PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATES.

(1)

commit to user

i

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA

BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK

MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV

SWITCHING TIGA STATES

oleh

INGE SAGITANIA

M0110039

SKRIPSI

ditulis dan diajukan untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Sains Matematika

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARETSURAKARTA

(2)

(3)

commit to user

iii

ABSTRAK

Inge Sagitania, 2015. PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATES. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret. Surakarta.

Pertumbuhan kredit domestik merupakan salah satu indikator makroekonomi yang dapat digunakan untuk mendeteksi krisis di Indonesia. Pertumbuhan kredit yang berlebihan berdasarkan beberapa penelitian merupakan faktor yang berkontribusi terhadap krisis keuangan. Pendeteksian krisis pertama kali dianggap perlu oleh IMF akibat terjadinya krisis di Asia tahun 1997 yang berdampak parah di Indonesia.

Penelitian ini bertujuan untuk mengetahui model yang sesuai pada data pertumbuhan kredit domestik periode Januari 1990 sampai dengan Desember 2008 kemudian mendeteksi krisis yang terjadi di Indonesia menggunakan model SWARCH dengan asumsi tiga states (volatilitas rendah, sedang, tinggi). Model SWARCH merupakan gabungan model Markov switching dan model ARCH yang merupakan suatu model data runtun waktu yang dapat menggambarkan volatilitas dan menjelaskan adanya perubahan struktur.

Hasil penelitian menunjukkan data pertumbuhan kredit domestik periode Januari 1990 sampai Desember 2008 memiliki efek heteroskedastisitas dan mengandung perubahan struktur sehingga dapat dimodelkan menggunakan model SWARCH(3,2) dengan ARMA(1,0) sebagai model rata-rata bersyarat dan ARCH(2) sebagai model variansi bersyaratnya. Nilai inferred probabilities yang diperoleh dari model SWARCH dapat digunakan untuk mendeteksi krisis yakni ketika bernilai di atas 0,6.

(4)

commit to user

iv

ABSTRACT

Inge Sagitania, 2015. DETECTION OF FINANCIAL CRISIS IN INDONESIA BASED ON THE DOMESTIC CREDIT GROWTH USING COMBINED VOLATILITY MODELS AND MARKOV SWITCHING THREE STATES. Faculty of Mathematics and Natural Sciences. Sebelas Maret University.

Domestic credit growth is one of the macroeconomic indicators that can be used to detect the crisis in Indonesia. Excessive credit growth based on some research is a factor that contributed to the financial crisis. Detection of the crisis was first deemed necessary by the IMF as a result of the Asian crisis of 1997 which severely impacted in Indonesia.

This study aims to determine the appropriate model of domestic credit growth period January 1990 to December 2008 and then to detect the crisis in Indonesia using SWARCH model assuming three states (low volatility, medium volatility, and high volatility). TheSWARCH model is a combination of Markov switchingmodels and ARCH models which is model that can describe the time series volatility and explain any changes in the structure.

The results showed that the domestic credit growth period January 1990 to December 2008 has the effect of heteroscedasticity and contain structural changes that can be modeled using SWARCH (3,2) model with the ARMA (1,0) as the average conditional models and ARCH(2) as conditional variance models. The value of inferred probabilities derived from the SWARCH model can be used to detect the occurrence of a crisis if probabilities greater than 0,6.

(5)

commit to user

v

PERSEMBAHAN

Karya ini saya persembahkan untuk

Bapak, Ibu, dan Kakak saya sebagai wujud atas doa,

(6)

commit to user

vi

KATA PENGANTAR

Puji dan syukur penulis panjatkan atas kehadirat Allah SWT atas segala

limpahan rahmat dan hidayahnya-Nya sehingga penulis dapat menyelesaikan

skripsi ini. Penulis menyadari bahwa dalam penulisan skripsi ini tidak lepas dari

bantuan serta bimbingan dari berbagai pihak. Oleh karena itu, penulis

mengucapkan terima kasih kepada

1. Bapak Drs. Sugiyanto, M.Si. sebagaidosen Pembimbing I dan Bapak Drs.

Muslich, M.Si. sebagai dosen Pembimbing II atas kesabarannya

membimbing, mengarahkan, dan memotivasi penulis dalam penyusunan

skripsi ini.

2. Seluruh pihak yang telah membantu dalam penyusunan skripsi ini.

Semoga skripsi ini dapat bermanfaat bagi pembaca.

Surakarta, April 2015

(7)

commit to user

KATA PENGANTAR ... vi

DAFTAR ISI ... vii

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1

2.2Teori-Teori Penunjang ... 6

2.2.1 Indikator Pertumbuhan Kredit Domestik ... 6

2.2.2 Model Runtun Waktu dan Stasioneritas ... 6

2.2.3ACF dan PACF ... 6

2.2.4Uji ADF ... 7

2.2.5 Model ARMA ... 8

2.2.6 Estimasi Parameter Model ARMA ... 9

2.2.7Uji Efek Heteroskedastisitas Residu Model ... 11

2.2.8Model ARCH ... 11

2.2.9 Uji Diagnostik Model ... 15

2.2.10Uji Autokorelasi Residu ... 15

2.2.11Distribusi Residu ... 16

(8)

commit to user

viii

2.2.13Uji Chow Break Point ... 16

2.2.15Model Markov switching ... 17

2.2.16Model Markov switching ARCH (SWARCH) ... 19

2.2.17Kriteria Informasi ... 21

2.2.18Inferred Probabilities ... 21

2.3Kerangka Pemikiran ... 23

BAB III METODE PENELITIAN_{... 25}

BAB IV PEMBAHASAN 4.1 Deskripsi Data ... 27

4.2 Pembentukan Model ARMA ... 28

4.2.1 Identifikasi Model ... 28

4.2.2 Estimasi Parameter Model ARMA ... 28

4.2.3Uji Efek Heteroskedastisitas... 29

4.3 Pembentukan Model ARCH... 30

4.3.1 Uji Diagnostik ModelARCH (2) ... 31

4.3.2 Uji Autokorelasi ... 31

4.3.3Uji Efek Heteroskedastisitas... 32

4.3.4Distribusi Residu ... 33

4.4Uji Perubahan Struktur ... 35

4.5Pembentukan Model SWARCH ... 35

4.6Inferred Probabilities ... 37

4.7Pendeteksian Krisis Keuangan ... 38

BAB V PENUTUP 5.1 Kesimpulan ... 41

5.2 Saran ... 41

(9)

commit to user

ix

DAFTAR TABEL

2.1 Ciri-ciri ACF dan PACFuntuk Model Stasioner ... 8

4.1 Hasil Estimasi Model ARMA ... 28

4.2 Uji Pengali Lagrange untuk Residu Model ARMA(1,0)... 29

4.3 Hasil Estimasi Parameter Model ARCH ... 30

4.4 Uji Pengali Lagrange untuk Residu Model ARCH(2) ... 33

4.5Uji ChowBreak Point ... 34

4.6 Hasil Estimasi Parameter Model SWARCH ... 36

(10)

commit to user

x

DAFTAR GAMBAR

4.1 Plot Data Pertumbuhan Kredit Domestik ... 27

4.2 Plot ACF dan PACF Data Pertumbuhan Kredit Domestik ... 28

4.3 Plot ACF dan PACF Residu Model ARCH(2) ... 32

4.4 Histogram dan Skewness Residu Model ARCH(2) ... 33

4.5 Plot dengan nilai inferred probabilities antara 0,4 sampai 0,6 .... 38