.: SELAMAT DATANG DI BLOG EKONOMI ISLAM SUBSTANTIF -- Blog dengan konten riset ekonomi dan keuangan syariah terdepan. Informasi lebih lanjut ihwal pencarian literature, contact 087770574884 :.

Minggu, 01 Juli 2012

SISTEM PENDETEKSIAN DINI KRISIS FINANSIAL PADA SISTEM MONETER GANDA DI INDONESIA

Abstraksi


Krisis finansial berulang kali menerpa berbagai negara di dunia secara bergiliran baik negara berkembang maupun negara maju. Bahkan, pada periode ekonomi modern seperti sekarang, intensitasnya menjadi lebih sering dan akut. Karena itu, sistem deteksi dini krisis menjadi penting adanya dalam rangka menghindari dampak negatif krisis yang lebih parah.

Penelitian ini mencoba meneliti indikator apa saja yang dapat dijadikan acuan dalam meramalkan seberapa besar kemungkinan akan terjadinya krisis di negara yang bersifat dual banking seperti Indonesia dengan menggunakan metode regresi logistik biner.

Hasil penelitian menunjukkan kesimpulan penting yang menarik. Pertama, bank syariah cenderung bermasalah dengan likuiditas (dengan bukti FAR yang signifikan) sedangkan bank konvensional cenderung bermasalah dengan solvabilitas (CAR yang signifkan). Dari sini dapat diambil kesimpulan bahwa bank syariah baru akan krisis jika sektor riil terganggu. Sementara bank konvensional akan senantiasa bergejolak jika ada gangguan krisis finansial. Kedua, terkait variabel M2RES yang signifikan, baik pada model syariah maupun konvensional, maka hal ini bisa saja merupakan akibat dari berlakunya fiat money dan fractional reserve banking system (FRBS). Padahal kedua hal tersebut merupakan penyumbang excess money supply yang cukup besar. Sehingga menjadi hal yang wajar dipahami jika kedua model –baik syariah maupun konvensional- memiliki kondisi serupa. Sebagai konsekuensinya, maka entitas perbankan syariah sesungguhnya tidak benar-benar akan terbebas dari dampak buruk krisis finansial.

Kesimpulan ketiga yang tidak kalah penting adalah berangkat dari fakta bahwa suku bunga (INTR) ternyata bernilai signifikan pada model konvensional namun tidak demikian jika ia ada pada model syariah, maka dapat ditarik kesimpulan bahwa policy rate seperti BI-rate memang sangat efektif mengontrol dan mempengaruhi instrumen moneter lain berikut juga perilaku bank-bank konvensional. Namun di sisi lain, hal ini juga mengindikasikan bahwa perbankan konvensional memang cukup rentan dengan gejolak moneter maupun krisis finansial. Dengan demikian, menjadi alasan yang rasional bagi otoritas moneter dalam hal ini Bank Indonesia untuk memberikan support lebih terhadap keberlangsungan keuangan dan perbankan syariah di Indonesia dengan tujuan mencapai kondisi moneter yang stabil dan optimal.

Kata Kunci: Early Warning System, Krisis Perbankan, Sistem Moneter Ganda, Regresi Logistik
JEL: 

 
BAB I
PENDAHULUAN

1.1         Latar Belakang Masalah
Krisis finansial berulang kali menerpa berbagai negara di dunia secara bergiliran baik negara berkembang maupun negara maju. Menurut Luc Leaven dan Valencia (2008) selama periode 1970 sampai dengan 2007 telah terjadi 429 krisis yang dibagi menjadi 124 krisis perbankan, 208 krisis nilai tukar, 63 krisis utang luar negeri, 26 twin crisis[1], dan 8 triple crisis[2]. Sedangkan Boyd et. al (2009) mengklasifikasikan krisis menurut masing-masing negara yang diambil berdasarkan penelitian Kunt dan Detragiache (2005); Caprio et. al (2005); Reinhart dan Rogoff (2008); Laeven dan Valencia (2008).
Fenomena krisis di Indonesia dan berdampak signifikan adalah yang terjadi pada krisis moneter 1997-1998. Diantara dampak yang ditimbulkan  bagi industri perbankan adalah ditutupnya 16 bank setelah terjadi rush besar-besaran oleh nasabah bank tersebut sehingga kehilangan likuiditasnya. Begitupun dengan inflasi yang melonjak menjadi 77,6%, pertumbuhan ekonomi yang merosot hingga -13,2% (Hatta dalam  Ascarya, 2008) dan  juga depresiasi nilai tukar rupiah yang mencapai angka Rp 10.000/dolar AS menyebabkan terjadinya krisis perbankan karena kolapsnya beberapa bank swasta yang gagal membayar pinjamannya dalam bentuk mata uang asing (US Dollar). Krisis keuangan 1997 melanda sebagian negara Asia lainnya,antara lain: Thailand, Malaysia, Singapura, Philipina, Korea Selatan. Krisis ini tidak meluas ke bagian dunia yang lain.
Sedangkan krisis yang terjadi pada tahun 2007-2008 dimulai dari Amerika. Berbeda dari krisis keuangan 1997 yang berdampak lokal, krisis 2008 meluas ke hampir seluruh belahan dunia. Bursa saham berjatuhan. Perusahaan-perusahaan keuangan  multinasional bangkrut. Banyak perusahaan di AS akan melakukan pengurangan pekerja. Akibat krisis keuangan di AS, para investor portfolio di bursa saham menarik dananya. Akibatnya, bursa saham rontok semua dan kini nilai tukar mata uang Asia ikut rontok. Nilai tukar rupiah terhadap dolar sempat mencapai level Rp12.650 per dolar AS pada 24 Nopember 2008.. Begitu pula dengan IHSG, pada periode yang sama mengalami depresiasi sebesar 42%.
Gambar 1.1 Pergerakan IHSG dan Kurs Rupiah
Sumber : Statistik Pasar Modal, 2008 dan  Bank Indonesia (diolah)
            Namun demikian, merosotnya nilai tukar rupiah tersebut terkadang hanyalah dimaknai oleh sebagian besar masyarakat di Indonesia sebatas mereka terpaksa menunda pembelian barang-barang  yang melonjak harganya. Kenaikkan harga barang-barang ini pun memicu angka inflasi hingga sempat menyentuh 12,56% pada tahun 2008.
Kaminsky, Lizondo, dan  Reinhart (2000) menyatakan bahwa tidak ada krisis yang terjadi secara mendadak. Ancaman akan datangnya krisis dapat dideteksi dengan melihat pergerakan indikator-indikator perekonomian seperti posisi neraca pembayaran, pertumbuhan ekonomi, inflasi nilai tukar, suku bunga,
dan jumlah uang beredar. Krisis di sektor perbankan ini  berkaitan secara langsung maupun tidak langsung dengan berbagai aktivitas yang biasa dilakukan oleh industri perbankan. Oleh karena itu, secara umum permasalahan yang timbul pada industri perbankan dapat berasal baik dari sisi internal maupun eksternal perbankan. Pada sisi internal perbankan, permasalahan dapat terlihat dari perkembangan kinerja masing-masing bank secara keseluruhan. Sementara itu, kondisi ekonomi makro dan  perkembangan kinerja industri yang dibiayai oleh kredit perbankan dapat menjadi indikator adanya gangguan yang dapat mempengaruhi kinerja perbankan yang berasal dari faktor eksternal.
Berdasarkan Laporan Tahunan Bank Indonesia 2008, berbagai indikator bank umum relatif baik, disertai ekspansi kredit yang mampu mendukung aktivitas perekonomian domestik yang tumbuh cukup tinggi, Kecukupan modal masih terjaga meski sedikit menurun akibat ekspansi kredit yang tinggi. Pertumbuhan kredit yang tinggi ternyata tidak disertai dengan pertumbuhan DPK yang tinggi, sehingga menimbulkan risiko likuiditas di beberapa bank, meskipun secara sistem likuiditas tetap mencukupi. Kecepatan pertumbuhan kredit sebesar 29,5% tidak diimbangi dengan laju pertumbuhan DPK yang tumbuh sebesar 16,1%. Kondisi ini menyebabkan kondisi shortage of funds[3], sehingga membuat likuiditas perbankan berkurang.
Gambar 1.2 Pergerakan Kredit dan DPK Perbankan Konvensional (dalam Trilyun Rupiah)
Sumber: Statistik Perbankan Indonesia (Data Diolah)
Sementara itu, kinerja perbankan syariah relatif tidak terpengaruh imbas krisis global, sehingga fungsi intermediasi berjalan optimal dengan tingkat pembiayaan bermasalah yang relatif rendah dan senantiasa mendukung pembiayaan sektor riil. Pertumbuhan aset dan pendanaan juga tercatat cukup tinggi dan mengesankan. Disamping itu, eksposur pembiayaan perbankan syariah yang masih didominasi oleh pembiayaan pada aktivitas perekonomian domestik turut berperan dalam  memperkuat daya tahan perbankan syariah dari imbas krisis keuangan global.
Fungsi intermediasi perbankan syariah terus mengalami peningkatan seiring dengan financing to deposit ratio (FDR) di atas 100%. Pembiayaan yang disalurkan perbankan syariah tumbuh signifikan sebesar 36,7% seiring dengan pertumbuhan DPK sebesar 31,6%. Namun kondisi ini tidak menyebabkan kondisi shortage of funds karena perbedaan pertumbuhannya tidak berbeda signifikan. Kondisi ini mendorong peningkatan FDR perbankan syariah menjadi 103,6%.
Gambar 1.3 Pergerakan Pembiayaan dan DPK Perbankan Syariah
(dalam Milyar Rupiah)
Sumber: Statistik Perbankan Syariah (Data Diolah)
Namun pada semester II tahun 2008, laju pertumbuhan aset, DPK, dan pembiayaan yang disalurkan mengalami perlambatan sebagai dampak menurunnya kondisi likuiditas bank dan melambatnya aktivitas sektor riil yang mulai terimbas krisis keuangan global. Meski demikian, penyaluran pembiayaan oleh perbankan syariah tetap tumbuh tinggi, tidak terpengaruh krisis keuangan global. Hal ini dikarenakan karakter pembiayaan yang harus dilandasi oleh transaksi riil, sehingga hal ini dapat menegaskan semakin meningkatnya kontribusi perbankan syariah dalam pembiayaan sektor riil.
Mengingat dampak yang timbul akibat krisis sangat luas, yang juga disebabkan oleh ketidaksiapan suatu negara dalam menghadapi krisis dari awal dan kemungkinan akan terjadinya krisis serta bukti tidak adanya krisis yang terjadi mendadak maka diperlukan  sistem peringatan dini (early warning system) krisis. Sejak saat itu, banyak para ahli ekonomi yang melakukan penelitian di berbagai belahan dunia untuk menciptakan model Early Warning System (EWS) dengan menggunakan berbagai metode yang dianggap cocok untuk penelitiannya. Hal ini dilakukan bertujuan untuk dapat mengantisipasi kedatangan krisis lebih awal sehingga suatu negara tersebut dapat menyiapkan berbagai kebijakan untuk mengurangi dampak krisis.
Namun, sayangnya hanya sedikit yang melakukan studi untuk negara Indonesia secara khusus. Kebanyakan penelitian tersebut menggunakan sampel regional atau beberapa negara tertentu. Indonesia yang menerapkan sistem perbankan ganda sejak tahun 1998 menjadi motivasi peneliti untuk membandingkan objek penelitian ini dalam dua tipe perbankan yaitu konvensional dan syariah. Dengan demikin, penulis mencoba meneliti indikator apa yang dapat dijadikan acuan dalam meramalkan seberapa besar kemungkinan akan terjadinya krisis yang penulis klasifikasikan menjadi dua yaitu Bank Konvensional dan Bank Syariah. Penelitian ini disusun dengan judul “Sistem Deteksi Dini pada Sistem Perbankan Ganda di Indonesia.”

1.2         Rumusan Masalah
Melihat fenomena krisis  yang berdampak sangat luas bagi perekonomian Indonesia tersebut, maka penelitian ini merumuskan permasalahan berkaitan dengan faktor-faktor yang menjadi indikator terjadinya krisis perbankan baik Industri Perbankan Syariah maupun Industri Perbankan Konvensional. Secara khusus penelitian ini mencoba menjawab:
1.      Faktor-faktor apa sajakah yang dapat dijadikan indikator awal dari krisis finansial bagi industri perbankan Konvensional?
2.      Faktor-faktor apa sajakah yang dapat dijadikan indikator awal dari krisis finansial bagi industri perbankan Syariah?
3.      Industri perbankan manakah yang memiliki ketahanan yang lebih baik dalam menghadapi krisis?

1.3         Batasan Masalah
1.      Variabel internal yang digunakan sebagai indikator krisis perbankan terbagi dalam dua kelompok. Untuk indikator krisis perbankan pada industri perbankan syariah adalah Rasio Likuiditas yang diwakili oleh Loan to Asset Ratio (LAR) dan Rasio Solvabilitas yang diwakili oleh Capital Adequacy Ratio (CARS).  Sedangkan indikator krisis pada industri perbankan konvensional adalah Loan to Asset Ratio (LAR) dan Capital Adequacy Ratio (CARK) (Shen dan Hsienh,2003)
2.      Variabel eksternal yang digunakan bagi kedua indusri perbankan dalam penelitian ini  Real Effective Exchange Rate (REER), Inflasi, dan Gross Domestic Bruto (GDP) yang diproksikan oleh Industrial Produstion Index (IPI) (Hagen dan Ho, 2003), (Shen dan Hsienh, 2003), (Hadad et al, 2003), (Boyd et al, 2009). Pertumbuhan Ekspor. Sedangkan Suku Bunga SBI, Bagi Hasil SBIS sebagai pembanding antara Syariah dan Konvensional
3.      Variabel independen yang digunakan dalam penelitian ini adalah Crisis/Severe Distress (CSD) dimana 1 menunjukkan adanya krisis dan 0 menunjukkan tidak ada krisis.

1.4         Metodologi Penelitian
Data yang dig unakan dalam studi ini adalah data sekunder runtut waktu (time series) bulanan dari periode Januari 2004 sampai dengan April 2011, yang diperoleh dari Statistik Perbankan Indonesia dan Syariah BI (SPI-BI dan SPS-BI), Statistik Ekonomi dan Keuangan Indonesia BI (SEKI-BI) dan Badan Pusat Statistik (BPS). Sedangkan metodologi yang digunakan dalam penelitian ini adalah Regresi Logistik Binari (Model Logit).

1.5         Tujuan Penelitian
Secara rinci, penelitian ini memiliki beberapa tujuan untuk menjawab pertanyaan penelitian, antara lain:
1.      Mengetahui indikator-indikator yang dapat dijadikan sinyal awal terjadinya krisis finansial bagi industri perbankan syariah.
2.      Mengetahui indikator-indikator yang dapat dijadikan sinyal awal terjadinya krisis finansial bagi industri perbankan konvensional.
3.      Mengetahui industri perbankan mana yang memiliki ketahanan yang lebih kuat dalam menghadapi krisis.

1.6         Manfaat Penelitian
Penelitian ini diharapka bisa memberikan manfaat, antara lain:
1.      Dapat menjadi bahan pertimbangangan bagi para pelaku industri perbankan syariah dan konvensional, indikator makro yang dapat digunakan sebagai informasi awal adanya potensi krisis perbankan sehingga tindakan-tindakan pencegahan dapat dilakukan untuk mengurangi dampak krisis itu sendiri.
2.      Dapat dijadikan bahan pertimbangan bagi para praktisi yang terkait dngan perbankan syariah khususnya untuk merumuskan strategi yang tepat yang dapat diterapkan dalam rangka meminimalisasi dampak krisis perbankan dalam menjaga stabilitas perbankan syariah.
3.      Penelitian ini diharapkan juga dapat dijadikan referensi bagi studi selanjutnya yang berkaitan dengan indikator awal terjadinya krisis perbankan terutama bagi perbankan syariah.

1.7         Sistematika Penulisan
Sistematika pembahasan ini berisi uraian tentang isi bab demi bab yang akan ditulis dalam penelitian ini. Adapun sistematikanya adalah sebagai berikut:
1.      BAB I  PENDAHULUAN
Bab ini berisi latar belakang dari masalah yang akan diteliti, rumusan     masalah, batasan masalah, metodologi penelitian, tujuan dari penelitian, manfaat penelitian, dan sistematika penulisan.
2.      BAB II TINJAUAN PUSTAKA
Pada bab ini terdiri dari landasan teori, penelitian terdahulu dari masalah yang akan diteliti sebagai pijakan penulis dalam  menganalisa masalah yang menjadi objek penelitian. Selain itu, terdapat posisi penelitian dan kerangka pemikiran penelitian.
3.      BAB III  METODOLOGI
Bab ini menjelaskan jenis dan sumber data, teknik pengumpulan data, definisi operasional variabel yang digunakan, metodologi penelitian serta model penelitian.
4.      BAB IV  PEMBAHASAN
5.      BAB V KESIMPULAN DAN SARAN
6.      PENUTUP
Bab ini merupakan bagian akhir dari proposal skripsi, di dalamnya penulis memaparkan kesimpulan atas rumusan masalah dari penelitian yang akan dilakukan.



BAB II
KAJIAN PUSTAKA

2.1  Definisi Krisis
Krisis adalah suatu kondisi di mana berbagai langkah pengendalian sudah tidak lagi mampu menahan gejolak pada sektor finansial, yang akan segera diikuti dengan kontraksi ekonomi secara menyeluruh (Prasetyantoko, 2008).  Kaminsky et.al (1997) mendefinisikan krisis sebagai suatu situasi di mana serangan pada sistem nilai tukar menyebabkan depresi tajam  pada nilai tukar itu, atau bisa juga mengakibatkan penurunan drastis dalam cadangan devisa asing atau bahkan kombinasi antarkeduanya.
Krisis keuangan secara umum didefinisikan sebagai jatuhnya nilai mata uang domestic terhadap mata uang asing, biasanya dalam hal ini adalah US dolar. Namun demikian, setiap peneliti memiliki batasan berbeda dalam  menentuan suatu  Negara dikatakan  mengalami krisis. Krisis keuangan  umumnya ditandai dengan terjadinya depresiasi nilai tukar yang tajam. Sejarah  menunjukkan, manakala sistem finansial semakin besar, maka risiko terjadinya gejolak atau krisis juga semakin tinggi. Maka dari itu, dapat dikatakan bahwa sektor finansial menjadi “transmisi” yang paling efektif untuk memunculkan gejolak dan krisis. Jika krisis masih terisolasi pada sektor finansial saja, maka boleh dikatakan situasi belum sampai menjalar pada krisis ekonomi. Tetapi, manakala gejolak di sektor finansial telah mengganggu kinerja makro ekonomi seperti inflasi yang parah, pertumbuhan yang melambat, dan lain sebagainya, maka kondisi ini boleh dikatakan telah merembet pada situasi krisis ekonomi (Prasetyantoko, 2008).
Kaminsky, et.al (2000) mendefinisikan krisis dengan mengolaborasikan apresiasi mata uang (REER), naiknya tingkat bunga (r), dan turunnya cadangan devisa (res) kedalam suatu indeks yang disebut Exchange Market Pressure Index (EMPI). EMPI ini dirumuskan sebagai berikut:
                                  (2.1)
Dimana;  = standar deviasi perubahan nilai tukar riil Rp/Dolar
 = standar deviasi perubahan tingkat suku bunga
 = standar deviasi perubahan cadangan devisa
 = perubahan nilai tukar riil Rp/Dolar
 = perubahan tingkat suku bunga
 = perubahan cadangan devisa
Dikatakan terjadi krisis apabila indeks melebihi ambang batas yaitu ketika indeks melebihi dua kali standar deviasinya terhadap rata-rata. Sedangkan Bank Dunia mendefinisikan krisis keuangan jika indeks krisis melebihi 1,5 kali dari standar deviasi terhadap rata-rata.
Dalam perjalanannya, terdapat beberapa model teoritis mengenai krisis keuangan yang berkembang dari waktu ke waktu. Berbagai episode krisis yang terjadi pada umumnya diawali dengan liberalisasi capital account yang didengungkan oleh IMF paska runtuhnya sistem Bretton Woods awal 1970-an (Bank Indonesia, 2007). Liberalisasi capital account tersebut memicu derasnya aliran modal ke tempat yang dianggap memberikan return yang lebih besar. Namun, return tersebut bukannya tanpa resiko, terutama risiko akibat terdevaluasinya nilai mata uang negara penerima dana yang akan memperberat kewajiban negara tersebut ketika akan melakukan pelunasan pinjaman.
Krisis keuangan yang terjadi di berbagai Negara secara umum tentu memiliki pola tertentu yang berbeda-beda. Oleh karena itu, berbagai penyebab krisis keuangan tersebut dapat dibagi ke dalam beberapa tipologi berdasarkan sebabnya (Imansyah, 2009), yaitu sebagai berikut:
a.         Kebijakan Ekonomi Yang Tidak Konsisten
Krugman (1979) merupakan pelopor yang menganalisis kisis financial dengan melihat krisis neraca pembayaran, dimana jatuhnya nilai tukar mata uang akibat ekspansi kredit domestic oleh bank sentral adalah tidak konsisten dengan target nilai tukar mata uang. Teori ini menjelaskan krisis untuk Negara yang menggunakan sistem nilai tukar tetap. Krisis terjadi jika pemerintah melakukan devaluasi akibat menurunnya cadangan devisa sehingga mengakibatkan pertumbuhan ekspor melambat sedangkan impor meningkat sehingga pada akhirnya akan  meningkatkan deficit neraca transaksi berjalan. Bila terdapat aliran dana masuk baik berupa FDI, pinjaman luar negeri ataupun investasi portofolio maka keadaan akan relative aman. Namun apabila aliran dana masuk tersebut tidak ada, maka cadangan devisa akan semakin berkurang untuk mempertahankan nilai tukar tetap sehingga pemerintah melakukan devaluasi untuk mempertahankan cadangan devisa supaya tidak terkuras. Hal ini akan menyebabkan krisis bahwa akan sampai pada keadan self fullfiling crisis[4].
b.        Kepanikan Pasar Uang
Krisis juga dapat disebabkan karena terjadinya penarikan besar-besaran atas dana kredit yang diberikan oleh kreditor asing, terutama pinjaman jangka pendek secara mendadak sehingga mengakibatkan kekurangan likuiditas terhadap mata uang asing. Dalam hal ni, setiap orang akan ramai mengnversikan mata uang domestiknya  ke dalam mata uang asing untuk menghindari turunnya asset yang dimilikinya sehingga pada akhirnya menyebabkan mata uang domestic semakin jatuh (flight to quality).
c.         Pecahnya Gelembung Finansial
Gelembung financial (financial bubble) terjadi jika spekulan membeli asset keuangan pada harga diatas harga fundamentalnya dengan harapan mendapatkan capital gain. Tetapi, krisis akan terjadi apabila pelaku pasar menyadari mengenai bubble. Ini artinya krisis sebenarnya bukannya tidak terdeteksi. Setelah pelaku pasar menyadarinya, maka para pelaku pasar segera menjual seluruh asset yang dimilikinya dengan menukarkannya dalam mata uang asing, sehingga mata uang domestic mengalami kejatuhan.
d.        Moral Hazard
Moral hazard terjadi karena adanya jaminsan pemerintah dan lemahnya penegakkan  aturan. Hal ini menjadi salah satu penyebab investasi yang berlebihan dan berisiko oleh perbanka dan lembaga keuangan yang dapat meminjam kredit sehingga mereka berhutang lebih besar dari modal mereka sendiri. Kreditor asing dan domestic melakukan pemberian kredit yang berisiko tinggi karena mereka tahu bahwa pemerintah dan lembaga keuangan internasional akan memberikan talangan bila mereka menghadapi masalah.
e.         Ketiadaan Aturan Baku
Tidak adanya sistem kebangkrutan atau kepailitan dalam kasus di mana korporasi menghadapi masalah likuiditas merupakan salah satu penyebab krisis karena berkaitan erat dengan pemegangan asset-aset yang harus dilikuidasi. Tidak adanya cara dalam menata ulang tagihan untuk kasus masalah likuiditas internasional maka akan mengakibatkan timbulnya kredit macet.
Berbeda dengan  Berg, et al (1999) membedakan penyebab krisis dalam dua bagian utama yaitu adanya gangguan terhadap fundamental ekonomi (inflasi, pertumbuhan ekonomi, dan neraca pembayaran) dan adanya serangan spekulasi yang mempercepat terjadinya krisis (self fullfiling crisis). Selain itu dapat pula disebabkan oleh efek penularan (contagion effect) dimana krisis suatu negara akan menyebabkan krisis juga di negara lain sebagaimana halnya krisis yang terjadi pada tahun 1997/1998 yang ditengarai diawali dari krisis mata uang Baht di Thailand.

2.2  Teori Krisis Finansial
Secara umum, krisis ekonomi dapat disebabkan oleh salah satu atau kombinasi dari beberapa tipe krisis seperti krisis perbankan, krisis nilai tukar, krisis utang luar negeri, krisis neraca pembayaran, krisis finansial, krisis moneter, stock market crash, bubble economy, dan hyperinflation. Krisis ekonomi dapat memicu atau dipicu oleh krisis politik dan krisis sosial. Krisis ekonomi dapat menyebabkan reaksi ekonomi yang yang pada akhirnya akan menyebabkan stagnasi, resesi, depresi, pengangguran, kerugian, kelaparan, kematian (Ascarya, 2008).
2.2.1        Krisis Dalam Perspektif Konvensional
a.        Tipe Krisis
Krisis finansial dalam perspektif konvensional dibagi menjadi empat tipe, yaitu krisis nilai tukar, krisis perbankan, krisis utang luar negeri, dan stock market crash. Namun, pada kenyataannya, krisis tersebut dapat terjadi secara bersamaan dua atau tiga tipe sekaligus.
1.        Krisis Nilai Tukar (Currency Crisis)
Krisis nilai tukar atau krisis neraca pembayaran (Balance of Payment Crisis/BOP) sering didefinisikan sebagai suatu peristiwa terjadinya depresiasi nilai tukar mata uang suatu negara terhadap mata uang asing biasanya Dollar Amerika, menurunnya cadangan devisa (foreign reserve), dan meningkatnya suku bunga berjangka pendek (short-term interest rate ) yang tidak wajar (Goldstein at. al, 2000).
2.        Krisis Perbankan (Banking Crisis)
Krisis perbankan didefinisikan melalui dua pendekatan, yaitu indicators-based dan events-based. Beberapa instrumen indicators-based adalah non-performing loan ratio (rasio NPL), biaya operasi penyelamatan bank, dan kerugian modal bank. Sementara events-based melihat krisis dari terjadinya penarikan simpanan besar-besaran oleh nasabah (rush), penutupan bank, penggabungan beberapa bank (merger), dan pengambilalihan oleh Pemerintah atau  take over bank-bank besar, dan intervensi pemerintah terhadap sektor keuangan.
Kunt dan Detragiache (1998) mendefinisikan krisis sebagai suatu keadaan dimana salah satu kondisi berikut terpenuhi:
a)        Asset non performing mencapai 10% dari total asset sistem perbankan;
b)        Biaya untuk menyelamatkan sistem perbankan mencapai 2% dari PDB;
c)        Terjadi pengalihan kepemilikan bank-bank secara besar-besaran kepada pemerintah; dan
d)       Terjadi “bank-run” yang meluas atau terdapat tindakan darurat yang dilakukan pemerintah dalam bentuk pembekuan simpanan masyarakat, penutupan kantor-kantor bank dalam jangka waktu yang cukup panjang, atau pemberlakuan penjaminan simpanan yang menyeluruh.
Krisis perbankan juga cenderung timbul pada saat kondisi makroekonomi  yang memburuk. Dalam hal ini, pertumbuhan PDB yang rendah sangat berkaitan dengan peningkatan  risiko pada industri perbankan. Selain itu, peningkatan risiko pada industri perbankan juga dapat berasal dari laju inflasi yang tinggi dan upaya stabilisasi laju inflasi akan mengakibatkan peningkatan tajam  pada suku bunga riil yang pada gilirannya meningkatkan kemungkinan terjadinya krisis perbankan (Hadad, et al, 2008)
3.        Krisis Utang Luar Negeri (Sovereign Debt Default)
Krisis utang luar negeri biasanya terjadi karena negara tersebut gagal untuk membayar utangnya kepada negara lain (utang bilateral) atau institusi internasional (utang multilateral). Krisis utang luar negeri ini biasanya diikuti dengan penjadwalan ulang pembayaran utang. Sebagai contoh krisis ini adalah krisis utang di Polandia tahun 1980 dan di Meksiko pada tahun 1982 (Ascarya, 2009). Baru-baru ini, krisis utang luar negeri tengah melanda negara Amerika dan Eropa.
4.        Stock/Asset Market Crash
Stock/Asset Market Crash terjadi ketika harga saham atau aset finansial lainnya melambung (overvalued) secara drastis dalam waktu yang singkat (Ascarya, 2009)
Leaven dan Valencia (2008) menyebutkan bahwa krisis-krisis tersebut diatas dapat juga terjadi secara bersamaan. Ketika krisis perbankan dan krisis nilai tukar terjadi secara bersamaan atau saling picu-memicu maka disebut sebagai twin crisis. Sedangkan jika krisis perbankan, krisis nilai tukar, dan krisis utang luar negeri terjadi secara bersamaan dan saling picu-memicu maka disebut sebagai triple crisis. Krisis finansial di Indonesia yang terjadi pada tahun 1997 adalah salah satu contoh triple crisis karena merupakan kombinasi dari krisis nilai tukar, krisis perbankan, stock market crash, yang diikuti oleh krisis utang luar negeri pada tahun 1999 (Ascarya, 2009).
b.        Teori
Terdapat beberapa teori tentang krisis financial yang berhasil dikembangkan oleh para ahli ekonomi. Teori tersebut mengalami berbagai pengembangan sesuai dengan keadaan perekonomian pada masa itu. Secara fundamental terdapat tiga teori tentang krisis yang telah berhasil dikembangkan dan dijadikan acuan dalam memahami krisis, yaitu:
1.        Model Krisis Generasi Pertama
Krisis generasi pertama (The First Generation of Crisis) adalah krisis nilai tukar atau krisis neraca pembayaran yang dialami oleh satu negara dengan perekonomian terbuka, berukuran kecil, dan menerapkan rezim nilai tukar tetap (fixed exchange rate). Teori tentang krisis ini diperkenalkan oleh Salant dan Henderson (1978), yang kemudian dikembangkan oleh Krugman (1979) dan Flood & Garber (1984). Latar belakang terjadinya krisis generasi pertama ini diawali dengan banyaknya aliran modal asing masuk ke sebuah negara, terutama dalam  bentuk utang pemerintah ke pemerintah atau melalui lembaga-lembaga internasional seperti World Bank (WB), International Monetary Fund (IMF) dan Organization for Economic Cooperation and Development (OECD). Hal ini juga disebabkan oleh runtuhnya sistem Bretton Woods di tahun 1971 yang mempengaruhi konfigurasi dan dinamika pasar keuangan internasional yang dipengaruhi pula oleh kebijakan moneter sehingga besarnya pinjaman tersebut menimbulkan kekhawatiran default.
Serangan spekulasi dalam model ini terjadi karena tidak konsistennya kebijakan pemerintah dalam bidang moneter dan fiscal dalam sistem nilai tukar tetap. Dampaknya adalah meningkatnya jumlah uang yang beredar atau pasar mengalami kelebihan likuiditas sehingga inflasi cenderung tinggi. Kelebihan likuiditas ini akan dikonversi ke dalam mata uang asing asing sehingga permintaan akan uang asing meningkat. Sementara inflasi di Negara-negara mitra dagang utama relative rendah sehingga mata uang domestic mengalami overvalued. Jika pasar menyadari hal ini maka akan terjadi serangan spekulasi terhadap mata uang domestic. Sementara itu, karena sistem nilai tukar adalah tetap, maka cadangan devisa akan terkuas guna mempertahankan kurs tetap bila para spekulan terus menukarkan mata uang domestic terhadap mata uang asing.
2.        Model Krisis Generasi Kedua
Krisis generasi kedua (The Second Generation of Crisis) merupakan krisis neraca pembayaran yang terjadi di tengah fundamental perekonomian yang tergolong kuat. Krisis ini juga dilatarbelakangi oleh negara yang menganut sistem nilai tukar tetap. Model krisis generasi kedua yang dikembangkan Obstfeld (1994, 1996).
Penyebab utama terjadinya krisis generasi kedua ini adalah spekulasi para investor (speculative attack) dimana fundamental ekonomi yang kuat mendorong derasnya aliran masuk modal asing (capital inflows). Masuknya aliran modal didorong oleh meningkatnya aggregate domestic demand, yang tercermin dari peningkatan harga saham dan  properti, peningkatan aset dan kewajiban bank, dan defisit neraca berjalan semakin membengkak..
Seiring dengan semakin membengkaknya defisit neraca pembayaran, semakin besar pula kekhawatiran para investor asing terhadap sustanabilitas perekonomian suatu negara. Perekonomian negara tersebut akan mengalami kerentanan, ditambah dengan pertumbuhan kredit perbankan kepada sektor swasta yang terus meningkat dan disertai kondisi sosial politik yang tidak stabil yang mendorong ketidakpastian. Hal ini menyebabkan terjadinya arus balik secara tiba-tiba aliran modal jangka pendek sehingga menyebabkan krisis kembali terjadi akibat aksi spekulatif para investor asing.
3.        Model Krisis Generasi Ketiga
Model generasi pertama dan kedua memfokuskan pada kebijakan ekonomi makro dan membiarkan sistem kurs diakibatkan tidak konsistennya kebijakan ekonomi oleh pemerintah untuk menilai manfaat dan akibat mempertahankan kurs tetap. Namun, model krisis generasi ketiga ini tidak hanya diakibatkan oleh ketidakkonsistenan kebijakan, tetapi juga karena ketidaksempurnaan pasar atau distorsi dalam sistem keuangan.
Kelompok pertama model ini adalah model yang menekankan pada masalah dalam sistem perbankan (moral hazard) dan informasi yang asimetris dalam lingkungan adanya jaminan dari pemerintah dan lembaga keuangan internasional serta lemahnya pengawasan perbankan. Krisis perbankan akan menjadi pemicu krisis keuangan karena adanya jamina pemerintah menjadi kewajiban pemerintah pada saat krisis dan menjadikan terganggunya keberlanjutan defisit fiskal dengan peranan bank sentral sebagai lender of the last resort. Tetapi kebijakan ini tidak konsisten dengan kebijakan untuk mempertahankan sistem kurs tetap (Imansyah, 2009).
Kelompok kedua mempertimbangkan penyebab krisis yang utama adalah herd effect yang dapat diamati oleh para bankir dan menajer portofolio keuangan. Gangguan tertentu akan menyebabkan kepanikan di pasar uang dan para pelaku pasar serta investor akan melakukan tindakan menyelamatkan aset mereka dengan menukarkan pada mata uang asing.
Sedangkan kelompok ketiga menyatakan bahwa penyebab krisis keuangan adalah karena efek penularan (contagion effect). Krisis ini menjalar melalui hubungan perdagangan ketika depresiasi terjadi di suatu negara menjadikan penurunan daya saing untuk negara lain. Ketergantungan antar negara dapat memberikan peranan terhadap krisis ketika ketidakmampuan suatu negara untuk membayar utang luar negeri memaksa kreditor asing untuk mencabut pinjamannya juga di negara lain.
4.        Model Di luar Sistem Generasi Krisis Keuangan
Diantara berbagai model krisis keuangan yang paling penting yang berada diluar sistem generasi adalah model Kindleberger-Minsky yang menjelaskan tiga tahapan dalam krisis keuangan: mania, panik, dan runtuh (collapse). Mania adalah periode upswing dalam siklus bisnis ketika pelaku pasar merestruktur aset-aset mereka yang lebih mengarah pada aset finansial dan riil. Panik dicirikan oleh pengaruh dorongan dan persaingan dalam transformasi aset finansial dan riil ke dalam bentuk aset yang paling likuid. Runtuh (collapse) adalah tahap akhir dari proses (Imansyah, 2009)

2.2.2        Krisis Dalam Perspektif Islam
Terjadinya krisis dalam Islam tidak terlepas dari praktek-praktek atau aktivitas ekonomi yang dilakukan bertentangan dengan nilai-nilai keislaman seperti tindakan mengonsumsi riba, monopoli, korupsi, dan tindakan lain yang dilarang oleh Allah. Hal ini seperti disebutkan Allah SWT dalam Surat Ar-Rum ayat 41 berikut:
ª tygsß ßŠ$|¡xÿø9$# Îû ÎhŽy9ø9$# ̍óst7ø9$#ur $yJÎ/ ôMt6|¡x. Ï÷ƒr& Ĩ$¨Z9$# Nßgs)ƒÉãÏ9 uÙ÷èt/ Ï%©!$# (#qè=ÏHxå öNßg¯=yès9 tbqãèÅ_ötƒ ÇÍÊÈ
Telah nampak kerusakan di darat dan di laut disebabkan Karena perbuatan tangan manusi, supaya Allah merasakan kepada mereka sebahagian dari (akibat) perbuatan mereka, agar mereka kembali (ke jalan yang benar)”.(QS. Ar-Rum: 41)
Menurut pakar ekonomi Islam, penyebab utama krisis adalah kepincangan sektor moneter (keuangan) dan sektor riil. Sektor keuangan berkembang pesat dan meninggalkan jauh sektor riil.  Tercerabutnya sektor moneter dari sektor riil terlihat nyata dalam bisnis transaksi maya ( virtual transaction ) melalui transaksi derivatif yang penuh riba. Transaksi maya di bursa saham dan pasar modal mencapai lebih dari 95 persen dari seluruh transaksi dunia. Sementara transaksi di sektor riil berupa perdagangan barang dan jasa hanya berkisar sekitar lima persen saja. Dalam ekonomi Islam jumlah uang yang beredar sama banyaknya dengan nilai barang dan jasa.  Dengan kata lain sumber malapetaka ekonomi dunia adalah praktik  Maisir, Gharar dan Riba yg diharamkan. Maysir dalam bentuk judi dan spekulasi. Di Pasar modal dalam bentuk short selling dan margin  trading. Gharar adalah transaksi maya, bisnis beresiko tinggi. Riba adalah pencarian keuntungan tanpa transaksi bisnis riil. (Agustianto, 2010).
Melakukan praktek-praktek ekonomi yang bertentangan dengan syariat Islam tersebut merupakan tindakan yang tidak hanya merugikan diri sendiri tetapi juga merusak sendi-sendi kehidupan ekonomi umat. Pelanggaran terhadap syariat Islam akan mengundang malapetaka langsung atau tidak langsung dari Allah SWT. Krisis ekonomi merupakan salah satu contoh malapetaka atau ujian Allah SWT terhadap makhlukNya yang telah terlalu jauh melaksanakan aktivitas ekonomi melenceng dari ajaran Al-Quran dan Sunnah seperti halnya melegalkan riba merajalela berlaku di tengah-tengah masyarakat.
Terdapat beberapa hal yang dapat menyebabkan krisis dalam perspektif Islam, diantaranya adalah:
1.        Riba (Interest)
Islam telah mengharamkan riba untuk dipraktekkan dalam kegiatan ekonomi ummatnya. Hal ini pula yang membedakan antara sistem ekonomi Islam dan sistem ekonomi Konvensional. Pelarangan  riba bukanlah dilakukan tanpa alasan yang tidak jelas. Adapun alasan diharamkannya riba adalah sebagai berikut:
a.         Sistem ekonomi ribawi telah menimbulkan ketidakadilan dalam masyarakat terutama bagi pemberi modal (bank) yang pasti menerima keuntungan tanpa peduli apakah para peminjam dana (nasabah) tersebut memperoleh untung atau rugi. Hal ini bertentangan dengan prinsip ekonomi Islam yang menjunjung tinggi nilai keadilan. Apabila nasabah tersebut mengalami keuntungan, maka ketidakadilan mungkin tidak terjadi, namun bila usaha yang dilakukan nasabah mengalami kerugian bahkan bangkrut, para peminjam tersebut harus membayar kembali modal yang dipinjam ditambah bunga pinjamannya. Hal ini merupakan suatu bentuk ketidakadilan bagi masyarakat sebagai nasabah.
b.        Sistem ekonomi ribawi juga menyebabkan ketidakseimbangan antara pemilik modal dengan peminjam Keuntungan besar yang  diperoleh para peminjam yang biasanya terdiri dari golongan industri  raksasa (para konglomerat) hanya diharuskan membayar pinjaman modal mereka plus bunga pinjaman dalam jumlah yang relatif kecil dibandingkan dengan milyaran keuntungan yang mereka peroleh. Padahal para penyimpan uang di bank-bank adalah umumnya terdiri dari  rakyat menengah ke bawah. Ini berarti bahwa keuntungan besar yang diterima  para konglomerat dari hasil uang pinjamannya tidaklah setimpal dirasakan oleh para pemberi modal (para penyimpan uang di bank) yang umumnya terdiri dari masyarakat menengah ke bawah.
c.         Sistem ekonomi ribawi akan menghambat investasi karena semakin  tingginya tingkat bunga dalam masyarakat, maka semakin kecil kecenderungan  masyarakat untuk berinvestasi. Masyarakat akan lebih cenderung untuk  menyimpan uangnya di bank-bank karena keuntungan yang lebih besar  diperolehi akibat tingginya tingkat bunga.
Semakin tinggi tingkat bunga maka semakin besar kemungkinan aliran investasi terbendung. Dengan pelarangan riba, dinding yang membatasi aliran investasi tidak ada sehingga alirannya lancar tanpa halangan. Hal ini terlihat jelas pada saat Indonesia dilanda krisis keuangan dan perbankan pada tahun 1997-1998. Pada saat itu suku bunga perbankan melambung sangat tinggi mencapai 60%. Dengan suku bunga setinggi itu bisa dikatakan hampir tidak ada orang yang berani meminjam ke bank untuk investasi (Ascarya, 2007).
d.        Bunga dianggap sebagai tambahan biaya produksi bagi para businessman yang menggunakan modal pinjaman. Biaya produksi yang tinggi  tentu akan memaksa perusahaan untuk menjual produknya dengan harga yang  lebih tinggi pula. Melambungnya tingkat harga, yang pada akhirnya akan  mengundang terjadinya inflasi akibat semakin lemahnya daya beli konsumen.

Riba tidak hanya dilarang dalam ajaran Islam, tetapi juga dilarang dalam ajaran Yahudi (Eksodus 22: 25, Deuteronomy 23: 19, Levicitus 35: 7, Lukas 6: 35), ajaran Kristen (Lukas 6: 34-35, pandangan pendeta awal/abad I-XII, pandangan sarjana Kristen/abad XII-XV, pandangan reformis Kristen/abad XVI-1836), maupun ajaran Yunani seperti yang disampaikan oleh Plato (427-347 SM) dan Aristoteles (384-322 SM) (Ascarya, 2007).
Berbeda dengan ekonomi Islam yang menawarkan konsep bagi hasil (profit loss sharing) yang merupakan nisbah (persentase bagi hasil) yang besarnya ditetapkan di awal transaksi transaksi yang bersifat fixed tetapi nilai nominal rupiahnya belum diketahui dengan pasti melainkan melihat laba rugi yang akan terjadi nanti[5]. Ketika keuntungan yang didapatkan, maka nasabah akan membayar tingkat presentase bagi hasil yang telah disepakati. Ketika kondisinya impas maka tidak ada pembayaran dan ketika mengalami kerugian maka kerugian tersebut akan dibagi bersama antara nasabah dan pihak bank. Sistem syariah ini menunjukkan suatu  keadaan dimana tidak ada pihak yang diperlakukan tidak adil. Resiko yang merupakan kondisi yang belum pasti akan datang ditanggung bersama dan apabila mengalami keuntungan besarpun dibagi bersama sesuai kesepatan bersama di awal (Ascarya, 2007). Bahkan, Ascarya (2010) mengilustrasikan Riba sebagai akar paling dasar penyebab krisis keuangan global.
Gambar 2.1 Akar Krisis Keuangan Global
Sumber: Ascarya (2010)
2.        Fractional Reserve Banking Sistem
Fractional reserve banking sistem artinya bahwa bank hanya diwajibkan untuk menyimpan cadangan dalam persentase tertentu dari dana simpanan yang dihimpun. Cadangan wajib minimum perbankan bervariasi yang umumnya berada di sekitar 5% - 20%. Dengan sistem ini perbankan memiliki kemampuan menciptakan jenis lain dari fiat money, yaitu uang bank (demand deposits, termasuk uang elektronik), melalui penciptaan simpanan berlipat (multiple deposit creation). Dalam hal ini uang diciptakan ketika bank memberikan pinjaman (Ascarya, 2007).
Cadangan wajib minimum  perbankan yang bersifat fractional tersebut akan memberikan peluang pada perbankan untuk mengeruk keuntungan besar karena dapat menciptakan uang baru secara tidak adil. Selain itu juga merugikan bank sentral sebagai lembaga yang diberi kuasa untuk menciptakan uang baru karena perbankan komersial dapat memperoleh keuntungan seignorage dari fractional reserves banking tersebut. Ascarya (2007) menyebutkan bahwa penciptaan keuntungan tanpa adanya ‘iwad dikayegorikan sebagai riba oleh Ibnu Arabi sehingga mengakibatkan daya beli uang secara agregat akan menurun dan terjadi inflasi sesuai denngan persentase uang yang ditambahkan dalam perekonomian. Dalam hal ini, masyarakat sebagai pihak yang memegang uang juga ikut dirugikan.
Berbeda dengan sistem moneter Islam yang menerapkan konsep 100% reserves banking sistem yang tidak memberikan peluang untuk menciptakan uang baru karena seluruh simpanan yang diterima perbankan harus 100% disimpan/dikembalikan pada bank sentral. Dengan demikian, tidak ada seignorage yang tercipta berarti tidak ada daya beli baru yang diciptakan sehingga tidak mengandung unsur riba, tidak menimbulkan inflasi, dan tidak ada pihak yang dirugikan.

2.3  Beberapa Model Empiris Early Warning System  Krisis Keuangan
Early Warning System (EWS) adalah sebuah model yang berguna untuk memprediksi peluang dan waktu terjadinya krisis. Menurutn Kaminsky et all (1998) EWS adalah model yang bertujuan untuk melihat berbagai indicator ekonomi dan dan keuangan sebagai tanda sebuah krisis akan terjadi dalam waktu yang relative dekat yaitu 18 bulan sampai 24 bulan.
Dalam mengukur keberhasilan suatu model early warning system, dapat digunakan sebuah matriks sebagai berikut:

Krisis (dalam 24 bulan)
Tidak Krisis (dalam 24 bulan)
Ada Peringatan
A
B
Tidak Ada Peringatan
C
D

Tabel diatas akan dijelakan pada Bab Metodologi Penelitian secara lebih jelas. Beberapa model telah dikembangkan oleh para ahliu ekonomi untuk mendapatkan model terbaik dalam memprediksi krisis keuangan dan krisis perbankan secara akurat. Model yang paling awal muncul adalah model parametrik dengan analisis probit dan logit. Kemudian Kaminsky, Lizondo, Reinhart (1997) mengembangkan model nonparametrik berupa model signal yang secara umum mudah untuk diaplikasikan. Sampai akhirnya berkembang berbagai model yang lebih rumit dan kompleks seperti model jaringan saraf tiruan, model markov-switching, model hibrida dan model-model lainnya. Terdapat pula pendekatan yang paling sederhana yaitu pendekatan macroprudential dan microprudential. Masing-masing model memiliki kelebihan dan kekurangannya masing-masing sehingga penggunaannya dapat disesuaikan dengan tujuan dilakukannya penelitian. Namun pada bagian ini, yang akan dibahas adalah model signal dan model ekonometrik.
Berikut adalah  model dalam menentukan model leading indikator terhadap kemungkinan terjadinya krisis finansial, yaitu:
1)        Pendekatan Sinyal
Model ini membandingkan indikator-indikator ketika periode sebelum krisis (tranquil) dengan periode krisis yang teridentifikasi. Indikator tersebut dipilih berdasarkan perubahan perilaku indikator antara periode normal dengan periode krisis yang menunjukkan “sinyal” krisis yang dapat dipercaya. Goldstein et. al (2000), melakukan pendekatan sinyal melalui lima tahapan, yaitu; (1) menentukan episode terjadinya krisis, (2) memilih indikator utama (leading indicator) sebagai prediktor, (3) mengatur nilai ambang batas (treshold) untuk leading indicators yang dipilih, (4) mengonstruksi indeks komposit (composite index), dan (5) memprediksi krisis.
Model ini menggunakan berbagai idikator secara bersamaan untuk memberikan sinyal pada periode terjadinya krisis. Dengan demikian kadang-kadang data yang dibutuhkan menjadi terlalu banyak sehingga menjadi faktor pengganggu bila indikator tersebut tidak memberikan sinyal. Semua indikator-indikator yang baik akan dipilih untuk menentukan indeks komposit.
Model ini pertama dikembangkan oleh Kaminsky, Lizondo, dan Reinhart (disingkat KRL, 1997 dan 1998) yang menitikberatkan pada monitoring sejumlah indikator (15 indikator). Selain itu juga dilakukan oleh Goldstein, Kaminsky, dan Reinhart (GKR, 2000). Sedangkan untuk kasus di Indonesia dilakukan oleh Imansyah dan abimanyu (2008), Florencia (2011) dan Kemu (2005).
2)        Pendekatan Ekonometrik
Dalam pendekatan ekonometrik umumnya menggunakan model probit atau logit. Pendekatan ini membuat estimasi tentang peluang terjadinya krisis keuangan dengan menggunakan variabel dependen diskret dalam model ekonometriknya. Model logit atau probit menggunakan variabel dependen kualitatif sebagai variabel diskret yang bernilai 1 dan 0. Sedangkan variabel independennya bersifat non diskret.
Keunggulan model logit ini dibandingkan dengan model signal adalah hasil perhitungan dari setiap variabel langsung memberikan kontribusi dalam perhitungan probabilitas terjadinya krisis keuangan. Sedangkan kelemahan model logit ini adalah tidak dapat menangkap semua informasi variabel. Artinya, kemampuan dalam memberikan signal untuk setiap variabel tidak dapat dilihat dalam model ini.
Dari kedua pendekatan di atas, maka terdapat beberapa faktor yang dapat dijadikan leading indicator dalam memprediksi kemungkinan terjadinya krisis. Berikut adalah leading indicator krisis baik nilai tukar maupun perbankan beserta alasan ekonominya.
Tabel 2.2. Leading Indicator Krisis dan Alasan Ekonominya
Leading Indicators
Alasan Ekonomi
NERACA PERDAGANGAN
Keseimbangan neraca perdagangan/Investasi Lokal Kotor;
v Ekspor
v Impor
v Real Effective Exchange Rate
v Nilai tukar terhadap US Dolar
v Keseimbangan Neraca Perdagangan/ GDP
Ekspor yang melemah, pertumbuhan impor yang berlebihan, nilai tukar yang terlampau kuat dapat memperburuk neraca perdagangan dan dalam sejarah sangat berkaitan dengan terjadinya krisis keuangan di banyak negara. Kelemahan eksternal dan nilai tukar yang terlampau kuat juga dapat menyebabkan terjadinya kerawanan sektor perbankan seperti kehilangan daya kompetisis di pasar eksternal, kegagalan bisnis, dan penuruna kualita pinjaman. Akhirnya krisis perbankan dapat menyebabkan krisis keuangan.
NERACA KEUANGAN
Simpanan di BIS (Bank for International Settlements)/Cadangan Devisa
v Perbedaan tingkat suku bunga dalam negeri dengan Amerika
v Kewajiban Asing/Aset pihak aing di sektor perbankan Cadangan Devisa.
v M2 (Broad money)/Cadangan Devisa
v Aliran modal jangka pendek/GDP
v Hutang LN jangka pendek/Cadangan Devisa
Dengan terjadinya globalisasi dan integrasi sektor keuangan, masalah neraca keuangan dapat membuat suatu negara menjadi mudah terjadi goncangan. Perwujudan masalah neraca keuangan dapat berupa penurunan cadangan devisa, hutang luar negeri jangka pendek yang berlebihan, jatuh tempo pinjaman dan ketidakseimbangan nilai tukar, serta pelarian modal ke luar negeri (capital flight).
SEKTOR KEUANGAN
v Deposito/M2Kredit dalam negeri/GDP
v Perbedaan tingkat suku bunga Deposito
v Pinjamna/Deposito
v M1 (Narrow Money)/GDP
v Pengganda M2
v Deposito di Bank-bank Komersial
v Tingkat Suku Bunga Domestik
Krisis keuangan dan perbankan berkaitan erat dengan terjadinya pertumbuhan kredit yang sangat cepat terkait kebijakan moneter di banyak negara, sementara terjadinya penyusutan deposto \
perbankan, tingginya tingkat suku bunga dalam negeri, dan besarnya perbedaan tingkat suku bunga deposito sering merupakan suatu gambaran terjadinya suatu kesulitan dan masalah di sektor perbankan.
SEKTOR RIIL
v Indeks Harga Konsumen (IHK)
v Indeks Produksi Industri (IPI)
v Indeks Harga Saham Gabungan (IHSG)
Terjadinya resesi dan kenaikan harga yang gila-gilaan sering mendahului terjadinya krisis perbankan dan keuangan.
SEKTOR FISKAL
v Kredit BI kepada sektor pemerintah
v APBN terhadap GDP
v Pengeluaran Pemerintah/GDP
v Kredit bersih ke sektor publik/GDP
Terjadinya defisit yang besar pada APBN, dapat memicu memburuknya posisi neraca keuangan yang akhirnya dapat menekan nilai tukar.
EKONOMI GLOBAL
v Harga Minyak Dunia
v Nilai tukar riik US $ dengan Yen Jepang
v Tingkat Suku Bunga Federal
v Pertumbuhan Ekonomi Amerika
Krisis yang terjadi di luar neheri dapat menyebar pada ekonomi dalam negeri dan menimbullkan krisis dalam negeri. Tingginya harga minyak dunia merupakan suatu pertanda bahaya bagi neraca keuangan dan dapat menyebabkan terjadinya krisis dalam negeri. Tingginya tingkat suku bunga dunia sering menjadi penyebab terjadinya pelarian modal ke luar negeri. Untuk beberapa negara Asia Timur, terjadinya penurunan nilai tukar mata uang domestik terhadap Solar Amerika juga tertekan.
Sumber: Juzhong Zhuang (2005)

2.4  Penelitian Terdahulu
Penelitian yang berkaitan dengan indikator terjadinya sebuah krisis khususnya krisis perbankan telah banyak dilakukan. Beberapa studi tersebut,. antara lain Kunt & Detragiache (1998), Shen & Hsienh (2003), Hadad et. al (2003), Ali (2007), Boyd et. al (2009), Barrel (2010), dan Bucevka (2011).
Asli Demirguc-Kunt dan Enrica Detragiache (1998) dalam penelitiannya yang berjudul The Determinants of Banking Crises in Developing and Developed Countries yang meneliti tentanng faktor-faktor yang berhubungan dengan kemunculan krisis perbankan yang sistemik. Metodologi yang digunakan adalah model ekonometrik logit multivariat dan data panel cross country dari 21 negara terpilih periode tahun 1980 sampai dengan 1994. Adapun hasil dari penelitian tersebut adalah; (a) Krisis terjadi ketika kondisi makroekonomi sedang lemah, terutama ketika pertumbuhan rendah dan inflasi tinggi, (b) Tingkat suku bunga yang tinggi berkaitan erat dengan permasalahan sistemik sektor perbankan yang merupakan bukti dari adanya krisis balance of payment, (c) Negara dengan skema asuransi deposito yang jelas terutama menganai resiko sama halnya dengan negara yang penegakkan hukumnya lemah. Dengan kata lain, apabila birokrasi dan penegakkan hukum yang lemah akan beresiko terjadinya krisis perbankan melalui asuransi deposito.
Chung-Hua Shen dan Meng-Fen Hsienh (2003) dalam penelitiannya yang berjudul Prediction of Bank Failures Using Combined Micro and Macro Data dengan menggunakan metode CAMEL dan Model Probit. Penelitian ini mengombinasikan pendekatan makro dan mikro sebagai modifikasi dalam early warning sistem untuk memonitor kemungkinan perbankan terkena krisis di negara yang dijadikan sampel yaitu Indonesia, Malaysia, Thailand, Korea, dan Filipina periode tahun 1993 sampai dengan 2000. Variabel independen yang digunakan dibagi menjadi dua bagian besar yaitu indikator mikro yaitu perbankan dan indikator makro. Model yang dikembangkan adalah
Dimana i = 1 untuk Indonesia, 2  untuk Korea, 3 untuk Malaysia, 4 untuk Filipina, dan 5 untuk Thailand
t = periode dari 1993 sampai 2000
F = Fungsi Probit, Bank dikatakan gagal ketika  = 1 dan tidak gagal ketika  = 0
Adapun hasil dari penelitian tersebut adalah; (a) Indikator mikro yang kuat adalah non-interest expenses/total assets dan ROA, sedangkan indikator mikro yang rentan terhadap kegagalan perbankan adalah ekuitas yang melebihi total aset, (b) Indikator NPL yang secara khas dipercaya bermanfaat sebagai indikator kegagalan perbankan, ternyata tidak informatif bagi pihak luar. (c) Indikator makro yang dapat dijadikan indikator kuat adalah tingkat pertumbuhan GDP dan Exchange Rate, sedangkan yang indikator yang lemah adalah kredit perbankan dan Utang Luar Negeri Jangka Prndek. M2/FR ternyata tidak memberikan kontribusi apa-apa meskipun studi lain menyatakan indikator tersebut berpengaruh.
Muliaman D. Hadad, Wimboh Santoso, dan Bambang Arianto (2003) dalam penelitiannya yang berjudul Indikator Awal Krisis Perbankan dengan menggunakan metodologi Model Logit dan data tahunan dari 40 negara (31 negara yang pernah mengalami krisis dan 9 negara lain sebagai kontrol). Penelitian ini bertujuan untuk mengetahui indikator awal krisis perbankan untuk mendapatkan pemahaman mengenai faktor-faktor internal maupun eksternal perbankan yang berpotensi memberikan indikasi adanya permasalahan dalam industri perbankan yang apabila tidak segera ditangani akan dapat menimbulkan permasalahan besar atau krisis pada industri perbankan.. Adapun hasil penelitiannya adalah; (a) Assessment terhadap data tahunan 40 negara (31 negara krisis/severe distress dan 9 non-krisis/severe distress) menunjukkan bahwa faktor-faktor makroekonomi, internal perbankan, dan shocks secara bersama-sama dapat dijadikan indikator awal terjadinya krisis/severe distress pada industri perbankan. (b) Beberapa indikator awal yang berasal dari faktor makroekonomi antara lain pertumbuhan ekonomi yang melambat, jumlah investasi yang makin  menurun, dan konsumsi swasta yang makin meningkat. Sementara itu faktor-faktor internal perbankan yang dapat dijadikan indikator awal antara lain adalah pemberian kredit kepada sektor swasta yang terus meningkat dan penurunan jumlah dana pihak ketiga dalam jumlah besar dan dalam waktu singkat. Selanjutnya, dari faktor shocks beberapa indikator yang dapat digunakan adalah laju inflasi yang makin meningkat dan nilai tukar yang terdepresiasi secara tajam dalam waktu singkat. (c) Untuk kasus Indonesia, indikator-indikator ekonomi yang ada saat itu cenderung mengindikasikan tidak terdapat potensi krisis perbankan dalam waktu dekat.
Ali Arı dan Rüstem Dağtekin (2008) dengan penelitiannya yang berjudul Early Warning Sistem of The 2000/2001 Turkish Financial Crisis dengan metodologi  Ordinary Least Square (OLS) dan Model Logit dalam periode 1987 sampai 2004. Krisis 2000/2001 yang dialami oleh Turki adalah twin crisis dimana krisis perbankan terjadi diikuti oleh krisis nilai tukar. Adapun hasil penelitian yang dilakukan di Turki ini menunjukkan bahwa: (a) Liberasisi ekonomi Turki memegang peranan penting dalam krisis Turki karena indikator Current Account terhadap GDP berpengaruh sangat signifikan. Jebakan liberalisasi ini dapat dicegah jika negara tersebut sebelumnya memiliki fundamental ekonomi yang stabil. Selain itu dapat dilihat juga dari PORTDEF/GDP dan ISE dimana modal asing masuk secara besar-besaran dan tiba-tiba ditarik kembali menciptakan volatilitas yang tidak terkontrol dan menimbulkan kepanikan dan memperlemah fundamental makroekonomi. (b) SHORTDEBT/RES, M2/RES, dan CRED/GDP memiliki pengaruh yang signifikan terhadap krisis. Namun indikator BUDG/GDP, OUVCOM dan TOT tidak berpengaruh signifikan terhadap indeks krisis. Ini menunjukkan bahwa guncangan eksternal tidak berpengaruh melainkan lebih dikarenakan ketidakstabilan politik internal dan kelemahan sistem perbankan Turki.(c) Indikator sektor perbankan yaitu IBANK, BANKRES/BANKASSETS dan BCCRED/BANKLIAB berpengaruh signifikan terhadap Indeks Krisis. IBANK mengalami kenaikan tajam sampai 400% dari sebelum krisis terjadi.
John Boyd, Gianni De Nicolo, dan Elena Loukoianova (2009) dalam penelitiannya yang berjudul Banking Crises and Crisis Dating: Theory and Evidence dengan menggunakan metodologi Model Logit dari data tahunan dari 91 negara periode tahun 1980 sampai dengan tahun 2002. Penelitian ini berbeda dengan penelitian sebelumnya karena selain mengukur indikator krisis perbankan juga mengukur sistemik tidaknya krisis perbankan tersebut. Adapun kesimpulan dari penelitian tersebut adalah; (a) Dengan menggunakan indikator BC sebagai variabel dependen, hanya pertumbuhan PDB Riil dan Tingakat Suku Bunga Riil saja yang bersifat signifikan. Dari keseluruhan variabel independen, setidaknya terdpat satu variabel yang hasilnya berbeda dengan yang laiinya. Perbedaan ini terjadi bukan hanya karena spesifikasi dalam sampel yang sama tapi juga perbandingan hasil dari regresi yang sama antar sampel. (b) Hasil   penelitian ini berbeda dengan penelitian sebelumnya yang menyebutkan bahwa pemusatan sistem perbankan tidak menyebabkan krisis. Hasil penelitian ini menunjukkan adanya kaitan yang erat antara pemusatan sistem perbankan sengan pengalaman sistemic banking shock (SBS). Dengan kata lain, Banking Crisis dapat menyebabkan Sistemic Banking Shock jika penanganan krisis tidak dilakukan secara cepat.
Ray Barrel, E Philip Davis, Dilruba Karim, dan Iana Liadze (2010) dalam penelitiannya yang berjudul Bank regulation, Property Prices and Early warning Sistems for Banking Crises in OECD Countries dengan menggunakan metodologi Model Logit dari data tahunan 14 negara periode tahun 1980 sampai dengan tahun 2007. Adapun hasil dari penelitian ini adalah; (a) CAR perbankan, Liquiditas Perbankan dan harga Properti memiliki dampak yang signifikan dalam menentukan tingkat kemungkinan  krisis perbankan terjadi dan variabel ini lebih tradisional dibandingkan GDP Growth, Inflasi, dan Real Interest Rate. Oleh karena itu, model ini dapat digunakan untuk mendeteksi kemungkinan terjadinya krisis perbankan. (b) CAR yang tinggi diiringi rasio likuiditas mampu mengindikasiskan kemungkinan terjadinya krisis perbankan, berimplikasi jangka panjang untuk menutup kerugian dari biaya yang ditentukan oleh peraturan.
Vesna Bucevska (2011) dalam penelitiannya yang berjudul An Analysis of Financial Crisis by an Early Warning Sistem Model: The Case of The EU Candidate Countries dengan menggunakan Model Logit periode 2005Q1 sampai dengan 2009Q4 dari 3 negara yaitu Kroasia, Macedonia, dan Turki). Adapun hasil dari penelitian ini adalah sebagai berikut; (a) DEBT, LOANS, dan DEPOSITS adalah  tiga indikator utama Early Warning Sistem dalam pemprediksi krisis finansial di Kroasia, Macedonia, dan Turki. Selain itu REER, Defisit CURACC, Defisit Fiskal, dan PORTFOLICHANGE secara statistik sangat berpengaruh signifikan dalam krisis keuangan di negara-negara EU. (b) Negara-negara EU harus mengurangi utang luar negeri yang berkaitan dengan GNP dan secara kontinyu menganalisis dan memonitor lebih dekat proses finansial di negaranya untuk mengantisipasi terjadinya krisis yang sama.
Penelitian lainnya dilakukan oleh Ascarya (2009) dengan judul Lessons Learned from Repeated Financial Crises: An Islamic Economic Perspective. Penelitian ini membandingkan kontribusi sistem moneter konvensional (fiat money, Fractional reserves banking sistem, dan interest) dengan sistem moneter Islam (gold money, 100% reserves banking sistem, dan PLS). Dengan menggunakan metodologi VAR/VECM, variabel dependen yang digunakan adalah Inflasi (INF). Hasil dari penelitian ini menunjukkan bahwa sistem moneter konvensional berkontribusi besar terhadap terjadinya krisis sebesar 66,6% (excess money supply 2,8%; interest rate 45,2%; dan exchange rate 18,6%). Sedangkan sistem moneter Islam  hanya berkontribusi sebesar 3,4% saja terhadap krisis yaitu just money supply 0,7%; PLS Return 2,5%; dan single global currency 0,2%. Hal ini menunjukkan bahwa dengan menggunakan sistem moneter Islam, akan mampu meminimalkan probabilitas terjadinya krisis finansial di Indonesia.
Muhammad Hanry (2009) dalam skripsinya yang berjudul Sistem Peringatan Dini Krisis Nilai Tukar: Kasus Indonesia Tahun 1990-2008 menggunakan metodologi Regresi Model Logit. Penelitian ini menyimpulkan bahwa Krisis di Indonedia terjadi sejak tahun 1997 kuartal 4 sampai 1999 kuartal 1. Indikator yang signifikan untuk dijadkan indikator dini adalah  REER dan  rasio pinjaman jangka pendek terhadap cadangan devisa. Sedangkan CAGDP dan GB berpengaruh signifikan pada tingkat kepercayaan yang lebih rendah.
Dari uraian diatas, maka dapat disimpulkan bahwa suatu krisis dapat diindikasikan melalui faktor mikro (perbankan) dan faktor makro (makroekonomi). Kunt (1998), Shen (2003) Hadad at. al (2003), Boyd et. al (2009), dan Barrel (2010) menyebutkan bahwa faktor pertumbuhan GDP menjadi indikator makroekonomi yang paling penting dalam mengindikasikan kemungkinan terjadi krisis. Selain itu, inflasi, Exchange Rate, Interest Rate, dan Investasi dapat pula dijadikan indikator kemungkinan terjadinya krisis. Sedangkan indikator mikro ditentukan oleh kredit yang disalurkan perbankan (Hadad, 2003; Ali, 2008; dan Bucevka, 2011). Adapun  Kunt (1998)   menyebutkan bahwa interest rate dapat menyebabkan krisis perbankan menjadi sistemik, sedangkan Boyd et. al (2009) selain interest rate, krisis yang sistemik juga disebabkan oleh GDP growth.
2.5  Kerangka Konseptual


 




BAB III
METODOLOGI PENELITIAN

Pada bab ini akan dijelaskan mengenai Metodologi dan Data Model yang akan digunakan peneliti. Metodologi mencakup keterangan model ekonometrik yang akan digunakan serta langkah-langkah yang berkaitan dengan model sebelum atau sesudah model digunakan. Selanjutnya permodelan menjelaskan mengenai sumber data, penjelasan variabel yang akan diteliti, serta bentuk model yang telah disusun dalam sebuah persamaan model. Pada skripsi ini metodologi yang digunakan adalah Regresi Logistik Biner (Regresi Model Logit) dimana variabel dependennya adalah berupa nilai kategorik (0 dan 1) yang akan dijelaskan lebih terperinci pada subbab selanjutnya.
Pada penelitian ini dilakukan olah data dengan empat model dimana masing-masing model terdiri dari model untuk konvensional dan model untuk syariah, sehingga secara keseluruhan menjadi delapan model. Hal ini dilakukan dengan tujuan untuk melihat indikator apa saja dari kedua industri perbankan ini yang bersifat selalu signifikan memengaruhi (persisten) terhadap peluang terjadinya krisis.

3.1    Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini secara keseluruhan merupakan data sekunder yang diambil dari sumber resmi dalam bentuk bulanan pada periode waktu Januari 2004 sampai dengan April 2011. Untuk data perbankan syariah diperoleh dari Statistik Perbankan Syariah Bank Indonesia (SPS-BI) dan data perbankan konvensional diperoleh dari Statistik Perbankan Indonesia Bank Indonesia (SPI-BI). Sedangkan data makroekonomi diperoleh dari Statistik Ekonomi dan Moneter Indonesia Bank Indonesia (SEKI-BI), Badan Pusat Statistik (BPS) dan International Financial Statistics (IFS) yang dipublikasikan oleh IMF.

3.2    Persamaan Umum, Variabel dan Definisi Operasional
Dengan menggunakan model regresi logistik, persamaan umum yang digunakan dalam skripsi ini dibuat dalam empat model persamaan penelitian yang merupakan persamaan dengan satu variabel tidak bebas (dependen) dan multivariabel bebas (independen) yang dapat ditulis sebagai berikut:
Model 1:
Model 2:
Model 3:
Model 4:

3.2.1        Variabel Dependen
Variabel dependen pada regersi logistik memiliki nilai kategorikal.  Dalam model tersebut, nilai variabel dependen akan bernilai 1 dan 0 dimana masing-masing nilai tersebut mewakilkan kategori terjadinya krisis dan tidak terjadinya krisis.
Pada skripsi ini sebagai variabel dependen adalah Crisis Severe Distress (CSD). Variabel CSD ini didasarkan pada pengertian Hardy & Pazarbasioglu (1999) yang membagi permasalahan dalam industri perbankan ke dalam dua kelompok besar yaitu severe distress dan full blow crisis sebagaimana telah dijelaskan dalam penelitian terdahulu. Variabel CSD ini digunakan sebelumnya oleh Hadad et.al (2003).
Nilai CSD diperoleh dari kategori krisis yang dikembangkan oleh Kaminsky, Lizondo, dan Reinhart (KLR) yang menggunakan penghitungan EMP dengan pembobotan tingkat pertumbuhan REER, selisih tingkat suku bunga dalam negeri pada rentang satu periode, dan tingkat pertumbuhan cadangan devisa nasional. Bobot pada masing-masing komponen dihasilkan dengan membandingkan komponen tersebut pada suatu waktu tertentu terhadap jumlahkeseluruhan komponen tersebut. Secara matematis persamaan tersebut dapat ditulis sebagai berikut:
Periode krisis dikategorikan terjadi pada saat CSD = 1 yaitu pada saat nilai EMPI pada suatu periode melebihi rata-rata nilai EMPI ditambah dengan dua kali standar deviasinya. Sedangkan periode tidak krisis dikategorikan terjadi pada saat CSD = 0 yaitu pada saat nilai EMPI pada suatu periode kurang dari rata-rata nilai EMPI ditambah dua kali satandar deviasinya.
Untuk data REER, diperoleh dari publikasi IMF berupa IFS sedangkan suku bunga dan cadangan devisa nasional diperoleh dari statistik Bank Indonesia berupa Statistik Ekonomi dan Keuangan Indonesia (SEKI). Ketiganya dalam periode Januari 2004 sampai dengan April 2011.
3.2.2        Variabel Independen
Adapun variabel yang digunakan dalam penelitian ini dibagi menjadi dua bagian besar yaitu variabel mikro (perbankan) dan variabel makroekonomi. Dikarenakan penelitian ini ditujukan untuk industri perbankan syariah dan perbankan konvensional, maka variabel mikro terbagi menjadi variabel mikro syariah dan variabel mikro konvensional. Sedangkan variabel makroekonomi bagi kedua industri tidak dibedakan. Sedangkan periode penelitian yang dijadikan sampel ini adalah sejak Januari 2004 sampai dengan April 2011.
Berikut adalah variabel perbankan konvensional dan syariah beserta definisi operasionalnya:
1)      Rasio Likuiditas
Ketersediaan dana dan sumber dana bank pada saat ini dan di masa mendatang merupakan pemahaman konsep likuiditas dalam indikator ini. Kemampuan likuiditas dapat diproksikan dengan Loan to Asset Ratio (LAR) untuk perbankan konvensional dan Financing to Asset Ratio (FAR) untuk perbankan syariah.
 Rasio ini merupakan rasio yang digunakan untuk mengukur kemampuan bank untuk memenuhi permintaan kredit (pembiayaan) dengan menggunakan total aset yang dimiliki bank. Semakin tinggi rasio ini maka tingkat likuiditasnya semakin rendah karena jumlah aset yang diperlukan untuk membiayai kreditnya semakin besar sehingga semakin besar peluang perbankan tersebut terkena dampak krisis. Hal ini menunjukkan adanya hubungan positif antara variabel LAR atau FAR dengan peluang terjadinya krisis.
Data yang digunakan diperoleh dari Statistik Perbankan Indonesia Bank Indonesia (SPI-BI) untuk data perbankan konvensional dan Statistik Perbankan Syariah bank Indonesia (SPS-BI) untuk data perbankan syariah.
2)      Rasio Solvabilitas (Permodalan)
Capital merupakan rasio kecukupan modal yang menunjukkan kemampuan bank dalam mempertahankan modal yang mencukupi dan kemampuan manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan mengontrol risiko-risiko yang timbul yang dapat berpengaruh terhadap besarnya modal bank. Rasio permodalan ini dihitung dengan menggunakan rasio CAR (Capital Adequacy Ratio)—CARK untuk Perbankan Konvensional dan CARS untuk Perbankan Syariah—yang merupakan perbandingan antara modal sendiri dengan Aktiva Tertimbang Menurut Risiko (ATMR). Data yang digunakan diperoleh dari SPI-BI untuk data Bank Konvensional dan SPS-BI untuk data Bank Syariah.
Sedangkan variabel makroekonomi yang digunakan beserta definisi operasionalnya adalah sebagai berikut:
1)        Inflasi (INFL)
Inflasi adalah gejala kenaikan harga barang-barang yang bersifat umum dan terus menerus. Semakin tinggi angka inflasi semakin besar kemungkinan industri perbankan tersebut mengalami krisis. Artinya, Inflasi dan krisis memiliki hubungan positif. Besarnya nilai inflasi yang digunakan adalah inflasi bulanan yang dipublikasikan oleh BPS
2)        BI Rate (INTR)
Merupakan tingkat suku bunga kebijakan Bank Indonesia (BI). Semakin tinggi tingkat suku bunga yang diterapkan BI maka semakin menandakan akan terjadinya krisis atau gangguan. Data BI Rate diperoleh dari SEKI-BI
3)        Indeks Produk Industri (IPI)
Merupakan proxy dari pendapatan nasional (PDB) yang dipilih karena memiliki satuan bulanan. Dinyatakan dalam satuan indeks yang bersumber dari Badan Pusat Statistik (BPS). Namun, untuk menghindari adanya outlier[6] pada saat melakukan olah data, maka IPI ditransformasikan dalam dua bentuk, yaitu dalam bentuk pertumbuhan (IPIG) dan dalam bentuk first different-nya (LN_IPI) supaya nilainya tidak jauh dengan variabel lain. Semakin lambat pertumbuhan IPI maka menandakan semakin besar peluang terjadainya krisis. Hal ini berarti IPI memiliki hubungan positif dengan probabilitas terjadinya krisis. Data IPI  dan IPIG diperoleh dari BPS, sedangkan LN_IPI diperoleh dengan cara mengubah data IPI dalam bentuk natural logarima (ln) menggunakan software Microsoft Excel 2007.
4)        Pertumbuhan Ekspor (EXPG)
Merupakan indikator data saing di pasar internasional. Menurunnya pertumbuhan ekspor bisa jadi disebabkan oleh kurs mata uang domestik yang overvalued. Sebaliknya, jika perlambatan pertumbuhan ekspor bukan karena kurs, maka ini menyebabkan tekanan devaluasi untuk kurs tetap atau kurs akan melemah dalam kurs mengambang. Oleh karena itu perlambatan pertumbuhan ekspor dapat dijadikan sebagai indikator dini untuk pelemahan kurs mata uang domestik. Hal ini menunjukkan bahwa EXPG mempunyai hubungan terbalik dengan potensi terjadinya krisis. Data Ekspor diperoleh dari BPS, sedangkan pertumbuhan Ekspor diperoleh dengan formula:
5)        Rasio M2 terhadap Cadangan Devisa (M2RES)
Merupakan indikator yang mampu memberikan indikasi seberapa banyak utang sistem perbankan dapat ditutupi oleh cadangan devisa. Pada waktu krisis seseorang dapat menukarkan simpanan mata uang domestiknya ke mata uang asing, sehingga rasio ini menggambarkan kemampuan bank sentral memenuhi kebutuhan tersebut. Formula yang digunakan untuk menghitung rasio ini adalah sebagai berikut:
Data M2 dan Cadangan Devisa dapat diperoleh di SEKI yang dipublikasikan oleh BI.
6)        Nilai Tukar Riil (Real Effective Exchange Rate/REER)
REER digunakan untuk mengukur apakah mata uang suatu negara melemah (depresiasi) atau menguat ((apresiasi) secara relatif terhadap mata uang negara lain. Untuk menghindari pengaruh musiman, maka REER ini diubah dalam bentuk penyimpanan (deviasi) terhadap tren. Sedangkan untuk mengestimasi tren dan penyimpangannya, digunakan Hodrick-Prescott (HP) Filter dengan menggunakan software Eviews 4.1 sehingga diperoleh data REERDEV. Karena data REERDEV ini masih dalam bentuk nominal, untuk menghindari outlier maka diubah dalam bentuk logaritma natural sehingga didapatkan nilai LN_REERDEV. Data yang digunakan untuk menghitung nilai REER bersumber dari BI dan IFS yang dipublikasikan oleh IMF.
7)        Sertifikat Bank Indonesia (SBI)
Merupakan suku bunga SBI yaitu suku bunga yang ditentukan oleh Bank Indonesia atas SBI dengan satuan persen yang diperoleh dari SEKI-BI.
8)        Sertifikat Bank Indonesia Syariah (SBIS)
Merupakan imbal bagi hasil SBIS (Sertifikat Bank Indonesia Syariah) yaitu tingkat bagi hasil yang ditentukan oleh Bank Indonesia atas SBIS dengan satuan persen untuk perbankan syariah yang didapatkan dari statistik SEKI yang dipublikasikan oleh BI.

Secara ringkas, variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut:
Nama Variabel
Penjelasan
Formula
Sumber
CSD (Indeks)
Penentuan periode krisis berdasarkan EMPI sebanyak dua kali standar deviasi ditambah rata-ratanya.
IFS, dan SEKI-BI
LAR (Rasio)
Rasio Likuiditas
SPI-BI
FAR (Rasio)
Rasio Likuiditas
SPS-BI
CARK (Rasio)
Rasio Solvabilitas
SPI-BI
CARS (Rasio)
Rasio Solvabilitas
SPS-BI
INFL (Persen)
Tingkat inflasi
Data tersedia
BPS
INTR (Persen)
Tingkat suku bunga (BI Rate)
Data Tersedia
SEKI-BI
IPIG (Persen)
Proksi Pertumbuhan PDB
BPS
EXPG (Persen)
Proksi nilai tukar yang overvalued
BPS
M2RES (Rasio)
Rasio M2 terhadap Cadangan Devisa

SEKI-BI
LN_IPI (Persen)
Proksi Pendapatan Nasional
Data IPI ditransformasikan ke dalam bentuk logaritma natural (LN) dengan bantuan software Microsoft Excel 2007.
BPS
LN_REERDEV (Persen)
Nilai Tukar Riil
Data REER diestimasikan simpangan terhadp trennya dengan metode HP Filter dengan bantuan software Eviews 4.1.
IFS, BI, dan BPS
SBI (Persen)
Suku Bunga SBI
Data tersedia
SEKI-BI
SBIS (Persen)
Bagi Hasil SBIS
Data Tersedia
SEKI-BI

3.3         Metode Pengolahan Data
3.3.1 Definisi Regresi Logistik
Sebagaimana dalam  regresi linear, model umum dari regresi logistik ganda (Logit) adalah model regresi ganda yaitu model yang melibatkan lebih dari satu prediktor/variabel independen. Model logit secara sederhana didefinisikan sebagai model regresi non-linear yang menghasilkan persamaan dimana variabel dependen bersifat kategorikal. Kategori paling mendasar dari model tersebut menghasilkan binary values seperti angka 0 dan 1. Angka ini mewakilkan suatu kategori tertentu yang dihasilkan dari penghitungan probabilitas terjadinya kategori tersebut. Adapun bentuk dasar dari probabilitas dalam model logit ini dapat dijelaskan pada tabel berikut
Tabel 3.1 Probabilitas Dalam Model Logit
Yi
Probabilitas
0
1
1-Pi
Pi
Total
1
Sumber: Gujarati (2003)
Gujarati (2003) menyebutkan bahwa model logit seringkali digunakan dalam data klasifikasi. Pendekatan  model logit digunakan karena dapat menjelaskan hubungan antara x dan p (x) yang bersifat tidak linear, ketidaknormalan sebaran dari Y, dan keragaman respon tidak konstan yang tidak dapat dijelaskan oleh model linear biasa.
Adapun persamaan regresi untuk model logit diperoleh dari penurunan persamaan probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas tersebut adalah:
                                                                   (3.1)
Persamaan tersebut dapat disederhanakan dengan mengasumsikan  adalah , sehingga menghasilkan persamaan berikut:
                                                                                           (3.2)
Pada persamaan (3.2) tersebut dapat terlihat bahwa  berada dalam kisaran  hingga + dan  berada dalam kisaran 0 hingga 1 dimana  memiliki hubungan nonlinear terhadap
   Nonlinearitas dalam  tidak hanya terhadap X, namun juga terhadap β. Hal ini menimbulkan permasalahan estimasi sehingga prosedur regresi ordinary least square (OLS)[8] tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan melinearkan persamaan (3.1) dengan menerapkan logaritma natural pada kategori 0 seperti pada persamaan berikut:
                                                                                                (3.3)
Persamaan tersebut dapat disubstitusi dengan persamaan (3.2) menjadi:
                                                                                                     (3.4)
Persamaan  disebut juga dengan rasio kecenderungan (odds ratio) terjadinya kategori dengan nilai 1, dalam hal ini adalah terjadinya krisis. Apabila bernilai 0,9 maka kecenderungan terjadinya krisis mata uang semakin besar. Semakin nilainya mendekati 1 maka semakin besar pula kecenderungan akan terjadinya krisis.
Selanjutnya dengan menerapkan logaritma natural terhadap odds ratio tersebut maka akan menghasilkan persamaan berikut:
                                                                   (3.5)
Dalam persamaan tersebut,  adalah log dari odds ratio yang tidak hanya linear terhadap X tapi juga linear terhadap parameter β. Nilai  adalah sebagai intercept yang berarti bahwa probabilitas terjadinya krisis adalah sebesar  jika variabel-variabel lain bernilai nol.
Adapun nilai  dan seterusnya adalah sebagai ukuran kontribusi masing-masing varabel yang menjadi faktor penentu (variabel dependen). Nilai  yang positif berarti peningkatan nilai variabel tersebut sebesar satu satuan akan meningkatkan probabilitas terjadinya krisis sebesar . Sedangkan apabila nilai  bernilai negatif memiliki arti peningkatan nilai variabel tersebut sebesar satu satuan akan mengurangi probabilitas terjadinya krisis sebesar . Jika nilai  besar, maka variabel tersebut memiliki pengaruh yang besar (signifikan) terhadap probabilitas terjadinya krisis, sebaliknya jika nilai  kecil berarti variabel tersebut relatif tidak signifikan terhadap probabilitas terjadinya krisis.

3.3.2 Penentuan Periode Krisis
Dalam regresi logit tersebut, selain variabel-variabel X, juga dibutuhkan nilai regressand atau Li. Kaminsky, Lizondo, dan Reinhart (2000) mengembangkan metode penentuan nilai Li yang diperoleh dari hasil pembobotan indikator-indikator internasional dalam Exchange Market Presure Index (EMPI). Pembobotan tersebut menggunakan tiga indikator utama berupa pertumbuhan REER (REER), selisih tingkat suku bunga antar periode (r), dan pertumbuhan cadangan devisa (res).
Bobot pada masing-masing komponen dihasilkan dengan membandingkan komponen tersebut pada suatu waktu tertentu terhadap jumlah keseluruhan komponen tersebut. Secara matematis persamaan tersebut dapat dituliskan sebagai berikut:
 (3.7)
Periode krisis dikategorikan terjadi ketika  = 1 yaitu pada saat nilai EMPI pada suatu periode melebihi rata-rata nilai EMPI ditambah dengan dua kali standar deviasinya. Sedangkan periode tidak krisis terjadi ketika  = 0 yaitu pada saat nilai EMPI pada suatu periode kurang dari rata-rata nilai EMPI ditambah dengan dua kali standar deviasinya.

3.4 Pengujian Statistika dan Signifikansi Variabel
Penelitian menggunakan analisis regresi logistik karena variabel dependen menggunakan variabel dummy yaitu 0 (tidak krisis) dan 1 (krisis). Penggunaan regresi logistik tidak memerlukan uji asumsi klasik data seperti pada regresi linear. Uji asumsi klasik yang masih perlu dilakukan adalah uji multikolinearitas.
3.4.1 Menilai Kelayakan Model Regresi (Goodness of Fit)
Uji ini bertujuan untuk menilai layak tidaknya model regresi fit dengan data.  Hipotesisnya adalah sebagai berikut:
H0
H1
: Model yang dihipotesakan fit dengan data.
: Model yang dihipotesakan tidak fit dengan data
 Kriteria penolakan H0 dilakukan dengan melihat -2 Log Likelihood dan derajat bebas sebesar jumlah batasan dalam pengujian dikurangi satu (df=N-1). H0 ditolak jika nilai -2 Log Likelihood lebih besar nilai Chi Square tabel. Pengujian lain adalah dengan melihat nilai probabilitas, dimana penolakan H0 dilakukan ketika probabilitasnya memiliki nilai yang lebih kecil dari α.
3.4.2 Hosmer and Lemeshow Goodness of Fit.
  Hosmer and Lemeshow Goodness of Fit Test bertujuan untuk melihat apakah data empiris cocok dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Hipotesis dari Hosmer and Lemeshow Goodness of Fit  Test ini adalah sebagai berikut:
H0 : Tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati
H1 : Ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati
Jika nilai Hosmer and Lemeshow Goodness of Fit Test Statistics sama dengan atau kurang dari taraf signifikan yang digunakan maka hipotesis nil ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness of Fit Model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai Statistics Hosmer & Lemeshow Goodness of Fit lebih besar dari taraf kepercayaan maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.
3.4.3 Uji Koefisien Determinasi
            Uji signifikansi parsial bertujuan untuk melihat secara individual apakah variabel independen berpengaruh signifikan terhadap variabel dependen. Dalam regresi biasanya dilihat dengan t-test, namun dalam regresi yang menggunakan model logit, uji tersebut dilakukan dengan pendekatan normal sehingga pengujiannya dengan menggunakan nilai z. Dengan z-test kita dapat mengambil kesimpulan hipotesis apakah H0 ditolak atau diterima. Hipotesis yang dapat dikembangkan adalah sebagai berikut:
            Kriteria penolakan dapat disimpulkan apabila z-stat lebih besar dari nilai kritis maka H0 ditolak atau variabel independen tersebut memengaruhi variabel dependen secara signifikan. Selain dari nilai z-test, pengambilan keputusan hipotesis juga dapat dilihat dengan melihat probabilitanya (p-value). Jika nilai p-value lebih kecil dari nilai α maka H0 ditolak dengan tingkat kepercayaan (1-α).
3.4.4 Uji Koefisien Determinasi
Koefisien determinasi dalam regresi pada umumnya dapat dilihat dari nilai R2 dan adjusted R2, namun pada persamaan regresi yang menggunakan metode logit, determinasi suatu persamaan bervariasi berdasarkan perangkat lunak (software) yang digunakan. Penggunaan Eviews akan menghasilkan koefisien determinasi McFadden R2, STATA akan menghasilkan koefisien determinasi pseudo R2, sedangkan SPSS akan menghasilkan koefisien determinasi berupa Nagelkerke R2.
Koefisien ini digunakan untuk mengukur seberapa besar variasi dari variabel dependennya dapat dijelaskan oleh variasi nilai dari variabel-variabel independennya. Secara statistik, nilai-nilai tersebut mengukur tingkat keberhasilan model yang digunakan dalam memprediksi nilai variabel dependen atau mengetahui kecocokan (goodness of fit) dari model tersebut. Nilai Nagelkerke R2 memiliki rentang nilai antara nol sampai 1 (0 < R2 < 1). Nilai Nagelkerke R2 akan menghasilkan nilai yang lebih rendah dibandingkan R2 pada regresi OLS biasa. Semakin mendekati nilai satu maka berarti hampir semua variabel dapat menjelaskan variabel dependen dan model tersebut dapat dikatakan semakin baik.
Nilai Nagelkerke R Square yang lebih besar daripada Cox & Snell R Square, menunjukkan kemampuan kelima variabel bebas dalam menjelaskan varians Crisis Severe Distress dan sisanya terdapat faktor lain yang menjelaskan varians CSD. Model yang baik adalah ketika nilai Cox & Snell R Square lebih kecil dari nilai Nagelkerke R Square.
3.4.5 Evaluasi Kinerja Model
Penghitungan lain yang lebih baik untuk mengetahui seberapa baik variabel-variabel independen menjelaskan variabel dependen adalah dengan melihat nilai overall percentage yang merupakan perbandingan antara jumlah prediksi yang tepat dengan jumlah seluruh observasi.
Untuk mengevaluasi kinerja model, maka ditentukan batas ambang nilai probabilita untuk memberikan indikasi tingginya kemungkinan akan terjadinya krisis. Untuk setiap bulan data yang diamati akan memberikan hasil apakah data tersebut dalam daerah yang melampaui batas ambang probabilitas maka berarti memberikan sinyal pendeteksian. Sinyal ini akan menjadi benar bila 24 bulan kemudian terjadi krisis (kategori A) atau sinyal salah bila 24 bulan kemudian tidak terjadi krisis (kategori B) atau disebut dengan kesalahan tipe II. Penetapan masa sebelum krisis selama 24 bulan didasarkan pada penelitian yang dilakukan oleh KLR (sebutin)
Dengan analogi yang sama, jika model yang diamati tidak memberi sinyal, tetapi dalam 24 bulan kemudian terjadi krisis berarti tidak ada sinyal (kategori C) disebut kesalahan tipe I, sementara bila tidak ada sinyal dan memang tidak terjadi krisis pada 24 bulan kemudian (kategori D).

Krisis terjadi dalam 24 bulan kemudian
Tidak ada krisis dalam 24 bulan kemudian
Sinyal
A
B
Tidak Ada Sinyal
C
D
Sumber: Goldstein, Kaminsky, dan Reinhart (2000)
Dari matriks di atas, model yang terbaik adalah yang masuk dalam kategori A dan D. Yang termasuk dalam kategori A adalah model yang memberikan sinyal pendeteksian akan adanya krisis dan diikuti oleh krisis. Sedangkan yang termasuk dalam kategori D adalah model tidak memberikan sinyal pendeteksian karena memeang tidak akan terjadi krisis. Sebaliknya yang termasuk dalam kategori C adalah model yang tidak memberikan sinyal tetapi ternyata terjadi krisis. Sementara yang termasuk dalam kategori B adalah model yang memberikan sinyal tetapi tidak terjadi krisis.
Kaminsky, Lizondo, dan Reinhart (1998) membuat batas ambang optimal untuk daerah abnormal agar supaya minimal yang disebut rasio pengganggu sinyal (noise to signal ratio/NSR). NSR didefinisikan sebagai perbandingan probabilitas dari sebuah indikator yang memberikan sinyal selama masa krisis terhadap probabilitas dari sebuah indikator yang memberikan sinyal selama masa krisis. Formula NSR adalah sebagai berikut:
3.5 Pengujian Pelanggaran Asumsi Dasar
Penelitian menggunakan analisis regresi logistik karena variabel dependen menggunakan variabel dummy yaitu 0 (tidak krisis) dan 1 (krisis). Penggunaan regresi logistik tidak memerlukan uji asumsi klasik data seperti pada regresi linear. Uji asumsi klasik yang sering digunakan dalam regresi linear berganda adalah uji normalitas, uji heteroskedastisitas, uji autokorelasi dan uji multikolinearitas. Dari keempat uji tersebut, jika kita simak maka uji normalitas, uji heteroskedastisitas dan uji autokorelasi berkaitan dengan nilai residualnya, sedangkan uji multikolinearitas berkaitan dengan variabel bebasnya. Regresi logistik adalah regresi di mana variabel terikatnya adalah dummy, yaitu 1 dan 0. Dengan demikian, residualnya yang merupakan selisih antara nilai prediksi dengan nilai sebenarnya tidak perlu dilakukan ketiga uji tersebut. Akan tetapi untuk uji multikolinearitas, karena hanya melibatkan variabel bebas, maka masih diperlukan uji tersebut.
Pengolahan data dengan metode regresi model logit juga harus memenuhi beberapa asumsi agar menghasilkan nilai parameter yang BLUE (Best Linear Unbiased Estimator), diantaranya:
a.       Nilai harapan rata-rata kesalahan adalah nol.
b.      Tidak ada hubungan antara variabel bebas dan error terms.
c.       Tidak terjadi hubungan antar variabel bebas (no multocolinearity).
Dalam metode logit hanya dilakukan pengujian asumsi multikolinearitas. Asumsi autokorelasi dan heteroskedastitas tidak dilakukan karena variabel dependen bersifat kategorikal, sehingga tidak ada error dalam estimasi variabel independen dan nilai sebenarnya.
Multikolinearitas merupakan pelanggaran asumsi dasar berupa terdapatnya hubungan antara variabel independen sehingga nilai parameter yang BLUE tidak dapat terpenuhi. Adanya multikolinearitas dapat dilihat dari:
a.       Nilai pseudo R2 tinggi dan nilai LR stat yang signifikan, namun sebagian besar nilai dari z-stat tidak signifikan.
b.      Tingkat korelasi yang cukup tinggi antar dua variabel bebas yakni R > 0,8. Jika hal ini terpenuhi maka diindikasikan terjadi masalah multikolinearitas dalam persamaan tersebut.
c.       Variabel yang menyebabkan multikolinearitas dapat dilihat pula dari nilai Tolerance yang lebih kecil daripada 0,1 atau nilai VIF yang lebih besar daripada nilai 10.
Adapun terdapat beberapa cara untuk mengatasi masalah multikolinearitas ini, antara lalin:
a.       Menggunakan data panel.
b.      Menghilangkan variabel independen yang tidak signifikan atau memiliki korelasi yang tinggi.
c.       Mentransformasikan variabel, misalnya dengan mengubahnya menjadi bentuk first different.
d.      Menambah data atau memilih sampel baru.
e.       Tidak melakukan apapun.
Suatu model, dikatakan tidak mengandung multikolinearitas jika nilai Tolerance lebih dari 0,1, nilai VIF yang lebih kecil dari 10, dan didukung oleh nilai 1/VIF yang lebih besar daripada taraf signifikansi yang digunakan.


BAB IV
PEMBAHASAN

Dalam bab ini akan dijelaskan mengenai hasil pengolahan data atas variabel-variabel yang digunakan dalam penelitian beserta pembahasannya sebagai dasar untuk menjawab rumusan masalah penelitian. Metode yang digunakan dalam penelitian ini adalah Regresi Logistik (Regresi Model Logit) dimana variabel dependennya berupa variabel diskret 0 (tidak krisis) dan 1 (krisis). Adapun software yang digunakan untuk menunjang penelitian ini adalah SPPS 17.

4.1 Profil Data
Data yang digunakan dalam penelitian ini adalah dana nilai Crisis Severe Distress (CSD) yang diperoleh dari nilai EMPI dengan kriteria apabila nilai EMPI melebihi dua kali standar deviasi ditambah rata-ratanya berarti krisis (1) dan apabila kurang dari dua kali standar deviasi ditmbah rata-ratanya berarti tidak krisis (0). Data lainnya adalah Rasio likuiditas (LAR dan FAR), Rasio Solvabilitas (VARK dan CARS), tingkat suku bunga atau BI Rate (INTR), tingkat inflasi (INFL), pertumbuhan pendapatan nasional yang diproksikan dengan pertumbuhan Industrial Priduct Index (IPIG), dan pertumbuhan Ekspor (EXPG) dari bulan Januari 2004 hingga April 2011 (88 bulan).



4.2 Periode Krisis di Indonesia
Tujuan dari penentuan periode krisis adalah untuk menentukan nilai 0 dan 1 pada variabel independen, dimana nilai 1 untuk periode krisis dan nilai 0 untuk periode tidak krisis. Maka dari itu digunakan metode Exchange Market Pressure Index (EMPI) yang merupakan pembobotan dari deviasi nilai tukar (exchange rate), selisih tingkat suku bunga antar periode, dan pertumbuhan cadangan devisa. Suatu periode dikatakan sebagai periode krisis jika nilai EMPI pada periode tersebut melebihi dua kali standar deviasi dan rata-rata  EMPI tersebut.
Berdasarkan perhitungan tersebut, periode krisis yang dialami Indonesia terjadi pada bulan Agustus 2005, September 2008, dan Oktober 2008. Secara ringkas, periode-periode tersebut dapat dilihat sebagai berikut:
Tabel 4.1 Ringkasan Periode Krisis di Indonesia
Tahun
Periode
2005
Agustus
2008
September
2008
Oktober

Untuk memeriksa apakah penetuan periode krisis ini sudah sesuai dengan apa yang telah terjadi di dunia nyatanya, maka akan dilakukan tinjauan historik untuk masing-masing periode krisis tersebut. Berdasarkan perhitungan EMPI tersebut maka batasab (treshold) antara krisis dan tidak krisis adalah 0,59. Pada Agustus 2005 nilai EMPI-nya adalah 0,89. Pada periode ini nilai tukar rupiah melemah hampir menyentuh level Rp.11.000 per 1 dolar AS. Hal ini diindikasikan karena lambatnya BI menahan penurunan tingkat bunga di tengah membanjirnya likuiditas di pasar sementara di sisi lain Pemerintah lamban dalam mengambil kebijakan penurunan subsidi BBM domestik sehingga subsidi membengkak karena kenaikan harga minyak dunia (Imansyah, 2009).
Sedangkan krisis yang terjadi pada bulan September dan Oktober 2008, diakibatkan oleh krisis subprime mortgage[10]  di Amerika Serikat yang berdampak pada perbankan Indonesia. Meski demikian, jika dilihat dari sisi fundamental ekonomi, sebenarnya dapat dikatakan bahwa kondisinya masih relatif kuat yang dicirikan oleh NPL yang lebih kecil daripada 5% yang menunjukkan masih sehatnya sistem intermediasi perbankan, LDR yang lebiih kecil dari 80 % menunjukkan masih cukupnya likuiditas, CAR sekitar 16% (Oktober 2008) yang menunjukkan masih kuatnya permodalan bank. Pada periode ini inflasi mencapai 11% dan tingkat suku bunga kebijakan naik menjadi 9,5%. Nilai tukar yang melemah sehingga rupiah tembus lebih dari Rp. 12.000/USD (Oktober 2008). Hal ini menunjukkan nilai tukar riil yang overvalued sehingga berdampak pad meningkatnya probabilitas krisis keuangan sekaligus melemahkan daya saing di pasar internasional yang juga dapat terlihat dari pelambatan pertumbuhan ekspor yang mengalami penurunan sebesar 12%. Cadangan devisa pun mengalami penurunan sebesar 6.199 USD atau sekitar 7%. Hal ini terlihat dari pergerakan nilai tukar riil  Rupiah dan EMPI berikut:


Gambar 4.1 Pergerakan Nilai Tukar Riil Rp/USD dan EMPI
Sumber: Data Diolah dari BI dan IFS
Pembentukan model early warning system pada penelitian ini dilakukan dengan olah data dan pengujian statistik  pada empat model. Masing-masing model terdiri dari model konvensional dan model syariah. Penetuan model terbaik adalah model yang menghasilkan variabel independen yang signifikan terbanyak, Overall test, Hosmer & Lemeshow Test yang signifikan, dan Nagelkerke R Square.

4.3 Analisis Statistik
Dalam penelitian ini, penulis melakukan olah data dengan empat model, setiap model terdiri dari model untuk konvensional dan model untuk syariah dimana masing-masing model memiliki satu variabel dependen dan lima variabel independen. Variabel dependen untuk keempat model diberi label CSD yang bersifat kategorikal atas periode krisis atau periode tidak krisis. Sedangkan variabel independen dibagi menjadi dua bagian yaitu variabel mikro dan variabel makro. Variabel mikro untuk bank konvensional adalah LAR dan CARK sedangkan untuk bank syariah adalah FAR dan CARS. Adapun variabel makro yang digunakan baik untuk bank konvensional maupun bank syariah adalah sama yaitu INFL, INTR, IPIG, EXPG, LN_IPI, LN_REERDEV, M2RES, SBI dan SBIS. Keempat belas variabel yang digunakan tersebut dapat dirangkum dalam deskripsi variabel pada perangkat SPSS 17 berikut:
Tabel 4.2 Statistik Deskriptif Variabel dalam Model

Descriptive Statistics

N
Minimum
Maximum
Sum
Mean
Std. Deviation
CSD
88
.00
1.00
3.00
.0341
.18250
LAR
88
37.88
117.67
4548.67
51.6894
9.49087
CARK
88
16.44
23.79
1727.10
19.6261
1.94342
FAR
88
62.53
82.48
6733.56
76.5177
3.74424
CARS
88
2.23
6.63
374.13
4.2515
1.09752
M2RES
88
-11.81
14.99
-10.53
-.1197
4.40329
INFL
88
-.32
8.70
62.50
.7102
1.19652
INTR
88
6.50
12.75
739.06
8.3984
1.86403
IPIG
88
-19.63
13.97
24.89
.2829
4.53048
EXPG
88
-18.17
24.38
150.86
1.7143
9.05135
SBIS
88
4.32
11.24
593.59
6.7453
1.54442
SBI
88
6.08
12.75
745.92
8.4764
1.94096
LN_IPI
88
4.61
4.89
422.04
4.7959
.06584
LN_REERDEV
88
8.55
8.97
773.99
8.7953
.11283
Valid N (listwise)
88






4.3.1 Analisis Statistik Model Konvensional
Dalam bagian ini, penulis akan menganalisis hasil estimasi tiga model konvensional berikut:
Model 1:
Model 2:
Model 3:
Model 4:

a.        Menilai Keseluruhan Model (Overall Fit Model)
Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesakan fit dengan data
H1:  Model yang dihipotesakan tidak fit dengan data.
Adapun kriteria pengambilan keputusan adalah tolak H0 jika nilai -2 Log Likelihood > tabel Chi Square pada derajat bebas (df) = N-1, N adalah jumlah parameter dalam model. Tingkat kepercayaan yang digunakan penulis dalam penelitian ini adalah  90% atau dengan kata lain taraf signifikansi α adalah 10%.
Nilai -2 Log Likelihood pada Beginning Block yang dibandingkan dengan nilai Chi Square pada tabel dengan df sebesar N – 1 = 88 – 1 = 87 pada taraf signifikansi 0,1 terlihat bahwa -2 Log Likelihood < Chi Square tabel. Hal ini berarti keputusan yang diambil adalah terima H0 yang menunjukkan bahwa pada keempat model konvensional tersebut tidak terdapat perbedaan yang signifikan antara model dengan konstanta sudah fit dengan data.
Nilai -2 Log Likelihood < Chi Square tabel yang menunjukkan bahwa model dengan memasukkan variabel bebas adalah fit dengan data. Hal ini menunjukkan bahwa model layak untuk digunakan. Untuk selengkapnya dapat dilihat pada lampiran.

b.         Hosmer and Lemeshow Goodness of Fit Test
  Hosmer and Lemeshow Goodness of Fit Test bertujuan untuk melihat apakah data empiris cocok dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Hipotesis dari Hosmer and Lemeshow Goodness of Fit  Test ini adalahsebagai berikut:
H0 : Tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati
H1 : Ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati
Jika nilai Hosmer and Lemeshow Goodness of Fit test statistic lebih besar daripada nilai Chi Square tabel maka H0 ditolak. Selain itu pengambilan keputusan juga dapat dilihat pada nilai probabilitasnya, jika probabilitasnya lebih besar daripada taraf signifikan 10% (α = 0,1), maka H0 ditolak. Artinya model regresi logistik tersebut layak dipakai untuk analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Berdasarkan hasil perhitungan, tampak bahwa keempat model konvensional tersebut pada taraf signifikansi 0,1 nilai Chi Square hitung  < Chi Square tabel. Terlihat juga bahwa nilai signifikansi sebesar 1,000 dan 0.996 adalah lebih besar dari  0,1 yang menunjukkan bahwa keempat model dapat diterima dan pengujian hipotesis dapat dilakukan.
Tabel 4.3 Hasil Uji Hosmer and Lemeshow Goodness of Fit

Hosmer & Lemeshow
Chi Square
Sign
Model 1
0.604
1
Model 2
0.512
1
Model 3
0.222
1
Model 4
1.260
0.996

c.         Uji Koefisien Determinasi
Untuk melihat kemampuan variabel bebas dalam menjelaskan varians Crisis Severe Distress digunakan nilai Cox & Snell R Square dan Nagelkerke R Square. Nilai Nagelkerke R Square yang lebih besar daripada Cox & Snell R Square, menunjukkan kemampuan kelima variabel bebas dalam menjelaskan varians Crisis Severe Distress dan sisanya terdapat faktor lain yang menjelaskan varians CSD.
Tabel 4.4 Hasil Uji Koefisien Determinasi

Koefisien Determinasi
Cox & Snell
Nagelkerke
Model 1
0.149
0.577
Model 2
0.157
0.609
Model 3
0.387
0.675
Model 4
0.387
0.675

Dari keempat model di atas, dapat disimpulkan bahwa nilai Nagelkerke R Square yang berada antara 0.577 hingga 0.675 menunjukkan kemampuan masing-masing variabel bebas dalam menjelaskan varians Crisis Severe Distress dan sisanya terdapat faktor lain di luar model.
Penghitungan lain yang lebih baik untuk mengetahui seberapa baik variabel-variabel independen menjelaskan variabel dependen adalah dengan melihat nilai overall percentage yang merupakan perbandingan antara jumlah prediksi yang tepat dengan jumlah seluruh observasi pada Classification Table.
Jumlah observasi yang tepat adalah ketika terdapat peringatan akan terjadinya krisis diikuti dengan terjadinya krisis dan ketika tidak terdapat peringatan akan terjadinya krisis diikuti dengan tidak terjadinya krisis.
Tabel 4.5 Hasil Uji Fitting Model

Ketepatan Model
B/A+B
C/C=D
D/A+B+C
Model 1
98.8
66.7
97.7
Model 2
98.8
66.7
97.7
Model 3
98.8
66.7
97.7
Model 4
98.8
33.3
96.6
*Tanda cetak tebal menunjukkan nilai overall percentage
Pada model pertama, berdasarkan hasil estimasi, sampel yang  tidak mengalami krisis (0) adalah sebayak 85 periode. Hasil prediksi model pada tabel di atas adalah 84 periode tidak terjadi krisis (0) dan 1 periode  terjadi krisis. Berarti terdapat 1 prediksi yang salah sehingga prediksi yang benar adalah sebanyak 84/85 = 98,8%. Sedangkan untuk periode terjadi krisis (1) dari 3 sampel hanya 1 periode yang diprediksi tidak sesuai oleh model penelitian sehingga kebenaran model untuk periode terjadinya krisis adalah sebesar 2/3 = 66,7%. Dengan demikian model pertama tersebut memberikan nilai overall percentage sebesar (84 + 2)/88 =97,7% yang berarti ketepatan model penelitian ini adalah sebesar 97,7%. Demikian pula berturut-turut model 2, 3 dan 4 yang memiliki nilai overall percentage di kisaran 97.7% dan 96.6%.

d.        Uji Multikolinearitas
Multikolinearitas dalam perangkat SPSS dapat dilihat dengan perintah VIF, Tolerance, dan matriks kolerasi. Pada hasil regresi logit dalam penelitian ini seluruh variabel disimpulkan tidak ada adanya multikolinearitas antar variabel.
Variabel yang menyebabkan multikolinearitas dapat dilihat dari nilai tolerance yang lebih kecil dari 0,1 atau nilai VIF yang lebih besar dari nilai 10. Hal tersebut juga didukung dengan nilai 1/VIF yang tidak kurang dari 0,1 atau tingkat kepercayaan yang digunakan.
Tabel 4.6 Hasil Uji Multikolinieritas

Variabel
Collinearity Statistics
1/VIF

Variabel
Collinearity Statistics
1/VIF
Tolerance
VIF
Tolerance
VIF
Model 1
LAR
0.545
1.834
0.545
Model 3
LAR
0.493
2.028
0.493
CARK
0.507
1.972
0.507
CARK
0.304
3.291
0.304
INFL
0.971
1.03
0.971
INTR
0.802
1.247
0.802
INTR
0.861
1.161
0.861
LN_IPI
0.369
2.712
0.369
IPIG
0.998
1.002
0.998
REERDEV
0.378
2.646
0.378
Model 2
LAR
0.544
1.839
0.544
Model 4
M2RES
0.939
1.065
0.939
CARK
0.507
1.973
0.507
INFL
0.967
1.034
0.967
INFL
0.969
1.032
0.969
REERDEV
0.796
1.256
0.796
INTR
0.852
1.173
0.853
IPIG
0.996
1.004
0.996
EXPG
0.984
1.017
0.983
SBI
0.796
1.199
0.834
                                                                                                     
Berdasarkan tabel di atas, nilai VIF masing-masing variabel tidak ada yang melebihi angka 10, hal tersebut diperkuat dengan nilai 1/VIF dan Tolerance yang nilainya lebih dari 0,1. Sehingga dapat disimpulkan keempat model tersebut tidak memiliki gangguan multikolinieritas.

e.         Uji Signifikansi Parsial
Uji signifikansi parsial bertujuan untuk melihat signifikansi suatu variabel independen dalam memengaruhi variabel dependen dalam sebuah persamaan. Uji ini dilakukan dengan melihat signifikansi dari masing-masing parameter variabel tersebut.
Tabel 4.7 Hasil Uji Signifikansi Parsial

Variabel
Koefisien
Sign
Odds Ratio
Model 1
LAR
-0.646
0.153
0.524
CARK
-4.264
0.07
0.014
INFL
0.014
0.986
1.014
INTR
0.893
0.096
2.443
IPIG
0.108
0.715
1.114
Model 2
LAR
-0.763
0.141
4.517
CARK
-4.074
0.072
0.571
INFL
-0.131
0.902
0.016
INTR
0.927
0.124
1.248
EXPG
-0.094
0.335
0.809
Model 3
LAR
-0.047
0.699
.954
CARK
-5.303
0.086
.005
INTR
1.089
0.296
2.970
LN_IPI
-3.004
0.902
.050
REERDEV
60.83
0.178
2.618
Model 4
M2RES
0.4
0.025
1.418
INFL
-2.858
0.377
.084
REERDEV
0.117
0.783
.058
IPIG
-1.151
0.89
1.119
SBI
0.11
0.569
1.492
* Cetak tebal menunjukkan variabel dengan taraf signifikan 10%.
Berdasarkan hasil uji signifikansi keempat model, ada beberapa variabel yang memiliki parameter dengan nilai probabilitas signifikansi (Sig.) dengan penggunaan tingkat kepercayaan 90%. Variabel tersebut adalah CARK (Capital Adequacy Ratio) pada model 1, 2 dan 3, variabel suku bunga (INTR) pada model pertama, dan M2RES (rasio M2 terhadap cadangan devisa) pada model keempat.
Ketiga variabel tersebut memiliki nilai margin error sebesar 10% (atau mencapai signifikan pada tingkat 90%). Keputusan yang dapat diambil adalah menerima H0 sehingga kesimpulannya adalah variabel CARK, INTR dan M2RES berpengaruh signifikan terhadap kenungkinan terjadinya krisis Indonesia pada tingkat kepercayaan 90%. Adapun variabel lain selain ketiga variabel di atas, hanya ada yang mencapai signifikansi 85% atau lebih rendah dari 85%.

f.         Interpretasi Hasil Estimasi
Tujuan dari interpretasi variabel independen adalah untuk menjelaskan arti dari koefisien masing-masing variabel independen secara inferensial pada setiap model. Masing-masing koefisien dapat diartikan sebagai peluang terjadinya krisis akibat perubahan nilai satu variabel. Dorongan masing-masing variabel terhadap terjadinya krisis dapat pula dilihat dari nilai odds ratio.
Pada model perbankan konvensional ini, variabel independen yang berpengaruh signifikan terhadap terjadinya krisis adalah variabel Capital Adequacy Ratio (CARK), suku bunga (INTR) dan variabel M2RES (rasio M2 terhadap cadangan devisa) pada model empat.
Nilai koefisien CARK yang dihasilkan pada persamaan logit dalam penelitian ini adalah sebesar -4.264 dengan nilai Odds Ratio sebesar 0.014. Tanda negatif pada koefisien tersebut berarti ada hubungan terbalik antara peningkatan Capital Adequacy Ratio perbankan konvensional dengan peluang terjadinya krisis perbankan di Indonesia. Hal ini sesuai dengan teori bahwa semakin besar CAR sebuah bank, semakin baik kondisi kesehatan bank tersebut, semakin rendah pula peluang terjadinya krisis. Sebaliknya, semakin rendah CAR suatu bank, maka ia akan mendapat masalah dalam kecukupan modal yang dimilikinya dan mengindikasikan kemungkinan peningkatan peluang terjadinya krisis finansial.
Nilai odds ratio tersebut mencerminkan seberapa besar peningkatan peluang terjadinya krisis perbankan akibat perubahan CAR suatu bank dengan asumsi variabel lainnya tidak berubah.
Adapun nilai koefisien suku bunga (INTR) yang dihasilkan pada persamaan logit dalam penelitian ini adalah sebesar 0.893 dengan nilai Odds Ratio sebesar 2.443. Tanda positif koefisien menunjukkan hubungan lurus antara peningkatan suku bunga dengan kemungkinan terjadinya krisis perbankan. Ini juga sesuai dengan teori dan fakta bahwa semakin tinggi tingkat suku bunga, menunjukkan kesulitan perbankan dalam likuiditas. Pengalaman krisis moneter 1997 pun menunjukkan, saat itu tingkat suku bunga perbankan melonjak hingga angka 70an persen. 
Nilai odds ratio juga mencerminkan seberapa besar peningkatan peluang terjadinya krisis perbankan akibat naiknya tingkat suku bunga, dengan asumsi variabel lainnya tetap.
Sementara itu nilai koefisien M2RES yang dihasilkan pada persamaan logit dalam penelitian ini adalah sebesar 0.4 dengan nilai Odds Ratio sebesar 1.418. Tanda positif pada koefisien tersebut berarti bahwa ada hubungan lurus antara peningkatan M2RES dengan peluang terjadinya krisis perbankan di Indonesia. Hal ini dapat diketahui dengan logika bahwa pada waktu krisis, seseorang dapat menukarkan simpanan mata uang domestiknya ke mata uang asing (M2 naik), disertai dengan penurunan cadangan devisa. Sehingga nilai M2RES menjadi semakin besar. Hal ini biasanya diikuti oleh melemahnya kurs mata uang domestik. Dampaknya, uang domestik akan mengalami tekanan.
Adapun nilai odds ratio mencerminkan seberapa besar peningkatan peluang terjadinya krisis perbankan akibat perubahan M2RES dengan asumsi variabel lainnya tidak berubah.

4.3.2        Analisis Statistik Model Syariah
a.        Menilai Keseluruhan Model (Overall Fit Model)
Langkah pertama adalah menilai overall fit model terhadap data. Untuk model syariah, nilai -2 Log Likelihood pada Beginning Block adalah sebesar 26,169 pada iterasi ke-6. Nilai tersebut merupakan nilai Chi Square yang dibandingkan dengan nilai Chi Square pada tabel dengan df sebesar N – 1 = 88 – 1 = 87 pada taraf signifikansi 0,1 yaitu sebesar 104,750 tampak bahwa -2 Log Likelihood < Chi Square tabel (26,169 < 104,750). Hal ini berarti keputusan yang diambil adalah terima H0 yang menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara model dengan konstanta sudah fit dengan data.
Tabel 4.8 Uji Fit Model
Iteration History
Iteration
-2 Log Likelihood
Step 0                  6
26.169
Step 1                 12
10.885

Tidak berbeda dengan model konvensional, penilaian keseluruhan model untuk syariah bernilai -2 Log Likelihood < Chi Square tabel yang menunjukkan bahwa model dengan memasukkan variabel bebas adalah fit dengan data. Hal ini menunjukkan bahwa model layak untuk digunakan.

b.        Hosmer and Lemeshow Goodness of Fit Test
Lebih lanjut, untuk melihat apakah data empiris cocok dengan model (tidak ada perbedaan antara model dengan data) dilakukan dengan melihat nilai Hosmer and Lemeshow Test yaitu sebagai berikut:
Tabel 4.9 Hasil Uji Goodness of Fit Model Syariah

Hosmer & Lemeshow
Chi Square
Sign
Model 1
0.604
1
Model 2
1.296
0.996
Model 3
1.182
0.997
Model 4
0.814
0.999


Berdasarkan hasil perhitungan, tampak bahwa keempat model syariah tersebut pada taraf signifikansi 0,1 nilai Chi Square hitung  < Chi Square tabel. Terlihat juga bahwa nilai signifikansi sebesar 0.996 hingga 1.000 adalah lebih besar dari  0,1 yang menunjukkan bahwa keempat model dapat diterima dan pengujian hipotesis dapat dilakukan

c.         Uji Koefisien Determinasi
Untuk melihat kemampuan variabel bebas dalam menjelaskan varians crisis severe distress digunakan nilai Cox & Snell R Square dan Nagelkerke R Square. Nilai Nagelkerke R Square yang lebih besar daripada Cox & Snell R Square, menunjukkan kemampuan kelima variabel bebas dalam menjelaskan varians Crisis Severe Distress dan sisanya terdapat faktor lain yang menjelaskan varians CSD.
Tabel 4.10 Hasil Uji Koefisien Determinasi Model Syariah

Koefisien Determinasi
Cox & Snell
Nagelkerke
Model 1
0.149
0.577
Model 2
0.174
0.678
Model 3
0.157
0.519
Model 4
0.169
0.457

Jika melihat hasil uji keempat model di atas, dapat disimpulkan bahwa nilai Nagelkerke R Square yang berada antara 0.577 hingga 0.678 menunjukkan kemampuan masing-masing variabel bebas dalam menjelaskan varians Crisis Severe Distress dan sisanya terdapat faktor lain di luar model.
Penghitungan lain yang lebih baik untuk mengetahui seberapa baik variabel-variabel independen menjelaskan variabel dependen adalah dengan melihat nilai overall percentage yang merupakan perbandingan antara jumlah prediksi yang tepat dengan jumlah seluruh observasi pada Classification Table.
Jumlah observasi yang tepat adalah ketika terdapat peringatan akan terjadinya krisis diikuti dengan terjadinya krisis dan ketika tidak terdapat peringatan akan terjadinya krisis diikuti dengan tidak terjadinya krisis.
Tabel 4.11 Hasil Uji Fitting Model

Ketepatan Model
B/A+B
C/C=D
D/A+B+C
Model 1
98.8
66.7
97.7
Model 2
100
66.7
98.9
Model 3
98.8
33.3
96.6
Model 4
98.8
33.3
96.6
*Tanda cetak tebal menunjukkan nilai overall percentage

Pada model pertama, sampel yang  tidak mengalami krisis (0) adalah sebayak 85 periode. Hasil prediksi model pada tabel di atas adalah 84 periode tidak terjadi krisis (0) dan 1 periode  terjadi krisis. Berarti terdapat 1 prediksi yang salah sehingga prediksi yang benar adalah sebanyak 84/85 = 98,8%. Sedangkan untuk periode terjadi krisis (1) dari 3 sampel hanya 1 periode yang diprediksi tidak sesuai oleh model penelitian sehingga kebenaran model untuk periode terjadinya krisis adalah sebesar 2/3 = 66,7%. Dengan demikian tabel diatas memberikan nilai overall Percentage sebesar (84 + 2)/88 =97,7% yang berarti ketepatan model penelitian ini adalah sebesar 97,7%. Adapun model 2 hingga model 4 berturut-turut adalah 98.9, 96.6 dan 96.6 persen.

d.        Uji Multikolinearitas
Multikolinearitas dalam perangkat SPSS dapat dilihat dengan perintah VIF, Tolerance, dan matriks kolerasi. Pada hasil regresi logit dalam penelitian ini seluruh variabel disimpulkan tidak ada adanya multikolinearitas antar variabel.
Variabel yang menyebabkan multikolinearitas dapat dilihat dari nilai tolerance yang lebih kecil dari 0,1 atau nilai VIF yang lebih besar dari nilai 10. Hal tersebut juga didukung dengan nilai 1/VIF yang tidak kurang dari 0,1 atau tingkat kepercayaan yang digunakan.
Tabel 4.12 Hasil Uji Multikolinieritas

Variabel
Collinearity Statistics
1/VIF

Variabel
Collinearity Statistics
1/VIF
Tolerance
VIF
Tolerance
VIF
Model 1
FAR
0.742
1.348
0.742
Model 3
FAR
0.61
1.639
0.610
CARS
0.874
1.144
0.874
CARS
0.654
1.53
0.654
INFL
0.957
1.045
0.957
INTR
0.691
1.446
0.692
INTR
0.825
1.211
0.826
LN_IPI
0.445
2.247
0.445
IPIG
0.995
1.005
0.995
REERDEV
0.332
3,013
0.000
Model 2
FAR
0.744
1.344
0.744
Model 4
M2RES
0.934
1.071
0.934
CARS
0.875
1.143
0.875
INFL
0.976
1.024
0.977
INFL
0.956
1.047
0.955
REERDEV
0.869
1.150
0.870
INTR
0.82
1.22
0.820
IPIG
0.99
1.010
0.990
EXPG
0.986
1.014
0.986
SBIS
0.914
1.094
0.914
           
Nilai VIF masing-masing variabel tidak ada yang melebihi angka 10, hal tersebut diperkuat dengan nilai 1/VIF dan Tolerance yang nilainya lebih dari 0,1. Sehingga dapat disimpulkan keempat model syariah tersebut tidak memiliki gangguan multikolinieritas.

e.         Uji Signifikansi Parsial
Uji signifikansi parsial bertujuan untuk melihat signifikansi sauatu variabel independen dalam memengaruhi variabel dependen dalam sebuah persamaan. Uji ini dilakukan dengan melihat signifikansi dari masing-masing parameter variabel tersebut.
Tabel 4.13 Hasil Uji Signifikansi Parsial Model Syariah

Variabel
Koefisien
Sign
Odds Ratio
Model 1
FAR
2.115
0.077
8.287
CARS
0.161
0.871
1.175
INFL
-4.956
0.205
0.007
INTR
0.069
0.902
1.072
IPIG
0.123
0.775
1.131
Model 2
FAR
1.508
0.055
4.517
CARS
-0.561
0.676
0.571
INFL
-4.113
0.255
0.016
INTR
0.221
0.744
1.248
EXPG
-0.212
0.211
0.809
Model 3
FAR
2.351
0.184
0.954
CARS
0.102
0.915
0.005
INTR
0.176
0.767
2.970
LN_IPI
-5.463
0.752
0.050
LN_REERDEV
9.049
0.689
2.618E26
Model 4
M2RES
0.414
0.017
1.513
INFL
-3.128
0.366
0.044
LN_REERDEV
-4.695
0.638
0.009
IPIG
0.1
0.63
1.105
SBIS
-0.724
0.573
0.485
* Cetak tebal menunjukkan variabel dengan taraf signifikan 10%.
Berdasarkan hasil uji signifikansi keempat model, ada beberapa variabel yang memiliki parameter dengan nilai probabilitas signifikansi (Sig.) dengan penggunaan tingkat kepercayaan 90%. Variabel tersebut adalah FAR (Financing to Asset Ratio) pada model 1 dan 2, serta variabel M2RES (rasio M2 terhadap cadangan devisa) pada model keempat.
Ketiga variabel tersebut memiliki nilai margin error sebesar 10% (atau mencapai signifikan pada tingkat 90%). Keputusan yang dapat diambil adalah menerima H0 sehingga kesimpulannya adalah variabel FAR dan M2RES berpengaruh signifikan terhadap kenungkinan terjadinya krisis Indonesia pada tingkat kepercayaan 90%. Adapun variabel lain selain ketiga variabel di atas, hanya ada yang mencapai signifikansi 85% atau lebih rendah dari 85%.

f.       Interpretasi Hasil Estimasi
Seperti yang telah disampaikan, tujuan dari interpretasi variabel independen adalah untuk menjelaskan arti dari koefisien masing-masing variabel independen secara inferensial. Masing-masing koefisien dapat diartikan sebagai peluang terjadinya krisis akibat perubahan nilai satu variabel. Dorongan masing-masing variabel terhadap terjadinya krisis dapat pula dilihat dari nilai odds ratio.
Berbeda dengan kondisi bank konvensional, pada model perbankan syariah ini, variabel independen yang berpengaruh signifikan terhadap terjadinya krisis hanyalah Financing to Asset Ratio (FAR). Nilai koefisien FAR yang dihasilkan pada persamaan logit dalam penelitian ini adalah sebesar 2.115 dengan nilai Odds Ratio sebesar 8.287. Tanda positif pada koefisien tersebut berarti bahwa ada hubungan lurus antara peningkatan Financing to Asset Ratio (FAR) perbankan syariah dengan peluang terjadinya krisis perbankan di Indonesia. Hal ini dapat dijelaskan dengan logika bahwa kondisi financing/pembiayaan yang diberikan bank syariah kepada masyarakat tetap dalam kondisi yang relatif tinggi meskipun dalam keadaan krisis. Akan tetapi dari sisi aset dan dana pihak ketiga relatif lebih kecil. Sehingga menyebabkan rasio FAR, tetap besar. Dari sini, kondisi likuiditas menjadi masalah utama yang dihadapi perbankan syariah.
Adapun nilai odds ratio mencerminkan seberapa besar peningkatan peluang terjadinya krisis perbankan akibat perubahan FAR bank syariah dengan asumsi variabel lainnya tidak berubah.
Sementara itu nilai koefisien M2RES yang dihasilkan pada persamaan logit dalam penelitian ini adalah sebesar 0.414 dengan nilai Odds Ratio sebesar 1.513. Tanda positif pada koefisien tersebut berarti bahwa ada hubungan lurus antara peningkatan M2RES dengan peluang terjadinya krisis perbankan di Indonesia. Hal ini dapat diketahui dengan logika bahwa pada waktu krisis, seseorang dapat menukarkan simpanan mata uang domestiknya ke mata uang asing (M2 naik), disertai dengan penurunan cadangan devisa. Sehingga nilai M2RES menjadi semakin besar. Hal ini biasanya diikuti oleh melemahnya kurs mata uang domestik. Dampaknya, uang domestik akan mengalami tekanan.
Adapun nilai odds ratio mencerminkan seberapa besar peningkatan peluang terjadinya krisis perbankan akibat perubahan M2RES dengan asumsi variabel lainnya tidak berubah.
Secara ringkas, indikator-indikator ekonometri untuk masing-masing model dapat dilihat pada tabel berikut:

Tabel 4.14 Ringkasan Hasil Uji Signifikansi Keseluruhan
Model
Variabel
Sign.
Overall test
Hosmer & Lemeshow
Koef Determinasi
Chi Square
Sign
Chi Square
Sign
Cox & Snell
Nagelkerke
Konven 1
LAR
0.153
14.15
0.015
0.604
1
0.149
0.577
CARK
0.07
INFL
0.986
INTR
0.096
IPIG
0.715
C
0.109
Syariah 1
FAR
0.077
14.15
0.015
0.604
1
0.149
0.577
CARS
0.871
INFL
0.205
INTR
0.902
IPIG
0.775
C
0.08
Konven 2
LAR
0.141
15.005
0.01
0.512
1
0.157
0.609
CARK
0.072
INFL
0.902
INTR
0.124
EXPG
0.335
C
0.108
Syariah 2
FAR
0.055
0.174
0.005
1.296
0.996
0.174
0.678
CARS
0.676
INFL
0.255
INTR
0.744
EXPG
0.211
C
0.055
Konven 3
LAR
0.699
16.782
0.005
0.222
1
9.387
0.675
CARK
0.086
INTR
0.296
LN_IPI
0.902
LN_REERDEV
0.178
C
0.269
Syariah 3
FAR
0.184
12.598
0.027
1.182
0.997
13.571
0.519
CARS
0.915
INTR
0.767
LN_IPI
0.752
LN_REERDEV
0.689
C
0.461
Konven 4
M2RES
0.4
10.552
0.061
1.26
0.996
9.387
0.675
INFL
-2.858
LN_REERDEV
0.117
IPIG
-1.151
SBI
0.11
C
5.517
Syariah 4
M2RES
0.414
11
0.051
0.814
0.999
15.169
0.457
INFL
-3.128
LN_REERDEV
-4.695
IPIG
0.1
SBIS
-0.724
C
42.128

Model terbaik yang dihasilkan dari keempat model tersebut adalah model pertama karena memiliki variabel independen signifikan lebih banyak daripada model lainnya sedangkan untuk uji statistik, keempat model telah memenuhi syarat kelayakan model. Sehingga persamaan yang dihasilkan adalah sebagai berikut:
v Persamaan Regresi Logistik untuk perbankan konvensional
CSD = 100,502 – 0,646 LARK -4,254 CARK + 0,014 INFL + 0,893 INTR + 0,108 IPIG
v Persamaan Regresi Logistik untuk perbankan syariah
CSD = -172,719 + 2,115 FAR + 0,161 CARS - 4,956 INFL + 0,069 INTR + 0,123 IPIG
Secara ringkas, interpretasi masing-masing variabel independen yang dihasilkan dalam tulisan ini dapat dilihat pada tabel berikut:
Variabel
Nilai Koef
Odds Ratio
Tanda Koef
Kesesuaian Teori
CARK
-4.264
0.014
Negatif
Sesuai
INTR
0.893
2.443
Positif
Sesuai
FAR
2.115
8.287
Positif
Sesuai
M2RES
0.4
1.418
Positif
Sesuai

            Secara keseluruhan, model yang dihasilkan pada regresi logit dalam penelitian ini menghasilkan indikator-indikator ekonometri yang cukup baik. Terlihat dari signifikansi masing-masing variabel independen dan nilai count R yang relatif tinggi.
Selain itu, model juga relatif baik mencerminkan kondisi sesungguhnya dalam pergerakan indikator-indikator ekonomi dalam suatu negara pada saat terjadinya krisis. Ini terlihat pada seluruh variabel yang memiliki kesesuaian tanda koefisien dengan teori yang berlaku.



BAB V
PENUTUP

5.1 Kesimpulan
Penelitian tentang sistem pendeteksian dini terhadap krisis pada sistem perbankan ganda di Indonesia ini menghasilkan beberapa kesimpulan penting, yaitu:
-          Berdasarkan hasil estimasi, beberapa variabel yang dapat dijadikan sebagai indikator awal dari krisis finansial bagi industri perbankan konvensional  adalah variabel Capital Adequacy Ratio atau rasio kecukupan modal (CARK) dan variabel suku bunga (INTR). Kesimpulan ini selaras dengan apa yang dikemukakan oleh Barrel et all. (2010), Boyd et all. (2009), Kunt (2005) serta Hardy dan Pazarbasioglu (1998).
-          Sementara itu, untuk prediksi deteksi dini krisis finansial bagi industri perbankan syariah hanya variabel FAR (Financing to Asset Ratio) yang memiliki signifikansi di atas 90%. Hal ini serupa dengan hasil penelitian Hadad et all. (2003) yang menyebutkan variabel kredit intensif dari perbankan sebagai salah satu indikator early warning system krisis finansial sektor perbankan yang penting.
-          Jika melihat tanda koefisien, maka variabel Capital Adequacy Ratio atau rasio kecukupan modal (CARK) memiliki tanda negatif. Hal itu berarti bahwa ada hubungan terbalik antara peningkatan Capital Adequacy Ratio perbankan konvensional dengan peluang terjadinya krisis perbankan di Indonesia. Fakta ini sesuai dengan teori bahwa semakin besar CAR sebuah bank, semakin baik kondisi kesehatan bank tersebut. Begitu pula sebaliknya.
-          Adapun tanda positif koefisien suku bunga (INTR) menunjukkan hubungan lurus antara peningkatan suku bunga dengan kemungkinan terjadinya krisis perbankan. Semakin tinggi tingkat suku bunga, menunjukkan kemungkinan yang tinggi terjadinya krisis.
-          Pada perbankan syariah, variabel FAR (Financing to Asset Ratio) memiliki tanda positif pada koefisiennya. Artinya ada hubungan lurus antara peningkatan Financing to Asset Ratio (FAR) perbankan syariah dengan peluang terjadinya krisis perbankan di Indonesia. Hal ini dapat dijelaskan dengan logika bahwa kondisi financing/pembiayaan yang diberikan bank syariah kepada pihak ketiga tetap dalam kondisi yang relatif tinggi meskipun dalam keadaan krisis. Akan tetapi porsi dari sisi aset dan dana pihak ketiga relatif lebih kecil. Sehingga menyebabkan rasio FAR, tetap besar. Dari sini, kondisi likuiditas menjadi masalah utama yang dihadapi perbankan syariah.
-          Kesimpulan menarik yang didapat dari penelitian ini adalah bahwa dalam model syariah, variabel yang signifikan sebagai indikator dini krisis hanyalah variabel mikro perbankan; yakni rasio pembiayaan terhadap total aset. Sementara pada model konvensional, selain variabel mikro (yaitu CAR bank) juga terdapat variabel suku bunga (INTR). Hal ini menjadi salah satu bukti bahwa industri perbankan syariah relatif lebih tahan terhadap gejolak makroekonomi di waktu krisis. Hal ini selaras dengan hasil penelitian Ascarya (2011), Anisak (2010), Rusydiana (2009), dan Hasanah (2007).

5.2 Rekomendasi
Beberapa rekomendasi yang dapat penulis berikan terkait penelitian tentang Early Warning System dalam sistem perbankan ganda di Indonesia ini antara lain:
-          Hasil penghitungan menunjukkan bahwa variabel CAR (rasio kecukupan modal) dan macro variable suku bunga terindikasi menjadi indikator dini krisis finansial pada sektor perbankan konvensional. Oleh karenanya sangat perlu diperhatikan oleh para pemangku kepentingan, baik dari perbankan maupun otoritas moneter.
-          Pada sisi perbankan syariah, variabel FAR (Financing to Asset Ratio) menjadi indikator dini krisis finansial. Oleh karena itu,  sisi tersebut (sebagai cerminan likuiditas) layak menjadi perhatian utama para stakeholder perbankan syariah di Indonesia.
-          Yang tidak kalah penting, penelitian ini juga membuktikan bahwa industri perbankan konvensional ternyata lebih rentan terimbas krisis dibanding dengan perbankan syariah, terutama akibat shock variabel makroekonomi. Dengan demikian, menjadi alasan yang rasional bagi otoritas moneter dalam hal ini Bank Indonesia untuk memberikan support lebih terhadap keberlangsungan keuangan dan perbankan syariah di Indonesia.
-          Pemerintah diharapkan memiliki sistem pencatatan ekonomi –mikro maupun makro- yang baik, sehingga indikator-indikator yang penting dapat digunakan dengan konsisten untuk memprediksi krisis di masa yang akan datang.
-          Tulisan ini tidak sedikit memiliki kekurangan, diantaranya adalah: perlunya data series yang lebih panjang dalam observasi penelitian, ataupun penggunaan metodologi yang lain, misalnya modifikasi metode multinomial logit. Sehingga hasil yang didapat lebih presisif dalam mengukur deteksi dini krisis finansial di Indonesia.





DAFTAR PUSTAKA

Anisak, Nurul (2010), “Analisis Pengaruh Variabel Makroekonomi terhadap Stabilitas Perbankan Ganda di Indonesia”, Jurnal Ekonomi Islam, Program Studi Ilmu Ekonomi Islam STEI Tazkia, Edisi 1 Volume 1.
Arı, Ali dan Rüstem Dağtekin. “Early Warning Signals of The 2000/2001 Turkish Financial Crisis”. MPRA Paper (No. 25857), Oktober 2008.
Ascarya (2011), “How to Eradicate Inflation under Dual Monetary System: The Case of Indonesia”, paper has presented in 8th International Conference on Tawhidi Methodology Applied to Microenterprise Development, IEF-Trisakti, Jakarta 7-8 January 2011.
Asmy, Mohamed dan Ferdous Azam. “Will The Islamic Financial System Fall Into The Financial Crisis Trap? Some Lessons to be Learnt”. International Conference on Moral Values and Financial Markets: Resilience of Islamic Dinance Against financial Crisis, Milan, Italia. November 2010.
Badan Pusat Statistik. Jakarta. (www.bps.go.id)
Bank Indonesia. 2007. IMF dan Stabilitas Keuangan Internasional. Jakarta: PT Elex Media Komputindo.
____________. Statistik Ekonomi dan Keuangan Indonesia Bank Indonesia. Jakarta : Bank Indonesia (www.bi.go.id)
____________. Statistik Perbankan Indonesia Bank Indonesia. Jakarta : Bank Indonesia (www.bi.go.id)
____________. Statistik Perbankan Syariah Bank Indonesia. Jakarta : Bank Indonesia (www.bi.go.id)
Barrel, Ray et. al.  “Bank regulation, Property Prices and Early warning Systems for Banking Crises in OECD Countries”. 2010
Boyd et. al.  “Banking Crises and Crisis Dating: Theory and Evidence”. IMF Workig Paper, WP/09/141, Juli 2009.
Bucevska, Vesna.”An Analysis of Financial Crisis by an Early Warning System Model: The Case of The EU Candidate Countries”. Businesss and Economic Horizons, Vol. 4 (No. 1), Januari 2011.
Caprio et. al.  “Banking Crises Database”, in Systemic Financial Crises, P. Honahan and L. Laeven eds. , Cambridge University Press, Cambridge, U.K. 2005
Demirgüç-Kunt & Detragiache. “The Determinants of Banking Crises: Evidence from Developing and Developed Countries”, IMF Staff Paper, Vol. 45 (No. 1), Maret 1998
Goldstein, Moris. “Assesing Financial Vulnerability: An Early Warning System for Emerging Markets”.(2000)
Hadad, Muliaman D. et al, “Indikator Awal Krisis Perbankan”. Desember 2003.
Hagen, Jürgen von dan Tai-kuang Ho. “Money Market Pressure and The Determinants of  Banking Crises”. Februari 2003.
Hardy, Daniel C. dan Ceyla Pazarbasioglu. “Determinants and Leading Indicators of Banking Crises: Further Evidence”. IMF Staff Paper, Vol. 46 (No.3), September 1999.
Hasanah, Heni (2007), Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia, Skripsi pada Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor: tidak diterbitkan.
Hatta, M.  “Telaah Singkat Pengendalian Inflasi dalam Perspektif Kebijakan Moneter Islam”, Paper, Jurnal Ekonomi Ideologis. 2008
Imansyah, Muhammad Handry, Krisis Keuangan di Indonesia, Dapatkah Diramalkan? Jakarta: Elex Media Komputindo, 2009
Imansyah, M. Handry dan Anggito Abimanyu (Ed), Sistem Pendeteksian Dini Krisis Keuangan di Indonesia: Penerapan Berbagai Model Ekonomi, Yogyakarta: BPFE UGM, 2008.
Kaminsky, Graciela et.al. “Leading Indicators of Currency Crises”. IMF Staff Paper, Vol. 45 (No. 1), Maret 1998.
Kemu, Suparman Zen dan Almizan Ulfa. “Model Non-Parametrik Early Warning System (EWS) Sektor Keuangan Indonesia”. Jurnal Keuangan dan Moneter, Vol. 8 (No. 1), 2008.
Leaven, Luc  dan Valencia, “Systemic Banking Crises: A New Database”. IMF Working Paper, WP/08/224, November 2008.
Reinhart and Rogoff , “This Time Is Different: A Panoramic View of Eight Centuries of Financial Crises”. NBER Working Paper # 13882, Maret 2008
Rusydiana, Aam Slamet (2009), “Determinan Inflasi Indonesia: Perbandingan Pendekatan Islam dan Konvensional”, Journal of Islamic Business and Economics (JIBE) Universitas Gadjah Mada, Volume 3 No. 1, Juni 2009.
Sachs, Jeffrey D. and Andreas Velasco. “Financial Crises in Emerging Markets: The Lessons From 1995”. Brooking Papers on Economic Activity (No. 1), 1996.
Shen, Chung-Hua dan Meng-Fen Hsienh. “Predicting of Bank Failures Using Combined Micro and Macro Data”. Februari 2003.







[1] Twin crisis adalah krisis yang terjadi apabila krisis perbankan terjadi secara bersamaan dengan krisis nilai tukar dimana ketika krisis perbankan terjadi pada tahun  t dan krisis mata uang  pada tahun t-1 dan  t+1 (Leaven dan Valencia, 2008)
[2] Triple crisis adalah krisis yang terjadi apabila krisis perbankan, krisis nilai tukar, dan krisis utang luar negeri terjadi secara bersamaan dimana ketika krisis perbankan terjadi pada tahun  t , krisis mata uang pada  [t-1, t+1] dan krisis pembayaran hutang pemerintah pada [t-1, t+1]). (Leaven dan Valencia, 2008)
[3] Suatu kondisi dimana DPK lebih besar daripada kredit yang disalurkan.
[4] Self Fullfiling Crisis adalah suatu keadaan yang terjadi dikarenakan keadaan lemahnya struktur serta melemahnya daya saing ekspor akibat sistem keuangan yang lemah dan lambatnya peningkatan produksi buruh.
[5] Ascarya. Sistem Keuangan dan Moneter Islam. 2007. Hlm 51
[6]
[7] Hal ini merupakan persyaratan dalam regresi nonlinear dimana ketika  à, maka   cenderung mendekati 0 dan ketika  à, maka   meningkat tidak terbatas (Gujarati, 2003)
[8] Ordinary Least Square (OLS) ialah persamaan regresi linear yang menggunakan persamaan kuadrat terkecil
[9] Jumlah untuk konstanta β dan variabel X tidak terbatas, disesuaikan dengan jumlah variabel dependen yang akan digunakan dalam penelitian
[10] Fasilitas kredit perumahan yang diberikan kepada debitor lemah yang tidak lolos kualifikasi pada kredit perumahan biasa (prime mortgage) sehingga resiko gagal bayar debitor yang sangat tinggi. Sebitor diwajibkan menjaminkan sertifikat rumah dan bebasn bunga yang lebih besar dibandingkan kredit perumahan biasa (Hanri, 2008)

(Pemilik blog bertindak sebagai pembimbing 2 untuk skripsi a/n Hasna Maliha pada STEI Tazkia).

1 komentar:

  1. Terimakasih Infonya
    sangat bermanfaat..
    Perkenalkan saya mahasiswa Fakultas Ekonomi di UII Yogyakarta
    :)
    twitter : @profiluii

    BalasHapus