model persamaan simultan antara bank market power dan …
TRANSCRIPT
1
SKRIPSI
MODEL PERSAMAAN SIMULTAN ANTARA BANK MARKET
POWER DAN BANK LIQUIDITY PADA BANK DI BEBERAPA
NEGARA KAWASAN ASIA PASIFIK
OLEH
THARA ANNISA
150501106
PROGRAM STUDI EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SUMATERA UTARA
MEDAN
2020
UNIVERSITAS SUMATERA UTARA
2
UNIVERSITAS SUMATERA UTARA
3
UNIVERSITAS SUMATERA UTARA
4
UNIVERSITAS SUMATERA UTARA
i
ABSTRAK
MODEL PERSAMAAN SIMULTAN ANTARA BANK MARKET POWER
DAN BANK LIQUIDITY PADA BANK DI BEBERAPA NEGARA
KAWASAN ASIA PASIFIK
Penelitian ini bertujuan untuk mengetahui pengaruh Bank Market Power
(Kekuatan Pasar bank) yang diukur dengan Indeks Lerner terhadap Bank Liquidity
(Likuiditas Bank) yang diukur dengan perhitungan rasio aset likuid terhadap total
aset (liquid assets to total assets) pada perbankan yang terdaftar di Federal
Reserve Economic Data. Penelitian ini menggunakan 12 data dari total laporan
keuangan tahunan bank per negara di kawasan Asia Pasifik yang dipublikasikan
di Federal Reserve Economic Data mulai tahun 1996-2014. Sehingga
menghasilkan 228 data observasi bank.
Penelitian ini menggunakan model persamaan simultan dengan metode
Two Stage Least Square (2SLS) dengan uji persamaan simultan menggunakan
Hausman’s Specification Error Test dan Fixed Effect Model (FEM) untuk regresi
data panel.
Hasil penelitian ini menunjukkan bahwa Bank Market Power (Kekuatan
Pasar bank) yang diukur dengan Indeks Lerner berpengaruh negatif signifikan
terhadap Bank Liquidity (Likuiditas Bank) yang diukur dengan perhitungan rasio
aset likuid terhadap total aset (liquid assets to total assets) dan sebaliknya pada
perbankan yang terdaftar di Federal Reserve Economic Data.
Kata Kunci: Bank Market Power, Bank Liquidity, Persamaan Simultan.
UNIVERSITAS SUMATERA UTARA
ii
ABSTRACT
SIMULTANEOUS EQUATION MODEL BETWEEN MARKET POWER
BANKS AND LIQUIDITY BANKS AT BANKS IN SEVERAL COUNTRIES
IN THE ASIA PACIFIC REGION
This study aims to determine the effect of Bank Market Power as
measured by the Lerner Index of Bank Liquidity as measured by calculating the
ratio of liquid assets to total assets (liquid assets to total assets) in banks
registered at the Federal Reserve Economic Data. This study uses 12 data from
the total annual financial statements of banks per country in the Asia Pacific
region published in the Federal Reserve Economic Data from 1996-2014. Thus
generating 228 bank observation data.
This study uses a simultaneous equation model with the Two Stage
Least Square (2SLS) method with simultaneous equation test using the Hausman’s
Specification Error Test and Fixed Effect Model (FEM) for panel data regression.
The results of this study indicate that Bank Market Power as measured
by the Lerner Index has a significant negative effect on Bank Liquidity as
measured by calculating the ratio of liquid assets to total assets (liquid assets to
total assets) and vice versa in banks that are registered with the Federal Reserve
Economic Data.
Keywords: Market Power Bank, Liquidity Bank, Simultaneous Equation.
UNIVERSITAS SUMATERA UTARA
iii
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur bagi Allah Tuhan semesta alam,
yang telah memberikan Rahmat dan Karunianya sehingga penulis telah mampu
menyelesaikan skripsi yang berjudul “Model Persamaan Simultan Antara
Bank Market Power Dan Bank Liquidity Pada Bank Di Beberapa Negara
Kawasan Asia Pasifik”. Penulis menyadari bahwa penulisan skripsi ini dapat
diselesaikan atas bantuan dan bimbingan dari berbagai pihak, teristimewa kepada
kedua orang tua Ayahanda Tanjung Ritonga, SE dan Ibunda Hakma Nelly yang
senantiasa memberikan doa dan dukungan selama proses perkuliahan dan
pengerjaan skripsi ini.
Proses penulisan skripsi ini tidak terlepas dari bimbingan, bantuan, serta
dukungan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin
mengucapkan terimakasih yang sebesar-besarnya kepada:
1. Bapak Prof. Dr. Ramli, S.E., M.S selaku Dekan Fakultas Ekonomi dan
Bisnis Universitas Sumatera Utara.
2. Bapak Drs. Coki Ahmad Syahwier Hsb, MP selaku Ketua Program
Studi S1 Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara dan Ibu Inggrita Gusti Sari Nasution, SE,
M.Si selaku Sekretaris Program Studi S1 Ekonomi Pembangunan
Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
3. Bapak Syarief Fauzie, SE, M.Ak, Ak, selaku Dosen Pembimbing saya
yang telah memberikan bimbingan dan masukan untuk menyelesaikan
skripsi ini.
4. Bapak Haroni Doli Hamoraon Ritonga, SE, M.Si, selaku Dosen
Pembanding I saya yang telah memberikan saran dan kritikan dalam
penyempurnaan skripsi ini.
5. Bapak Wahyu Sugeng Imam Soeparno, SE, M.Si, selaku Dosen
Pembanding II saya yang telah memberikan saran dan kritikan dalam
penyempurnaan skripsi ini.
6. Seluruh Dosen dan staf Pengajar Departemen Ekonomi Pembangunan
Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara, yang telah
mendidik dan memberikan ilmu pengetahuan yang bermanfaat bagi
penulis.
7. Seluruh pegawai dan staf administrasi di Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara, khususnya Program Studi Ekonomi
Pembangunan.
8. Kepada sahabat penulis dan semua pihak yang turut membantu
penyelesaian skripsi ini, namun tidak dituliskan pada lembaran ini,
penulis mohon maaf dan tidak mengurangi rasa terima kasih penulis.
Akhir kata, penulis menyadari bahwa skripsi ini masih jauh dari
kesempurnaan dikarenakan keterbatasan pengetahuan, pengalaman, dan
kemampuan penulis. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan penulisan skripsi ini. Penulis juga berharap
semoga skripsi ini bermanfaat bagi pembaca dan peneliti selanjutnya.
UNIVERSITAS SUMATERA UTARA
iv
Medan, Januari 2020
Penulis,
Thara Annisa
NIM. 150501106
UNIVERSITAS SUMATERA UTARA
v
DAFTAR ISI
Halaman
ABSTRAK ................................................................................................ i
ABSTRACT .............................................................................................. ii
KATA PENGANTAR .............................................................................. iii
DAFTAR ISI ............................................................................................. v
DAFTAR TABEL ..................................................................................... vii
DAFTAR GAMBAR ................................................................................. viii
DAFTAR LAMPIRAN ............................................................................. ix
BAB I PENDAHULUAN ....................................................................... 1 1.1 Latar Belakang ................................................................... 1
1.2 Rumusan Masalah ............................................................. 7
1.3 Tujuan Penelitian ................................................................ 7
1.4 Manfaat Penelitian .............................................................. 7
BAB II TINJAUAN PUSTAKA ........................................................... 9 2.1 Landasan Teori .................................................................. 9
2.1.1 Teori Kekuatan Pasar ........................................... 9
2.1.2 Pengukuran Bank Market Power .......................... 9
2.1.3 Teori Likuiditas Bank ........................................... 11
2.1.4 Pengukuran Likuiditas Bank ................................ 12
2.1.5 Teori Inflasi ........................................................... 13
2.1.6 Teori Real Deposit Rate ........................................ 14
2.1.7 Teori Market Concentration ................................. 14
2.2 Tinjauan Penelitian Terdahulu ........................................... 16
2.3 Kerangka Konsepetual........................................................ 17
2.4 Hipotesis ............................................................................ 20
BAB III METODE PENELITIAN .......................................................... 21
3.1 Jenis Penelitian .................................................................... 21
3.2 Tempat dan Waktu Penelitian ............................................. 21
3.3 Batasan Operasional ........................................................... 21
3.4 Definisi Operasional dan Skala Pengukuran Variabel ....... 22
3.5 Populasi dan Sampel Penelitian........................................... 25
3.6 Jenis dan Sumber Data ........................................................ 26
3.7 Metode Pengumpulan Data ................................................. 27
3.8 Teknik Analisis .................................................................... 27
3.8.1 Input Data ............................................................... 28
3.8.2 Analisis Deskriptif .................................................. 28
3.8.3 Metode Analisis Data .............................................. 28
3.8.4 Penentuan Teknik Estimasi .................................... 30 3.8.4.1 Metode Two Stage Least Squares (2SLS) ... 31
3.8.4.2Uji Simultanitas ............................................ 32
3.8.5 Pengujian Hipotesis ................................................ 32
UNIVERSITAS SUMATERA UTARA
vi
3.8.5.1 Uji F-Statistic .............................................. 32
3.8.5.2 Uji t-Statistic ............................................... 33
3.8.5.3 Analisis Koefisien Determinasi .................. 34
BAB IV HASIL DAN PEMBAHASAN .................................................. 35
4.1 Deskripsi Objek Penelitian .................................................. 35
4.2 Hasil Statistik Deskriptif ..................................................... 35
4.3 Uji Spesifikasi Hausman’s specification error test BMP .... 40
4.4 Hasil Panel 2SLS BMP ....................................................... 41
4.5 Uji Spesifikasi Hausman’s specification error test LIQ ..... 44
4.6 Hasil Panel 2SLS LIQ ......................................................... 45
4.7 Pengujian Hipotesis ............................................................. 49
4.8 Hasil Pengujian Hipotesis Bank Market Power .................. 49
4.8.1 Uji Simultanitas (Uji F-Statistic) BMP ................... 49
4.8.2 Hasil Uji Parsial (t-statistic) Bank Market Power ... 50
4.8.3 Analisis Koefisien Determinasi BMP ..................... 52
4.9 Hasil Pengujian Hipotesis Bank Liquidity ........................... 53
4.9.1 Uji Simultanitas (Uji F-Statistic) Bank Liquidity .... 53
4.9.2 Hasil Uji Parsial (t-statistic) Bank Liquidity ........... 54
4.9.3 Analisis Koefisien Determinasi Bank Liquidity ...... 56
4.10 Pembahasan ........................................................................ 57
4.10.1Pengaruh BMP Terhadap Bank Liquidity ............... 57
4.10.2Pengaruh Variabel Eksogen Terhadap BMP .......... 59
4.10.3 Pengaruh Variabel Eksogen Terhadap LIQ ........... 61
BAB V KESIMPULAN DAN SARAN .................................................... 64
5.1 Kesimpulan .......................................................................... 64
5.2 Saran .................................................................................... 64
DAFTAR PUSTAKA ................................................................................ 66
LAMPIRAN
UNIVERSITAS SUMATERA UTARA
vii
DAFTAR TABEL
No. Tabel Judul Halaman
2.1 Tinjauan Penelitian Terdahulu ........................................... 15
3.1 Daftar Sampel Negara ......................................................... 26
4.1 Hasil Perhitungan Statistik Deskriptif ................................. 36
4.2 Uji Spesifikasi Hausman’s specification error test BMP ... 40
4.3 Hasil Panel 2SLS BMP (Common Effect) .......................... 41
4.4 Hasil Panel 2SLS BMP (Random Effect) ........................... 41
4.5 Hasil Panel 2SLS BMP (Fixed Effect) ................................ 42
4.6 Uji Spesifikasi Hausman’s specification error test LIQ .... 45
4.7 Hasil Panel 2SLS LIQ (Common Effect) ............................ 46
4.8 Hasil Panel 2SLS LIQ (Random Effect) ............................. 46
4.9 Hasil Panel 2SLS LIQ (Fixed Effect) ................................. 46
4.10 Hasil Uji Hipotesis Simultan BMP ..................................... 49
4.11 Hasil Uji t-statistic BMP ..................................................... 50
4.12 Koefisien Determinasi BMP ............................................... 53
4.13 Hasil Uji Hipotesis Simultan LIQ ....................................... 53
4.14 Hasil Uji t-statistic LIQ ....................................................... 54
4.15 Koefisien Determinasi LIQ ................................................. 57
UNIVERSITAS SUMATERA UTARA
viii
DAFTAR GAMBAR
No. Gambar Judul Halaman
2.1 Kerangka Konseptual .......................................................... 17
UNIVERSITAS SUMATERA UTARA
ix
DAFTAR LAMPIRAN
No. Lampiran Judul
1 Data Hasil Pemilihan Sampel
2 Hasil Uji Statistik Deskriptif
3 Hausman’s Specification Error Test Bank Market Power
4 2SLS Bank Market Power (Common Effect)
5 2SLS Bank Market Power (Random Effect)
6 2SLS Bank Market Power (Fixed Effect)
7 Hausman’s Specification Error Test Bank Liquidity
8 2SLS Bank Liquidity (Common Effect)
9 2SLS Bank Liquidity (Random Effect)
10 2SLS Bank Liquidity (Fixed Effect)
11 Data Penelitian
UNIVERSITAS SUMATERA UTARA
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Analisa mengenai tingkat persaingan yang terjadi di suatu pasar dengan
menggunakan ukuran Market Power (kekuatan pasar) telah menjadi fokus utama
dalam kajian ekonomi industry di era modern. Market power adalah suatu ukuran
kemampuan perusahaan dalam menentukan tingkat harga pasarnya untuk
mengalahkan para pesaing.
Jika dikaitkan dengan bentuk struktur pasar, perusahaan di pasar
persaingan sempurna tidak memiliki Market Power, sedangkan perusahaan di
pasar monopoli memiliki tingkat Market Power yang paling besar. Dengan
demikian, bahwa semakin kompetitif sebuah pasar berarti semakin rendah Market
Power yang ada, dan sebaliknya semakin pasar tidak kompetitif, Market Power
yang ada di pasar tersebut akan menunjukkan tingkatan yang semakin tinggi,
termasuk di dalamnya analisa tingkat persaingan di industri perbankan.
Perbankan sebagai sebuah industri yang berfungsi sebagai lembaga
intermediasi antara pihak yang memiliki kelebihan dana (surplus spending unit)
dengan pihak yang memerlukan dana, maka peran perbankan sangat vital dalam
menunjang proses pembangunan di suatu negara. Jika terjadi distorsi pada fungsi
industri perbankan, sehingga memunculkan kinerja yang inefisien, tentu akan
berdampak pada likuiditas di sektor perbankan. Salah satunya dapat dilihat dari
hasil penelitian Ariss (2010) yang menggunakan data dari 821 bank di 60 negara
berkembang selama periode 1999-2005 yang menyatakan bahwa tidak ada negara
yang kebal terhadap krisis finansial termasuk negara maju. Penelitian tersebut
UNIVERSITAS SUMATERA UTARA
2
juga menyatakan adanya hubungan positif dari Bank Market Power dan Bank
Liquidity di negara berkembang. Artinya semakin tinggi Bank Market Power di
negara berkembang semakin tinggi juga likuiditas banknya. Karena bank-bank di
negara berkembang cenderung menghindari resiko yang besar. Penelitian ini
sejalan dengan penelitian yg dilakukan oleh (Nguyen, Perera, dan Skully, 2017)
yang menyatakan bahwa bank di negara-negara berkembang mempunyai tingkat
likuiditas yang lebih tinggi dibandingkan dengan negara-negara maju. Karena
negara maju cenderung menginvestasikan asetnya pada aset yang lebih berisiko
tinggi yang akan menghasilkan profit yang besar. Likuiditas merupakan
kemampuan bank untuk mengubah seluruh aset menjadi bentuk tunai (cash)
dengan segera. Dengan kata lain, proses mediasi antara pihak yang memerlukan
dana dengan pemilik dana akan mengalami hambatan. Dengan adanya hambatan
tersebut, maka dana yang ada tidak dapat digunakan untuk membiayai proyek-
proyek pembangunan di negara tersebut.
kekuatan pasar (Market Power) memiliki pengaruh yang berbeda-beda
pada likuiditas bank tergantung pada tingkat dominasi bank di setiap pasar.
Kekuatan pasar bank (Bank Market Power) yang lebih besar juga dapat dikaitkan
dengan kegiatan pengambilan risiko bank yang lebih besar. Pandangan tersebut
sejalan dengan pandangan konvensional yang disebut sebagai “competition -
fragility view” menyatakan bahwa industri perbankan yang memiliki tingkat
persaingan yang tinggi, akan memperoleh laba ataupun profit margin yang tidak
terlalu besar. Hal tersebut dapat mendorong perbankan untuk mengambil dan
UNIVERSITAS SUMATERA UTARA
3
meningkatkan risiko yang lebih besar dalam upaya mencapai laba ataupun profit
margin yang tinggi.
Pandangan tersebut menunjukkan semakin rendahnya tingkat persaingan
industri perbankan di suatu negara, menyebabkan munculnya bank-bank dominan
yang menguasai pasar dan peningkatan dari Bank Market Power. Sejalan dengan
hal tersebut, bank-bank dominan akan meningkatkan risikonya pada penyaluran
kredit yang mana hal tersebut dapat meningkatkan profitabilitas pada bank
tersebut. Akan tetapi, hal tersebut juga dapat mengurangi tingkat likuiditasnya
apabila bank tersebut tidak dapat mengelolanya dengan baik. Ditambah lagi
dengan munculnya kredit macet dan dana pihak ketiga yang tidak dapat dicapai
secara optimal, maka likuiditas bank tersebut akan terganggu. Likuiditas juga
berhubungan dengan Inflasi dan Real Deposit Rate (Suku Bunga Deposito).
Apabila tingkat likuiditas perbankan di suatu negara tinggi, maka dapat dikatakan
jumlah uang yang beredar di negara tersebut juga meningkat. Peningkatan jumlah
uang beredar di masyarakat dapat memicu kenaikan inflasi. Inflasi memegang
peran penting dalam mempengaruhi perilaku masyarakat untuk menabung. Dalam
upaya menarik minat masyarakat, bank-bank bersaing untuk menghimpun dana
dari masyarakat melalui berbagai cara, diantaranya adalah dengan menawarkan
suku bunga deposito yang lebih tinggi. Inflasi yang tinggi akan mengurangi nilai
riil dari uang yang disimpan. Oleh karenanya, tingkat inflasi yang lebih tinggi
dibandingkan suku bunga akan mengakibatkan nilai riil uang dimasa depan akan
menurun, dan pada gilirannya akan membuat masyarakat enggan menyimpan
dananya di bank.
UNIVERSITAS SUMATERA UTARA
4
Tinggi atau rendahnya tingkat persaingan antar bank yang terjadi,
mempengaruhi kebijakan penentuan harga bank yang mengarah kepada suku
bunga pinjaman dan deposito. Apabila tingkat persaingan antar bank rendah,
maka akan meningkatkan Bank Market Power dan mengarah pada peningkatan
suku bunga pinjaman dan penurunan suku bunga deposito.
Kesadaran pentingnya pengelolaan likuiditas tercermin dalam kerangka
Basel III yang dikeluarkan oleh Basel Committee on Banking Supervision (BCBS)
pada Oktober 2014 dalam rangka mengatasi krisis keuangan global 2007/2008.
Dalam kerangka Basel III diperkenalkan standar perhitungan likuiditas yang baru
yaitu Net Stable Funding Ratio (NSFR). NSFR merupakan salah satu bentuk dari
reformasi regulasi yang dikeluarkan oleh BCBS dalam rangka meningkatkan
ketahanan sektor perbankan. Melalui NSFR (Net Stable Funding Ratio), bank
dipersyaratkan untuk memelihara dana-dana stabil (stable funding) yang
disesuaikan dengan kompoisisi aset dan aktivitas rekening administratif yang
dimilikinya. Stuktur dana yang dipelihara pada level tertentu ini dimaksudkan
untuk mengurangi kemungkinan dimana adanya gangguan terhadap sumber-
sumber pendanaan regular yang akan mengikis posisi likuiditas bank sehingga
meningkatkan risiko kegagalan bank dan berpotensi menjadi systemic stress yang
lebih luas.
Belajar dari historis, krisis perbankan yang terjadi selama ini terutama
disebabkan oleh krisis likuiditas bank yang menyebabkan terjadinya gagal bayar
bank terhadap sebagian besar kewajibannya. Bank sentral sebagai lender of the
last resort (LLR) adalah sebagai peminjam likuiditas sementara kepada bank yang
UNIVERSITAS SUMATERA UTARA
5
sedang mengalami kesulitan likuiditas. Bantuan likuiditas diberikan terutama bila
kegagalan suatu bank diperkirakan dapat menyebabkan efek menular (contagion
effect) dan dapat menimbulkan risiko sistemik. Bank penerima pinjaman juga
harus menyediakan jaminan atau agunan yang berkualitas dan dapat dicairkan
dengan mudah serta nilainya minimal sama dengan besarnya pinjaman. Dan
biasanya, bank yang membutuhkan likuiditas melalui lender of the last resort
(LLR) pada dasarnya dapat dicurigai dalam proses menjadi bangkrut.
Cadangan likuiditas suatu bank pada umumnya merupakan jaminan atau
tindakan berjaga-jaga atas kemungkinan terjadinya kewajiban membayar akibat
peningkatan penarikan dana maupun peningkatan giro wajib minimum (GWM).
Beberapa bank memilih melakukan strategi untuk memiliki likuiditas yang
berlebih sebagai sinyal kepada pasar bahwa bank tersebut memiliki likuiditas
yang kuat. Di lain sisi, kelebihan likuiditas dapat juga diinterpretasikan bahwa
bank memiliki pengelolaan likuiditas yang buruk sehingga tidak optimal dalam
mengelola portofolio aset dan liabilitas.
Kelebihan likuiditas dapat juga merupakan akibat dari lemahnya
infrastruktur dalam sistem pembayaran dan pasar uang antar bank (PUAB). Pasar
uang antar bank (PUAB) atau disebut juga interbank call money market
merupakan tempat terjadinya transaksi pinjam meminjam dana antara bank
dengan bank lain untuk memenuhi kebutuhan likuiditas maupun menempatkan
likuiditas jangka pendek karena gap likuiditas harian.
Semakin berkembangnya sistem keuangan suatu negara dapat dicerminkan
melalui biaya partisipasi dalam sistem keuangan negara tersebut. Di negara maju,
UNIVERSITAS SUMATERA UTARA
6
biaya untuk memproses informasi, evaluasi proyek dan monitoring atas peminjam
dana relatif rendah. Perkembangan ini memudahkan bank dalam mengelola
likuiditas mereka sehingga tingkat cadangan likuiditas relatif rendah. Sebaliknya,
negara yang memiliki sistem pembayaran yang buruk, maupun infrastruktur pasar
uang antar bank yang terbatas cenderung mempersulit bank dalam mengelola
likuiditas, sehingga bank cenderung memegang likuiditas yang lebih tinggi dari
kebutuhannya.
Berdasarkan penelitian yang dilakukan oleh (Nguyen, Perera, dan Skully,
2017) menyatakan bahwa Bank Liquidity (likuiditas bank) dapat dipengaruhi oleh
peraturan keuangan negara, pengawasan bank, dan infrastruktur industri di negara
tersebut. Hal ini mencerminkan liberalisasi keuangan suatu negara dan evolusi
pasar perbankannya. Mereka juga menemukan bahwa kekuatan pasar berpengaruh
terhadap likuiditas bank dan tergantung pada gelar dari Bank Market Power
tersebut. Keuntungan awal dari kekuatan pasar bank menyebabkan peningkatan
likuiditas bank. Tetapi, di luar ambang batas yang ditentukan secara empiris,
dimana berdasarkan observasi menggunakan Interverted U-Shaped dan dari sudut
pandang cross-sectional, bank-bank yang kekurangan kekuatan pasar (Market
Power) memegang aset yang lebih likuid dan sebagai pemberi pinjaman di pasar
uang antar bank (PUAB). Sebaliknya, bank-bank dominant berinvestasi sedikit
di low-yielding liquid assets dan sebagai borrowers di pasar uang antar bank
(PUAB). (Nguyen, Perera, dan Skully, 2017) juga menemukan bahwa Level Of
Market Power, ceteris paribus, bank-bank yg berada di negara maju memegang
aset yg kurang likuid dan mendapatkan pendanaan lebih melalui pasar uang
UNIVERSITAS SUMATERA UTARA
7
antarbank (PUAB). Dan sebaliknya, pada bank-bank yang berada di negara
berkembang memegang aset yang lebih likuid.
Sangat sedikitnya penelitian mengenai hubungan antara Bank Market
Power dan Liquidity ini, terutama pada bank yang berada di kawasan Asia Pasifik
membuat penulis tertarik melakukan replikasi penelitian yang dilakukan oleh
Nguyen, Perera, dan Skully (2017). Berdasarkan latar belakang tersebut, penulis
ingin menyusun penelitian yang berjudul : “MODEL PERSAMAAN
SIMULTAN ANTARA BANK MARKET POWER DAN BANK LIQUIDITY
PADA BANK DI BEBERAPA NEGARA KAWASAN ASIA PASIFIK”.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah diatas, maka rumusan masalah pada
penelitian ini adalah bagaimana hubungan antara Bank Market Power dan Bank
Liquidity pada bank di beberapa negara kawasan Asia Pasifik?
1.3 Tujuan Penelitian
Berdasarkan rumusan penelitian yang ada, maka tujuan dari penelitian ini
adalah untuk menganalisis hubungan antara Bank Market Power dan Bank
Liquidity pada bank di beberapa negara kawasan Asia Pasifik.
1.4 Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan kegunaan bagi
semua pihak, yaitu:
1. Bagi Perbankan
Hasil penelitian ini diharapkan dapat menjadi bahan referensi bagi
perbankan dalam menentukan pengaruh antara Bank Market Power dan Bank
UNIVERSITAS SUMATERA UTARA
8
Liquidity serta pengelolaan likuiditas bank berdasarkan kerangka Basel III
sehingga perusahaan perbankan dapat tetap menjalankan fungsinya sebagai
lembaga intermediasi.
2. Bagi Akademisi
Bagi akademisi, hasil penelitian ini diharapkan dapat menjadi sumbangan
pemikiran tentang pengaruh antara Bank Market Power dan Bank Liquidity pada
bank di beberapa negara kawasan Asia Pasifik, serta menjadi bahan referensi dan
pengembangan untuk penelitian selanjutnya.
3. Bagi Peneliti
Hasil penelitian ini diharapkan dapat menambah wawasan dan informasi
tentang hubungan Bank Market Power dan Bank Liquidity pada bank di beberapa
negara kawasan Asia Pasifik.
UNIVERSITAS SUMATERA UTARA
9
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Teori Kekuatan Pasar (Market Power)
Market power adalah suatu ukuran kemampuan perusahaan dalam
menentukan tingkat harga pasarnya untuk mengalahkan para pesaing. Analisa
mengenai tingkat persaingan yang terjadi di suatu pasar dengan menggunakan
ukuran Market Power telah menjadi fokus utama dalam kajian ekonomi industri,
termasuk di dalamnya analisa tingkat persaingan di industri perbankan. Dalam
pengambilan kebijakan, suatu perusahaan akan mempertimbangkan bentuk
struktur pasarnya agar kebijakan yang diambil tepat sasaran. Selain itu laba
perusahaan dapat meningkat atau tetap didasarkan pada dimana perusahaan
tersebut beroperasi.
2.1.2 Pengukuran Bank Market Power Menggunakan Indeks Lerner
Pengukuran persaingan suatu industri atau sering disebut market power
beberapa dekade ini sering diperbincangkan khususnya di bidang ilmu ekonomi
industri. Secara pengertian market power adalah kemampuan suatu perusahaan
(pelaku pasar) dalam menaikkan harga di pasar. Hal ini yang membuat kondisi
pasar tidak efisien. Dalam upaya mengukur tingkat kekuatan pasar perbankan
(Bank Market Power), peneliti menggunakan metode Indeks Lerner untuk
mengukur kompetisi perbankan.
Daya monopoli (monopoly power) yaitu kemampuan perusahaan
melakukan eksploitasi pasar dalam rangka mencapai laba maksimum hanyalah
sebatas kemampuan mengatur jumlah output dan harga. Daya monopoli dikatakan
UNIVERSITAS SUMATERA UTARA
10
makin besar bila keputusan harga dan output perusahaan makin sulit dilawan oleh
pasar. Abba Lerner mengukur kemampuan perusahaan berlandaskan permintaan
yang dihadapi perusahaan dengan menghitung angka indeks, yang dikenal sebagai
indeks Lerner (Lerner Index).
Berdasarkan persamaan di atas, daya monopoli makin besar bila nilai L
makin besar. Indeks Lerner mempunyai nilai antara 0 dan 1. Dalam pasar
persaingan sempurna daya monopoli adalah nol (L=0) karena dalam
keseimbangan harga sama dengan biaya marjinal (P=MC). Besarnya Indeks
Lerner dipengaruhi oleh beberapa faktor :
1. Elastisitas Harga Permintaan
Dalam pasar persaingan sempurna, elastisitas permintaan tak terhingga.
Laba maksimum tercapai bila P=MC. Karena itu, dalam pasar persaingan
sempurnal nilai L sama dengan nol. Perusahaan tidak mempunyai daya monopoli
(price taker). Makin in-elastis permintaan, makin besar nilai L atau daya
monopoli.
2. Jumlah Perusahaan dalam Pasar
Makin sedikit jumlah perusahaan, daya monopoli makin besar.Dalam
pasar persaingan sempurna, jumlah perusahaan banyak sekali, sehingga konsumen
leluasa memilih produsen. Permintan elastis sempurna, sehingga nilai L sama
dengan nol.
MP = 𝑷−𝑴𝑪
𝑷
UNIVERSITAS SUMATERA UTARA
11
3. Interaksi Antar Perusahaan
Makin solid interaksi antar perusahaan, makin besar daya monopoli.
Dalam pasar persaingan sempurna, karena jumlah perusahaan sangat banyak,
amat sulit melakukan konsolidasi untuk mencapai kekuatan monopoli.Makin
sedikit jumlan perusahaan, makin mudah melakukan konsolidasi (interaksi).
Karena itu, struktur pasar yang berpotensi besar untuk memiliki daya monopoli
besar adalah oligopoli.
2.1.3 Teori Likuiditas Bank (Bank Liquidity)
Likuiditas merupakan kemampuan bank untuk mengubah seluruh aset
menjadi bentuk tunai (cash) dengan segera. Terutama simpanan tabungan, giro
dan deposito pada saat ditagih dan dapat pula memenuhi semua permohonan
kredit yang memang layak untuk dibiayai. Ada 4 teori likuiditas perbankan yang
dikenal yaitu sebagai berikut:
1. Commercial Loan Theory
Teori ini dianggap paling kuno, nama lain dari teori ini adalah Real Bills
Doctrine. Teori ini mulai dikenal sekitar 2 abad lalu. Teori ini beranggapan bahwa
bank hanya boleh memberikan pinjaman dengan surat dagang jangka pendek yang
dapat dicairkan dengan sendirinya (self liquiditing). Self Liquiditing berarti
pemberian pinjaman mengandung makna untuk pembayaran kembali. Secara
spesifik bahwa bank-bank hanya akan memberi kredit jangka pendek yang sangat
mudah dicairkan atau likuid melalui pembayaran kembali (angsuran) atas kredit
tersebut sebagai sumber likuiditas.
UNIVERSITAS SUMATERA UTARA
12
2. Shiftability Theory
Shiftability theory yaitu teori tentang aktiva dan teori ini beranggapan
bahwa likuiditas sebuah bank tergantung pada kemampuan bank memindahkan
aktivanya ke pada orang lain dengan harga yang dapat diramalkan, misalnya dapat
diterima bagi bank utnuk berinvestasi pada pasar terbuka jangka pendek dalam
portofolio aktivanya. Jika dalam keadaan ini sejumlah depositors harus
memutuskan untuk menarik kembali uang mereka, bank hanya tinggal menjual
investasi tersebut, mengambil yang diperoleh (atau dibeli), dan membayarnya
kembali kepada depositornya.
3. Anticipated Income Theory
Teori ini secara prinsip mengatakan bahwa bank memungkinkan dapat
lebih cocok untuk memberikan kredit jangka panjang dengan waktu pembayaran
kembali (angsuran dan bunga) yang telah ditentukan.
4. The Liability Management Theory
Maksud teori ini adalah bagaimana bank dapat mengelola passivanya
sedemikian rupa sehingga passiva itu dapat menjadi sumber likuiditas. Likuiditas
yang diperlukan bagi bank adalah untuk menghadapi penarikan oleh nasabah,
memenuhi kewajiban bank yang jatuh tempo, dan untuk memenuhi permintaan
pinjaman dari nasabah.
2.1.4 Pengukuran Likuiditas Bank
Pengukuran Likuiditas Bank (Bank Liquidity) pada penelitian ini
menggunakan rasio aset likuid terhadap total aset (Liquid assets to total assets)
atau bisa juga disebut Liquid Asset Ratio. Likuiditas bank diukur dengan rasio
UNIVERSITAS SUMATERA UTARA
13
likuiditas berdasarkan data akuntansi seperti aset likuid terhadap total aset atau
total pinjaman terhadap total simpanan. Liquid assets to total assets (liquid asset
ratio) merupakan indikator yang mengukur alat likuid yang tersedia untuk
memenuhi kebutuhan adanya penarikan secara tunai, baik yang terduga maupun
tak terduga. Level dari rasio ini menunjukkan kemampuan perbankan untuk
meredam adanya goncangan yang dapat mempengaruhi neracanya. Alat likuid
terdiri dari uang tunai dan aset lain yang dapat segera diuangkan sehingga
operasional usaha tetap berjalan, termasuk persediaan barang dagangan, biaya
dibayar dimuka dan aset yang dapat diuangkan dalam waktu 1 tahun.
Sedangkan menurut penelitian yang dilakukan Nguyen, Perera, dan Skully
(2017) aset atau alat likuid dalam perhitungan rasio aset likuid terhadap total aset
(Liquid assets to total assets) meliputi penjumlahan dari kas bank, investasi pada
instrumen treasury dan aset jangka pendek lainnya yang disimpan dalam buku
perdagangan per dolar dari total aset. Semakin tinggi rasio, maka bank akan
semakin likuid.
2.1.5 Teori Inflasi
Yang dimaksud dengan inflasi adalah proses kenaikan harga-harga secara
umum dan secara terus menerus selama satu periode tertentu serta banyaknya
jumlah uang yang beredar di masyarakat melebihi daripada yang dibutuhkan.
Pada kondisi inflasi, minat masyarakat untuk menabung akan berkurang,
dikarenakan pendapatan dari bunga tabungan jauh lebih kecil karena tingkat suku
bunga sedang rendah. Sedangkan penabung harus membayar biaya administrasi
tabungannya.
UNIVERSITAS SUMATERA UTARA
14
2.1.6 Teori Real Deposit Rate (Suku Bunga Deposito)
Teori Keynes menggambarkan bahwa suku bunga ditentukan oleh
permintaan dan penawaran uang. Menurut teori ini ada 3 motif masyarakat untuk
memegang uang tunai, yaitu motif transaksi, motif berjaga-jaga dan motif
spekulasi. Keynes berpendapat bahwa masyarakat bisa berspekulasi mengenai
perubahan tingkat bunga di waktu yang akan datang dengan menjual atau
membeli obligasi yang dimiliki dengan harapan akan memperoleh keuntungan.
Dalam dunia perbankan tujuan deposito dapat berfungsi sebagai alat investasi
jangka panjang maupun jangka pendek. Mulai dari satu bulan, tiga bulan, enam
bulan, hingga dua belas bulan. Berbeda dengan tabungan dan giro, simpanan
deposito mengandung unsur jangka waktu (jatuh tempo) yang lebih panjang dan
dapat ditarik atau dicairkan hanya setelah jatuh tempo. Begitu pula dengan suku
bunga yang diberikan relatif lebih tinggi dibanding dengan tabungan dan giro.
Bunga disesuaikan dengan perkembangan pasar dan biasa diberikan setiap bulan
sesuai dengan tanggal jatuh temponya.
2.1.7 Teori Market Concentration (Konsentrasi Pasar)
Menurut penelitian yang dilakukan Nguyen, Perera, dan Skully (2017)
adalah konsentrasi pasar yang menggunakan pangsa pasar (Market Share) dari
tiga bank terbesar dalam pengukurannya. Konsentrasi dalam ekonomi industri
didefinisikan sebagai situasi yang memperlihatkan derajat penguasaan pasar oleh
perusahaan – perusahaan industri yang terdapat di dalam pasar. Setiap struktur
pasar memiliki konsentrasi yang berbeda – beda. Konsentrasi sebagai suatu
kepemilikan terhadap sejumlah besar sumber daya ekonomi oleh sebagian kecil
UNIVERSITAS SUMATERA UTARA
15
pelaku ekonomi. Dapat disimpulkan bahwa konsentrasi menitikberatkan pada
penguasaan pasar. Semakin tinggi konsentrasi pasar (market concentration) dalam
suatu industri maka persaingan industri semakin rendah, begitupula sebaliknya
apabila semakin rendah konsentrasi pasar (market concentration) industri maka
persaingan akan semakin ketat.
Jumlah perusahaan perbankan yang dijadikan ukuran adalah berbeda –
beda. Pada umumnya menggunakan andil 3 perusahaan perbankan terbesar (C3),
4 perusahaan perbankan terbesar (C4), 8 perusahaan perbankan terbesar (C8), dan
20 perusahaan perbankan terbesar (C20). Penguasaan beberapa perusahaan
perbankan terbesar umumnya dilihat dari penguasaan pangsa pasarnya (market
share). Semakin tinggi pangsa pasarnya (market share), maka perusahaan
perbankan tersebut semakin terkonsentrasi. Untuk menghitung pangsa pasar
(market share) dalam sebuah industri termasuk pada industri perbankan dapat
menggunakan ratio market share (pangsa pasar). Market Share atau pangsa pasar
dihitung dengan memperhitungkan total dana pihak ketiga yang dimiliki oleh
sebuah bank relatif terhadap total dana pihak ketiga seluruh bank umum dalam
industri perbankan di suatu wilayah atau negara dengan satuan persen (%).
Perhitungan konsentrasi pasar (market concentration) dapat dirumuskan sebagai
berikut :
Keterangan :
MS = Market Share (pangsa pasar)
MS = 𝐓𝐨𝐭𝐚𝐥 𝐃𝐏𝐊 𝐛𝐚𝐧𝐤
𝐓𝐨𝐭𝐚𝐥 𝐃𝐏𝐊 𝐬𝐞𝐥𝐮𝐫𝐮𝐡 𝐛𝐚𝐧𝐤 𝐱 𝟏𝟎𝟎%
UNIVERSITAS SUMATERA UTARA
16
2.2 Tinjauan Penelitian Terdahulu
Tabel 2.1
Rangkuman Penelitian Terdahulu
No. Nama Penelitian dan
Tahun Penelitian Judul Variabel Hasil
1. Nguyen, Perera, dan Skully (2017)
Bank market power, asset liquidity and funding liquidity: International Evidence
Variabel Independen : Bank Market Power, Bank Size, Equity Ratio, Market Concentration, Real Deposit Rate, Business Cycle, Financial Development, dan Inflation Rate Variabel Dependen : Asset Liquidity
Hasil menunjukkan bahwa Bank Market Power, Bank Size, Equity Ratio, Real Deposit Rate, dan Financial Development berpengaruh negatif terhadap Asset Liquidity. Sementara Market Concentration, Business Cycle, dan Inflation Rate berpengaruh positif terhadap Asset Liquidity.
2. Bawazir, Degl’innocenti, dan Wolfe (2018)
Bank Market Power and Liquidity Creation
Variabel Independen : Bank Market Power, Profitability, Government Intervention, dan Bank Size Variabel Dependen : Liquidity Creation
Hasil menunjukkan bahwa Bank Market Power, Profitability, dan Government Intervention berpengaruh negatif terhadap Liquidity Creation. Sementara Bank Size berpengaruh positif terhadap Liquidity Creation.
3. Almarzoqi, Naceur, dan Scopelliti (2015)
How Does Bank Competition Affect Solvency, Liquidity and Credit Risk?: Evidence from the MENA Countries
Variabel Independen : Bank Solvency, Bank Liquidity, dan Credit Risk Variabel Dependen : Bank Competition
Hasil menunjukkan bahwa Bank Solvency berpengaruh negatif terhadap Bank Competition. Sementara Bank Liquidity dan Credit Risk berpengaruh positif terhadap Bank Competition.
4. Seungho Choi (2017) Bank Competition and Bank Liquidity Creation
Variabel Independen : Bank Competition, Bank Size, dan Equity Capital Ratio Variabel Dependen : Liquidity Creation
Hasil menunjukkan bahwa Bank Competition dan Equity Capital Ratio berpengaruh positif terhadap Liquidity Creation. Berdasarkan Bank Size, di pasar yang kompetitif, bank besar akan meningkatkan penciptaan likuiditas bank untuk mendominasi pasar. Dan bank kecil akan mengurangi penciptaan likuiditas untuk menghindari risiko gagal bayar di pasar yang kompetitif.
5. Horvath, Seidler, dan Weill (2016)
How bank competition influences liquidity creation
Variabel Independen : Bank-Level Variables Variabel Dependen : Liquidity Creation
Hasil menunjukkan bahwa peningkatan kompetisi bank dapat memiliki efek ekonomi yang merugikan dengan mengurangi penciptaan likuiditas.
Sumber : Data Hasil Olahan Penulis
UNIVERSITAS SUMATERA UTARA
17
2.3 Kerangka Konseptual
Gambar 2.1
Kerangka Konseptual
Kerangka konseptual diatas menggambarkan bagaimana hubungan
simultan antara Bank Market Power dan Bank Liquidity. Dalam pengambilan
kebijakan, suatu industri atau perusahaan akan mempertimbangkan bentuk
struktur pasarnya agar kebijakan yang diambil tepat sasaran. Perusahaan di pasar
persaingan sempurna tidak memiliki Market Power, sedangkan perusahaan di
pasar monopoli memiliki tingkat Market Power yang paling besar. Dengan
demikian, bahwa semakin kompetitif sebuah pasar berarti semakin rendah Market
Power yang ada, dan sebaliknya semakin pasar tidak kompetitif, Market Power
yang ada di pasar tersebut akan menunjukkan tingkatan yang semakin tinggi,
termasuk di dalamnya analisa tingkat persaingan di industri perbankan. Market
Power dapat didefinisikan sebagai suatu ukuran kemampuan perusahaan dalam
menentukan tingkat harga pasarnya untuk mengalahkan para pesaing. Market
Power dapat dikukur dengan menggunakan Indeks Lerner. Dalam pasar
persaingan sempurna daya monopoli adalah nol (L=0). Daya monopoli makin
besar apabila nilai L semakin besar.
Bank Market Power
Bank Liquidity
Variabel Eksogen:
1. Inflasi
2. Real Deposit Rate
3. Market Concentration
UNIVERSITAS SUMATERA UTARA
18
Peran perbankan sangat vital dalam kemajuan perekonomian di suatu
negara. Jika terjadi distorsi pada fungsi industri perbankan, sehingga
memunculkan kinerja yang inefisien, tentu akan berdampak pada likuiditas
(Liquidity) di sektor perbankan. Dengan kata lain proses mediasi antara pihak
yang memerlukan dana dengan pemilik dana tidak boleh mengalami hambatan.
Berdasarkan pada definisi likuiditas yang merupakan kemampuan bank untuk
mengubah seluruh aset menjadi bentuk tunai (cash) dengan segera. Likuiditas
(Liquidity) diukur dengan menggunakan rasio aset likuid terhadap total aset
(Liquid assets to total assets).
Kekuatan pasar bank (Bank Market Power) dan likuiditas (Liquidity)
memiliki hubungan dua arah. Apabila semakin rendahnya tingkat persaingan
industri perbankan di suatu negara, menyebabkan munculnya bank-bank dominan
yang menguasai pasar dan Bank Market Power meningkat. Sejalan dengan hal
tersebut, bank-bank dominan akan meningkatkan risikonya pada penyaluran
kredit yang mana hal tersebut dapat meningkatkan profitabilitas pada bank
tersebut. Akan tetapi, hal tersebut juga dapat mengurangi tingkat likuiditasnya
apabila bank tersebut tidak dapat mengelolanya dengan baik.Maka dapatdikatakan
Bank Market Power mempengaruhi Bank Liquidity perbankan dan sebaliknya.
Inflasi dan Real Deposit Rate memiliki hubungan dengan likuiditas dan
Bank Market Power. Apabila tingkat likuiditas perbankan di suatu negara tinggi,
maka dapat dikatakan jumlah uang yang beredar di negara tersebut juga
meningkat. Peningkatan jumlah uang beredar di masyarakat dapat memicu
kenaikan inflasi. Inflasi memegang peran penting dalam mempengaruhi perilaku
UNIVERSITAS SUMATERA UTARA
19
masyarakat untuk menabung. Dalam upaya menarik minat masyarakat, bank-bank
bersaing untuk menghimpun dana dari masyarakat melalui berbagai cara,
diantaranya adalah dengan menawarkan suku bunga deposito yang lebih tinggi.
Inflasi yang tinggi akan mengurangi nilai riil dari uang yang disimpan. Oleh
karenanya, tingkat inflasi yang lebih tinggi dibandingkan suku bunga akan
mengakibatkan nilai riil uang dimasa depan akan menurun, dan pada gilirannya
akan membuat masyarakat enggan menyimpan dananya di bank. Tinggi atau
rendahnya tingkat persaingan antar bank yang terjadi, mempengaruhi kebijakan
penentuan harga bank yang mengarah kepada suku bunga pinjaman dan deposito.
Apabila tingkat persaingan antar bank rendah, maka akan meningkatkan Bank
Market Power dan mengarah pada peningkatan suku bunga pinjaman dan
penurunan suku bunga deposito.
Berdasarkan penelitian yang dilakukan oleh Nguyen, Perera, dan Skully
(2017) konsentrasi pasar yang menggunakan pangsa pasar (Market Share) dari
tiga bank terbesar dalam pengukurannya. Konsentrasi dalam ekonomi industri
didefinisikan sebagai situasi yang memperlihatkan derajat penguasaan pasar oleh
perusahaan – perusahaan industri yang terdapat di dalam pasar. Semakin tinggi
konsentrasi pasar (Market Concentration) dalam suatu industri maka persaingan
industri semakin rendah, begitupula sebaliknya apabila semakin rendah
konsentrasi pasar (Market Concentration) industri maka persaingan akan semakin
ketat. Dengan kata lain konsentrasi rasio (Market Concentration) berpengaruh
positif terhadap kekuatan pasar (Market Power).
UNIVERSITAS SUMATERA UTARA
20
2.4 Hipotesis
Pada penelitian yang dibuat oleh peneliti dengan judul “Model Persamaan
Simultan Antara Bank Market Power Dan Bank Liquidity Pada Bank Di Kawasan
Asia Pasifik”, maka dapat disusun hipotesis sebagai berikut:
H1: Bank Market Power memiliki hubungan negatif terhadap Bank Liquidity.
H2: Bank Liquidity memiliki hubungan negatif terhadap Bank Market Power.
H3: Inflasi memiliki hubungan positif terhadap Bank Market Power dan Bank
Liquidity.
H4: Real Deposit Rate memiliki hubungan positif terhadap Bank Market
Power dan Bank Liquidity.
H5: Market Concentration memiliki hubungan positif terhadap Bank Market
Power dan Bank Liquidity.
UNIVERSITAS SUMATERA UTARA
21
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian
Deskriptif kuantitatif. Penelitian deskriptif kuantitatif bertujuan untuk
menjelaskan berbagai fenomena, situasi atau berbagai variabel yang diangkat
menjadi objek penelitian. Jenis penelitian ini didasari pada pengujian teori melalui
pengukuran variabel penelitian dengan angka dan dengan format penelitian
asosiatif. Penelitian asosiatif bertujuan untuk menjelaskan pengaruh atau
hubungan atara dua variabel atau lebih.
3.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan di Asia Pasifik dengan objek penelitian yang telah
ditentukan oleh peneliti yaitu perusahaan perbankan. Jumlah pupolasi penelitian
ini sebanyak 49 negara di kawasan Asia Pasifik yang terdaftar di Federal Reserve
Economic Data. Waktu yang digunakan untuk penelitian ini dimulai dari tahun
1996 sampai 2014.
3.3 Batasan Operasional
Batasan operasional penelitian ini adalah:
1. Penelitian ini menggunakan dua variabel endogen yaitu Bank Market
Power dan Bank Liquidity.
2. Objek yang digunakan dalam penelitian ini terdiri dari 12 negara di
kawasan Asia Pasifik yang terdaftar di Federal Reserve Economic Data.
UNIVERSITAS SUMATERA UTARA
22
3. Penelitian ini menggunakan data dari total laporan keuangan tahunan bank
per negara di kawasan Asia Pasifik yang dipublikasikan di Federal
Reserve Economic Data mulai tahun 1996-2014.
3.4 Definisi Operasional dan Skala Pengukuran Variabel
Dalam penelitian ini digunakan model persamaan simultan. Dalam model
persamaan simultan penggunaan variabel dependen dan independen menjadi
kurang tepat digunakan. Hal ini dikarenakan persaman simultan mendeskripsikan
hubungan dua arah antara variabel dependen. Artinya sebuah variabel mempunyai
peran ganda dalam model persamaan. Dengan demikian dalam penelitian ini
definisi operasional dari variabel yang digunakan adalah :
1. Variabel Endogen
Variabel endogen (endogenous variabel) adalah variabel yang nilainya
ditentukan di dalam model. Perubahan endogen adalah perubahan variabel
endogen sebagai respon terhadap perubahan eksogen yang dikenakan pada model.
Variabel endogen serupa dengan variabel dependen dalam regresi tunggal. Pada
penelitian ini digunakan 2 variabel endogen yaitu sebagai berikut :
a. Bank Market Power (Kekuatan Pasar Bank)
Market power adalah kemampuan perusahaan untuk mempengaruhi harga
pasar dan mengalahkan pesaing. Dimana berdasarkan rumus Market Power adalah
selisih dari harga output bank dan marginal cost dibagi harga output bank. Dalam
pengambilan kebijakan, suatu perusahaan akan mempertimbangkan bentuk
struktur pasarnya agar kebijakan yang diambil tepat sasaran. Termasuk di
dalamnya analisa tingkat persaingan di industri perbankan (Bank Market Power).
UNIVERSITAS SUMATERA UTARA
23
Dalam upaya mengukur tingkat kekuatan pasar perbankan (Bank Market Power),
penelitian ini menggunakan metode Indeks Lerner. Lerner Indeks merupakan daya
monopoli (monopoly power) atau kemampuan perusahaan melakukan eksploitasi
pasar dalam rangka mencapai laba maksimum. Rumus dari Lerner Indeks adalah :
Dimana dari persamaan diatas dapat dijelaskan:
MP = Market Power
P = Harga output bank
MC = Marginal Cost
b. Likuiditas Bank
Pengukuran Likuiditas Bank (Bank Liquidity) pada penelitian ini
menggunakan rasio aset likuid terhadap total aset (Liquid assets to total assets)
atau bisa juga disebut Liquid Asset Ratio. Likuiditas merupakan kemampuan bank
untuk mengubah seluruh aset menjadi bentuk tunai (cash) dengan segera. Menurut
penelitian yang dilakukan Nguyen, Perera, dan Skully (2017) aset atau alat likuid
dalam perhitungan rasio aset likuid terhadap total aset (Liquid assets to total
assets) meliputi penjumlahan dari kas bank, investasi pada instrumen treasury dan
aset jangka pendek lainnya yang disimpan dalam buku perdagangan per dolar dari
total aset. Semakin tinggi rasio, maka bank akan semakin likuid. Liquid assets to
total assets (rasio aset likuid terhadap total aset) dapat dirumuskan sebagai
berikut:
MP = 𝑷−𝑴𝑪
𝑷
Liquid assets to total assets = 𝑳𝒊𝒒𝒖𝒊𝒅 𝒂𝒔𝒔𝒆𝒕𝒔
𝒕𝒐𝒕𝒂𝒍 𝒂𝒔𝒔𝒆𝒕𝒔
UNIVERSITAS SUMATERA UTARA
24
2. Variabel Eksogen
Variabel Eksogen merupakan variabel yang nilainya ditentukan diluar
model. Dalam penelitian ini variabel eksogen yang digunakan adalah :
a. Inflasi
Perhitungan tingkat inflasi biasanya menggunakan Indeks Harga
Konsumen dan GDP. Penelitian ini menggunakan Indeks Harga Konsumen yang
telah dirata-ratakan dalam bentuk persen per tahun sebagai alat ukur. Indeks
Harga Konsumen merupakan ukuran harga rata-rata dari barang dan jasa yang
dikonsumsi oleh rumah tangga.
b. Real Deposit Rate (Suku Bunga Deposito)
Dalam dunia perbankan tujuan deposito dapat berfungsi sebagai alat
investasi jangka panjang maupun jangka pendek. Mulai dari satu bulan, tiga
bulan, enam bulan, hingga dua belas bulan. Berbeda dengan tabungan dan giro,
simpanan deposito mengandung unsur jangka waktu (jatuh tempo) yang lebih
panjang dan dapat ditarik atau dicairkan hanya setelah jatuh tempo. Begitu pula
dengan suku bunga yang diberikan relatif lebih tinggi dibanding dengan tabungan
dan giro. Bunga disesuaikan dengan perkembangan pasar dan biasa diberikan
setiap bulan sesuai dengan tanggal jatuh temponya. Cara perhitungan suku bunga
deposito di tiap negara berbeda-beda. Penelitian ini menggunakan rata-rata suku
bunga deposito per tahun di tiap negara.
c. Market Concentration (Konsentrasi Pasar)
Konsentrasi pasar menitikberatkan pada penguasaan pasar. Semakin tinggi
konsentrasi dalam suatu industri maka persaingan industri semakin rendah,
UNIVERSITAS SUMATERA UTARA
25
begitupula sebaliknya apabila semakin rendah konsentrasi industri maka
persaingan akan semakin ketat. Penelitian ini menggunakan perhitungan pangsa
pasar (Market Share) dari tiga bank terbesar. Market Share atau pangsa pasar
dihitung dengan memperhitungkan total dana pihak ketiga yang dimiliki oleh
sebuah bank relatif terhadap total dana pihak ketiga bank umum dalam industri
perbankan dengan satuan persen (%). Rumusnya adalah sebagai berikut :
3.5 Populasi dan Sampel Penelitian
Populasi adalah keseluruhan objek dan subjek penelitian yang dapat
berupa orang, benda ataupun variabel lain yang yang memiliki kualitas serta
karakteristik yang telah ditentukan peneliti sehingga dapat memberikan informasi
bagi penelitian. Pada penelitian ini populasi yang digunakan sebanyak 49 negara
di kawasan Asia Pasifik yang terdaftar di Federal Reserve Economic Data periode
1996-2014.
Sampel adalah bagian dari populasi yang memiliki karakteristik tertentu
untuk dijadikan perwakilan dari populasi dan dianggap dapat menggambarkan
situasi yang terjadi dalam populasi secara keseluruhan. Pada penelitian ini teknik
pengambilan sampel yang digunakan adalah non-probability sampling dalam
menentukan sampelnya. Dengan cara ini, pemilihan sampel dilakukan dengan
memilih sampel dari populasi yang memenuhi kriteria khusus yang telah
ditetapkan. Pemilihan total bank per negara melalui kriteria berdasarkan purposive
sampling, yaitu sebagai berikut :
MS = 𝐓𝐨𝐭𝐚𝐥 𝐃𝐏𝐊 𝐛𝐚𝐧𝐤
𝐓𝐨𝐭𝐚𝐥 𝐃𝐏𝐊 𝐬𝐞𝐥𝐮𝐫𝐮𝐡 𝐛𝐚𝐧𝐤 𝐱 𝟏𝟎𝟎%
UNIVERSITAS SUMATERA UTARA
26
1. Total sektor data perbankan yang go public per negara di kawasan Asia
Pasifik secara konsisten di Federal Reserve Economic Data periode 1996-
2014.
2. Negara di kawasan Asia Pasifik yang menerbitkan data dari total laporan
keuangan tahunan secara konsisten periode 1996-2014.
Berdasarkan kriteria yang telah ditetapkan, maka dapat ditentukan sampel
sebanyak 12 negara di kawasan Asia Pasifik yang terdaftar di Federal Reserve
Economic Data :
Tabel 3.1
Daftar Sampel Negara
No. Kode Negara Nama Negara
1. AUS Australia
2. CHN China
3. PHL Filipina
4. HKG Hongkong
5. IDN Indonesia
6. JPN Jepang
7. KOR Korea
8. MAC Macau
9. MYS Malaysia
10. SGP Singapura
11. THA Thailand
12. VNM Vietnam Sumber :www.fred.stlouisfed.org yang diolah, Lampiran 1
3.6 Jenis dan Sumber Data
Pada penelitian ini jenis data yang digunakan adalah data sekunder. Data
sekunder adalah data yang diperoleh secara tidak langsung dengan melalui media
perantara tertentu. Sumber data yang digunakan dalam penelitian ini diperoleh
dari total laporan keuangan tahunan bank per negara di kawasan Asia Pasifik yang
dipublikasi melalui Federal Reserve Economic Data (www.fred.stlouisfed.org).
UNIVERSITAS SUMATERA UTARA
27
Periode data yang akan diteliti menggunakan rentang waktu mulai dari tahun 1996
sampai 2014.
Dalam penelitian ini digunakan data panel yang merupakan
penggabungan antara data time series dan cross section. Data time series biasanya
meliputi satu objek tetapi meliputi beberapa periode, sedangkan data cross section
terdiri dari beberapa atau banyak objek sering disebut responden atau perusahaan
dengan beberapa jenis data dalam suatu periode tertentu. Dalam regresi data panel
memiliki dua kelebihan, pertama data panel mampu menyediakan data lebih
banyak karena merupakan gabungan dari data time series dan cross section
sehingga akan menghasilkan degree of freedom yang lebih besar. Yang kedua
menggabungkan informasi dari data time series dan cross section dapat mengatasi
masalah yang timbul ketika ada masalah penghilangan variabel (omitted variable).
3.7 Metode Pengumpulan Data
Sesuai dengan jenis data yang diperlukan pada penelitian ini yaitu data
sekunder, maka metode pengumpulan data yang dilakukan adalah metode
dokumentasi. Data yang dibutuhkan dalam penelitian ini dikumpulkan, dicatat,dan
diolah langsung dari sumber data sekunder berupa total laporan keuangan tahunan
bank per negara di kawasan Asia Pasifik melalui website perusahaan perbankan
yang diperoleh melalui Federal Reserve Economic Data(www.fred.stlouisfed.org).
3.8 Teknik Analisis
Dalam pengelolaan data dan menguji hipotesisnya penelitian ini
menggunakan program E-views 9. Teknik analisis data yang digunakan
adalah sebagai berikut :
UNIVERSITAS SUMATERA UTARA
28
3.8.1 Input Data
Dalam penelitian ini data yang digunakan meliputi variabel Bank Market
Power, Bank Liquidity, Inflasi, Suku Bunga Deposito (Real Deposit Rate), dan
Market Concentration.
3.8.2 Analisis Deskriptif
Analisis deskriptif merupakan prosedur statistik untuk menguji
generalisasi penelitian yang memberikan gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata (mean), median dan standar deviasi. Dalam penelitian
ini analisis deskriptif akan menggambarkan nilai rata-rata (mean), median dan
standar deviasi dari Bank Market Power, Bank Liquidity, Inflasi, Suku Bunga
Deposito (Real Deposit Rate), dan Market Concentration.
3.8.3 Metode Analisis Data
Dalam penelitian ini jenis data yang diguankan adalah data panel yang
merupakan kombinasi dari data time series dan data cross setion. Data time series
merupakan data yang terkumpul dari waktu kewaktu, seperti data harian, data
mingguan, bulanan atau tahunan yang dapat memberikan gambaran
perkembangan suatu kegiatan atau keadaan. Sedangkan data cross section
merupakan data yang dikumpulkan pada waktu yang sama dari beberapa objek
yang disebut responden dan perusahaan.
Data yang telah diperoleh kemudian dianalisis dengan model persamaan
simultan (simultaneous equations models). Model persamaan simultan merupakan
model yang menunjukan hubungan dua arah antara varibel X dan Y. Model
persamaan simultan terjadi jika dalam sebuah persamaan Y ditentukan oleh X,
UNIVERSITAS SUMATERA UTARA
29
dan sebaliknya dalam persamaan lain X ditentukan oleh Y. Singkatnya, ada
hubungan dua arah atau simultan antara Y dan X, hal ini menyebabkan perbedaan
antara variabel dependen atau terikat dengan variabel independen atau bebas jadi
meragukan (Gujaratti dan Porter; 2010). Dengan demikian dalam model
persamaan simultan variabel disebut dengan variabel endogen dan Variabel
Eksogen merupakan variabel yang nilainya ditentukan diluar model. Variabel
endogen dalam penelitian ini adalah Bank Market Power dan Bank Liquidity.
Dalam penelitian ini juga menggunakan variabel eksogen yaitu Inflasi, Real
Deposit Rate, dan Market Concentration. Dengan demikian dalam penelitian ini
dapat terbentuk regresi model persamaan simultan sebagai berikut:
Pada persamaan diatas i dan t merupakan gambaran penggabungan data
cross section dan time series. Dimana dari persamaan diatas dapat dijelaskan:
α = Konstanta
β1- β4 = Koefisien
BMPit = Bank Market Power
LIQit = Bank Liquidity
INFit = Inflasi
RDRit = Real Deposit Rate
MCOit = Market Concentration
eit = Error Term
BMPit = α0 + β1.LIQit + β2.INFit + β3.RDRit + β4.MCOit + eit
LIQit = α0 + β1.BMPit + β2.INFit + β3.RDRit + β4.MCOit + eit
UNIVERSITAS SUMATERA UTARA
30
3.8.4 Penentuan Teknik Estimasi
Model persamaan simultan memiliki perbedaan dari model analisis
satu arah atau tunggal, sehingga diperlukan metode analisis khusus agar
memperoleh penaksir parameter yang bersifat tak bias dan konsisten. Dalam
penyelesaian model persamaan simultan dapat digunakan dua metode yang
umum digunakan yaitu pertama Indirect Least Square (ILS / metode kuadrat
terkecil tidak langsung). Metode ini digunakan pada persamaan struktural yang
just identified. Yang kedua, Two Stage Least Square (2SLS/ Metode kuadrat
terkecil dua tahap). Metode ini digunakan pada persamaan struktural yang
overindetified. Selain dua metode tersebut ada metode lain yang bisa
digunakan untuk penyelesaian model persamaan simultan seperti metode sistem
(System Methods) yang disebut metode informasi penuh (Full Information
Methods), yaitu metode kuadrat terkecil tiga tahap (Three Stage Least
Squares-3SLS) dan Full Information Maximum Likelihood-FIML.
Tetapi sebelum menentukan metode apa yang akan digunakan dalam
mengestimasi parameter, maka perlu dilakukan proses identifikasi pada
masingmasing persamaan dalam model persamaan simultan. Dalam
mengidentifikasi model persamaan simultan diterapkan syarat peraturan yang
dikenal dengan Order Condition. (Gujarati dan Porter ; 2010).
Dalam model M persamaan simultan, agar suatu persamaan dapat
diidentifikasi, maka jumlah predetermined variables yang tidak termasuk
persamaan tersebut tidak boleh kurang dari jumlah variabel endogen
UNIVERSITAS SUMATERA UTARA
31
dikurangi satu dalam persamaan tersebut. Persyaratan ini dapat diformulasikan
sebagai berikut :
K-k ≥ m-1, dimana :
M = jumlah variabel endogen dalam sistem persamaan simultan.
m = jumlah variabel endogen dalam suatu persamaan tertentu.
K = jumlah variabel eksogen dalam sistem persamaan simultan.
k = jumlah variabel eksogen dalam suatu persamaan tertentu.
Kriteria yang digunakan untuk menentukan persamaan simultan yaitu:
1. Jika K-k = m-1, maka persamaan tersebut just identified.
Persamaan just identified diselesaikan dengan Indirect Least Square (ILS).
2. Jika K-k > m-1, maka persamaan tersebut overidentified.
Persamaan overidentified diselesaikan dengan Two Stage Least Squares
(2SLS).
3. Jika K-k < m-1, maka persamaan tersebut unidentified atau tidak dapat
diidentifikasi.
3.8.4.1 Metode Two Stage Least Squares (2SLS)
Berdasarkan Order Condition atau persyaratan dari metode persamaan
simultan maka penelitian ini menggunakan metode 2SLS (Two Stage Least
Squares). Hal ini dikarenakan persamaan simultan dalam penelitian ini
mengandung persamaan-persamaan yang overidentified. Tetapi persamaan
2SLS juga dapat digunakan untuk menyelesaikan persamaan yang identified.
Metode 2SLS (Two Stage Least Squares) dikembangkan oleh Henri Theil
dan Robert Basmann (Gujarati dan Porter ; 2010).
UNIVERSITAS SUMATERA UTARA
32
Dalam persamaan simultan metode 2SLS (Two Stage Least Squares)
umum digunakan. Karena metode 2SLS (Two Stage Least Squares) ini memiliki
tujuan untuk memurnikan (purifying) variabel endogen terhadap stochastiv
disturbance. Hal ini dilakukan dengan melakukan regresi persamaan reduced form
yaitu regresi antara variabel endogen dengan seluruh predetermined variable agar
mendapatkan nilai variabel endogen fitted serta regresi persamaan struktural
dengan variabel endogen yang sudah diestimasi dari regresi variabel
endogen terhadap predetermined variables (Gujarati dan Porter ; 2010).
3.8.4.2 Uji Simultanitas (Hausman’s specification error test)
Untuk mendeteksi ada tidaknya masalah simultanitas, uji Hausman
ini didasarkan pada perbandingan nilai probability variabel dengan nilai
signifikansi α = 5%, dengan syarat-syarat sebagai berikut:
a. Jika nilai probability < 0,05 maka Ho ditolak, yang berarti tidak ada
masalah simultanitas.
b. Jika nilai probability > 0,05 maka Ho diterima, yang berarti ada masalah
simultanitas.
3.8.5 Pengujian Hipotesis
3.8.5.1 Uji F-statistic
Uji F dilakukan dengan tujuan mengetahui koefisien (slope) regresi secara
bersamaan. Uji F bertujuan untuk meyakinkan bahwa model yang dipilih
layakatau tidak untuk menginterpretasikan pengaruh variabel bebas terhadap
variabel terikat. Uji statistik F dapat didasarkan pada dua perbandingan, yaitu
perbandingan antara nilai F hitung dengan F tabel dan perbandingan antara nilai
UNIVERSITAS SUMATERA UTARA
33
F-statistic dengan taraf signifikansi 5%. Pengujian yang didasarkan pada
perbandingan antara nilai F hitung dan F tabel adalah sebagai berikut:
a. Jika F hitung < F tabel maka Ho diterima, yang berarti variable
independen secara bersama-sama tidak berpengaruh terhadap variable
dependen.
b. Jika F hitung > F tabel maka Ho ditolak, yang berarti variabel independen
secara bersama-sama berpengaruh terhadap variabel dependen.
Sedangkan pengujian yang didasarkan pada perbandingan nilai F-statistic
dengan taraf signifikansi 5% adalah sebagai berikut:
a. Jika nilai statistik F < 0,05 maka Ho ditolak, yang berarti variabel-variabel
independen secara bersama-sama (simultan) berpengaruh terhadap variable
dependen.
b. Jika nilai statistik F > 0,05 maka Ho diterima, yang berarti variabel
variabel independen secara bersama-sama (simultan) tidak berpengaruh
terhadap variabel dependen.
3.8.5.2 Uji t-statistic
Uji statistik t ini dilakukan dengan membandingkan t hitung dengan t table
atau dengan melihat kolom probability pada masing-masing t-statistic. Uji t
digunakan untuk menguji bagaimana pengaruh masing-masing variabel
independen secara sendiri-sendiri terhadap variabel dependen. Pengujian
yang didasarkan pada perbandingan antara nilai t hitung dengan t tabel adalah
sebagai berikut:
UNIVERSITAS SUMATERA UTARA
34
a. Jika t hitung < t tabel maka Ho diterima, yang berarti variabel independen
secara individual tidak berpengaruh terhadap variabel dependen.
b. Jika t hitung > t tabel maka Ho ditolak, yang berarti variabel independen
secara individual berpengaruh terhadap variabel dependen. Sedangkan
pengujian yang didasarkan pada perbandingan nilai probability dengan taraf
signifikansi 5% adalah sebagai berikut:
a. Jika nilai probability < 0,05 maka Ho ditolak, yang berarti variable
independen secara individual berpengaruh terhadap variabel dependen.
b. Jika nilai probability > 0,05 maka Ho diterima, yang berarti variable
independen secara individual tidak berpengaruh terhadap variable
dependen.
3.8.5.3 Analisis koefisien determinasi (R square)
Analisis determinasi (R square) digunakan untuk mengukur seberapa besar
pengaruh variabel bebas terhadap variabel terikat. Koefisien determinasi pada
dasarnya adalah untuk mengukur kebenaran model regresi. Apabila nilai R
square semakin mendekati satu maka semakin baik model regresi, artinya model
regresi dapat dibenarkan.
UNIVERSITAS SUMATERA UTARA
35
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Pada bab ini akan dibahas hasil penelitian yang dilakukan setelah
dilakukan tahap-tahap pengolahan data sehingga model permasalahan dapat
dianalisa lebih lanjut. Analisis dan pengolahan data pada penelitian ini
menggunakan 12 sampel perusahaan perbankan go public yang terdaftar di
Federal Reserve Economic Data, yang menerbitkan laporan keuangan tahunan
selama kurun waktu 1996-2014, sehingga total observasi pada penelitian ini
sebanyak 228. Dengan tujuan untuk menganalisa hubungan simultan antara
varibel endogen Bank Market Power (kekuatan pasar bank) dan Bank Liquidity
(likuiditas bank). Serta pengaruh variabel eksogen inflasi, Real deposit Rate (suku
bunga deposito), dan Market Concentration (konsentrasi pasar) terhadap variabel
endogen pada bank di beberapa negara kawasan Asia Pasifik.
4.2 Hasil Statistik Deskriptif
Analisis deskriptif dalam sebuah penelitian berfungsi untuk memberikan
gambaran data penelitian. Dalam penelitian ini digunakan data dari 12 Bank yang
termasuk dalam sampel penelitian dengan periode 1996-2014. Tabel 4.1 dibawah
ini menampilkan hasil statistik deskriptif yaitu nilai rata-rata (mean), nilai tengah
(median), dan simpangan baku (standart deviation) dari masing-masing variabel
eksogen dan variabel endogen secara keseluruhan pada penelitian yang bertujuan
untuk menguraikan hasil estimasi statistik deskriptif.
UNIVERSITAS SUMATERA UTARA
36
Tabel 4.1
Hasil Perhitungan Statistik Deskriptif
No. Tahun Analisis
Deskriptif BMP LIQ INF RDR MCO
1.
1996
Mean 0.226808 30.14003 4.907450 3.660800 56.42833
Median 0.207650 32.99425 5.299900 2.960400 46.41460
Max. 0.427800 48.69440 8.313200 10.14250 93.00010
Minimum 0.009100 8.151200 0.136600 1.340000 28.90710
Std.Dev. 0.125808 13.77604 2.581732 2.281470 21.86202
2.
1997
Mean 0.203492 30.06974 3.648633 3.196008 56.26767
Median 0.207900 31.61005 3.350200 2.910850 53.23075
Max. 0.342200 49.98650 6.226100 6.081900 87.06400
Minimum 0.012800 10.77310 0.224900 1.071700 32.52920
Std. Dev. 0.100900 12.43498 1.893779 1.494179 19.46576
3.
1998
Mean 0.218075 30.79598 8.274750 3.312683 62.68336
Median 0.224000 32.59070 4.091450 3.229150 59.53810
Max. 0.405100 49.26860 58.45100 5.170000 85.82680
Minimum 0.048500 11.59700 -0.773200 1.803300 33.28230
Std. Dev. 0.105357 12.39069 16.21291 1.220050 20.46961
4.
1999
Mean 0.189125 30.62244 2.243692 3.525150 65.44133
Median 0.179650 31.29595 0.548850 3.791300 63.44160
Max. 0.591600 55.17550 20.47780 5.327500 95.98830
Minimum -0.384800 10.12140 -4.009400 1.448300 31.75980
Std. Dev. 0.225747 14.40251 6.396165 1.142107 24.00309
5.
2000
Mean 0.265883 29.41582 0.961692 4.068675 68.63704
Median 0.222200 26.37985 1.448150 4.254700 67.57950
Max. 0.908300 60.33490 4.457400 6.896700 100.0000
Minimum 0.070400 11.17290 -3.685500 0.606700 32.14680
Std. Dev. 0.229861 16.33495 2.517323 1.716299 24.16209
6.
2001
Mean 0.309783 31.20356 2.105258 3.663367 71.72459
Median 0.231150 26.40885 1.207000 3.704950 74.47920
Max. 1.075600 71.85880 11.50010 5.554400 100.0000
Minimum 0.074100 10.68080 -1.986200 1.912300 34.96370
Std. Dev. 0.264859 20.11982 3.780256 1.116571 22.89210
7.
2002
Mean 0.315283 33.83224 1.586142 3.743192 76.79196
Median 0.316350 20.46345 1.252600 3.950400 83.63825
Max. 0.578100 83.38570 11.90010 5.541900 100.0000
Minimum 0.101000 6.553600 -2.983100 1.820800 38.54350
Std. Dev. 0.134648 26.97859 3.944989 1.211129 21.62360
8.
2003
Mean 0.350075 30.01569 1.537900 4.058908 79.14165
Median 0.311300 18.65665 1.465950 4.427600 85.35035
Max. 0.748100 88.17950 6.757300 6.345000 100.0000
Minimum 0.089500 9.924300 -2.673800 1.779600 36.53640
Std. Dev. 0.160519 22.35278 2.488754 1.425721 22.83593
9.
2004
Mean 0.347917 25.25123 2.920875 4.123092 70.87118
Median 0.360400 25.96085 2.551200 3.726400 73.77855
Max. 0.777300 44.95160 7.759100 7.680800 100.0000
Minimum 0.013600 10.25090 -0.274700 1.686300 36.96990
Std. Dev. 0.180268 12.54742 2.424404 1.677765 23.46954
10.
2005
Mean 0.292792 24.93315 3.778225 4.054392 69.35743
Median 0.297050 20.99535 2.857500 4.254450 70.69505
Max. 0.587600 42.88010 10.45320 6.489200 100.0000
Minimum 0.113600 9.447200 -0.282900 1.405800 37.19150
Std. Dev. 0.135660 12.94055 3.256455 1.685232 23.82956
UNIVERSITAS SUMATERA UTARA
37
No. Tahun Analisis
Deskriptif BMP LIQ INF RDR MCO
11.
2006
Mean 0.285283 29.71490 4.170775 3.746533 66.09962
Median 0.266650 35.54320 3.582250 4.042250 65.62100
Max. 0.716600 44.98810 13.10870 5.876000 100.0000
Minimum 0.012100 10.41810 0.249400 0.982100 39.60980
Std. Dev. 0.174417 13.84857 3.493082 1.574741 21.95863
12.
2007
Mean 0.301233 26.83475 3.443667 3.710858 63.52824
Median 0.295400 26.03235 2.431200 3.677100 57.59525
Max. 0.761700 49.34540 8.303800 5.885800 100.0000
Minimum 0.080100 9.802700 0.060000 1.075100 38.26750
Std. Dev. 0.169045 12.81261 2.332901 1.413272 21.29294
13.
2008
Mean 0.289942 24.26637 7.364683 3.633917 64.33597
Median 0.304650 24.17485 5.696900 4.046300 57.79935
Max. 0.724000 38.77480 23.11630 5.105800 100.0000
Minimum 0.074200 11.03130 1.380100 1.297500 42.96480
Std. Dev. 0.169588 8.495494 5.478256 1.321429 21.80113
14.
2009
Mean 0.326417 23.72511 1.682267 3.697983 59.99973
Median 0.288850 26.06260 0.883150 3.231100 53.38845
Maximum 0.797100 34.73790 7.054600 5.825200 100.0000
Minimum 0.127200 10.53140 -1.352800 1.288400 44.11350
Std. Dev. 0.169797 8.014391 2.505552 1.503531 18.44559
15.
2010
Mean 0.374392 23.54872 3.250233 3.504167 59.18085
Median 0.352800 29.18065 2.928750 3.063350 50.13680
Maximum 0.821600 33.16450 8.861600 6.235000 95.26040
Minimum 0.173300 10.00040 -0.720000 1.098300 38.94950
Std. Dev. 0.158312 8.838332 2.234621 1.653523 18.75951
16.
2011
Mean 0.344000 24.45695 5.389850 3.398292 54.59127
Median 0.331400 27.69500 4.983150 3.167650 48.58485
Maximum 0.746800 36.99780 18.67550 5.472500 89.91160
Minimum 0.176200 11.27830 -0.267600 1.039300 37.44180
Std. Dev. 0.143530 8.676340 4.500690 1.509572 15.99819
17.
2012
Mean 0.340583 24.32928 3.528750 3.332717 55.06023
Median 0.323850 24.31275 3.020950 2.984000 46.48160
Maximum 0.803500 46.80840 9.094200 5.848300 89.91360
Minimum 0.147700 10.25830 -0.051900 0.929500 40.39090
Std. Dev. 0.162999 10.21582 2.376701 1.604949 17.69750
18.
2013
Mean 0.374925 23.48798 3.232092 3.418817 54.68487
Median 0.354400 21.43895 2.516300 3.117100 47.05275
Maximum 0.938700 43.32260 6.592300 5.393300 86.65170
Minimum 0.160200 11.89030 0.346400 0.761600 38.40770
Std. Dev. 0.192808 9.639092 2.008241 1.571398 16.95751
19.
2014
Mean 0.384425 21.89053 3.307983 3.305883 55.08207
Median 0.352700 21.01930 2.952500 3.148950 48.85985
Maximum 0.974500 38.24230 6.394900 5.210000 87.53710
Minimum 0.172500 8.185500 1.025000 0.803900 37.83550
Std. Dev. 0.200455 7.740687 1.773852 1.465493 17.36201
Sumber : Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan tabel di atas, dapat dilihat bahwa nilai rata-rata (mean)
tertinggi dari Bank Market Power adalah 0.384425 dengan standar deviasi sebesar
0.200455 yang terjadi pada tahun 2014. Hal ini menunjukkan bahwa secara rata-
rata Bank Market Power berdasarkan sampel bank dalam penelitian di kawasan
UNIVERSITAS SUMATERA UTARA
38
Asia Pasifik selama periode 1996-2014 terdapat daya monopoli pasar karena
nilainya lebih dari 0 (nol) berdasarkan indeks lerner. Nilai maksimum Bank
Market Power sebesar 1.075600 yaitu dimiliki oleh Singapura pada tahun 2001.
Artinya pada tahun 2001 Singapura memiliki Bank Market Power yang dominan
berdasarkan sampel bank dalam penelitian di kawasan Asia Pasifik. Sedangkan
nilai minimum Bank Market Power sebesar -0.384800 yaitu dimiliki oleh
Indonesia pada tahun 1999. Artinya pada tahun 1999 Indonesia sama sekali tidak
memiliki daya monopoli berdasarkan sampel bank dalam penelitian di kawasan
Asia Pasifik yang diakibatkan oleh krisis moneter asia pada saat itu.
Nilai rata-rata (mean) tertinggi dari Bank Liquidity adalah 33.83224
dengan standar deviasi sebesar 26.97859 yang terjadi pada tahun 2002. Hal ini
menunjukkan bahwa secara rata-rata Bank Liquidity dalam perkembangannya
selama periode 1996-2014 berada pada kondisi yang baik. Nilai maksimum Bank
Liquidity sebesar 88.17950 yaitu dimiliki oleh Australia pada tahun 2003. Artinya
pada tahun 2003 Australia memiliki tingkat Bank Liquidity yang sangat tinggi
berdasarkan sampel bank dalam penelitian di kawasan Asia Pasifik. Sedangkan
nilai minimum Bank Liquidity sebesar 6.553600 yaitu dimiliki oleh Korea pada
tahun 2002. Artinya pada tahun 2002 Korea mengalami masalah Bank Liquidity.
Nilai rata-rata (mean) tertinggi dari Inflasi adalah 8.274750 dengan standar
deviasi sebesar 16.21291 yang terjadi pada tahun 1998. Hal ini menunjukkan
bahwa secara rata-rata Inflasi dalam perkembangannya selama periode 1996-2014
berada pada kondisi yang semakin baik. Nilai maksimum Inflasi sebesar 58.45100
yaitu dimiliki oleh Indonesia pada tahun 1998. Hal tersebut terjadi karena pada
UNIVERSITAS SUMATERA UTARA
39
tahun 1998 Indonesia mengalami krisis keuangan akibat dampak dari krisis
moneter Asia yang terjadi pasca itu. Sedangkan nilai minimum Inflasi sebesar -
4.009400 yaitu dimiliki oleh Hongkong pada tahun 1999. Artinya pada tahun
1999 Hongkong mengalami kelesuan ekonomi yang diakibatkan dampak dari
krisis moneter Asia pasca itu.
Nilai rata-rata (mean) tertinggi dari Real Deposit Rate adalah 4.123092
dengan standar deviasi sebesar 1.677765 yang terjadi pada tahun 2004. Hal ini
menunjukkan bahwa secara rata-rata Real Deposit Rate dalam perkembangannya
selama periode 1996-2014 pada sampel bank dalam penelitian di kawasan Asia
Pasifik masih berada pada kondisi yang stabil. Nilai maksimum Real Deposit Rate
sebesar 10.14250 yaitu dimiliki oleh Vietnam pada tahun 1996. Dan nilai
minimum Real Deposit Rate sebesar 0.606700 yaitu dimiliki oleh Republik Korea
pada tahun 2000.
Nilai rata-rata (mean) tertinggi dari Market Concentration adalah
79.14165 dengan standar deviasi sebesar 22.83593 yang terjadi pada tahun 2003.
Hal ini menunjukkan bahwa secara rata-rata Market Concentration berdasarkan
sampel bank dalam penelitian di kawasan Asia Pasifik selama periode 1996-2014
terdapat daya monopoli pasar karena terdapat konsentrasi pasar yang cukup
tinggi. Dan secara otomatis berkaitan dengan Bank Market Power yang nilainya
lebih dari 0 (nol) yang artinya adanya penguasaan pasar pada penelitian ini
berdasarkan indeks lerner. Nilai maksimum Market Concentration sebesar
100.0000. Sedangkan nilai minimum Market Concentration sebesar 28.90710.
UNIVERSITAS SUMATERA UTARA
40
4.3 Hasil Uji Spesifikasi Hausman (Hausman’s specification error test)
Variabel Bank Market Power
Uji simultanitas (Simultaneity) berfungsi untuk melihat hubungan simultan
antara variabel endogen serta untuk menguji apakah variabel dependen (endogen)
regressor berkorelasi dengan error atau disturbance. Uji simultanitas dapat
dilakukan dengan Uji Spesifikasi Hausman (Hausman’s specification error test).
Tabel 4.2 berikut menunjukan hasil uji simultanitas (Hausman Specification
Error Test) antara variabel Bank Market Power dengan Bank Liquidity. Dalam
persamaan simultan, agar suatu persamaan dapat diidentifikasi maka harus
memenuhi persyaratan yang diformulasikan sebagai berikut:
K-k > m-1 dimana :
m = jumlah variabel endogen dalam suatu persamaan simultan.
K = jumlah variabel eksogen dalam sistem persamaan simultan.
k = jumlah variabel eksogen dalam suatu persamaan tertentu.
K = Inflasi, Real Deposit Rate, Market Concentration, a0 dan b0 (Konstanta) = 5
m = Bank Market Power dan Bank Liquidity = 2
Persamaan BMP: (K-k > m-1) = (5-3) > (2-1) Overidentified
Tabel 4.2
Hasil Uji Spesifikasi Hausman (Hausman’s specification error test)
Variabel Bank Market Power Variabel Koefisien t-statistik Prob.
Unstandardized Residual 0.004159 1.983429 0.0486
Sumber: Hasil Olahan Data Eviews, Lampiran 3
Hasil dari tabel 4.2 diatas menunjukkan bahwa nilai probabilitas dari
Unstandardized Residual adalah 0.0486. Nilai ini lebih kecil dibandingkan
dengan nilai signifikansi alpha 5% (α = 0,05). Hal ini menunjukkan bahwa Ho
ditolak, dengan demikian dapat disimpulkan bahwa antara variabel Bank
UNIVERSITAS SUMATERA UTARA
41
Market Power (kekuatan pasar bank) dan Bank Liquidity (likuiditas bank)
memiliki hubungan simultan.
4.4 Hasil Estimasi Regresi Data Panel 2SLS Bank Market Power
Berdasarkan uji Spesifikasi Hausman (Hausman’s specification error test)
diatas, Maka dapat disimpulkan bahwa variabel endogen Bank Market Power
(kekuatan pasar bank) dan Bank Liquidity (likuiditas bank) memiliki hubungan
simultan. Maka estimasi yang dilakukan menggunakan metode Two-stage Least
Squares (2SLS). Pada penelitian ini, Peneliti menggunakan tahapan model
estimasi data panel Two-stage Least Squares (2SLS) Common Effect, Random
Effect (REM), dan Fixed Effect Model (FEM) sebagai berikut:
a. Common Effect
Tabel 4.3
Hasil Estimasi Regresi Data Panel 2SLS Bank Market Power
Menggunakan Model Common Effect Variabel Koefisien Std. Error t-Statistic Prob.
C -0.001303 0.000979 -1.331369 0.1844
LIQ -0.006645 0.002244 -2.961749 0.0034
INF 0.015258 0.009022 1.691270 0.0922
RDR 0.001282 0.000566 2.263688 0.0246
MCO 0.224064 0.042122 5.319438 0.0000
Sumber: Hasil Olahan Data Eviews, Lampiran 4
b. Random Effect
Tabel 4.4
Hasil Estimasi Regresi Data Panel 2SLS Bank Market Power
Menggunakan Model Random Effect Variabel Koefisien Std. Error t-Statistic Prob.
C -0.001547 0.000732 -2.113544 0.0357
LIQ -0.002862 0.001724 -1.659738 0.0984
INF 0.029150 0.007424 3.926523 0.0001
RDR -0.000574 0.000475 -1.207619 0.2285
MCO 0.284943 0.062193 4.581624 0.0000
Sumber: Hasil Olahan Data Eviews, Lampiran 5
UNIVERSITAS SUMATERA UTARA
42
c. Fixed Effect
Tabel 4.5
Hasil Estimasi Regresi Data Panel 2SLS Bank Market Power
Menggunakan Fixed Effect Model (FEM) Variabel Koefisien Std. Error t-Statistic Prob.
C 0.287242 0.042809 6.709844 0.0000
LIQ -0.001547 0.000739 -2.094283 0.0374
INF -0.002678 0.001740 -1.539350 0.1252
RDR 0.029902 0.007531 3.970748 0.0001
MCO -0.000663 0.000480 -1.381169 0.1687
Sumber: Hasil Olahan Data Eviews, Lampiran 6
Hasil regresi menggunakan tahapan model Common Effect, Random Effect
(REM), dan Fixed Effect Model (FEM) diatas menunjukkan hasil yang bervariasi
pada nilai signifikasinya. Model Common Effect dan Fixed Effect Model (FEM)
menunjukkan hasil yang signifikan antar variabel endogennya. Sedangkan model
Random Effect (REM) menunjukkan hasil yang tidak signifikan antar variabel
endogennya. Walaupun model Common Effect menunjukkan hasil yang signifikan
antar variabel endogen, tapi pada hasil estimasi regresi data panel 2SLS Bank
Liquidity Menggunakan model Common Effect menunjukkan hasil yang tidak
signifikan antar variabel endogennya. Sedangkan menggunakan Fixed Effect
Model (FEM) tetap menunjukkan hasil yang signifikan antar variabel endogennya.
Dan dikarenakan hasil yang tidak seimbang dari model Common Effect tersebut,
maka model yang paling tepat untuk digunakan pada penelitian ini adalah Fixed
Effect Model (FEM). Dan pada penelitian ini, jumlah runtun waktu (time series)
lebih besar jumlahnya dibandingkan dengan jumlah cross section, maka dapat
disarankan untuk menggunakan metode FEM.
UNIVERSITAS SUMATERA UTARA
43
Dari pengolahan data statistik di atas maka diperoleh model persamaan
regresi data panel 2SLS Bank Market Power Menggunakan Fixed Effect Model
(FEM) pada penelitian ini sebagai berikut:
BMPit = 0.287242 - 0.001547Xit - 0.002678Xit + 0.029902Xit - 0.000663Xit + eit
Tabel di atas merupakan hasil regresi data panel yang diolah dengan
menggunakan program Eviews 9. Adapun interpretasi dari hasil output yang
diperoleh adalah sebagai berikut:
a. Constanta
Berdasarkan hasil estimasi diketahui koefisien konstanta sebesar
0.287242. Hal ini berarti apabila variabel eksogen bernilai konstan maka variabel
endogen Bank Market Power akan memiliki nilai sebesar 0.287242. Signifikasi
yang diperoleh sebesar 0.0000 < 0.05, maka konstanta berpengaruh terhadap
variabel endogen Bank Market Power.
b. Bank Liquidity (LIQ)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel LIQ adalah -0.001547. Hal ini menunjukkan bahwa LIQ memiliki
pengaruh negatif terhadap variabel endogen Bank Market Power. Sehingga
apabila nilai Bank Liquidity mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya penurunan nilai Bank Market Power sebesar 0.001547
satuan.
c. Inflasi
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel INF adalah -0.002678. Hal ini menunjukkan bahwa INF memiliki
UNIVERSITAS SUMATERA UTARA
44
pengaruh negatif terhadap variabel endogen Bank Market Power. Sehingga
apabila nilai inflasi mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya penurunan nilai Bank Market Power sebesar 0.002678
satuan.
d. Real Deposit Rate (RDR)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel RDR adalah 0.029902. Hal ini menunjukkan bahwa RDR memiliki
pengaruh positif terhadap variabel endogen Bank Market Power. Sehingga apabila
nilai Real Deposit rate mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya peningkatan nilai Bank Market Power sebesar 0.029902
satuan.
e. Market Concentration (MCO)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel MCO adalah -0.000663. Hal ini menunjukkan bahwa MCO memiliki
pengaruh negatif terhadap variabel endogen Bank Market Power. Sehingga
apabila nilai Market Concentration mengalami peningkatan sebesar 1 satuan
maka akan mendorong terjadinya penurunan nilai Bank Market Power sebesar
0.000663 satuan.
4.5 Hasil Uji Hausman Bank Liquidity
Dalam persamaan simultan, agar suatu persamaan dapat diidentifikasi
maka harus memenuhi persyaratan yang diformulasikan sebagai berikut:
K-k > m-1 dimana :
m = jumlah variabel endogen dalam suatu persamaan simultan.
UNIVERSITAS SUMATERA UTARA
45
K = jumlah variabel eksogen dalam sistem persamaan simultan.
k = jumlah variabel eksogen dalam suatu persamaan tertentu.
K = Inflasi, Real Deposit Rate, Market Concentration, a0 dan b0 (Konstanta) = 5
m = Bank Market Power dan Bank Liquidity = 2
Persamaan LIQ: (K-k > m-1) = (5-3) > (2-1) Overidentified
Tabel 4.6
Hasil Uji Spesifikasi Hausman (Hausman’s specification error test)
Variabel Bank Liquidity
Variabel Koefisien t-statistik Prob.
Unstandardized Residual 1.000000 22.33520 0.0000 Sumber: Hasil Olahan Data Eviews, Lampiran 7
Hasil dari tabel 4.6 diatas menunjukkan bahwa nilai probabilitas dari
Unstandardized Residual adalah 0.0000. Nilai ini lebih kecil dibandingkan
dengan nilai signifikansi alpha 5% (α = 0,05). Hal ini menunjukkan bahwa Ho
ditolak, dengan demikian dapat disimpulkan bahwa antara variabel Bank
Market Power dan Bank Liquidity memiliki hubungan simultan.
4.6 Hasil Estimasi Regresi Data Panel 2SLS Bank Liquidity
Berdasarkan uji Spesifikasi Hausman (Hausman’s specification error test)
diatas, Maka dapat disimpulkan bahwa variabel Bank Market Power dan
Bank Liquidity memiliki hubungan simultan. Maka estimasi yang dilakukan
menggunakan metode Two-stage Least Squares (2SLS). Pada penelitian ini,
Peneliti menggunakan tahapan model estimasi data panel Two-stage Least
Squares (2SLS) Common Effect, Random Effect (REM), dan Fixed Effect Model
(FEM) sebagai berikut:
UNIVERSITAS SUMATERA UTARA
46
a. Common Effect
Tabel 4.7
Hasil Estimasi Regresi Data Panel 2SLS Bank Liquidity Menggunakan
Model Common Effect
Variabel Koefisien Std. Error t-Statistic Prob.
C -6.049939 4.544148 -1.331369 0.1844
BMP 0.149175 0.155514 0.959240 0.3385
INF 4.596696 0.536512 8.567734 0.0000
RDR 0.141268 0.037868 3.730543 0.0002
MCO 2.863779 3.040244 0.941957 0.3472
Sumber: Hasil Olahan Data Eviews, Lampiran 8
b. Random Effect
Tabel 4.8
Hasil Estimasi Regresi Data Panel 2SLS Bank Liquidity Menggunakan
Model Random Effect
Variabel Koefisien Std. Error t-Statistic Prob.
C -10.90645 5.422407 -2.011367 0.0455
BMP -0.072855 0.152225 -0.478598 0.6327
INF 2.567848 0.624213 4.113737 0.0001
RDR 0.084794 0.040655 2.085685 0.0381
MCO 16.09863 3.809797 4.225588 0.0000
Sumber: Hasil Olahan Data Eviews, Lampiran 9
c. Fixed Effect
Tabel 4.9
Hasil Estimasi Regresi Data Panel 2SLS Bank Liquidity Menggunakan
Fixed Effect Model (FEM)
Variabel Koefisien Std. Error t-Statistic Prob.
C 23.80895 4.018076 5.925462 0.0000
BMP -13.10282 6.256469 -2.094283 0.0374
INF -0.220067 0.160305 -1.372805 0.1713
RDR 1.368068 0.712205 1.920892 0.0561
MCO 0.050904 0.044261 1.150083 0.2514
Sumber: Hasil Olahan Data Eviews, Lampiran 10
Hasil regresi menggunakan tahapan model Common Effect, Random Effect
(REM), dan Fixed Effect Model (FEM) diatas menunjukkan hasil yang bervariasi
UNIVERSITAS SUMATERA UTARA
47
pada nilai signifikasinya. Model Common Effect dan Random Effect Model
(REM) menunjukkan hasil yang tidak signifikan antar variabel endogennya.
Sedangkan Fixed Effect Model (FEM) menunjukkan hasil yang signifikan antar
variabel endogennya. Dengan demikian, maka model yang paling tepat untuk
digunakan pada penelitian ini adalah Fixed Effect Model (FEM). Dan pada
penelitian ini, jumlah runtun waktu (time series) lebih besar jumlahnya
dibandingkan dengan jumlah cross section, maka dapat disarankan untuk
menggunakan metode FEM.
Dari pengolahan data statistik di atas maka diperoleh model persamaan
regresi data panel 2SLS Bank Liquidity Menggunakan Fixed Effect Model (FEM)
pada penelitian ini sebagai berikut:
LIQit = 23.80895 - 13.10282Xit - 0.220067Xit +1.368068Xit + 0.050904Xit + eit
Tabel di atas merupakan hasil regresi data panel yang diolah dengan
menggunakan program Eviews 9. Adapun interpretasi dari hasil output yang
diperoleh adalah sebagai berikut:
a. Constanta
Berdasarkan hasil estimasi diketahui koefisien konstanta sebesar
23.80895. Hal ini berarti apabila variabel eksogen bernilai konstan maka variabel
endogen Bank Liquidity akan memiliki nilai sebesar 23.80895. Signifikasi yang
diperoleh sebesar 0.0000 < 0.05, maka konstanta berpengaruh terhadap variabel
endogen Bank Liquidity.
b. Bank Market Power (BMP)
UNIVERSITAS SUMATERA UTARA
48
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel BMP adalah -13.10282. Hal ini menunjukkan bahwa BMP memiliki
pengaruh negatif terhadap variabel endogen Bank Liquidity. Sehingga apabila
nilai Bank Market Power mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya penurunan nilai Bank Liquidity sebesar 13.10282 satuan.
c. Inflasi (INF)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel INF adalah -0.220067. Hal ini menunjukkan bahwa INF memiliki
pengaruh negatif terhadap variabel endogen Bank Liquidity. Sehingga apabila
nilai inflasi mengalami peningkatan sebesar 1 satuan maka akan mendorong
terjadinya penurunan nilai Bank Liquidity sebesar 0.220067 satuan.
d. Real Deposit Rate (RDR)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel RDR adalah 1.368068. Hal ini menunjukkan bahwa RDR memiliki
pengaruh positif terhadap variabel endogen Bank Liquidity. Sehingga apabila nilai
Real Deposit rate mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya peningkatan nilai Bank Liquidity sebesar 1.368068 satuan.
e. Market Concentration (MCO)
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel MCO adalah 0.050904. Hal ini menunjukkan bahwa MCO memiliki
pengaruh positif terhadap variabel endogen Bank Liquidity. Sehingga apabila nilai
Market Concentration mengalami peningkatan sebesar 1 satuan maka akan
mendorong terjadinya peningkatan nilai Bank Liquidity sebesar 0.050904 satuan.
UNIVERSITAS SUMATERA UTARA
49
4.7 Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui ada tidaknya pengaruh
dari variabel eksogen terhadap variabel endogen baik secara parsial maupun
simultan, dan untuk mengetahui besarnya pengaruh tersebut.
4.8 Hasil Pengujian Hipotesis Bank Market Power
4.8.1 Uji Simultanitas (Uji F-Statistic) Bank Market Power
Uji F-Statistic bertujuan untuk menguji pengaruh variabel Eksogen yang
digunakan pada penelitian ini yaitu Inflasi, Real Deposit Rate, dan Market
Concentration secara simultan atau bersamaan terhadap variabel eksogen yaitu
Bank Market Power secara signifikan. Hasil perhitungan uji F dapat terlihat pada
tabel berikut ini:
Tabel 4.10
Hasil Uji Hipotesis Simultan
F-Statistic 26.56189
Prob (F-Statistic) 0.000000 Sumber: Hasil Olahan Data Eviews, Lampiran 6
Dari hasil estimasi persamaan satu dengan metode two stage least squares
maka diperoleh nilai F-statistic 26.56189 dengan probabilitas 0.000000 sesuai
dengan tabel 4.6 diatas. Nilai probabilitas F-statistik 0.000000 lebih kecil
dibandingkan dengan alpha < 0,05 (α=5%), dengan demikian maka dapat
disimpulkan bahwa Ho ditolak. Dan hal ini membuktikan bahwa variabel
eksogen secara bersama-sama atau simultan signifikan mempengaruhi variabel
endogen atau variabel Bank Market Power dengan tingkat kepercayaan
signifikansi 95%.
4.8.2 Hasil Uji Parsial (t-statistic) Bank Market Power
UNIVERSITAS SUMATERA UTARA
50
Uji ini dilakukan untuk menentukan apakah koefisien regresi variabel
eksogen yaitu Inflasi, Real Deposit Rate, dan Market Concentration secara parsial
berpengaruh signifikan terhadap variabel endogen yaitu Bank Market Power,
dengan menganggap variabel eksogen lain adalah konstan. Hasil pengujian secara
parsial disajikan pada tabel dibawah ini:
Tabel 4.11
Hasil Uji t-statistic
Variabel Koefisien t hitung Sig. t Keterangan
C 0.287242 6.709844 0.0000 Signifikan
LIQ -0.001547 -2.094283 0.0374 Signifikan
INF -0.002678 -1.539350 0.1252 Non Signifikan
RDR 0.029902 3.970748 0.0001 Signifikan
MCO -0.000663 -1.381169 0.1687 Non Signifikan Sumber: Hasil Olahan Data Eviews, Lampiran 6
1. Hipotesis pertama dalam penelitian ini adalah Bank Liquidity berpengaruh
signifikan negatif terhadap Bank market Power. Berdasarkan hasil estimasi yang
dilakukan diperoleh nilai t-statistik untuk variabel Bank Liquidity sebesar
-2.094283 dan nilai signifikansi sebesar 0.0374. Dapat dilihat bahwa nilai
probability t-statistik variabel Bank Liquidity lebih kecil dari alpha 5 persen,
sehingga Ha diterima yang berarti variabel Bank Liquidity berpengaruh signifikan
terhadap variabel Bank market Power dalam penelitian ini pada tingkat
kepercayaan 95 persen. Nilai t-statistik variabel Bank Liquidity yang bertanda
negatif menyatakan bahwa setiap peningkatan nilai variabel Bank Liquidity
sebesar 1 satuan akan menurunkan nilai Bank Market Power sebesar 2.094283
satuan. Dengan demikian dapat disimpulkan bahwa Bank Liquidity secara parsial
berpengaruh negatif dan signifikan terhadap Bank Market Power.
UNIVERSITAS SUMATERA UTARA
51
2. Hipotesis kedua dalam penelitian ini adalah Inflasi berpengaruh signifikan
negatif terhadap Bank market Power. Berdasarkan hasil estimasi yang dilakukan
diperoleh nilai t-statistik untuk variabel Inflasi sebesar -1.539350 dan nilai
signifikansi sebesar 0.1252. Dapat dilihat bahwa nilai probability t-statistik
variabel Inflasi lebih besar dari alpha 5 persen, sehingga H0 diterima yang berarti
variabel Inflasi tidak berpengaruh signifikan terhadap variabel Bank market
Power dalam penelitian ini pada tingkat kepercayaan 95 persen. Nilai t-statistik
variabel Inflasi yang bertanda negatif menyatakan bahwa setiap peningkatan nilai
variabel Inflasi sebesar 1 satuan akan menurunkan nilai Bank Market Power
sebesar 1.539350 satuan. Dengan demikian dapat disimpulkan bahwa Inflasi
secara parsial berpengaruh negatif dan tidak signifikan terhadap Bank Market
Power.
3. Hipotesis ketiga dalam penelitian ini adalah Real Deposit Rate
berpengaruh signifikan positif terhadap Bank market Power. Berdasarkan hasil
estimasi yang dilakukan diperoleh nilai t-statistik untuk variabel Real Deposit
Rate 3.970748 dan nilai signifikansi sebesar 0.0001. Dapat dilihat bahwa nilai
probability t-statistik variabel Real Deposit Rate lebih kecil dari alpha 5 persen,
sehingga Ha diterima yang berarti variabel Real Deposit Rate berpengaruh
signifikan terhadap variabel Bank market Power dalam penelitian ini pada tingkat
kepercayaan 95 persen. Nilai t-statistik variabel Real Deposit Rate yang bertanda
positif menyatakan bahwa setiap peningkatan nilai variabel Real Deposit Rate
sebesar 1 satuan akan menaikkan nilai Bank Market Power sebesar 3.970748
UNIVERSITAS SUMATERA UTARA
52
satuan. Dengan demikian dapat disimpulkan bahwa Real Deposit Rate secara
parsial berpengaruh positif dan signifikan terhadap Bank Market Power.
4. Hipotesis keempat dalam penelitian ini adalah Market Concentration
berpengaruh signifikan negatif terhadap Bank market Power. Berdasarkan hasil
estimasi yang dilakukan diperoleh nilai t-statistik untuk variabel Market
Concentration sebesar -1.381169 dan nilai signifikansi sebesar 0.1687. Dapat
dilihat bahwa nilai probability t-statistik variabel Market Concentration lebih
besar dari alpha 5 persen, sehingga H0 diterima yang berarti variabel Market
Concentration tidak berpengaruh signifikan terhadap variabel Bank market
Power dalam penelitian ini pada tingkat kepercayaan 95 persen. Nilai t-statistik
variabel Market Concentration yang bertanda negatif menyatakan bahwa setiap
peningkatan nilai variabel Market Concentration sebesar 1 satuan akan
menurunkan nilai Bank Market Power sebesar -1.381169 satuan. Dengan
demikian dapat disimpulkan bahwa Market Concentration secara parsial
berpengaruh negatif dan tidak signifikan terhadap Bank Market Power.
4.8.3 Analisis Koefisien Determinasi (R-Squared) Bank Market Power
Analisis koefisien determinasi dilakukan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variabel endogennya. Jika nilai R-
squared yang mendekati 1 (satu) memiliki arti variabel eksogen yaitu Inflasi, Real
Deposit Rate, dan Market Concentration memberikan hampir semua informasi
yang dibutuhkan untuk memprediksi variabel endogen yaitu Bank Market Power.
Hasil perhitungan koefisien determinasi dapat dilihat pada tabel berikut ini:
UNIVERSITAS SUMATERA UTARA
53
Tabel 4.12
Koefisien Determinasi
R-Squared 0.652703 Sumber: Hasil Olahan Data Eviews, Lampiran 6
Berdasarkan hasil estimasi yang diperoleh dengan menggunakan program
eviews 9, dihasilkan nilai koefisien determinasi (R-Squared) sebesar 0.652703
yang berarti secara keseluruhan variabel eksogen (Inflasi, Real Deposit Rate, dan
Market Concentration) yang ada dalam persamaan mampu menjelaskan
pengaruhnya terhadap variabel endogen (Bank Market Power) sebesar 65.27
persen dan sisanya 34.73 persen dijelaskan oleh variabel lain yang tidak
dimasukkan dalam model persamaan dalam penelitian tersebut.
4.9 Hasil Pengujian Hipotesis Bank Liquidity
4.9.1 Uji Simultanitas (Uji F-Statistic) Bank Liquidity
Uji F-Statistic bertujuan untuk menguji pengaruh variabel Eksogen yang
digunakan pada penelitian ini yaitu Inflasi, Real Deposit Rate, dan Market
Concentration secara simultan atau bersamaan terhadap variabel eksogen yaitu
Bank Liquidity secara signifikan. Hasil perhitungan uji F dapat terlihat pada tabel
berikut ini:
Tabel 4.13
Hasil Uji Hipotesis Simultan
F-Statistic 16.42294
Prob (F-Statistic) 0.000000 Sumber: Hasil Olahan Data Eviews, Lampiran 10
Dari hasil estimasi persamaan dua dengan metode two stage least squares
maka diperoleh nilai F-statistic 16.42294 dengan probabilitas 0.000000 sesuai
dengan tabel 4.9 diatas. Nilai probabilitas F-statistik 0.000000 lebih kecil
dibandingkan dengan alpha <0,05 (α=5%), dengan demikian maka dapat
UNIVERSITAS SUMATERA UTARA
54
disimpulkan bahwa Ho ditolak. Dan hal ini membuktikan bahwa variabel
eksogen secara bersama-sama atau simultan signifikan mempengaruhi variabel
endogen atau variabel Bank Liquidity dengan tingkat kepercayaan signifikansi
95%.
4.9.2 Hasil Uji Parsial (t-statistic) Bank Liquidity
Uji ini dilakukan untuk menentukan apakah koefisien regresi variabel
eksogen yaitu Inflasi, Real Deposit Rate, dan Market Concentration secara parsial
berpengaruh signifikan terhadap variabel endogen yaitu Bank Liquidity, dengan
menganggap variabel eksogen lain adalah konstan. Hasil pengujian secara parsial
disajikan pada tabel dibawah ini:
Tabel 4.14
Hasil Uji t-statistic
Variabel Koefisien t hitung Sig. t Keterangan
C 23.80895 5.925462 0.0000 Signifikan
BMP -13.10282 -2.094283 0.0374 Signifikan
INF -0.220067 -1.372805 0.1713 Non Signifikan
RDR 1.368068 1.920892 0.0561 Signifikan
MCO 0.050904 1.150083 0.2514 Non Signifikan Sumber: Hasil Olahan Data Eviews, Lampiran 10
1. Hipotesis pertama dalam penelitian ini adalah Bank Market Power
berpengaruh signifikan negatif terhadap Bank Liquidity. Berdasarkan hasil
estimasi yang dilakukan diperoleh nilai t-statistik untuk variabel Bank Market
Power sebesar -2.094283 dan nilai signifikansi sebesar 0.0374. Dapat dilihat
bahwa nilai probability t-statistik variabel Bank Market Power lebih kecil dari
alpha 5 persen, sehingga Ha diterima yang berarti variabel Bank Market Power
berpengaruh signifikan terhadap variabel Bank Liquidity dalam penelitian ini pada
tingkat kepercayaan 95 persen. Nilai t-statistik variabel Bank Market Power yang
UNIVERSITAS SUMATERA UTARA
55
bertanda negatif menyatakan bahwa setiap peningkatan nilai variabel Bank
Market Power sebesar 1 satuan akan menurunkan nilai Bank Liquidity sebesar
2.094283 satuan. Dengan demikian dapat disimpulkan bahwa Bank Market Power
secara parsial berpengaruh negatif dan signifikan terhadap Bank Liquidity.
2. Hipotesis kedua dalam penelitian ini adalah Inflasi berpengaruh signifikan
negatif terhadap Bank Liquidity. Berdasarkan hasil estimasi yang dilakukan
diperoleh nilai t-statistik untuk variabel Inflasi sebesar -1.372805 dan nilai
signifikansi sebesar 0.1713. Dapat dilihat bahwa nilai probability t-statistik
variabel Inflasi lebih besar dari alpha 5 persen, sehingga H0 diterima yang berarti
variabel Inflasi tidak berpengaruh signifikan terhadap variabel Bank Liquidity
dalam penelitian ini pada tingkat kepercayaan 95 persen. Nilai t-statistik variabel
Inflasi yang bertanda negatif menyatakan bahwa setiap peningkatan nilai variabel
Inflasi sebesar 1 satuan akan menurunkan nilai Bank Liquidity sebesar 1.372805
satuan. Dengan demikian dapat disimpulkan bahwa Inflasi secara parsial
berpengaruh negatif dan tidak signifikan terhadap Bank Liquidity.
3. Hipotesis ketiga dalam penelitian ini adalah Real Deposit Rate
berpengaruh signifikan positif terhadap Bank Liquidity. Berdasarkan hasil
estimasi yang dilakukan diperoleh nilai t-statistik untuk variabel Real Deposit
Rate 1.920892 dan nilai signifikansi sebesar 0.0561. Dapat dilihat bahwa nilai
probability t-statistik variabel Real Deposit Rate lebih kecil dari alpha 5 persen,
sehingga Ha diterima yang berarti variabel Real Deposit Rate berpengaruh
signifikan terhadap variabel Bank Liquidity dalam penelitian ini pada tingkat
kepercayaan 95 persen. Nilai t-statistik variabel Real Deposit Rate yang bertanda
UNIVERSITAS SUMATERA UTARA
56
positif menyatakan bahwa setiap peningkatan nilai variabel Real Deposit Rate
sebesar 1 satuan akan menaikkan nilai Bank Liquidity sebesar 1.920892 satuan.
Dengan demikian dapat disimpulkan bahwa Real Deposit Rate secara parsial
berpengaruh positif dan signifikan terhadap Bank Liquidity.
4. Hipotesis keempat dalam penelitian ini adalah Market Concentration
berpengaruh signifikan positif terhadap Bank Liquidity. Berdasarkan hasil
estimasi yang dilakukan diperoleh nilai t-statistik untuk variabel Market
Concentration sebesar 1.150083 dan nilai signifikansi sebesar 0.2514. Dapat
dilihat bahwa nilai probability t-statistik variabel Market Concentration lebih
besar dari alpha 5 persen, sehingga H0 diterima yang berarti variabel Market
Concentration tidak berpengaruh signifikan terhadap variabel Bank Liquidity
dalam penelitian ini pada tingkat kepercayaan 95 persen. Nilai t-statistik variabel
Market Concentration yang bertanda positif menyatakan bahwa setiap
peningkatan nilai variabel Market Concentration sebesar 1 satuan akan
menaikkan nilai Bank Liquidity sebesar 1.150083 satuan. Dengan demikian dapat
disimpulkan bahwa Market Concentration secara parsial berpengaruh positif dan
tidak signifikan terhadap Bank Liquidity.
4.9.3 Analisis Koefisien Determinasi (R-Squared) Bank Liquidity
Analisis koefisien determinasi dilakukan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variabel endogennya. Jika nilai R-
squared yang mendekati 1 (satu) memiliki arti variabel eksogen yaitu Inflasi, Real
Deposit Rate, dan Market Concentration memberikan sampir semua informasi
UNIVERSITAS SUMATERA UTARA
57
yang dibutuhkan untuk memprediksi variabel endogen yaitu Bank Liquidity. Hasil
perhitungan koefisien determinasi dapat dilihat pada tabel berikut ini:
Tabel 4.15
Koefisien Determinasi
R-Squared 0.537465 Sumber: Hasil Olahan Data Eviews, Lampiran 10
Berdasarkan hasil estimasi yang diperoleh dengan menggunakan program
eviews 9, dihasilkan nilai koefisien determinasi (R-Squared) sebesar 0.537465
yang berarti secara keseluruhan variabel eksogen (Inflasi, Real Deposit Rate, dan
Market Concentration) yang ada dalam persamaan mampu menjelaskan
pengaruhnya terhadap variabel endogen (Bank Liquidity) sebesar 53.74 persen dan
sisanya 46.26 persen dijelaskan oleh variabel lain yang tidak dimasukkan dalam
model persamaan dalam penelitian tersebut.
4.10 Pembahasan
4.10.1 Pengaruh Bank Market Power Terhadap Bank Liquidity
Hasil estimasi dan uji signifikasi membuktikan bahwa secara empiris Bank
Market Power (Kekuatan Pasar Bank) memiliki pengaruh negatif dan signifikan
terhadap Bank Liquidity (Likuiditas Bank). Begitu pula sebaliknya Bank Liquidity
(Likuiditas Bank) memiliki pengaruh negatif signifikan terhadap Bank Market
Power (Kekuatan Pasar Bank) pada bank yang berada di kawasan Asia Pasifik
periode 1996-2014. Dimana hasil dari koefisien regresi data panel 2SLS Bank
Market Power dan Bank Liquidity menggunakan Fixed Effect Model (FEM)
masing-masing sebesar -13.10282 dan -0.001547. Dan juga menunjukkan hasil
signifikasi menggunakan Hausman’s Specification Error Test masing-masing
Bank Market Power dan Bank Liquidity sebesar 0.0486<0.05 dan 0.0000<0.05.
UNIVERSITAS SUMATERA UTARA
58
Dengan kata lain jika semakin tinggi tingkat kekuatan pasar perbankan (Bank
Market Power) di suatu negara tersebut maka dapat mengurangi tingkat
likuiditasnya (Bank Liquidity). Hasil ini sejalan dengan penelitian yang dilakukan
oleh Nguyen, Perera, dan Skully (2017) yang menyatakan bahwa kekuatan pasar
bank berpengaruh terhadap likuiditas bank tergantung pada gelar atau tingkat dari
kekuatan pasar bank tersebut. Yang mana hasil observasi yang telah dilakukan
berdasarkan perbankan yang ada di negara-negara maju dan negara-negara
berkembang menunjukkan pengaruh yang negatif antara kedua variabel.
Berdasarkan hasil observasinya dikatakan bahwa bank-bank dengan tingkat
kekuatan pasar perbankan yang rendah memegang aset yang lebih likuid dan
sebagai pemberi pinjaman di pasar uang antar bank. Sebaliknya, bank-bank
dengan kekuatan pasar perbankan yang tinggi atau bank-bank dominan
berinvestasi di pasar modal dan sebagai borrowers di pasar uang antar bank.
Semakin rendahnya tingkat persaingan pada industri perbankan,
menyebabkan munculnya bank-bank dominan yang menguasai pasar. Dan sejalan
dengan hal tersebut, bank-bank dominan akan meningkatkan risikonya baik dalam
segi kredit maupun investasi surat-surat berharga dengan tujuan untuk
meningkatkan profitabilitas serta nilai dari perbankan tersebut. Hasil pada
penelitian ini menunjukkan hal yang sejalan berdasarkan pada perhitungan
statistik deskriptif dimana nilai maksimum tingkat kekuatan pasar bank
berdasarkan indeks lerner dimiliki oleh Singapura. Dimana menurut International
Monetary Fund (IMF) Singapura termasuk negara maju. Dan nilai minimum
tingkat kekuatan pasar bank berdasarkan indeks lerner dimiliki oleh Indonesia.
UNIVERSITAS SUMATERA UTARA
59
Dimana menurut International Monetary Fund (IMF) Indonesia termasuk negara
berkembang.
4.10.2 Pengaruh Variabel Eksogen Terhadap Bank Market Power
Pada penelitian ini digunakan tiga variabel eksogen yaitu Inflasi, Real
Deposit Rate (Suku Bunga Deposito), dan Market Concentration (Konsentrasi
Pasar). Variabel Inflasi memberikan pengaruh negatif namun tidak signifikan
terhadap variabel Bank Market Power pada bank yang berada di kawasan Asia
Pasifik periode 1996-2014. Dimana hasil dari koefisien regresi data panel 2SLS
Bank Market Power menggunakan Fixed Effect Model (FEM) sebesar -0.002678
dengan nilai signifikasi sebesar 0.1252>0.05. Hal ini mengindikasikan semakin
meningkat nilai inflasi suatu negara akan mengakibatkan menurunnya kekuatan
pasar bank negara tersebut namun pengaruhnya tidak signifikan. Hal yang diduga
menjadi alasan inflasi berpengaruh negatif namun tidak signifikan terhadap Bank
Market Power adalah dikarenakan keinginan perbankan dalam meningkatkan
kekuatan pasar bank dikaitkan dengan kegiatan pengambilan risiko bank yang
lebih besar dalam upaya mencapai laba yang lebih tinggi seperti kredit, investasi
di pasar modal, ataupun utang. Dan dapat dikarenakan terlalu tingginya tingkat
inflasi pada negara-negara tertentu yang ada pada sampel penelitian. Untuk alasan
dan kepentingan tertentu, inflasi memang diperlukan. Namun, inflasi yang terlalu
tinggi justu makin mempersulit kondisi ekonomi suatu negara yang tentunya akan
berimbas kepada seluruh sektor perekonomian termasuk sektor perbankan.
Semakin meningkatnya angka inflasi suatu negara tentu akan berdampak pada
penurunan dari nilai mata uang di negara tersebut. Akibatnya jumlah kewajiban
UNIVERSITAS SUMATERA UTARA
60
dan kredit macet nilainya akan meningkat. Dan pada akhirnya daya Bank market
Power dari negara tersebut menurun ataupun dapat hilang.
Variabel Real Deposit Rate memberikan pengaruh positif dan signifikan
terhadap variabel Bank Market Power pada bank yang berada di kawasan Asia
Pasifik periode 1996-2014. Dimana hasil dari koefisien regresi data panel 2SLS
Bank Market Power menggunakan Fixed Effect Model (FEM) sebesar 0.029902
dengan nilai signifikasi sebesar 0.0001<0.05. Hal ini mengindikasikan semakin
meningkat nilai Real Deposit Rate suatu negara juga akan meningkatlan kekuatan
pasar banknya. Hal yang diduga menjadi alasan Real Deposit rate berpengaruh
positif dan signifikan terhadap Bank Market Power adalah dikarenakan upaya atau
persaingan dalam menarik minat masyarakat untuk menabung dengan cara
meningkatkan Real Deposit Rate perbankan dapat diandalkan guna menambah
tingkatan laba perbankan sehingga nilai dari kekuatan pasarnya meningkat.
Variabel Market Concentration memberikan pengaruh negatif namun
tidak signifikan terhadap variabel Bank Market Power pada bank yang berada di
kawasan Asia Pasifik periode 1996-2014. Dimana hasil dari koefisien regresi data
panel 2SLS Bank Market Power menggunakan Fixed Effect Model (FEM) sebesar
-0.000663 dengan nilai signifikasi sebesar 0.1687>0.05. Hal ini mengindikasikan
semakin meningkat nilai Market Concentration suatu negara akan mengakibatkan
menurunnya kekuatan pasar bank negara tersebut namun pengaruhnya tidak
signifikan. Hasil penelitian ini sesuai dengan teori yang dilakukan oleh Mirzaei
(2011) dengan judul “Does Market Structure Matter On Bank’s Profitability and
Stability? Emerging versus Advanced Economies” pada negara berkembang dan
UNIVERSITAS SUMATERA UTARA
61
negara maju. Penelitian ini memperoleh kesimpulan bahwa pangsa pasar tidak
memiliki pengaruh yang signifikan pada profitabilitas bank di negara
berkembang, tetapi memiliki pengaruh yang signifikan pada profitabilitas bank di
negara maju. Yang mana apabila berbicara tentang hubungan Market
Concentration (konsentrasi pasar) yang di ukur dengan pangsa pasar (Market
Share) terhadap Bank Market Power (kekuatan pasar bank) tentu akan berkaitan
juga tentang profitabilitas yang diperoleh oleh perbankan. Dimana peningkatan
konsentrasi pasar akan meningkatkan profitabilitas perbankan. Karena pada
penelitian ini sampel yang digunakan cenderung pada negara berkembang maka
hasil dari penelitian diatas dapat dikatakan sejalan. Dapat dilihat berdasarkan pada
perhitungan statistik deskriptif dimana nilai maksimum Market Concentration
(konsentrasi pasar) dimiliki oleh negara-negara maju yang ada pada sampel
penelitian yaitu sebesar100.00. Sedangkan nilai maksimum Market Concentration
(konsentrasi pasar) dimiliki oleh Indonesia. Dimana menurut International
Monetary Fund (IMF) Indonesia termasuk negara berkembang.
4.10.3 Pengaruh Variabel Eksogen Terhadap Bank Liquidity
Pada penelitian ini digunakan tiga variabel eksogen yaitu Inflasi, Real
Deposit Rate (Suku Bunga Deposito), dan Market Concentration (Konsentrasi
Pasar). Variabel Inflasi memberikan pengaruh negatif namun tidak signifikan
terhadap variabel Bank Liquidity pada bank yang berada di kawasan Asia Pasifik
periode 1996-2014. Dimana hasil dari koefisien regresi data panel 2SLS Bank
Liquidity menggunakan Fixed Effect Model (FEM) sebesar -0.220067 dengan
UNIVERSITAS SUMATERA UTARA
62
nilai signifikasi sebesar 0.1713>0.05. Hal ini mengindikasikan semakin
meningkat nilai inflasi suatu negara akan mengakibatkan menurunnya nilai
likuiditas bank pada negara tersebut namun pengaruhnya tidak signifikan. Hal
yang diduga menjadi alasan inflasi berpengaruh negatif namun tidak signifikan
terhadap Bank Liquidity adalah dikarenakan terlalu tingginya tingkat inflasi pada
negara-negara tertentu yang ada pada sampel penelitian. Untuk alasan dan
kepentingan tertentu, inflasi memang diperlukan. Namun, inflasi yang terlalu
tinggi justu makin mempersulit kondisi ekonomi suatu negara yang tentunya akan
berimbas kepada seluruh sektor perekonomian termasuk sektor perbankan.
Dampak dari inflasi yang tinggi akan berimbas pada nasabah dan perbankan.
Karena semakin tingginya harga-harga yang disebabkan inflasi, maka semakin
meningkat pula jumlah kredit macet oleh debitur serta menyebabkan terjadinya
gagal bayar bank terhadap sebagian besar kewajibannya.
Variabel Real Deposit Rate memberikan pengaruh positif dan signifikan
terhadap variabel Bank Liquidity pada bank yang berada di kawasan Asia Pasifik
periode 1996-2014. Dimana hasil dari koefisien regresi data panel 2SLS Bank
Liquidity menggunakan Fixed Effect Model (FEM) sebesar 1.368068 dengan nilai
signifikasi sebesar 0.0561<0.05. Hal ini mengindikasikan semakin meningkat
nilai Real Deposit Rate suatu negara juga akan meningkatlan nilai likuiditas
perbankannya. Hal yang diduga menjadi alasan Real Deposit rate berpengaruh
positif dan signifikan terhadap Bank Liquidity adalah dikarenakan tingginya Real
Deposit Rate yang ditawarkan oleh perbankan mengakibatkan banyaknya aliran
dana yang masuk ke perbankan dan selanjutnya akan disalurkan oleh bank
UNIVERSITAS SUMATERA UTARA
63
kembali dalam bentuk kredit kepada masyarakat sehingga bank memperoleh laba
sehingga kebutuhan likuiditasnya dapat terpenuhi.
Variabel Market Concentration memberikan pengaruh positif namun tidak
signifikan terhadap variabel Bank Liquidity pada bank yang berada di kawasan
Asia Pasifik periode 1996-2014. Dimana hasil dari koefisien regresi data panel
2SLS Bank Liquidity menggunakan Fixed Effect Model (FEM) sebesar 0.050904
dengan nilai signifikasi sebesar 0.2514>0.05. Hal ini mengindikasikan semakin
meningkat nilai Market Concentration suatu negara maka likuiditas bank di
negara tersebut juga akan meningkat namun pengaruhnya tidak signifikan. Hal
yang diduga menjadi alasan Market Concentration berpengaruh positif namun
tidak signifikan terhadap Bank Liquidity adalah dikarenakan kegagalan dalam
mempertahankan dan mengelola likuiditasnya. Perbankan yang memiliki kualitas
aset yang baik, kekuatan pasar dan konsentasi yang tinggi mungkin saja bisa gagal
jika tidak memperhatikan tingkat likuiditasnya.
UNIVERSITAS SUMATERA UTARA
64
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan tahapan-tahapan penelitian secara keseluruhan, maka
kesimpulan yang dapat diambil adalah sebagai berikut:
1. Bank Market Power memiliki pengaruh negatif dan signifikan terhadap
Bank Liquidity.
2. Bank Liquidity memiliki pengaruh negatif dan signifikan terhadap Bank
Market Power.
3. Inflasi memiliki pengaruh negatif namun tidak signifikan terhadap Bank
Market Power dan Bank liquidity.
4. Real Deposit Rate memiliki pengaruh positif dan signifikan terhadap Bank
Market Power dan Bank liquidity.
5. Market Concentration memiliki pengaruh negatif namun tidak signifikan
terhadap Bank Market Power dan memiliki pengaruh positif namun tidak
signifikan terhadap Bank Liquidity.
5.2 Saran
Berdasarkan hasil penelitian dan pembahasan ini, maka penulis
memberikan saran sebagai berikut:
1. Bagi Perbankan, hasil penelitian ini diharapkan dapat dijadikan
pertimbangan dalam mengambil keputusan risiko setidaknya dapat
memperhatikan faktor struktur dan derajat kompetisi pasar sehingga dapat
mengkaji kekuatan pasar dan level dari likuiditas mereka masing-masing
untuk dapat meredam jika ada terjadinya goncangan krisis.
UNIVERSITAS SUMATERA UTARA
65
2. Bagi Investor, hasil penelitian ini diharapkan menjadi bahan pertimbangan
bagi para investor dalam memperhatikan kondisi struktur dan derajat
kompetisi pasar di industri perbankan. Serta memperhatikan tata kelola
maupun kondisi keuangan perusahaan perbankan yang akan diajak untuk
bekerja sama seperti pengaruh dari tingkat likuiditas perbankan tersebut
sehingga dapat mengalokasikan dananya kepada tempat yang sesuai.
3. Bagi penelitian selanjutnya, perlu dipertimbangkan untuk menggunakan
metode pengukuran tingkat kekuatan pasar bank (Bank Market Power)
yang berbeda dan memilih objek penelitian dengan wilayah yang berbeda
agar dapat menjadi bahan perbandingan. Serta menambahkan periode
penelitian yang lebih mendekati tahun pada saat dilakukannya penelitian.
UNIVERSITAS SUMATERA UTARA
66
DAFTAR PUSTAKA
Almarzoqi, R., Naceur, S. B., & Scopelliti, A. D., (2015). “How Does Bank
Competition Affect Solvency, Liquidity And Credit Risk? Evidence From
The MENA Countries”. International Monetary Fund (2015).
Ariss, R. T., (2010). “On The Implications Of Market Power In Banking:
Evidence From Developing Countries”. Journal of Banking & Finance 34 (2010) 765–775.
Asmoro, W. Probo, (2018). “Analisis Faktor-Faktor Yang Mempengaruhi Pangsa
Pasar Bank Syariah Di Indonesia”. Jurnal Ekonomi. Jakarta: Universitas
Islam Negeri Syarief Hidayatullah.
Bawazir, H., Degl’innocenti, M. & Wolve, S., (2018). “Bank Market Power and
Liquidity Creation”. [email protected].
Gujarati & Porter, (2010). “Dasar-dasar Ekonometrika Edisi 5”. Penerbit
Salemba Empat: Jakarta.
Holmstrom, B. & Tirole, J., (2014). “Private and Public Supply of Liquidity”.
Journal of Political Economy, Vol. 106, No. 1 (February 1998), pp. 1-40.
Horvath, R., Seidler, J. & Weill, L., (2014). “How Bank Competition Influences
Liquidity Creation”. Economic Modelling 2014.
Hossain, Mahmud et al, (2013). “State Ownership And Bank Equity In The Asia-
Pacific Region”. Pacific-Basin Finance Journal 21 (2013) 914–931.
Khan, M. S., Sceule, H. & Wu, E., (2017). “Funding Liquidity And Bank Risk
Taking”. Journal Of Banking And Finance 8 2(2017) 203–216.
Lubis, A. Fahmi, (2012). “Buletin Ekonomi Dan Perbankan Tentang Market
Power Perbankan Indonesia”. Jurnal Bank Indonesia. Volume 14, Nomor
3, Bank Indonesia: Jakarta.
Mirzaei (2011). “Does Market Structure Matter On Bank’s Profitability and
Stability? Emerging versus Advanced Economies”
Naylah (2010). “Pengaruh Struktur Pasar Terhadap Kinerja Industri Perbankan”.
Jurnal Ekonomi. Semarang: Universitas Diponegoro.
Nguyen, M., Perera, S. & Skully, M., (2017). “Bank Market Power, Asset
Liquidity and Funding Liquidity”, International Review of Financial
Analysis 54 (2017) 23-38.
UNIVERSITAS SUMATERA UTARA
67
Paal, B., Smith, B. & Wang, K., (2013). “Monopoly versus Competition in
Banking: Some Implications for Growth and Welfare”. Annals Of
Economics And Finance 14-2(B), 853–892 (2013).
Pertiwi, Yolanda N., (2013). “Pengaruh Struktur Pasar Industri Perbankan Dan
Karakteristik Bank Terhadap Profitabilitas Bank Konvensional Di
Indonesia Periode 2006-2011”. Jurnal Ekonomi. Semarang: Universitas
Diponegoro.
Pyndick & Rubinfeld (2010). Microeconomics International Edition.
Pujianti, Ria, (2016). “Analisis Struktur Pasar Perbankandan Stabilitas Perbankan
Di Indonesia (Sebelum Dan Setelah Kebijakan Arsitektur Perbankan
Indonesia)”. Fakultas Ekonomi. Universitas Lampung: Bandar Lampung.
Rahmadani, Ayu (2016).“Model Persamaan Simultan Antara Capital
Requirements Dan Prilaku Risiko Pada Bank Yang Terdaftar Di Bei”.
Fakultas Ekonomi dan Bisnis. Universitas Sumatera Utara: Medan.
Sadono, Sukirno (2010). Makroekonomi. Teori Pengantar. Edisi Ketiga. PT. Raja
Grasindo Perseda: Jakarta.
Seungho, Choi (2017). “Bank Competition and Bank Liquidity Creation”.
Wibowo, Buddi, (2016). “Stabilitas Bank, Tingkat Persaingan Antar Bank dan
Diversifikasi Sumber Pendapatan: Analisis Per Kelompok Bank di
Indonesia”. Jurnal Manajemen Teknologi Vol.15, No.2, 2016.
Wuryandani, G., Ginting, R., Iskandar, D. & Sitompul, Z., (2014). “Pengelolaan
Dana Dan Likuiditas Bank”. Buletin Ekonomi Moneter Dan Perbankan.
UNIVERSITAS SUMATERA UTARA
68
DAFTAR LAMPIRAN
Lampiran 1. Data Hasil Pemilihan Sampel
No. Kode Negara Nama Negara Kriteria Sampel
Terpilih 1 2
1. AFG Afghanistan X X X
2. AUS Australia Sampel 1
3. BGL Bangladesh X X
4. BHT Bhutan X X X
5. BRD Brunei Darussalam X X X
6. CHN China Sampel 2
7. FDM Federasi Mikronesia X X X
8. FIJ Fiji X X X
9. PHL Filipina Sampel 3
10. GUA Guam X X X
11. HKG Hong Kong Sampel 4
12. IND India X X
13. IDN Indonesia Sampel 5
14. JPN Jepang Sampel 6
15. KDB Kaledonia Baru X X X
16. KBJ Kamboja X X X
17. KPC Kepulauan Cook X X X
18. KMU KepulauanMariana Utara X X X
19. KPM Kepulauan Marshall X X X
20. KPS Kepulauan Solomon X X X
21. KRB Kiribati X X X
22. KOR Korea Selatan Sampel 7
23. KOR Korea Utara Sampel 7
24. LAO Laos X X X
25. MAC Macau Sampel 8
26. MLD Maladewa X X X
27. MYS Malaysia Sampel 9
28. MYM Myanmar X X X
29. MGL Mongolia X X X
30. NAU Nauru X X X
31. NPL Nepal X X
32. PKS Pakistan X X
33. PAL Palau X X X
34. PPN Papua Nugini X X X
35. PLP Polinesia Prancis X X X
36. SAM Samoa X X X
37. SMA Samoa Amerika X X X
38. SLB Selandia Baru X X
39. SGP Singapura Sampel 10
40. SRL Sri Lanka X X
41. TWN Taiwan X X X
42. THA Thailand Sampel 11
43. TML Timor Leste X X X
44. TKL Tokelau X X X
45. TGA Tonga X X X
46. TVL Tuvalu X X X
47. VAN Vanuatu X X X
48. VNM Vietnam Sampel 12
49. WDF Wallis dan Futuna X X X
Sumber: www.fred.stlouisfed.org yang diolah
UNIVERSITAS SUMATERA UTARA
69
Lampiran 2. Hasil Uji Statistik Deskriptif
Tahun 1996
BMP LIQ INF RDR MCO
Mean 0.226808 30.14003 4.907450 3.660800 56.42833
Median 0.207650 32.99425 5.299900 2.960400 46.41460
Maximum 0.427800 48.69440 8.313200 10.14250 93.00010
Minimum 0.009100 8.151200 0.136600 1.340000 28.90710
Std. Dev. 0.125808 13.77604 2.581732 2.281470 21.86202
Skewness 0.128840 -0.148796 -0.431795 2.028734 0.368015
Kurtosis 2.291297 1.728751 2.176267 6.634699 1.738352
Jarque-Bera 0.284330 0.852318 0.712162 14.83704 1.066748
Probability 0.867478 0.653013 0.700416 0.000600 0.586622
Sum 2.721700 361.6804 58.88940 43.92960 677.1399
Sum Sq. Dev. 0.174104 2087.572 73.31877 57.25618 5257.426
Observations 12 12 12 12 12
Tahun 1997
BMP LIQ INF RDR MCO
Mean 0.203492 30.06974 3.648633 3.196008 56.26767
Median 0.207900 31.61005 3.350200 2.910850 53.23075
Maximum 0.342200 49.98650 6.226100 6.081900 87.06400
Minimum 0.012800 10.77310 0.224900 1.071700 32.52920
Std. Dev. 0.100900 12.43498 1.893779 1.494179 19.46576
Skewness -0.422557 -0.130647 -0.151528 0.851113 0.301349
Kurtosis 2.278276 2.131337 1.957238 2.966527 1.810489
Jarque-Bera 0.617551 0.411425 0.589598 1.449348 0.889091
Probability 0.734345 0.814067 0.744681 0.484483 0.641116
Sum 2.441900 360.8369 43.78360 38.35210 675.2120
Sum Sq. Dev. 0.111989 1700.916 39.45037 24.55829 4168.076
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
70
Tahun 1998
BMP LIQ INF RDR MCO
Mean 0.218075 30.79598 8.274750 3.312683 62.68336
Median 0.224000 32.59070 4.091450 3.229150 59.53810
Maximum 0.405100 49.26860 58.45100 5.170000 85.82680
Minimum 0.048500 11.59700 -0.773200 1.803300 33.28230
Std. Dev. 0.105357 12.39069 16.21291 1.220050 20.46961
Skewness 0.211104 -0.135322 2.749371 0.338698 -0.091294
Kurtosis 2.351952 1.978587 9.131883 1.747364 1.485597
Jarque-Bera 0.299113 0.558266 33.91807 1.013981 1.163377
Probability 0.861090 0.756439 0.000000 0.602306 0.558954
Sum 2.616900 369.5518 99.29700 39.75220 752.2003
Sum Sq. Dev. 0.122102 1688.820 2891.444 16.37374 4609.054
Observations 12 12 12 12 12
Tahun 1999
BMP LIQ INF RDR MCO
Mean 0.189125 30.62244 2.243692 3.525150 65.44133
Median 0.179650 31.29595 0.548850 3.791300 63.44160
Maximum 0.591600 55.17550 20.47780 5.327500 95.98830
Minimum -0.384800 10.12140 -4.009400 1.448300 31.75980
Std. Dev. 0.225747 14.40251 6.396165 1.142107 24.00309
Skewness -0.976852 0.341496 2.041565 -0.574460 -0.166121
Kurtosis 5.193766 2.185251 6.720309 2.426135 1.550787
Jarque-Bera 4.314785 0.565148 15.25633 0.824670 1.105302
Probability 0.115626 0.753841 0.000487 0.662102 0.575422
Sum 2.269500 367.4693 26.92430 42.30180 785.2960
Sum Sq. Dev. 0.560577 2281.755 450.0202 14.34850 6337.632
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
71
Tahun 2000
BMP LIQ INF RDR MCO
Mean 0.265883 29.41582 0.961692 4.068675 68.63704
Median 0.222200 26.37985 1.448150 4.254700 67.57950
Maximum 0.908300 60.33490 4.457400 6.896700 100.0000
Minimum 0.070400 11.17290 -3.685500 0.606700 32.14680
Std. Dev. 0.229861 16.33495 2.517323 1.716299 24.16209
Skewness 1.936569 0.948467 -0.285061 -0.415398 -0.157159
Kurtosis 6.238451 2.821392 2.120454 2.809104 1.783790
Jarque-Bera 12.74438 1.815131 0.549321 0.363332 0.788981
Probability 0.001708 0.403505 0.759830 0.833880 0.674023
Sum 3.190600 352.9898 11.54030 48.82410 823.6445
Sum Sq. Dev. 0.581195 2935.138 69.70607 32.40252 6421.872
Observations 12 12 12 12 12
Tahun 2001
BMP LIQ INF RDR MCO
Mean 0.309783 31.20356 2.105258 3.663367 71.72459
Median 0.231150 26.40885 1.207000 3.704950 74.47920
Maximum 1.075600 71.85880 11.50010 5.554400 100.0000
Minimum 0.074100 10.68080 -1.986200 1.912300 34.96370
Std. Dev. 0.264859 20.11982 3.780256 1.116571 22.89210
Skewness 2.177467 0.780103 1.260885 -0.144167 -0.220943
Kurtosis 7.070834 2.453309 4.145749 2.253007 1.700664
Jarque-Bera 17.76857 1.366557 3.836035 0.320568 0.941768
Probability 0.000139 0.504959 0.146898 0.851902 0.624450
Sum 3.717400 374.4427 25.26310 43.96040 860.6951
Sum Sq. Dev. 0.771655 4452.879 157.1937 13.71404 5764.530
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
72
Tahun 2002
BMP LIQ INF RDR MCO
Mean 0.315283 33.83224 1.586142 3.743192 76.79196
Median 0.316350 20.46345 1.252600 3.950400 83.63825
Maximum 0.578100 83.38570 11.90010 5.541900 100.0000
Minimum 0.101000 6.553600 -2.983100 1.820800 38.54350
Std. Dev. 0.134648 26.97859 3.944989 1.211129 21.62360
Skewness 0.463977 0.929071 1.402388 -0.340387 -0.452966
Kurtosis 2.820135 2.370983 4.990530 1.964792 1.834036
Jarque-Bera 0.446725 1.924175 5.914488 0.767555 1.090092
Probability 0.799825 0.382094 0.051962 0.681283 0.579815
Sum 3.783400 405.9869 19.03370 44.91830 921.5035
Sum Sq. Dev. 0.199430 8006.290 171.1923 16.13517 5143.381
Observations 12 12 12 12 12
Tahun 2003
BMP LIQ INF RDR MCO
Mean 0.350075 30.01569 1.537900 4.058908 79.14165
Median 0.311300 18.65665 1.465950 4.427600 85.35035
Maximum 0.748100 88.17950 6.757300 6.345000 100.0000
Minimum 0.089500 9.924300 -2.673800 1.779600 36.53640
Std. Dev. 0.160519 22.35278 2.488754 1.425721 22.83593
Skewness 1.035928 1.586282 0.278664 -0.176583 -0.668465
Kurtosis 4.524281 4.812276 3.066653 2.014961 2.026425
Jarque-Bera 3.308009 6.674755 0.157529 0.547514 1.367614
Probability 0.191282 0.035530 0.924258 0.760517 0.504692
Sum 4.200900 360.1883 18.45480 48.70690 949.6998
Sum Sq. Dev. 0.283429 5496.116 68.13285 22.35948 5736.274
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
73
Tahun 2004
BMP LIQ INF RDR MCO
Mean 0.347917 25.25123 2.920875 4.123092 70.87118
Median 0.360400 25.96085 2.551200 3.726400 73.77855
Maximum 0.777300 44.95160 7.759100 7.680800 100.0000
Minimum 0.013600 10.25090 -0.274700 1.686300 36.96990
Std. Dev. 0.180268 12.54742 2.424404 1.677765 23.46954
Skewness 0.580560 0.103868 0.548365 0.539058 -0.121293
Kurtosis 4.479485 1.531769 2.463631 2.865014 1.551001
Jarque-Bera 1.768538 1.099428 0.745254 0.590278 1.079223
Probability 0.413016 0.577115 0.688922 0.744428 0.582975
Sum 4.175000 303.0148 35.05050 49.47710 850.4541
Sum Sq. Dev. 0.357462 1731.816 64.65510 30.96386 6059.011
Observations 12 12 12 12 12
Tahun 2005
BMP LIQ INF RDR MCO
Mean 0.292792 24.93315 3.778225 4.054392 69.35743
Median 0.297050 20.99535 2.857500 4.254450 70.69505
Maximum 0.587600 42.88010 10.45320 6.489200 100.0000
Minimum 0.113600 9.447200 -0.282900 1.405800 37.19150
Std. Dev. 0.135660 12.94055 3.256455 1.685232 23.82956
Skewness 0.586741 0.190071 0.738586 -0.143385 -0.089111
Kurtosis 2.929816 1.326491 2.598476 1.741145 1.445025
Jarque-Bera 0.690992 1.472570 1.171629 0.833476 1.224856
Probability 0.707869 0.478890 0.556652 0.659194 0.542033
Sum 3.513500 299.1978 45.33870 48.65270 832.2891
Sum Sq. Dev. 0.202440 1842.037 116.6495 31.24007 6246.329
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
74
Tahun 2006
BMP LIQ INF RDR MCO
Mean 0.285283 29.71490 4.170775 3.746533 66.09962
Median 0.266650 35.54320 3.582250 4.042250 65.62100
Maximum 0.716600 44.98810 13.10870 5.876000 100.0000
Minimum 0.012100 10.41810 0.249400 0.982100 39.60980
Std. Dev. 0.174417 13.84857 3.493082 1.574741 21.95863
Skewness 1.008842 -0.248071 1.389269 -0.504875 0.259022
Kurtosis 4.423636 1.321171 4.603726 2.050203 1.835630
Jarque-Bera 3.048895 1.532313 5.146107 0.960854 0.812064
Probability 0.217741 0.464796 0.076302 0.618519 0.666289
Sum 3.423400 356.5788 50.04930 44.95840 793.1954
Sum Sq. Dev. 0.334633 2109.611 134.2178 27.27789 5303.998
Observations 12 12 12 12 12
Tahun 2007
BMP LIQ INF RDR MCO
Mean 0.301233 26.83475 3.443667 3.710858 63.52824
Median 0.295400 26.03235 2.431200 3.677100 57.59525
Maximum 0.761700 49.34540 8.303800 5.885800 100.0000
Minimum 0.080100 9.802700 0.060000 1.075100 38.26750
Std. Dev. 0.169045 12.81261 2.332901 1.413272 21.29294
Skewness 1.600756 0.152500 0.764133 -0.540125 0.654162
Kurtosis 5.855434 1.785159 2.697828 2.633909 2.118665
Jarque-Bera 9.201590 0.784432 1.213453 0.650480 1.244231
Probability 0.010044 0.675558 0.545132 0.722354 0.536808
Sum 3.614800 322.0170 41.32400 44.53030 762.3389
Sum Sq. Dev. 0.314338 1805.793 59.86668 21.97071 4987.284
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
75
Tahun 2008
BMP LIQ INF RDR MCO
Mean 0.289942 24.26637 7.364683 3.633917 64.33597
Median 0.304650 24.17485 5.696900 4.046300 57.79935
Maximum 0.724000 38.77480 23.11630 5.105800 100.0000
Minimum 0.074200 11.03130 1.380100 1.297500 42.96480
Std. Dev. 0.169588 8.495494 5.478256 1.321429 21.80113
Skewness 1.195724 -0.016290 2.094622 -0.692312 0.771591
Kurtosis 4.766620 2.336011 6.955423 2.296494 2.037989
Jarque-Bera 4.419987 0.220971 16.59757 1.206053 1.653437
Probability 0.109701 0.895399 0.000249 0.547153 0.437483
Sum 3.479300 291.1964 88.37620 43.60700 772.0316
Sum Sq. Dev. 0.316361 793.9076 330.1242 19.20793 5228.184
Observations 12 12 12 12 12
Tahun 2009
BMP LIQ INF RDR MCO
Mean 0.326417 23.72511 1.682267 3.697983 59.99973
Median 0.288850 26.06260 0.883150 3.231100 53.38845
Maximum 0.797100 34.73790 7.054600 5.825200 100.0000
Minimum 0.127200 10.53140 -1.352800 1.288400 44.11350
Std. Dev. 0.169797 8.014391 2.505552 1.503531 18.44559
Skewness 1.807662 -0.420404 0.785860 -0.018815 1.083521
Kurtosis 6.104798 1.902501 2.750667 1.619679 3.002181
Jarque-Bera 11.35517 0.955731 1.266237 0.953351 2.348037
Probability 0.003422 0.620106 0.530934 0.620844 0.309122
Sum 3.917000 284.7013 20.18720 44.37580 719.9968
Sum Sq. Dev. 0.317142 706.5351 69.05571 24.86665 3742.637
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
76
Tahun 2010
BMP LIQ INF RDR MCO
Mean 0.374392 23.54872 3.250233 3.504167 59.18085
Median 0.352800 29.18065 2.928750 3.063350 50.13680
Maximum 0.821600 33.16450 8.861600 6.235000 95.26040
Minimum 0.173300 10.00040 -0.720000 1.098300 38.94950
Std. Dev. 0.158312 8.838332 2.234621 1.653523 18.75951
Skewness 1.878731 -0.483174 0.989145 0.175637 0.814113
Kurtosis 6.630661 1.537286 5.007703 1.732117 2.359172
Jarque-Bera 13.65011 1.536681 3.972253 0.865460 1.530889
Probability 0.001086 0.463782 0.137226 0.648736 0.465127
Sum 4.492700 282.5846 39.00280 42.05000 710.1702
Sum Sq. Dev. 0.275690 859.2773 54.92886 30.07552 3871.110
Observations 12 12 12 12 12
Tahun 2011
BMP LIQ INF RDR MCO
Mean 0.344000 24.45695 5.389850 3.398292 54.59127
Median 0.331400 27.69500 4.983150 3.167650 48.58485
Maximum 0.746800 36.99780 18.67550 5.472500 89.91160
Minimum 0.176200 11.27830 -0.267600 1.039300 37.44180
Std. Dev. 0.143530 8.676340 4.500690 1.509572 15.99819
Skewness 1.843166 -0.319686 2.226005 0.065726 0.950431
Kurtosis 6.434293 1.751323 7.790677 1.750602 2.867952
Jarque-Bera 12.69171 0.983995 21.38550 0.789138 1.815358
Probability 0.001754 0.611404 0.000023 0.673971 0.403460
Sum 4.128000 293.4834 64.67820 40.77950 655.0952
Sum Sq. Dev. 0.226610 828.0677 222.8184 25.06688 2815.364
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
77
Tahun 2012
BMP LIQ INF RDR MCO
Mean 0.340583 24.32928 3.528750 3.332717 55.06023
Median 0.323850 24.31275 3.020950 2.984000 46.48160
Maximum 0.803500 46.80840 9.094200 5.848300 89.91360
Minimum 0.147700 10.25830 -0.051900 0.929500 40.39090
Std. Dev. 0.162999 10.21582 2.376701 1.604949 17.69750
Skewness 1.920971 0.617342 0.919036 0.258574 1.003671
Kurtosis 6.729745 3.109966 3.715899 1.788297 2.480427
Jarque-Bera 14.33576 0.768268 1.945511 0.867833 2.149688
Probability 0.000771 0.681040 0.378040 0.647966 0.341351
Sum 4.087000 291.9514 42.34500 39.99260 660.7227
Sum Sq. Dev. 0.292256 1147.993 62.13576 28.33447 3445.216
Observations 12 12 12 12 12
Tahun 2013
BMP LIQ INF RDR MCO
Mean 0.374925 23.48798 3.232092 3.418817 54.68487
Median 0.354400 21.43895 2.516300 3.117100 47.05275
Maximum 0.938700 43.32260 6.592300 5.393300 86.65170
Minimum 0.160200 11.89030 0.346400 0.761600 38.40770
Std. Dev. 0.192808 9.639092 2.008241 1.571398 16.95751
Skewness 2.160477 0.875340 0.559518 -0.144258 0.965015
Kurtosis 7.474048 2.859443 2.105493 1.793532 2.396179
Jarque-Bera 19.34387 1.542319 1.026192 0.769403 2.044808
Probability 0.000063 0.462476 0.598639 0.680654 0.359729
Sum 4.499100 281.8557 38.78510 41.02580 656.2184
Sum Sq. Dev. 0.408923 1022.033 44.36337 27.16220 3163.127
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
78
Tahun 2014
BMP LIQ INF RDR MCO
Mean 0.384425 21.89053 3.307983 3.305883 55.08207
Median 0.352700 21.01930 2.952500 3.148950 48.85985
Maximum 0.974500 38.24230 6.394900 5.210000 87.53710
Minimum 0.172500 8.185500 1.025000 0.803900 37.83550
Std. Dev. 0.200455 7.740687 1.773852 1.465493 17.36201
Skewness 2.232406 0.507712 0.470238 -0.172698 0.951838
Kurtosis 7.636345 3.271761 2.052718 1.939570 2.460806
Jarque-Bera 20.71512 0.552469 0.890920 0.621905 1.957357
Probability 0.000032 0.758635 0.640530 0.732749 0.375807
Sum 4.613100 262.6864 39.69580 39.67060 660.9848
Sum Sq. Dev. 0.442003 659.1006 34.61208 23.62436 3315.835
Observations 12 12 12 12 12
UNIVERSITAS SUMATERA UTARA
79
Lampiran 3. Hasil Olahan Data Eviews, Hausman’s Specification Error Test
Bank Market Power
Dependent Variable: BMP
Method: Panel Two-Stage Least Squares
Date: 12/15/19 Time: 14:46
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: C LIQ INF RDR MCO RES
Constant added to instrument list Variable Coefficient Std. Error t-Statistic Prob. LIQ -0.004159 0.001737 -2.393712 0.0175
INF -0.006100 0.002246 -2.716090 0.0071
RDR 0.028222 0.011093 2.544135 0.0116
MCO 0.001667 0.000595 2.800059 0.0056
RES 0.004159 0.002097 1.983429 0.0486
C 0.228405 0.041904 5.450596 0.0000 R-squared 0.100121 Mean dependent var 0.302128
Adjusted R-squared 0.079853 S.D. dependent var 0.176182
S.E. of regression 0.169001 Sum squared resid 6.340645
F-statistic 4.939963 Durbin-Watson stat 0.324256
Prob(F-statistic) 0.000262 Second-Stage SSR 6.340645
Instrument rank 6 Sumber: Hasil Olahan Data Eviews
UNIVERSITAS SUMATERA UTARA
80
Lampiran 4. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank
Market Power Menggunakan Model Common Effect
Dependent Variable: BMP
Method: Panel Two-Stage Least Squares
Date: 01/14/20 Time: 12:39
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: LIQ INF RDR MCO C Variable Coefficient Std. Error t-Statistic Prob. LIQ -0.001303 0.000979 -1.331369 0.1844
INF -0.006645 0.002244 -2.961749 0.0034
RDR 0.015258 0.009022 1.691270 0.0922
MCO 0.001282 0.000566 2.263688 0.0246
C 0.224064 0.042122 5.319438 0.0000 R-squared 0.084174 Mean dependent var 0.302128
Adjusted R-squared 0.067747 S.D. dependent var 0.176182
S.E. of regression 0.170110 Sum squared resid 6.453006
F-statistic 5.124040 Durbin-Watson stat 0.370428
Prob(F-statistic) 0.000574 Second-Stage SSR 6.453006
Instrument rank 5
UNIVERSITAS SUMATERA UTARA
81
Lampiran 5. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank
Market Power Menggunakan Model Random Effect
Dependent Variable: BMP
Method: Panel Two-Stage EGLS (Cross-section random effects)
Date: 01/14/20 Time: 13:13
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Swamy and Arora estimator of component variances
Instrument specification: LIQ INF RDR MCO C Variable Coefficient Std. Error t-Statistic Prob. LIQ -0.001547 0.000732 -2.113544 0.0357
INF -0.002862 0.001724 -1.659738 0.0984
RDR 0.029150 0.007424 3.926523 0.0001
MCO -0.000574 0.000475 -1.207619 0.2285
C 0.284943 0.062193 4.581624 0.0000 Effects Specification
S.D. Rho Cross-section random 0.159237 0.6872
Idiosyncratic random 0.107438 0.3128 Weighted Statistics R-squared 0.102015 Mean dependent var 0.046215
Adjusted R-squared 0.085908 S.D. dependent var 0.111910
S.E. of regression 0.106995 Sum squared resid 2.552894
F-statistic 6.333472 Durbin-Watson stat 0.824764
Prob(F-statistic) 0.000076 Second-Stage SSR 2.552894
Instrument rank 5 Unweighted Statistics R-squared 0.014351 Mean dependent var 0.302128
Sum squared resid 6.944991 Durbin-Watson stat 0.303173
UNIVERSITAS SUMATERA UTARA
82
Lampiran 6. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank
Market Power Menggunakan Model Fixed Effect
Dependent Variable: BMP
Method: Panel Two-Stage Least Squares
Date: 09/11/19 Time: 06:23
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: LIQ C INF RDR MCO Variable Coefficient Std. Error t-Statistic Prob. C 0.287242 0.042809 6.709844 0.0000
LIQ -0.001547 0.000739 -2.094283 0.0374
INF -0.002678 0.001740 -1.539350 0.1252
RDR 0.029902 0.007531 3.970748 0.0001
MCO -0.000663 0.000480 -1.381169 0.1687 Effects Specification Cross-section fixed (dummy variables) R-squared 0.652703 Mean dependent var 0.302128
Adjusted R-squared 0.628130 S.D. dependent var 0.176182
S.E. of regression 0.107438 Sum squared resid 2.447093
F-statistic 26.56189 Durbin-Watson stat 0.858428
Prob(F-statistic) 0.000000 Second-Stage SSR 2.447093
Instrument rank 16
Sumber: Hasil Olahan Data Eviews
UNIVERSITAS SUMATERA UTARA
83
Lampiran 7. Hasil Olahan Data Eviews, Hausman’s Specification Error Test
Bank Liquidity
Dependent Variable: LIQ
Method: Panel Two-Stage Least Squares
Date: 12/15/19 Time: 14:58
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: C BMP INF RDR MCO RES
Constant added to instrument list Variable Coefficient Std. Error t-Statistic Prob. BMP -6.049939 2.527429 -2.393712 0.0175
INF 0.149175 0.086496 1.724650 0.0860
RDR 4.596696 0.298405 15.40421 0.0000
MCO 0.141268 0.021062 6.707265 0.0000
RES 1.000000 0.044772 22.33520 0.0000
C 2.863779 1.690967 1.693575 0.0917 R-squared 0.794166 Mean dependent var 27.29129
Adjusted R-squared 0.789530 S.D. dependent var 14.05025
S.E. of regression 6.445836 Sum squared resid 9223.835
F-statistic 171.3077 Durbin-Watson stat 0.288637
Prob(F-statistic) 0.000000 Second-Stage SSR 9223.835
Instrument rank 6
Sumber: Hasil Olahan Data Eviews
UNIVERSITAS SUMATERA UTARA
84
Lampiran 8. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank
Liquidity Menggunakan Model Common Effect
Dependent Variable: LIQ
Method: Panel Two-Stage Least Squares
Date: 01/14/20 Time: 13:23
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: BMP INF RDR MCO C Variable Coefficient Std. Error t-Statistic Prob. BMP -6.049939 4.544148 -1.331369 0.1844
INF 0.149175 0.155514 0.959240 0.3385
RDR 4.596696 0.536512 8.567734 0.0000
MCO 0.141268 0.037868 3.730543 0.0002
C 2.863779 3.040244 0.941957 0.3472 R-squared 0.331631 Mean dependent var 27.29129
Adjusted R-squared 0.319643 S.D. dependent var 14.05025
S.E. of regression 11.58918 Sum squared resid 29950.92
F-statistic 27.66205 Durbin-Watson stat 0.671415
Prob(F-statistic) 0.000000 Second-Stage SSR 29950.92
Instrument rank 5
UNIVERSITAS SUMATERA UTARA
85
Lampiran 9. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank
Liquidity Menggunakan Model Random Effect
Dependent Variable: LIQ
Method: Panel Two-Stage EGLS (Cross-section random effects)
Date: 01/14/20 Time: 13:37
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Swamy and Arora estimator of component variances
Instrument specification: BMP INF RDR MCO C Variable Coefficient Std. Error t-Statistic Prob. BMP -10.90645 5.422407 -2.011367 0.0455
INF -0.072855 0.152225 -0.478598 0.6327
RDR 2.567848 0.624213 4.113737 0.0001
MCO 0.084794 0.040655 2.085685 0.0381
C 16.09863 3.809797 4.225588 0.0000 Effects Specification
S.D. Rho Cross-section random 4.712498 0.1851
Idiosyncratic random 9.887835 0.8149 Weighted Statistics R-squared 0.105825 Mean dependent var 11.83703
Adjusted R-squared 0.089786 S.D. dependent var 10.75022
S.E. of regression 10.25626 Sum squared resid 23457.58
F-statistic 6.598000 Durbin-Watson stat 0.746398
Prob(F-statistic) 0.000049 Second-Stage SSR 23457.58
Instrument rank 5 Unweighted Statistics R-squared 0.257261 Mean dependent var 27.29129
Sum squared resid 33283.61 Durbin-Watson stat 0.526045
UNIVERSITAS SUMATERA UTARA
86
Lampiran 10. Hasil Olahan Data Eviews Two Stage Least Square (2SLS)
Bank Liquidity Menggunakan fixed effect model (FEM)
Dependent Variable: LIQ
Method: Panel Two-Stage Least Squares
Date: 09/11/19 Time: 13:40
Sample: 1996 2014
Periods included: 19
Cross-sections included: 12
Total panel (balanced) observations: 228
Instrument specification: BMP C INF RDR MCO Variable Coefficient Std. Error t-Statistic Prob. C 23.80895 4.018076 5.925462 0.0000
BMP -13.10282 6.256469 -2.094283 0.0374
INF -0.220067 0.160305 -1.372805 0.1713
RDR 1.368068 0.712205 1.920892 0.0561
MCO 0.050904 0.044261 1.150083 0.2514 Effects Specification Cross-section fixed (dummy variables) R-squared 0.537465 Mean dependent var 27.29129
Adjusted R-squared 0.504739 S.D. dependent var 14.05025
S.E. of regression 9.887835 Sum squared resid 20727.09
F-statistic 16.42294 Durbin-Watson stat 0.818710
Prob(F-statistic) 0.000000 Second-Stage SSR 20727.09
Instrument rank 16
Sumber: Hasil Olahan Data Eviews
UNIVERSITAS SUMATERA UTARA
87
Lampiran 11. Data Penelitian (%)
NO. Kode
Negara Tahun BMP LIQ INF RDR MCO
1.
AUS
1996 0.1834 19.9039 2.6154 3.5958 45.0188
1997 0.1655 31.7657 0.2249 3.6735 52.5623
1998 0.1699 33.5499 0.8601 3.6749 58.2313
1999 0.1389 31.0918 1.4831 3.7952 63.7591
2000 0.0704 25.7756 4.4574 4.1986 68.2075
2001 0.0741 39.3802 4.4071 4.8023 74.3444
2002 0.1010 81.0998 2.9816 4.4583 97.1048
2003 0.0895 88.1795 2.7326 4.9042 100.0000
2004 0.0136 31.5425 2.3433 5.0000 100.0000
2005 0.1136 14.5281 2.6918 5.1667 82.0435
2006 0.1472 17.0302 3.5553 5.3500 62.1859
2007 0.1398 20.0509 2.3276 3.6667 60.6316
2008 0.1387 18.7190 4.3503 4.1833 63.0699
2009 0.1272 17.3619 1.7711 2.9417 64.6994
2010 0.1733 16.8159 2.9183 3.0667 68.0337
2011 0.1762 18.2675 3.3039 3.4000 68.6319
2012 0.1477 18.8197 1.7628 3.0583 70.8965
2013 0.1602 17.9655 2.4499 2.9292 71.0814
2014 0.1725 18.5530 2.4879 3.0458 70.8746
2.
CHN
1996 0.3949 48.5134 8.3132 2.6100 40.6890
1997 0.3422 44.1552 2.7865 2.9700 34.4278
1998 0.2610 42.4569 (0.7732) 2.6100 34.2217
1999 0.2998 41.8111 (1.4015) 3.6000 33.0544
2000 0.3186 37.8262 0.3478 3.6000 32.1468
2001 0.3054 21.7388 0.7191 3.6000 41.8209
2002 0.3591 16.9387 (0.7320) 3.3300 68.9333
2003 0.3205 17.1659 1.1276 3.3300 74.7990
2004 0.3712 15.4464 3.8246 3.3300 69.6811
2005 0.3530 16.2279 1.7764 3.3300 68.0587
2006 0.3836 15.7843 1.6494 3.6000 66.6065
2007 0.3688 19.4786 4.8168 3.3300 54.5589
2008 0.3758 23.6762 5.9253 3.0600 52.2878
2009 0.4132 20.4000 (0.7282) 3.0600 51.1076
2010 0.3772 15.1803 3.1753 3.0600 48.5166
2011 0.3502 19.9447 5.5539 3.0600 46.5962
2012 0.3441 24.2347 2.6195 3.0000 43.6597
2013 0.3490 20.7391 2.6210 3.0000 44.0442
2014 0.3503 16.9981 1.9216 2.8500 40.1211
UNIVERSITAS SUMATERA UTARA
88
3.
PHL
1996 0.2317 32.2749 7.4761 5.1563 79.2901
1997 0.2546 32.4245 5.5903 6.0819 77.6150
1998 0.2562 34.9612 9.2349 4.6711 80.3784
1999 0.1604 32.9615 5.9390 3.6093 87.3418
2000 0.1533 22.3404 3.9771 2.6022 100.0000
2001 0.1935 10.6808 5.3455 3.6574 100.0000
2002 0.3097 14.7479 2.7228 4.5305 100.0000
2003 0.3654 19.3551 2.2892 4.2510 98.7290
2004 0.1678 21.0565 4.8292 3.9015 41.4989
2005 0.1522 25.7628 6.5169 4.6289 41.2186
2006 0.1421 33.6071 5.4852 4.4845 39.6098
2007 0.1948 32.0138 2.9000 4.9954 47.1895
2008 0.0942 24.6735 8.2604 4.2616 47.5081
2009 0.2367 25.0853 4.2190 5.8252 46.6630
2010 0.2876 29.4123 3.7898 4.4530 47.6094
2011 0.2907 32.6143 4.7184 3.2753 40.5841
2012 0.2356 33.2885 3.0270 2.5236 41.3099
2013 0.2894 38.7946 2.5827 4.1050 43.3742
2014 0.2965 31.7096 3.5978 4.2971 45.1556
4.
HKG
1996 0.1799 37.1398 6.2756 3.8567 63.2903
1997 0.1911 29.1132 5.7766 3.5224 63.9122
1998 0.2030 31.6315 2.9126 2.3783 60.8449
1999 0.1620 31.5001 (4.0094) 4.0008 60.0421
2000 0.2257 26.9841 (3.6855) 4.6992 66.9515
2001 0.2308 31.1744 (1.6582) 2.7475 74.6140
2002 0.3231 21.5316 (2.9831) 4.6550 84.4109
2003 0.4483 17.9582 (2.6738) 4.9333 98.1713
2004 0.4213 39.8074 (0.2747) 4.9750 62.6963
2005 0.1942 41.6802 0.8264 6.4892 60.2433
2006 0.2060 41.4232 2.0141 5.0500 65.5753
2007 0.2325 36.7253 2.0301 4.3267 65.9168
2008 0.2467 35.5534 4.2965 4.5517 66.9938
2009 0.2566 30.3676 0.5765 4.9892 64.8653
2010 0.3261 30.9233 2.3137 4.9900 65.5478
2011 0.2882 36.9978 5.2766 4.9900 64.3166
2012 0.3183 32.5466 4.0639 4.9900 63.1467
2013 0.3197 30.3366 4.3236 4.9900 61.4005
2014 0.3203 26.7107 4.4385 4.9900 60.8820
UNIVERSITAS SUMATERA UTARA
89
5.
IDN
1996 0.0800 33.7136 7.9733 1.9617 28.9071
1997 0.1142 31.4544 6.2261 1.8033 32.9405
1998 0.1003 28.7548 58.4510 1.8033 45.0331
1999 -0.3848 27.5435 20.4778 1.9250 63.1241
2000 0.0783 28.7307 3.6886 5.9517 55.0724
2001 0.1881 31.0672 11.5001 3.0658 56.1389
2002 0.1568 32.7707 11.9001 3.4425 54.2207
2003 0.2403 34.3583 6.7573 6.3450 51.3177
2004 0.3401 34.0371 6.0641 7.6808 47.2572
2005 0.2634 35.3033 10.4532 5.9717 42.8416
2006 0.2654 37.4793 13.1087 4.5683 42.3698
2007 0.2999 36.1934 6.4066 5.8858 42.3483
2008 0.3181 28.3298 10.2267 5.1058 42.9648
2009 0.3208 30.4297 4.3864 5.2200 44.1135
2010 0.3706 30.4580 5.1342 6.2350 42.3148
2011 0.3669 30.6066 5.3560 5.4725 41.3665
2012 0.3817 28.4818 4.2795 5.8483 40.6038
2013 0.3880 23.0325 6.4125 5.3933 38.4077
2014 0.3551 21.9358 6.3949 3.8525 40.3356
6.
JPN
1996 0.1837 13.4826 0.1366 2.3571 29.6012
1997 0.1996 11.1264 1.7478 2.1475 32.5292
1998 0.1153 12.7990 0.6620 2.0550 33.2823
1999 0.2478 10.1214 (0.3413) 2.0441 31.7598
2000 0.2246 11.1729 (0.6766) 1.9968 32.2329
2001 0.2943 11.5850 (0.7401) 1.9123 34.9637
2002 0.3560 11.9419 (0.9235) 1.8293 38.5435
2003 0.3818 11.8907 (0.2565) 1.7796 36.5364
2004 0.4197 10.7539 (0.0086) 1.6863 36.9699
2005 0.4219 11.4478 (0.2829) 1.4058 37.1915
2006 0.3997 10.4181 0.2494 0.9821 40.0176
2007 0.3395 9.8027 0.0600 1.0751 38.2675
2008 0.3059 11.0313 1.3801 1.3208 44.9591
2009 0.2740 10.5314 (1.3528) 1.2884 44.6463
2010 0.3298 10.0540 (0.7200) 1.0983 44.0038
2011 0.3931 11.2783 (0.2676) 1.0393 43.2412
2012 0.3719 10.2583 (0.0519) 0.9295 43.0732
2013 0.3724 11.8903 0.3464 0.7616 43.0024
2014 0.3736 16.3358 2.7620 0.8039 44.7541
UNIVERSITAS SUMATERA UTARA
90
7.
KOR
1996 0.2316 15.9783 4.9248 1.3400 44.3637
1997 0.2162 18.5810 4.4391 1.0717 44.5198
1998 0.1764 23.0966 7.5133 1.9917 83.8240
1999 0.2616 14.0157 0.8130 1.4483 92.8258
2000 0.2802 12.2825 2.2592 0.6067 100.0000
2001 0.3303 11.3680 4.0664 1.9158 100.0000
2002 0.3230 6.5536 2.7625 1.8208 100.0000
2003 0.3021 9.9243 3.5149 1.9858 100.0000
2004 0.3496 10.3391 3.5906 2.0300 100.0000
2005 0.3150 9.4472 2.7541 1.8717 100.0000
2006 0.3436 37.7431 2.2418 1.4842 100.0000
2007 0.3052 10.2224 2.5348 1.3775 100.0000
2008 0.3151 11.2106 4.6738 1.2975 100.0000
2009 0.3037 11.2221 2.7567 2.1667 55.6693
2010 0.3350 10.0004 2.9392 1.6550 51.7570
2011 0.3478 11.3064 4.0258 1.6050 50.5735
2012 0.3294 10.9214 2.1872 1.6950 50.4182
2013 0.3307 12.1555 1.3014 1.7525 49.8423
2014 0.3475 8.1855 1.2747 1.7275 50.1359
8.
MAC
1996 0.0091 48.6944 4.8225 4.1387 93.0001
1997 0.0128 43.2750 3.4909 2.3501 87.0640
1998 0.0485 47.0376 0.1726 5.1688 85.8268
1999 0.1973 53.3281 (3.1995) 3.7874 87.0064
2000 0.2198 59.8968 (1.6057) 5.2980 85.0926
2001 0.2315 59.9084 (1.9862) 5.5544 87.8610
2002 0.2881 59.9370 (2.6390) 5.5419 85.5681
2003 0.2972 53.0558 (1.5614) 5.6771 88.9353
2004 0.2725 44.9516 0.9826 5.9321 85.3018
2005 0.2848 42.8801 4.3950 5.7623 92.8978
2006 0.2679 43.4671 5.1499 5.8760 81.1848
2007 0.2501 49.3454 5.5705 4.7800 70.7419
2008 0.3034 38.7748 8.6095 4.9488 62.9485
2009 0.3732 30.7876 1.1694 5.2334 68.6834
2010 0.3794 30.6343 2.8098 5.2221 71.3591
2011 0.3150 29.9115 5.8045 5.1905 72.7445
2012 0.2810 46.8084 6.1083 5.1983 84.3470
2013 0.3598 43.3226 5.5068 5.1962 83.7546
2014 0.3827 38.2423 6.0453 5.1954 85.6336
UNIVERSITAS SUMATERA UTARA
91
9.
MYS
1996 0.2582 22.9302 3.4886 2.8583 46.6569
1997 0.2517 23.8427 2.6625 2.8517 53.8992
1998 0.2450 18.8216 5.2703 3.6208 50.2579
1999 0.3627 18.5814 2.7446 4.4392 36.4447
2000 0.4441 15.6232 1.5347 4.3108 56.8350
2001 0.4876 15.6932 1.4168 3.7525 61.7270
2002 0.5196 15.5854 1.8079 3.3233 62.9077
2003 0.4690 17.0390 0.9928 3.2342 70.2122
2004 0.4052 16.8267 1.5185 3.0458 84.1166
2005 0.1374 15.8454 2.9609 2.9508 95.4977
2006 0.0121 11.9606 3.6092 3.3367 100.0000
2007 0.0801 16.2714 2.0274 3.2433 99.1637
2008 0.0742 22.5188 5.4408 2.9542 100.0000
2009 0.2110 27.0399 0.5833 3.0025 100.0000
2010 0.4350 29.0821 1.7100 2.4975 95.2604
2011 0.2647 27.4172 3.1745 2.0042 53.5457
2012 0.3122 25.2023 1.6636 1.8050 45.8032
2013 0.3855 23.4009 2.1050 1.6425 46.9134
2014 0.4215 20.1028 3.1430 1.5388 48.5171
10.
SGP
1996 0.4278 38.3806 1.3832 2.8500 76.1639
1997 0.3206 34.3392 2.0036 2.8508 64.7036
1998 0.4051 35.5771 (0.2675) 2.8375 85.3857
1999 0.5916 33.7968 0.0167 4.1167 95.9883
2000 0.9083 31.9212 1.3616 4.1217 92.8943
2001 1.0756 71.8588 0.9972 4.1283 95.9464
2002 0.5781 83.3857 (0.3917) 4.4767 98.3002
2003 0.7481 35.7741 0.5079 4.8042 100.0000
2004 0.7773 30.8652 1.6627 4.8967 97.8846
2005 0.5876 37.6279 0.4251 4.8592 94.7694
2006 0.7166 44.9881 0.9630 4.7425 85.1684
2007 0.7617 38.0034 2.1049 4.8008 84.9463
2008 0.7240 28.4853 6.6280 4.9608 94.0925
2009 0.7971 34.7379 0.5969 5.0875 88.7845
2010 0.8216 33.1645 2.8233 5.1742 89.6809
2011 0.7468 27.9728 5.2479 5.2117 89.9116
2012 0.8035 19.1234 4.5760 5.2442 89.9136
2013 0.9387 21.5653 2.3586 5.2400 86.6517
2014 0.9745 23.1771 1.0250 5.2100 87.5371
UNIVERSITAS SUMATERA UTARA
92
11.
THA
1996 0.1574 8.1512 5.8051 3.0625 46.1723
1997 0.0696 10.7731 5.6258 3.1250 46.5302
1998 0.3711 11.5970 7.9947 3.7708 50.2989
1999 0.0754 17.5424 0.2847 4.2083 49.0345
2000 0.0734 20.1013 1.5920 4.5417 49.6759
2001 0.0917 21.7505 1.6269 4.7083 48.4314
2002 0.2299 19.3953 0.6973 4.8958 48.6487
2003 0.2919 17.8650 1.8043 4.6042 49.2335
2004 0.3776 10.2509 2.7591 3.4476 47.1717
2005 0.3811 12.3748 4.5404 2.3364 44.1956
2006 0.2892 17.8773 4.6375 1.9378 44.8106
2007 0.3515 17.3557 2.2415 3.3615 45.9234
2008 0.3591 19.5459 5.4685 3.9093 44.5569
2009 0.3896 18.3062 (0.8457) 3.4022 46.3186
2010 0.4120 17.5803 3.2476 2.6567 47.1372
2011 0.3813 16.2093 3.8088 2.5707 46.1416
2012 0.3672 17.8755 3.0149 2.7324 47.1600
2013 0.4055 17.3402 2.1849 2.7813 47.1921
2014 0.4115 18.2674 1.8951 3.2521 49.2026
12.
VNM
1996 0.3840 42.5175 5.6750 10.1425 83.9865
1997 0.3038 49.9865 3.2095 5.9042 84.5082
1998 0.2651 49.2686 7.2662 5.1700 84.6153
1999 0.1568 55.1755 4.1171 5.3275 84.9150
2000 0.1939 60.3349 (1.7103) 6.8967 84.5356
2001 0.2145 48.2374 (0.4315) 4.1158 84.8474
2002 0.2390 42.0993 3.8308 2.6142 82.8656
2003 0.2468 37.6224 3.2199 2.8583 81.7654
2004 0.2591 37.1375 7.7591 3.5513 77.8760
2005 0.3093 36.0723 8.2814 3.8800 73.3314
2006 0.2500 44.8004 7.3858 3.5463 65.6667
2007 0.2909 36.5540 8.3038 3.6875 52.6510
2008 0.2241 28.6778 23.1163 3.0532 52.6502
2009 0.2139 28.4317 7.0546 2.1590 44.4459
2010 0.2451 29.2792 8.8616 1.9415 38.9495
2011 0.2071 30.9570 18.6755 2.9603 37.4418
2012 0.1944 24.3908 9.0942 2.9680 40.3909
2013 0.2002 21.3126 6.5923 3.2342 40.5539
2014 0.2071 22.4683 4.7100 2.9075 37.8355 Sumber: www.fred.stlouisfed.org yang diolah
UNIVERSITAS SUMATERA UTARA