 5.674126 16.12366 18.75932 0.414791 1.171921

41 0.936164 45.82318 12.03565 5.673385 16.13007 18.75144 0.412083 1.174200

42 0.946047 45.90937 11.95840 5.668068 16.13465 18.74354 0.409899 1.176078

43 0.955742 45.99131 11.87803 5.667846 16.14320 18.73472 0.407041 1.177854

44 0.965259 46.07465 11.79973 5.668478 16.14596 18.72619 0.404903 1.180086

45 0.974548 46.15514 11.72646 5.664952 16.14900 18.71962 0.402884 1.181936

46 0.983742 46.21855 11.65641 5.663355 16.15727 18.72036 0.400483 1.183582

47 0.992990 46.28446 11.59618 5.660355 16.15781 18.71778 0.398489 1.184928

48 1.002203 46.35200 11.53834 5.654668 16.16190 18.71116 0.396337 1.185594

49 1.011409 46.41610 11.47971 5.651268 16.16545 18.70640 0.394256 1.186822

50 1.020494 46.47682 11.42630 5.646093 16.16870 18.70141 0.392656 1.188034

51 1.029489 46.53657 11.37332 5.642515 16.17405 18.69350 0.390968 1.189082

52 1.038401 46.59606 11.31918 5.641189 16.17823 18.68546 0.389471 1.190412 Variance

Decomposition of

LTV:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 0.200208 0.811408 23.91119 5.875706 0.003639 33.89128 35.50677 0.000000

2 0.286237 0.580003 24.27299 3.043040 2.119044 39.32326 30.57948 0.082191

3 0.348578 1.360220 27.11523 2.094053 1.433962 39.07556 28.86518 0.055794

4 0.405921 2.172236 30.53237 1.552545 1.163482 38.54053 25.93024 0.108601

5 0.456276 2.758746 32.66336 1.236087 1.032325 37.73236 24.46153 0.115595

6 0.513675 2.959979 36.79633 1.015097 0.835682 35.69353 22.54533 0.154057

7 0.567756 2.882820 39.74261 0.895503 0.788368 34.61264 20.79926 0.278803

8 0.619831 2.737209 41.89716 0.785771 0.755820 33.55387 19.97208 0.298088

9 0.664601 2.886689 42.94392 0.735981 0.790077 32.81476 19.51578 0.312789

10 0.701448 2.958291 44.02108 0.680738 0.973440 32.00730 19.02397 0.335182

11 0.738668 3.297890 45.20662 0.613923 1.094275 30.90611 18.55053 0.330651

12 0.773820 3.767510 45.92115 0.563137 1.166931 30.09145 18.16922 0.320604

13 0.801109 4.183390 45.90737 0.526757 1.168956 29.93745 17.96438 0.311703

14 0.826878 4.207534 45.82452 0.500707 1.138396 30.11684 17.90042 0.311590

15 0.855324 4.103558 45.69230 0.480142 1.094753 30.46308 17.84611 0.320047

16 0.883348 3.967158 45.64124 0.458052 1.058464 30.74485 17.80375 0.326486

17 0.908361 3.957004 45.73237 0.437514 1.027504 30.79116 17.72361 0.330835

18 0.932669 3.939496 46.08991 0.423569 1.027367 30.60508 17.57472 0.339865

19 0.959621 4.002754 46.59840 0.404978 1.040126 30.22984 17.37932 0.344580

20 0.987408 4.092282 47.03154 0.385893 1.056382 29.88202 17.20664 0.345236

21 1.012552 4.206049 47.18466 0.370617 1.060169 29.73456 17.10122 0.342720

22 1.035499 4.214755 47.22897 0.359417 1.064671 29.71440 17.07698 0.340813

23 1.058618 4.204018 47.23198 0.347964 1.061515 29.75290 17.06080 0.340820

24 1.081095 4.177535 47.25066 0.334876 1.063029 29.79548 17.03634 0.342084

25 1.102189 4.203092 47.28071 0.322366 1.056272 29.79800 16.99720 0.342361

26 1.122158 4.203046 47.37494 0.312835 1.053294 29.76278 16.94871 0.344393

27 1.142766 4.220620 47.50872 0.304585 1.049419 29.68822 16.88164 0.346806

28 1.164136 4.227655 47.65164 0.297900 1.046973 29.60725 16.81996 0.348619

29 1.185216 4.255657 47.72742 0.292255 1.041365 29.56106 16.77347 0.348775

30 1.205238 4.255044 47.78514 0.286810 1.040280 29.53190 16.75258 0.348257

31 1.225300 4.261960 47.83130 0.280929 1.037866 29.51062 16.72897 0.348347

32 1.245188 4.258734 47.88320 0.273764 1.040953 29.49207 16.70222 0.349051

33 1.264551 4.278308 47.91957 0.266215 1.040535 29.47382 16.67235 0.349199

34 1.282881 4.279773 47.97218 0.259877 1.041102 29.45153 16.64590 0.349643

35 1.300993 4.290027 48.02948 0.254361 1.039572 29.42395 16.61200 0.350616

36 1.319195 4.290407 48.09686 0.249607 1.038971 29.39140 16.58118 0.351574

Digital Repository Universitas JemberDigital Repository Universitas Jember

155

37 1.337403 4.303696 48.14021 0.245527 1.036083 29.36849 16.55389 0.352095

38 1.355049 4.302596 48.18393 0.241664 1.035322 29.34694 16.53745 0.352097

39 1.372675 4.309713 48.21872 0.237994 1.033166 29.32865 16.51945 0.352299

40 1.390197 4.309373 48.25632 0.233932 1.033899 29.31184 16.50198 0.352653

41 1.407580 4.321256 48.28025 0.229642 1.033152 29.29962 16.48324 0.352838

42 1.424391 4.321813 48.31362 0.225617 1.033357 29.28487 16.46781 0.352913

43 1.440985 4.329155 48.34497 0.221934 1.032079 29.27060 16.44794 0.353328

44 1.457437 4.329313 48.38384 0.218471 1.031776 29.25335 16.42948 0.353770

45 1.473878 4.337401 48.41076 0.215441 1.030114 29.24097 16.41107 0.354239

46 1.489964 4.335707 48.44329 0.212544 1.029839 29.22632 16.39787 0.354426

47 1.505985 4.340601 48.47040 0.209869 1.028531 29.21253 16.38335 0.354717

48 1.521846 4.340613 48.50109 0.207086 1.028824 29.19736 16.37008 0.354953

49 1.537638 4.348909 48.52128 0.204340 1.028280 29.18592 16.35610 0.355170

50 1.553102 4.349586 48.54710 0.201617 1.028570 29.17279 16.34514 0.355197

51 1.568443 4.355408 48.56781 0.199075 1.027739 29.16250 16.33206 0.355411

52 1.583595 4.355781 48.59246 0.196550 1.027597 29.15161 16.32041 0.355581 Variance

Decomposition of

LTV_KREDIT:

Period S.E. CREDIT GDP CPI HOUSING KRISIS LTV LTV_KREDIT 1 0.016665 7.729787 29.74947 9.632060 0.000851 40.94618 8.994976 2.946672

2 0.020557 5.533231 32.04803 6.397287 0.664005 42.58414 10.40368 2.369624

3 0.024151 7.024180 35.11178 4.941488 1.798520 38.70848 10.61523 1.800328

4 0.025740 8.084873 36.60276 4.394795 1.812009 37.62925 9.485962 1.990349

5 0.030013 10.76323 37.33357 3.723979 1.356176 36.73179 7.550005 2.541254

6 0.034519 9.211995 42.73658 2.868627 1.025303 34.54123 7.292342 2.323925

7 0.037665 8.651557 44.75886 2.520710 0.864783 34.07258 6.640644 2.490857

8 0.039046 8.389863 46.85320 2.367170 0.815157 32.85822 6.201002 2.515382

9 0.041439 9.700250 47.34817 2.298270 0.726918 31.56615 5.556678 2.803567

10 0.043376 9.423401 49.46742 2.097566 0.836011 30.14983 5.218167 2.807605

11 0.045330 9.775558 50.77347 1.948028 0.782280 28.97121 4.940966 2.808488

12 0.046482 9.911505 51.84110 1.879001 0.750285 28.11397 4.719394 2.784750

13 0.047861 10.94932 50.99726 1.834793 0.707719 28.14596 4.485803 2.879140

14 0.048982 10.73955 51.24613 1.760996 0.681114 28.23697 4.465308 2.869936

15 0.050376 10.64809 51.10658 1.733852 0.646086 28.55068 4.387428 2.927278

16 0.051364 10.43592 51.69857 1.676765 0.624344 28.36541 4.277465 2.921529

17 0.052675 11.07995 51.20658 1.633375 0.614336 28.37112 4.107527 2.987101

18 0.053739 10.90057 51.67346 1.582262 0.591229 28.23098 4.015775 3.005724

19 0.055212 10.87829 51.95043 1.571209 0.560368 28.07675 3.915583 3.047374

20 0.056511 10.61937 52.82508 1.500602 0.536322 27.66512 3.825893 3.027613

21 0.057872 11.09403 52.57512 1.466004 0.512040 27.59149 3.707153 3.054164

22 0.058848 10.99178 52.93206 1.422558 0.501192 27.44330 3.658530 3.050582

23 0.060092 11.06357 52.99939 1.406979 0.481261 27.37496 3.594114 3.079734

24 0.061185 10.87917 53.55579 1.357750 0.471453 27.13036 3.536437 3.069033

25 0.062372 11.29154 53.30859 1.315895 0.455227 27.09296 3.452628 3.083164

26 0.063191 11.21274 53.50719 1.285666 0.444260 27.05189 3.407320 3.090932

27 0.064236 11.27888 53.47616 1.279222 0.430798 27.06171 3.352267 3.120965

28 0.065258 11.08396 53.90895 1.242276 0.418582 26.91371 3.313104 3.119412

29 0.066409 11.34053 53.74791 1.217312 0.406173 26.90488 3.251832 3.131363

30 0.067243 11.26091 53.96128 1.191426 0.396832 26.83832 3.218706 3.132532

31 0.068274 11.34597 53.94565 1.186470 0.385443 26.81050 3.174544 3.151425

32 0.069257 11.18501 54.31153 1.155456 0.378563 26.67614 3.143183 3.150113

33 0.070369 11.40090 54.20453 1.129493 0.367090 26.64640 3.096983 3.154593

Digital Repository Universitas JemberDigital Repository Universitas Jember

156

34 0.071175 11.32885 54.38293 1.106951 0.359999 26.59607 3.069293 3.155896

35 0.072103 11.41903 54.34762 1.097495 0.351221 26.58234 3.030659 3.171646

36 0.072990 11.28572 54.63055 1.074136 0.344947 26.48603 3.004629 3.173989

37 0.074016 11.44571 54.54623 1.055493 0.335888 26.46932 2.967009 3.180349

38 0.074794 11.37715 54.70552 1.036601 0.329808 26.42455 2.944939 3.181429

39 0.075685 11.46317 54.66630 1.029754 0.322831 26.41155 2.913727 3.192672

40 0.076521 11.35073 54.89204 1.011422 0.317706 26.33985 2.892709 3.195550

41 0.077500 11.48091 54.82460 0.996001 0.310042 26.32550 2.863565 3.199379

42 0.078269 11.41498 54.96556 0.979701 0.304853 26.28898 2.846159 3.199769

43 0.079124 11.49483 54.92710 0.971538 0.298836 26.28005 2.819430 3.208212

44 0.079915 11.39957 55.11478 0.956091 0.294305 26.22266 2.801416 3.211180

45 0.080839 11.50233 55.06216 0.943737 0.287860 26.21191 2.776311 3.215689

46 0.081586 11.43915 55.19189 0.929581 0.283529 26.17803 2.761178 3.216641

47 0.082411 11.51050 55.16105 0.922282 0.278333 26.16625 2.738384 3.223209

48 0.083165 11.43004 55.32022 0.909468 0.274511 26.11699 2.722571 3.226203

49 0.084040 11.51883 55.27780 0.899203 0.268991 26.10405 2.701333 3.229791

50 0.084769 11.46199 55.39284 0.887053 0.265239 26.07361 2.688807 3.230460

51 0.085567 11.52669 55.36179 0.880098 0.260646 26.06580 2.669550 3.235431

52 0.086290 11.45754 55.49402 0.868954 0.257179 26.02803 2.656392 3.237890 Cholesky

Ordering: CREDIT GDP CPI HOUSING KRISIS

LTV LTV_KRE

DIT

Digital Repository Universitas JemberDigital Repository Universitas Jember


Recommended