Hubungan Antara Variabel Ekonomi Makro dengan Pembiayaan ...

JURNAL AKTIVA : RISET AKUNTANSI DAN KEUANGAN, 1 (1), 2019, 50-68 ISSN: 2686-1054 (media online)

50 | V o l . 1 | N o . 1 | 2 0 1 9

Hubungan Antara Variabel Ekonomi Makro dengan

Pembiayaan UKM (Usaha Kecil Menengah) Perbankan Syariah di Indonesia

Irwan Hermawan

Universitas Nusa Putra

[email protected]

Vina Herdina

Universitas Nusa Putra

[email protected]

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

mailto:[email protected]


51 | V o l . 1 | N o . 1 | 2 0 1 9

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.


52 | V o l . 1 | N o . 1 | 2 0 1 9

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


53 | V o l . 1 | N o . 1 | 2 0 1 9

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


54 | V o l . 1 | N o . 1 | 2 0 1 9

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.


55 | V o l . 1 | N o . 1 | 2 0 1 9

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


56 | V o l . 1 | N o . 1 | 2 0 1 9

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


57 | V o l . 1 | N o . 1 | 2 0 1 9

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 :


58 | V o l . 1 | N o . 1 | 2 0 1 9

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 ada yang 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


59 | V o l . 1 | N o . 1 | 2 0 1 9

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


60 | V o l . 1 | N o . 1 | 2 0 1 9

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


61 | V o l . 1 | N o . 1 | 2 0 1 9

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.


62 | V o l . 1 | N o . 1 | 2 0 1 9

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

Gambar 3. Impulse Response VAR


63 | V o l . 1 | N o . 1 | 2 0 1 9

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


64 | V o l . 1 | N o . 1 | 2 0 1 9

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.



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)


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)


1 694.0441 2.812928 1.410115 95.77696 0.000000 2 770.9843 2.280694 1.478826 91.82627 4.313207


65 | V o l . 1 | N o . 1 | 2 0 1 9



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)


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


66 | V o l . 1 | N o . 1 | 2 0 1 9

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.


67 | V o l . 1 | N o . 1 | 2 0 1 9

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


68 | V o l . 1 | N o . 1 | 2 0 1 9

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

Hubungan Antara Variabel Ekonomi Makro dengan Pembiayaan ...

Documents

Transcript of Hubungan Antara Variabel Ekonomi Makro dengan Pembiayaan ...