Gabungan Digital 125836 5557 Pengaruh Tingkat

44

BAB 4

MODEL EKONOMETRIKA

4.1 Spesifikasi Model Sudin Haron dengan pendekatan S-VAR

4.1.1 Pendekatan Asset Market

Berdasarkan teori kaum klasik yang telah dijelaskan dalam bab 2 bahwa

masyarakat melakukan penyesuaian pendapatannya yang sekarang dan yang akan

datang dalam suatu cara yang dapat memberikan kepuasan maksimum. Kepuasan

yang maksimum dalam hal ini adalah profit yang didapat ketika masyarakat

mengalokasikan pendapatannya dalam berbagai aset.

Menurut klasik, profit berupa tingkat suku bunga ditentukan oleh kekuatan

tabungan atau deposito yang dinyatakan dengan

S = S ( i )

Sesuai juga dalam teori asset market bahwa kebutuhan seseorang pada pasar

asset disesuaikan dengan profit maximization. Sehingga dengan begitu seseorang

akan dapat memutuskan untuk menyimpan uangnya dalam bentuk aset yang

diinginkan. Dalam penelitian ini digunakan variabel – variabel yang berhubungan

dengan pendekatan asset market, yaitu :

1. Variabel SDSM yaitu jumlah Tabungan Mudharabah.

2. Variabel TDSM yaitu jumlah Deposito Mudharabah.

Kedua jenis variabel ini merupakan fasilitas pada perbankan syariah sebagai

instrumen alternatif bagi masyarakat Indonesia dalam meyimpan asetnya pada

perbankan syariah. Untuk mendorong masyarakat memilih aset ini tentu ada faktor

yang mempengaruhinya yaitu variabel :

1. IRSD yaitu Tingkat Suku Bunga Tabungan Bank Konvensional.

Pengaruh tingkat ..., Andika Novta Budiati, FE UI, 2007

45

2. IRTD yaitu Tingkat Suku Bunga Deposito Bank Konvensional yang terbagi

dalam jangka waktu 1, 3, 6, dan 12 bulan.

3. RORSD yaitu Tingkat Bagi Hasil Tabungan Mudharabah.

4. RORTD yaitu Tingkat Bagi Hasil Deposito Mudharabah yang terbagi dalam

jangka waktu 1, 3, 6, dan 12 bulan.

Penelitian ini mengacu pada model dasar yang digunakan dalam penelitian

sebelumnya, yaitu :

ttt uRORSDSDSM ++= *0βα

tttt uIRSDRORSDSDSM +++= 1*

0 ββα

ttt uRORTDTDSM ++= *0βα

tttt uIRTDRORTDTDSM +++= 1*

0 ββα

4.1.2 Strategi pembentukkan model

Diperlukan sebuah strategi di dalam pembentukan model VAR agar tidak

terjadi mispesifikasi di dalam pembentukannya. Karenanya estimasi model VAR

akan dilakukan dengan tahapan-tahapan berikut secara berurutan.

Pertama, akan dilakukan pengujian stasioneritas dari setiap series yang

digunakan di dalam model. Hasil series stasioner akan berujung pada penggunaan

VAR dengan metode standar. Sementara series nonstasioner akan berimplikasi pada

dua pilihan VAR, VAR dalam bentuk difference atau VECM.

Keberadaan variabel nonstasioner meningkatkan kemungkinan keberadaan

hubungan kointegrasi antar variabel. Maka pengujian kointegrasi diperlukan untuk

mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi sebaiknya tetap

dilakukan pada data stasioner, mengingat terdapatnya kemungkinan kesalahan


46

pengambilan kesimpulan pengujian unit root terkait dengan the power of the test9.

Jika tidak terdapat hubungan kointegrasi, estimasi VAR dapat dilakukan dalam

bentuk diferens. Namun Sims (1980) dan Doan (1992), menentang penggunaan

variabel diferens, walaupun jika variabel tersebut memiliki unit root. Mereka

berargumen bahwa differencing akan membuang informasi berharga yang terkait

dengan pergerakan searah data (seperti kemungkinan terdapatnya hubungan

kointegrasi). Maka penggunaan metode VAR yang sesuai data nonstasioner yang

tidak terkointegrasi pun masih menjadi perdebatan serius hingga saat ini.

4.1.3 Tahapan pembentukkan sistem

Sistem SVAR yang digunakan akan dibentuk dalam tahapan berikut secara

berurutan.

1. Uji Stasioner

Uji stasioneritas akan dilakukan dengan metode ADF dan PP sesuai dengan

bentuk tren deterministik yang dikandung oleh setiap variabel. Pengujian ini

dilakukan dengan cara membandingkan nilai statistik ADF dan PP dengan nilai kritis

MacKinnon untuk mengetahui derajat integrasi stasioneritas suatu variabel. Suatu

variabel disebut stasioner pada integrasi tertentu jika nilai statistik ADF dan PP lebih

kecil dari nilai kritis MacKinnon. PP digunakan jika terdapat structural break.10

2. Penentuan selang optimal

Guna memperoleh panjang selang yang tepat akan dilakukan 3 bentuk

pengujian secara bertahap. Pada tahap pertama akan dilihat panjang selang

maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse

roots karakteristik AR polinomialnya. Suatu sistem VAR dikatakan stabil (stasioner)

9 Richard Harris. ‘Cointegration Analysis in Econometric Modelling’. 10 Patahan pada pergerakan data, biasa terjadi sebagai akibat dari kejadian luar biasa dalam perekonomian seperti krisis ekonomi


47

jika seluruh roots-nya memiliki modulus lebih kecil dari satu dan semuanya terletak

di dalam unit circle, Lutkepohl (1991).

Pada tahap kedua, panjang selang optimal akan dicari dengan menggunakan

kriteria informasi yang tersedia. Kandidat selang yang terpilih adalah panjang selang

menurut kriteria Likelihood Ratio (LR), Final Prediction Error (FPE), Akaike

Information Critrion (AIC), Schwarz Information Criterion (SC), dan Hannan-Quin

Criterion (HQ). Jika kriteria informasi hanya merujuk pada sebuah kandidat selang

maka, kandidat tersebutlah yang optimal. Jika diperoleh lebih dari satu kandidat,

maka pemilihan dilanjutkan pada tahap ketiga.

Pada tahap terakhir ini, nilai Adjusted R2 variabel VAR dari masing-masing

kandidat selang akan diperbandingkan, dengan penekanan pada variabel-variabel

terpenting dari sistem VAR tersebut. Selang optimal akan dipilih dari sistem VAR

dengan selang tertentu yang menghasilkan nilai Adjusted R2 terbesar pada variabel-

variabel penting di dalam sistem

3. Pengujian hubungan kointegrasi

Kointegrasi adalah suatu hubungan jangka panjang atau ekuilibrium antara

variabel-variabel yang tidak stasioner. Dengan kata lain, walau secara individual

variabel-variabel tersebut tidak stasioner, namun kombinasi linier antara variabel

tersebut dapat menjadi stasioner.

Pengujian hubungan kointegrasi dilakukan dengan menggunakan selang

optimal sesuai dengan pengujian sebelumnya. Sementara penentuan asumsi

deterministik yang melandasi pembentukan persamaan kointegrasi didasarkan pada

nilai kriteria informasi AIC dan SC. Berdasarkan asumsi deterministik tersebut akan

diperoleh informasi mengenai banyaknya hubungan kointegrasi antar variabel sesuai

dengan metode Trace dan Max.


48

Dalam melakukan pengujuan kointegrasi ada beberapa hal yang harus

diperhatikan :11

1. Kointegrasi menyatakan hubungan linier dari variabel yang non-stationary.

2. Semua variabel harus terintegrasi pada derajat yang sama.

Jika satu grup memiliki n variabel, bisa terdapat n-1 vektor kointegrasi yang

independen; artinya ada lebih dari satu persamaan kointegrasi, atau variabel satu

dengan lainnya terkointegrasi melalui berbagai cara

4. Uji stabilitas model SVAR

Sama seperti stabilitas sistem VAR dan VEC, stabilitas sistem SVAR juga

akan dilihat dari nilai inverse roots karakteristik AR polinomialnya. Hal ini dapat

dilihat dari nilai modulus di tabel AR-roots-nya, jika seluruh nilai AR-rootsnya

dibawah 1, maka sistem tersebut stabil.

4.1.4 Urutan variabel (ordering) yang digunakan dan formulasi model S-

VAR

Pembentukkan sistem struktural VAR menitikberatkan komposisi

pembentukkan modelnya pada spesifikasi hubungan struktural antar variabel di

dalam modelnya. Dalam skripsi ini, penulis menggunakan variabel – variabel yang

terbagi menjadi 2 persamaan, skema variabel yang digunakan pada persamaan

tersebut adalah :

1. RORSD(-1)

IRSD

M1

IPM

11 Ruslan Prijadi.Menyusun Makalah Praktikum Riset Keuangan.Kuliah PRK.2004

SDSM


49

Skema di atas menunjukkan bahwa 4 variabel independen, yaitu tingkat

bagi hasil tabungan mudharabah BMI (RORSD), tingkat suku bunga tabungan

(IRSD), jumlah uang beredar (M1) dan Indeks Produksi Manufaktur (IPM) akan

berpengaruh secara langsung terhadap jumlah tabungan mudharabah Muamalat

(SDSM). Secara sederhana model S-VAR nya akan berbentuk sebagai berikut :

eRORSD(-1) = f (u RORSD(-1))

eIRSD = f (u IRSD)

eM1 = f (u M1)

eIPM = f (u IPM)

Sehingga model persamaan Sudin Haron menjadi sebagai berikut :

)()()1()())1(( uSDSMfeIPMfeMfeIRSDfeRORSDfeSDSM ++++−= ..(1)

2. RORTD

IRTD

M1

IPM

Skema di atas menunjukkan bahwa 4 variabel independen, yaitu tingkat

bagi hasil deposito mudharabah BMI (RORTD), tingkat suku bunga deposito

(IRTD), jumlah uang beredar (M1) dan Indeks Produksi Manufaktur (IPM)

berpengaruh secara langsung terhadap jumlah deposito mudharabah Muamalat

(TDSM). Secara sederhana model S-VAR nya akan berbentuk sebagai berikut :

eRORTD(-1) = f (u RORTD(-1))

eIRTD = f (u IRTD)

eM1 = f (u M1)

eIPM = f (u IPM)

Sehingga model persamaan Sudin Haron menjadi sebagai berikut :

)()()1()())1(( uTDSMfeIPMfeMfeIRTDfeRORTDfeTDSM ++++−= ...(2)

TDSM


50

Model persamaan deposito mudharabah ini akan dikategorikan menjadi 4 model

persamaan sesuai dengan jangka waktu jatuh tempo yaitu 1,3,6,dan 12 bulan,

sehingga sebagai berikut :

)()()1()1())1(1( uTDSMfeIPMfeMfeIRTDfeRORTDfeTDSM ++++−=




Kesemua jenis model persamaan S-VAR di atas nantinya akan diubah ke

dalam bentuk matriks dimana A e = B u.

4.1.5 Perbedaan Model yang Diteliti dengan Model Sudin Haron

Pada model Sudin Haron dapat dianalisa bahwa model tersebut belum

memasukkan variabel tingkat kekayaan dan pendapatan dari masyarakat. Jadi model

Sudin Haron hanya melihat pengaruh return terhadap jumlah dana pihak ketiga dan

tidak melihat pengaruh tingkat kemampuan masyarakat terhadap jumlah dana pihak

ketiga.

Sedangkan pada penelitian ini, model yang dipakai adalah model Sudin

Haron tetapi dengan menambahkan variabel kekayaan (wealth) dan variabel

pendapatan (income). Variabel wealth yang digunakan dalam penelitian ini adalah

uang beredar atau M1 yang mewakili kesejahteraan masyarakat. Sementara itu

variabel pendapatan (income) menggunakan proxi Index Produksi Manufaktur (IPM).

Sehingga dapat dilihat apakah jumlah dana pihak ketiga di perbankan syariah semata

– mata dipengaruhi oleh return atau dipengaruhi juga oleh M1 dan IPM.

4.2 Hipotesa Model

Berdasarkan teori –teori yang telah dijelaskan sebelumnya, maka hipotesa

dari tiap persamaan di dalam model sebagai berikut :


51

• Model pendanaan dengan tabungan mudharabah

)()()1()())1(( uSDSMfeIPMfeMfeIRSDfeRORSDfeSDSM ++++−= ..(1)

Dari model persamaan di atas, maka dapat diambil hipotesa sebagai berikut:

1. Tingkat bagi hasil tabungan mudharabah BMI (RORSD) memiliki pengaruh

yang positif terhadap jumlah tabungan mudharabah BMI (SDSM).

H0 : RORSDt-1 = 0

H1 : RORSDt-1 ≠ 0

2. Tingkat suku bunga tabungan konvensional (IRSD) memiliki pengaruh yang

negatif terhadap jumlah tabungan mudharabah BMI (SDSM).

H0 : IRSDt = 0

H1 : IRSDt ≠ 0

3. Tingkat kekayaan masyarakat yang diwakili dengan M1 memiliki pengaruh

yang positif terhadap jumlah tabungan mudharabah BMI (SDSM).

H0 : M1t = 0

H1 : M1t ≠ 0

Hipotesa untuk model tersebut berlaku untuk kedua persamaan (1) dan

persamaan (2).

4 Tingkat pendapatan masyarakat yang diwakili dengan IMP memiliki

pengaruh yang positif terhadap jumlah tabungan mudharabah BMI (SDSM).

H0 : IPMt = 0

H1 : IPMt ≠ 0

• Model pendanaan dengan deposito mudharabah.

)()()1()())1(( uTDSMfeIPMfeMfeIRTDfeRORTDfeTDSM ++++−= ..(2)


52

1. Tingkat bagi hasil deposito mudharabah BMI (RORTD) memiliki pengaruh

yang positif terhadap jumlah deposito mudharabah BMI (TDSM).

H0 : RORTDt-1 = 0

H1 : RORTDt-1 ≠ 0

2. Tingkat suku bunga deposito konvensional (IRTD) memiliki pengaruh yang

negatif terhadap jumlah deposito mudharabah BMI (TDSM).

H0 : IRTDt = 0

H1 : IRTDt ≠ 0

3. Tingkat kesejahteraan masyarakat yang diwakili dengan M1 memiliki

pengaruh yang positif terhadap jumlah deposito mudharabah BMI (TDSM).

H0 : M1t = 0

H1 : M1t ≠ 0

4 Tingkat pendapatan masyarakat yang diwakili dengan IMP memiliki

pengaruh yang positif terhadap jumlah deposito mudharabah BMI (TDSM).

H0 : IPMt = 0

H1 : IPMt ≠ 0

Hipotesa untuk model persamaan (2) tersebut berlaku untuk setiap jangka

waktu jatuh tempo dari deposito mudharabah.

4.3 Metode Penelitian

4.3.1 Analisis Vector Autoregressive (VAR)

Model-model ekonometri yang telah kita pelajari baik yang satu persamaan

ataupun multi persamaan, biasanya berbentuk model struktural. Artinya, model yang

dibangun, hubungan antar variabelnya mengacu pada suatu teori. Demikian pula

bentuk fungsionalnya. Pengestimasian model struktural ini dapat digunakan untuk


53

mengetes suatu teori. Model dinamik juga mengacu pada suatu teori yang baku.

Konsekuensinya, dalam membangun model ekonometri, pemodel harus yakin bahwa

spesifikasi model yang ditawarkan dipandu oleh suatu teori.

Akan tetapi, terkadang teori (ekonomi) tidak dapat secara tepat mengarahkan

kepada spesifikasi yang tepat. Seringkali, ada beberapa teori yang saling berbeda dalam

menjelaskan suatu fenomena. Sebagai akibatnya, banyak pemodel yang mendasarkan

pada data dalam menentukan struktur dinamik modelnya. VAR merupakan teknik yang

dapat menjawab tantangan ini. Model VAR tidak banyak tergantung pada teori.

VAR merupakan metode lebih lanjut sebuah sistem persamaan simultan yang

bercirikan pada pemanfaatan beberapa variabel ke dalam model secara bersama-sama.

Jika dalam persamaan simultan terdapat variabel endogen12 dan eksogen13, maka dalam

VAR setiap variabel dianggap simetris14, karena sulit untuk menentukan secara pasti

apakah suatu variabel bersifat endogen atau eksogen, Sims(1986)15.

4.3.2 Reduced Form

Misalkan terdapat model dengan 2 variabel (bivariate), Y dan Z, yang

memiliki hubungan kausalitas simultan seperti berikut:

yt1t121t11t1210t εzγyγzbby +++−= −−

zt1t221t21t2120t εzγyγybbz +++−= −− ...............(1)

sistem persamaan diatas dikenal juga sebagai Struktural VAR atau bentuk sistem

primitif. Kedua variabel tersebut (Y dan Z), secara individual dipengaruhi secara

langsung oleh variabel yang lain, dan secara tidak langsung oleh nilai selang dari

12 Perubahannya dipengaruhi oleh perubahan variabel lain 13 Perubahannya tidak dipengaruhi oleh perubahan variabel lain atau hanya dipengaruhi oleh perubahannya sendiri 14 Setiap variabel saling mempengaruhi perubahan antar variabel baik secara langsung maupun tidak langsung 15 Menurut Sims, dalam VAR tidak terdapat dikotomi variabel eksogen dan endogen. Jika memang terdapat hubungan kausalitas simultan antar variabel yang diamati, maka variabel-variabel tersebut akan diperlakukan sama.


54

setiap variabel di dalam sistem. Sistem persamaan tersebut dapat dibentuk ke dalam

notasi matriks berikut:

{ {t1t10t ε

zt

yt

x

1t

1t

Γ

2221

1211

Γ

20

10

x

t

t

B

21

12

εε

zy

γγγγ

bb

zy

1bb1

⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡=⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡

−

−

−

321434 21321434 21

t1t10t εxΓΓBx ++= − ................(2)

Dengan mengalikan inverse B pada notasi matriks persamaan (2) diatas, akan

diperoleh:

t1t10t1

1t11

01

t exAAεBxΓBΓBx ++=++= −−

−−− .......(3)

atau dalam bentuk persamaan bivariate:

1t1t121t1110t ezayaay +++= −−

2t1t221t2120t ezayaaz +++= −− ...............(4)

Sistem inilah yang disebut sebagai sistem VAR dalam bentuk standar atau

reduced form. Sistem tersebut juga merepresentasikan sebuah bentuk Wold-Moving

Average. Karena ytε dan ztε white noise16, maka te pun akan memiliki rata-rata 0,

varians yang konstan, serta non-otokorelasi serial.

4.3.3 Spesifikasi dan Identifikasi

Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang

yang digunakan di dalam model. Sesuai dengan metodologi Sims (1980), variabel yang

digunakan di dalam persamaan VAR dipilih berdasarkan model ekonomi yang relevan.

Teori ekonomi jelas berperan di dalam pemilihan variabel ini, karena itu Bernanke dan

Blinder (1992) menyebutnya sebagai pendekatan semi-structural VAR.

16 Residual yang memiliki rata-rata 0, varians yang konstan, serta non-otokorelasi serial.


55

Pemilihan selang optimal akan memanfaatkan kriteria informasi yang

diperoleh dari Akaike Information Critera (AIC), dan Schwarz Criteria (SC).

Akaike Information Critera (AIC)

AIC memberikan penalti atas tambahan variabel (termasuk variabel selang),

yang mengurangi derajat kebebasan. Oleh karena itu, lag optimal akan ditemukan pada

spesifikasi model yang memberikan nilai AIC paling minimum.

N2k

Nε̂ΣlogAIC

2i +⎟⎟

⎠

⎞⎜⎜⎝

⎛=

Dimana 2iε̂Σ merupakan jumlah dari kuadrat residual, N adalah jumlah

observasi, dan k adalah banyaknya parameter yang diestimasi persamaan VAR.

Schwarz Criteria (SC)

Seperti AIC, SC juga memberikan penalti atas penambahan variabel, namun

dengan tingkat penalti yang lebih berat dari AIC. Seperti pada AIC lag optimal dengan

metode ini akan ditemukan pada spesifikasi model yang memberikan nilai SC

minimum.

NlogNk

Nε̂ΣlogSC

2i +⎟⎟

⎠

⎞⎜⎜⎝

⎛=

Tidak berbeda dengan tahapan persamaan simultan, VAR juga perlu untuk

melakukan identifikasi persamaan sebelum melakukan estimasi model. Kondisi

overidentified akan diperoleh jika jumlah informasi yang dimiliki melebihi jumlah

parameter yang ingin diestimasi. Jika jumlah informasi dan jumlah parameter yang

diestimasi sama, akan diperoleh kondisi exactly identified atau just identified.

Sementara jika jumlah informasi kurang dari jumlah parameter yang diestimasi akan

tercipta kondisi underidentified. Hasil identifikasi pada sebuah sistem persamaan


56

simultan menjadi penting karena pengaruhnya pada proses estimasi. Proses estimasi

hanya dapat dilakukan pada kondisi overidentified dan just identified.

Kembali pada model yang dibangun diatas, identifikasi dari sistem persamaan

VAR akan menghasilkan 9 informasi yang terdiri atas 6 koefisien estimasi

( 222112112010 a,a,a,a,a,a ), kalkulasi atas nilai varians 1te dan 2te , serta kovarians

( 1te , 2te ). Sementara parameter yang harus diestimasi berjumlah 10, yang terdiri atas 2

koefisien intercept ( 2010 b,b ), 4 koefisien autoregressive ( 22211211 γ,γ,γ,γ ), dua koefisien

feedback ( 2112 b,b ), serta dua standar deviasi ( zy σ,σ ). Maka yang diperoleh adalah

kondisi underidentified, yang membuatnya mustahil untuk diestimasi.

4.3.4 Restriksi Parameter

Sims (1980) menganjurkan penggunaan sistem rekursif ke dalam proses

identifikasi model dengan melakukan restriksi pada satu atau lebih parameter yang

dilandasi oleh argumen teori ekonomi yang sesuai. Kembali kepada sistem persamaan

diatas, restriksi dilakukan dengan argumen teori bahwa Z dapat secara langsung

mempengaruhi Y, akan tetapi Y tidak dapat secara langsung mempengaruhi Z. Secara

eksplisit nilai 21b akan diset sama dengan 0. Maka sistem persamaan (1) akan

berbentuk:

yt1t121t11t1210t εzγyγzbby +++−= −−

zt1t221t2120t εzγyγbz +++= −− ...............(5)

Restriksi tersebut juga akan mengakibatkan perubahan nilai matriks B dan

-1B . Dalam bentuk matriks persamaan VAR akan berubah menjadi:

⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡

−

−

zt

yt12

1t

1t

2221

121112

20

1012

t

t

εε

10b1

zy

γγγγ

10b1

bb

10b1

zy


57

⎥⎦

⎤⎢⎣

⎡ −+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡ −−+⎥

⎦

⎤⎢⎣

⎡ −=⎥

⎦

⎤⎢⎣

⎡

−

−

zt

zt12yt

1t

1t

2221

221212211211

20

201210

t

t

εεbε

zy

γγγbγγbγ

bbbb

zy

......(6)

sesuai dengan spesifikasi dari sistem persamaan (4) akan diperoleh:

20121010 bbba −= ; 21121111 γbγa −= ; 22121212 γbγa −= ;

2020 ba = ; 2121 γa = ; 2222 γa =

Dari persamaan (6) dan spesifikasi persamaan (4) kita juga dapat memperoleh

bahwa zt12yt1t εbεe −= dan zt2t εe = . Maka nilai varians dan kovarians dari residualnya

akan berbentuk:

2z

212

2y1 σbσ)Var(e ++= ; 2

z2 σ)Var(e = ; 2z1221 σb)e,Cov(e −=

Dengan mensubstitusikan 9 parameter dari estimasi sistem persamaan VAR

222112112010 a,a,a,a,a,a , )Var(e1 , )Var(e2 , serta )e,Cov(e 21 , ke dalam sembilan

persamaan diatas secara simultan, maka akan diperoleh nilai parameter 2010 b,b , 12b ,

22211211 γ,γ,γ,γ , 2yσ , dan 2

zσ .

Dari matriks persamaan (6) terlihat bahwa keberadaan restriksi 0b21 =

mengakibatkan ty secara langsung dan serentak dipengaruhi oleh perubahan residual

ytε dan ztε . Sementara tz secara langsung dan serentak hanya dipengaruhi oleh

perubahan residual ztε . Penguraian bentuk residual segi empat melalui restriksi

parameter ke dalam bentuk segi tiga ini dikenal sebagai Choleski decomposition.

4.3.5 Implementasi VAR

VAR menyediakan analisa untuk Forecasting, Impulse Response Function,

Forecast Error Decomposition of Variance dan Granger Causality. Sesuai dengan

tujuan penelitian ini, maka pembahasan analisa VAR untuk penelitian ini lebih banyak


58

ditekankan kepada dua hal, yaitu Impulse Response Function (IRF) dan Variance

Decomposition (VED).

1. Impulse Response Function (IRF)

IRF melacak efek perubahan satu standar deviasi dari salah satu inovasi

yang tersedia terhadap nilai sekarang dan masa depan sebuah variabel endogen.

Dengan kata lain, IRF dapat melacak dampak perubahan satu standar deviasi dari

sebuah variabel terhadap perubahan saat ini dan masa depan variabel lain, di dalam

sistem persamaan VAR.

Sistem Persamaan VAR (4) dapat diubah ke dalam bentuk matriks berikut:

⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡=⎥

⎦

⎤⎢⎣

⎡

−

−

2t

1t

1t

1t

2221

1211

20

10

t

t

ee

zy

aaaa

aa

zy

..........(7)

Dari persamaan (7), dapat diketahui bahwa baik nilai Y dan Z bergantung

pada nilai selangnya masing-masing serta pada nilai residualnya. Dengan

memfokuskan pada pengaruh perubahan shock residual 1te dan 2te , kepada nilai Y

dan Z, persamaan (7) dapat dibentuk menjadi:

⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡=⎥

⎦

⎤⎢⎣

⎡ ∑∞

= i-zt

i-yt

0i

i

2221

1211

t

t

εε

(i)φ(i)φ(i)φ(i)φ

zy

zy

..........(7)

Empat set koefisien (i)φ11 , (i)φ12 , (i)φ21 , dan (i)φ22 disebut sebagai IRF.

Koefisien inilah yang digunakan untuk mengetahui dampak perubahan shock

residual ytε dan ztε , kepada nilai Y dan Z baik di saat ini maupun di masa depan.

Dengan menetapkan 0i = , keempat koefisien tesebut akan menggambarkan

impact multiplier. Misalkan koefisien (0)φ22 akan menggambarkan dampak

perubahan ztε secara langsung (instan) kepada tz . Jika menetapkan 1i = , maka

akan diperoleh pengaruh perubahan residual yang lalu terhadap nilai Y dan Z satu


59

periode ke depan. Maka (1)φ12 menggambarkan perubahan 1-ztε terhadap Y saat

ini.

Seperti yang telah diutarakan sebelumnya, sistem persamaan VAR diatas

underidentified, sehingga estimasi dari IRF pun tidak dapat dilakukan. Agar

estimasi dapat dilakukan diperlukan restriksi identifikasi sehingga kondisi

justidentified dapat tercapai. Salah satu caranya adalah dengan Choleski

decomposition. Seperti sebelumnya dengan keberadaan restriksi 0b21 = , akan

diperoleh residual zt12yt1t εbεe −= dan zt2t εe = . Choleski decomposition

membatasi sistem persamaan VAR sehingga shock ytε tidak dapat secara langsung

mempengaruhi nilai tz , sebaliknya ztε dapat secara langsung mempengaruhi ytε

dan ztε . Hal ini berimplikasi pada kebutuhan akan keberadaan urutan kausalitas

(ordering) di dalam sebuah sistem persamaan VAR. Pada contoh diatas, ordering-

nya berbentuk YZ → .

Penentuan bentuk ordering yang tepat tentunya adalah yang sesuai dengan

dasar teori yang digunakan. Karenanya dalam pembentukan sistem persamaan

VAR perlu diketahui sebelumnya dari dasar teori, apakah perubahan suatu variabel

memiliki dampak langsung terhadap variabel yang lain atau tidak. Akan tetapi

ketepatan bentuk ordering sendiri sangat bergantung pada seberapa besar korelasi

antar residualnya17. Sebagai acuan sederhana (rule of thumb) digunakan patokan

nilai korelasi 0.2 sebagai signifikansi keberadan korelasi antar residual. Secara

mutlak, nilai korelasi antar residual yang berada dibawah nilai 0.2,

mengindikasikan tidak terlalu berpengaruhnya bentuk ordering yang digunakan.

17 Misalkan besar korelasi antara 1te dan 2te pada contoh diatas


60

Sebaliknya jika nilai mutlak korelasi antar residual berada diatas 0.2

mengindikasikan kebutuhan penggunaan ordering yang tepat.

2. Variance Decomposition (VD)

Variance Decomposition (VD) menjelaskan proporsi pergerakan suatu

variabel akibat shock dari variabel itu sendiri relatif terhadap dampaknya kepada

pergerakan variabel lain, secara berurutan. Dengan kata lain, sebenarnya VED

memberikan informasi tentang seberapa penting perubahan setiap inovasi random,

secara relatif, terhadap perubahan variabel di dalam VAR.

Variance Decomposition (VD) pun tidak terlepas dari masalah

underidentification karena keberadaannya sebagai bagian dari analisa VAR dan

seperti pada kasus – kasus sebelumnya, structural decomposition juga dapat

diterapkan pada Variance Decomposition (VD) dengan memperhatikan

kebutuhannya sesuai dengan nilai korelasi residual antar variabel yang digunakan.

4.3.6 Stasioneritas, kointegrasi dan Structural Vector Auturegression

(S-VAR)

1. Stasioneritas

Asumsi yang sangat penting dalam analisis time series adalah kestasioneran

data. Data time series dikatakan stasioner jika secara stokastik data menunjukkan

pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat

kenaikan atau penurunan pada data.

Data time series secara umum dikatakan stasioner jika nilai mean dan

autocovariancenya tidak tergantung pada waktu model pengujian Augmented

Dickey Fuller (ADF Test) secara umum sebagai berikut :

ttt YY ερµ ++= −1 ,

dimana µ = parameter


61

ρ = error

Y dikatakan series yang stasioner jika 11 <<− ρ dan jika nilai absolut dari

1>ρ maka series tersebut dikatakan eksplosif. Sehingga dapat kita katakan bahwa

sebuah hipotesa dikatakan stasioner jika nilai 1>ρ . Hipotesa yang dapat disusun

sebagai berikut :

H0 : 1=ρ

H1 : 1<ρ

Untuk ADF Test, test statistiknya adalah t – statistik untuk setiap lag

dari dependent variabel. Hipotesa nol ditolak maka series tersebut dikatakan

stasioner dan sebaliknya jika hipotesa nol diterima maka series tersebut dikatakan

tidak stasioner. Stasioner dari sebuah variabel menjadi penting karena pengaruhnya

pada hasil estimasi regresi palsu (spurious regression), dimana nilai koefisien yang

dihasilkan dari estimasi menjadi tidak valid dan sulit untuk dijadikan pedoman.

Bentuk paling sederhana dari series yang tidak stasioner adalah bentuk

random walk seperti ttt yy ε+= −1 . Dimana tε merupakan gangguan random yang

bersifat stasioner. Series y memiliki konstanta yang nilainya cendrung berubah

sesuai dengan perubahan waktu, sehingga tidak stasioner. Akan tetapi random walk

disebut difference stasionary series, karena turunan pertamanya berbentuk

stasioner, ttt yy ε+= −1 .

Sebuah difference stasionary series dikatakan terintegrasi dan dilambangkan

sebagai I(d), dimana d merupakan tingkat integrasinya. Tingkat integrasi

merupakan banyaknya unit root yang dikandung di dalam sebuah series, atau

berapa kali operasi differensial harus dilakukan untuk membuat series menjadi

stasioner. Pada kasus random walk di atas, unit rootnya 1, maka y merupakan series

I(1). Sebuah series yang stasioner akan memiliki I(0).


62

Metode formal untuk mengetahui stasioneritas sebuah series dikenal dengan

unit root test. Terdapat 2 macam metode pengujian unit root yang sudah digunakan

secara luas. Pertama, metode Dickey-Fuller (DF) dan Augmented Dickey-Fuller

(ADF), yang kedua adalah metode Phillips-perron (PP).

2. Kointegrasi

Kointegrasi dapat diartikan sebagai suatu hubungan jangka panjang antara

variabel – variabel yang tidak stasioner. Keberadaan hubungan kointegrasi

memberikan peluang bagi data – data yang secara individual tidak stasioner untuk

menghasilkan sebuah kombinasi linier di antara mereka sehingga tercipta kondisi

yang stasioner. Secara sederhana, dua variabel disebut terkointegrasi jika hubungan

kedua variabel tersebut dalam jangka panjang akan mendekati atau mencapai

kondisi ekuilibriumnya.

3. Structural Vector Auturegression (S-VAR)

Seperti VECM, SVAR juga merupakan VAR yang terestriksi. Akan tetapi

terdapat perbedaan dalam restriksi. SVAR merestriksi berdasarkan hubungan

teoritis yang kuat akan skema (peta hubungan) bentuk urutan (ordering) variabel-

variabel yang digunakan dalam sistem VAR yang teoritis (Theoritical VAR).

Model SVAR pada dasarnya dikembangkan dengan menggunakan basis

model VAR biasa. Model SVAR digunakan untuk memperoleh ortogonalisasi non

recursive dari error term dalam kerangka analisis impulse response/ untuk

memperoleh ortogonalisasi non recursive dari error term maka harus dibentuk

sejumlah restriksi yang mengidentifikasikan komponen struktural dalam error

term.18

18 Billmeier dan Bonatot (2002) dalam Exchange Rate Pass Through and Monetary Policy in Croatia.


63

Sebagai contoh Yt adalah vektor variabel endogen dengan k elemen dan

[ ]∑ = !tt eeEε adalah matriks covariance dari residual. Maka model SVAR dapat

diestimasi sebagai berikut :

tt BAe µ=

dimana te dan tµ adalah vektor k observed residual dan vektor k unobserved

struktural inovasi. A dan B adalah k x k matriks yang akan diestimasi. Struktural

inovasi tµ diasumsikan orthonormal sehingga covarians matriksnya adalah matriks

identitas [ ] IE tt =!µµ . Dengan asumsi orthonormal inovasi tµ tersebut maka

jumlah restriksi yang perlu dilakukan sebanyak k(k+1)/2 untuk menyelesaikan

sebanyak 2k2 parameter yang tidak diketahui pada matriks A dan B. Jadi matriks A

adalah matriks lower-triangular sedangkan B adalah matriks diagonal.

A =

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛

1......01.........001000100001

21

3231

21

nn aa

aaa

dan B =

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛

nnb

bb

b

00000...000000000000000

33

22

11

4.3 Data yang Digunakan dan Karakteristik Variabel

4.3.1 Data yang digunakan

Data yang digunakan pada penelitian ini adalah data time series bulanan

dari tingkat suku bunga tabungan, tingkat suku bunga deposito berjangka 1,3,6,12

pada perbankan konvensional, jumlah tabungan dan jumlah deposito pada Bank

Muamalat Indonesia, tingkat bagi hasil tabungan mudharabah dan tingkat bagi hasil

deposito berjangka mudharabah 1,3,6,12 juga pada Bank Muamalat Indonesia.

Sebagian data dalam penelitian ini diperoleh dari publikasi Bank Indonesia,

dan sebagian lagi yaitu data jumlah tabungan mudharabah, jumlah deposito


64

mudharabah 1, 3, 6, 12 bulan, tingkat bagi hasil tabungan mudharabah dan tingkat

bagi hasil deposito berjangka mudharabah 1,3,6,12 yang diperoleh dari Bank

Muamalat Indonesia. Penggunaan data dari Bank Muamalat Indonesia dikarenakan

Bank Syariah ini adalah Bank Syariah pertama di Indonesia yang sudah tentu

mempunyai pangsa yang lebih besar dari bank – bank syariah lainnya.

Periode penelitian yang akan digunakan adalah dari bulan Januari tahun

2002 sampai bulan Desember tahun 2005. Pengambilan periode penelitian ini

dikarenakan terbatasnya data publikasi yang dikeluarkan oleh Bank Muamalat

Indonesia, jadi ruang lingkup penelitian ini menggunakan data time series bulanan

selama 48 bulan.

Data – data time series yang digunakan dalam penelitian ini diperoleh dari

website Bank Indonesia (www.bi.go.id) terutama data tingkat suku bunga tabungan

dan deposito berjangka 1.3.6.12 bank konvensional dan data jumlah tabungan

mudharabah dan deposito berjangka mudharabah 1,3,6,12 bank syariah.

Berikut ini ada 13 variabel yang digunakan dalam penelitian dan akan

dijelaskan tentang variabel – variabel tersebut disertai dengan definisi

operasionalnya.


65

Tabel.4-1

Variabel operasional dalam penelitian

No. Variabel Definisi 1 SDSM Tabungan Mudharabah Bank Muamalat Indonesia 2 TDSM Deposito Mudharabah Bank Muamalat 3 IRSD Tingkat Suku Bunga Tabungan Bank Konvensional 4 IRTD1 Tingkat Suku Bunga Deposito Bank Konvensional jangka waktu 1 bulan 5 IRTD3 Tingkat Suku Bunga Deposito Bank Konvensional jangka waktu 3 bulan 6 IRTD6 Tingkat Suku Bunga Deposito Bank Konvensional jangka waktu 6 bulan 7 IRTD12 Tingkat Suku Bunga Deposito Bank Konvensional jangka waktu 12 bulan 8 RORSD Tingkat Bagi Hasil Tabungan Mudharabah Bank Syariah 9 RORTD1 Tingkat Bagi Hasil Deposito Mudharabah Bank Syariah jangka waktu 1 bulan 10 RORTD3 Tingkat Bagi Hasil Deposito Mudharabah Bank Syariah jangka waktu 3 bulan 11 RORTD6 Tingkat Bagi Hasil Deposito Mudharabah Bank Syariah jangka waktu 6 bulan 12 RORTD12 Tingkat Bagi Hasil Deposito Mudharabah Bank Syariah jangka waktu 12 bulan 13 M1 Jumlah Uang Beredar 14 IPM Index Produksi Manufaktur

Untuk menguji dan mengestimasi seluruh sistem persamaan yang digunakan

di dalam penelitian ini akan digunakan software Eviews 4.1. Software ini dipilih

karena spesialisasinya di dalam kalkulasi ekonometrika, terutama ekonometrika

time series.

4.3.2 Karakteristik Variabel

Variabel yang digunakan dalam penelitian ini dapat dikelompokkan menjadi

3 jenis, yaitu variabel pendanaan, variabel moneter, dan variabel indikator

kekayaan dan pendapatan. Untuk jenis variabel pendanaan yang digunakan adalah

• Variabel SDSM merupakan variabel yang menggambarkan jumlah tabungan

mudharabah milik masyarakat yang terdapat di Bank Muamalat Indonesia.

Variabel ini dipakai karena merupakan sumber pendanaan utama bagi Bank

Muamalat Indonesia. Tabungan mudharabah tentu sangat berkorelasi dengan

tingkat bagi hasil, dan masyarakat yang menyimpan dananya dalam tabungan

mudharabah lebih sebagai tujuan transaksi.


66

• Variabel TDSM merupakan variabel yang menggambarkan jumlah deposito

mudharabah milik masyarakat yang terdapat di Bank Muamalat Indonesia.

Variabel ini digunakan dalam penelitian karena merupakan sumber pendanaan

yang terbesar kedua setelah tabungan mudharabah. Deposito mudharabah di

Bank Muamalat Indonesia juga memiliki korelasi dengan tingkat bagi hasil

sama seperti variabel SDSM. Masyarakat yang menyimpan dananya dalam

bentuk deposito mudharabah umumnya memiliki tujuan untuk investasi

sehingga sifat dari variabel ini adalah jangka panjang.

Sedangkan untuk jenis dari variabel moneter yang digunakan dalam

penelitian ini adalah :

• Variabel IRSD yaitu variabel yang menggambarkan tingkat suku bunga

tabungan dari bank konvensional. Variabel ini digunakan dalam penelitian

karena merupakan variabel penentu yang menentukan seberapa besar

pengaruhnya terhadap jumlah tabungan mudharabah di Bank Muamalat

Indonesia. Variabel ini juga yang biasanya dijadikan indikator oleh masyarakat

untuk memilih menyimpan dananya di bank konvensional.

• Variabel IRTD yaitu variabel yang menggambarkan tingkat suku bunga

deposito dari bank konvensional. Variabel ini digunakan dalam penelitian

karena merupakan variabel penentu yang menentukan seberapa besar

pengaruhnya terhadap jumlah deposito mudharabah di Bank Muamalat

Indonesia. Variabel ini juga yang menjadi indikator masyarakat dalam

menyimpan dananya di bank konvensional dalam bentuk deposito. Karena

variabel IRTD dianggap sebagai tingkat pengembalian dari deposito, maka

IRTD memiliki jangka waktu jatuh tempo yaitu 1,3,6, dan 12 bulan yang tiap


67

jangka waktunya memiliki tingkat yang berbeda sesuai dengan tingkat

risikonya.

• Variabel RORSD merupakan variabel yang menggambarkan tingkat

pengembalian berupa bagi hasil atas dana yang telah disimpan oleh masyarakat

dalam bentuk tabungan. Variabel ini digunakan dalam penelitian karena sangat

berkorelasi dengan jumlah tabungan mudharabah di Bank Muamalat Indonesia.

Variabel ini berbeda dengan IRSD, RORSD bukanlah bunga tetapi tingkat

pengembalian yang ditentukan di awal berdasarkan nisbah yang disepakati oleh

pihak penabung dan bank.

• Variabel RORTD merupakan variabel yang menggambarkan tingkat

pengembalian berupa bagi hasil atas dana yang telah disimpan oleh masyarakat

dalam bentuk deposito. Variabel ini digunakan dalam penelitian karena sangat

berkorelasi dengan jumlah deposito mudharabah di Bank Muamalat Indonesia.

Variabel ini juga memiliki jangka waktu jatuh tempo sesuai dengan deposito

mudharabahnya.

Dua jenis variabel terakhir yang digunakan adalah variabel indikator

kekayaan dan pendapatan yaitu

• Variabel M1 atau jumlah uang beredar yaitu salah satu alat yang digunakan

oleh pemerintah dalam mengatur kebijakan moneternya. Perubahan dalam

jumlah uang beredar dapat menjadi dampak utama pada kondisi ekonomi.

Peningkatan dalam jumlah uang beredar membuat dana pinjaman menjadi lebih

murah, sehingga menekan biaya meminjam. Maka diharapkan masyarakat akan

meningkatkan konsumsinya dan mengurangi tabungan. Untuk itu jumlah uang

beredar diasumsikan memiliki hubungan yang positif terhadap deposit.


68

• Variabel Indeks Produksi Manufaktur sebagai proxi dari tingkat GDP. Index

Produksi Manufaktur (IPM) merupakan angka index produksi dari industri yang

dispesifikasi berdasarkan International Standard Industry Classification (ISIC)

untuk semua aktifitas perekonomian. Sehingga variabel ini cukup spesifik

mewakili tingkat pendapatan bulanan dari masyarakat.


31

BAB 3

PROFIL PT. BANK MUAMALAT INDONESIA Tbk.

3.1 Sejarah pendirian dan perkembangan Bank Muamalat Indonesia

PT Bank Muamalat Indonesia Tbk didirikan pada tahun 1991, diprakarsai

oleh Majelis Ulama Indonesia (MUI) dan Pemerintah Indonesia. Ide pendirian Bank

Muamalat berawal dari lokakarya “Bunga bank dan Perbankan” yang

diselenggarakan oleh Majelis Ulama Indonesia (MUI) bertempat di Cisarua, Bogor

tanggal 18 – 20 Agustus 1990. Ide ini kemudian dipertegas lagi dalam Musyawarah

Nasional (Munas) MUI IV di Hotel Sahid Jaya Jakarta tanggal 22 – 25 Agustus 1990.

Bank Muamalat Indonesia memulai kegiatan operasinya pada 1 Mei 1992 atau 27

Syawal 1412 H. Dengan dukungan nyata dari eksponen Ikatan Cendekiawan Muslim

se-Indonesia (ICMI) dan beberapa pengusaha Muslim, pendirian Bank Muamalat

juga menerima dukungan masyarakat, terbukti dari komitmen pembelian saham

Perseroan senilai Rp 84 miliar pada saat penandatanganan akta pendirian Perseroan.

Selanjutnya, pada acara silaturahmi peringatan pendirian tersebut di Istana Bogor,

diperoleh tambahan komitmen dari masyarakat Jawa Barat yang turut menanam

modal senilai Rp 106 miliar.

Pada tanggal 27 Oktober 1994, hanya dua tahun setelah didirikan, Bank

Muamalat berhasil menyandang predikat sebagai Bank Devisa. Pengakuan ini

semakin memperkokoh posisi Perseroan sebagai bank syariah pertama dan terkemuka

di Indonesia dengan beragam jasa maupun produk yang terus dikembangkan.

Pada akhir tahun 90an, Indonesia dilanda krisis moneter yang

memporakporandakan sebagian besar perekonomian Asia Tenggara. Sektor

perbankan nasional tergulung oleh kredit macet di segmen korporasi. Bank Muamalat


32

pun terimbas dampak krisis. Di tahun 1998, rasio pembiayaan macet (NPF) mencapai

lebih dari 60%. Perseroan mencatat rugi sebesar Rp 105 miliar. Ekuitas mencapai

titik terendah, yaitu Rp 39,3 miliar, kurang dari sepertiga modal setor awal.

Dalam upaya memperkuat permodalannya, Bank Muamalat mencari

pemodal yang potensial, dan ditanggapi secara positif oleh Islamic Development

Bank (IDB) yang berkedudukan di Jeddah, Arab Saudi. Pada RUPS tanggal 21 Juni

1999 IDB secara resmi menjadi salah satu pemegang saham Bank Muamalat. Oleh

karenanya, kurun waktu antara tahun 1999 dan 2002 merupakan masa-masa yang

penuh tantangan sekaligus keberhasilan bagi Bank Muamalat. Dalam kurun waktu

tersebut, Bank Muamalat berhasil membalikkan kondisi dari rugi menjadi laba.

Hingga akhir tahun 2004, Bank Muamalat tetap merupakan bank syariah

terkemuka di Indonesia dengan jumlah aktiva sebesar Rp 5,2 triliun, modal

pemegang saham sebesar Rp 269,7 miliar serta perolehan laba bersih sebesar Rp 48,4

miliar pada tahun 2004.

3.2 Produk Bank Muamalat Indonesia

Produk Bank Muamalat Indonesia pada dasarnya terbagi menjadi 2 yaitu

produk bagi penyimpan dana atau biasa disebut produk pendanaan dan produk bagi

pengelola dana atau biasa disebut produk pembiayaan. Pada penelitian ini produk

yang digunakan adalah produk pendanaan khususnya produk simpanan yaitu

tabungan mudharabah dan deposito mudharabah.

3.2.1 Tabungan Mudharabah

Tabungan yang berakad mudharabah ini merupakan sarana investasi murni

sesuai syariah dalam mata uang Rupiah yang memungkinkan nasabah melakukan

penyetoran dan penarikan tunai dengan sangat mudah. Ada beberapa jenis dari


33

tabungan mudharabah ini, yaitu Tabungan Ummat, Tabungan Ummat Junior,

Kartu Shar-e, dan Tabungan Haji Arafah.

Perkembangan yang terjadi pada jumlah Tabungan Mudharabah di Bank

Muamalat Indonesia dapat dilihat pada grafik di bawah ini

Grafik 3-1

Jumlah Tabungan Mudharabah Bank Muamalat Indonesia Periode 2002 - 2005

(Milliar Rp)

447,746

662,542

1190,607

1631,316

0200

400600

8001000

12001400

16001800

2002 2003 2004 2005Tahun

Jum

lah

Sumber : Laporan Neraca Bank Muamalat Indonesia Tahun 2002-2005

Pada grafik di atas dapat dijelaskan bahwa jumlah tabungan mudharabah

Bank Muamalat Indonesia terus mengalami peningkatan dari tahun 2002 sampai

2005. Peningkatan jumlah tabungan mudharabah ini dipengaruhi oleh semakin

besarnya tingkat kepercayaan masyarakat terhadap perbankan syariah disamping

juga dipengaruhi oleh tingkat bagi hasil yang ditawarkan. Hal ini terlihat bahwa

Bank Syariah khususnya Bank Muamalat Indonesia telah dipercaya oleh

masyarakat Indonesia untuk menyimpan dana dalam bentuk tabungan

mudharabah.

Sementara itu jumlah tabungan Bank Umum dapat dilihat pada grafik di

bawah.


34

Grafik 3-2.

Jumlah Tabungan Bank Umum Periode 2002 - 2005

(Milliar Rp)

189421

238742

291786 275458

0

50000

100000

150000

200000

250000

300000

350000

2002 2003 2004 2005Tahun

Jum

lah

Sumber : Statistik Ekonomi dan Keuangan Indonesia 2002 - 2005

Grafik di atas menggambarkan kondisi pertumbuhan jumlah tabungan Bank

Umum pada akhir bulan Desember periode 2002 sampai 2005. Kondisi

pertumbuhan jumlah tabungan Bank Umum dari tahun 2002 sampai 2004 terus

mengalami peningkatan, namun pada tahun 2005 jumlahnya menurun. Hal ini

dikarenakan pada tahun 2004 dimana jumlah uang beredar (M2) yang ada di

masyarakat terus meningkat sehingga membuat Bank Indonesia bertindak untuk

membatasinya dengan meningkatkan tingkat suku bunga. Kondisi tersebut

akhirnya berpengaruh terhadap jumlah tabungan dari tahun 2002 sampai 2004.

Jumlah tabungan pada tahun 2005 menurun oleh karena tingkat suku bunga

deposito yang meningkat sehingga nasabah lebih cendrung untuk menyimpan

uangnya pada bentuk deposito.

Dapat dibandingkan bahwa pertumbuhan jumlah tabungan mudharabah

lebih tajam dari pada jumlah tabungan Bank Umum. Hal ini dapat membuktikan

bahwa Bank Muamalat Indonesia yang notabene baru berdiri tahun 1991,


35

ternyata telah mampu menarik masyarakat untuk menabung uangnya di bank

syariah.

3.2.2 Deposito Mudharabah

Deposito Mudharabah merupakan pilihan investasi dalam mata uang Rupiah

atau USD dengan jangka waktu 1,3,6, dan 12 bulan. Produk ini ditujukan bagi

nasabah yang ingin berinvestasi secara halal, murni sesuai syariah karena dana

tersebut akan diinvestasikan secara optimal untuk membiayai berbagai macam

usaha produktif yang berguna bagi kepentingan umat. Grafik di bawah berikut

akan menjelaskan bagaimana pertumbuhan dari deposito mudharabah Bank

Muamalat Indonesia tahun 2002 sampai 2005 :

Grafik 3-3. Jumlah Deposito Mudharabah

Bank Muamalat Indonesia Periode 2002 - 2005(Milliar Rp)

1074,196

1592,962

2698,564

3685,59

0

500

1000

1500

2000

2500

3000

3500

4000

2002 2003 2004 2005Tahun

Jum

lah

Sumber : Laporan Neraca Bank Muamalat Indonesia Tahun 2002-2005

Sama dengan grafik tabungan mudharabah sebelumnya, pada grafik di atas

dapat dijelaskan bahwa jumlah deposito mudharabah Bank Muamalat Indonesia

juga terus mengalami peningkatan dari tahun 2002 sampai 2005. Salah satu

sumber pendanaan ini ternyata lebih diminati dibanding dengan tabungan

mudharabah. Hal ini dapat terlihat pada jumlahnya yang lebih besar. Umumnya


36

peningkatan jumlah deposito mudharabah ini dipengaruhi oleh tingkat bagi hasil

yang ditawarkan karena pada fasilitas deposito ini nasabah bertujuan untuk

menginvestasikan uangnya. Dengan adanya peningkatan dalam deposito

mudharabah ini juga, maka semakin tumbuhnya rasa kepercayaan masyarakat

terhadap bank syariah khususnya Bank Muamalat Indonesia.

Apabila kita melihat jumlah deposito Bank Umum, maka seperti grafik di

bawah ini :

Grafik 3.4.

Jumlah Deposito Berjangka Bank Umum Periode 2002 - 2005

(Milliar Rp)

215590 208334 209189

292171

0

50000

100000

150000

200000

250000

300000

350000

2002 2003 2004 2005Tahun

Jum

lah

Sumber : Statistik Ekonomi dan Keuangan Indonesia 2002 - 2005

Pada grafik tersebut dijelaskan bahwa kondisi pertumbuhan jumlah deposito

berjangka Bank Umum pada akhir Desember periode 2002 sampai 2005

cendrung menurun lambat kemudian tahun 2005 meningkat drastis. Hal ini

dikarenakan return deposito yaitu tingkat suku bunga deposito yang cendrung

menurun dari tahun 2002 sampai 2004 lalu meningkat drastis pada tahun 2005.

Apabila dibandingkan dengan jumlah deposito mudharabah Bank Muamalat


37

Indonesia, maka jelas pertumbuhan dari jumlah deposito mudharabah BMI terus

meningkat dengan pesat. Sama halnya dengan jumlah tabungan mudharabah,

bahwa ternyata kepercayaan masyarakat pada Bank Muamalat Indonesia

khususnya untuk fasilitas deposito sangat besar.

Dari kedua jenis fasilitas pendanaan yang telah dijelaskan di atas, dapat

disimpulkan bahwa keduanya memiliki faktor yang sama dalam mempengaruhi

perkembangan jumlah tabungan dan deposito baik pada Bank Umum maupun Bank

Muamalat Indonesia. Faktor tersebut adalah return yang berupa tingkat suku bunga

pada Bank Umum dan tingkat bagi hasil pada Bank Muamalat Indonesia. Namun,

pada Perbankan Syariah ada faktor lain yang berpengaruh yaitu faktor keyakinan

tentang hukum islam yang mengharamkan riba.

Selain kedua jenis produk simpanan di atas, sumber pendanaan lain berupa

giro wadiah. Di bawah ini dapat dilihat komposisi sumber pendanaan pada Bank

Muamalat Indonesia.

Tabel. 3-1 Komposisi Dana Pihak Ketiga BMI yang dihimpun7

Outstanding

Jenis Dana 2002 2003 2004 2005 Giro Wadiah 187.050 261.149 446.154 514.102 Tabungan Mudharabah 447.746 662.542 1.190.607 1.631.316 Deposito Mudharabah 1.074.196 1.592.962 2.698.564 3.685.590 Total 1.708.992 2.516.653 4.335.325 5.830.747

Dari tabel di atas terlihat bahwa sumber pendanaan yang terbesar pada Bank

Muamalat Indonesia adalah deposito mudharabah. Sedangkan yang terbesar kedua

adalah tabungan mudharabah dan yang terakhir adalah giro wadiah. Untuk melihat

berapa pertumbuhan sumber pendanaan pada Bank Muamalat Indonesia, dapat dilihat

pada tabel di bawah.

7 Bank Muamalat Indonesia. Laporan Neraca Tahun 2002-2005.


38

Tabel. 3-2 Komposisi Dana Pihak Ketiga BMI yang dihimpun

Pertumbuhan

Jenis Dana 2003 2004 2005 Giro Wadiah 39,61% 70,84% 15,23% Tabungan Mudharabah 47,97% 79,70% 37,02% Deposito Mudharabah 48,29% 69,41% 36,58% Total 47,26% 72,27% 34,49%

Pada tabel menunjukkan bahwa Bank Muamalat Indonesia mengalami

pertumbuhan total pendanaan yang terbesar pada tahun 2004 yaitu sebesar 72,27%.

Data pertumbuhan yang lebih rinci juga dapat dilihat dalam tabel bahwa

pertumbuhan deposito mudharabah lebih tinggi dibandingkan dengan kedua sumber

pendanaan yang lain pada tahun 2003. Meskipun jumlah tabungan mudharabah selalu

lebih rendah daripada deposito mudharabah, namun pada tahun 2005 dan 2006

pertumbuhan dari tabungan mudharabah ternyata paling tinggi dibanding sumber

pendanaan yang lain yaitu sebesar 79,70% dan 37,02%.

Jumlah pendanaan Bank Muamalat Indonesia apabila dibandingkan dengan

Perbankan syariah secara keseluruhan, maka dapat dilihat pada tabel berikut :

Tabel. 3-3 Komposisi DPK BMI terhadap perbankan syariah

Share

Jenis Dana 2002 2003 2004 2005 Giro Wadiah 48,34% 40,97% 27,54% 25,14% Tabungan Mudharabah 54,92% 41,14% 36,48% 37,33% Deposito Mudharabah 61,61% 45,82% 38,67% 40,21% Total 58,02% 43,96% 36,55% 37,42%

Pada tabel di atas menjelaskan bahwa ternyata share jumlah Dana Pihak Ketiga Bank

Muamalat Indonesia terhadap DPK perbankan syariah keseluruhan perlahan

mengalami penurunan dari tahun 2002 sampai 2005. Penurunan ini membuktikan

bahwa nasabah yang menyimpan uangnya pada Bank Muamalat Indonesia semakin

berkurang pada tahun 2005. Hal ini lebih dikarenakan sistem pelayanan atau yang


39

berhubungan dengan operasional dari Bank Muamalat Indonesia sendiri bukan pada

tingkat bagi hasil atau faktor yang lain. Sementara itu, nasabah yang berkurang pada

Bank Muamalat Indonesia bukanlah beralih menjadi nasabah Bank Konvensional

melainkan beralih ke Bank Syariah yang lain. Kondisi ini dibuktikan dengan angka

rasio Dana Pihak Ketiga Bank Muamalat Indonesia terhadap Dana Pihak Ketiga

Bank Umum, seperti ditunjukkan pada tabel berikut :

Tabel. 3-4 Komposisi Dana Pihak Ketiga BMI terhadap Bank Umum

Share

Jenis Dana 2002 2003 2004 2005 Giro Wadiah 0,74% 0,8% 1,26% 1,49% Tabungan Mudharabah 0,24% 0,28% 0,41% 0,59% Deposito Mudharabah 0,49% 0,75% 1,29% 1,26% Total 0.40,% 0,53% 0,81% 0,96%

Dari tabel di atas menunjukkan bahwa rasio DPK pada Bank Muamalat

Indonesia terhadap Bank Umum terus mengalami peningkatan. Hal ini membuktikan

bahwa DPK pada Bank Muamalat Indonesia yang berkurang bukan beralih ke Bank

Konvensional. Peningkatan rasio ini juga menjelaskan bahwa kepercayaan

masyarakat terhadap perbankan syariah yang diwakili oleh Bank Muamalat Indonesia

semakin besar.

Sumber Dana Pihak Ketiga (DPK) dari Bank Umum sendiri dapat dilihat

pada tabel berikut :

Tabel. 3-5 Komposisi Dana Pihak Ketiga Bank Umum yang dihimpun8

Outstanding

Jenis Dana 2002 2003 2004 2005 Giro 25182 31400 35374 34369 Tabungan 189421 238742 291786 275458 Deposito 215590 208334 209189 292171 Total 430193 478476 536349 601998

8 Bank Indonesia. Statistik Ekonomi dan Keuangan Indonesia Tahun 2002-2005.


40

Berdasarkan data outstanding di atas bahwa pada Bank Umum komposisi DPK yang

terbesar dari tabungan dan deposito. Di antara keduanya tidak ada yang sangat

mendominasi. Hal ini tentu berbeda dengan komposisi DPK dari Bank Muamalat

Indonesia yang didominasi oleh deposito mudharabah. Sementara itu pertumbuhan

dari komposisi DPK pada Bank Umum dapat dilihat pada tabel di bawah.

Tabel. 3-6 Komposisi DPK Bank Umum yang dihimpun

Pertumbuhan

Jenis Dana 2003 2004 2005 Giro 24,69% 12,66% -2,84% Tabungan 26,04% 22,22% -5,93% Deposito -3,37% 0,41% 39,67% Total 11,22% 12,10% 12,24%

Pada tabel tersebut dapat dilihat bahwa pertumbuhan yang paling dominan

adalah pada fasilitas deposito tahun 2005 yaitu 39,67 %. Sementara itu untuk giro

dan tabungan cendrung menurun dan tahun 2005 mengalami pertumbuhan yang

negatif.


41

3.3 Kinerja Bank Muamalat

Sebagai pionir Bank Syariah di Indonesia, kinerja Bank Muamalat tumbuh

secara mengesankan. Hal ini dapat dilihat pada statistik keuangan Bank Muamalat

Indonesia.

Grafik. 3-3.

Sumber : Laporan Kinerja Keuangan Bank Muamalat Indonesia

Pada statistik di atas, dapat dilihat bahwa Bank Muamalat Indonesia mengalami

perkembangan dalam total aset, total pendanaan, dan total dana public dalam rentang

waktu enam tahun yaitu dari tahun 1998 sampai 2004. Sementara itu dari sisi rasio

keuangan Bank Muamalat Indonesia dapat dilihat pada statistic berikut.


42

Grafik. 3-4.

Sumber : Laporan Kinerja Keuangan Bank Muamalat Indonesia

Pada statistik rasio keuangan Bank Muamalat Indonesia di atas terlihat

perkembangan yang baik dalam Non-Performing Finance (NPF), Financing Deposit

Ratio (FDR), Return on Asset (ROA) dan Return on Equity (ROE) dalam rentang

waktu enam tahun dari tahun 1998 sampai 2004.

Di samping itu, dalam hal jaringan layanan Bank Muamalat Indonesia

bahwa dua tahun belakangan BMI melakukan panetrasi pasar dengan membuka

cabang di berbagai daerah. Semula, pada tahun 2002 Bank Syariah pertama di

Indonesia ini hanya memiliki 13 cabang, sekarang menjadi 43 cabang, selain itu,

Bank Muamalat juga menambah jaringan kantor kas, sebelumnya berjumlah 47 unit

saat ini bertambah menjadi 85 unit. Kantor Cabang Pembantu berjumlah 7 unit,

bertambah menjadi 13. jaringan layanan ini ditambah pula dengan 47 gerai Bank

Muamalat yang bekerja sama dengan PT.Pos Indonesia, maka keseluruhan jaringan


43

(Gerai) Bank Muamalat mencapai 189 (seratus Delapan Puluh Sembilan) titik

layanan.

Selain itu dalam rangka menjawab kesulitan masyarakat dalam akses ke

pelayanan Bank Syariah, Bank Muamalat meluncurkan kartu Shar-E, sebagai sebuah

jasa pelayanan investasi syariah berbasis teknologi yang dikombinasikan dengan

ATM dan Debit Card. Penjualan kartu Shar-E ini memanfaatkan jaringan kantor Pos

yang tersebar di seluruh wilayah di Indonesia. selain berfungsi sebagai kartu debit di

18.000 titik layanan dan tarik tunai di lebih dari 8.888 ATM Bersama dan ATM

BCA. Shar-E dapat diperoleh di 320 jaringan SOPP Kantor Pos seluruh Indonesia,

meskipun di tempat tersebut tidak terdapat cabang Bank Muamalat.


69

BAB 5

HASIL DAN INTERPRETASI

5.1 Uji Stasioneritas

Pada data time series yang digunakan dalam skripsi ini, peneliti terlebih

dahulu menguji stasioneritas dari setiap variabel. Hasil uji stasioneritas data dengan

ADF t-stat dan PP t-stat dapat dilihat pada tabel di bawah.

Tabel 5-1

Hasil Uji Stasioneritas

Variabel Tren

Deterministik I(0) I(1) I(2) Metode SDSM C,T -1,148292 -4,665650 -6,510552 ADF TDSM C,T -1,284102 -6,590783 -7,812582 ADF IRSD C,T -0,743167 -2,739304 -8,590888 ADF

IRTD1 C,T 0,400358 -1,843677 -6,900821 ADF IRTD3 C,T 0,488249 -0,163908 -6,309128 ADF IRTD6 C,T 0,161734 -0,378894 -7,411013 ADF IRTD12 C,T 2,682103 -0,210081 -8,078857 ADF RORSD C -4,454191 -17,46800 -33,06697 PP

RORTD1 C -3,324586 -14,16032 -22,73564 PP RORTD3 C -3,833454 -15,67250 -25,19750 PP RORTD6 C -3,235573 -10,72142 -22,30637 PP RORTD12 C -2,635276 -14,23183 -14,54876 PP

M1 C,T -3,360992 -7,552920 -7,983098 ADF IPM C -4,357174 -11,47763 -29,74294 PP

*dimana C = konstanta; C, T = konstanta dan tren, N = tidak ada konstanta dan tren. *Pengujian pada I(1) dan I(2) hanya menggunakan C sebagai asumsi deterministiknya. (data diolah)

Nilai statistik ADF diatas kemudian akan dibandingkan dengan nilai kritis MacKinnon

untuk mengetahui derajat integrasi stasioneritas suatu variabel. Suatu variabel disebut

stasioner pada integrasi tertentu jika nilai statistik ADF lebih kecil dari nilai kritis

MacKinnon. Berikut adalah nilai kritis MacKinnon :


70

Tabel 5-2

Niai kritis McKinnon

Tren Deterministik 1% 5% 10% Konstanta & Tren -4,165756 -3,50851 -3,18423

Konstanta -3,581152 -2,92662 -2,601424

Pada tabel uji stasioner di atas, maka dapat diperoleh bahwa semua variable

stasioner pada tingkat critical value 1 %. Hal ini dapat dilihat dengan membandingkan

angka ADF statistic dan angka critical value. Dari pengujian stasioner di atas maka dapat

disimpulkan bahwa variabel yang stasioner pada tingkat level atau I(0) hanya tingkat bagi

hasil tabungan mudharabah (RORSD), tingkat bagi hasil deposito mudharabah 3 bulan

(RORTD3) dan Indeks Produksi Manufaktur (IPM). Sedangkan variabel yang lain

memiliki tingkat stasioner pada first difference I(1) dan second difference I(2).

5.2 Pemilihan Selang

Pemilihan panjang selang yang tepat sangatlah krusial bagi sebuah sistem

VAR. Jika selang terlalu pendek, model dapat terspesifikasi dengan kurang tepat (mis-

spesifikasi), sementara selang yang terlalu panjang akan mengakibatkan banyak derajat

kebebasan terbuang.

Pemilihan panjang selang optimal dengan menggunakan kombinasi tabel AR-

roots, kriteria informasi, dan Adjusted R2 secara bertahap pada setiap sistem persamaan

dapat dilihat sebagai berikut:


71

1. Pengaruh return terhadap jumlah tabungan mudharabah di Bank Muamalat

Indonesia.

Tabel 5-3

Pemilihan Lag Optimum Model Tabungan Mudharabah

Uji Stabilitas

VAR Kriteria Informasi AR Roots Table LR FPE AIC SC HQ

Lag 5 1 1 5 1 1 Variabel Uji:

SDSM 0.995571 0.995820 RORSD 0.271137 0.026731

IRSD 0.992827 0.993460 M1 0.981354 0.976604

Adj. R2 IPM 0.202447 0.591737

Dari uji stabilitas diperoleh bahwa selang 5 merupakan selang maksimal yang

dapat menghasilkan sistem VAR yang stabil. Dengan menggunakan kriteria informasi

diperoleh 2 kandidat selang yaitu 1 dan 5. Maka sistem VAR dengan selang 5-lah yang

akan digunakan dalam penelitian.(Hasil output dapat dilihat pada lampiran )

2. Pengaruh return 1 bulan terhadap jumlah deposito mudharabah di Bank

Muamalat Indonesia.

Tabel 5-4

Pemilihan Lag Optimum Model Deposito Mudharabah 1 bulan

Uji Stabilitas



TDSM 0.117066 0.070196 0.116228 RORTD1 0.518170 0.504511 0.398913

IRTD1 0.602452 0.724725 0.650916 M1 0.213133 0.361197 -0.016524

Adj. R2 IPM 0.444600 0.552234 0.324913


72



diperoleh 3 kandidat selang yaitu 1, 4, dan 5. Maka sistem VAR dengan selang 4-lah

yang akan digunakan dalam penelitian.(Hasil output dapat dilihat pada lampiran )


Muamalat Indonesia.

Tabel 5-5


Uji Stabilitas



TDSM 0.276775 0.408440 0.296857 RORTD3 0.668577 0.754631 0.444196

IRTD3 -0.025183 -0.157507 -0.012774 M1 0.426526 0.332125 0.200649

Adj. R2 IPM 0.645138 0.705519 0.578016



diperoleh 2 kandidat selang yaitu 1,2 dan 3. Maka sistem VAR dengan selang 3-lah



73


Muamalat Indonesia.

Tabel 5-6


Uji Stabilitas



TDSM 0.398031 0.343231 0.296857 0.346096 RORTD6 0.841373 0.845632 0.444196 0.876061

IRTD6 0.023391 0.145879 -0.012774 0.187625 M1 0.250790 0.244486 0.200649 0.244237

Adj. R2 IPM 0.631668 0.666900 0.578016 0.619390



diperoleh 4 kandidat selang yaitu 1,3, 4, dan 5. Maka sistem VAR dengan selang 3-lah



Muamalat Indonesia.

Tabel 5-7


Uji Stabilitas



TDSM 0.079429 0.346096 RORTD12 0.593537 0.876061

IRTD12 0.309733 0.187625 M1 0.054356 0.244237

Adj. R2 IPM 0.316204 0.619390




74

diperoleh 2 kandidat selang yaitu 1 dan 2. Maka sistem VAR dengan selang 2-lah yang

akan digunakan dalam penelitian.(Hasil output dapat dilihat pada lampiran )

5.3 Uji Kointegrasi

Pada uji stasioner sebelumnya, telah diketahui bahwa pada satu persamaan

ada variabel yang stasioner pada tingkat yang sama dan ada variabel yang stasioner

pada tingkat yang berbeda. Oleh karena itu, dilakukan uji kointegrasi untuk

menghindari regresi palsu. Berikut ini keseluruhan hasil dari uji kointegrasi :

Tabel 5-8

Hasil Uji Kointegrasi Johansen

Asumsi Rank Jumlah Persamaan Johansen Trace Max Variabel

1 3 3 3 5 2 3 3 1 5 3 3 5 5 5 4 3 4 4 5 5 3 4 4 5

Dari tabel di atas menunjukkan bahwa dengan asumsi Johansen 3, dimana

mayoritas variabel memiliki tren dan tidak bervolatilitas, maka dengan tingkat

keyakinan 95 % setiap variabel di semua model persamaan memiliki hubungan

kointegrasi baik berdasarkan Max-Eigen maupun Trace statistic.

5.4 Stabilitas sistem VAR.

Dengan penekanan pembahasan pada output IRF dan VED, maka stabilitas

sistem persamaan yang digunakan akan sangat dibutuhkan. Berikut akan diberikan

hasil uji stabilitas inverse roots karakteristik AR polynomial bagi setiap kandidat

sistem VAR.. Penggunaan selang optimal bagi VAR pun merujuk pada hasil uji selang


75

optimal sebelumnya. Secara umum hasilnya adalah sebagai berikut:(hasil output dapat

dilihat pada lampiran )

Tabel 5-9

Stabilitas VAR

Persamaan Jumlah Variabel Lag OptimumUnit Root

1 5 5 0 2 5 4 1 3 5 3 2 4 5 3 2 5 5 2 1

(data diolah)

Sistem VAR yang dihasilkan sesuai dengan selang optimal diatas

menghasilkan bentuk sistem persamaan yang stabil. Kondisi ini sesuai dengan

rekomendasi Sims (1980) dan Doan (1992). Menurut mereka tujuan analisis VAR

adalah untuk mengetahui hubungan antar variabel, bukan estimasi parameter dalam

persamaan. Mereka menganggap penggunaan variabel yang dideferensiasikan19, akan

“membuang” informasi yang terkait dengan pergerakan data secara bersama-sama

(menghilangkan kemungkinan terjadinya hubungan kointegrasi antar variabel).

Mengacu pada hasil stabilitas sistem persamaan, maka metode penelitian yang

digunakan adalah metode sistem SVAR pada level untuk persamaan 1 yang melihat

pengaruh return bagi hasil (RORSD) dan tingkat suku bunga (IRSD) terhadap jumlah

tabungan mudharabah (SDSM). Pada persamaan 2 dan 5 yaitu pengaruh return

deposito (RORTD dan IRTD) untuk 1 dan 12 bulan terhadap jumlah deposito

mudharabah (TDSM) digunakan metode sistem SVAR pada tingkat first difference.

Sedangkan pada persamaan 3 dan 4 yaitu pengaruh return deposito (RORTD dan

19 VEC sendiri memiliki unsur diferensiasi variabel di dalam sistemnya.


76

IRTD) untuk 3 dan 6 bulan terhadap jumlah deposito mudharabah (TDSM) digunakan

metode sistem SVAR pada tingkat second difference.

5.5 Pembentukkan sistem SVAR

Di dalam pembentukkan sistem SVAR, terlebih dahulu mengetahui bentuk

hubungan antar variabelnya. Sehingga harus dilakukan faktorisasi struktural untuk

setiap persamaan.


Indonesia.

)()()1()())1(( uSDSMfeIPMfeMfeIRSDfeRORSDfeSDSM ++++−=

Persamaan tersebut kemudian diestimasi dengan tt BAe µ= , dimana matriks

A =

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛

−−−− 11.01.01.01.001000001000001000001

, et =

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛ −

t

t

t

t

t

SDSMIPMM

IRSDRORSD

1

1

B =

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛

1000001000001000001000001

dan

⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜

⎝

⎛

=

−

t

t

t

t

T

t

SDSMIPMM

IRSDRORSD

µµµ

µµ

µ 1

1

Sehingga model persamaan SVAR yang pertama sebagai berikut :

tt SDSMIPMMIRSDRORSDSDSM µ++++−= 1.011.01.0)1(1.0 …..(1)

2. Pengaruh return terhadap jumlah deposito mudharabah di Bank Muamalat

Indonesia.

Untuk persamaan SVAR deposito mudharabah, memiliki matriks koefisien

yang sama dengan tabungan mudharabah sehingga hasilnya berurutab sebagai berikut:


77

tt TDSMIPMMIRTDRORTDTDSM µ++++−= 1.011.011.0)1(11.0 …..(2)

tt TDSMIPMMIRTDRORTDTDSM µ++++−= 1.011.031.0)1(31.0 ….(3)

tt TDSMIPMMIRTDRORTDTDSM µ++++−= 1.011.061.0)1(61.0 …(4)

tt TDSMIPMMIRTDRORTDTDSM µ++++−= 1.011.0121.0)1(121.0 …(5)

5.6 Pembahasan

Pembahasan akan dikembangkan dari variance decomposition (VD) sistem

SVAR dan impulse response function (IRF). Pada tabel – tabel di bawah ini akan

menjelaskan pengaruh variabel – variabel shock terhadap jumlah tabungan mudharabah

(SDSM) dan jumlah deposito mudharabah (TDSM). Keterangan atas shock variabel

adalah sebagai berikut :

- Shock 1 adalah variabel tingkat bagi hasil yaitu RORSD atau RORTD

- Shock 2 adalah variabel tingkat suku bunga yaitu IRSD atau IRTD

- Shock 3 adalah variabel M1

- Shock 4 adalah variabel IPM

- Shock 5 adalah variabel SDSM atau TDSM di masa lalu

Berikut ini penjelasan dari tiap persamaan :


78


Indonesia.

Tabel 5-10

Variance Decomposition of LOG(SDSM):

Period S.E. Shock1 Shock2 Shock3 Shock4 Shock5 1 0.101980 0.961538 0.961538 0.961538 0.961538 96.15385 2 0.126529 0.728434 0.696942 27.03964 0.700287 70.83470 3 0.143204 0.578066 0.544173 40.65057 0.571116 57.65608 4 0.156193 0.489650 0.457441 50.01564 0.481160 48.55611 5 0.156947 0.490860 0.542683 49.81520 0.482296 48.66897 6 0.164746 0.446245 0.610249 54.31849 0.437926 44.18709 7 0.178792 0.388250 0.642910 59.49997 0.389326 39.07954 8 0.196144 0.358597 0.754386 60.32406 0.382263 38.18070 9 0.202798 0.362874 1.051572 57.60957 0.406976 40.56901

10 0.207582 0.364607 1.800734 55.95502 0.415457 41.46419 11 0.214871 0.377527 2.615934 52.23665 0.443118 44.32677 12 0.225615 0.374454 3.356184 48.06248 0.475499 47.73138

Pada tabel Variance Decomposition (VD) di atas menunjukkan bahwa

kontribusi yang dominan terhadap variabel jumlah tabungan mudharabah (SDSM)

secara jelas dipengaruhi oleh pergerakan nilainya di masa lalu dan pergerakan jumlah

uang beredar (M1). Ternyata pergerakan yang paling mendominasi terhadap jumlah

tabungan mudharabah (SDSM) adalah variabel M1, dimana dari bulan pertama sampai

bulan ke 8 pergerakannya terus meningkat dan mulai bulan ke 9 sampai bulan ke 12

kontribusinya menurun. Respon atas pergerakan variabel M1 terhadap SDSM dapat

dilihat pada hasil impulse response function (IRF) berikut ini :


79

Gambar 5-1

-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

2.0

2.5

1 2 3 4 5 6 7 8 9 10 11 12

Accumulated Response of LOG(SDSM) to StructuralOne S.D. Shock3

pada gambar di atas terbukti bahwa peningkatan jumlah uang beredar (M1) memiliki

responsi terhadap peningkatan jumlah tabungan mudharabah di Bank Muamalat

Indonesia. Hal ini menunjukkan bahwa meningkatnya tingkat kekayaan masyarakat

berpengaruh terhadap meningkatnya tingkat tabungan mudharabah di Bank Muamalat

Indonesia. Dengan demikian, hipotesa yang menyatakan bahwa jumlah uang beredar

(M1) berpengaruh positif terhadap jumlah tabungan mudharabah BMI (SDSM) adalah

benar.

Sementara itu variabel return yaitu tingkat bagi hasil dan tingkat suku bunga

memiliki kontribusi yang kecil. Pada tabel 5-10 terlihat bahwa pergerakan tingkat suku

bunga tabungan dari bulan pertama sampai bulan ke 12 terhadap SDSM terus

meningkat. Sedangkan pada variabel tingkat bagi hasil tabungan mudharabah memiliki

kontribusi yang kecil dan terus menurun pada bulan berikutnya terhadap tabungan

mudharabah. Respon dari variabel return dapat dilihat pada gambar impulse response

function (IRF) berikut :


80

Gambar 5-2 Gambar 5-3

-.5

-.4

-.3

-.2

-.1

.0

.1

.2

.3

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas terbukti bahwa peningkatan tingkat bagi hasil tabungan mudharabah

(RORSD) terus meningkatkan jumlah tabungan mudharabah di Bank Muamalat

Indonesia. Sementara itu pada gambar 5-3 di atas juga menunjukkan bahwa pada bulan

ke 7 sampai bulan ke 12, jumlah tabungan mudharabah (SDSM) merespon negatif atas

peningkatan tingkat suku bunga. Dengan demikian, hipotesa yang menyatakan bahwa

tingkat bagi hasil memiliki pengaruh yang positif terhadap jumlah tabungan mudharabah

(SDSM) adalah benar. Sementara itu, hipotesa yang menyatakan bahwa tingkat suku

bunga tabungan memiliki pengaruh negatif terhadap jumlah tabungan mudharabah

(SDSM) juga adalah benar.

-.15

-.10

-.05

.00

.05

.10

.15

.20

.25

1 2 3 4 5 6 7 8 9 10 11 12



81

2. Pengaruh return 1 bulan terhadap jumlah tabungan mudharabah di Bank

Muamalat Indonesia.

Tabel 5-11

Variance Decomposition of DLOG(TDSM): Period S.E. Shock1 Shock2 Shock3 Shock4 Shock5

1 0.101980 0.961538 0.961538 0.961538 0.961538 96.15385 2 0.102566 0.966583 1.101335 1.703811 0.953893 95.27438 3 0.105433 0.916095 1.048473 6.708226 0.908624 90.41858 4 0.120873 0.702861 0.826741 26.10156 0.713924 71.65492 5 0.127376 0.641371 0.982211 32.81142 0.646720 64.91828 6 0.131231 0.614446 1.184235 34.85063 0.628035 62.72266 7 0.139299 0.547539 1.277501 41.89165 0.558286 55.72502 8 0.145129 0.508060 1.540213 46.04501 0.514997 51.39172 9 0.145993 0.504271 1.534510 46.56782 0.510043 50.88336

10 0.154827 0.449402 1.364686 52.48613 0.453609 45.24617 11 0.160677 0.417566 1.516222 55.41354 0.423130 42.22954 12 0.161125 0.421388 1.604056 55.28877 0.423224 42.26256

Pada tabel Variance Decomposition (VD) di atas menunjukkan bahwa kontribusi yang

dominan terhadap variabel jumlah deposito mudharabah Bank Muamalat Indonesia

(TDSM) secara jelas juga dipengaruhi oleh pergerakan nilainya di masa lalu dan

pergerakan jumlah uang beredar (M1). Ternyata pergerakan yang paling mendominasi

terhadap jumlah deposito mudharabah (TDSM) adalah variabel M1, dimana dari bulan

pertama sampai bulan ke 12 pergerakan kontribusinya terus meningkat. Respon atas

pergerakan variabel M1 terhadap SDSM dapat dilihat pada hasil impulse response

function (IRF) berikut ini :


82

Gambar 5-4

-.3

-.2

-.1

.0

.1

.2

.3

1 2 3 4 5 6 7 8 9 10 11 12

Accumulated Response of DLOG(TDSM) to StructuralOne S.D. Shock3

pada gambar di atas terbukti bahwa peningkatan jumlah uang beredar (M1) positif

meningkatkan jumlah deposito mudharabah di Bank Muamalat Indonesia, namun pada

bulan ke 9 pengaruhnya menjadi negatif. Hal ini tidak terlalu mendominasi pergerakan

yang positif turun naik dari variabel M1. Dengan demikian, hipotesa yang menyatakan

bahwa jumlah uang beredar (M1) berpengaruh positif terhadap jumlah deposito

mudharabah BMI (TDSM) adalah benar.


memiliki kontribusi yang kecil. Hal ini dapat dilihat pada tabel 5-11 bahwa pergerakan

tingkat suku bunga deposito 1 bulan dari bulai pertama sampai bulan ke 12 terhadap

SDSM terus meningkat namun tidak mendominasi. Sedangkan pada variabel tingkat

bagi hasil deposito mudharabah 1 bulan memiliki pengaruh yang kecil dan terus

menurun pada bulan berikutnya terhadap deposito mudharabah. Responi atas variabel

return dapat dilihat pada gambar impulse response function (IRF) berikut :


83


-.06

-.04

-.02

.00

.02

.04

.06

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas terlihat bahwa responsi atas peningkatan tingkat bagi hasil

deposito mudharabah 1 bulan (RORTD1) terhadap jumlah deposito mudharabah di

Bank Muamalat Indonesia terus meningkat. Sehingga, hipotesa yang menyatakan

bahwa tingkat bagi hasil deposito mudharabah jangka waktu 1 bulan (RORTD1)

berpengaruh positif terhadap jumlah deposito mudharabah di Bank Muamalat

Indonesia (TDSM) adalah benar. Sementara itu respon tingkat suku bunga deposito 1

bulan terus negatif mulai dari bulan ke 5 sampai bulan ke 12 terhadap jumlah deposito

mudharabah BMI (TDSM). Hal ini mengindikasikan bahwa tingkat bagi hasil deposito

mudharabah 1 bulan Bank Muamalat Indonesia masih lebih menarik daripada tingkat

suku bunga deposito 1 bulan. Dengan demikian, hipotesa yang menyatakan bahwa

tingkat suku bunga deposito 1 bulan berpengaruh negatif terhadap jumlah deposito


-.03

-.02

-.01

.00

.01

.02

.03

.04

.05

1 2 3 4 5 6 7 8 9 10 11 12



84


Muamalat Indonesia.

Tabel 5-12

Variance Decomposition of DLOG(TDSM,2): Period S.E. Shock1 Shock2 Shock3 Shock4 Shock5

1 0.101980 0.961538 0.961538 0.961538 0.961538 96.15385 2 0.129495 0.855500 1.499994 10.19440 0.884864 86.56525 3 0.130555 0.841706 2.059754 10.77776 0.876121 85.44466 4 0.142557 0.711567 1.882317 23.37763 0.750435 73.27805 5 0.148541 0.666951 1.733970 27.26630 0.710491 69.62229 6 0.152184 0.644991 1.730521 30.50152 0.677668 66.44530 7 0.160288 0.592525 1.582438 37.19368 0.611790 60.01957 8 0.165050 0.559381 1.494689 40.26692 0.581235 57.09778 9 0.165804 0.554363 1.503512 40.59179 0.577545 56.77279

10 0.166385 0.552887 1.515050 40.97509 0.573569 56.38340 11 0.167378 0.546564 1.497210 41.46622 0.568741 55.92127 12 0.168106 0.547546 1.490373 41.15513 0.571237 56.23571

Pada tabel Variance Decomposition (VD) di atas menunjukkan bahwa variabel jumlah

deposito mudharabah (TDSM) secara jelas juga didominasi oleh pergerakan nilainya di

masa lalu dan pergerakan jumlah uang beredar (M1). Ternyata pergerakan yang paling

mendominasi terhadap jumlah deposito mudharabah (TDSM) adalah variabel M1,

dimana dari bulan pertama sampai bulan ke 12 pergerakannya terus meningkat. Respon

atas pergerakan variabel M1 terhadap SDSM dapat dilihat pada hasil impulse response


Gambar 5-7

-.15

-.10

-.05

.00

.05

.10

.15

.20

1 2 3 4 5 6 7 8 9 10 11 12

Accumulated Response of DLOG(TDSM,2) to StructuralOne S.D. Shock3


85

pada gambar di atas juga terbukti bahwa peningkatan jumlah uang beredar (M1) positif

meningkatkan jumlah deposito mudharabah di Bank Muamalat Indonesia. Hal ini

menunjukkan bahwa tingkat investasi pada perbankan khususnya pada fasilitas

deposito mudharabah di Bank Muamalat Indonesia dipengaruhi oleh tingkat

kesejahteraan masyarakat. Dengan demikian maka hipotesa yang menyatakan M1

berpengaruh positif terhadap jumlah deposito mudharabah (TDSM) adalah benar.


memiliki dominasi yang kecil. Pada tabel 5-12 terlihat bahwa pergerakan tingkat suku

bunga deposito 3 bulan (IRTD3) dari bulai pertama sampai bulan ke 12 terhadap

SDSM terus meningkat namun tidak mendominasi. Sedangkan pada variabel tingkat

bagi hasil deposito mudharabah 3 bulan (RORTD3) memiliki dominasi yang sangat

kecil dan pengaruhnya yang terus menurun sampai bulan ke 12 terhadap deposito

mudharabah. Respon dari variabel return dapat dilihat pada gambar impulse response

function (IRF) berikut :


-.10

-.08

-.06

-.04

-.02

.00

.02

.04

.06

1 2 3 4 5 6 7 8 9 10 11 12


Pada gambar di atas terbukti bahwa respon atas peningkatan tingkat bagi hasil deposito

mudharabah 3 bulan (RORTD3) terus meningkatkan jumlah deposito mudharabah di

Bank Muamalat Indonesia. Sehingga kondisi ini membuktikan hipotesa yang

-.03

-.02

-.01

.00

.01

.02

.03

.04

.05

1 2 3 4 5 6 7 8 9 10 11 12



86

menyatakan bahwa tingkat bagi hasil deposito mudharabah 3 bulan BMI (RORTD3)

berpengaruh positif terhadap jumlah deposito mudharabah BMI (TDSM) adalah benar.

Sementara itu tingkat suku bunga deposito 3 bulan memiliki respon yang positif, tapi

pada bulan ke 6 responnya negatif terhadap jumlah deposito mudharabah (TDSM). Hal

ini mengindikasikan bahwa jumlah deposito mudharabah (TDSM) pada BMI direspon

negatif oleh tingkat suku bunga deposito 3 bulan (IRSD) dari bank konvensional.

Dapat dikatakan bahwa tingkat bagi hasil deposito mudharabah 3 bulan Bank

Muamalat Indonesia masih lebih menarik daripada tingkat suku bunga deposito 3

bulan. Dengan demikian, hipotesa yang menyatakan bahwa tingkat suku bunga

berpengaruh negatif terhadap jumlah deposito mudharabah BMI (TDSM) adalah benar.


Muamalat Indonesia.

Tabel 5-13

Variance Decomposition of DLOG(TDSM,2): Period S.E. Shock1 Shock2 Shock3 Shock4 Shock5

1 0.101980 0.961538 0.961538 0.961538 0.961538 96.15385 2 0.121496 0.870633 0.697627 4.030842 0.954263 93.44663 3 0.126464 0.803707 0.646796 11.32271 0.883141 86.34364 4 0.152023 0.575609 0.497518 37.07197 0.625325 61.22958 5 0.162840 0.521677 0.509435 42.48120 0.570014 55.91767 6 0.167311 0.502021 0.533334 45.44937 0.539960 52.97532 7 0.175509 0.468976 0.644895 49.97670 0.493021 48.41641 8 0.178727 0.452349 0.673797 51.67846 0.475634 46.71976 9 0.178903 0.452734 0.679952 51.64153 0.475849 46.74994

10 0.179036 0.452240 0.690285 51.69323 0.475280 46.68897 11 0.179981 0.447847 0.695860 52.18008 0.470367 46.20585 12 0.180633 0.444653 0.695170 52.49036 0.467218 45.90260


deposito mudharabah (TDSM) secara jelas juga didominasi oleh pergerakan nilainya di

masa lalu dan pergerakan jumlah uang beredar (M1). Ternyata pergerakan yang paling

mendominasi terhadap jumlah deposito mudharabah (TDSM) adalah variabel M1,


87

dimana dari bulan pertama sampai bulan ke 12 pergerakannya terus meningkat. Respon

atas pergerakan variabel M1 terhadap SDSM dapat dilihat pada hasil impulse response


Gambar 5-10

-.15

-.10

-.05

.00

.05

.10

.15

.20

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas juga terbukti bahwa responsi atas peningkatan jumlah uang

beredar (M1) positif meningkatkan jumlah deposito mudharabah di Bank Muamalat

Indonesia, namun pada bulan ke 4 pengaruhnya menjadi negatif. Hal ini tidak terlalu

mendominasi pergerakan yang positif turun naik dari variabel M1. Dengan demikian,

hipotesa yang mengatakan bahwa M1 berpengaruh positif terhadap jumlah deposito



deposito 6 bulan memiliki dominasi yang kecil. Pada tabel 5-13 terlihat bahwa

pergerakan tingkat suku bunga deposito 6 bulan (IRTD6) dari bulan pertama sampai

bulan ke 12 terhadap SDSM terus meningkat namun tidak mendominasi. Sedangkan

pada variabel tingkat bagi hasil deposito mudharabah 6 bulan juga memiliki dominasi

yang kecil dan dan pengaruhnya yang terus menurun sampai bulan ke 12 terhadap

deposito mudharabah BMI. Respon dari variabel return dapat dilihat pada gambar

impulse response function (IRF) berikut :


88


-.04

-.02

.00

.02

.04

.06

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas menunjukkan bahwa responsi atas peningkatan tingkat bagi hasil

deposito mudharabah 6 bulan (RORTD6) terus meningkatkan jumlah deposito

mudharabah di Bank Muamalat Indonesia. Sehingga membuktikan hipotesa yang

mengatakan bahwa tingkat bagi hasil deposito mudharabah 6 bulan BMI (RORTD6)

berpengaruh positif terhadap jumlah deposito mudharabah BMI (TDSM). Sementara

itu tingkat suku bunga deposito 6 bulan merespon positif jumlah deposito mudharabah

(TDSM). Hal ini mengindikasikan bahwa jumlah deposito mudharabah (TDSM) pada

BMI tidak terlalu dipengaruhi oleh tingkat suku bunga deposito 6 bulan dari bank

konvensional. Dapat dikatakan bahwa nasabah deposito mudharabah 6 bulan ketika

menyimpan uangnya pada Bank Muamalat Indonesia tidak mempertimbangkan tingkat

suku bunga deposito 6 bulan sehingga ketika tingkat suku bunga deposito 6 bulan

meningkat tidak menurunkan jumlah deposito mudharabah. Dengan demikian, hipotesa

yang menyatakan bahwa tingkat suku bunga deposito 12 bulan (IRTD12) berpengaruh

negatif terhadap jumlah deposito mudharabah BMI (TDSM) adalah salah

-.03

-.02

-.01

.00

.01

.02

.03

.04

.05

1 2 3 4 5 6 7 8 9 10 11 12



89


Muamalat Indonesia.

Tabel 5-14

Variance Decomposition of DLOG(TDSM): Period S.E. Shock1 Shock2 Shock3 Shock4 Shock5

1 0.101980 0.961538 0.961538 0.961538 0.961538 96.15385 2 0.104645 0.953171 0.978572 4.763989 0.921772 92.38250 3 0.122628 0.705508 0.713172 30.55807 0.671490 67.35175 4 0.131831 0.616612 0.635230 39.58054 0.584279 58.58334 5 0.134615 0.593696 0.632048 41.80415 0.562462 56.40765 6 0.135801 0.584690 0.629188 42.70543 0.553571 55.52712 7 0.136287 0.583349 0.636787 42.93916 0.551127 55.28958 8 0.136787 0.581285 0.635708 43.25370 0.548087 54.98122 9 0.136964 0.580045 0.636021 43.39199 0.546754 54.84519

10 0.137020 0.579569 0.635590 43.43757 0.546309 54.80096 11 0.137027 0.579559 0.635627 43.43822 0.546302 54.80029 12 0.137034 0.579503 0.635567 43.44395 0.546247 54.79473


deposito mudharabah (TDSM) secara jelas juga dipengaruhi oleh pergerakan nilainya

di masa lalu dan pergerakan jumlah uang beredar (M1). Namun ternyata pergerakan

yang paling mendominasi terhadap jumlah deposito mudharabah (TDSM) adalah

variabel jumlah deposito mudharabah sendiri masa lalu, dimana dari bulan pertama

sampai bulan ke 12 pergerakannya terus meningkat. Hal ini berbeda dengan

persamaan-persamaan sebelumnya yang paling didominasi oleh M1. Respon atas

pergerakan variabel M1 terhadap SDSM dapat dilihat pada hasil impulse response



90

Gambar 5-13

-.2

-.1

.0

.1

.2

.3

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas juga menunjukkan responsi atas peningkatan jumlah uang beredar

(M1) positif meningkatkan jumlah deposito mudharabah di Bank Muamalat Indonesia.

Sehingga, hipotesa yang menyatakan bahwa M1 berpengaruh positif terhadap jumlah

deposito mudharabah di BMI (TDSM) adalah benar.


deposito 12 bulan memiliki kontribusi yang kecil. Pada tabel 5-14 terlihat bahwa

pergerakan tingkat suku bunga deposito 12 bulan (IRTD12) dari bulan pertama sampai

bulan ke 12 terhadap jumlah deposito mudharabah BMI (TDSM) cendrung menurun

namun tidak mendominasi. Sedangkan pada variabel tingkat bagi hasil deposito

mudharabah 12 bulan (RORTD12) juga memiliki kontribusi yang kecil dan

pengaruhnya yang cendrung konstan sampai bulan ke 12 terhadap deposito

mudharabah BMI (TDSM). Respon dari variabel return dapat dilihat pada gambar

impulse response function (IRF) berikut :


91


-.06

-.04

-.02

.00

.02

.04

.06

.08

1 2 3 4 5 6 7 8 9 10 11 12


pada gambar di atas menunjukkan responsi bahwa peningkatan tingkat bagi hasil

deposito mudharabah 12 bulan (RORTD12) terus meningkatkan jumlah deposito

mudharabah di Bank Muamalat Indonesia. Sehingga dapat dikatakan bahwa hipotesa

yang menyatakan tingkat bagi hasil deposito mudharabah 12 bulan (RORTD12)

berpengaruh positif terhadap jumlah deposito mudharabah BMI (TDSM) adalah benar.

Sementara itu tingkat suku bunga deposito 12 bulan merespon positif jumlah deposito

mudharabah BMI (TDSM). Hal ini mengindikasikan bahwa jumlah deposito

mudharabah (TDSM) pada BMI tidak terlalu dipengaruhi oleh return deposito 12 bulan

dari bank konvensional. Dapat dikatakan bahwa tingkat bagi hasil deposito

mudharabah 12 bulan pada Bank Muamalat Indonesia ternyata masih lebih tinggi

daripada tingkat suku bunga deposito 12 bulan sehingga ketika tingkat suku bunga

deposito 12 bulan meningkat tidak menurunkan jumlah deposito mudharabah. Dengan

demikian, hipotesa yang menyatakan bahwa tingkat suku bunga deposito 12 bulan

(IRTD) berpengaruh negatif terhadap jumlah deposito mudharabah BMI (TDSM)

adalah salah.

-.03

-.02

-.01

.00

.01

.02

.03

.04

.05

1 2 3 4 5 6 7 8 9 10 11 12



92

5.7 Implikasi Kebijakan

Apabila dilihat pada hasil analisa dan pembahasan dari pengolahan data di

atas, maka implikasinya bahwa Bank Muamalat Indonesia harus terus meningkatkan

profit perusahaan sehingga jumlah dana pihak ketiga dapat meningkat. Meningkatnya

jumlah dana pihak ketiga pada Bank Muamalat Indonesia diharapkan dapat

meningkatkan arus dana yang terdapat pada BMI dan saluran dana tersebut ke dalam

bentuk investasi dapat meningkat. Dampak dari semua ini akan berpengaruh pada

peningkatan tingkat pendapatan masyarakat sehingga diharapkan dapat mengurangi

fluktuasi pada perekonomian. Itulah sebabnya, dalam konsep perbankan syariah tidak

ada dikotomi antara tabungan dengan investasi. Pada perbankan konvensional,

peningkatan dalam saving cendrung menurunkan tingkat investasi karena adanya cost

of borrowing yang tinggi. Sedangkan pada perbankan syariah, peningkatan dalam

tabungan justru akan meningkatkan tingkat investasi karena tidak adanya biaya yang

dapat merugikan salah satu pihak baik investor maupun depositor. Keputusan investasi

yang dibuat dengan adanya peningkatan rasio tabungan, maka akan meningkatkan

tingkat kepuasan nasabah.


Gabungan Digital 125836 5557 Pengaruh Tingkat

Documents

Transcript of Gabungan Digital 125836 5557 Pengaruh Tingkat