model persamaan simultan antara bank market power dan …

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


2


3


4


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.


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.


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.


iv

Medan, Januari 2020

Penulis,

Thara Annisa

NIM. 150501106


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


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


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


viii

DAFTAR GAMBAR

No. Gambar Judul Halaman

2.1 Kerangka Konseptual .......................................................... 17


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


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


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


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.


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


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,


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


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


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.


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


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


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.


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


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.


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


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%


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


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


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


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).


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



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


2. Objek yang digunakan dalam penelitian ini terdiri dari 12 negara di

kawasan Asia Pasifik yang terdaftar di Federal Reserve Economic Data.


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).


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


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,


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%


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).


http://www.fred.stlouisfed.org/


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 :



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,


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


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


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).


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


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:


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.


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.


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


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


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


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.


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 = 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


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


b. Random Effect

Tabel 4.4


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



42

c. Fixed Effect

Tabel 4.5


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


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.


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


variabel INF adalah -0.002678. Hal ini menunjukkan bahwa INF memiliki


44


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)


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)


variabel MCO adalah -0.000663. Hal ini menunjukkan bahwa MCO memiliki


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.


45



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:


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


b. Random Effect

Tabel 4.8


Model Random Effect


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


c. Fixed Effect

Tabel 4.9


Fixed Effect Model (FEM)


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


Hasil regresi menggunakan tahapan model Common Effect, Random Effect

(REM), dan Fixed Effect Model (FEM) diatas menunjukkan hasil yang bervariasi


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)


48


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)


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)


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)


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.


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


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.


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


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:


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


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


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


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


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.


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.


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


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


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


Liquidity menggunakan Fixed Effect Model (FEM) sebesar -0.220067 dengan


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


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


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.


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.


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.


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.


mailto:[email protected]

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”.

[email protected].

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.


mailto:[email protected]

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



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



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


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



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


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



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


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



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


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



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


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



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


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



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


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



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


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



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



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


80

Lampiran 4. Hasil Olahan Data Eviews Two Stage Least Square (2SLS) Bank

Market Power Menggunakan Model Common Effect



Date: 01/14/20 Time: 12:39

Sample: 1996 2014




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






Instrument rank 5


81


Market Power Menggunakan Model Random Effect


Method: Panel Two-Stage EGLS (Cross-section random effects)

Date: 01/14/20 Time: 13:13

Sample: 1996 2014




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





Instrument rank 5 Unweighted Statistics R-squared 0.014351 Mean dependent var 0.302128

Sum squared resid 6.944991 Durbin-Watson stat 0.303173


82


Market Power Menggunakan Model Fixed Effect



Date: 09/11/19 Time: 06:23

Sample: 1996 2014




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





Instrument rank 16

Sumber: Hasil Olahan Data Eviews


83

Lampiran 7. Hasil Olahan Data Eviews, Hausman’s Specification Error Test

Bank Liquidity

Dependent Variable: LIQ


Date: 12/15/19 Time: 14:58

Sample: 1996 2014




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






Instrument rank 6



84


Liquidity Menggunakan Model Common Effect



Date: 01/14/20 Time: 13:23

Sample: 1996 2014




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






Instrument rank 5


85


Liquidity Menggunakan Model Random Effect


Method: Panel Two-Stage EGLS (Cross-section random effects)

Date: 01/14/20 Time: 13:37

Sample: 1996 2014




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





Instrument rank 5 Unweighted Statistics R-squared 0.257261 Mean dependent var 27.29129

Sum squared resid 33283.61 Durbin-Watson stat 0.526045


86

Lampiran 10. Hasil Olahan Data Eviews Two Stage Least Square (2SLS)

Bank Liquidity Menggunakan fixed effect model (FEM)



Date: 09/11/19 Time: 13:40

Sample: 1996 2014




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





Instrument rank 16



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


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


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


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


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


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



model persamaan simultan antara bank market power dan …

Documents