Hubungan Antara Variabel Ekonomi Makro dengan
Pembiayaan UKM (Usaha Kecil Menengah) Perbankan Syariah di Indonesia
Irwan HermawanUniversitas Nusa Putra irwan.hermawan@nusaputra.ac.id
Vina Herdina Universitas Nusa Putra
vina.herdina_ak19c@nusaputra.ac.id
ABSTRAK
Tujuan dari makalah ini adalah menguji Hubungan antara Variabel Makroekonomi dengan Pembiayaan Sektor Usaha Kecil dan Menengah (UKM) pada Perbankan Syariah di Indonesia, antara lain Pengaruh variabel BI Rate terhadap Pertumbuhan Pembiayaan sektor UKM Perbankan Syariah, Pengaruh variabel Nilai Tukar terhadap Pertumbuhan Pembiayaan Sektor UKM Perbankan Syariah, Pengaruh variabel PDB terhadap Pertumbuhan Pembiayaan UKM Perbankan Syariah. Penelitian ini menggunakan pendekatan kuantitatif. Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan Data Time Series. Data dikumpulkan dari Laporan Triwulanan OJK (Otoritas Layanan Keuangan). Hubungan antara variabel makro dan pertumbuhan Pembiayaan UKM Perbankan Syariah, menjadikan variabel makro sebagai salah satu indikator yang dapat digunakan untuk menentukan pergerakan pertumbuhan Pembiayaan Perbankan Syariah, variable-variabel Makro meliputi BI Rate, Nilai Tukar, dan PDB. Penelitian ini diharapkan bermanfaat bagi pengembangan Ekonomi dan Keuangan Islam di Indonesia, khususnya di sektor perbankan Islam, dengan memberikan informasi tambahan kepada publik tentang keunggulan sistem ekonomi Islam. Penelitian ini memiliki implikasi penting bagi Sektor Perbankan Syariah dengan menginformasikan pengaruh Variabel Makroekonomi pada Pertumbuhan Pembiayaan UKM Perbankan Syariah.
Kata Kunci : Perbankan Syariah, Usaha Kecil dan Menengah, Ekonomi Makro, Analisa VAR
ABSTRACT
The aim of this paper is examine the Relationship between Macroeconomic Variables with SME Financing in Indonesia, among others Effect of the BI Rate variable on the Growth of SME Islamic Financing, Effect of variable Exchange Rate on Growth of SME Islamic Financing, Influence of the GDP variable on the Growth of SME Islamic Financing. This Research adopts Quantitative approach. The data used in this study is secondary data which is a Time Series Data. The data were collected from Quarterly reporting Financial Service Authority. Relationship between macro variables and the growth of SME Islamic Financing, making macro
variables as one indicator that can be used to determine the growth movement of Islamic Banking Financing, the Macro variable includes the BI Rate, Exchange Rate, and GDP. This research expected the development of Islamic economics in Indonesia, especially in the field of Islamic banking sector, by providing additional information to the public about the superiority of the Islamic economic system. This research has important implication for Islamic Banking Sector by informing the influence of Macroeconomic Variable on the Growth of SME Islamic Financing.
Keywords: Islamic Banking, Small and Medium Enterprises, Macroeconomic, VAR Analysis
PENDAHULUAN
Bank-bank syariah pada akhir periode 1970-an dan awal dekade 1980-an, bermunculan di Mesir, Sudan, negara-negara Teluk, Pakistan, Iran, Malaysia, Bangladesh, serta Turki. Islamic Development Bank (IDB) yang berdiri pada sidang menteri keuangan di Jeddah tahun 1975, merupakan titik awal gagasan pendirian bank-bank syariah di berbagai negara tersebut (Antonio, 2001: 21). Di Indonesia, pada awal tahun 1980-an, diskusi mengenai ekonomi Islam mulai diadakan. Bahkan uji coba dalam lingkup yang relatif terbatas telah dilakukan. Diantaranya adalah Baitul Tamwil Salman Bandung dan Koperasi Ridho Gusti di Jakarta. Prakarsa lebih khusus bagi pendirian Bank Islam baru dimulai tahun 1990. Musyawarah Nasional (MUNAS) ke IV Majelis Ulama Indonesia (MUI) pada Agustus 1990 membentuk kelompok kerja untuk mendirikan Bank Islam di Indonesia (Arifin, 2006: 6).
Tanggal 1 Mei 1992 berdirilah Bank Muamalat Indonesia, bank syariah pertama di Indonesia, dengan total komitmen modal disetor Rp 106 Milyar. Pada saat itu Perangkat hukum operasinya dalam UU No.7 tahun 1992 belum memuat sistem syariah yang memadai. Hingga tahun 1998 praktis bank syariah tidak berkembang. Baru setelah diluncurkan Dual Banking System melalui UU No.10 tahun 1998 yang memuat secara rinci landasan operasi bank syariah dan memberi arahan bagi bank-bank konvensional untuk membuka cabang syariah, atau bahkan mengkonversi diri secara total menjadi bank syariah, membuat pelaku bank syariah bertambah. (Antonio, 2001: 25).
Seiring dengan tumbuhnya semangat untuk kembali kepada Islam secara kaffah, para ekonom, baik mereka yang berlatar belakang akademisi maupun para praktisi, berusaha untuk menggali nilai-nilai Islam dalam perekonomian yang selama ini terpinggirkan oleh teori-teori ekonomi konvensional. Semangat ini menyebar secara global dan terus berkembang dari semula hanya sekedar teori dan wacana hingga bergerak ke arah praktek ekonomi riil. Hal ini juga terjadi di Indonesia, dimana kaum muslimin merasa kurang dengan aplikasi nilai-nilai agama dalam setiap aspek kehidupannya, termasuk dalam menjalankan muamalah yang meliputi aktivitas bisnis dan ekonomi. Berawal dari munculnya perbankan syari’ah yang bebas riba, kemudian diikuti oleh lembaga-lembaga keuangan lainnya seperti asuransi syari’ah, dan yang mulai baru berkembang akhir-akhir ini adalah pasar modal syari’ah.
Dalam ekonomi kapitalisme telah menjadi keyakinan, bahwa bunga bank merupakan nadi dari sistem perekonomian kontemporer. Hampir tak ada sisi dari perekonomian, yang luput dari mekanisme sistem bunga. Mulai dari transaksi lokal pada semua struktur ekonomi negara, hingga perdagangan internasional. Salah satu sebab ketertarikan pasar terhadap bunga bank adalah kepastian hasil. Sedangkan setiap usaha tidak bisa dipastikan harus berhasil sejumlah sekian, karena pada kenyataannya, setiap usaha pasti berhadapan dengan resiko yang mengandung kemungkinan untung dan rugi. Keuntungan pun bisa besar, sedang dan kecil. Namun, selama berabad-abad, ekonomi dunia telah didominasi sistem bunga, sehingga telah mengkristal dalam setiap aktivitas bisnis masyarakat dunia.
Karena mengkristalnya sistem bunga tersebut, terbentuklah dinamika yang khas dalam perekonomian konvensional, terutama pada sektor moneternya. Bahkan kini pasar keuangan (financial market) konvensional tidak lagi terbatas pada pasar modal, uang dan obligasi, tapi bertambah dengan munculnya pasar derivatif, yang merupakan turunan dari ketiga pasar tersebut. Kesemuanya tetap menggunakan bunga bank sebagai harga dari produk-produknya. Maka tak heran jika perkembangan di pasar keuangan konvensional begitu spektakuler. Perkembangan di Sektor Perbankan dan Keuangan ini dapat memberikan model bagi perkembangan di bidang-bidang lainnya seperti politik, hukum internasional dan ilmu sosial lainnya sehingga dapat membetuk kehidupan duniawi yang islami (Vogel & Hayes, 2007 : 36)
Dampak perkembangan yang begitu besar pada sektor moneter jelas menghambat perkembangan sektor riil. Jika diasumsikan uang yang beredar (money supply) tetap maka sistem kredit dengan bunganya yang ada pada pasar-pasar moneter akan mengurangi jumlah uang beredar. Sehingga bukan hanya ketidakstabilan moneter yang terjadi, tetapi juga kemerosotan sektor riil. Secara global kemerosotan ini akan berpengaruh pada return yang diperebutkan pada sektor moneter. Sehingga jika ini terus yang menjadi kecenderungannya, maka wajar sebagian pakar memprediksi terjadinya krisis ekonomi yang besar, tidak hanya di negara-negara dunia ketiga, tetapi juga negara-negara maju sebagai negara yang kaya modal.
Konsep Syari’ah dalam Islam dengan tegas meyakini bahwa bunga bank yang bersifat pre-determined akan mengeksploitasi perekonomian, cenderung terjadi mis-alokasi sumber daya dan penumpukan kekayaan dan kekuasaan pada segelintir orang. Hal ini akan membawa pada ketidakadilan, ketidakefisienan, dan ketidakstabilan perekonomian. Seperti dikemukakan Umer Chapra (1996), bungalah yang telah menyebabkan semakin jauh jarak antara pembangunan dan tujuan yang akan dicapai. Bunga juga merusak tujuan-tujuan yang ingin didapat, pertumbuhan ekonomi, produktivitas dan stabilitas ekonomi.
Dalam ekonomi syari’ah, dikotomi sektor moneter dan riil tidak dikenal. Sektor moneter dalam definisi ekonomi Islam adalah mekanisme pembiayaan transaksi atau produksi di pasar riil, sehingga jika menggunakan istilah konvensional, maka karakteristik perekonomian Islam adalah perekonomian riil, khususnya perdagangan. Jual beli atau perdagangan adalah kegiatan bisnis sektor riel, dan inilah yang dianjurkan dalam ajaran Islam.
Dalam ekonomi syari’ah sistem bagi hasillah (profit and loss sharing) yang kemudian menjadi jantung dari sektor moneter Islam, bukan bunga. Karena sesungguhnya, bagi hasil
sebenarnya sesuai dengan iklim usaha yang memiliki kefitrahan untung atau rugi. Tidak seperti karakteristik bunga yang memaksa agar hasil usaha selalu positif. Islam tidak mengenal konsep time value of money, dengan penerapan sistem bagi hasil pada hakikatnya menjaga prinsip keadilan tetap berjalan dalam perekonomian. Karena memang kestabilan ekonomi bersumber dari prinsip keadilan yang dipraktikkan dalam perekonomian (Achsin, 2000 : 45).
Ekonomi Islam bukan saja menjanjikan kestabilan moneter tetapi juga pembangunan sektor riil yang lebih kokoh. Krisis moneter yang telah menjelma menjadi krisis multi dimensi di Indonesia ini, tak dapat diobati dengan varibel yang menjadi sumber krisis sebelumnya, yaitu sistem bunga dan utang, artinya tidak bisa dengan mengutak-atik suku bunga tetapi harus oleh variabel yang jauh dari karakteristik itu, yaitu dengan sistem bagi hasil dalam dunia perbankan dan lembaga finansial lainnya (Sakti, 2007: 261).
Perbankan syari’ah sebagai bagian dari sistem perbankan nasional mempunyai peranan penting dalam perekonomian. Fungsi perbankan syari’ah dalam aktivitas ekonomi Indonesia hampir sama dengan perbankan konvensional yaitu fungsi penghimpunan dan penyaluran dana. Perbedaan mendasar antara keduanya adalah prinsip-prinsip dalam transaksi keuangan atau operasional. Salah satu prinsip dalam operasional perbankan syari’ah adalah penerapan bagi hasil dan risiko (profit and loss sharing). Prinsip ini tidak berlaku di perbankan konvensional yang menerapkan sistem bunga. Keberadaan perbankan syari’ah diharapkan dapat mendorong perkembangan perekonomian suatu negara.
Kondisi variabel makro sangat mempengaruhi keputusan investasi yang diambil oleh investor. Ketika ada gejolak dalam kondisi moneter di mana indikator ekonomi makro menunjukkan tren turun, Keuntungan atau Profit dari sektor bisnis umumnya akan menurun. Dan tentunya kondisi ekonomi yang diharapkan membaik akan menjadi sentimen positif yang berdampak pada peningkatan keuntungan atau profit dari sektor bisnis. Kondisi ekonomi akan mempengaruhi kondisi pasar, dimana kondisi pasar juga akan mempengaruhi keuntungan yang diperoleh investor. Selain mempengaruhi investor, kondisi ekonomi juga akan mempengaruhi Kinerja Sektor Perbankan. Salah satu indikator kinerja sektor perbankan adalah Pertumbuhan Pembiayaan. Instrumen investasi dalam perbankan syariah juga terkait erat dengan pertumbuhan pembiayaan. Meningkatnya kualitas pembiayaan, tentu saja, akan meningkatkan jumlah pendapatan Margin dan bagi hasil yang diperoleh oleh perbankan syariah. Salah satu prioritas pembiayaan dan dominan dalam pembiayaan di perbankan syariah adalah Pembiayaan sektor UKM (Usaha Kecil dan Menengah).
Terdapat beberapa penelitian yang telah dilakukansebelumnya. Ibrahim dan Sufian (2014) menganalisa keterkaitan antara pembiayaan perbankan Islam dan variabel ekonomi keuangan utama termasuk output riil, tingkat harga, suku bunga dan harga saham untuk kasus di Malaysia. Dengan menggunakan SVAR ditemukan bahwa inovasi dalam output riil direspon positif oleh pembiayaan perbankan syariah. Temuan yang paling menarik adalah bahwa suku bunga positif mempengaruhi secara negative terhadap pembiayaan perbankan syariah. Ini bertentangan dengan argumen bahwa pembiayaan perbankan syariah selalu terlindung dari pengaruh fluktuasi suku bunga. Demikian pula, Ibrahim dan Sukmana (2011) menganalisis interaksi dinamis antara pembiayaan perbankan syariah dan variabel ekonomi makro di Malaysia
dengan menggunakan uji kausalitas Toda-Yamamoto. Hasil penelitian menunjukkan bahwa suku bunga memiliki pengaruh kuat yang signifikan terhadap pembiayaan perbankan syariah tetapi pengaruh tidak signifikan terhadap produksi riil.
Abdul Kader & Leong (2009) melakukan penelitian tentang dampak perubahan suku bunga terhadap pembiayaan syariah di Malaysia. Dengan rentang waktu data bulanan yang dari tahun 1999 hingga 2007, penelitian ini menggunakan analisa dengan uji unit root, kointegrasi, VAR, Granger Causality dan Impulse Response Function (IRF). Secara keseluruhan, hasilnya menunjukkan bahwa suku bunga secara positif terkait dengan pembiayaan syariah tetapi secara negatif terkait dengan pinjaman konvensional.
Ali Sakti (2018) menganalisis rasio Giro wajib Minimum (GWM) dan capital buffer terhadap pertumbuhan kredit dengan menggunakan Vector Error Correction Model (VECM). Hasil penelitian ini menemukan bahwa kebijakan makro-prudential berdasarkan instrumen GWM secara positif mempengaruhi pertumbuhan kredit bank konvensional dan syariah. dan pertumbuhan kredit bank syariah dan konvensional dipengaruhi secara positif oleh PDB dan dipengaruhi secara negatif oleh BI Rate dan inflasi.
Mansor (2016), menganalisis keterkaitan antara pinjaman bank, kondisi ekonomi makro dan ketidakpastian keuangan untuk ekonomi yang sedang berkembang, Malaysia. Mengadopsi teknik deret waktu kointegrasi, kausalitas, dan autoregresi vektor (VAR), Studi ini menunjukkan bahwa pinjaman bank dipengaruhi secara positif oleh output riil tetapi tidak ditemukan pengaruh Kredit bank terhadap aktivitas ekonomi riil. dan bahwa fluktuasi nilai tukar tidak berdampak pada kredit bank dan nilai tukar mempengaruhi kredit bank melalui pengaruhnya terhadap output riil dan harga saham.
Pertumbuhan pembiayaan pada Bank Syariah dalam hal ini pembiayaan UKM tergantung pada berbagai faktor eksternal. faktor eksternal adalah faktor di luar kebijakan internal perbankan syariah, yang terdiri dari variabel ekonomi makro, variabel moneter, atau peraturan pemerintah atau Bank Indonesia di suatu negara. Variabel makro yang mempengaruhi Pembiayaan di Bank Syariah terdiri dari BI Rate, nilai tukar mata uang asing dan PDB.
Pengembangan aset perbankan syariah pada periode 2014 hingga 2018 seperti ditunjukkan pada Gambar 1 memiliki kecenderungan meningkat. Jumlah aset perbankan syariah (BUS dan UUS) hingga Desember 2018 mencapai Rp. 477.327 triliun. Dan ada pertumbuhan aset yang signifikan jika kita membandingkannya dengan Aset Perbankan Syariah di tahun sebelumnya.
Gambar 1. Pertumbuhan Aset Perbankan Syariah (Rp. Juta)
Pertumbuhan Pembiayaan Perbankan Syariah, berdasarkan statistik dari Biro Perbankan Syariah Bank Indonesia, dapat dilihat bahwa pertumbuhan pembiayaan perbankan syariah telah meningkat pesat, kita dapat melihat bahwa pada bulan Desember 2014, Jumlah outstanding Pembiayaan Perbankan Syariah adalah Rp 199,33 triliun, sedangkan untuk Desember 2018 adalah 320.193 triliun. perbankan UKM pembiayaan sektor syariah per Desember 2014 Rp. 59,805 triliun, sementara pada Desember 2018 tumbuh menjadi Rp62,559 triliun, berdasarkan komposisi skema perbankan syariah, Skema Modal Kerja memiliki porsi terbesar dibandingkan Skema Investasi untuk pembiayaan sektor UKM.
Gambar 2. Pertumbuhan Outstanding Pembiayaan Perbankan Syariah
METODE PENELITIAN 0 100000 200000 300000 400000 500000 600000 2014 2015 2016 2017 2018 0 50.000 100.000 150.000 200.000 250.000 300.000 350.000 2014 2015 2016 2017 2018 Financing outstanding SME outstanding Financing
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data Time Series, yang terdiri dari Variabel Makroekonomi dan Pertumbuhan Pembiayaan UKM Perbankan Syariah. Data yang digunakan adalah total pembiayaan UKM oleh bank syariah, BI Rate atau Sertifikat suku bunga Bank Indonesia (SBI) yang mencerminkan suku bunga, dan PDB (Produk Domestik Bruto). Data diperoleh dari Bank Indonesia dan Otoritas Jasa Keuangan (OJK), Analisis ini juga didukung oleh studi literatur dari berbagai jurnal, artikel dan literatur lain yang terkait dengan penelitian ini.
Penelitian ini menggunakan Vector Auto Regression Model (VAR) dalam menganalisis data atau variabel yang ada. Menurut Gujarati (2004) ada beberapa keuntungan menggunakan VAR dibandingkan dengan metode lain, yang lebih sederhana karena tidak perlu memisahkan variabel lain, estimasi ini sederhana karena menggunakan metode OLS (Ordinary Least Square) biasa, dan hasil estimasi lebih baik daripada metode lain yang lebih rumit.
Penelitian ini menggunakan Vector Auto Regression Model (VAR) dalam menganalisis data atau variabel-variabel yang ada. Menurut Gujarati (2004) ada beberapa keuntungan menggunakan VAR dibandingkan metode lainnya, yaitu lebih sederhana karena tida perlu memisahkan variable lainnya, estimasi sederhana karena menggunakan metode OLS (Ordinary Least Square) biasa, dan hasil estimasinya lebih baik dibandingkan metode lain yang lebih rumit.
Tahapan-tahapan yang harus dilakukan terlebih dahulu dalam analisis model Vector Auto Regression (VAR), yaitu antara lain Uji Stasioneritas Data , Data ekonomi deret waktu (time series) pada umumnya memeliki trend yang tidak stasioner atau data tersebut memiliki akar unit (bersifat stokastik). Ketika suatu data memiliki akar unit, maka nilai dari data tersebut akan cenderung berfluktuatif tidak pada nilai rata-ratanya, sehingga dapat menyulitkan dalam mengestimasi suatu model. Uji stasioner yang akan digunakan adalah uji Augmenter Dickey Fuller (Gujarati, 1995:718) dengan menggunakan taraf nyata sebesar 5%. Uji akar ini dikembangkan oleh Dickey dan Fuller, dengan menggunakan Augmendted Dickey Fuller Test.
Panjang suatu lag yang digunakan pada estimasi VAR adalah sangat peka. Dalam penetuan panjang lag yang akan digunakan dalam model VAR ditentukan atas dasar pada kriteria Akaike Information Criterion (AIC), Schwarz Information Criterion (SC), ataupun Hannan Quinnon (HQ). Untuk menghilangkan masalah autokorelasi dalam sistem VAR, pengujian panjang lag optimal ini sangat berguna, sehingga diharapkan dengan menggunakan lag optimal tidak akan lagi muncul masalah autokorelasi. Sebelum melakukan analisis lebih jauh perlu adanya pengujian pada stabilitas VAR. Hal ini dikarenakan jika hasil estimasi pada VAR yang akan dikombinasikan dengan model koreksi kesalahan mengalami ketidaksatbilan, maka Impluse Response Function (IRF) dan Varian Decomposition (VD) menjadi tidak valid.
Untuk mengetahui apakah suatu variabel endogen dapat diperlakukan sebagai variabel eksogen, maka uji kausalitas granger perlu dilakukan. Hal ini berawal dari ketidaktahuan adanya pengaruh diantara variabel yang ada. Jika terdapat dua variabel y dan z, maka apakah y menyebabkan z, atau z yang menyebabkan, atau mungkin akan berlaku keduanya, atau tidak ada hubungan diantara keduanya. Dalam hal ini variabel y yang menyebabkan variabel z berarti ada
berapa banyak nilai z pada periode sekarang yang dapat dijelaskan oleh nilai z dari periode sebelumnya dan nilai y periode sebelumnya.
Engle-Granger menyatakan bahwa keberadaan dari suatu variabel yang non-stasioner akan menyebabkan kemungkinan besar adanya hubungan jangka panjang diantara variabel dalam sistem. Uji ini dilakukan untuk mengetahui adanya hubungan dalam jangka panjang antar variabel. Apabila terdapat kointegrasi dari variabel-variabel dalam model, maka akan dapat dipastikan adanya hubungan jangka panjang diantara variabel. Metode yang dapat digunakan untuk menguji keberadaan kointegrasi ini yaitu metode Johansen Cointegration.
Metode error correction dilakukan jika telah diketaui bahwa terdapat kointegrasi. Apabila ada perbedaan dalam uji derajat integrasi antar variabel, maka pengujian akan dilakukan secara jointly (bersamaan) antar persamaan error correction dengan persamaan jangka panjang. Kemudian setelah itu maka akan diketahui bahwa dalam variabel terjadi kointegrasi. Lee dan Granger menyebutkan perbedaan derajat integrase untuk variabel yang terkointegrasi sebagai multicointegration. Namun, apabila tidak ditemui fenomena kointegrasi, maka pengujian akan dilanjutkan dengan menggunakan variabel first difference.
Vector Error Correction Model (VECM) adalah bentuk dari Vector Autoregrresive (VAR) yang terestriksi karena keberadaan bentuk data yang tidak stasioner namun terkointegrasi. VECM sering juga disebut dengan desain VAR bagi series non stasioner yang memiliki hubungan kointegrasi. Sepesifikasi dalam model VECM ini merestriksi hubungan jangka panjang dari variabel endogen yang ada agar konvergen kedalam hubungan kointegrasinya, namun tetap dengan membiarkan adanya keberadaan dinamis jangka pendek.
Analisis Impluse Response Function (IRF) merupakan suatu metode yang digunakan dalam penentuan respon dari suatu variabel endogen terhadap adanya guncangan (shock) variabel tertentu. Analisis IRF ini juga digunakan dalam melihat guncangan dari satu variabel lain, dan berapa lama pengaruh tersebut terjadi. Melalui analisis IRF respon dari sebuah perubahan independen sebesar satu standar deviasi dapat ditinjau. Analisis IRF juga dapat menelusuri dampak gangguan sebesar satu standar kesalahan, sebagai bentuk inovasi pada variabel endogen terhadap variabel endogen lainnya. Suatu inovasi yang ada pada satu variabel, secara langsung akan memberikan dampak pada variabel yang bersangkutan, selanjutnya ke semua variabel endogen lainnya melalui struktur dinamik dari VAR.
Forecast Error Varian Decomposition (FEVD) atau dekomposisi ragam kesalahan peramalan menguraikan inovasi pada suatu variabel terhadap komponen-komponen variabel yang lain dalam VAR. Informasi yang terdapat dalam FEVD ini merupakan proporsi dari pergerakan secara berurutan yang diakibatkan dari guncangan sendiri dan variabel lain.
Dalam penelitian ini kita akan melihat hubungan antara total pembiayaan UKM perbankan syariah dengan variabel ekonomi makro dengan menggunakan variabel-variabel seperti total outstanding pembiayaan UKM pada Perbankan Syariah di Indonesia, PDB, Exhange Rate, dan BI rate. dengan menggunakan spesifikasi Model dapat ditulis sebagai berikut :
𝑆𝑀𝐸𝐹𝑡 = 𝛽1 + 𝛽2𝐺𝐷𝑃𝑡 + 𝛽3 𝐵𝐼𝑅𝐴𝑇𝐸𝑡 + 𝛽4𝐾𝑈𝑅𝑆𝑡 + 𝜀𝑡 Dimana :
SMEF : Total Outstanding Pembiayaan UKM (Perbankan Syariah di Indonesia) GDP : PDB (Produk Domestik Bruto)
BIRATE : Rate Sertifikat Bank Indonesia 3 Bulan KURS : Nilai Tukar Rupiah terhadap Dollar
HASIL DAN PEMBAHASAN
Pengujian terhadap stasioneritas data dari masing-masing variabel perlu dilakukan terlebih dahulu, Uji stasionaritas dilakukan pada variabel dependen maupun independent. Dalam persamaan regresi variabel-variabel yang digunakan adalah tidak stasioner, dan berdampak pada apa yang disebut dengan spurious regression atau regresi lancung. Uji Augmented Dickey Fuller (ADF) digunakan untuk mendeteksi stasioner atau tidaknya data dari masing-masing variabel yang dipakai dalam penelitian, dengan menggunakan model intercept. Berikut tabel yang menunjukan uji stasioner ADF dari masing-masing variabel :
Tabel 1
Hasil Uji ADF Menggunakan Intercept pada Tingkat Level Variabel ADF t-Statstik Mc Kinnon
Critical Value 5 Persen
Prob Keterangan
SMEF -0.789650 -2.9256 0.4341 Tidak Stasioner
GDP 1.252461 -2.9256 0.2172 Tidak Stasioner
KURS -1.673791 -2.9256 0.1014 Tidak Stasioner
BIRATE -1.420551 -2.9256 0.1627 Tidak Stasioner
Dari tabel 1 dapat diketahui bahwa enam variabel yang digunakan dalam penelitian ini, yaitu SMEF (outstanding Pembiayaan SME Bank Syariah), GDP (Produk Domestic Bruto), KURS (nilai tukar rupiah terhadap dolar), dan BIRATE (Rate SBI 3 Bulan). empat variabel tersebut dinyatakan tidak lolos uji stasioner pada tingkat level, oleh karena pada pengujian ADF model intercept tidak adayang memenuhi persyaratan stasioner pada tingkat level.
Tabel 2
Hasil Uji ADF Menggunakan Intercept pada Tingkat First Difference Variabel ADF t-Statstik Mc Kinnon
Critical Value 5 Persen Prob Keterangan SMEF -6.139878 -2.9271 0.0000 Stasioner GDP -5.875747 -2.9271 0.0000 Stasioner KURS -5.275437 -2.9271 0.0000 Stasioner BIRATE -2.972263 -2.9271 0.0049 Stasioner
Dari pengujian diatas semua variabel yang dipakai dalam penelitian ini telah memenuhi persyaratan stasioneritas data uji ADF, yang dimana nilai ADF t-Statistik adalah lebih kecil dibandingkan nilai Mc Kinnon Critical Value 5 persen pada tingkat fisrt difference. Oleh karena
semua variabel telah dinyatakan lolos uji stasioner pada tingkat first difference, maka dapat dilakukan langkah selanjutnya dalam estimasi VAR, yaitu penentuan panjang lag optimal.
Penentuan panjang lag digunakan untuk mengetahui pengaruh waktu yang dibutuhkan dari setiap variabel terhadap variabel masa lalunya. Panjang lag pada data yang digunakan akan sangat mempengaruhi estimasi VAR. Penentuan panjang lag optimal akan dicari dengan menggunakan kriteria informasi yang ada.Kandidat lag yang terpilih adalah panjang lag menurut kriteria Likehood Ratio (LR), Final Prediction Error (FPE), Akaike Information Crition (AIC), Schwarz Information Crition (SC), dan Hannan-Quin Crition (HQ). Panjang lag yang digunakan dalam penelitian ini adalah mulai dari 0 sampai dengan lag 2. Hal ini dikarenakan data yang dipakai dalam penelitian ini adalah data bulanan (monthly) selama 5 tahun. Panjang lag tersebut dirasa cukup untuk menggambarkan kointegrasi dari Variabel SMEF dan variabel makro ekonomi (GDP, BIRATE dan KURS) selama kurun waktu Januari 2014 hingga Desember 2018.
Sebelum masuk pada tahapan analisis yang lebih jauh, hasil estimasi sistem persamaan VAR yang telah terbentuk perlu diuji stabilitasnya melalui VAR stability condition check yang berupa roots of characteristic polynomial terhadap seluruh variabel yang digunakan dikalikan jumlah lag dari masing-masing VAR. Stabilitas VAR perlu diuji karena jika hasil estimasi stabilitas VAR tidak stabil maka analisis IRF dan FEVD menjadi tidak valid. Berdasarkan hasil pengujian tersebut, suatu sistem VAR dikatakan stabil jika seluruh akar atau roots-nya memiliki modulus lebih kecil dari satu. Pada penelitian ini, berdasarkan uji stabilitas VAR dapat disimpulkan bahwa estimasi stabilitas VAR yang akan digunakan untuk analisis IRF dan FEVD telah stabil karena kisaran modulus < 1.
Tahap keempat yang harus dilalui dalam estimasi VECM adalah pengujian kointegrasi. Pengujian kointegrasi ini bertujuan untuk mengetahui hubungan dalam jangka panjang dari masing-masing variabel. Hal ini dikarenakan syarat dari estimasi VECM yaitu terdapat hubungan kointegrasi didalamnya. Jika tidak terdapat hubungan kointegrasi, maka estimasi VECM tidak dapat digunakan, melainkan harus menggunakan model Vector Autoregression (VAR).
Tabel 3
Hasil Uji Kointegrasi (Johansen’s Cointegration Test) Unresticted Cointegration Rank Test (Trace) Hypothesized
No. of CE(s)
Eigenvalue Trace Statistic 0.05 Critical Value None* 0.377390 47.14182 47.21 At most 1* 0.340079 25.81923 29.68 At most 2* 0.128701 7.115628 15.41 At most 3 0.020149 0.915955 3.76
Berdasarkan tabel 3 dapat terlihat bahwa taraf uji 5 persen (0.05) terdapat tiga rank variabel yang memiliki hubungan kointegrasi. Hal ini dapat terbukti dari masing-masing nilai
Trace Statistic 47.14182, 84.48733, 51.73459 dan 0.915955 adalah lebih kecil dibandingkan dengan Critical Value 0,05 yaitu 47.21, 29.68, 29.68, dan 3.76. Dengan demikian variabel-variabel yang digunakan dalam penelitian ini tidak memiliki hubungan dalam jangka panjang (kointegrasi) antara satu dengan yang lainnya, atau dengan kata lain H0 diterima dan H1 ditolak. Oleh karena itu metoda VAR dalam penelitian ini dapat digunakan, dan dilanjutkan ke tahap selanjutnya yaitu uji kausalitas granger.
Untuk mengetahui hubungan sebab akibat dari setiap variabel independen terhadap variabel dependen, maka perlu melakukan uji kausalitas granger (Granger Causality Test). Pada penelitian ini, uji kausalitas lebih ditunjukan terhadap faktor-faktor yang menyebabkan terjadinya kointegrasi dan pengaruh variabel makro ekonomi terhadap Pertumbuhan outstanding Pembiayaan SME perbankan syariah di Indonesia, serta variabel makro ekonomi terpilih yaitu nilai tukar rupiah terhadap dolar (KURS), Produk Domestik Bruto (PDB) dan BI Rate.
Tarif uji yang digunakan dalam uji kausalitas granger ini adalah dengan tingkat kepercayaan sebesar 0,05 (5 persen), dan panjang lag sampai pada lag 2, berdasarkan pada pengujian panjang lag optimal yang telah dilakukan pada tahap sebelumnya. Berikut tabel 6 yang menunjukan hasil uji kausalitas granger:
Tabel 4
Uji Kausalitas Granger (Granger Causality Test)
Berdasarkan tabel 4 diatas, dapat dijelaskan bahwa yang memiliki hubungan kausalitas adalah variabel dengan nilai probabilitas lebih kecil dari ɑ 0,05. Pada tabel 4, diketahui secara statistik variabel KURS tidak berpengaruh secara signifikan terhadap SMEF, dengan nilai probabilitas 0.38471 > 0,05 yang artinya menerima H0 dan menolak H1, atau dapat dikatakan tidak terdapat hubungan kausalitas diantara variabel KURS dan SMEF. Kemudian diketahui bahwa SMEF secara signifikan mempengaruhi KURS dengan nilai probabilitas 0.002151 < 0,05,
HO Lag 2
F-Stat Prob
KURS does not Granger Cause SMEF SMEF does not Granger Cause KURS
0.97788 4.22223
0.38471 0.02151 GDP does not Granger Cause SMEF
SMEF does not Granger Cause GDP
6.19727 0.03001
0.00445 0.97046 BIRATE does not Granger Cause SMEF
SMEF does not Granger Cause BIRATE
3.33892 1.05715
0.04535 0.35672 GDP does not Granger Cause KURS
KURS does not Granger Cause GDP
0.66897 0.73079
0.51774 0.48769 BIRATE does not Granger Cause KURS
KURS does not Granger Cause BIRATE
3.11524 1.77020
0.05502 0.18307 BIRATE does not Granger Cause GDP
GDP does not Granger Cause BIRATE
0.63127 0.45674
0.53700 0.63653
sehingga dalam hal ini H0 ditolak dan H1 diterima, atau dengan kata lain adanya hubungan kausalitas antara SMEF dan KURS. Dengan demikian dapat disimpulkan bahwa hanya terdapat hubungan satu arah, yaitu antara variabel SMEF yang mempengaruhi variabel KURS, dan tidak berlaku sebaliknya.
Hal yang berbeda ditunjukan oleh variabel GDP yang secara statistik berpengaruh signifikan terhadap variabel SMEF, dengan probabilitas 0.00455 < 0,05, yang artinya menolak H0 dan menerima H1, sehingga dapat dikatakan bahwa terdapat hubungan kausalitas diantara keduanya. Signifikannya variabel GDP terhadap SMEF, menunjukan bahwa variabel GDP mampu menjadi leading indicator bagi SMEF. Untuk pengaruh variabel SMEF terhadap variabel GDP tidak berpengaruh secara signifikan, dengan nilai probabilitas 0.97046 > 0,05, yang artinya menerima H0 dan menolak H1. Dengan demikian dapat disimpulkan bahwa, hanya terdapat hubungan satu arah yaitu variable GDP yang berpengaruh terhadap variable SMEF dan tidak berlaku sebaliknya.
Variabel BIRATE yang secara statistik berpengaruh signifikan terhadap variabel SMEF, dengan probabilitas 0.51774 < 0,05, yang artinya menolak H0 dan menerima H1, sehingga dapat dikatakan bahwa terdapat hubungan kausalitas diantara keduanya. Signifikannya variabel BIRATE terhadap SMEF, menunjukan bahwa variabel BIRATE mampu menjadi leading indicator bagi SMEF. Untuk pengaruh variabel SMEF terhadap variabel BIRATE tidak berpengaruh secara signifikan, dengan nilai probabilitas 0.35672 > 0,05, yang artinya menerima H0 dan menolak H1. Dengan demikian dapat disimpulkan bahwa, hanya terdapat hubungan satu arah yaitu variable BIRATE yang berpengaruh terhadap variable SMEF dan tidak berlaku sebaliknya..
Variabel GDP yang secara statistik tidak berpengaruh signifikan terhadap variabel KURS, dengan probabilitas 0.004535 > 0,05, yang artinya menolak H0 dan menerima H1, sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas diantara keduanya.. Untuk pengaruh variabel KURS terhadap variabel GDP tidak berpengaruh secara signifikan, dengan nilai probabilitas 0.48769 > 0,05, yang artinya menerima H0 dan menolak H1. sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas diantara Variabel GDP dan KURS.
Variabel BIRATE yang secara statistik tidak berpengaruh signifikan terhadap variabel KURS, dengan probabilitas 0.05502 > 0,05, yang artinya menolak H0 dan menerima H1, sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas diantara keduanya.. Untuk pengaruh variabel KURS terhadap variabel BIRATE tidak berpengaruh secara signifikan, dengan nilai probabilitas 0.18307 > 0,05, yang artinya menerima H0 dan menolak H1. sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas antara Variabel BIRATE dan KURS.
Variabel BIRATE yang secara statistik tidak berpengaruh signifikan terhadap variabel GDP, dengan probabilitas 0.53700 > 0,05, yang artinya menolak H0 dan menerima H81, sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas diantara keduanya.. Untuk pengaruh variabel GDP terhadap variabel BIRATE tidak berpengaruh secara signifikan, dengan nilai probabilitas 0.63653 > 0,05, yang artinya menerima H0 dan menolak H1. sehingga dapat dikatakan bahwa tidak terdapat hubungan kausalitas antara Variabel BIRATE dan KURS.
Berdasarkan tabel 5, dapat dijelaskan bahwa mereka yang memiliki Pengaruh Signifikan terhadap Variabel SMEF adalah variabel dengan nilai probabilitas lebih kecil dari ɑ 0,05 atau dapat ditemukan dengan membandingkan nilai hasil estimasi t-statistik dengan nilai t-tabel . Jika nilai t-statistik lebih besar dari nilai t-tabel, dapat dikatakan bahwa variabel eksogen mempengaruhi variabel endogen. Dari Tabel 4, semua variabel eksogen tidak signifikan mempengaruhi variabel SMEF, yang berarti menerima H0 dan menolak H1. Karena bentuk parameter estimasi pada model VAR dan VECM seringkali sulit diinterpretasikan, maka dilakukan analisa impulse response (IRF) dan Varians Decomposition (VD) untuk menganalisis kejutan dan respons di antara variabel (Gujarati, 2004).
Table 5. Hasil VAR Autoregression Variable coefficient t-statistic
D(SMEF)(-1)) -0.220991 -1.30803 D(SMEF)(-2)) -0.185489 -1.22565 D(KURS)(-1)) -0.567854 -0.46941 D(KURS)(-2)) -2.280815 -1.73440 D(GDP)(-1)) 0.027443 0.05523 D(GDP)(-2)) -0.092514 -0.05523 D(BIRATE)(-1)) -855.4033 -0.63848 D(BIRATE)(-2)) 224.0583 0.15861 Sumber : Data diolah
Analisis IRF akan menjelaskan dampak dari guncangan (shock) pada satu variabel terhadap variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi dapat menganalisis untuk beberapa horizon kedepan sebagai infomasi jangka panjang. Pada analisis ini dapat melihat respon dinamika jangka panjang setiap variabel apabila ada shock tertentu sebesar satu standar eror pada setiap persamaan. Analisis impulse response function juga berfungsi untuk melihat berapa lama pengaruh tersebut terjadi. Sumbu horisontal merupakan periode dalam tahun, sedangkan sumbu vertikal menunjukkan nilai respon dalam persentase.
Adanya perubahan variabel SMEF dalam merespon adanya shock variabel KURS, GDP dan BIRATE. Pada awal periode, adanya shock pada KURS, direspons negatif oleh SMEF hingga periode ke2, yaitu mencapai titik tertinggi. Setelah periode ke-3 kemudian mulai bergerak naik hingga periode ke-6 dan bergerak menghimpit titik keseimbangan. Kemudian adanya Shock variabel GDP, awalnya tidak direspon, namun kemudian direspon positif di periode ke 5 dan sedikit direspon negatif pada periode 6, dan bergerak stabil menghimpit titik keseimbangan. Kemudian adanya Shock variabel BIRATE, awalnya direspon negatif di periode ke 2 dan 4 dan kemudian bergerak stabil menghimpit titik keseimbangan.
Adanya perubahan variabel KURS dalam merespon adanya shock variabel SMEF, GDP dan BIRATE. Pada awal periode, adanya shock pada SMEF, direspons negatif oleh Variabel KURS, kemudian bergerak positif mulai periode 3, kemudian bergerak stabil menghimpit titik keseimbangan. Kemudian adanya Shock variabel GDP, awalnya direspon positif di periode ke 2 dan kemudan direspon negatif pada periode 4, dan kemudian bergerak stabil menghimpit titik keseimbangan. Kemudian adanya Shock variabel BIRATE, awalnya direspon positif di periode ke 2 dan kemudian direspon positif pada periode-3 dan kemudian bergerak stabil menghimpit titik keseimbangan.
Adanya perubahan variabel GDP dalam merespon adanya shock variabel SMEF, GDP dan BIRATE. Pada awal periode, adanya shock pada SMEF, direspons positif oleh Variabel GDP pada periode 1, kemudian bergerak negatif mulai periode 3, kemudian bergerak stabil mulai periode 5 dan menghimpit titik keseimbangan. Kemudian adanya Shock variabel KURS, direspons positif oleh Variabel GDP pada periode 1, kemudian bergerak negatif mulai periode 3, kemudian bergerak stabil dan positif mulai periode 5 dan menghimpit titik keseimbangan. Kemudian adanya Shock variabel BIRATE, awalnya direspon positif di periode ke 2 dan
kemudian direspon negatif pada periode-2 dan kemudian bergerak stabil mulai periode 3 menghimpit titik keseimbangan.
Adanya perubahan variabel BIRATE dalam merespon adanya shock variabel SMEF, GDP dan BIRATE. Pada awal periode, adanya shock pada SMEF, direspons positif oleh Variabel BIRATE pada periode 1, kemudian bergerak negatif mulai periode 3, kemudian bergerak stabil mulai periode 5 dan menghimpit titik keseimbangan. Kemudian adanya Shock variabel KURS, awalnya direspon positif sampai dengan periode 3 dan kemudian bergerak stabil mulai periode ke 7 menghimpit titik keseimbangan. Kemudian adanya Shock variabel GDP, hanya sedikit mengalaimi perubahan positif, kemudian bergerak stabil mulai periode 6 menghimpit titik keseimbangan.
Sumber : Data diolah
Sumber : Data diolah
Tabel 6. Variance Decomposition of D(SMEF)
Period S.E. D(SMEF) D(KURS) D(GDP) D(BIRATE)
1 1880.480 100.0000 0.000000 0.000000 0.000000 2 1934.245 98.30102 0.813558 0.007182 0.878239 3 1995.650 92.35325 6.700803 0.114222 0.831727 4 2030.347 90.69135 7.659497 0.142506 1.506648 5 2041.679 90.16915 7.593215 0.597797 1.639835 6 2053.441 89.15313 8.143247 1.082303 1.621315 7 2057.733 88.82903 8.311426 1.173471 1.741967 8 2059.294 88.73686 8.298864 1.255912 1.790806 9 2060.819 88.61225 8.342456 1.255912 1.789360 10 2061.376 8.56545 8.366817 1.268159 1.799573
Tabel 7. Variance Decomposition of D (KURS)
Period S.E. D(SMEF) D(KURS) D(GDP) D(BIRATE)
1 253.0227 15.64910 84.35090 0.000000 0.000000 2 279.7347 20.08712 73.42472 0.201219 6.286942 3 292.7742 21.14685 67.04648 5.419478 6.387191 4 301.7990 20.28639 65.62645 8.072008 6.015152 5 304.9652 19.96659 65.27802 8.188459 6.566924 6 306.0732 20.02523 64.82501 8.339004 6.810758 7 307.1114 19.94636 64.82501 8.676762 6.783765 8 307.5374 19.89208 64.59311 8.739820 6.804870 9 307.6504 19.89275 64.52947 8.728934 6.838847 10 307.7504 19.88795 64.49818 8.773075 6.840794
Tabel 8. Variance Decomposition of D (GDP)
Period S.E. D(SMEF) D(KURS) D(GDP) D(BIRATE)
1 694.0441 2.812928 1.410115 95.77696 0.000000
Sumber : Data diolah
Sumber : Data diolah
Analisis VDC (Varian Decomposition) bertujuan untuk mengukur besarnya komposisi atau kontribusi pengaruh variabel independen terhadap variable dependennya. Dalam penelitian ini analisis VDC difokuskan untuk melihat pengaruh variabel independent (KURS, GDP dan BIRATE) terhadap variabel dependennya (SMEF). Data yang digunakan dalam penelitian ini adalah data bulanan yang diambil dari Januari 2014 hingga Desember 2018. Periode tersebut dirasa cukup menjelaskan kontribusi variabel KURS, GDP dan BIRATE terhadap SMEF.
Berikut hasil analisis VCD ditunjukkan oleh tabel 6 dapat dijelaskan bahwa pada periode pertama SMEF sangat dipengaruhi oleh shock SMEF itu sendiri sebesar 100 persen. Sementara itu pada periode pertama variabel KURS, GDP dan BIRATE belum memberikan pengaruh terhadap SMEF. Selanjutnya, pada periode ke-2 variabel KURS memberikan kontribusi shock sebesar 0.813558 %, dan selalu mengalami kenaikan sampai pada periode ke-10 yaitu menjadi 8.366817 %.. Kenaikan yang cukup signifikan dari variabel SMEF terlihat dari setiap periodenya. Pada periode ke-2 shock yang diberikan dari variabel GDP yaitu sebesar 0.007182 %, dan terus
3 780.9216 2.930693 2.246496 89.52246 5.300354 4 785.6142 3.069741 2.905376 88.64509 5.379789 5 785.8184 3.089245 2.923512 88.59984 5.404.365 6 786.1221 3.088596 2.942400 88.58770 5.400196 7 786.2824 3.089778 2.942400 88.56795 5.399872 8 786.3174 3.091081 2.942281 88.56041 5.406224 9 786.3466 3.090881 2.944682 88.55853 5.405911 10 786.3597 3.090841 2.946700 88.55651 5.405951
Tabel 9. Variance Decomposition of D(BIRATE)
Period S.E. D(SMEF) D(KURS) D(GDP) D(BIRATE)
1 0.219624 1.211342 5.677993 0.014322 93.09634 2 0.228741 2.020121 8.161192 0.644715 89.17397 3 0.244997 3.180168 13.59444 0.691370 82.53402 4 0.248064 3.327837 13.26037 0.843436 82.56836 5 0.249358 3.321902 13.87290 0.984947 81.82025 6 0.250341 3.431783 14.02292 1.105630 81.43967 7 0.250614 3.426793 14.00174 1.202539 81.36953 8 0.250691 3.425449 14.05318 1.201902 81.31947 9 0.250763 3.422634 14.05552 1.212395 81.29845 10 0.250787 3.433048 14.05576 1.225287 81.28590
mengalami kenaikan hingga periode 10 sebesar 1.268159 %, kenaikannya tidak cukup signifikan. Pada periode ke-2 shock yang diberikan dari variabel BIRATE yaitu sebesar 0.878239 %, dan terus mengalami kenaikan hingga periode 10 sebesar 1.799573 %, kenaikannya tidak cukup signifikan.
PENUTUP
Simpulan
Di dalam penelitian ini, hasilnya menunjukan bahwa Variabel KURS (Nilai Tukar Rupiah terhadap Dollar) memiliki pengaruh negatif dan signifikan terhadap variabel SMEF (outstanding pembiayaan UKM Perbankan Syariah) sebagai Shock Absorber dalam jangka pendek dan panjang. Dan hasil lainnya adalah terdapat hubungan kausal antara Variabel SMEF (outstanding pembiayaan UKM Perbankan Syariah) dan Variabel KURS (Nilai Tukar Rupiah terhadap Dollar), tetapi tidak berlaku sebaliknya, tidak ada hubungan kausal antara Variabel KURS (Nilai Tukar Rupiah terhadap Dollar) dengan Variabel SMEF (outstanding pembiayaan UKM Perbankan Syariah). Variabel PDB (Produk Domestik Bruto) dalam jangka pendek tidak mempengaruhi variabel SMEF (outstanding pembiayaan UKM Perbankan Syariah) sebagai Shock Absorber di dalam waktu jangka pendek. Dan ada hubungan kausal antara variabel PDB (Produk Domestik Bruto) dengan variabel SMEF SMEF (outstanding pembiayaan UKM Perbankan Syariah), tetapi tidak berlaku sebaliknya, yaitu tidak ada hubungan kausal antara variabel SMEF SMEF (outstanding pembiayaan UKM Perbankan Syariah) dan variabel PDB (Produk Domestik Bruto). Variabel BIRATE (Rate Sertikat BI jangka waktu 3 Bulan) dalam jangka pendek tidak mempengaruhi pergerakan variabel SMEF (outstanding pembiayaan UKM Perbankan Syariah). ada hubungan sebab akibat antara BIRATE (Rate Sertikat BI jangka waktu 3 Bulan) ke SMEF SMEF (outstanding pembiayaan UKM Perbankan Syariah) tetapi tidak berlaku sebaliknya, tidak ada hubungan sebab akibat antara Variabel SMEF SMEF (outstanding pembiayaan UKM Perbankan Syariah) dengan variabel BIRATE (Rate Sertikat BI jangka waktu 3 Bulan).
DAFTAR PUSTAKA
Abduh, M. and Chowdhury, N. T. (2012). Does Islamic Banking Matter for Economic Growth in Bangladesh? Journal of Islamic Economics, Banking and Finance, Vol. 8(3): 104–113. Abduh, M. and Omar, M. A. (2012). Islamic Banking and Economic Growth : The Indonesian
Experience, International Journal of Islamic and Middle Eastern Finance and Management, Vol. 5(1): 35–47.
Abduh, M. Omar, M. A. and Duasa, J. (2011). The Impact of Crisis and Macroeconomic Variables towards Islamic Banking Deposits Department of Business Administration Department of Economics, Kulliyah of Economics and Management Sciences , International Islamic University , Malaysia. Vol. 8(12): 1413–1418.
Abdul Kader, R. and Leong, Y. K. (2009). The Impact of Interest Rate Changes on Islamic Bank Financing. International Review of Business Research Papers, Vol. 5(3): 189–201.
Abd Karim, M., Mohd Harif A., & Adziz A. (2007), “Monetary Policy and Sectoral Bank Lending in Malaysia”, Global Economic Review, 35(3), 303-326
Abdul Kader, R., & Leong, Y. (2009), “The Impact of Interest Rate Changes on Islamic Bank Financing”, International Review of Business Research Papers, 5(3), 189-201.
Cham, T. (2018). Determinants of Islamic Banking Growth: An Empirical Analysis. International Journal of Islamic and Middle Eastern Finance and Management, IMEFM-01-2017-0023.
Darrat, A. . (2002). The Relative Efficiency of Interest-Free Monetary System: Some Empirical Evidence. Quarterly Review of Economics and Finance, Vol. 42: 747–764.
Enders, W. (1995). Applied Econometrics Time Series. Canada: John Wiley and Sons, inc. Firdaus, M. (2011). Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor: IPB Press. Furqani, H. M. R. (2009). Islamic Banking and Economic Growth: Empirical Evidence from
Malaysia. Journal of Economic Cooperation and Development, Vol. 30(2): 59–74.
Gujarati. (2004). Basics Econometrics, Fourth Edition (Fourth Edi). New York: The McGraw Hill Companies.
Ibrahim, M. and Sufian, F. (2014). A Structural VAR Analysis of Islamic Financing in Malaysia. Studies in Economics and Finance, Vol. 31(4): 371–386.
Ibrahim, M. H. and Sukmana, R. (2011). Dynamics of Islamic Financing in Malaysia: Causality and Innovation Accounting. Journal of Asia-Pacific Business, 12(1), 4–19.
IFSB. (2013). Islamic Financial Services Industry Stability Report 2013. IFSB. (2017). Islamic Financial Services Industry Stability Report 2017.
Karim, B. A. et al. (2012). The Impact of Subprime Mortgage Crisis on Islamic Banking and Islamic Stock Market. Procedia - Social and Behavioral Sciences, Vol. 65: 668–673. Kasri, R. A. and Kassim, S. H. (2009). Empirical Determinants of Saving in the Islamic Banks:
Evidence from Indonesia. Journal of King Abdulaziz University, Islamic Economics, Vol. 22(2): 181–201.
Kassim, S. and Majid, M. S. (2010). Impact of Financial Shocks on Islamic Banks Malaysian Evidence During 1997 and 2007 Financial Crises. International Journal of Islamic and Middle Eastern Finance and Management, Vol. 3(4): 291–305.
Kassim, S. (2016). Islamic Finance and Economic Growth: The Malaysian Experience. Global Finance Journal, Vol. 30: 66–76.
Kia, A. (2001). Interest-Free and Interest-Bearing Money Demand: Policy Invariance and Stability. Atlanda.
Mansor H. Ibrahim & Mohamed Eskandar Shah, “Bank lending, macroeconomic conditions and financial uncertainty: Evidence from Malaysia”, Development Finance 2 (2012) 156–164
Meera, A.K.M. and Larbani, M. (2006). Part I: Seigniorage of Fiat Money and The Maqasid Al-Shari’ah: The Unattainableness of The Maqasid. Humanomics, Vol. 22(1): 17–33.
Mohd. Yusof, R. and Bahlous, M. (2013). Islamic Banking and Economic Growth in GCC Andamp; East Asia Countries. Journal of Islamic Accounting and Business Research, Vol. 4(2): 151–172.
Mohd Yusof, R., et al. (2018). Macroeconomic Shocks, Fragility and Home Financing in Malaysia: Can Rental Index be The Answer? Journal of Islamic Accounting and Business Research, Vol. 9(1): 17–44.
OJK. (2018). Statistik Perbankan Syariah.
Rizky, M., Sakti, P., and Thas, M. (2018). The Concept and Practices of Macroprudential Policy in Indonesia : Islamic and Conventional, 10(January): 75–96.
Samad, A. (2004). The Performance of Malaysian Islamic Bank during 1984-1997: An Exploratory Study. IIUM Journal of Economics and Management, Vol. 12(2): 115–129.
Sukmana, Raditya and Salina H. Kassim. 2010, Roles of the Islamic Banks in the Monetary
Transmission Process in Malaysia., International Journal of Islamic and Middle Eastern Finance and Management, Vol. 3, No. 1
