TUGAS 2 Pitching Template [PDF]

Zitiervorschau

Faff (2016a) Pitching Template with Cues Pitcher’s Name (A) Working Title

Mahjus Ekananda FoR category “Macroeconomic Condition and Banking Industry Performance in Indonesia”

Date Completed

1 Juli 2017

(B) Basic Research Question

Bagaimana respon rasio NPL (Non Performing Loan) pada industri Perbankan di Indonesia akibat adanya shock pada beberapa variabel ekonomi makro (BI Rate, Pertumbuhan PBD, nilai tukar dan variabel-variabel lainnya) dan beberapa variabel internal bank ditengah kondisi industri perbankan yang sangat kompleks seperti perbedaan ukuran industri, perubahan struktur pasar juga keterkaitan kondisi bank satu sama lainnya yang sulit diprediksi.

(C) Key paper(s)

Untuk topik utama yaitu Kesehatan Kredit Perbankan (NPL), Suku Bunga Domestik, Nilai tukar, Net Interest Margin (NIM) dan CAR, penulis banyak menyinggung beberapa hasil karya tulis sebelumnya yaitu : Islam dan Nishiyama (2016) “The determinants of bank net interest margins: A panel evidence from South Asia countries”. Salas, V. dan J. Saurina. 2002. “Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks”. Untuk penggunaan metode PVAR, Penulis banyak mengambil referensi dari : Love, l . dan Zicchino, L. 2006. “Financial development and dynamic investment behavior: Evidence from Panel VAR. Quarterly Review of Economics and Finance. 46(2):190-210”. Love, l., dan Zicchino, L.2002. “Financial development and dynamic investment behavior: Evidence from Paner Var. The World Bank. Development Research Group. Finance”.

(D) Motivation/puzzle

Penulis berharap dapat menggunakan metode Panel Var dalam meninvestigasi interaksi antara sektor keuangan dan ekonomi domestik atau global yaitu antara variabel NPL, NIM dan CAR Perbankan di Indonesia dan variable-variabel makroekonomi seperti BI Rate, pertumbuhan PBD dan nilai tukar.

THREE

Three core aspects of any empirical research project i.e. the “IdioTs” guide

(E) Idea?

Core Idea : Kemampuan metode Panel Var dalam mengidentifikasi kompleksitas hubungan yang dinamis antara variable makro ekonomi dan kesehatan perbankan di Indonesia Dengan menggunakan model transmisi, Variabel Independen : Suku Bunga Domestik (IRD) dan Fluktuasi Nilai Tukar Variabel Dependen : NIM, NPL dan CAR Hipotesa Pusat : Transmisi pertama menjelaskan kebijakan moneter melalui jalur suku bunga, diharapkan dapat mempengaruhi iklim perekonomian Indonesia, yang selanjutkan akan meningkatkan pertumbuhan ekonomi, pertumbuhan ekonomi menghasilkan barang dan jasa dan diharapkan dapat meningkatkan kemampuan perusahaan mengembalikan pinjaman kepada bank sehngga rasio Non Performing Loan (NPL) akan berkurang, NIM Bank akan meningkat dan akhirnya meningkatkan CAR bank.

-

Transmisi kedua yaitu jalur nilai tukar, dimulai dari adanya depresiasi rupiah yang menyebabkan produk ekspor lebih murah dibandingkan produk non domestik, aliran ekspor meningkatkan produktivitas perusahaan dan meningkatkan kemampuan beli masyarakat dan kemampuan mengembalikan pinjaman bank. Perubahan ini diharapkan dapat mengurangi rasio NPL dan menghasilkan bunga dan keuntungan sehingga meningkatkan NIM dan CAR bank.

Variabel Eksogen Aset Bank dan Inflasi. Variabel eksogen diharapkan dapat berperan sebagai variabel control / pengkondisi lingkungan variabel dinamis yang di berlakukan dalam model.

Threat : Transmisi teori ini tidak terjadi bersamaan pada setiap bank dari waktu-ke waktu, Bank dengan kualitas nasabah yang baik tidak selalu merespon peningkatan suku bunga dengan peningkatan NPL dan penurunan NIM. Interaksi data berbagai bank dalam rentan waktu yang panjang dapat menimbulkan resiko adanya hubungan kointegrasi antar data bank selama waktu observasi Solusi : Model PVAR dalam Jurnal ini juga mempertimbangkan struktur Fixed Effect, urutan variabel, struktur lag, stationeritas data panel dana danya variabel eksogen dalam model yang diharapkan dapat menghasilkan fenomena tertentu bank-bank di Indonesia. Penggunaan uji Akar Unit Panel, ADF-Fisher Chi-square untuk mengidentifikasi adanya stationeritas pada daa dalam kelompok tertentu yang saling berhubungan. Pengujian Ko-Intergrasi dengan E-Views, untuk melihat adanya hubungan jangka panjang antar variabel individu bank yang digunakan. (F) Data?

1.

2. 3. 4.

5. 6. 7.

Data yang digunakan sudah tepat yaitu Seluruh bank di Indonesia dibagi menjadi 4 jenis (4 buku) berdasarkan ukuran modalnya dan memenuhi kecukupan/kelengkapan yang diperlukan untuk proses perhitungan ekonometrika PVAR. Tetapi mengingat tahun data 2004 sampai dengan 2014, adanya resiko perubahan kondisi variabel makro ekonomi maupun peraturan perundangan yang berlaku, sehigga dapat dilakukan penelitian ulang dengan tahun yang lebih baru dan disesuaikan dengan peraturan-peraturan yang berlaku. Data Longitudinal, meskipun membutuhkan biaya yang besar darpada cross-sectional, namun lebih andal dalam mencari jawaban dinamika perubahan. Data adalah data Panel, dimana dari seluruh Bank di Indonesia diambil 70 buah Bank dengan waktu observasi dari 2004 sampai dengan 2014. - Sumber data adalah Rata-rata NPL, Modal inti maksimal, Modal inti minimal, Jumlah Kredit, Rata-rata CAR, Rata-rata NIM, NIM Maksimal, Rata-rata Aset Data tersedia dan dapat di akses (laporan keuangan bank) , hampir seluruh bank meskipun belum listed di bursa efek, tetap menyampaikan laporan keuangannya secara resmi minimal melalui situr resminya. Sehingga tidak perlu dilakukan pengumpulan data secara kualitatif seperti wawancara atau survey lapangan. Ya, dari seluruh bank yang ada diindonesia, hanya 70 bank yang memenuhi kebutuhan penelitian- dengan PVAR, hal ini menimbulkan resiko data tidak mewakili kondisi keseluruhan perbankan di Indonesia secara nyata. Belum dilakukan penelitian lanjutan atas kelemahan data ini, tetapi jika disempurnakan seperti bank yang di obsevasi bisa lebih banyak, tahun data yang diperbaharui, juga menambah variabel makroekonomi lainnya, seharusnya kualitas penelitian dapat meningkat. Validitas terhadap eksperimen selanjutnya dapat variatif mengingat hanya dua variabel makroekonomi yang diangkat dalam penelitian ini.

(G) Tools?

-

-

Menggunakan teknik estimasi panel vector autoregression (PVAR) dengan menggunakan aplikasi STATA Programming untuk memproses VPAR dan E-views untuk memproses ko-integrasi. Paper menjelaskan bangunan matrix data yang akan membantu peneliti melakukan analisa IRS dan Variance Decomposition. Disusun dengan menerapkan struktur Ortogonalisasi Cholesky pada IRD agar diperoleh dampak Transmisi antar variabel pada saat terjadinya shock (contemporaneous impact). Metode ini menghasilkan dua maca analisis, 1. Contempraneous 2. Respon pada periode berikutnya sesudah impulse terjadi. Parameter β sebagai parameter yang menjelaskan dampak dinamis bank antar waktu Uji Panet unit root dengan ADF- Fisher Chi-Square Uji Ko-integrasi dengan E-Views

Template from Faff, Robert W., Pitching Research (2016). Available at SSRN: http://ssrn.com/abstract=2462059 or http://dx.doi.org/10.2139/ssrn.2462059

TWO (H) What’s New?

(I) So What?

ONE

Two Key Questions Meng-update tahun penelitian menjadi lebih terkini Menambah jumlah data panel, jika tidak dapat dilakukan karena keterbatasan alat, maka buat segmentasi yang lebih jelas. Contoh : Bank yang terdaftar di BEI, sehingga hasil penelitian dapat lebih fokus / informatif sesuai dengan kondisi perbankan di Indonesia. Menambah variabel makro ekonomi lainnya seperti tingkat pendapatan nasional, neraca pembayaran ekspor/impor dll Hasil penelitian ini akan memberikan informasi kepada pembaca mengenai bagaimana kondisi kesehatan perbankan tidak hanya dipengaruhi kinerja internal bank itu sendiri, tetapi juga faktor eksternal seperti Suku Bunga dan Fluktuasi nilai tukar. Hal ini tentunya kan memberikan informasi lebih real kepada investor sebagai alat evalusi forcasting agar tidak hanya terfokus pada kinerja internal bank itu sendiri. Selain itu, untuk perbankan di Indonesia juga dapat lebih menyadari pentingnya membuat rencana mitigasi resiko makro ekonomi ini karena berdampak sangat besar terhadap kesehatan bank itu sendiri. Perbankan diharapkan dapat menjadi lebih responsif, siap dan kuat menghadapi fluktuasi lingkungan yang terjadi. Penelitian ini juga dapat mendorong sektor moneter seperti pemerintah untuk dapat membuat kebijakan penyehatan porofolio kredit pada perbankan di Indonesia dengan struktur yang sangat beragam. Paper ini juga dapat mendorong Bank Indonesia sebagai salah satu lembaga yang sangat berpengaruh juga dapat memberikan edukassi kepada bank-bank dengan modal kecil yang belum menyadari resiko ini guna menstabilkan kondisi perbankan di Indonesia.

One Bottom Line

(J) Contribution

1.

Bank dengan modal mulai dari Rp. 100 Miliar sampai dengan dibawah Rp. 1 Triliun (BUKU 1) Saat terjadi peningkatan suku bunga, NPL merespon secara positif tetapi semakin kecil pada periode selanjutnya, NIM merespon positif pada periode awal dan merespon negatif pada periode selanjutnya, CAR merespon negatif. NPL merespon positif pada saat terjadinya Depresiasi nilai tukar. Respon pada awal periode langsung meningkat positif pada periode ke 2. Respon lalu menurun berangsur-angsur sampai akhirnya hilang. Awalnya NIM tidak merespon saat terjadinya impulse nilai tukar, namun merespon negatif secara perlahan beberapa periode kemudian, lalu berangsur-angsur hilang mulai periode ke 5. Kelompok Bank BUKU 1 yang memiliki rasio CAR paling tinggi perespon positif diawal terjadinya impulse, kemudian respon berangsur-angsur turun dengan cepat dan akhirnya hilang. Bank dengan modal mulai dari Rp. 1 Triliun sampai dengan dibawah Rp. 5 Triliun (BUKU 2) Peningkatan suku bunga domestik membuat bank meningkatkan suku bunga kredit, mengakibatkan respon NPL positif pada awal dan membaik pada periode selanjutnya, NIM merespon negatif dan membaik juga pada periode selanjutya, CAR merespon negative semua perubahan NPL merespon positif pada saat terjadinya Depresiasi nilai tukar. Respon pada awal periode langsung meningkat positif pada periode ke 2. Respon lalu menurun berangsur-angsur sampai akhirnya hilang. Variabel NIM merespon negatif pada saat terjadinya impulse. Dimulai dari respon negatif kemudian berangsur-angsur hilang pada 5 periode selanjutnya. Perilaku respon CAR kedua kelompok mirip. Kedua kelompok memperlihatkan rata-rata CAR yang paling besar di kelompoknya. Bank dengan modal mulai dari Rp. 5 Triliun sampai dengan dibawah Rp. 30 Triliun (BUKU 3) Rata-rata NPL BUKU 3 ternyata lebih besar dibandingkan BUKU 1 dan BUKU 2. Peningkatan suku bunga domestik membuat Bank pada kelompok ini langsung merespon positif NPL, namun NPL merespon negatif peningkatan suku bunga domestik pada periode ke 2 dan selanjutnya. Respon negatif menunjukkan terjadi penurunan NPL. NIM merespon negatif pada awal periode, kemudian respon akan hilang pada periode selanjutnya. CAR merespon negatif semua perubahan yang terjadi pada variabel Suku bunga domestik, NPL dan NIM. Bank dengan modal mulai diatas Rp. 30 Triliun (BUKU 4) Bank yang tergolong pada BUKU 3 memiliki kemampuan permodalan yang cukup besar. Namun NIM dan CAR paling kecil dibandingkan semua kelompok. Rata-rata NPL BUKU 4 ternyata paling besar dibandingkan semua kelompok lainnya. Peningkatan suku bunga domestik membuat Bank pada kelompok ini langsung merespon positif NPL, namun NPL merespon negatif peningkatan suku bunga domestik pada periode ke 2 dan selanjutnya. Respon negatif menunjukkan terjadi penurunan NPL. NIM merespon negatif pada awal periode, kemudian respon akan hilang pada periode selanjutnya. CAR merespon negatif semua perubahan yang terjadi pada variabel Suku bunga domestik, NPL dan NIM. Bank pada BUKU 3 melakukan penyesuaian peningkatan CAR lebih cepat sampai pada tingkat dimana tidak lagi ada respon. -

2.

3.

4.

Perilaku yang sama tetapi sangat berbeda dibandingkan dengan kelompok BUKU 1 dan BUKU 2. Pada bank dalam kategori BUKU 3 dan BUKU 4, terjadi perbedaan terutama pada respon negatif CAR di awal periode akibat depresiasi nilai tukar. Model kedua dimana orde transmisi dimulai dari Depresiasi dan diikuti dengan NPL, NIM dan CAR mengakibatkan penurunan CAR yang sukup besar. Penyebab dari perubahan ini berasal dari NPL yang merespon positif pada awal periode cukup besar. NPL kedua kelompok ini paling besar diantara 4 kelompok. Namun kedua kelompok ini merespon NIM positif diawal periode. Meskipun terjadi peningkatan NPL, bank ini masih mampu menghasilkan keuntungan dari difersifikasi produk yang berbasiskan suku bunga (interest based income).

5.

Other Considerations

-

Secara umum Bank dengan jumlah modal lebih kecil kurang mampu menyesuaikan diri menghadapi peningkatan rasio NPL akibat fluktuasi suku bunga dan nilai tukar. Bank-bank ini perlu lebih hati-hati dan menyiapkan langkah pencegahan dan merespon perubahan. Sulitnya mendapatkan laporan keuangan yang berisi seluruh informasi / data yang dibutuhkan untuk diolah menggunakan PVAR membuat data panel menjadi

-

semakin sempit. Penerapan kebijakan makro ekonomi yang seringkali melenceng dari planning pemerintah akibat lemahnya Indonesia sebagai Negara berkembang

Template from Faff, Robert W., Pitching Research (2016). Available at SSRN: http://ssrn.com/abstract=2462059 or http://dx.doi.org/10.2139/ssrn.2462059