Perkembangan Tingkat Inflasi - ANALISIS DAN PEMBAHASAN A. Sekilas Gambaran Umum Objek Peneliti

ANALISIS DAN PEMBAHASAN A. Sekilas Gambaran Umum Objek Penelitian

5. Perkembangan Tingkat Inflasi

Secara sederhana inflasi diartikan sebagai meningkatnya harga-harga secara umum dan terus menerus.Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan

69 kenaikan harga) pada barang lainnya.Inflasi jugamerupakan salah satu ukuran aktifitas ekonomi yang sering digunakan untuk menggambarkan kondisi ekonomi nasional (Tajul Khalwaty, 2000).

Menurut Mankiw (2003) laju inflasi (inflation rate) adalah perubahan presentase dalam indeks harga dari jangka waktu yang sebelumnya.Laju inflasi merupakan suatu indikator yang sangat menentukan dalam perekonomian makro suatu negara. Inflasi juga merupakan suatu masalah bagi ekonomi makro yang apabila tidak segera ditangani akan menyebabkan ketidakstabilan perekonomian yang pada akhirnya hanya akan memperburuk kinerja perekonomian suatu negara. Kestabilan nilai mata uang, baik inflasi maupun nilai tukar, sangat penting untuk mendukung pembangunan ekonomi yang berkelanjutan dan meningkatkan kesejahteraan rakyat.Perkembangan laju inflasi periode 2009- 2011 dapat dilihat pada gambar di bawah ini :

Gambar 4.5

Perkembangan Laju Inflasi di Indonesia Periode Maret 2009 – Desember 2011

0.00 2.00 4.00 6.00 8.00 10.00 M ar '0 9 M ay '0 9 Ju l '0 9 Sep '0 9 N o v '0 9 Jan ' 1 0 M ar '1 0 M ay '1 0 Ju l '1 0 Sep '1 0 N o v '1 0 Jan ' 1 1 M ar '1 1 M ay '1 1 Ju l '1 1 Sep '1 1 N o v '1 1

INF

70 Pada gambar di atas dapat kita lihat bahwa pergerakan inflasi cukup berfluktuasi. Inflasi tertinggi berada pada bulan Maret 2009 sebesar 7,92% sedangkan tingkat inflasi terendah terjadi pada bulan November 2009 sebesar 2,41%. Angka ini merupakan angka terendah inflasi sepanjang tahun.Sehingga pada tahun tersebut dapat dikatakan bahwa kondisi perekonomian Indonesia sudah mulai kondusif kembali, hal ini dapat dibuktikan dengan adanya penurunan angka inflasi yang cukup signifikan.

Tekanan inflasi pada tahun 2010 mengalami peningkatan yang signifikan dibandingkan dengan tahun sebelumnya.Inflasi meningkat menjadi 6,96% dari 2,78% di tahun sebelumnya.Perkembangan inflasi yang meningkat tersebut tidak terlepas dari pengaruh faktor eksternal dan faktor domestik yang terjadi sepanjang tahun 2010.

Dari sisi eksternal, peningkatan inflasi sejalan dengan meningkatnya inflasi global, sebagai imbas meningkatnya pertumbuhan ekonomi dan harga-harga komoditas internasional. Namun, pengaruh penguatan nilai tukar rupiah pada tahun ini mampu meminimalkan dampak dari peningkatan harga-harga komoditas global tersebut. Dari sisi domestik perkembangan ekspektasi inflasi, kondisi permintaan dan penawaran, serta penyesuaian tarif komoditas relatif tidak memberikan tekanan kenaikan inflasi yang berlebihan.Tekanan kenaikan inflasi muncul terutama akibat terganggunya kelancaran pasokan bahan makanan yang banyak terpengaruh oleh anomali cuaca.(Laporan Perekonomian Indonesia/www.bi.go.id).

71 B. Hasil Analisis dan Pembahasan

Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) yang berbentuk annual mulai Maret Tahun 2009 – Desember Tahun 2011. Keseluruhan dari data yang digunakan sebagai bahan penelitian diperoleh dari laporan bulanan Bank Indonesia (BI). Data mengenaiCAR ,ROA dan FDR diperoleh dari Statistik Perbankan Syari`ah Bank Indonesia. Sedangkan Nilai Tukar Rupiah dan Inflasi diperoleh dari Bank Indonesia dalam Statistik Ekonomi dan Keuangan Indonesia (SEKI).

Sebagaimana telah dijelaskan pada bab sebelumnya model yangdigunakan sebagai alat analisis regresi berganda adalah Ordinary Least Square(OLS). Model OLS merupakan metode estimasi yang sering digunakan untukmengestimasi fungsi regresi populasi dari fungsi regresi sampel (Ajija, 2011:23).

1. Uji Normalitas

Uji normalitas yang digunakan dalam penelitian ini adalah menggunakan uji Jarque Bera dengan melihat nilai probability. Jika nilai probability lebih besar dari nilai derajat kesalahan α=0.05, maka penelitian ini tidak ada permasalahan normalitas atau dengan kata lain, data terdistribusi normal. Sebaliknya, jika nilai probability lebih kecil dari nilai derajat kesalahan α=0.05, maka dalam penelitian ini ada permasalahan normalitas atau dengan kata lain, data tidak terdistribusi normal.

72 Tabel 4.1

Uji Normalitas Jarque Bera

Berdasarkan tabel 4.1 menggambarkan bahwa data dalam penelitian ini sudah berdistribusi normal. Terlihat dari nilai probability sebesar 0.928950 yang lebih besar dari derajat kesalahan 0.05 signifikan yang menyatakan Ho diterima, sehingga model ini dikatakan telah normal. 2. Uji Stasioner

a. Uji Akar Unit

Tahap awal dalam proses pengujian yang dilakukan adalah uji stasioneritas terhadap seluruh variabel yang diuji. Dalam penelitian inidata yang digunakan adalah data natural log (ln) dari variabel-variabel tersebut. dimana ln merupakan log dengan bilangan dasar bilangan alamyang berguna untuk memecahkan persamaan yang tidak diketahuinyamerupakan pangkat dari variabel lain. Dimana log sendiri adalah fungsi matematika yang dengan bilangan dasar 10 yang kegunaannya untukmenyederhanakan suatu bilangan (dalam penelitian ini untuk menyederhanakan data variabel).

0 2 4 6 8 10 -4 -3 -2 -1 0 1 2 3 4 5 6 Jarque-Bera 0.147401 Probability 0.928950

73 Uji stasioneritas data ini dapat dilakukan dengan menggunakan Augmented Dickey Fuller (ADF) pada derajat yang sama hingga diperoleh suatu data yang stasioner, yaitu data yang variansnya tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya. (Ajija, dkk, 2011: 165).

Tabel 4.2

Uji Akar UnitADF Test Pada Tingkat Level

No. Variabel Level

Ho = Tidak Stasioner ADF CV 5% Ha = Stasioner 1 CAR -3.329615 -3.552973 Terima Ho 2 ROA -3.139044 -3.552973 Terima Ho 3 FDR -2.765885 -3.568379 Terima Ho 4 LNKURS -3.581012 -3.552973 Tolak Ho 5 INF -2.295100 -3.552973 Terima Ho

Tabel di atas menunjukkan hasil uji akar-akar unit dengan menggunakan ADF test. Dari tabel tersebut sesuai dengan data yang diuji dapat diketahui dengan adanya nilai ADF test dan dari nilaiCritical Value (CV) 5% tidak semua variabel yang stasioner. Ada salah satu variabel tidak stasioner disebabkan karena nilai ADF test lebih kecil dibandingkan dari nilaiCritical Value (CV) 5%. Dengan kata lain variabel-variabel tersebut pada level mengalami persoalan akar-akar unit. Oleh karena itu perlu dilanjutkan dengan uji derajat integrasi pertama.

b. Uji Derajat Integrasi

Dalam Uji akar unit menghasilkan kesimpulan bahwa data belum stasioner pada tingkat level.Oleh karena itu, harus dilakukan Uji Derajat

74 Integrasi. Nilai statistik ADF untuk mengetahui pada derajat berapa suatu data akan stasioner dapat dilihat pada nilai ADFtest (Pp test) yang lebih besar dari nilai Critical Value (CV) 5%, maka variabel tersebut dikatakan stasioner pada derajat pertama. Hasil dari pengujian derajat integrasi pertama dapat dilihat pada tabel 4.4 berikut ini:

Tabel 4.3

Uji Akar UnitADF Test Pada first difference

No. Variabel Level

Ho = Tidak Stasioner ADF CV 5% Ha = Stasioner 1 CAR -5.091646 -3.562882 Tolak Ho 2 ROA -8.125326 -3.557759 Tolak Ho 3 FDR -6.067169 -3.557759 Tolak Ho 4 LNKURS -6.205770 -3.557759 Tolak Ho 5 INF -4.284580 -3.562882 Tolak Ho

Dari data yang diuji dapat dilihat bahwa semua variabel sudah stasioner pada tingkat first difference.Hal ini dapat dibuktikan dengan nilai ADF lebih besar dari pada Mac Kinnon Critical Value 5% (ADF statistik > CV 5%).Kesimpulan dari data yang diolah adalah Ho ditolak yaitu semua variabel sudah stasioner pada tingkat first difference.

3. Uji Asumsi Klasik

a. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jikaberbeda disebut heteroskedastisitas. Metode yang digunakan untuk

75 mendeteksi adanya heteroskedastisitas pada penelitian ini adalah uji White. Pengujian heteroskedastisitas dilakukan dengan bantuan program komputer Eviews 6.0, dan diperoleh hasil regresi seperti pada tabel berikut ini:

Tabel 4.4

Hasil Uji White HeteroskedasticityTest

F-statistic 0.769386 Prob. F(13,20) 0.6812 Obs*R-squared 11.33486 Prob. Chi-Square(13) 0.5828 Scaled explained SS 7.904843 Prob. Chi-Square(13) 0.8497

Diatas diketahui bahwa koefisien determinasi (R²) sebesar 11.33486.Nilai probabilitas dari Chi-Square sebesar 0.5828yang lebih besar dari nilai α sebesar 0.05. Karena nilai probabilitas Chi-square lebih besar dari α = 5% maka Ho diterima sehingga dapat disimpulkan bahwa dalam model tidak ada masalah heteroskedastisitas.

b. Uji Autokorelasi

Autokorelasimerupakan suatu kejadian di mana error term pada satu periode waktu secara sistematik tergantung pada error term pad periode-periode waktu yang lain. Untuk mendeteksi masalah autokorelasi digunakan uji Langrange Multiplier (LM-test).Uji ini sangat berguna untuk mengindentifikasi masalah autokorelasi tidak hanya pada derajat pertama (first order) tetapi juga digunakan pada tingkat derajat.

76 Tabel 4.5

Hasil Regresi LM-Test

F-statistic 2.206864 Prob. F(3,25) 0.1123 Obs*R-squared 6.909407 Prob. Chi-Square(3) 0.0748

Dari tabel di atas diketahui bahwa koefisien determinasi (R²) sebesar6.909407.Nilai probabilitas dari Chi-Square sebesar 0.0748yang lebih besar dari nilai α sebesar 0.05. Karena nilai probabilitas Chi-square lebih besar dari α = 5% maka Ho diterima sehingga dapat disimpulkan bahwa di dalam model tidak terdapat masalah autokorelasi.

c. Uji Multikolinieritas

Uji multikorelasi dilakukan untuk mengetahui ada tidaknya hubungan (korelasi) yang signifikan di antara dua atau lebih variabel independen dalam model regresi. Deteksi adanya multikolinearitas dilakukan dengan menggunakan uji korelasi parsial antar variable independen. Dengan melihat nilai koefisien korelasi (r) antar variable independen, dapat diputuskan apakah data terkena multikolinearitas atau tidak, yaitu dengan menguji koefisien korelasi antar variabel independen.

Jika terjadi korelasi, maka terdapat multikolinearitas, dimana model regresi yang baik adalah tidak terjadi multikolinearitas antar variabel independen dengan variabel dependen. Hasil pengujian multikolinearitas menggunakan uji korelasi (r) dapat dilihat sebagai berikut:

77 Table 4.6

Hasil Uji Corellation Matrix

ROA FDR LNKURS INF

ROA 1.000000 -0.774986 0.524589 0.407459

FDR 0.774986 1.000000 0.740640 0.356420

LNKURS 0.524589 0.740640 1.000000 -0.502218 INF 0.407459 0.356420 -0.50218 1.000000

Dari tabel diatas hasil analisis uji multikolinieritas dengan correlation matrix diatas terlihat bahwa koefisien korelasi tidak ada yang diatas 0,8, sehingga dapat disimpulkan bahwa dalam model tidak terdapat multikolinieritas.

4. Uji statistik

Hasil pengolahan data atau hasil estimasi yang dilakukan dengan menggunakan program computer Eviews 6 dengan menggunakan metode regresi linier berganda atau Ordinary Least Square (OLS) yang ditampilkan pada tabel berikut:

Tabel 4.7 Hasil regresi

Variabel Koefisien t-Statistik Probabilitas C 0.241520 0.595834 0.5561 D (ROA) 4.329405 3.302654 0.0026 D (FDR) 0.280338 3.249858 0.0030 D (LNKURS) 13.75032 0.672049 0.5071 D (INF) 1.654543 2.533306 0.0172 F-statistik 20.32295 Probabilitas 0.000000 Adjusted R-squared 0.707206 Durbin - Watson stat 2.205985

78 Dari tabel diatas maka dapat disusun persamaan regresi linier berganda sebagai berikut :

CAR = 0.241520+ 4.329405(ROA) + 0.280338 (FDR)+13.75032 (LNKURS) + 1.654543 (INF)

a. Jika segala sesuatu variabel independen dianggap konstan atau bernilai nol, artinya variabel independen tidak terjadi kenaikan ataupenurunan maka besarnya nilai CAR sebesar 0.241520 atau sebesar 2 persen. b. Nilai koefisien regresi ROA sebesar 4.329405 yang berarti setiap

kenaikan ROA sebesar 1% maka akan meningkatkan CAR sebesar 4.329405.

c. Nilai koefisien regresi FDR sebesar 0.280338 yang berarti setiap kenaikan FDR sebesar 1% maka akan meningkatkan CAR sebesar 0.280338.

d. Nilai koefisien regresi LNKURS sebesar 13.75032 yang berarti setiap kenaikan FDR sebesar 1% maka akan meningkatkan CAR sebesar 13.75032.

e. Nilai koefisien regresi INF sebesar 1.654543 yang berarti setiap kenaikan FDR sebesar 1% maka akan meningkatkan CAR sebesar 1.654543.

Dalam dokumen Faktor-faktor yang mempengaruhi Capital Adequacy Ratio (CAR) pada Bank Syariah di Indonesia Periode Maret 2009 – Desember 2011 (Halaman 86-96)