PEMODELAN SUKU BUNGA DAN INFLASI
DENGAN PENDEKATAN THRESHOLD
VECTOR ERROR CORRECTION MODEL
PEMODELAN SUKU BUNGA DAN INFLASI
DENGAN PENDEKATAN THRESHOLD
VECTOR ERROR CORRECTION MODEL
OLEH :
HERI PURNOMO
1309201721
PEMBIMBING :
Surabaya, 30 Januari 2011
Dr. PURHADI, M.Sc
Pendahuluan
Suku bunga dan inflasi adalah indikator makro
ekonomi.
Kebijakan moneter bertujuan untuk pengendalian
inflasi
.
Perubahan stabilisasi dari jumlah uang beredar
menjadi inflation targeting framework dengan
menggunakan instrumen suku bunga.
Pendahuluan
1
2
3
Beberapa pendapat mengenai suku bunga inflasi
Anggito Abimanyu (1996),
uji kausalitas Granger
dengan kelambanan dua
dan tiga tahun
Baasir (2003), inflasi di
Indonesia disebabkan oleh
beragam faktor dan bukan
saja merupakan fenomena
jangka pendek tetapi juga
jangka panjang
Bachtiar (2005), suku bunga
bertujuan untuk menstabilkan
nilai tukar
Thursday, February 03, 2011 Seminar Tesis
Pendahuluan
Beberapa penelitian sebelumnya tentang
suku bunga dan inflasi
Peneliti
Data
Hasil
Amilia
Utomo(2006)
Suku bunga dan
inflasi
Adanya pengaruh yang
signifikan antara inflasi dan
suku bunga deposito berjangka
di Indonesia
Purnomo
(2004)
Uji kausalitas
antara suku
bunga dan inflasi
Membuktikan bahwa tingkat
bunga berpengaruh terhadap
inflasi, namun tidak sebaliknya
Ernawati dan
Llewlyn
(2007)
Suku bunga dan
laju inflasi di
Indonesia
Adanya hubungan yang searah
dan signifikan antara suku
bunga dan inflasi
Pendahuluan
Tujuan penelitian ini adalah mendapatkan model
suku bunga dan inflasi di Indonesia dengan
Tujuan
suku bunga dan inflasi di Indonesia dengan
pendekatan Threshold Vector Error Correction
Model
Batasan
Penelitian dibatasi hanya pada pemodelan
Th
h ld V
t
E
C
ti
M d l d
Thursday, February 03, 2011 Seminar Tesis
Batasan
Masalah
Threshold Vector Error Correction Model dengan
dua variabel
Tinjauan Pustaka
Hansen & Seo :
Threshold
cointegration in
vector error
Balke & Fomby :
Threshold
cointegration
Tong & Lim :
Threshold
autoregression
1980
1997
2002
vector error
correction model
Tinjauan Pustaka
Model Linier VECM (Hansen-Seo, 2002):
( )
T
t
t-1
β
t
Δ =
x
A X
+
u
dimana :
Model threshold kointegrasi
(Hansen-Seo, 2002)
:
(
)
T
t
=
x
1
x
2
x
( )
(
( )
)
T
t-1
β
=
1
w
t 1
−
β
Δ
t 1
−
Δ
t 2
−
"
Δ
t l
−
X
x
x
x
Thursday, February 03, 2011 Seminar Tesis
( )
( )
T
1
t-1
t
t
T
2
t-1
t
β
β
⎧
+
⎪
= ⎨
+
⎪⎩
A X
u
Δ
x
A X
u
, jika
w
t 1−( )
β
≤
γ
, jika
w
t 1−( )
β
≤
γ
Tinjauan Pustaka
Estimasi Parameter
Menggunakan MLE dengan asumsi error adalah iid Gaussian.
Fungsi likelihood :
dimana :
(
)
n(
)
(
)
T 1 n 1 2 t 1 2 t 1 2 t 1n
1
L
,
, , ,
ln
,
, , ,
,
, , ,
2
2
β γ
β γ
−β γ
== −
−
∑
A A
∑
∑
u A A
∑
∑
u A A
∑
(
)
T( ) (
)
T( ) (
)
t 1,
2, , ,
β γ
=
t−
1 t 1−β
d
1tβ γ
,
−
2 t 1−β
d
2tβ γ
,
u A A
∑
+
x
A X
A X
Tinjauan Pustaka
Estimasi Parameter
(
)
( )
(
( )
)
T(
)
1( )
T(
)
1 t 1 t 1 1t t 1 t 1tˆ
β γ
β
β
d
β γ
,
β
d
β γ
,
−⎛
⎞ ⎛
⎞
⎜
∑
⎟ ⎜
∑
⎟
n nA
1(
β γ
,
)
=
⎜
X
t 1−( )
β
(
X
t 1−( )
β
)
d
1t(
β γ
,
)
⎟ ⎜
X
t 1−( )
β
+
x
td
1t(
β γ
,
)
⎟
⎝
∑
t =1⎠ ⎝
∑
t =1⎠
A
,
X
X
X
+
x
(
)
( )
(
( )
)
T(
)
1( )
T(
)
2 t 1 t 1 2t t 1 t 2tˆ
β γ
β
β
d
β γ
,
β
d
β γ
,
− − − −⎛
⎞ ⎛
⎞
⎜
⎟ ⎜
⎟
⎝
∑
⎠ ⎝
∑
⎠
n n t =1 t =1A
,
=
X
X
X
+
x
(
)
(
(
)
(
)
)
t tˆ
1ˆ
2ˆ
β γ
,
=
β γ
,
,
β γ
,
u
u A
A
(
)
n(
) (
(
)
)
T1
ˆ
β γ
,
=
∑
ˆ
u
β γ
,
u
ˆ
β γ
,
∑
Thursday, February 03, 2011 Seminar Tesis
Sehingga didapatkan :
(
)
t(
) (
(
t)
)
t 1,
,
,
n
β γ
β γ
β γ
=∑
u
u
∑
(
)
(
)
nn
ˆ
np
L
,
ln
,
2
2
β γ
= −
∑
β γ
−
Tinjauan Pustaka
Kriteria Penentuan Lag Optimum
¾
AIC (Akaike's Information Criterion)
( )
ˆ
(
2
)
AIC
=
ln
∑
+
2 pq
+
q
¾
BIC (Bayesian Information Criterion)
dimana :
( )
2
( )
( p )
p
pq ln T
ˆ
BIC
ln
T
=
∑
+
( )
(
)
( p )
p
AIC
=
ln
∑
+
2 pq
+
q
T : jumlah observasi
p : panjang lag
: penaksir matrik varian kovarian residual
q : jumlah parameter
yang
diestimasi
Metodologi Penelitian
1. Data yang digunakan
¾
Data BI rate per bulan periode Januari 2003-Desember 2009
bersumber dari Bank Indonesia
bersumber dari Bank Indonesia
¾
Data inflasi per bulan periode Januari 2003-Desember 2009
bersumber dari BPS
¾
Jumlah pengamatan 84 (n=84)
2. Variabel yang digunakan
¾
X = suku bunga
¾
X
1
= suku bunga
¾
X
2
= inflasi
Thursday, February 03, 2011 Seminar Tesis
Metodologi Penelitian
3. Konsep dan definisi
Suku bunga adalah harga yang dibayarkan untuk satuan mata
uang yang dipinjam pada periode waktu tertentu (Courant, 1997).
S k b
d
t dib d k
j di d
it
k b
Suku bunga dapat dibedakan menjadi dua yaitu suku bunga
nominal (Nominal Interest Rate) dan suku bunga riil (Real Interest
Rate).
BI Rate adalah suku bunga kebijakan yang mencerminkan sikap
atau stance kebijakan moneter yang ditetapkan oleh bank
Indonesia dan diumumkan kepada publik.
Inflasi adalah suatu kenaikan relative dalam tingkat harga umum
(Winardi, 1995). Inflasi adalah salah satu fenomena moneter yang
menunjukkan suatu kecenderungan akan naiknya harga-harga
barang secara umum, yang berarti terjadinya penurunan nilai
uang (Value of Money Declining).
Metodologi Penelitian
4.
Langkah-langkah penelitian :
1. Melakukan uji kausalitas Granger terhadap variabel penelitian
2. Menentukan lag optimum yang digunakan
3. Melakukan Uji Kointegrasi antar variabel penelitian
4. Melakukan pemodelan Linier VECM
Thursday, February 03, 2011 Seminar Tesis
5. Menentukan nilai
threshold
yang digunakan
5. Melakukan pemodelan
Threshold Vector Error Correction Model
Graphical User Interface (GUI)
Tombol untuk melakukan
pemanggilan data, data dalam
format text (txt)
Isikan jumlah lag yang digunakan
d l
d l
dalam model
Isikan jumlah grid untuk gamma
Isikan jumlah grid untuk beta
Isikan jumlah replikasi bootstrap
Isikan nilai trimming
Tombol untuk memproses data
Tombol untuk keluar dari aplikasi
Hasil Penelitian
BI Rate dan Inflasi, 2003-2009
21
Grafik 1. BI Rate dan Inflasi y-o-y, Jan 2003-Des 2009
12.00
Grafik 2.Inflasi Bulan Januari 2003-Desember 2009
0 3 6 9 12 15 18
Jan-03 Jun-03 Nov-03 Apr
-04 Se p-04 Fe b-05 Jul -05 De c-05 May-06 Oct -0 6 Mar -07
Aug-07 Jan-08 Jun-08 Nov-08 Apr
-09 Se p-09 BI Rate Inflasi yoy -3.00 0.00 3.00 6.00 9.00
Jan-03 Jun-03 Nov-03 Apr
-04 Se p-04 Fe b-05 Jul-05 De c-05 May-06 Oct -0 6 Mar -07 Au g -07
Jan-08 Jun-08 Nov-08 Apr
-09
Se
p-09
Thursday, February 03, 2011 Seminar Tesis
Grafik 1 menunjukkan pergerakan BI rate dengan Inflasi year on year periode Januari 2003
sampai dengan Desember 2009
Grafik 2 menunjukkan pergerakan inflasi per bulan periode Januari 2003 sampai dengan
Desember 2009.
Hasil Penelitian
Uji Kausalitas
Hipotesis H0 : Tidak ada hubungan kausalitas antara variabel x1 dan x2
H1 : Ada hubungan kausalitas antara variabel x1 dan x2
H1 : Ada hubungan kausalitas antara variabel x1 dan x2
Null Hypothesis:
Obs
F-Statistic
Probability
SBI does not Granger Cause INF
82
2,46628
0,0916 *
INF does not Granger Cause SBI
5,05409
0,0087*
*) signifikan
α
=0.1
Dari pengujian dengan uji F, disimpulkan bahwa ada hubungan
kausalitas antara x1 dan x2 dengan tingkat signifikansi 10
persen (
α
=0.1)
Hasil Penelitian
Penentuan Lag Optimum
Lag
AIC
BIC
5 700579
5 761914
Lag 2 terpilih karena
0
5.700579
5.761914
1
2.400007
2.584012
2
1.817463*
2.124138*
3
1.857923
2.287269
4
1.924344
2.476360
5
1.985152
2.659838
6
1.988029
2.785385
7
2 065694
2 985721
nilai AIC dan BIC
terkecil dihasilkan
pada lag ini, dari hasil
tersebut dapat
diputuskan bahwa lag
optimum dalam
penelitian ini adalah
lag 2
Thursday, February 03, 2011 Seminar Tesis
7
2.065694
2.985721
8
2.132030
3.174726
*) indikasi lag order yang digunakan
AIC: Akaike information criterion
BIC: Bayesian information criterion
Hasil Penelitian
Uji Kointegrasi
Hi
i
Hi
i
T
0 05
Nilai Statistik Trace dan Probabilita Pengujian Kointegrasi
Hipotesis
Nol
Hipotesis
Alternatif
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
r = 0 *
r > 0
0,332120
38,89378
15,49471
0,0000
r
≤
1 *
r > 1
0,073668
6,19836
3,84147
0,0128
Ket : *) signifikan level 5%
Hipotesis
Nol
Hipotesis
Alternatif
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
Nilai Statistik Maximum Eigenvalue dan Probabilita Pengujian Kointegrasi
r = 0 *
r > 0
0,332120
32,69541
14,26460
0,0000
r
≤
1 *
r > 1
0,073668
6,19836
3,84147
0,0128
Ket : *) signifikan level 5%
Hasil pengujian menunjukkan adanya kointegrasi antar variabel penelitian,
dengan tingkat signifikansi 5 persen.
Hasil Penelitian
Penaksiran Nilai Threshold (gamma) dan Kointegrasi (beta)
178 Concentrated Negative Log Likelihood vs Beta
185.2 Concentrated Negative Log Likelihood vs Gamma
0 5 10 15 20 25 186 185 184 183 182 181 180 179 Ne ga ti ve Lo g Li k el ih ood 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 185.45 185.4 185.35 185.3 185.25 Ne ga ti ve Lo g Li k el ih ood
Thursday, February 03, 2011 Seminar Tesis
Gambar (a) menunjukkan besarnya nilai
threshold
(Gamma) yang diperoleh dengan menggunakan
algoritma Hansen-Seo yang diaplikasikan pada program sebesar 1,287 yang merupakan
batas antara regime ekstrim dan regime biasa.
Gambar (b) menunjukkan nilai hasil penaksiran kointegrasi (Beta) sebesar 14.79
Beta Gamma
(a)
(b)
Hasil Penelitian
Model Threshold Vector Error Correction untuk suku bunga
dan inflasi
( ) (
)
( ) (
)
T
T
t
=
1
t 1
β
d
1t
β γ
,
+
1
t 1
β
d
2t
β γ
,
+
t
x
A X
A X
u
+
x
t
1
t 1
−
( ) (
β
d
1t
β γ
,
)
1
t 1
−
( ) (
β
d
2t
β γ
,
)
u
t
(
)
(
( )
)
(
)
(
( )
)
1t t 1 2t t 1d
,
I w
1,287
d
,
I w
1,287
β γ
β
β γ
β
− −=
≤
=
>
0,0108
0,0794
0,1013
0,1704
⎡
⎤
⎢
⎥
⎢
⎥
0,0383
0,0228
0,0132
0,1395
−
⎡
⎤
⎢
−
−
⎥
⎢
⎥
dimana :
11,0589
0,1645
0,1453
0,3457
0,0167
0,4373
⎢
⎥
⎢
−
⎥
= ⎢
⎥
⎢
⎥
⎢
−
⎥
⎢
⎥
A
20,4786
0,0515
0,3417
0,5566
0,2259
0,2533
⎢
⎥
⎢
⎥
= ⎢
−
−
⎥
⎢
⎥
⎢
−
−
⎥
⎢
⎥
A
dan
Hasil Penelitian
Model suku bunga dan inflasi dengan pendekatan TVECM adalah sebagai
berikut :
⎧
t t t 1 t 1 t 2 t 1 t 2 1 t 1 t t 1 t 1 t 2 t 1 t 2 1 t 10,1013 0,0108w
1,0589 SBI
0,0167 SBI
0,1453 INF
0,1153 INF
u ,
jika
w
1,287
SBI
0,0132 0,0383w
0,4786 SBI
0,2259 SBI
0,3417 INF
0,2038 INF
u ,
jika
w
1,287
Δ
Δ
Δ
Δ
Δ
Δ
Δ
Δ
− − − − − − − − − − − −+
+
−
+
⎧
⎪
−
+
≤
⎪
⎪
Δ
= ⎨
⎪−
−
+
−
+
⎪
−
−
+
>
⎩⎪
Thursday, February 03, 2011 Seminar Tesis
t 1
t 1
t 1
w
−
=
SBI
−
−
14,79INF
−
dimana :
Persamaan
Fisher
Hasil Penelitian
20 10Time Series Plot of SB_Riil
Hubungan antara suku
bunga dan inflasi
digambarkan dalam
persamaan Fisher :
Suku bunga riil = suku
bunga nominal - inflasi
Year Month 09 08 07 06 05 04 03 Jul Apr Jan Oct Jul Apr Jan Oct Jul Apr Jan Oct Jul Apr Jan Oct Jul Apr Jan Oct Jul Apr Jan Oct Jul Apr Jan 10 0 -10 -20 -30 SB _R iil 1.29