Archive

Archive for July, 2010

Probit and Logit

July 19, 2010 Leave a comment

Linear Probability Response Models

Probit and Logit

Techniques for analyzing the relationship between fixed-level independent variables and a dependent variable constrained to vary between 0 and 1

Key Concepts

*****

Probit & Logit

The analytic differences between linear regression and the linear probability

models Probit and Logit

Fixed v. random variable

Constrained v. unconstrained variables

The analytic differences between logistical regression and Probit & Logit

The definition of a Probit transformation

The definition of a Logit transformation

Assumptions of Probit and Logit

Maximum likelihood estimation and Probit/Logit parameters

The meaning of linearity in Probit and Logit analysis

Interpretation of the constant (a) and regression coefficient (b) in Probit analysis

Interpretation of the constant (a) and regression coefficient (b) in Logit analysis

Chi square goodness-of-fit test in Probit and Logit and its null hypothesis

Expected residual scatterplot if Probit/Logit a and b are not significant

The concept of a residual in Probit and Logit

The concept of median potency

Back-solving for the median potency from a Probit or Logit equation

95% confidence interval of the median potency

The purpose and method of logarithmic transformation in Probit and Logit

analysis

Common v. natural logarithms

Logarithms and antilogarithms

Laws of logarithms

Bivariate Probit and Logit models

Multivariate Probit and Logit models

Probit and Logit models with multiple groups and/or multiple IV(s)

The concept of a common slope in Probit/Logit multiple group analysis

Parallelism test for the homogeneity of regression slopes for factor levels

*****

Lecture Outline

ü  An example: predicting success of juvenile probationers

ü  The theory of the Probit Response Model

ü  Improving the goodness of fit of a Probit model with logarithmic transformation

ü  Interpreting a log transformed Probit model

ü  The theory of the Logit Response Model

ü  Comparison of Probit & Logit Response Models

ü  Probit with two independent variables

ü  Probit with multiple groups

ü  Probit with multiple independent variables & multiple groups


Analytic Problem

Linear regression assumes

That there are no restrictions on the values

of the IV(s), that the values are random

That the DV is continuous

And that since the IV(s) can take on any

value, the DV can range from ± ¥

The problem

What if the IV(s) has fixed levels, vis-à-vis

being random?

What if the DV is constrained to be between

0.0 & 1.0 (as in a proportion)?

Use of linear regression would lead to an

egregious violation of assumptions

The solution

Use  a linear probability model such as

Probit or Logit


Database: Juvenile Probation 1

Probation Outcome Among Juvenile Shoplifters as a Function of Months of Supervision

Succeeded

Failed
Months N p N p Total N
6 18 .47 21 .53 38
7 23 .55 19 .45 42
8 22 .61 14 .39 36
9 19 .63 11 .37 30
10 32 .66 16 .34 48
11 32 .71 13 .29 45
12 30 .75 10 .25 40
Totals 176 103 279

N = number of juveniles, p = proportion of successful juveniles

Independent variable (metric & fixed): months of supervision

Dependent variable: the proportion that succeeded

Overall success = (176) / (279) = 0.63, or 63%


Research Questions

  1. Is there a significant relationship between success on probation and the number of months of supervision?
  1. Analytic approaches:

Series of t-tests comparing differences in proportions of successes for each of seven supervision groups

Chi square analysis of months by success/failure

Logistical regression: success/failure (0/1) as a function of months

  1. By how much does the proportion of successes increase for each one month of supervision?
  1. How much supervision was required to achieve a 50% success rate, 75%, 90%, etc.?


Research questions ( con’d )

  1. Multivariate questions:

Does the effect of the number of months of supervision on success vary with the age of the juvenile?

Does the effect of the number of months supervision on success vary with the age and gender of the juvenile?


Probit: Linear Probability Model

Transform (Pi) = a + bXI

Dependency Technique

One or more metric IV(s) reduced to fixed

levels or “doses”

One binary DV, measured as the proportion

of the subjects responding to a fixed level of

the IV. DV is transformed to Z score values.

Parameters are estimated by maximum likelihood estimation, not OLS.

Assumptions

The relationship between the levels of the

IV(s) and the DV is linear

Homogeneity of variance of the DV over

levels of the IV

Homoskedastic residuals

Absence of outliers


The Probit Model

Transform (Pi) = a + bXI

PI = Probit: the Z score associated with the proportion of cases responding to the stimulus (e.g. proportion successful on probation)

a = constant

b = Probit regression coefficient

Xi = Level of the independent variable (e.g. months of supervision)

Probit transformation: Convert the proportion responding to a level of the IV to the corresponding Z score on a standard normal curve

Example: 22 out of 36 juveniles succeeded with 8 months supervision. (22) / (36) = 0.611

Z = + 0.28 (0.611 is approximately the proportion in the larger area of the curve associated with a Z score of +0.28)

Insert a standard normal probability table with values of Z from 0.0 to 0.40

Probit Transformation

22 out of 36 juveniles succeeded

with 8 months of supervision (61.1%)

Standard Normal Curve

Area = 0.611

Z = 0.00

Z = + 0.28


Probit & Logit Case Studies of Probation Outcome Study

Model 1            Probit response model

Success = f (months of supervision)

Model 2            Log transform Probit model

Success = f (log months)

Model 3            Logit response model

Success = f (months of supervision)

Model 4            Log transform Logit model

Success = f (log months)

Model 5            Probit response model

Success = f (months & age)

Model 6            2 Probit response models

Male Success = f (months)

Female Success = f (months)

Model 7            2 Probit multivariate models

Male Success = f (months & age)

Female Success = f (months & age)


Model 1

The Effect of the Number of Months of Supervision on Probation Success

Probit = a + b (months)

Probit = -0.70946 + 0.11582 (months)


Probit Model of the Effect of Months of Supervision on Probation Success

Months of Supervision Total Number of Juveniles Number Successful
6 38 18 (0.47)
7 42 23 (0.55)
8 36 22 (0.61)
9 30 19 (0.63)
10 48 32 (0.67)
11 45 32 (0.71)
12 40 30 (0.75)

Values in parentheses are the proportions of juveniles who were successful.


Conversion of the Proportion Successful to Associated Z Scores

Months of Supervision Total Number of Juveniles Number Successful (p) Probit Z Score
6 38 18 (0.47) -0.08
7 42 23 (0.55) +0.13
8 36 22 (0.61) +0.28
9 30 19 (0.63) +0.33
10 48 32 (0.67) +0.44
11 45 32 (0.71) +0.55
12 40 30 (0.75) +0.67

Plot of the Number of Successful Probationers as a Function of

Months of Supervision

Compare this scatterplot with the Probit transform plot on the following exhibit.

Plot of Probit Z Scores as a Function of Months of Supervision

Notice that the conversion of the proportion of successful juvenile
s to Probit Z scores results in a linear relationship over time.

As months of supervision increases, the value of the Probit increases, i.e. the greater the likelihood of being successful on probation.

In Probit analysis, the equation of the best fit line is achieved by maximum likelihood estimation.


What is the Linear Relationship Between Months of Supervision and  Probation Success?

The Probit model

Probit = a + b (months)

Estimated best fit linear equation

Probit = -0.70946 + 0.11582 (months)

Interpretation

For every one-month increase in the amount of supervision, the Probit of success (Z score) increases by 0.11582.


Results of the Probit Analysis

Parameter estimates converged after 9 iterations.

Optimal solution found.

Parameter Estimates (PROBIT model:  (PROBIT(p)) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTHS             .11582          .03862         2.99914

Intercept  Standard Error  Intercept/S.E.

-.70946          .35511        -1.99788

Pearson  Goodness-of-Fit  Chi Square =       .180    DF = 5   P =  .999

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Probit Model

Probit = a + b (month)

a = intercept = -0.70946 (t = -1.99788, df = N – k = 5, p< 0.05)

b = Probit regression coefficient = 0.11582

(t = 2.99914, df = N – k = 5, p< 0.05)

N = 7 months, k = 2 = number of parameters estimated (a & b)

Probit Model Predictions of the Effect of Months of Supervision on Success

Probit = -0.70946 + 0.11582 (months)

Example: Predicted success of juveniles with 8 months supervision

Total = 36, 22 succeeded or 61.1%

Probit = -0.70946 + 0.11582 ( 8 months)

Probit = +0.2171

Z of +0.2171 has an associated area under

the larger portion of the curve of 0.5859

(36 juveniles) (0.5859) = 21.09 successes

Residual = (22 – 21.09) = 0.91


Probit Transformation

22 out of 36 juveniles succeeded with 8 months of supervision (61.1%). The Probit equation yields a Z = +0.2171. Since Z is positive, the area in the larger portion of the curve is 0.5859, or a prediction of a 58.59 % success rate.

Standard Normal Curve

Area = 0.5859

Z = 0.00

Z = + 0.2171


Scatterplot of the Residuals Produced By the Probit Model

Probit Residuals

0.00

1          2          3          4          5          6          7          8          9          10

Months of Supervision


Chi Square Goodness of Fit Test

l2 = S { (residual)2 / [ ni Pi (1-Pi) ] }

Residual = (observed – expected successes)

nI = Number of cases in the group, i.e. level of IV

PI = Predicted proportion of cases (cf. the next exhibit for a summary of the predictions and the residuals)

l2 = (-0.78)2 / [(38)(0.4942)(1-0.4942)] +

(0.36)2 / [(42)(0.54034)(1-0.54034)] + … +

(-0.075)2 / [(40)(0.75187)(1-0.75187)] = 0.18

l2 = 0.18, df = (g-k) = (7-2) = 5, p = 0.999

g = number of supervision groups, k = number of parameters estimated (i.e. 2, a & b)

Decision: Accept H0, no difference between the observed and predicted proportion of successes. The Probit model fits the data.

Results of the Chi-Square Analysis of the Residuals

Observed and Expected Frequencies

Number of    Observed    Expected

MONTHS   Subjects   Responses   Responses    Residual     Prob

6.00       38.0        18.0      18.780       -.780   .49420

7.00       42.0        23.0      22.694        .306   .54034

8.00       36.0        22.0      21.094        .906   .58593

9.00       30.0        19.0      18.912        .088   .63040

10.00       48.0        32.0      32.313       -.313   .67319

11.00       45.0        32.0      32.122       -.122   .71381

12.00       40.0        30.0      30.075       -.075   .75187

Pearson  Goodness-of-Fit  Chi Square =       .180    DF = 5   P =  .999

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Prob = expected probability of success

Prob = (expected responses / number of subjects)

The null hypothesis that there is no significant difference between the observed and expected number of successful probationers is accepted.

Decision The Probit model fits the data.

Table of Probit Model Predictions

Confidence Limits for Effective MONTHS

95% Confidence Limits

Prob        MONTHS         Lower         Upper

.01     -13.96029     -57.27643      -4.83864

.02     -11.60665     -50.48995      -3.40871

.03     -10.11335     -46.18498      -2.50064

.04      -8.98999     -42.94706      -1.81699

.05      -8.07623     -40.31367      -1.26048

.06      -7.29847     -38.07258       -.78647

.07      -6.61653     -36.10789       -.37055

.08      -6.00593     -34.34901        .00213

.09      -5.45062     -32.74962        .34131

.10      -4.93945     -31.27762        .65376

.15      -2.82309     -25.18616       1.95040

.20      -1.14107     -20.34978       2.98586

.25        .30196     -16.20613       3.87972

.30       1.59784     -12.49186       4.68929

.35       2.79866      -9.05938       5.44882

.40       3.93813      -5.81619       6.18344

.45       5.04057      -2.70143       6.91725

.50       6.12554        .32014       7.68324

.55       7.21051       3.24192       8.54902

.60       8.31296       5.93250       9.70702

.65       9.45242       7.99500      11.62233

.70      10.65325       9.32416      14.48518

.75      11.94913      10.35800      17.97518

.80      13.39215      11.35755      22.01314

.85      15.07417      12.45162      26.79091

.90      17.19054      13.78504      32.84560

.91      17.70171      14.10331      34.31178

.92      18.25702      14.44795      35.90570

.93      18.86762      14.82578      37.65943

.94      19.54956      15.24661      39.61921

.95      20.32731      15.72535      41.85558

.96      21.24108      16.28646      44.48435

.97      22.36443      16.97471      47.71768

.98      23.85774      17.88757      52.01787

.99      26.21138      19.32293      58.79891

Median potency

Number of months of supervision which yeilds a Probit Z score = 0.0, 50% success rate, 6.12554 months

Probit = -0.70946 + 0.11582 (month)

0.0 = -0.70946 + 0.11582 (month)

month = (0.70946 / 0.11582) = 6.12554

Model 2

Logarithmic Transformed Probit Model of the Effect of Months of Supervision on Probation Success

Probit = a + b (log months)

Probit = -1.85282 + 2.31804 (log months)

Logarithmic Transformation of Probit

Probit assumes a linear relationship between the IV and the Z score transformation of the DV.

Sometimes the goodness of fit of a Probit model can be improved by a logarithmic transformation of the independent variable (s), e.g. months.

Model 2: Log transformed Probit model

A common logarithmic transformation is used, i.e. base 10.

Probit = a + b ( log months )

Probit = -1.85282 + 2.31804 (  log months )

What is a Logarithm?

The logarithm of a number (N) is the exponent (x) to which a base number (b) must be raised to yield that number (N).

Log b N = x             (b) X = N

Common logarithms

Base 10 (symbolized log)

Log 6 = 0.77815

(10)0.77815 = 5.9999 @ 6.0

Natural logarithms

Base  e, e = 2.71828 (symbolized ln)

ln 6 = 1.791759

(e)1.791759 = 5.9999 @ 6.0

The Base of the Natural Logarithms (e)

The base of the natural logarithms is defined as the limit of the following function (e = 2.71828):

e = lim  (1 + 1/u)u

uÙ¥

U

(1 + 1/u)u

1 2.00000
10 2.59374
100 2.70481
1000 2.71692
10,000 2.71815
100,000 2.71827
1,000,000 2.71828 = e

Algebraic Laws of Logarithms

The example uses common logarithms, but the same laws apply to natural logarithms.

1st Law: law of multiplication

log (3 x 2) = log 3 + log 2

log (6) = (90.47712 + 0.30103)

0.77815 = 0.77815

2nd Law: law of division

log (3 / 2) = log 3 – log 2

log 1.5 = (0.47712 – 0.30103)

0.17609 = 0.17609

3rd Law: law of exponents

log (3)2 = 2 (log 3)

log (9) = 2 (0.47712) = 0.95424

Logarithmic Transformation of

Months of Supervision

The objective of the transformation is to linearize the relationship between months of supervision and the proportion of successes.

Two options

Common logarithmic transformation (log)

Natural logarithmic transformation (ln)

Months Log

Base 10

ln

Base e

6 0.778 1.792
7 0.845 1.946
8 0.903 2.079
9 0.954 2.197
10 1.000 2.303
11 1.041 2.398
12 1.079 2.485

Plot of the Z Transformed Proportion of Successful Juvenile Probationers as a Function of the Log 10 of Months of Supervision

Compare this with the plot of the Probit as a function of months of supervision in Model 1. (cf. p. 17)

Is the relationship more graphically linear as a result of the transformation of the number of months of supervision to the log of months?

Results of the Log 10 Transfomed

Probit Analysis

Parameter estimates converged after 10 iterations.

Optimal solution found.

Parameter Estimates (PROBIT model:  (PROBIT(p)) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTHS            2.31804          .76881         3.01510

Intercept  Standard Error  Intercept/S.E.

-1.85282          .72824        -2.54425

Pearson  Goodness-of-Fit  Chi Square =       .105    DF = 5   P = 1.000

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Probit = -1.85282 + 2.31804 (log month)

Prediction of success after 8 months

Probit = -1.85282 + 2.31804 (log 8)

Probit = -1.85282 + 2.31804 (0.903089)

= +0.240579

A Z of +0.240579 has a larger area of 0.59506

Therefore the predicted number of successes equals (36 total cases) (0.59506 successes) = 21.402 successful cases

Analysis of the Residuals

Observed and Expected Frequencies

Number of    Observed    Expected

MONTHS   Subjects   Responses   Responses    Residual     Prob

.78       38.0        18.0      18.257       -.257   .48045

.85       42.0        23.0      22.775        .225   .54227

.90       36.0        22.0      21.422        .578   .59506

.95       30.0        19.0      19.208       -.208   .64026

1.00       48.0        32.0      32.597       -.597   .67911

1.04       45.0        32.0      32.070       -.070   .71266

1.08       40.0        30.0      29.670        .330   .74175

Pearson  Goodness-of-Fit  Chi Square =       .105    DF = 5   P = 1.000

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Test of goodness of fit

Chi-square = 0.105, p = 1.00

There is no significant difference between the actual and predicted number of successes.

Decision The model fits the data.

Table of Probit Model Predictions

Confidence Limits for Effective MONTHS

95% Confidence Limits

Prob        MONTHS         Lower         Upper

.01        .62477        .00461       1.77880

.02        .81907        .00999       2.09760

.03        .97259        .01631       2.32911

.04       1.10678        .02358       2.52012

.05       1.22946        .03183       2.68711

.06       1.34455        .04109       2.83805

.07       1.45429        .05140       2.97746

.08       1.56012        .06280       3.10818

.09       1.66304        .07535       3.23213

.10       1.76378        .08910       3.35068

.15       2.25003        .17833       3.89097

.20       2.73042        .30936       4.38435

.25       3.22352        .49595       4.86029

.30       3.74178        .75713       5.33580

.35       4.29613       1.11933       5.82412

.40       4.89791       1.61946       6.33891

.45       5.56025       2.30899       6.89853

.50       6.29948       3.25719       7.53533

.55       7.13698       4.54260       8.32544

.60       8.10211       6.17111       9.50913

.65       9.23701       7.81138      11.82974

.70      10.60548       9.10228      16.38213

.75      12.31059      10.25491      24.37005

.80      14.53380      11.50799      38.59418

.85      17.63684      13.05549      66.50014

.90      22.49907      15.22534     132.52929

.91      23.86189      15.79445     156.61674

.92      25.43613      16.43471     187.79510

.93      27.28722      17.16649     229.31689

.94      29.51429      18.01996     286.66982

.95      32.27697      19.04257     369.83707

.96      35.85492      20.31525     498.94425

.97      40.80159      21.99299     721.10866

.98      48.44956      24.43386    1176.86871

.99      63.51682      28.83116    2547.90778

Median potency

50% success rate is predicted at 6.29948 months of supervision

Model 1 predicted a median potency at 6.29948 months

Comparison of Models 1 & 2

The Effect of Log10 Transformation of Months of Supervision

Transformation
Statistic Model 1

None

Model 2

Log10

a (the constant) -0.70946 -1.85282
ta -1.99788 -2.54425
b (Probit coefficient) +0.11582 +2.31804
tb +2.99914 +3.01510
l2 (goodness of fit) 0.180 0.105
p of l2 (significance) 0.999 1.000
S (residuals)2 1.649 0.964
Median Potency (MP)

(in months)

6.126 6.299

The log transform model produced a slightly more significant fit and slightly lower residuals. However the operational difference between the two models is negligible.

Prediction With the Log Transformed

Probit Model

Probit = -1.85282 + 2.31804 (log months)

Example:: Expected success after 8 months of supervision.

Probit = -1.85282 + 2.31804 (log 8)

Probit = -1.85282 + 2.31804 (0.903)

Probit = +0.2406

Z score of +0.2406 divides a standard normal

curve into two parts corresponding to 0.5951 &

0.4049

area = 0.5951

area = 0.4049

Given 36 juveniles

(36) (0.5951) = 21.42

21 juveniles expected to

be successful

Z = +0.2406

Interpretation of the Regression Coefficient (b) in the Probit Log Transformed Model

Probit = a + b (log months)

Probit = -1.85282 + 2.31804 (log months)

Interpretation: For every unit increase in the

log month

The Probit (Z score) increases

by 2.31804

Month Log Month Probit Expected Successful
10 1.0 0.46522 0.681
100 2.0 2.78326 0.997
Difference = 2.31804

Model 3

Logit Model of the Effect of Months of Supervision on Probation Success

Logit = a + b (months)

Logit = -1.15774 + 0.18841 (month)

Logit: An Alternative Linear

Probability Model

Transform (Li) = a + bXI

Dependency Technique

One or more metric IV(s) reduced to fixed

levels or “doses”

One binary DV, measured as the proportion

of the subjects responding to a fixed level of

the IV. DV is transformed to ln [Pi / (1-Pi)].

Parameters are estimated by maximum likelihood estimation.

Assumptions

That there is a linear relationship between

levels of the IV(s) and the DV

Homogeneity of variance of the DV over

levels of the IV

Homoskedastic residuals

Absence of outliers

The Logit Model

Transform (Li) = a + bXI

LI = Logit = ln [Pi / (1-Pi)],

ln = natural logarithm

Pi = the proportion of subjects in a group effected by a level of the IV (e.g. proportion successful)

a = constant

b = Logit regression coefficient

Xi = Level of the independent variable (e.g. months of supervision)

Example: 22 out of 36 succeeded with 8 months supervision

(22) / (36) = 0.611

Logit = ln [0.6111 / (1 - 0.6111)]  = 0.447

Comparison of Probit and Logit Transformations

Month Total

Juveniles

Number Success P

Success

Probit

(Z score)

Logit

ln [Pi / (1-Pi)]

6 38 18 0.47 -0.07 -0.120
7 42 23 0.55 +0.13 +0.201
8 36 22 0.61 +0.28 +0.447
9 30 19 0.63 +0.33 +0.532
10 48 32 0.66 +0.44 +0.663
11 45 32 0.71 +0.55 +0.895
12 40 30 0.75 +0.68 +1.099

Plot of the Logit as a Function of

Months of Supervision

Notice how the logit transformation of the proportion of successes has linearized the relationship between success and months of supervision.

Results of the Logit Analysis of Probation Success as a Function of Months of Supervision

Parameter estimates converged after 8 iterations.

Optimal solution found.

Parameter Estimates (LOGIT model:  (LOG(p/(1-p))) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTHS             .18841          .06326         2.97832

Intercept  Standard Error  Intercept/S.E.

-1.15774          .57656        -2.00802

Pearson  Goodness-of-Fit  Chi Square =       .171    DF = 5   P =  .999

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Logit = -1.15774 + 0.18841 (month)

Predicted success with 8 months supervision

Logit = ln (P / 1-P) = -1.15774 + 0.18841 (8)

Results of the Logit Analysis of Probation Success as a Function of Months of Supervision (cont.)

ln (P / 1-P) = 0.34954

Taking the antilog of both sides of the equation

(P / 1 – P) = e 0.34954 = 2.71828 0.34954 = 1.4184

(P / 1 – P) = 1.4184

P = 1.4184 (1 – P) = 1.4184 – 1.4184 P

0 = 1.4184 – 1.4184 P – P = 1.4184 – 2.4184 P

P = 1.4184 / 2.4184 = 0.5865

With 8 months of supervision, it is predicted that 0.5865 proportion, or 58.65%, of the juveniles will be successful.

Given 36 juveniles supervised for 8 months, the model predicts that 21.11 will be successful

(36 juveniles) (0.5865 successful) = 21.11

Residual Analysis

Observed and Expected Frequencies

Number of    Observed    Expected

MONTHS   Subjects   Responses   Responses    Residual     Prob

6.00       38.0        18.0      18.741       -.741   .49318

7.00       42.0        23.0      22.688        .312   .54020

8.00       36.0        22.0      21.114        .886   .58651

9.00       30.0        19.0      18.940        .060   .63134

10.00       48.0        32.0      32.353       -.353   .67401

11.00       45.0        32.0      32.129       -.129   .71398

12.00       40.0        30.0      30.034       -.034   .75086

Pearson  Goodness-of-Fit  Chi Square =       .171    DF = 5   P =  .999

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

The chi-square analysis indicates that there is not a significant difference between the actual and predicted number of successes.

Decision The Logit model fits the data.

Table of Logit Model Predictions

Confidence Limits for Effective MONTHS

95% Confidence Limits

Prob        MONTHS         Lower         Upper

.01     -18.24389     -70.52373      -7.42514

.02     -14.51112     -59.61405      -5.16623

.03     -12.30468     -53.16658      -3.82971

.04     -10.72281     -48.54497      -2.87072

.05      -9.48290     -44.92304      -2.11845

.06      -8.45906     -41.93276      -1.49679

.07      -7.58414     -39.37783       -.96515

.08      -6.81804     -37.14104       -.49926

.09      -6.13490     -35.14680       -.08350

.10      -5.51705     -33.34345        .29283

.15      -3.06168     -26.18059       1.79213

.20      -1.21304     -20.79354       2.92679

.25        .31383     -16.35043       3.87024

.30       1.64769     -12.47658       4.70201

.35       2.85917      -8.96820       5.46755

.40       3.99271      -5.70029       6.19860

.45       5.07966      -2.59097       6.92386

.50       6.14472        .40982       7.68044

.55       7.20978       3.30559       8.54203

.60       8.29673       5.96602       9.71617

.65       9.43027       7.98983      11.69133

.70      10.64176       9.30236      14.65272

.75      11.97561      10.35044      18.31026

.80      13.50248      11.39645      22.65080

.85      15.35112      12.58812      27.98084

.90      17.80650      14.12312      35.10802

.91      18.42434      14.50507      36.90573

.92      19.10748      14.92610      38.89471

.93      19.87358      15.39694      41.12655

.94      20.74850      15.93328      43.67678

.95      21.77234      16.55944      46.66256

.96      23.01225      17.31607      50.28014

.97      24.59412      18.27936      54.89744

.98      26.80057      19.62028      61.34050

.99      30.53333      21.88407      72.24531
Model 4

Logarithic Transformed Logit Model of the Effect of Months of Supervision on Probation Success

Logit = a + b (log month)

Logit = -3.00611 + 3.75813 (log month)

Plot of the Logits as a Function of the Log Transformed Months of Supervistion

Compare this scatterplot with the plot associated with Model 3. (cf. p. 43)

Did the log transformation of months improve the linearity of the relationship between the logit and months of supervision?

Results of the Logit Log Transformed Analysis

Parameter estimates converged after 13 iterations.

Optimal solution found.

Parameter Estimates (LOGIT model:  (LOG(p/(1-p))) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTHS            3.75813         1.25339         2.99836

Intercept  Standard Error  Intercept/S.E.

-3.00611         1.18264        -2.54186

Pearson  Goodness-of-Fit  Chi Square =       .108    DF = 5   P = 1.000

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Logit = -3.00611 + 3.75813 (log month)

Prediction with Logarithic Transformed Logit Model

Logit = -3.00611 + 3.75813 (log month)

Example: Predicted success of juveniles with 8 months supervision. Total = 36, of which 22 succeeded or 61.1%

Logit = ln [Pi / (1-Pi)]

ln [Pi / (1-Pi)] = -3.00611+ 3.75813 ( log 8 mos)

ln [Pi / (1-Pi)] = +0.3878

Take the antilog of both sides of the equation

Pi / (1-Pi) = e 0.3878 = (2.71828)0.3878 = 1.4737

P = 0.5957 proportion successful

(36 juveniles) (0.5957) = 21.45 successes

Residual Analysis

Observed and Expected Frequencies

Number of    Observed    Expected

MONTHS   Subjects   Responses   Responses    Residual     Prob

.78       38.0        18.0      18.224       -.224   .47958

.85       42.0        23.0      22.779        .221   .54237

.90       36.0        22.0      21.447        .553   .59576

.95       30.0        19.0      19.232       -.232   .64108

1.00       48.0        32.0      32.622       -.622   .67962

1.04       45.0        32.0      32.063       -.063   .71250

1.08       40.0        30.0      29.628        .372   .74070

Pearson  Goodness-of-Fit  Chi Square =       .108    DF = 5   P = 1.000

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

The chi-square analysis indicates that there is not a significant difference between the actual and predicted number of successes.

Decision The Logit model fits the data.

Table of Logit Model Predictions

Confidence Limits for Effective MONTHS

95% Confidence Limits

Prob        MONTHS         Lower         Upper

.01        .37773        .00101       1.31099

.02        .58119        .00351       1.70275

.03        .74979        .00733       1.98764

.04        .90001        .01241       2.22098

.05       1.03851        .01875       2.42304

.06       1.16880        .02636       2.60382

.07       1.29302        .03527       2.76908

.08       1.41258        .04551       2.92251

.09       1.52848        .05712       3.06659

.10       1.64148        .07016       3.20312

.15       2.17940        .15871       3.81016

.20       2.69785        .29324       4.34493

.25       3.21786        .48656       4.84630

.30       3.75352        .75659       5.33610

.35       4.31694       1.12847       5.83053

.40       4.92047       1.63760       6.34536

.45       5.57828       2.33380       6.90093

.50       6.30807       3.28497       7.53211

.55       7.13334       4.56867       8.32023

.60       8.08699       6.18747       9.52183

.65       9.21758       7.80398      11.92296

.70      10.60118       9.08367      16.69367

.75      12.36592      10.25675      25.31287

.80      14.74945      11.57796      41.50041

.85      18.25815      13.29108      76.17175

.90      24.24132      15.87592     171.59932

.91      26.03346      16.59364     210.61476

.92      28.16962      17.42242     264.19811

.93      30.77436      18.39837     340.71509

.94      34.04496      19.57686     455.63122

.95      38.31622      21.04849     640.31575

.96      44.21252      22.97513     967.04695

.97      53.07036      25.68524    1636.75927

.98      68.46545      29.99797    3411.08530

.99     105.34466      38.98445   11820.75520

Comparison of Models 1, 2, 3, & 4

Type of

Model

Probit Logit
Statistic Model 1 Model2

(log)

Model 3 Model 4

(log)

b 0.11582 2.31804 0.18841 3.75813
t 2.99914 3.0151 2.97832 2.998
l2 0.180 0.105 0.171 0.108
(p) 0.999 1.000 0.999 1.000
S (residuals)2 1.649 0.964 1.577 0.988
Median Potency

(in months)

6.1255 6.2995 6.1447 6.3081

All four models produce simmilar results. The log transform models produce the smaller residuals.

The Probit log model produces the smallest sum of squared residuals and is the best of the four models.

Operationally, there is negligible difference among the four models

Model 5

A Multivariate Probit Model with Two

Independent Variables

*****

Success as a Function of Months of

Supervision and Age

Probit = a + b1 (month) + b2 (age)

Probit = 7.06114 + 0.13009 (month) – 0.56226 (age)

Results of the Probit Analysis of Probation Success as a Function of Months of Supervision and Age

Parameter estimates converged after 14 iterations.

Optimal solution found.

Parameter Estimates (PROBIT model:  (PROBIT(p)) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTH              .13009          .04005         3.24841

AGE               -.56226          .10113        -5.55984

Intercept  Standard Error  Intercept/S.E.

7.06114         1.43287         4.92797

Pearson  Goodness-of-Fit  Chi Square =     26.778    DF = 39   P =  .931

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

Probit = 7.06114 + 0.13009 (month) – 0.56226 (age)

Interpretation

When supervision increases by 1 month, the probit of success increases by +0.13009.

When age increases by one year, the probit of success decreases by -0.56226.

Predictions With the Probit Equation

Probit = 7.06114 + 0.13009 (month) – 0.56226 (age)

Example: Predicted success of 14 year olds with 8 months supervision

Total = 12, 8 succeeded or 66.67%

Probit = 7.06114 + 0.13009 (8 month) -

0.56226 (14 years)

Probit = +0.23022

Z of +0.23022 has an associated area under

the larger portion of the curve of 0.591

(12 juveniles) (0.591) = 7.09 successes

Covariate Analysis

To what extent are the two predictor variables (covariates) collinear?

Correlation between age and months of supervision: r = – 0.11185

Covariance between the predictor variables: cov = – 0.00045

Covariance(below) and Correlation(above) Matrices of Parameter Estimates

MONTH        AGE

MONTH          .00160    -.11185

AGE           -.00045     .01023

Table of Probit Model Predictions

Observed and Expected Frequencies

Number of    Observed    Expected

MONTH   Subjects   Responses   Responses    Residual     Prob

6.00        7.0         3.0       4.919      -1.919   .70276

6.00        7.0         5.0       4.919        .081   .70276

6.00        6.0         2.0       2.928       -.928   .48807

6.00        6.0         4.0       2.928       1.072   .48807

6.00        6.0         2.0       1.661        .339   .27687

6.00        6.0         2.0       1.661        .339   .27687

7.00        7.0         4.0       5.223      -1.223   .74615

7.00        7.0         7.0       5.223       1.777   .74615

7.00        7.0         2.0       3.779      -1.779   .53990

7.00        7.0         5.0       3.779       1.221   .53990

7.00        7.0         2.0       2.254       -.254   .32201

7.00        7.0         3.0       2.254        .746   .32201

8.00        6.0         5.0       4.716        .284   .78597

8.00        6.0         6.0       4.716       1.284   .78597

8.00        6.0         3.0       3.546       -.546   .59106

8.00        6.0         5.0       3.546       1.454   .59106

8.00        6.0         1.0       2.220      -1.220   .36995

8.00        6.0         2.0       2.220       -.220   .36995

9.00        5.0         4.0       4.109       -.109   .82190

9.00        5.0         5.0       4.109        .891   .82190

9.00        5.0         3.0       3.204       -.204   .64071

9.00        5.0         3.0       3.204       -.204   .64071

9.00        5.0         2.0       2.100       -.100   .42000

9.00        5.0         2.0       2.100       -.100   .42000

10.00        8.0         6.0       6.830       -.830   .85376

10.00        8.0         8.0       6.830       1.170   .85376

10.00        8.0         5.0       5.505       -.505   .68809

10.00        8.0         6.0       5.505        .495   .68809

10.00        8.0         2.0       3.771      -1.771   .47138

10.00        8.0         5.0       3.771       1.229   .47138

11.00        8.0         6.0       7.052      -1.052   .88156

11.00        8.0         7.0       7.052       -.052   .88156

11.00        8.0         5.0       5.860       -.860   .73255

11.00        8.0         6.0       5.860        .140   .73255

11.00        7.0         3.0       3.663       -.663   .52324

11.00        7.0         5.0       3.663       1.337   .52324

12.00        6.0         5.0       5.432       -.432   .90539

12.00        6.0         6.0       5.432        .568   .90539

12.00        6.0         4.0       4.641       -.641   .77357

12.00        6.0         5.0       4.641        .359   .77357

12.00        8.0         4.0       4.598       -.598   .57471

12.00        8.0         6.0       4.598       1.402   .57471

Model 6

Probit Analysis With Multiple Groups

*****

Independent Variable =  months of supervision

Groups = gender, males & females

Probit male = a1 + b1 (month)

Probit female = a2 + b2 (month)

Probit male = -1.001139 + 0.11726 (month)

Probit female = -0.41904 + 0.11726 (month)

Probit Analysis With Multiple Groups

Sometimes it is of interest to compare the Probit equations for multiple groups to determine if there are significant differences in the Probit coefficients (i.e. slopes) predictor variables across groups.

Examples of different groups

Racial/ethnic groups

Offense groups

Gender groups

Q   Are there significant differences between boys and girls in the effect of the number of months of supervision on probation success?

The Concept of Testing the Parallelism of the Slopes of Multiple Group Probit Equations

Step 1

Estimate separate Probit equations for boys and girls on the effect of months of supervision on probation success.

Step 2

Conduct a chi-square test to determine whether the slopes (coefficients) of the two equations differ significantly, i.e.

Whether the probit coefficients of the two equations differ significantly.

Step 3

If the slopes do not differ significantly, compute a common slope to be used for each group

Plot of the Probits of Probation Success for Boys and Girls
Q   Is the linear relationship between of months of supervision on success the same (parallel) for male and female juvenile probationers?

Results of the Probit Analysis for

Boys and Girls

Parameter estimates converged after 8 iterations.

Optimal solution found.

Parameter Estimates (PROBIT model:  (PROBIT(p)) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTH              .11726          .03922         2.98946

Intercept  Standard Error  Intercept/S.E.  GENDER

-1.01139          .37197        -2.71905         1

-.41904          .36667        -1.14281         2

Pearson  Goodness-of-Fit  Chi Square =     42.756    DF = 39   P =  .313

Parallelism Test Chi Square =       .000    DF = 1   P = 1.000

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

The parallelism test found no significant difference between the slopes of the two equations, so a common slope was computed to be used in each equation, i.e. bC = 0.11726.

Probit male = -1.001139 + 0.11726 (month)

Probit female = -0.41904 + 0.11726 (month)

The Concept of a Common Slope

Probit male = -1.001139 + 0.11726 (month)

Probit female = -0.41904 + 0.11726 (month)

Probit Z Score

F

Female Slope = 0.117

M

0.00  :

Male Slope = 0.117

-0.42  :

-1.02  :

0          1          2          3          4          5          6          7          8          9          10

Months Of Supervision

Notice that the difference between the two groups is in the intercepts: females = – 0.42, males = – 1.0. Males have a lower potential for success than females, regardless of the amount of supervision.

Predictions from Probit Equations for Male & Female Probationers with 8 Months Supervision

Male Probationers

Total = 18, 9 successful or 50%

Probit = -1.01139 + 0.11726 (8 months)

Probit = -0.07331

Z of -0.07331 has an associated area under

the smaller portion of the curve of 0.4708

(18 juveniles) (0.4708) = 8.475 successes

Female Probationers

Total = 18, 13 successful or 72.2%

Probit = -0.41904 + 0.11726 (8 months)

Probit = +0.51904

Z of +0.51904 has an associated area under

the larger portion of the curve of 0.69817

(18 juveniles) (0.69817) = 12.567 successes

Residual Analysis

Observed and Expected Frequencies

Number of    Observed    Expected

GENDER        MONTH   Subjects   Responses   Responses    Residual     Prob

1          6.00        7.0         3.0       2.654        .346   .37911

1          6.00        6.0         2.0       2.275       -.275   .37911

1          6.00        6.0         2.0       2.275       -.275   .37911

1          7.00        7.0         4.0       2.971       1.029   .42443

1          7.00        7.0         2.0       2.971       -.971   .42443

1          7.00        7.0         2.0       2.971       -.971   .42443

1          8.00        6.0         5.0       2.825       2.175   .47078

1          8.00        6.0         3.0       2.825        .175   .47078

1          8.00        6.0         1.0       2.825      -1.825   .47078

1          9.00        5.0         4.0       2.588       1.412   .51753

1          9.00        5.0         3.0       2.588        .412   .51753

1          9.00        5.0         2.0       2.588       -.588   .51753

1         10.00        8.0         6.0       4.512       1.488   .56404

1         10.00        8.0         5.0       4.512        .488   .56404

1         10.00        8.0         2.0       4.512      -2.512   .56404

1         11.00        8.0         6.0       4.877       1.123   .60968

1         11.00        8.0         5.0       4.877        .123   .60968

1         11.00        7.0         3.0       4.268      -1.268   .60968

1         12.00        6.0         5.0       3.923       1.077   .65385

1         12.00        6.0         4.0       3.923        .077   .65385

1         12.00        8.0         4.0       5.231      -1.231   .65385

2          6.00        7.0         5.0       4.284        .716   .61200

2          6.00        6.0         4.0       3.672        .328   .61200

2          6.00        6.0         2.0       3.672      -1.672   .61200

2          7.00        7.0         7.0       4.593       2.407   .65608

2          7.00        7.0         5.0       4.593        .407   .65608

2          7.00        7.0         3.0       4.593      -1.593   .65608

2          8.00        6.0         6.0       4.189       1.811   .69814

2          8.00        6.0         5.0       4.189        .811   .69814

2          8.00        6.0         2.0       4.189      -2.189   .69814

2          9.00        5.0         5.0       3.689       1.311   .73771

2          9.00        5.0         3.0       3.689       -.689   .73771

2          9.00        5.0         2.0       3.689      -1.689   .73771

2         10.00        8.0         8.0       6.196       1.804   .77445

2         10.00        8.0         6.0       6.196       -.196   .77445

2         10.00        8.0         5.0       6.196      -1.196   .77445

2         11.00        8.0         7.0       6.465        .535   .80808

2         11.00        8.0         6.0       6.465       -.465   .80808

2         11.00        7.0         5.0       5.657       -.657   .80808

2         12.00        6.0         6.0       5.031        .969   .83845

2         12.00        6.0         5.0       5.031       -.031   .83845

2         12.00        8.0         6.0       6.708       -.708   .83845

Table of Probit Model Predictions

For Males

Confidence Limits for Effective MONTH

GENDER      1         1

95% Confidence Limits

Prob         MONTH         Lower         Upper

.01     -11.21390     -49.97444      -3.05681

.02      -8.88918     -43.23911      -1.63725

.03      -7.41422     -38.96799       -.73435

.04      -6.30467     -35.75649       -.05363

.05      -5.40213     -33.14536        .50126

.06      -4.63393     -30.92388        .97455

.07      -3.96037     -28.97696       1.39042

.08      -3.35727     -27.23454       1.76359

.09      -2.80878     -25.65064       2.10375

.10      -2.30390     -24.19340       2.41761

.15       -.21354     -18.17002       3.72702

.20       1.44782     -13.40033       4.78521

.25       2.87311      -9.33024       5.71491

.30       4.15307      -5.70589       6.58054

.35       5.33914      -2.39556       7.43084

.40       6.46461        .66083       8.32248

.45       7.55351       3.45078       9.35229

.50       8.62515       5.85315      10.70912

.55       9.69678       7.68676      12.63471

.60      10.78569       8.99479      15.14645

.65      11.91115      10.01863      18.07065

.70      13.09722      10.93403      21.31588

.75      14.37718      11.83491      24.90497

.80      15.80247      12.78553      28.95414

.85      17.46383      13.85715      33.71040

.90      19.55419      15.17585      39.72450

.91      20.05908      15.49124      41.18020

.92      20.60757      15.83286      42.76263

.93      21.21066      16.20743      44.50366

.94      21.88422      16.62464      46.44924

.95      22.65242      17.09924      48.66941

.96      23.55496      17.65542      51.27925

.97      24.66452      18.33744      54.48944

.98      26.13947      19.24171      58.75919

.99      28.46419      20.66285      65.49295

Table of Probit Model Predictions (cont.)

For Females

Confidence Limits for Effective MONTH

GENDER      2         2

95% Confidence Limits

Prob         MONTH         Lower         Upper

.01     -16.26550     -64.24189      -6.19771

.02     -13.94078     -57.50252      -4.78220

.03     -12.46582     -53.22787      -3.88282

.04     -11.35626     -50.01304      -3.20544

.05     -10.45373     -47.39862      -2.65384

.06      -9.68553     -45.17383      -2.18386

.07      -9.01197     -43.22355      -1.77135

.08      -8.40887     -41.47767      -1.40163

.09      -7.86038     -39.89020      -1.06504

.10      -7.35550     -38.42925       -.75491

.15      -5.26513     -32.38438        .53303

.20      -3.60378     -27.58605       1.56257

.25      -2.17848     -23.47560       2.45192

.30       -.89853     -19.79114       3.25743

.35        .28754     -16.38519       4.01211

.40       1.41301     -13.16393       4.73888

.45       2.50191     -10.06199       5.45670

.50       3.57355      -7.03097       6.18489

.55       4.64519      -4.03520       6.94832

.60       5.73409      -1.05482       7.78771

.65       6.85955       1.89443       8.78649

.70       8.04563       4.69772      10.14383

.75       9.32558       7.06270      12.26882

.80      10.75088       8.82453      15.50679

.85      12.41223      10.27770      19.88150

.90      14.50259      11.78928      25.70271

.91      15.00748      12.13165      27.13144

.92      15.55597      12.49769      28.68944

.93      16.15907      12.89456      30.40817

.94      16.83263      13.33230      32.33323

.95      17.60083      13.82601      34.53429

.96      18.50336      14.40025      37.12606

.97      19.61292      15.09973      40.31880

.98      21.08788      16.02155      44.57100

.99      23.41260      17.46195      51.28549

Model 7

Multivariate Probit Models with Multiple Groups and Two Predictor Variables

Groups = males & females

Predictors = month & age

Probit male = a + b1 (month) + b2 (age)

Probit female = a + b1 (month) + b2 (age)

Probit male = 7.17239 + 0.13603 (month) – 0.59618 (age)

Probit female = 7.83981 + 0.13603 (month) – 0.59618 (age)

Results of the Probit Analysis

Parameter estimates converged after 17 iterations.

Optimal solution found.

Parameter Estimates (PROBIT model:  (PROBIT(p)) = Intercept + BX):

Regression Coeff.  Standard Error     Coeff./S.E.

MONTH              .13603          .04103         3.31503

AGE               -.59618          .10452        -5.70371

Intercept  Standard Error  Intercept/S.E.  GENDER

7.17239         1.47404         4.86581         1

7.83981         1.49292         5.25132         2

Pearson  Goodness-of-Fit  Chi Square =     12.938    DF = 38   P = 1.000

Parallelism Test Chi Square =       .139    DF = 1   P =  .709

Since Goodness-of-Fit Chi square is NOT significant, no heterogeneity

factor is used in the calculation of confidence limits.

The paraellelism chi-square test found no significant differences between the group slopes for month and age and computed a common slope for each variable for each group.

Probit male = 7.17239 + 0.13603 (month) – 0.59618 (age)

Probit female = 7.83981 + 0.13603 (month) – 0.59618 (age)

The groups differ in the intercept; males have a lower likelihood of success regardless of months of supervision or age.

Residual Analysis

Observed and Expected Frequencies

Number of    Observed    Expected

GENDER        MONTH   Subjects   Responses   Responses    Residual     Prob

1          6.00        7.0         3.0       4.159      -1.159   .59417

1          6.00        6.0         2.0       2.161       -.161   .36021

1          6.00        6.0         2.0       1.020        .980   .17002

1          7.00        7.0         4.0       4.521       -.521   .64591

1          7.00        7.0         2.0       2.885       -.885   .41221

1          7.00        7.0         2.0       1.447        .553   .20666

1          8.00        6.0         5.0       4.171        .829   .69509

1          8.00        6.0         3.0       2.795        .205   .46580

1          8.00        6.0         1.0       1.486       -.486   .24761

1          9.00        5.0         4.0       3.705        .295   .74098

1          9.00        5.0         3.0       2.600        .400   .52002

1          9.00        5.0         2.0       1.463        .537   .29254

1         10.00        8.0         6.0       6.264       -.264   .78301

1         10.00        8.0         5.0       4.591        .409   .57386

1         10.00        8.0         2.0       2.727       -.727   .34092

1         11.00        8.0         6.0       6.566       -.566   .82080

1         11.00        8.0         5.0       5.011       -.011   .62637

1         11.00        7.0         3.0       2.745        .255   .39207

1         12.00        6.0         5.0       5.125       -.125   .85416

1         12.00        6.0         4.0       4.060       -.060   .67663

1         12.00        8.0         4.0       3.561        .439   .44516

2          6.00        7.0         5.0       5.722       -.722   .81745

2          6.00        6.0         4.0       3.729        .271   .62154

2          6.00        6.0         2.0       2.323       -.323   .38719

2          7.00        7.0         7.0       5.959       1.041   .85123

2          7.00        7.0         5.0       4.704        .296   .67204

2          7.00        7.0         3.0       3.081       -.081   .44014

2          8.00        6.0         6.0       5.283        .717   .88055

2          8.00        6.0         5.0       4.317        .683   .71958

2          8.00        6.0         2.0       2.965       -.965   .49418

2          9.00        5.0         5.0       4.528        .472   .90554

2          9.00        5.0         3.0       3.818       -.818   .76350

2          9.00        5.0         2.0       2.742       -.742   .54833

2         10.00        8.0         8.0       7.412        .588   .92645

2         10.00        8.0         6.0       6.427       -.427   .80335

2         10.00        8.0         5.0       4.813        .187   .60159

2         11.00        8.0         7.0       7.549       -.549   .94361

2         11.00        8.0         6.0       6.711       -.711   .83883

2         11.00        7.0         5.0       4.571        .429   .65302

2         12.00        6.0         6.0       5.745        .255   .95745

2         12.00        6.0         5.0       5.219       -.219   .86986

2         12.00        8.0         6.0       5.614        .386   .70178

Predictions from Probit Equations for 14 Year Old Male & Female Probationers with 8 Months of Supervision

Male Probationers

Total = 6, 3 successful or 50%

Probit = 7.17239 + 0.13603 (8 months) -

0.59618 (14 years old)

Probit = -0.08589

Z of -0.08589 has an associated area under

the smaller portion of the curve of 0.4658

(6 juveniles) (0.4658) = 2.795 successes

Female Probationers

Total = 6, 5 successful or 83.3%

Probit = 7.83981 + 0.13603 (8 months) -

0.59618 (14 years old)

Probit = +0.58153

Z of +0.58153 has an associated area under

the larger portion of the curve of 0.71958

(6 juveniles) (0.71958) = 4.317 successes

Categories: Ekonometrik Tags:

PERMASALAHAN-PERMASALAN EKONOMETRIK

July 19, 2010 2 comments

SOAL ALHIR SEMESTER (UTS)

Mata Kuliah     : Ekonometrik

Waktu Ujian     : 5 x 24 jam (25-29 Januari 2010)

Sifat Ujian        : Take Home

Program Studi  : Magister Ekonomi Islam PPS IAIN-SU

Nama Dosen    : Dr. H. Muhammad Yusuf, M.Si

Nama               : H. Ismul Azhari, Lc, S.Kom

SOAL:

Derevasilah model-model ekonometrik di bawah ini:

  1. Model regresi linier multivariable (uji autokorelasi, multikorelasi dan Hitrokedasitas)
  2. Model autoregressive atau distributed lag. (pilih salah satu)
  3. Model regresi dengan variable bebas dummy.
  4. Model logit atau probit
  5. Model persamaan non-linier (log atau In).
  6. Model persamaan Simultan.

Dari model di atas Sdr. Diminta untuk mengestimasi model tersebut dengan syarat:

  1. Setiap mahasiswa tidak mempunyai data yang sama.
  2. Gunakan data BPS atau IFS atau data publikasi resmi.
  3. Hasil estimasi terjemahkanlah arti dari: R2, F, DW, t-ratio, konstansta, koefisien, dan koefisien elastisitas.

JAWABAN:

  1. MODEL REGRESI LINIER MULTIVARIABLE (UJI AUTOKORELASI, MULTIKORELASI DAN HITROKEDASITAS)

DERIVASI:

REGRESI LINIER MULTIVARIABLE

Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.

UJI AUTOKORELASI

Autokorelasi : Adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 (sebelumnya). Jika data di atas 15

Catatan: Autokorelasi pada sebagian besar data time series.

Deteksi Autokorelasi:

  1. Besarnya Angka Durbin Watson

Patokan :          Angka D-W di bawah –2 ada autokorelasi (positif)

Angka D-W di atas +2 ada autokorelasi (negatif)

Angka Berada diantara –2 sampai +2 Tidak ada Autokorelasi

(atau Membandingkan dengan Tabel Durbin Watson)

Identifikasi gejala autokorelasi dapat dilakukan dengan kurva berikut ini.

  1. Koefisien determinasi berganda (R square) tinggi
  2. Koefisien korelasi sederhananya tinggi.
  3. Nilai F hitung tinggi (signifikan)
  4. Tapi tak satupun (atau sedikit sekali) diantara variabel bebas yang signifikan.

Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini tidak dilakukan karena gejala autokorelasi tersebut biasanya terjadi pada data time series, sedangkan data yang digunakan dalam penelitian disini adalah data cross section. Seperti pada hasil analisis berikut (tidak dianalisis nilai durbin watsonnya):

UJI MULTIKOLINIERITAS

Multikolinieritas : Adanya korelasi variabel independen dalam regresi berganda.

Deteksi adanya Multikolinier :

  1. Besarnya VIF (Variance Inflation Factor) dan Tolerance

-       Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinieritas. (Gujarati)

  1. Nilai Eigenvalue mendekati 0 (Singgih Santoso)
  2. Condition Index melebihi angka 15 (Singgih Santoso)

Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini tidak menunjukkan adanya gejala multikolinieritas dimana nilai VIF pada variabel tidak lebih besar dari 10 maka variabel ini disimpulkan tidak terdapat gejala multikolinieritas dengan variabel independen lainnya. Dengan nilai VIF untuk  Perencanaan (X1) = 1,522, Organisasi (X2) = 1,331 dan Pengendalian (X3) = 1,179 (lebih kecil dari 10). Syarat terjadi multikolinieritas jika nilai VIF (Variance Inflation Factor) > 10

UJI HETEROSKEDASTISITAS

Heteroskedastisitas : Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas. Model regresi yang baik tidak mempunyai Heteroskedastisitas.

Deteksi Adanya Heteroskedastisitas :

  1. Dari Scatter Plot Residual: jika ada pola tertentu (seperti titik-titik /point-point yang ada membentuk pola tertentu yang teratur (bergelombang, menyebar kemudian menyempit)
  2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
  3. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Rumus rank Spearman adalah :

rs = 1 – 6

Keterangan :

di = perbedaan dalam rank antara residual dengan variabel bebas ke-i

N = banyaknya data

Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil analisis sbb:

Nonparametric Correlations

Hasil analisis menunjukkan bahwa pada variabel untuk  Perencanaan (X1), Organisasi (X2) dan Pengendalian (X3) TIDAK mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya (nilai signifikansinya lebih besar dari 0.05), maka hasil analisis ini dapat disimpulkan semua variabel penelitian Tidak terjadi Heteroskedastisitas.

ESTIMASI:

ESTIMASI REGRESI LINIER MULTIVARIABLE UJI AUTOKORELASI , UJI MULTIKOLINIERITAS, UJI HETEROSKEDASTISITAS

Sumber Data

Data yang diambil dalam penelitian ini adalah data mengenai faktor-faktor fundamental perusahaan yang terdapat dalam laporan keuangan perusahaan-perusahaan yang terdaftar di Bursa Efek Jakarta (BEJ), dengan periode amatan tahun 2002, dan 2003, kecuali untuk menghitung pertumbuhan EPS dibutuhkan data dari tahun 2001, 2002, 2003. Data-data diambil dari Indonesia Capital Market Directory tahun 2002 dan 2003.

Pengambilan Sampel

Populasi pada penelitian ini adalah saham semua perusahaan yang terdaftar di BEJ setidaknya sejak tahun 2002, memiliki data harga saham penututpan dan earning pershare. Pengambilan sampel menggunakan metode purposive sampling, yaitu pengambilan sampel berdasarkan kriteria tertentu, yaitu:

1.   Perusahaan yang listed di BEJ paling tidak sejak tahun 2001 dan tetap terdaftar  sampai dengan tahun 2003.

2.   Perusahaan tidak melakukan aktivitas    yang dapat mempengaruhi jumlah dan harga saham seperti right issue, bonus share, stock split,dividend share, emisi saham baru selama periode amatan. Setelah melalui seleksi, dipilih  22 perusahaan dari   berbagai industri yang   terdapat dalam Tabel 1 dibawah ini.

ANALISIS DATA

3.1. Deskripsi Data

Metode pengumpulan data yang telah dikemukakan pada bab III diukur sesuai dengan variabel-variabel yang dipergunakan dalam penelitian ini. Data sekunder dikumpulkan terutama dari Indonesian Capital MarketDirectory tahun 2004, yang didalamnya memuat ringkasan laporan keuangan tahun 2001, 2002 dan 2003 yang dibutuhkan dalam penelitian ini. Sumber lainnya yang menunjang adalah Jakarta Stock Exchange Statistic Monthly bulan Desember 2001, 2002 dan Desember 2003. Hasil pengumpulan data disajikan dalam lampiran-lampiran data pada halaman terakhir laporan ini.

3.2. Proses Pra-Analisis Data

Mudrajad Kuncoro (2001) menyatakan bahwa sebelum memulai analisis data, sebaiknya terlebih dahulu dilakukan proses pra-analisis dengan tujuan untuk menemukan bentuk model regresi terbaik yang dapat menjelaskan hubungan antara variabel dependen dengan variabel-variabel independen-nya secara lebih valid dan tidak bias. Langkah pra-analisis yang pertama adalah mencari atau menemukan bentuk hubungan terbaik antara variabel dependen dengan variabel-variabel independen dengan melakukan  regresi logaritmis.

3.2.1. Menemukan Bentuk Hubungan Terbaik Antara Variabel Dependen Dengan Variabel-Variabel Independen

Model regresi yang diambil atas dasar pra-analisis data adalah model regresi logaritmis karena secara umum model ini menerangkan hubungan variabel-variabel independen terhadap PER dengan lebih baik dibandingkan dengan model semi-logaritmis.

3.2.2. Uji Normalitas Data

Uji normalitas data menggunakan program SPSS dengan menu linear regression dan memilih normal probability plot pada bagian plot data. Jika plotnya menghasilkan titik-titik yang teratur dan tidak terlalu menyebar di sekitar garis. Uji normalitas untuk model regresi logaritmis yang dilakukan penulis menunjukkan data dalam keadaan cukup normal karena titik-titik yang dihasilkan dari plot data teratur dan berpola mengikuti garis diagonal. Gambarnya dapat dilihat pada lampiran 8 pada chart Normal Probability Plot.

3.3. Uji Asumsi Klasik

Syarat lain dari model statistik parametrik adalah harus terbebas dari gejala-gajala klasik yaitu multikolinearitas, autokorelasi, serta heteroskedastisitas. Jika ternyata model terkena gejala penyimpangan klasik, maka sebaiknya dilakukan usaha-usaha tertentu untuk mengatasinya.

3.3.1. Uji Multikolinearitas

menjadi kurang baik. Menurut Gujarati, 1999 untuk mendeteksi adanya gejala multikolinearitas ini adalah dengan melihat besarnya nilai koefisien korelasi antar variabel-variabel independen, dan jika besarnya koefisien korelasi lebih dari atau sama dengan 0.8, maka terdapat hubungan yang mendekati sempurna diantara variable independen.

3.3.2. Uji Autokorelasi

Nilai Durbin-Watson (D-W) yang didapat dari model regresi adalah 1.941 yang berarti berada di daerah tidak ada autokorelasi. Hal ini menunjukkan  bahwa pengujian tidak terkena gejala autokorelasi. Untuk mengetahui adanya autokorelasi maka dilakukan pengujian terhadap nilai Durbin-Watson (D-W), dengan ketentuan sebagai berikut:

Tabel 2  Tabel Durbin-Watson (D-W)

Dw                                                            Kesimpulan

Kurang dari 1,471 (<dl)                                    Ada autokorelasi

1,471 – 1,731 (dl – du)                                    Tanpa kesimpulan

1,731 – 2.269 (du – 4-du)                                Tidak ada autokorelasi

2,269 – 2.529 (4-du – 4-dl)                             Tanpa kesimpulan

Lebih dari 2,529 (>4-dl)                                   Ada autokorelasi

Sumber  :  Jalan Pintas Menguasai SPSS 10.0,  Sulaiman Wahid 2002.

3.3.3. Uji Heteroskedastisitas

Dari grafik scatter-plot yang terdapat di lampiran 8, terlihat titik-titik yang menyebar secara acak, tidak membentuk suatu pola tertentu yang jelas, serta cukup tersebar,. Berarti model penelitian ini tidak terkena penyimpangan heteroskedastisitas, sehingga model regresi ini layak dipakai untuk memprediksi faktor-faktor yang mempengaruhi PER berdasarkan masukan variable independen-nya.

3.3.4. Pengukuran Prosentase Pengaruh Seluruh Variabel Independen

Terhadap PER (Uji “R 2 ”)

Regresi menunjukkan bahwa nilai R 2 atau koefisien determinasi. Hal ini berarti bahwa  variabel independen debt to equity ratio (DER), ROE, tingkat penjualan, total asset, serta pertumbuhan EPS dapat menerangkan variabel dependen PER.

3.3.5. Uji Signifikansi Seluruh Koefisien Regresi Secara Serempak (Uji “F”)

Berarti bahwa secara bersama-sama variabel independen DER, ROE, tingkat penjualan, total asset serta pertumbuhan EPS berpengaruh secara signifikan terhadap PER. Ho pada pengujian hipotesis pertama (Uji signifikansi seluruh koefisien regresi secara serempak) ditolak, atau Ha diterima. Hipotesis kedua dapat diuji dengan  uji signifikansi masing-masing variable  independen secara parsial terhadap PER, maka dilakukan uji “t”. Uji “t” membandingkan t hitung dengan t tabel , dimana nilai t hitung diperoleh dari output SPSS pada Table Coefficients, dan nilai t tabel didapat dari tabel statistik distribusi “t”. Jika nilai t hitung > t tabel maka Ho ditolak, dan Ha diterima, yang berarti ada.

3.3.6. Uji Signifikansi Koefisien Regresi Secara Parsial (Uji “t”)

Hipotesis kedua dapat diuji dengan  uji signifikansi masing-masing variable  independen secara parsial terhadap PER, maka dilakukan uji “t”. Uji “t” membandingkan t hitung dengan t tabel , dimana nilai t hitung diperoleh dari output SPSS pada Table Coefficients, dan nilai t tabel didapat dari tabel statistik distribusi “t”. Jika nilai t hitung > t tabel maka Ho ditolak, dan Ha diterima, yang berarti ada pengaruh variabel independent secara parsial dan signifikan terhadap PER, dan sebaliknya jika nilai t hitung < t tabel maka Ho diterima, dan Ha ditolak, yang berarti tidak ada pengaruh variabel independen secara parsial dan signifikan terhadap PER.

3.4. Pengujian Hipotesis

Setelah melakukan serangkaian uji pra-analisis data serta uji Penyimpangan klasik, maka diperoleh suatu bentuk model regresi yang menerangkan faktor-faktor yang mempengaruhi PER, yaitu:

Ln.PER        =     –3.637 + 0.175 ln.Tot.Ass + 0.300 ln.DER – 0.248 ln.ROE

t tabel = (2.00)       t hitung (-2.398)    (2.546)                              (5.464)                        (-5.152)

+ 0.0157 ln.Sales + 0.119 g.EPS

(0.278)                                            (3.435)

F 38 , 5 ; tabel = 2.46

F hitung = 26.30

Dimana:

Ln.Total Asset = Logaritma Natural dari Total Asset

Ln.PER           =  Logaritma Natural dari Price earnings ratio

Ln.DER           =  Logaritma Natural dari Debt to Equity Ratio

Ln.ROE            =  Logaritma Natural dari Return On Equity

Ln.Sales           =  Logaritma Natural dari Tingkat Penjualan

g.EPS                =  Pertumbuhan Earnings Per-Share

3.4.1. Pengukuran Prosentase Pengaruh Seluruh Variabel Independen

Terhadap PER (Uji “R 2 ”)

Regresi menunjukkan bahwa nilai R 2 atau koefisien determinasi adalah sebesar 0.776 atau 77.6%. Hal ini berarti bahwa 77.6% variabel independen debt to equity ratio (DER), ROE, tingkat penjualan, total asset, serta pertumbuhan EPS dapat menerangkan variabel dependen PER, sedangkan sisanya sebesar 22.4% diterangkan oleh variabel-variabel lain yang tidak dibahas dalam penelitian ini.

3.4.2. Uji Signifikansi Seluruh Koefisien Regresi Secara Serempak (Uji “F”)

Analysis Of Variance Table dari regresi menghasilkan  nilai F hitung sebesar 26.303 dan probabilitas kesalahan 0. Dengan tingkat signifikansi ( α ) sebesar 5%, derajat kebebasan (DF) pembilang 5, dan DF penyebut 38, berdasarkan table distribusi F didapat nilai F tabel sebesar 2.46, ini menunjukkan nilai F hitung (26.303) > F tabel (2.46) yang berarti bahwa secara bersama-sama variabel independen DER, ROE, tingkat penjualan, total asset serta pertumbuhan EPS berpengaruh secara signifikan terhadap PER. Ho pada pengujian hipotesis pertama (Uji signifikansi seluruh koefisien regresi secara serempak) ditolak, atau Ha diterima.

3.4.3. Uji Signifikansi Koefisien Regresi Secara Parsial (Uji “t”)

Variabel independen Total Asset, nilai t hitung adalah (-)2.546, dengan t tabel adalah 2.0. Karena nilai t adalah nilai absolut, maka t hitung > t tabel , pada probabilitas tingkat kesalahan sebesar 0.15. Berarti Ho ditolak dan Ha 1 diterima, dengan kata lain ada pengaruh yang signifikan dari variabel Total jika diuji secara parsial terhadap PER. Variabel independent DER, nilai t hitung adalah (-)5.464, dengan t tabel adalah 2.0. Karena nilai t adalah nilai absolut, maka t hitung > t tabel , pada probabilitas tingkat kesalahan sebesar 0.00. Berarti Ho ditolak dan Ha 2 diterima, dengan kata lain ada pengaruh yang signifikan dari variabel Debt to Equity Ratio (DER) jika diuji secara parsial terhadap PER. Untuk variabel independen ROE, nilai t hitung adalah (-)5.152, dengan t tabel adalah 2.0. Karena nilai t adalah nilai absolut, maka t hitung > t tabel , pada probabilitas tingkat kesalahan sebesar 0.00. Berarti Ho ditolak dan Ha 3 diterima, dengan kata lain ada pengaruh yang signifikan dari variabel ROE jika diuji secara parsial terhadap PER. Variabel independen tingkat penjualan (sales), nilai t hitung adalah 0.278, dengan t tabel adalah 2.0, maka t hitung < t tabel , pada probabilitas tingkat kesalahan 0.78 Berarti Ho diterima dan Ha 4 ditolah, yang berarti tidak ada pengaruh yang signifikan dari variabel tingkat penjualan jika diuji secara parsial terhadap PER. Variabel independen selanjutnya yaitu pertumbuhan Earnings Per-Share (g.EPS) memiliki nilai t hitung sebesar 3.435, dengan t tabel adalah 2.0, pada probabilitas tingkat kesalahan 0.001, maka t hitung > t tabel . Berarti Ho ditolak dan Ha 5 diterima, yang berarti ada pengaruh yang signifikan dari variabel g.EPS jika diuji secara parsial terhadap PER.

3.5. Penjelasan Koefisien Regresi

3.5.1. Arti Dari Nilai Konstanta dalam Model

Konstanta sebesar -3.637 dalam model berarti, jika variabel-variabel independent total asset, DER, ROE, tingkat penjualan, serta pertumbuhan EPS bernilai nol, maka nilai PER dapat turun sebesar 3.637 satuan, atau dengan kata lain, ada pengaruh variabel-variabel lain di luar Total asset, DER, ROE, tingkat penjualan, serta pertumbuhan EPS yang mempengaruhi PER sebesar -3.637 satuan.

3.5.2. Hubungan Total Asset terhadap PER

Koefisien regresi Total Asset sebesar 0.175 berarti setiap kenaikan DER sebesar 1 satuan, maka nilai PER akan mengalami peningkatan sebesar 0.175 satuan, dengan asumsi variabel yang lain konstan. Hubungan yang positif dari Total terhadap PER sesuai dengan prediksi atau dugaan semula berdasarkan teori,total asset ini merupakan seluruh aktiva yang dimiliki perusahaan, yang terdiri dari aktiva lancar dan aktiva tetap.

3.5.3. Hubungan Debt to Equity Ratio (DER) terhadap PER

Koefisien regresi DER sebesar 0.300 berarti setiap kenaikan DER sebesar 1 satuan, maka nilai PER akan mengalami peningkatan sebesar 0.300 satuan, dengan asumsi variabel yang lain konstan. Hubungan yang positif dari DER terhadap PER tidak sesuai dengan prediksi atau dugaan semula berdasarkan teori. Semakin besar nilai liability perusahaan yang dibiayai dengan ekuitasnya, berarti semakin besar pula risiko yang harus ditanggung perusahaan, sehingga perusahaan mengantisipasinya dengan meningkatkan reqired rate of return dalam menilai sahamnya, dan selanjutnya akan berpengaruh pada turunnya nilai PER perusahaan.

3.5.4. Hubungan Return On Equity (ROE) terhadap PER

Variabel ROE memiliki koefisien regresi sebesar -0.248, yang berarti jika variable yang lainnya konstan, kenaikan ROE sebesar satu satuan menyebabkan penurunan nilai PER sebesar 0.248 satuan. Hasil uji “t” juga menunjukkan bahwa variabel ROE ini pengaruhnya secara parsial signifikan terhadap PER, sehingga layak digunakan sebagai alat analisa terhadap PER. Namun, hubungan negatif ROE dengan PER tidak sesuai dengan prediksi semula, yang berdasarkan teori menerangkan bahwa ROE memiliki pengaruh positif terhadap PER.

3.5.5.  Hubungan Tingkat Penjualan terhadap PER

Tingkat penjualan memiliki koefisien regresi sebesar 0.0157 Kenaikan tingkat penjualan sebesar satu satuan dapat menyebabkan PER perusahaan naik pula sebesar 0.0157 satuan, dengan asumsi variabel lain konstan. Hasil uji “t” menunjukkan bahwa variabel sales tidak berpengaruh signifikan secara parsial  terhadap PER, sehingga tidak layak digunakan sebagai alat analisa terhadap PER. Namun  hubungan yang positif dari koefisien regresinya, menunjukkan bahwa hubungan ini sesuai dengan teori dan prediksi semula. Seperti yang telah diuraikan dalam bab II, Salah satu indikasi dihasilkannya laba,terutama laba jangka panjang oleh perusahaan adalah dengan melihat tingkat penjualannya.

3.5.6. Hubungan Pertumbuhan EPS terhadap PER

Pertumbuhan Earnings memiliki koefisien regresi sebesar 0.119 Berarti setiap kenaikan pertumbuhan EPS sebesar satu satuan, nilai PER naik sebesar 0.119 satuan, dengan asumsi variabel lainnya konstan. Hasil uji “t” menunjukkan pengaruh signifikan variabel ini secara parsial. Hubungan pertumbuhan EPS terhadap PER dalam model  sesuai dengan prediksi sebelumnya berdasarkan teori, dimana tingkat pertumbuhan earnings biasanya berhubungan secara positif terhadap PER. Karena itu,  variabel ini  layak untuk dijadikan alat analisa nilai PER. Secara teori, pertumbuhan EPS yang meningkat menunjukkan prospek positif bagi earnings perusahaan di masa yang akan datang, sehingga dapat meningkatkan harga saham perusahaan. Sebaliknya, penurunan earnings dapat diartikan sebagai prospek yang kurang menguntungkan bagi earnings perusahaan di masa mendatang.

Pada analisis Regresi diperoleh hasil sebagai berikut:

Hasil analisi regresi diatas menunjukkan hasil bahwa model analisis regresi tersebut cocok atau sesuai untuk digunakan sebagai alat analisis, hal ini dapat dilihat dari hasil analisis, dimana nilai Signifikan ANOVAnya lebih kecil dari 0,05 (Signifikan) yang berarti alat analisis tersebut cocok/layak untuk digunakan sebagai alat analisis.

Hasil Regresi Berganda

Untuk mengetahui hasil pengujian setiap variabel penelitian dapat dijelaskan sebagai berikut:

Uji Hipotesis :

  1. Perencanaan (X1) Berpengaruh nyata terhadap Efektivitas Penjualan (Y), atau dapat diterima dengan tingkat [Sig. 0,000 < 0,05] signifikan [positif].
  2. Organisasi (X2) berpengaruh nyata terhadap Efektivitas Penjualan (Y), atau dapat diterima dengan tingkat [Sig. 0,036  < 0,05 : Signifikan [negatif].
  3. Pengendalian (X3) tidak berpengaruh nyata terhadap Efektivitas Penjualan (Y), atau tidak dapat diterima [Sig. 0,144 > 0,05]  [Tidak signifikan positif].
  1. Hasil analisis ini analisis uji F dengan menggunakan model ini menunjukkan hasil yang signifikan, maka dapat disimpulkan bahwa alat analisis regresi berganda yang digunakan sebagai alat analisis ini cocok atau dapat digunaka sebagai alat analisis atau biasanya digunakan untuk melihat Pengaruh secara simultan antara variabel bebas dengan variabel terikatnya diperoleh hasil analisis yang signifikan juga dan positif dengan tingkat signifikan 0,000. Dan nilai determinan (r2) atau pengaruhnya sebesar 61,6%.
  1. Dengan hasil persamaan regresinya berikut:

Y =  8.411 + 0.351 X1 – 0.295 X2 + 0.214 X3

  1. MODEL AUTOREGRESSIVE ATAU DISTRIBUTED LAG. (PILIH SALAH SATU)

DERIVASI:

AUTOREGRESSIVE ATAU DISTRIBUTED LAG

Dalam ekonomi kita sering menghadapi bahwa hubungan atau pengaruh antara Y tidaklah instant. Banyak hal pengaruhnya memerlukan waktu. Misalnya kebutuhan pemerintah tahun t mungkin pengaruh  atau responnya baru pada t+1 bahkan t+2 atau t+3. Kebijakan kurs tahun t baru direspon ekspor pada t+1. Ekspor cengkeh pada tahun t pengaruhnya terhadap produksi cengkeh baru pada tahun t+1. Iklan pada tahun t baru berpengaruh pada tahun t+1, dan seterusnya.

Jika kita memodel kejadian di atas, maka di samping Xt kita juga perlu memasukkan Xt-1. Model demikian disebut DISTRIBUTED LAG.

Contoh :

Di samping perlu waktu, kadang-kadang variabel Y berkembang dengan sendiri. Misalnya seorang anak yang diberi vitamin, menjadi tidak jelas apakah tinggi badan itu disebabkan pengaruh vitamin atau tumbuh dengan sendirinya. Demikian misalnya apakah pertumbuhan ekonomi disebabkan oleh aktifitas masyarakat sendiri atau karena stimulus pemerintah. Untuk itu kita perlu memodel yang memasukkan pertumbuhan Y sendiri. Untuk itu kita masukkan sebagai penjelas variabel Yt-1.

Contoh :

Model yang memasukkan variabel Yt-1 tersebut disebut model auto regresif. Disebut demikian, karena kita meregress Y terhadap dirinya sendiri. Jika kita memasukkan variabel Yt-1 maka pengaruh Xt akan mengecil (nilai b1 akan mengecil). Akan tetapi pengaruh Xt sekarang menjadi lebih murni. Dengan demikian, kalau kita mengukur pengaruh vitamin (X) kepada tinggi badan anak (Y), dan memasukkan  Yt-1 mempengaruhi vitamin sekarang menjadi lebih murni, karena pengaruh trend perkembangan anak sudah disendirikan.

Model yang memasukkan Yt-1 disebut model dinamik.

Ingat dalam model auto regresi kita tidak dapat menggunakan uji otokorelasi Durbin Watson, kita harus menggunakn uji yang lain.

Model Kombinasi

Jika model distributed lag dikombinasikan  dengan model auto regresif, kita perlu model berikut.

Jadi pengaruh atas Yt bukan saja Xt-1 tetapi juga Yt-1. Model terakhir ini disebut model auto regresive distributed lag.

ESTIMASI:

AUTOREGRESSIVE ATAU DISTRIBUTED LAG

Data yang diperlukan dalam penelitian ini meliputi data variabel ekonomi makro di Indonesia, yaitu  nilai tukar rupiah terhadap mata uang asing, khususnya US$,  tingkat suku bunga, indeks harga konsumen, indeks produksi industri, tingkat inflasi, GDP, dan Jumlah penawaran uang. Data yang digunakan merupakan data triwulanan pada periode tahun 1993-2006 (time series).

Data diolah dengan metode VAR.  Selain proses VAR, juga akan dibahas fungsi impulse respon, fungsi dekomposisi, dan Granger causality.

Salah satu alternatif variabel endogenous dalam VAR terdiri dari data bulanan GDP, CPI atau Inflasi, M1 atau M2 (Money Supply), Suku Bunga SBI bulanan, dan nilai tukar rupiah baik nominal atau riil.  Proses analisisnya dilakukan melalui persamaan residual di bawah ini.

Model persamaan di atas akan diidentifikasi melalui dekomposisi  Choleski.

HASIL DAN PEMBAHASAN

Penelitian ini mengkaji stabilitas makroekonomi Indonesia sebagai Small Open Economy pada periode 1993-2006. Data yang digunakan adalah data kuartalan (1993q3- 2006q4).  Variabel yang digunakan Y (GDP), P (CPI), M (M1), R (SBI), E (Nilai Tukar Nominal), dan RER (Nilai Tukar Riil).  Pemilihan variabel didasarkan pada kajian-kajian para peneliti terdahulu seperti Frank Smets (Eropean Central Bank), Chistoper Sims (Princeton Univ,  Pioner untuk VAR analisis), dan Carlo Favero (Bocconi Univ, Italia).   Ciri dari Open Economy dalam model ini, karena memasukkan variabel eksternal berupa nilai tukar atau KURS.

Stabilisasi perekonomian merupakan amanat Undang-Undang, yang pelaksanaannya di Indonesia baru dimulai pada tahun 2006 berupa Inflation Targeting.  Pentargetan inflasi, mengandung dua makna, yaitu stabilisasi harga-harga (menahan laju inflasi) dan stabilisasi nilai tukar rupiah.  Jadi, otoritas moneter (Bank Indonesia/BI) dalam menjalankan stabilisasinya ditujukan pada besaran-besaran inflasi dan Kurs Rupiah (merupakan variabel pada Small Open Economy).  Prinsip dasarnya jika inflasi tinggi baik yang disebabkan oleh kenaikan harga-harga atau disebabkan oleh depresiasi nilai tukar, maka BI harus menaikkan tingkat suku bunga (SBI).  Kenaikan sukubunga diharapkan akan menahan laju konsumsi dan aktivitas perekonomian lainnya, sehingga GDP dari sisi permintaan menjadi seimbang dengan GDP dari sisi penawaran (Kenaikan Harga Terkendali).

Stabilitas perekonomian dicirikan oleh kemampuan alat kebijakan dalam meredam setiap terjadi gejolak perekonomian.  Gejolak perekonomian dicirikan oleh perubahan besaran-besaran variabel markoekonomi akibat adanya shock (guncangan) baik yang datang dari internal maupun eksternal.  Alat untuk menstabilkan perekonomian (yang biasa digunakan oleh Bank Sentral adalah variabel moneter (misalnya M1 atau M2) atau Tingkat Suku Bunga (SBI).

Instrumen yang paling efektif meredam gejolak, adalah instrumen yang jika terjadi shock maka variabel-variabel lain (seperti Y, P dan E atau RER) akan cepat kembali ke titik keseimbangan semula.

Analisis VAR untuk small open economy pada penelitian ini, difokuskan pada kajian bagaimana dampak instrumen-instrumen M atau SBI terhadap variabel-variabel makroekonomi, kususnya Y, P, dan E.

3.1. Hasil Pengolahan Data

Data diolah menggunakan software Eview. Hasil pengolahan data ditunjukkan pada Tabel 1 berikut ini.

Tabel 1.  Hasil Analisis Pemilihan Lag

VAR Lag Order Selection Criteria
Endogenous variables: Y P M R E
Exogenous variables: C
Date: 09/27/07   Time: 23:16
Sample: 1994Q1 2006Q4
Included observations: 46
Lag LogL LR FPE AIC SC HQ
0 -1236.487 NA 1.90e+17 53.97770 54.17647 54.05216
1 -946.4750 504.3690 1.90e+12 42.45544 43.64803* 42.90219
2 -902.2833 67.24822 8.59e+11 41.62101 43.80743 42.44006
3 -873.7072 37.27322 8.16e+11 41.46553 44.64578 42.65687
4 -818.7833 59.69994 2.75e+11 40.16449 44.33856 41.72812
5 -766.9674 45.05725* 1.26e+11 38.99858 44.16648 40.93451
6 -713.3432 34.97234 7.23e+10* 37.75405* 43.91578 40.06227*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

Tabel 1 di atas menunjukkan hasil yang bervariasi, sehingga tidak mudah menentukan lag yang seharusnya dipakai dalam analisis. Berdasarkan HQ lag optimal yang disarankan adalah 6, berdasarkan SC adalah 1, berdasarkan AIC adalah 6,  dan berdasarkan LR adalah 5.  Beragamnya lag mengisyaratkan bahwa lag yang digunakan dalam persamaan diperbolehkan antara 1 sampai 6.

3.2. Hasil  Estimasi  VAR

Dalam kajian VAR ini digunakan lag 2, karena lebih efisien dan efektif. Efisien karena cukup menggunakan 2 periode waktu yang akan datang, efektif karena tetap dapat menunjukkan dampak perubahan suatu instrumen terhadap perekonomian secara makro. Hasil estimasi ditunjukkan baik berupa simbol, koefisien, maupun matriks.

a.Tampilan Estimasi Berupa Simbol

Estimation Proc:

===============================

LS 1 2 Y P M R E  @ C

VAR Model:

===============================

Y = C(1,1)*Y(-1) + C(1,2)*Y(-2) + C(1,3)*P(-1) + C(1,4)*P(-2) + C(1,5)*M(-1) + C(1,6)*M(-2) + C(1,7)*R(-1) + C(1,8)*R(-2) + C(1,9)*E(-1) + C(1,10)*E(-2) + C(1,11)

P = C(2,1)*Y(-1) + C(2,2)*Y(-2) + C(2,3)*P(-1) + C(2,4)*P(-2) + C(2,5)*M(-1) + C(2,6)*M(-2) + C(2,7)*R(-1) + C(2,8)*R(-2) + C(2,9)*E(-1) + C(2,10)*E(-2) + C(2,11)

M = C(3,1)*Y(-1) + C(3,2)*Y(-2) + C(3,3)*P(-1) + C(3,4)*P(-2) + C(3,5)*M(-1) + C(3,6)*M(-2) + C(3,7)*R(-1) + C(3,8)*R(-2) + C(3,9)*E(-1) + C(3,10)*E(-2) + C(3,11)

R = C(4,1)*Y(-1) + C(4,2)*Y(-2) + C(4,3)*P(-1) + C(4,4)*P(-2) + C(4,5)*M(-1) + C(4,6)*M(-2) + C(4,7)*R(-1) + C(4,8)*R(-2) + C(4,9)*E(-1) + C(4,10)*E(-2) + C(4,11)

E = C(5,1)*Y(-1) + C(5,2)*Y(-2) + C(5,3)*P(-1) + C(5,4)*P(-2) + C(5,5)*M(-1) + C(5,6)*M(-2) + C(5,7)*R(-1) + C(5,8)*R(-2) + C(5,9)*E(-1) + C(5,10)*E(-2) + C(5,11)

b.Tampilan VAR Lag 2 Berupa Koefisien

VAR Model – Substituted Coefficients:

===============================

Y = 0.8757945521*Y(-1) + 0.02671489246*Y(-2) – 1.425514087*P(-1) + 0.8100282835*P(-2) – 0.3395564012*M(-1) + 1.063531408*M(-2) + 0.02934851156*R(-1) + 0.1314842698*R(-2) – 0.0002862086436*E(-1) – 0.001551540781*E(-2) + 30.96460818

P =  – 0.020198669*Y(-1) + 0.04546276205*Y(-2) + 0.7611094899*P(-1) – 0.0637938657*P(-2) + 0.1011042322*M(-1) – 0.02296019482*M(-2) – 0.1344723065*R(-1) + 0.118624752*R(-2) + 0.001685997572*E(-1) + 1.615096422e-005*E(-2) – 1.382284814

M = 0.1254988439*Y(-1) – 0.01561600657*Y(-2) – 1.123179647*P(-1) + 1.215551101*P(-2) + 0.8658221451*M(-1) – 0.1212863533*M(-2) – 0.1336737432*R(-1) + 0.1307470657*R(-2) + 0.002486505773*E(-1) – 0.0001427459943*E(-2) – 29.74282527

R =  – 0.1047896571*Y(-1) + 0.1694115645*Y(-2) + 0.3213719874*P(-1) – 0.6716347008*P(-2) – 0.002334828961*M(-1) – 0.01670964356*M(-2) + 0.02345419108*R(-1) + 0.3935058396*R(-2) + 0.00465172967*E(-1) – 0.001847065936*E(-2) – 2.384118383

E =  – 22.39709951*Y(-1) + 24.17942775*Y(-2) + 85.95522287*P(-1) – 133.5206866*P(-2) + 44.82929932*M(-1) – 30.14977692*M(-2) – 156.0591332*R(-1) + 88.42786944*R(-2) + 1.100895947*E(-1) + 0.00372188908*E(-2) + 2037.351855

Bedasarkan tampilan VAR (lag 2) dalam bentuk koefisien, dapat dijelaskan hal-hal berikut ini. Output dalam model VAR ini disebabkan oleh 0.88 Y(-1), 0.03 Y(-2),  -1,43 P(-1), 0,81 P(-2), – 0,34 M(-1), 1,06 M(-2), 0,03 R(-1), 0,13 R(-2) , -0,0003 E(-1), dan -0,002 E(-2).    Artinya pengaruh terbesar terhadap kestabilan ekonomi makro Indonesia disebabkan oleh  variabel harga (P) dan dampaknya dapat dirasakan pada 1 (satu) periode yang akan datang.

c.Tampilan Berupa Matrik

Dalam bentuk matriks, hasil pengolahan data ditunjukkan pada Tabel 2 berikut ini.

Tabel 2.  Matriks Hasil Pengolahan VAR

Vector Autoregression Estimates
Date: 09/27/07   Time: 23:22
Sample (adjusted): 1994Q3 2006Q4
Included observations: 50 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Y P M R E
Y(-1) 0.875795 -0.020199 0.125499 -0.104790 -22.39710
(0.17323) (0.02234) (0.06412) (0.03885) (14.4739)
[ 5.05575] [-0.90430] [ 1.95733] [-2.69716] [-1.54741]
Y(-2) 0.026715 0.045463 -0.015616 0.169412 24.17943
(0.19502) (0.02515) (0.07218) (0.04374) (16.2950)
[ 0.13698] [ 1.80792] [-0.21633] [ 3.87314] [ 1.48386]
P(-1) -1.425514 0.761109 -1.123180 0.321372 85.95522
(1.24951) (0.16111) (0.46249) (0.28024) (104.402)
[-1.14086] [ 4.72407] [-2.42857] [ 1.14676] [ 0.82331]
P(-2) 0.810028 -0.063794 1.215551 -0.671635 -133.5207
(1.06487) (0.13731) (0.39414) (0.23883) (88.9745)
[ 0.76068] [-0.46461] [ 3.08402] [-2.81217] [-1.50066]
M(-1) -0.339556 0.101104 0.865822 -0.002335 44.82930
(0.43891) (0.05659) (0.16246) (0.09844) (36.6728)
[-0.77364] [ 1.78650] [ 5.32959] [-0.02372] [ 1.22241]
M(-2) 1.063531 -0.022960 -0.121286 -0.016710 -30.14978
(0.45304) (0.05841) (0.16768) (0.10161) (37.8531)
[ 2.34757] [-0.39305] [-0.72330] [-0.16445] [-0.79649]
R(-1) 0.029349 -0.134472 -0.133674 0.023454 -156.0591
(0.64502) (0.08317) (0.23875) (0.14467) (53.8946)
[ 0.04550] [-1.61683] [-0.55990] [ 0.16212] [-2.89564]
R(-2) 0.131484 0.118625 0.130747 0.393506 88.42787
(0.48358) (0.06235) (0.17899) (0.10846) (40.4048)
[ 0.27190] [ 1.90248] [ 0.73048] [ 3.62821] [ 2.18855]
E(-1) -0.000286 0.001686 0.002487 0.004652 1.100896
(0.00259) (0.00033) (0.00096) (0.00058) (0.21676)
[-0.11033] [ 5.04037] [ 2.58957] [ 7.99497] [ 5.07896]
E(-2) -0.001552 1.62E-05 -0.000143 -0.001847 0.003722
(0.00296) (0.00038) (0.00109) (0.00066) (0.24710)
[-0.52463] [ 0.04235] [-0.13041] [-2.78471] [ 0.01506]
C 30.96461 -1.382285 -29.74283 -2.384118 2037.352
(27.3957) (3.53243) (10.1401) (6.14436) (2289.03)
[ 1.13027] [-0.39131] [-2.93319] [-0.38802] [ 0.89005]
R-squared 0.992285 0.998312 0.996295 0.929015 0.873115
Adj. R-squared 0.990307 0.997879 0.995345 0.910814 0.840580
Sum sq. resides 9467.461 157.4044 1297.034 476.2363 66095399
S.E. equation 15.58061 2.008982 5.766914 3.494451 1301.827
F-statistic 501.6069 2306.390 1048.698 51.04126 26.83641
Log likelihood -202.0368 -99.61681 -152.3422 -127.2942 -423.3116
Akaike AIC 8.521470 4.424672 6.533690 5.531768 17.37246
Schwarz SC 8.942115 4.845317 6.954335 5.952413 17.79311
Mean dependent 459.6615 102.6385 150.7082 16.12400 7357.680
S.D. dependent 158.2523 43.62258 84.52336 11.70120 3260.482
Determinant resid covariance (dof adj.) 1.92E+11
Determinant resid covariance 5.53E+10
Log likelihood -973.1566
Akaike information criterion 41.12626
Schwarz criterion 43.22949

Koefisien determinasi (R2) menunjukkan peran masing-masing variabel dalam menjelaskan pengaruh variabel eksogen tersebut dalam menjelaskan variasi variabel endogen. R2 terbesar adalah R2 dari variabel P, artinya 99.8% stabilitas ekonomi makro Indonesia sebagai small open economy dapat dijelaskan oleh variabel harga. Standar error variabel ini adalah  2,009 artinya kemungkinan kesalahan variabel ini sebagai variabel untuk memprediksi ketidakstabilan perekonomian Indonesia adalah sebesar 2,009 persen (dapat naik atau turun sebesar 2,009%).

  1. MODEL REGRESI DENGAN VARIABLE BEBAS DUMMY.

DERIVASI:

REGRESI DENGAN VARIABLE BEBAS DUMMY.

Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.

Jika terdapat variabel bebas ke-j yang berskala kategorik (nominal) dengan k kategori, maka diperlukan dummy variable sebanyak kj-1 yang dinamakan Dju dengan koefisien βju, u = 1,2,…,kj-1. Sehingga model transformasi logit :

Dalam model regresi logistik, variabel respon diekspresikan sebagai berikut:

yi = π(x) + εi i = 1,2,3,…,n

Dimana εi mempunyai salah satu dari kemungkinan dua nilai, yaitu:

εi = 1- π(x), jika y=1 dengan peluang π(x) dan

εi = – π(x), jika y=0 dengan peluang [1- π(x)]

Dalam hal ini error (εi) mengikuti distribusi Binomial dengan rataan nol dan ragam π(x) [1- π(x)].

ESTIMASI:

REGRESI DENGAN VARIABLE BEBAS DUMMY

Peristiwa merger dan akuisisi disebut sebagai kombinasi bisnis, penekanannya adalah dalam penggabungan bisnis ini,  akuntansi tidak memandang apakah penggabungan tersebut merupakan merger atau akuisisi. Rasio-rasio keuangan yang digunakan dalam penelitian ini adalah ROA, GPM, TAT, CR, DAR. Data laporan keuangan yang digunakan adalah laporan tahun 1998 sampai dengan 2006. Untuk mengetahui pengaruh merger dan akuisisi terhadap pertumbuhan ROA digunakan Dummy Variable, sehingga kita bisa menganalisis ROA sfebelum dan sesudah merger dan Akuisisi.

Dalam penelitian ini menggunakan empat variabel keuangan yang diduga memhpengaruhi profitabilitas perusahaan yang melakukan merger dan akuisisi, yaitu Gross Profit Margin (GPM), Current Ratio (CR), Total Asset Turnover (TAT), Debt to Assets Ratio (DAR). Variabel-variabel tersebut sesuai dengan penelitian Cyrillius M (2002), Doddy S. (2004), dan Palepu (1996). Faktor makro ekonomi menggunakan dua variabel yang diduga mempengaruhi profitabilitas perusahaan, hal ini sesuai dengan penelitian Sakhowi A. (2004). Penelitian Cyrillius (2002) menggunakan variabel ROA industri, intensitas modal tertimbang, leverage keuangan tertimbang untuk mengetahui pengaruhnya terhadap ROA. Penelitian Doddy S. (2004) menggunakan rasio likuiditas, rasio aktivitas, rasio solvabilitas, dan rasio profitabilitas untuk mengetahui pengaruh merger dan akuisisi terhadap kinerja perusahaan dengan menggunakan uji beda. Sedangkan menurut Palepu (1996), menyatakan bahwa profitabilitas dipengaruhi oleh return on sales, assets turnover, dan finansial leverage. Dua variabel sensitifitas perusahaan terhadap ekonomi makro digunakan dalam penelitian ini untuk memprediksi profitabilitas perusahaan. Variabel Real Interest Rate sesuai dengan penelitian  Sakhowi A. (2004), bahwa peningkatan/penurunan Real Interest Rate akan mengakibatkan peningkatan/penurunan ekspektasi pertumbuhan perusahaan yang pada akhirnya akan meningkatkan/menurunkan laba bersih perusahaan. Dan juga variabel Kurs, bahwa perubahan nilai tukar rupiah atas US$ mempunyai pengaruh yang signifikan terhadap return perusahaan.

Secara matematis dapat dituliskan model untuk perusahaan-perusahaan anufaktur yang melakukan merger dan akuisisi :

Yi   = b0 + b1 X1+ b2X2 + b3X3 + b4X4 + b5Di + b6X6 + b7X7 + ei

Dengan :

Y1 = ROA

b0 = intercept

X1 = GPM

X2 = current rasio

X3 = asset turn over

X4 = debt aset rasio

Di = merger dan akuisisi (Dummy variable : 0 = sebelum merger dan akuisisi;

1 = sesudah merger dan akuisisi)

X6 = Kurs / Valas

X7 = Real Interest Rate/ tingkat suku bunga riil

b1,  b2, b3, b4, b5,  b6, b7, = koefisien regresi

ei = standard error  untuk beta dalam  pengamatan.

Hipotesis Penelitian

1.  Diduga bahwa merger dan akuisisi, berpengaruh signifikan terhadap ROA perusahaan.

2.  Diduga bahwa kinerja perusahaan yang diproksikan dengan GPM, Current Rasio, Assets Turnover, Debt Rasio, serta makro ekonomi yang diproksikan dengan Kurs, dan tingkat suku bunga riil berpengaruh signifikan terhadap ROA.

Desain Penelitian

Desain penelitian memberi penjelasan tentang metode apa yang digunakan, bagaimana data dikumpulkan, bagaimana tehnik penarikan sampel dan bagaimana data akan dianalisis. Adapun tujuan penelitian ini adalah untuk mengetahui pengaruh merger dan akuisisi terhadap profitabilitas (ROA) perusahaan-perusahaan manufaktur di Indonesia. Sehingga diharapkan dapat diketahui besarnya peranan merger dan akuisisi dalam mencapai tujuannya untuk menghasilkan profitabilitas (ROA).

Metode yang digunakan dalam penelitian ini adalah metode analisis deskriptif dan verifikasi. Analisis deskriptif dilakukan untuk memperoleh kejelasan mengenai ciri-ciri variabel yang diteliti atau menggambarkan perilaku variabel-variabel yang diamati berdasarkan data-data statistik yang diperoleh. Sedangkan verifikatif dilakukan untuk menguji hipotesis dengan menggunakan alat uji statistik yaitu regresi linier berganda

Definisi, Operasionalisasi dan Pengukuran Variabel

Variable-variabel yang digunakan dalam penelitian ini terdiri dari independent variable GPM (X1), CR (X2), TAT (X3), DAR (X4) yaitu kinerja perusahaan yang direpresentasikan oleh rasio-rasio keuangan yang diperoleh dari laporan keuangan perusahaan, Kurs (X6), RIR (X7), yaitu faktor makro ekonomi. Sedangkan Di adalah Dummy Variabel, yaitu perusahaan manufaktur sebelum merger dan akuisisi dan sesudah merger dan akuisisi. Untuk lebih jelasnya variabel-variabel beserta konsep dan indikatornya dapat dilihat pada tabel berikut :

Tabel .1 Operasional Variabel

Metode Analisis

Untuk menguji pengaruh GPM, current rasio, asset turnover, debt to asset rasio, dan merger dan akuisisi sebagai dummy variable, Kurs dan RIR sebagai faktor makro ekonomi  terhadap ROA digunakan analisis regresi linier berganda, agar diperoleh model taksiran yang tidak bias dan yang terbaik maka sebelum dilakukan pengujian hipotesis terlebih dahulu diuji asumsi-asumsi yang mendasari analisis regresi linier.

  1. MODEL LOGIT ATAU PROBIT

DERIVASI & ESTIMASI LOGIT ATAU PROBIT:

Seringkali topik penelitian yang dibuat menggunakan jenis data kualitatif. Misalnya laki-laki dan wanita, industri sandang, pangan, peralatan dst. Jika jenis kelamin atau industri diberi kode dengan angka, maka sama sekali tidak menunjukkan bahwa angka yang lebih tinggi menunjukkan nilai yang lebih besar.

Angka-angka (numerik) tersebut hanya kode untuk membedakan jenis atau kategori yang satu dengan yang lain. Jika kategori  seperti itu  merupakan variabel penjelas maka dapat digunakan variabel dummy.

Contoh: Dalam model di atas (pengaruh pupuk terhadap hasil panen) kita tambahkan daerah atas dan bawah, maka daerah tersebut kita bedakan dengan variabel dummy. Misalnya kita menduga daerah bawah hasil panen lebih besar, dan kita ingin parameter positif, maka daerah bawah kita beri angka 1 (satu) dan daerah lainnya 0 (nol).

Jika kita memiliki tiga kategori, maka kita hanya bisa membuat variabel dummy sebanyak dua (n-1) kategori. Hal ini dilakukan untuk menghindari multikolinearitas yang sempurna. Misalnya kita punya sembilan kelompok industri, maka kita dapat memasukkan 8 variabel.

1.         Model Glogit (Grouping Logit)

Jika variabel dependen Y berupa data kualitatif dapat digunakan model logit atau logistik. Model logit adalah model yang dikembangkan dari model LPM (Linear Probability Model) dimana data Y terdiri dari 0 dan 1. Dalam model logit data terdiri dari 0 dan 1 diubah sedemikian rupa sehingga menjadi data interval .

Periksa contoh berikut.

Income ($ 000) n N P = n/N GLogit = Ln (P/1-P)
6 8 40 0.20 -1.386
8 12 50 0.24 -1.153
10 18 60 0.30 -0.847
13 28 80 0.35 -0.619
15 45 100 0.45 -0.201
20 36 70 0.51 0.057
25 39 65 0.60 0.405
30 33 50 0.66 0.663
35 30 40 0.75 1.099
40 20 25 0.80 1.386

Tabel di atas memperlihatkan data berkelompok pemilikan  rumah (reproduksi dari Gujarati, 2003:592). Income menunjukkan kelompok pendapatan rata-rata. N adalah besar anggota sampel kategori tertentu (dalam hal ini yang memiliki rumah).

Badingkan misalnya, N kelompok responden tertentu dan n adalah yang setuju terhadap sesuatu pertanyaan. P = n / N adalah probabilitas memiliki rumah yaitu 8 dari 40 responden = 0,2.

Model ini semula berbentuk berikut,

Y = a + bX + e

Dimana Y pemilikan rumah (1 = punya rumah dan 0 = tidak punya rumah), dan X income.

Rasio probabilitas memiliki rumah terhadap probabilitas tidak memiliki rumah adalah,

Dimana Z = a + bX

Jika bentuk di atas diambil logaitma naturalnya, diperoleh,

Dimana Li adalah Logit. Bentuk (P/1-P) disebut odds.

OLS dapat digunakan untuk mengestimasi persamaan (3) yang disebut logit model.

Note.

  1. Interpretasi estimate b adalah mengukur perubahan Li karena perubahan            satu unit X;
  2. OLS hanya dapat untuk mengestimate data kelompok. Untuk data mikro yang bersumber langsung dari individu hanya dapat diestimate dengan metode ML (Maximum Likelihood, lihat modul ke 16, akan diualangi penafsiran Logit dengan alat bantu SPSS).
  3. Untuk dapat menggunakan model di atas N haruslah besar, sehingga diperoleh residual e yang mendekati normal;
  4. Model ini pasti mengalami heteroskedastisitas sehingga harus ditransformasi (lihat modul 7 masalah Uji Heteroskedastisitas).
  5. Dapat digunakan bobot w = N.P (1-P) untuk mentransformasi data. Sehingga model akhir yang dipilih adalah,

dimana L* = Li dan X* = X

Cara Penyajian Regresi

Dari print out komputer tidak semua hasil perlu disajikan, hanya yang relevan kita gunakan.

Hasil dari model logit di atas disajikan sebagai berikut:

L*        =          -1,5           +          0,079X*

(-14,3)***                   (14,4)***

R2        =          0,964

F          =          108

Normalitas (X2)           =          3,4

DW      =          1,13

Heteroskedastisitas (LM test)1             =          2,35

Dalam kurung adalah uji t, ***) signifikan pada taraf uji 1%

Penggunaan SPSS untuk Model Logit dengan Metode ML (Max Likelihood):

1. Buka file data yang akan dianalisis;

2. Pilih menu Analyze    Regression        Binary Logistics

3. Tampak di layar Logistic Regression

4. Pada Kotak Dependen isi dengan variabel Y

5. Pada Kotak Covariate, isi dengan variabel X

6. Klik Options dan aktifkan semua Statistics and Plots

7. Klik  Ok. (Kebih lanjut, lihat modul ke 16 contoh regresi logistik)

2.         Model Probit

Dari model logit di atas, kita peroleh,

Li = Ln  = a + bX

Masalah utama dalam model ini adalah bagaimana menangani variabel kualitatif bagi dependen variabel. Jika dalam logit digunakan logaritma , pada model probit digunakan CDF (Commulatif Distribution Function). Nilai ini dapat diperoleh dari paket  SPSS pada menu transform, compute dan klik: probit. Model lain tujuannya adalah memperoleh sebaran yang normal. Probit atau normit bertujuan memperoleh sebaran Y dan sekaligus e yang normal dari semula 0-1 binomial.

  1. MODEL PERSAMAAN NON-LINIER (LOG ATAU IN).

DERIVASI:

PERSAMAAN NON-LINIER (LOG ATAU IN).

Bila regresi dengan variabel bebas (X) berupa variabel dummy,  maka dikatagorikan sebagai regresi dummy. Regresi logistik digunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klasifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga terdiri lebih dari satu variabel.

Regresi logistik merupakan suatu model persamaan yang digunakan untuk menganalisis data kategorik dengan variabel respon berupa data kategori dan variabel bebasnya berupa variabel kategori dan kontinyu (Hosmer dan Lemeshow, 1989). Nilai dari variabel respon (Y) dapat dibedakan dalam dua kategori yaitu sehat atau tidak sehat yang dinotasikan dengan Y = 1 (sehat) dan Y = 0 (tidak sehat) dan akan mengikuti distribusi Bernoulli untuk setiap observasi. Dugaan dari hubungan variabel respon (Y) dan variabel bebas (X) dinyatakan dengan E(y|x) yang memiliki probabilita antara 0 dan 1, atau 0≤E(y|x)≤1.

Menurut Agresti (1990), variabel respon dalam regresi logistik biner merupakan variabel dengan nilai 0 dan 1 yang merupakan random variable yang mengikuti sebaran Bernoulli. Menurut Hosmer dan Lemeshow (1989), model regresi logistik dapat diuraikan dalam uraian penjelasan di bawah ini. Bentuk umum model peluang regresi logistik dengan p faktor (variabel bebas) diformulasikan sebagai berikut:

Nilai p(x) adalah peluang kejadian ‘sehat’ (y=1), sedangkan bj ; j=0,1,…,p adalah nilai parameter. Model regresi logistik ini merupakan model nonlinier sehingga perlu dilakukan tranformasi logit untuk memperoleh model linier agar dapat dilihat hubungan antara variabel respon dengan variabel bebas.

Hasil transformasi logit dari adalah sebagai berikut:

dan   g(x)= β0 + β1x1 + β2x2 +…+ βpxp

Formulasi di atas merupakan fungsi linier dalam parameter-parameternya atau g(x) telah linier dalam parameternya. Semua variabel bebas bersifat diskrit dan berskala nominal, maka variabel tersebut hanya sebagai identifikasi saja dan tidak mempunyai nilai numerik sehingga diperlukan dummy variable. Jika terdapat variabel bebas ke-j yang berskala kategorik (nominal) dengan k kategori, maka diperlukan dummy variable sebanyak kj-1 yang dinamakan Dju dengan koefisien βju, u = 1,2,…,kj-1. Sehingga model transformasi logit :

Dalam model regresi logistik, variabel respon diekspresikan sebagai berikut:

yi = π(x) + εi i = 1,2,3,…,n

Dimana εi mempunyai salah satu dari kemungkinan dua nilai, yaitu:

εi = 1- π(x), jika y=1 dengan peluang π(x) dan

εi = – π(x), jika y=0 dengan peluang [1- π(x)]

Dalam hal ini error (εi) mengikuti distribusi Binomial dengan rataan nol dan ragam π(x) [1- π(x)].

Analisis regresi logistik tersebut dapat diaplikasikan pada PKL 2009-2010, dimana variabel Y merupakan  peubah acak yang menyatakan status kesehatan wanita usia subur dengan dua kategori, yaitu sehat dan tidak sehat. Sedangkan variabel X terdiri dari 12 variabel yaitu kebiasaan merokok, aktifitisas fisik, kebiasaan makan makanan berserat, kebiasaan menggosok gigi, kebiasaan cuci tangan, perilaku buang air besar,kebiasaan tidur di malam hari, sumber air minum, kondisi jamban, kondisi tempat tinggal, status pekerjaan, dan umur. Berikut daftar variabel dan kategorinya dapat dilihat pada Tabel 1.

Tabel 1. Daftar Variabel non Pendidikan dan Kategori

Variabel Nama Variabel Kategori
(1) (2) (3)
Y Status kesehatan wanita usia subur Sehat

Tidak Sehat

1

0

X1 Kebiasaan Merokok Setiap hari

Kadang-kadang

Mantan perokok

Bukan perokok

1

0

0

0

0

1

0

0

0

0

1

0

X2 Aktifitas olahraga Ada

Tidak ada

1

0

X3 Konsumsi buah dan sayur Baik

Kurang

1

0

X4 Kebiasaan menggosok gigi Sehat

Tidak sehat

1

0

X5 Kebiasaan mencuci tangan Sehat

Tidak sehat

1

0

X6 Perilaku buang air besar Jamban

Bukan jamban

1

0

X7 Kebiasaan tidur di malam hari Sehat

Tidak sehat

1

0

X8 Sumber air minum Bersih

Tidak bersih

1

0

X9 Kondisi jamban Baik

Tidak baik

1

0

X10 Kondisi tempat tinggal Rumah sehat

Rumah kurang sehat

Rumah tidak sehat

1

0

0

0

1

0

X11 Status pekerjaan Bekerja

Tidak bekerja

1

0

X12 Umur Kuantitatif

Terdapat satu model lagi, dimana Y adalah peubah acak yang menyatakan status kesehatan wanita usia subur. X adalah tingkat pendidikan wanita usia subur dan pengetahuan wanita usia subur tentang kesehatan.

Tabel 2 Daftar Variabel Pendidikan dan Kategori

Variabel Nama Variabel Kategori Parameter Coding
(1) (2) (3) (4) (5) (6) (7)
Y Status kesehatan wanita usia subur Sehat

Tidak Sehat

1

0

X1 Tingkat pendidikan tertinggi wanita usia subur Tidak pernah sekolah

Belum lulus SD

SD/Sederajat

SMP/Sederajat

SMA/Sederajat

DI/D3

DIV/S1

S2/S3

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

ESTIMASI:

PERSAMAAN NON-LINIER (LOG ATAU IN).

  1. MODEL PERSAMAAN SIMULTAN.

DERIVASI:

PERSAMAAN SIMULTAN.

Model Persamaan Simultan

ESTIMASI:

PERSAMAAN SIMULTAN.

“PENGARUH ZAKAT TERHADAP VARIABEL MAKRO EKONOMI INDONESIA

Latar Belakang Penelitian -          Lahirnya Undang-undang Pajak No.17/2000 yang memungkinkan pembayaran pajak bias terkurangi dengan pembayaran zakat. Dan juga kehadiran Undang-undang No. 38 tahun 1999 tentang pengelolaan zakat.

-          Dalam kondisi krisis ekonomi yang berkelanjutan, sangat sulit mengandalkan pengentasan kemiskinan, pertumbuhan ekonomi, peningkatan pproduksi, peningkatan lapangan kerja dan sebagainya melalui APBN sangatlah terbatas, sehingga pemerintah yang memiliki tanggung jawab untuk memberikan jaminan social kepada rakyatnya tidak mampu.

-          Menurut konsep Islam, pemerintah dapat melaksanakan suatu aturan yang mendorong orang-orang kaya untuk memberikan bantuan kepada kelompok dhuafa dan mustadh’afin, berupa zakat dan shadaqah.

-          Zakat juga berartiu pertumbuhan, karena dengan memberikan hak fakir miskin dan lain-lain yang terdapat dalam harta benda kita, maka terjadilah sirkulasi uang dalam masyarakat yang mengakibatkan bertambah berkembangnya fungsi uang itu dalam masyarakat.

Tujuan Penelitian -          Mengetahui pengaruh zakat terhadap variabel makro ekonomi Indonesia (Kemiskinan, pertumbuhan, investasi)

-          Kebijakan apa yang harus ditempuh untuk meningkatkan pendapatan masyarakat dhuafa (miskin)

Pengguna Hasil penelitian -          Pemerintah, sebagai bahan pertimbangan dan masukan dalam hal pengambilan keputusan

-          Lembaga pengelola zakat, sebagai bahan masukan tentang pengelolaan zakat

-          Masayarakt, sebagi bahan masukan dan laporan empiris tentang manfaat zakat

Pelaksanaan dan data-data penelitian Penelitian ini sebenranya merupakan Tesis pada Program Pascasarjana Universitas Gadjahmada Yogyakarta, tahun 2004. Penelitian ini menggunakan data sekunder berupa laporan zakat tahunan dari forum zakat, jumlah keluarga miskin, pendapatan masyarakat (PDRB), Indeks Harga Konsumen, perolehan Pajak daerah, tingkat investasi, pengelualan pemerintah dan upah minimum propinsi, dan tingakt tabungan masyarakat.
Model Dasar Model dasar dalam penelitian ini dikembangkan oleh Choudhury dan Malik (1992; 264) dengan model sebagai berikut:

Dimana:

Model Penelitian ini Model Persamaan Simultan
Implikasi Kebijakan Pendayagunaan Zakat

-          Zakat digunakan untuk produktif 50%

-          Zakat digunakan untuk produktif 25%

Hasil Penelitian
  1. Pengaruh zakat terhadap pengentasan kemiskinan
  1. Pengaruh zakat terhadap variable makro ekonomi
Berdasarkan hasil perhitungan di atas, terlihat bahwa:

a. Hasil estimasi persamaa I

b. Hasil Estimasi persamaan II
c. Hasil estimasi persamaa III

STATISTICS FOR BUSINESS

July 19, 2010 Leave a comment


WEEK 14

REGRESI SEDERHANA, REGRESI BERGANDA DAN ANALISIS KORELASI

Kompetensi:

  • Mendiskripsikan hubungan antara beberapa variable bebas dan variable bergantung dengan menggunakan metode regresi
  • Mengintepretasikan koefisien determinasi
  • Mengintepretasikan matriks korelasi dan menjelaskan bilamana terjadi multikolinearitas
  • Membaca dan mengintepretasikan tabel ANOVA (Uji-F)
  • Melakukan uji hipotesis apakah koefisien regresi berbeda dari nol (Uji-t)

CONTOH KASUS:

Manajer penjualan  sebuah perusahaan otomotif sedang mengadakan penyelidikan mengenai penjualan kendaraan. Dia bermaksud untuk menentukan faktor-faktor yang mempengaruhi jumlah kendaraan yang terjual pada sebuah dealer. Manajer ini menginvestigasi secara acak sebanyak 12 dealer. Dari dealer-dealer ini, ia mendapatkan jumlah kendaraan yang dijual bulan lalu, banyaknya iklan yang dipublikasikan pada bulan lalu, jumlah tenaga penjualan dan apakah dealer tersebut terletak di kota atau bukan.

DESKRIPTIF STATISTIK

Descriptive Statistics
Mean Std. Deviation N
Car 141.3333 23.20789 12
adv 20.3333 4.22833 12
sales 12.5000 2.84445 12
City .6667 .49237 12

MODEL REGRESI:

CAR = a + b1 ADV + b2 SALES + b3 CITY

Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations
B Std. Error Beta Zero-order Partial Part
1 (Constant) 31.133 13.396 2.324 .049
adv 2.152 .805 .392 2.673 .028 .808 .687 .252
sales 5.014 .911 .615 5.507 .001 .872 .890 .519
city 5.665 6.332 .120 .895 .397 .639 .302 .084
a. Dependent Variable: car

Intepretasi dari hasil ini adalah sebagai berikut

Y= 31.133 + 2.152 ADV + 5.014 SALES + 5.665 CITY

  • Variabel ADV: Faktor-faktor lain dianggap konstan (ceteris paribus), setiap kenaikan satu publikasi iklan akan menaikkan penjualan kendaraan sebanyak 2.152 unit
  • Variabel SALES: Faktor-faktor lain dianggap konstan (ceteris paribus), kenaikan tenaga penjualan sebanyak satu orang akan meningkatkan  penjualan kendaraan sebanyak 5.014 unit.
  • Variabel CITY: Faktor lain dianggap konstan (ceteris paribus), jumlah kendaraan yang dijual di kota jumlahnya 5.662 lebih banyak dari pada yang tidak di jual di kota. (DUMMY VARIABEL). Apa yang dimaksud dengan dummy variable?
  • 31.113 adalah angka intercept atau konstanta. Angka ini tidak selalu mempunyai arti. Walau demikian pada kasus ini angka ini bias diartikan, tanpa factor-faktor ADV, SALES dan CITY, kendaraan akan tetap terjual pada angka 31.113 unit.

MATRIKS KORELASI:

Correlations
car adv sales city
Pearson Correlation car 1.000 .808 .872 .639
adv .808 1.000 .537 .713
sales .872 .537 1.000 .389
city .639 .713 .389 1.000
Sig. (1-tailed) car . .001 .000 .013
adv .001 . .036 .005
sales .000 .036 . .105
city .013 .005 .105 .
N car 12 12 12 12
adv 12 12 12 12
sales 12 12 12 12
city 12 12 12 12
  • Perhatikan: variabel bebas manakah yang memiliki korelasi terkuat dengan variabel terikat?
  • Tampak jelas bahwa variabel sales memiliki korelasi yang sangat kuat dengan variabel car.
  • Apakah ada masalah dengan multikolinieritas?
  • Ya, multikolinearitas adalah terjadinya korelasi antara variabel bebasnya.
  • Rule of thumb untuk menentukan apakah terjadi korelasi diantara variabel bebasnya adalah jika nilainya lebih besar dari 0.70 atau lebih kecil dari -0.70
  • Apa akibatnya apabila terjadi multikoliniearitas?
  • Akan mempengaruhi besarnya standard error estimation sehingga akan mempengaruhi nilai t (dalam uji-t)
  • Bagaimana cara mengatasi permasalahan ini?
  • Cara yang umum adalah dengan tidak memasukkan/ menghapus variabel ini dari model regresi.

KOEFISIEN DETERMINASI BERGANDA

Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .964a .929 .902 7.24780
a. Predictors: (Constant), city, sales, adv
b. Dependent Variable: car
  • Bagaimana kita mengintepretasikan nilai koefisien determinasi (R Square)?
  • Artinya adalah variable-variabel bebas iklan (ADV), banyaknya tenaga penjualan(SALES) dan apakah delaer tersebut terletak di kota (CITY), menjelaskan 92.9 persen dari variasi pada banyaknya penjualan kendaraan.

MENGEVALUASI PERSAMAAN REGRESI

MEMBACA TABEL ANOVA (UJI-F)

ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 5504.422 3 1834.807 34.928 .000a
Residual 420.245 8 52.531
Total 5924.667 11
a. Predictors: (Constant), city, sales, adv
b. Dependent Variable: car
  • Dalam hal ini kemampuan variabel bebas X1, X2 dan X3 untuk menjelaskan perilaku variabel tergantung Y akan diuji. Dengan kata lain, apakah variabel Y dapat diestimasikan tanpa bergantung dari variabel-variabel bebasnya?
  • Untuk menguji hal ini kita mempunya dua hipotesis, hipotesis null dan hipotesis alternative. Untuk hipotesis pertama kita tuliskan sebagai berikut:

H0: β1 = β2 = β3 = 0

Artinya adalah semua koefisien regresi diatas adalah sama dengan nol.

Alternatif hipotesisnya adalah

H1: tidak semua β adalah 0

  • Langkah-langkah pengujian hipotesis dengan menggunakan lima langkah pengujian hipotesis (silahkan merefer ke slide PPT pertemuan sebelumnya)
  • Misalnya kita menetapkan tingkat signifikasinya adalah 5% (α = 5%)
  • Perhatikan kolom F pada tabel di atas. Nilai F sebesar 34.928 adalah nilai F hitung.
  • Dengan menggunakan tabel ANOVA maka kita cukup melihat pada besarnya angka di kolom signifikansi (Sig)
  • Apabila angka signifikasinya < 0.05 maka kita menolak hipotesis null (H0) dan menerima hipotesis alternatif (H1)
  • Karena null hipotesis ditolak, hal ini mengindikasikan bahwa tidak semua koefisien regresi bernilai nol
  • Hal ini berarti bahwa beberapa variable bebas (ADV, SALES dan/atau CITY) memiki kemampuan untuk menjelaskan variasi dari variabel tergantung (CAR)

MENGEVALUASI PERSAMAAN REGRESI SECARA INDIVIDU

  • Sejauh ini kita berhasil membuktikan bahwa beberapa dari koefisien tidak sama dengan nol
  • Langkah berikutnya adalah menguji secara individu masing-masing variabel bebas apakah nilai koefisien mereka adalah nol
  • Untuk itu dibuat hipotesis untuk masing-masing variabel bebas

Untuk ADV

H0: β1 = 0

H1: β1 ≠ 0

Untuk SALES

H0: β2 = 0

H1: β2 ≠ 0

Untuk CITY

H0: β3 = 0

H1: β3 ≠ 0

  • Kita akan menguji dengan tingkat signifikansi sebesar 0.05 (α = 5%)
  • Perhatikan kolom t pada tabel dibawah ini, nilai t adalah besarnya t hitung
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations
B Std. Error Beta Zero-order Partial Part
1 (Constant) 31.133 13.396 2.324 .049
adv 2.152 .805 .392 2.673 .028 .808 .687 .252
sales 5.014 .911 .615 5.507 .001 .872 .890 .519
city 5.665 6.332 .120 .895 .397 .639 .302 .084
a. Dependent Variable: car
  • Bagaimana menentukan apakah H0 diterima atau tidak?
  • Perhatikan kolom signifikansinya. Apabila nilai signifikansinya < 0.05 maka H0 ditolak, yang berarti menerima hipotesis alternatif H1
  • Besarnya koefisien regresi pada varaibel ADV adalah tidak sama dengan nol. Jadi variabel ini harus diikutkan dalam model regresi
  • Hal yang sama juga terjadi pada variabel SALES, sehingga variabel SALES ini harus diikutkan dalam variabel regresi
  • Bagaimana dengan variabel CITY? Karena ternyata kita tidak bisa menolak H0, maka variabel CITY harus dikeluarkan dari model
  • Maka persamaan besarnya koefisien regresi pada model yang baru adalah:
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations
B Std. Error Beta Zero-order Partial Part
1 (Constant) 25.295 11.569 2.186 .057
adv 2.619 .606 .477 4.324 .002 .808 .822 .403
sales 5.023 .900 .616 5.579 .000 .872 .881 .520
a. Dependent Variable: car
  • Y = 25.259 + 2.619 ADV + 5.023 SALES

ANALISIS DAMPAK DEPRESIASI NILAI RUPIAH TERHADAP NILAI TUKAR DAGANG (TERM OF TRADE) DAN PERTUMBUHAN EKONOMI INDONESIA

July 19, 2010 3 comments

(Pendekatan Analisis Jalur/ Path Analysis)

Oleh:  Muhammad Husaini

1.  Latar Belakang

Dalam menganalisis permaslahan khususnya dalam bidang ekonomi banyak dijumpai model-model kuantitatif seperti  model simultan, regresi berganda, dan model non parametrik lainnya.  Salah satu model kuantitatif yang masih jarang dipakai dalam penelitian kasus-kasus ekonomi adalah model Analisis Jalur (Path Analysis).  Dalam analisis jalur akan diungkapkan apakah suatu variabel akan berpengaruh secara langsung dengan variabel lain, atau pengaruh tersebut harus memlalui variabel antara. Tulisan ini akan mencoba mengaplikasikan alat  analisis jalur pada kasus penurunan nilai mata uang rupiah dan dampaknya terhadap term of trade dan pertumbuhan ekonomi Indonesia.  Periode waktu yang dipilih antara tahun 19980 hingga tahun 1995.  Dipilihnya periode waktu ini mengingat antara tahun 1980 hingga tahun 1995 penurunan nilai rupiah murni akibat dari permintaan dan penawaran di pasar.  Sedangkan periode setelah itu penurunan nilai rupiah lebih diakibatkan oleh gejolak politik dan kondisi ekonomi dunia yang tidak stabil.

Jika diamati perkonomian Indonesia sejak   masa Orde Baru, sudah bersifat  terbuka. Keterbukaan ini dapat dilihat dari  beberapa   aspek.  Dari  sisi  pengeluaran  Produk  Domestik   Bruto  (PDB),  terdapat besaran angka yang cukup menonjol dari  nilai ekspor  maupun  impor. Selain itu,   setiap   saat   terdapat   transaksi   penerimaan   dan  pengeluaran  antara Indonesia dengan negara lain, baik  berupa uang, modal,  komoditas, maupun teknologi. Dilihat dari sistem pengaturan  devisa, sejak tahun 1968 Indonesia telah  menganut sistem  devisa  bebas,  dalam arti tidak  ada  larangan  untuk membawa,  menyimpan, atau menggunakan devisa dalam jumlah  berapapun.  Hal ini menunjukkan kemudahan aliran uang dan  modal asing  untuk masuk maupun keluar dari Indonesia. Dilihat  dari  sistem   penyusunan  Anggaran  Pendapatan dan  Belanja  Negara (APBN),   Indonesia masih  mengandalkan  bantuan dan  pinjaman dari luar negeri sebagai upaya menambah  penerimaan  negara untuk membiayai pembangunan.

Implikasi dari adanya  keterbukaan  tersebut, maka perkembangan perekonomian Indonesia sangat dipengaruhi oleh perkembangan perekonomian internasional. Hal ini tercermin dari pola perdagangan Indonesia yang mengalami  fluktuasi  sebagai akibat  perkembangan  nilai ekspor dan  impor  yang  mengalami fluktuasi.

Ditinjau  dari komposisi nilai ekspor Indonesia  terlihat bahwa pada  awal pembangunan di Idonesia  dominasi minyak bumi dan gas alam  masih cukup  besar. Namun perkembangan  selanjutnya nampak peranan ekspor migas semakin menurun,  bahkan sejak tahun 1987 terlihat terjadi pergeseran komposisi ekspor dari migas ke non migas. Keadaan ini sejalan dengan kebijakan pemerintah untuk mendorong ekspor non migas guna  menggantikan posisi migas sebagai penyumbang utama devisa negara. Walaupun posisi ekspor non migas  telah  berhasil  menggeser posisi ekspor migas, namun  bila  ditinjau dari keadaan transaksi berjalan dalam neraca pembayaran yang  terus menerus mengalami defisit akibat pengeluaran  jasa yang semakin besar, menunjukkan bahwa  penerimaan ekspor terutama non migas belum mampu untuk menutupi kebutuhan impor dan pembayaran  jasa-jasa  seperti pada masa kejayaan harga minyak bumi.

Kondisi transaksi berjalan dalam neraca pembayaran yang  mengalami  defisit  terus menerus,  dan  menyadari  harga minyak bumi  yang  kian  tidak menentu,  maka upaya untuk meningkatkan penerimaan ekspor  non migas  mutlak diperlukan. Salah satu upaya  untuk  mendorong peningkatan ekspor adalah dengan mempengaruhi nilai tukar mata uang (Branson, W, 1978).

Atas  dasar inilah pemerintah Indonesia sejak  tahun 1986 (devaluasi terakhir) mengambil kebijakan untuk  mengambangkan nilai mata uang rupiah. Jika pada periode sebelumnya kurs rupiah masih menggunakan mata uang dolar Amerika  Serikat sebagai  standar utama, maka sejak tahun 1986 nilai mata  uang rupiah  sudah dikaitkan dengan beberapa mata uang  dunia  yang kuat  (basket  currencies). Tujuan utama kebijakan ini  adalah agar nilai tukar rupiah menjadi lebih realistis, karena  tingkat kurs yang berlaku ditetapkan atas permintaan dan penawaran pasar.  Dalam  sistem ini nilai mata uang  akan  mengalami  kenaikan  (apresiasi) dan penurunan (depresiasi), sehingga  daya saing ekspor akan dapat dipertahankan.

Namun  dalam kenyataannya sejak diberlakukannya kebijakan tersebut nilai rupiah cenderung mengalami penurunan terus menerus (depresiasi).  Keadaan ini walaupun mungkin memberikan dampak yang baik terhadap peningkatan ekspor, namun demikian belum tentu  menimbulkan dampak yang baik  terhadap kegiatan   ekonomi lainnya, seperti nilai tukar dagang  (terms of trade), neraca pembayaran, dan bahkan pada laju pertumbuhan ekonomi  dalam negeri. .

Mengacu pada kondisi di atas, maka tulisan ini akan  membahas dampak penurunan nilai mata uang rupiah  (depresiasi)  tersebut terhadap nilai tukar dagang (terms of  trade) dan pertumbuhan ekonomi Indonesia.

  1. 2. Perumusan Masalah

Berdasarkan   uraian pada latar belakang di  atas,  maka yang menjadi pokok permasalahan dalam tulisan ini adalah:

1.2.1      Apakah depresiasi nilai rupiah berpengaruh terhadap  nilai tukar dagang (Terms  of Trade) Indonesia.

1.2.2      Bagaimana pengaruh depresiasi nilai  rupiah   terhadap  tingkat pertumbuhan ekonomi Indonesia

3.   Tujuan Penelitian

Penelitian ini bertujuan untuk:

3.1         Menganalisis pengaruh  penurunan (depresiasi) nilai rupiah  terhadap  perkembangan  nilai  tukar  dagang  (terms  of trade).

3.2                  Menganalisis  pengaruh penurunan  (depresiasi)  nilai  rupiah terhadap laju  pertumbuhan ekonomi Indonesia

4.   Kegunaan Penelitian

Penelitian  ini  diharapkan dapat memberi gambaran tentang mekanisme engaruh dpresiasi nilai rupiah terhadap nilai tukar dagang (terms of trade) dan laju  pertumbuhan  ekonomi. Dengan demikian  diharapkan  dapat memberikan  sumbangan pemikiran dalam mengambil kebijakan lebih lanjut khususnya yang  berkaitan dengan penentuan sistem kurs yang berlaku, sehingga dapat mendorong laju pembangunan. Bagi kalangan akademis terutama bagi mahasiswa, diharapkan tulisan ini dapat menjadi bahan kajian ilmiah sehingga dapat menambah pengetahuan dan refrensi dalam penulisan karya ilmiah lebih lanjut.

5,   Landasan Teori

Nilai  tukar  mata  uang (exchange  rate) suatu  negara adalah jumlah satuan mata uang domestik yang dapat dipertukarkan dengan satu unit  mata uang  negara lain (Levi.M, 1983:13). Ini berarti  bahwa  nilai tukar  mata uang suatu negara menunujukkan daya beli internasional  negara yang bersangkutan, sehingga perubahan di  dalam nilai  tukar mata uang menunjukkan perubahan daya beli  negara tersebut  (Scott,  1978:  218). Secara  umum  terdapat  tiga  pilihan  sistem  nilai  tukar yang  dapat  dianut  oleh  suatu negara (Lindert, P.Kindleberger, 1986: 542) yaitu: (1) sistem nilai tukar mengambang murni, (2) sistem nilai tukar mengambang  terkendali, dan (3) sistem nilai tukar tetap.

Sistem mengambang murni dan mengambang terkendali, sejak tahun 1971 lebih banyak dipakai terutama oleh  negara-negara  berkembang.  Alasan  utamanya adalah pertimbangan dampak hubungan luar negeri, dimana  gejolak perdagangan luar negeri sangat berpengaruh pada  perekonomian secara keseluruhan. Misalnya pada kasus terjadi peralihan permintaan di dalam negeri terhadap produk-produk luar  negeri  akibat naiknya pendapatan masyarakat. Dalam sistem  kurs tetap keadaan ini akan menyebabkan depresi di dalam negeri sebagai akibat turunnya kegiatan ekspor sehingga akan  memperburuk neraca perdagangan dan akan mempengaruhi cadangan  devisa, mengurangi  jumlah  uang beredar dan pada akhirnya akan memperberat depresi itu sendiri.

Di  lain pihak dalam sistem kurs mengambang, dengan menurunnya  penerimaan ekspor akan menyebabkan mata uang negara tersebut  mengalami penurunan nilai tukarnya relatif  terhadap mata uang negara-negara lain.  Penurunan ini akan  menyebabkan harga barang-barang negara yang bersangkutan menjadi lebih murah  dinilai dengan  mata uang negara asing.  Dengan  demikian permintaan luar negeri terhadap produk-produk negara yang bersangkutan akan meningkat. Ini berarti akan memperbaiki   depresi yang terjadi.

Dalam  sistem kurs mengambang, kurs mata uang  yang  berlaku akan ditentukan oleh permintaan dan penawaran pasar.  Perubahan pada variabel-variabel  permintaan dan penawaran akan merubah tingkat kurs  yang  berlaku. Terdapat  beberapa  faktor  yang mempengaruhi  fluktuasi  kurs mata uang yang berlaku pada suatu negara (Kindleberger,  1986: 359), yaitu:  (1) jumlah uang beredar, (2)  pendapatan  nyata (riel  income),  (3)  perbedaan tingkat suku  bunga,  dan  (4) harapan nilai tukar.

Pengaruh jumlah uang beredar terhadap nilai tukar  dapat dijelaskan melalui Gambar  berikut:

r ($/£

Mf/M

1,32                                            A

B

1,20

Stok uang (j/…)

0                                 0,045      0,050

Gambar 1        Pengaruh Perubahan Jumlah  Uang Beredar Terhadap           Nilai Tukar

Sumber: Kindleberger,  1986:370

Dalam gambar tersebut  dianggap bahwa  kurva penawaran merupakan rasio jumlah uang beredar  di Inggeris  dengan negara lainnya (Mƒ/M), misalkan  dengan  mata  uang US $.  Titik A adalah permintaan relatif untuk  menguasai saldo pounsterling dibanding dengan keinginan menguasi  dolar (Lƒ/L) yang sama dengan penawaran pounsterling secara  relatif terhadap dolar (Mƒ/M) dengan nilai ekuilibrium poundsterling sebesar  $1,20.  Misalkan  penawaran poundsterling dikurangi sebesar 10 persen, maka  nilai poundsterling akan  meningkat.  Pengurangan jumlah uang beredar sebesar 10 persen ini akan menaikkan nilai mata uang pounsterling sebesar 10 persen atau US $1,32. Pergeseran  dari titik A ke titik B pada kurva tersebut menunjukkan bahwa jumlah uang dolar yang beredar juga meningkat  sebesar 10 persen.  Apabila kenaikan jumlah uang dolar yang beredar tersebut dibiarkan begitu saja, maka harga-harga yang terkait dengan dolar akan meningkat, sehingga  permintaan internasional terhadap produk-produk yang dinilai dalam  dolar akan bergeser. Ini berarti akan menurunkan permintaan terhadap mata uang dolar.

Pengaruh  pendapatan  nyata terhadap nilai  tukar  dapat dijelaskan dengan menggunakan gambar berikut:

r ($/£)

Mf/M

1,32                                      C

A

1,20

0                                  0,050    0,055

Jumlah uang beredar (£/$)

Gambar 1.2   Pengaruh Pendapatan riel Terhadap Nilai Tukar

Sumber: Kindleberger, 1986:371

Dari gambar tersebut misalkan pendapatan nyata di Inggeris bergeser dengan  tingkat pertumbuhan sebesar 10 persen. Titik A menunjukkan peningkatan permintaan terhadap poundsterling dari 0,050 menjadi 0,055 dari  persediaan dolar pada titik B. Akan tetapi permintaan tersebut tidak dapat dipenuhi  karena persediaan masih berada pada  0,050.  Keadaan ini  akan meningkatkan nilai poundsterling dari $1.20  menjadi $1,33 pada titik B. Walaupun demikian terdapat kesimpulan yang kontradiktif  tentang pengaruh pergeseran  tingkat  pendapatan nyata  terhadap nilai tukar.  Di satu pihak jika kenaikan  pendapatan  tersebut sebagai akibat bertambahnya kemampuan  untuk  melakukan  penawaran  ke luar negeri baik barang  maupun  jasa (ekspor), maka nilai tukar mata uang (r) negara yang  bersangkutan akan meningkat.

Di  lain pihak jika tambahan pendapatan tersebut sebagai  akibat  meningkatnya permintaan dalam negeri  (demand  domestic), maka nilai tukar mata uang (r) negara yang bersangkutan justeru akan merosot.  Oleh karena masih terdapat kontroversi tentang  pengaruh pendapatan riel terhadap kurs mata uang suatu negara, maka beberapa peneliti mengabaikan faktor tersebut. Beberapa peneliti di  Indonesia, misalnya Rustian Kamaludin (1985)  dalam  menganalisis  fluktuasi  nilai  rupiah  dalam  hubungannya  dengan perubahan  mata uang asing; memasukkan variabel  laju  pertumbuhan  ekonomi sebagai variabel yang ikut  mempengaruhi  fluktuasi  nilai  rupiah. Sejalan pula dengan  pandangan  di  atas Anwar  Nasution (1985), dalam menganalisis  dampak  perubahan kurs  beberapa  mata uang asing terhadap  nilai  rupiah;  juga mengabaikan tingkat pendapatan riel dan menggantikan variabel tersebut dengan laju pertumbuhan ekonomi.

Perbedaan tingkat suku bunga di  dalam negeri dan di luar negeri  juga  akan  mempengaruhi nilai tukar  mata  uang  yang berlaku  pada  suatu  negara. Jika tingkat  suku  bunga  dalam negeri  relatif lebih tinggi dari tingkat suku bunga  di  luar negeri,  maka para pemilik modal akan melihat adanya  tambahan pendapatan dengan membeli dolar di pasar valas dan dijual pada beberapa waktu kemudian dengan tingkat suku bunga yang berlaku pada saat menjual. Jelasnya jika suku bunga di Amerika Serikat lebih  tinggi  dari  negara lain,  para  pemilik  modal  lebih tertarik  untuk  menguasai  dolar,  dan  pada  akhirnya   akan meningkatkan nilai  dolar.

Faktor  lain  yang mempengaruhi nilai tukar  suatu  mata uang adalah ekspektasi nilai  tukar. Ekspektasi  nilai  tukar ini biasanya dianalogikan oleh para spekulator dengan  melihat perkembangan   jumlah  uang beredar dan  kebijakan  pemerintah terutama  di bidang moneter. Ekspektasi nilai tukar ini  sulit untuk diukur, sehingga dalam pembahasan secara kuantitatif sering diabaikan.  Uraian di atas dapat digambarkan dalam skema sebagai berikut:

Jumlah uang beredar
Pendapatan nyata
Kurs yang berlaku
Perbedaan sk.bunga
Ekspektasi Kurs

Gambar 1.     Skema Faktor-faktor  Yang Mempengaruhi Nilai Tukar Suatu Mata Uang.

Dalam tulisan ini hanya akan  membahas dampak  penurunan nilai tukar mata uang (depresiasi)  terhadap nilai  tukar dagang (terms of trade) dan  pertumbuhan  ekonomi sesuai dengan tujuan penelitian.  Dampak depresiasi nilai mata uang  terhadap terms of trade dan  pertumbuhan ekonomi  suatu negara  dapat dianalisis sebagai dampak  penurunan nilai  mata uang akibat kebijakan devaluasi. Hal ini mengingat dalam  sistem  kurs mengambang, baik devaluasi maupun  depresiasi  dalam jangka  panjang mempunyai dampak yang sama, bahkan  depresiasi dalam jangka panjang sering disebut sebagai devaluasi terselubung.

Dampak  depresiasi maupun devaluasi  terhadap  terms  of trade (Px/Pm) dapat ditelusuri dengan melihat apakah kemampuan mengimpor negara yang mengalami depresiasi tersebut meningkat sebagai akibat perolehan ekspor atau justeru kemampuan  tersebut semakin menurun. Jika kemampuan mengimpor ini semakin  menurun,  maka terms of trade semakin memburuk. Hal ini  berarti kenaikan harga impor akibat depresiasi lebih tinggi dari harga ekspor yang terjadi. Semakin membaik atau semakin  memburuknya terms of trade akibat depresiasi sangat tergantung pada elastisitas  permintaan dan penawaran terhadap impor dan  terhadap ekspor. Elastisitas ini dapat ditentukan dengan melihat dampak depresiasi  tersebut  terhadap harga ekspor dan  harga  impor. Secara matematis dapat diukur dengan rumus:

dPx/Px – dPm/Pm Sm dm Sx Sm – dx dm
E(Px/Pm)r =                               =              -               =
dr/r                       dx - Sx Sm  – dm (dx – Sx)(Sm – dm)

Dari  rumus  di atas nampak bahwa  penyebutnya  memiliki tanda  negatif, sehingga untuk memdapatkan hasil yang  positif pembilangnya  harus  bertanda negatif juga.  Dengan  demikian semakin elastis permintaan secara relatif terhadap  penawaran, semakin  baik  efek  depresiasi  terhadap  rasio  perdagangan. Secara umum dapat disimpulkan bahwa:

(a)     Nilai tukar perdagangan (Px/Pm) akan semakin baik   akibat depresiasi apabila dxdm > SxSm.

(b)          Rasio perdagangan (Px/Pm) akan lebih buruk akibat depresiasi apabila dxdm < SxSm.

(c)     Rasio perdagangan (Px/Pm) tidak terpengaruh oleh depresiasi jika dxdm = SxSm

Dampak depresiasi nilai tukar mata uang terhadap pertumbuhan ekonomi dapat dilihat melalui pengaruhnya terhadap pendapatan nasional. Secara sepintas nampaknya depresiasi  akan mendorong kenaikan volume ekspor dan menekan volume impor negara  yang mengalami depresiasi sehingga akan  meningkatkan pendapatan.

Namun  dalam kenyataan dampak depresiasi tersebut  tidaklah sejelas seperti yang dikemukan di atas, karena tiga alasan pokok (Kindleberger, 1986:475) yaitu: Pertama, depresiasi akan mempengaruhi neraca perdagangan melalui perubahan pada  terms of  trade, dan pengaruh ini tidak selamanya bersifat  positif. Pengaruh depresiasi terhadap neraca perdagangan sangat   tergantung  pada   elastisitas  permintaan  terhadap  ekspor  dan permintaan  terhadap impor. Semakin elastis  permintaan  impor  dan  permintaan ekspor, maka pengaruh neraca perdagangan  akan semakin  stabil (positif).  Kedua, depresiasi  mungkin  akan memperburuk  nilai  tukar perdagangan  (Px/Pm)  internasional. Memburuknya nilai  tukar dagangan ini  akan menyebabkan pengurangan cadangan devisa dan pada akhirnya akan  menurunkan pendapatan nasional.

Secara  skema pengaruh depresiasi  terhadap  pertumbuhan ekonomi suatu negara dapat digambarkan sebagai berikut:

Jumlah uang beredar  (X1.1) Sk.bunga relatif (X1.2 )
Kurs uang rupiah

( X1)

Harga ekspor

(X2.1)

Harga impor     (X2.2)
Terms of trade

(X2)

Ekspor

(X3.1)

Impor

(X3.2)

Neraca perdagangan    (X3)
Laju pertumbuhan ekonomi (Y)

Gambar 1.4  Skema Pengaruh  Nilai  Tukar Terhadap Pertumbuhan                     Ekonomi Suatu Negara

6.     Metode Penelitian

6.1  Data

Data  yang  digunakandalam penelitian ini   adalah  data  sekunder  yang  disusun  berdasarkan   urut waktu (time series) dari tahun 1980  sampai dengan  tahun  1995. Data yang digunakan meliputi data tentang:

(a)          Produk Domestik Bruto  (PDB)  berdasarkan harga harga konstan 1983, periode 1980 hingga 1995.

(b)          Nilai  ekspor dan impor  Indonesia  tahun 1980 hingga tahun 1995.

(c)          Perkembangan  volume dan nilai ekspor  impor  Indonesia tahun 1980 hingga tahun 1995.

(d)          Nilai transaksi  berjalan  dalam   Neraca Pembayaran Indonesia tahun 1980 sampai tahun 1995.

(e)          Tingkat suku bunga deposito, kurs  rupiah terhadap mata uang beberapa  negara patner dagang Indonesia tahun 1980 sampai dengan tahun 1995.

6.2  Model Analisis

Dalam  penelitian ini yang dimaksud dengan variabel bebas adalah depresiasi nilai mata uang rupiah (X1), nilai tukar dagang (terms  of trade) (X2) dan neraca perdagangan (X3). Sedangkan pertumbuhan ekonomi  (Y) adalah variabel terikat. Masing-masing  variabel bebas  tersebut saling berhubungan satu dengan yang lainnya. Ini berarti bahwa depresiasi nilai rupiah tidak secara  langsung mempengaruhi pertumbuhan ekonomi, melainkan harus  melalui  variabel  antara.  Bentuk umum  persamaan  simultan  yang digunakan  dalam menganalisis dampak depresiasi nilai rupiah terhadap nilai tukar dagang dan pertumbuhan ekonomi adalah:

Y  = ƒ(X1, X2,X3) X2 = ƒ(X1, X2.1, X2.2)
X1 = ƒ(X1.1, X1.2) X3 = ƒ(X2 )

dimana:

Y    = Pertumbuhan ekonomi

X1 = Kurs rupiah

X2 = Nilai tukar dagang (terms of trade)

X3 = Transaksi berjalan dalam neraca pembayaran

X1.1 = Jumlah uang beredar

X1.2 = Tingkat suku bunga

X2.1 = Harga ekspor

X2.2 = Harga impor

Oleh karena itu alat analisis yang akan digunakan adalah analisis  jalur  (path analysis). Bentuk  umum  diagram  jalur pengaruh  variabel-variabel  bebas terhadap  variabel  terikat tersebut adalah sebagai berikut:

ÎX1 ÎY
X1.1     PX1x1.1
Rx1.1×1.2 X1 PYX1 Y
PX1x1.2 rX1x2.1 PX2X1            PYX2 PYX3
X1.2 rX1x2.2 X2.1 X2 PX3X2 X3
rx2.1×2.2 PX2x2.2
X2.2
ÎX2 ÎX3

Gambar 1.5        Diagram keterkaitan Depresiasi Nilai Rupiah terhadap Nilai Tukar   Dagang dan Pertumbuhan Ekonomi

Gambar  1.5 di atas merupakan satu struktur yang  terdiri dari 3 sub struktur dengan masing-masing variabel penyebab dan variabel akibatnya.  Sub struktur tersebut adalah:

6.2.1 Hubungan  struktural antara variabel jumlah uang  ber-edar  (X1.1) dan variabel suku bunga  (X1.2)  terhadap variabel fluktuasi kurs mata uang rupiah (X1)

Sub struktur ini merupakan sub struktur yang lengkap yang terdiri  dari dua buah variabel penyebab (X1.1 dan  X1.2)  dan sebuah  variabel  akibat  (X1). Persamaan  struktural  dari  hubungan di  atas  dapat  ditulis sebagai berikut

X1 = PaX1.1 + PbX1.2 + e

Sedangkan bentuk diagram jalurnya adalah:

X1.1 PX1x1.1
rx1.1×1.2 X1
X1.2 PX1x1.2
eX1

Gambar 1.6  Hubungan Struktural Variabel X1.1, X1.2, dan X1

6.2.2 Hubungan  struktural  antara variabel kurs  (X1),  va-riabel  harga ekspor (X2.1) dan variabel  harga  impor (X2.1) terhadap variabel nilai tukar dagang (terms  of trade) (X2)

Sub  struktur  ini merupakan struktur yang  lengkap  yang terdiri dari tiga buah variabel penyebab (X1, X2.1, X2.2)  dan sebuah variabel akibat (X2).  Bentuk persamaan struktural dari hubungan ini adalah:

X2 = PaX1 + PbX2.1 + PcX2.2 + e

Sehingga bentuk diagram jalurnya adalah

X1 PX2X1
rX1x2.2 rX1x2.1 PX2x2.1
X2.1 X2
rx2.1×2.2 PX2x2.2
X2.2
ex2

Gambar 1.7  Hubungan Struktural Variabel X1, X2.1, X2.2,dan X2

6.2.3 Hubungan  struktural  antara variabel kurs  (X1),  variabel  terms of trade (X2), dan variabel neraca  perdagangan (X3) terhadap pertumbuhan ekonomi (Y).

Sub  struktur  ini  juga merupakan  suatu  struktur  yang lengkap yang terdiri dari tiga buah variabel penyebab (X1, X2, X3) dan sebuah variabel akibat yaitu Y.  Bentuk umum persamaan struktural dari hubungan tersebut adalah:     Y = PaX1 + PbX2 + PcX3 + e

Berdasarkan persamaan tersebut, maka digram jalurnya adalah:

eY
X1 PYX1
X2 PYX2 Y
X3 PYX3

Gambar 1.8  Hubungan Struktural Variabel X1, X2, X3, dan Y

Untuk menghitung besarnya  koefisien regresi dari masing-masing  hubungan  struktural  di  atas  akan  digunakan  rumus sebagai berikut:

n n
bYxi = Ci1 S  X1hYh + …. + Cik S XkhYh
h=1 h=1

yang mempunyai hubungan  kausal.   Dengan demikian  koefisien  jalur  variabel-variabel  yang mempunyai hubungan kausal dari  bentuk  diagram sebelumnya dapat ditentukan dengan  rumus sebagai  berikut:

n
S Xih2
h=1
PYXi = bYXi ¾¾ i = 1, 2, …., k
n
S Yh2
h=1

Sedangkan  pengaruh variabel yang lainnya di luar model  dapat dihitung dengan menggunakan rumus:

PYe = Ö 1- R2Yxi

Dalam hal ini: n
R2YXi = å PYXi rYxi
i=1

Untuk mengukur besarnya koefisien jalur yang bersifat hubungan korelatif digunakan rumus:

N N n
N S XihXjh S Xih S Xjh
H=1
rXiXj = ; i=j =1..,k
N n n N
[nSXih2 (SXih)2] [nSXjh2 (SXjh)2]
h=1 h=1 h=1 h=1

Dari  diagram  jalur sebelumnya,  maka  variabel-vriabel  yang memiliki  hubungan  korelatif adalah : X1.1 dengan  X1.2,  X1 dengan X2.1, dan X2.2 ,X2 dengan X3.1 dan X3.2.

Untuk  menguji  keberartian  koefisien  jalur   tersebut secara ke-seluruhan dilakukan uji Fisher (Uji F) dengan  rumus sebagai berikut:

k
(n-k-1)S PYXi rYxi
i=1
F   =
k
k (1- å PYXirYXi)
i=1

Selanjutnya untuk menghitung keberartian masing-masing  koefisien jalur tersebut digunakan student test (uji t) dengan  rumusan sebagai berikut:

PYXi

ti =

(1- R2YXI-Xk) Cii

—————–

n – k – 1

Selanjutnya  setelah dihitung koefisien jalur  tersebut, maka  bagi koefisien jalur yang tidak bermakna (non   signifikan) akan dihapuskan dan akan dibuat jalur yang baru.   Dari hasil  penyesuaian  tersebut akan dihitung  kembali  koefisien jalurnya dengan menggunakan rumus:

RXiXii = R-1PXi

Dari  hasil  perhitungan  dengan  cara  di  atas,   maka diharapkan  permasalahan seperti yang dikemukakan  sebelumnya akan  dapat terjawab, terutama mengenai arah laju  pertumbuhan ekonomi dengan memperhitungkan pengaruh nilai tukar dagang.

PENGOLAHAN DAN ANALISIS DATA

July 19, 2010 Leave a comment

Sebagai instansi yang mengemban tugas pokok dan fubgsi pengelola data statistik dan sistem informasi pertanian, pelayanan dalam pengolahan dan analisis data menjadi salah satu fokus kegiatan utama yang terus dikembangkan. Beberapa layanan pengolahan dan analisis data meliputi.

  1. 1. Time Series Analysis (Analisis Deret Waktu)

Analisis data deret waktu pada dasarnya digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun, bisa dilakukan analisis menggunakan metode analisis data deret waktu. Analisis data deret waktu tidak hanya bisa dilakukan untuk satu variabel (Univariate) tetapi juga bisa untuk banyak variabel (Multivariate). Selain itu pada analisis data deret waktu bisa dilakukan peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan.

Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam beberapa katagori :

  1. a. Metode Pemulusan (Smoothing)

Metode pemulusan dapat dilakukan dengan dua pendekatan yakni Metode Perataan (Average) dan Metode Pemulusan Eksponensial (Exponential Smoothing). Pada metode rataan bergerak dapat digunakan untuk memuluskan data deret waktu dengan berbagai metode perataan, diantaranya : (1) rata-rata bergerak sederhana (simple moving average), (2) rata-rata bergerak ganda dan (3) rata-rata bergerak dengan ordo lebih tinggi. Untuk semua kasus dari metode tersebut, tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan sistem peramalan pada periode mendatang.

Pada metode pemulusuan eksponensial, pada dasarnya data masa lalu dimuluskan dengan cara melakukan pembotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua. Atau nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding nilai pengamatan yang lebih lama. Beberapa jenis analisis data deret waktu yang masuk pada katagori pemulusan eksponensial, diantaranya : (1) pemulusan eksponensial tunggal, (2) pemulusan eksponensia tunggal: pendekatan adaptif, (3) pemulusan eksponensial ganda : metode Brown, (4) metode pemulusan eksponensial ganda : metode Holt, (5) pemulusan eksponensial tripel : metode Winter. Pada metode pemulusan eksponensial ini, sudah mempertimbangkan pengaruh acak, trend dan musiman pada data masa lalu yang akan dimuluskan. Seperti halnya pada metode rataan bergerak, metode pemulusan eksponensial juga dapat digunakan untuk meramal data beberapa periode ke depan.

  1. b. Model ARIMA (Autoregressive Integrated Moving Average)

Seperti halnya pada metode analisis sebelumnya, model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data. Pada model ARIMA diperlukan penetapan karakteristik data deret berkala seperti : stasioner, musiman dan sebagainya, yang memerlukan suatu pendekatan sistematis, dan akhirnya akan menolong untuk mendapatkan gambaran yang jelas mengenai model-model dasar yang akan ditangani. Hal utama yang mencirikan dari model ARIMA dalam rangkan analisis data deret waktu dibandingkan metode pemulusan adalah perlunya pemeriksaan keacakan data dengan melihat koefisien autokorelasinya. Model ARIMA juga bisa digunakan untuk mengatasi masalah sifat keacakan, trend, musiman bahkan sifat siklis data data deret waktu yang dianalisis.

  1. c. Analisis Deret Berkala Multivariate

Model ARIMA digunakan untuk analisis data deret waktu pada katagori data berkala ’tunggal’, atau sering dikatagorikan model-model univariate.  Untuk data-data dengan katagori deret berkala berganda (multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, oleh karena itu diperlukan model-model multivariate. Model-model yang masuk kelompok multivariate analisisnya lebih rumit dibandingkan dengan model-model univariate. Pada model multivariate sendiri bisa dalam bentuk analisis data bivariat (yaitu, hanya data dua deret berkala) dan dalam bentuk data multivariate (yaitu, data terdiri lebih dari dua deret berkala). Model-model multivariate diantaranya: (1) model fungsi transfer, (3) model analisis intervensi (intevention analysis), (4) Fourier Analysis, (5) analisis Spectral dan (6) Vector Time Series Models.

  1. 2. Analisis Regresi

Dalam kehidupan sehari-hari, seringkali dijumpai hubungan antara suatu variabel dengan satu atau lebih variabel lain. Di dalam bidang pertanian sebagai contoh, dosis dan jenis pupuk yang diberikan berhubungan dengan hasil pertanian yang diperoleh, jumlah pakan yang diberikan pada ternak berhubungan dengan berat badannya, dan sebagainya. Secara umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk hubungan dan keeratan hubungan. Bila ingin mengetahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi. Bila ingin melihat keeratan hubungan, digunakan analisis korelasi.

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Penerapannya dapat dijumpai secara luas di banyak bidang seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. Pada saat ini, analisis regresi berguna dalam menelaah hubungan dua variabel atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, sehingga dalam penerapannya lebih bersifat eksploratif.

Analisis regresi dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja.

  1. a. Regresi Linier Sederhana

Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel yang mencerminkan respon dari variabel bebas.

  1. b. Regresi Berganda

Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.

  1. c. Regresi Kurvilinier

Regresi kurvilinier seringkali digunakan untuk menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai-nilai X tertentu. Kondisi fungsi tidak linier ini (kurvilinier) seringkali dijumpai dalam banyak bidang. Misal pada bidang pertanian, bisa diamati hubungan antara produksi padi dengan taraf pemupukan Phospat. Secara umum produksi padi akan meningkat cepat bila pemberian Phospat ditingkatkan dari taraf rendah ke taraf sedang. Tetapi ketika pemberian dosis Phospat diteruskan hingga taraf tinggi, maka tambahan dosis Phospat tidak lagi diimbangi kenaikan hasil, sebaliknya terjadi penurunan hasil. Untuk kasus-kasus hubungan tidak linier, prosedur regresi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan dari variabel-variabel yang terlibat. Dalam hal ini, prosedur analisis regresi kurvilinier merupakan prosedur yang sesuai untuk digunakan.

  1. d. Regresi Dengan Variabel Dummy (Boneka)

Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.

  1. e. Regresi Logistik (Logistic Regression)

Bila regresi dengan variabel bebas (X) berupa variabel dummy,  maka dikatagorikan sebagai regresi dummy. Regresi logistik digunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klasifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga terdiri lebih dari satu variabel.

  1. 3. Analisis Path (Path Analysis) dan Analisis SEM

Analisis Path pada dasarnya ingin melihat hubungan kausalitas antara kejadian satu dan kejadian lain. Hubungan kausalitas yang ingin dilihat besa berupa hubungan langsung maupun tidak langsung. Pendekatan analisis yang digunakan pada analisis path tidak berbeda dengan analisis regresi ganda. Hanya sedikit berbeda pada perhitungan pendugaan koefisiennya. Pada saat ini jenis analisis ini berkembang pada bidang sosial, seperti psikologi, pendidikan, dan lain-lain. Apabila peubah yang akan dilihat pola hubungannya berupa peubah laten (tak terukur), seperti peubah prestasi, kecemasan dan lainnya, maka lebih cocok menggunakan analisis SEM. Untuk jenis peubah laten ini, tidak cocok digunakan analisis path.

  1. 4. Analisis Peubah Ganda

Analisis peubah ganda dilakukan karena peubah yang digunakan relatif banyak. Beberapa hal yang melatari analisis ini diantaranya antar peubah satu dengan peubah lain ada korelasi dan tidak ada keinginan untuk melihat pola hubungan antara peubah bebas dan peubah tak bebas. Bisanya analisis ini digunakan untuk mereduksi peubah yang cukup banyak menjadi peubah yang lebih sederhana tapi tidak meninggalkan informasi peubah asalnya. Selain itu melalui analisis peubah ganda juga bisa dilihat pengelompokan objek berdasarkan kemiripan peubah-peubah peubah-peubah penyusunnya. Beberapa jenis analisis yang masuk katagori analisis peubah ganda diantaranya: Analisis Komonen Utama (Pricipal Component Analysis), Analisis Gerombol  (Cluster Analysis), Analisis Faktor (Factor Analysis), Korelasi Kanonik, Analisis Biplot, Analisis Diskriminan (Discriminant Analysis) dan Multidimension Scalling.

  1. 5. Conjoint Analysis

Conjoint analysis, bisanya banyak digunakan pada bidang riset pemasaran. Sebagai contoh bila suatu perusahaan ingin mengeluarkan produk baru, maka melalui analisis ini bisa dilihat tentang preferensi konsumennya. Untuk bidang pertanian, analisis ini bisa digunakan oleh pelaku agribisnis baik skala kecil maupun besar yang akan meluncurkan produk agribisnisnya.

PRODUK ASURANSI KERUGIAN SYARIAH

July 19, 2010 Leave a comment

BAB I

PENDAHULUAN

1.1        Latar Belakang

Kebangkitan kedua sektor keuangan syariah setelah perbankan, dialami oleh asuransi. Dibandingkan di sejumlah negara di dunia bahkan negara yang mayoritas penduduknya adalah non muslim, keberadaan asuransi syariah di Indonesia dan negara muslim lainnya terbilang terlambat. Terbukti di daerah Geneva dan Bahamas di negara Luxemburg, asuransi takaful atau syariah sudah ada sejak tahun 1983. Sedangkan di negara-negara yang penduduknya mayoritas muslim seperti di Saudi Arabia (1979), Malaysia (1984) dan Brunei Darussalam (1992) sudah tertinggal oleh negara-negara non muslim yang bergerak di bidang asuransi takaful atau syariah. Dalam sistem ekonomi islam atau yang lebih dikenal dengan ekonomi syariah, telah menjadi sistem ekonomi alternatif terhadap sistem ekonomi konvensional yang telah diterapkan di Indonesia selama ini. Dan di Indonesia sendiri, asuransi syariah dipelopori oleh bank Muamalat Indonesia pada tahun 1992, PT Syarikat Takaful Indonesia yang mulai beroperasi pada tanggal 24 Februari 1994, dan kemudian disusul oleh PT A.J. Mubarakah. Beberapa asuransi konvensional juga beralih ke sistem syariah dengan membentuk divisi, yakni PT MAA Life Assurance, PT A.J. Asih Great Eastern, PT A.J Bringin Jiwa Sejahtera, dan juga PT Asuransi Adira Dinamika yang mulai mengoperasikan cabang syariahnya tahun 2004. Setelah terhitung pada tahun 2005, menurut majalah Republika pada bulan Agustus secara umum dan keseluruhan sudah tercatat 29 lembaga Asuransi Syariah di Indonesia. Dengan meningkatnya pertumbuhan asuransi syariah di Indonesia, maka saya selaku penulis merasa perlu mengangkat tema yang berkaitan dengan asuransi syariah. Oleh sebab itu pada kesempatan ini penulis akan membahas mengenai prosedur dan penyelesaian klaim pada asuransi kerugian syariah pada PT Asuransi Adira Dinamika syariah.

Dibandingkan asuransi konvensional, asuransi syariah memiliki perbedaan mendasar dalam beberapa hal, antara lain :

  1. keberadaan Dewan Pengawas Syariah dalam perusahaan asuransi syariah merupakan suatu keharusan. Dewan ini berperan dalam mengawasi manajemen, produk serta kebijakan investasi supaya sejalan dengan syariat Islam.
  2. prinsip akad asuransi syariah adalah takafuli (tolong-menolong) yaitu nasabah yang satu menolong nasabah lain yang tengah mengalami kesulitan. Sedangkan akad asuransi konvensional bersifat tadabuli (jual-beli antara nasabah dengan perusahaan)
  3. dana yang terkumpul dari nasabah perusahaan asuransi syariah (premi) diinvestasikan berdasarkan syariah dengan sistem bagi hasil (mudharabah). Sedangkan asuransi konvensional, investasi dana dilakukan pada sembarang sektor dengan sistem bunga.
  4. dalam asuransi syariah premi yang terkumpul diperlakukan tetap sebagai dana milik nasabah. Perusahaan hanya sebagai pemegang amanah untuk mengelolanya. Sedangkan pada asuransi konvensional, premi diserahkan ke perusahaan dan selanjutnya ditetapkan kebijakan pengelolaan dana tersebut.
  5. dalam asuransi syariah pembayaran klaim nasabah, dana diambil dari rekening tabarru’ seluruh peserta yang sudah diikhlaskan untuk keperluan tolong-menolong bila ada peserta yang terkena musibah. Sedangkan dalam asuransi konvensional, dana pembayaran klaim diambil dari dana yang diinvestasikan perusahaan.
  6. keuntungan investasi dibagi dua antara nasabah selaku pemilik dana dengan perusahaan selaku pengelola, dengan prinsip bagi hasil, berlaku di asuransi syariah. Sedangkan dalam asuransi konvensional, keuntungan sepenuhnya menjadi milik perusahaan. Jika tidak mengklaim, nasabah tidak memperoleh apa-apa.

1.2        Perumusan Masalah

Dalam asuransi kerugian konvensional dijelaskan, bahwa dalam pengajuan klaim itu sangat berpengaruh dengan premi yang dibayarkan, akan tetapi dalam asuransi kerugian syariah ada beberapa ketentuan-ketentuan khusus dalam prosedur dan penyelesaian klaim tersebut, diantaranya adalah akad-akad yang dipakai dalam proses pembayaran premi dan ketentuan-ketentuan lainnya. Maka dari itu penulis ingin menjabarkan secara terperinci tentang prosedur dan penyelesaian pembayaran klaim pada asuransi kerugian syariah, terutama untuk klaim kendaraan bermotor.

1.3        Maksud dan Tujuan Penulisan

Adapun maksud dan tujuan dari pembuatan makalah karya ini dengan disertai riset adalah sebagai salah satu syarat kelulusan dari Program Diploma III Spesialisasi Aktuaria Departement Keuangan Republik Indonesia. Selain itu bertujuan :

  1. Untuk mengetahui manfaat atau benefit dari produk asuransi kerugian syariah
  2. Untuk mengetahui prosedur pengajuan dan penyelesaian sampai pembayaran klaim terutama klaim kendaraan bermotor pada asuransi keugian syariah.
  3. Untuk mempelajari prosedur tersebut dengan maksud supaya mengerti proses klaim pada perusahaan asuransi kerugian.

1.4        Pembatasan Makalah

Berdasarkan perbedaan yang ada antara asuransi konvensional dan asuransi syariah, maka dalam hal ini penulis membatasi masalah yang akan dibahas yaitu bagaimana prosedur pengajuan dan penyelesaian klaim dalam auransi kerugian syariah terutama klaim kendaraan bermotor dan perbedaannya dengan asuransi kerugian konvensional.

1.5        Sistematika Penulisan

Skripsi mini ini terdiri dari lima bab. Untuk mempermudah pemahaman mengenai isi dari tiap bab, maka dengan ringkas penulis akan memberikan gambaran secara garis besarnya yaitu sebagai berikut :

BAB I       PENDAHULUAN

Pada bab ini berisikan latar belakang, perumusan masalah, maksud dan tujuan penulisan, pembatasan masalah, metode penulisan dan sistematika penulisan.

BAB II      LANDASAN TEORI

Pada bab ini menjelaskan tentang definisi, sejarah dan prinsip dasar asuransi kerugian maupun asuransi syariah dan hal-hal yang dilarang dalam asuransi syariah. Serta penjelasan tentang risiko dan ketidakpastian, jenis asuransi kerugian, bentuk-brntuk kerugian kendaraan bermotor baik atas kendaraan yang dipertanggungkan itu sendiri, maupun kerugian atas pihak ke-III.

BAB III     PROSEDUR PENYELESAIAN KLAIM AUTOCILLIN IKHLAS

Pada bab ini membahas tentang PT Asuransi Adira Dinamika ( baik dari sejarah perusahaan, visi dan misi perusahaan, produk perusahaan, Dewan Pengawas Perusahaan, serta akad yang dipakai) pada divisi syariah. Dan akan membahas tentang produk Autocillin ikhlas, risiko penyebab terjadinyua klaim, persyaratan pengajuan klaim, serta proses klaim pada Autocillin Ikhlas (pengertian klaim, alur prosedur klaim dan penyelesaiannya)

BAB IV    CONTOH KASUS

Pada bab ini akan memberikan contoh-contoh kasus dari prosedur pengajuan sampai penyelesaian klaim pada PT Asuransi Adira Dinamika dalam produk Autocillin Ikhlas (syariah) dan produk Autocillin classic serta analisis kasusnya.

BAB V      KESIMPULAN

Pada bab ini sebagai bagian akhir dari makalah karya ini yang berupa kesimpulan yang membahas tentang perbandingan antara proses klaim asuransi konvensional dengan proses klaim asuransi syariah yang berasal dari pembahasan dan beberapa saran sebagai pelengkap.

Faktor Pendukung Institusi Lembaga Keuangan Sari’ah

July 19, 2010 Leave a comment

Oleh : H. Jazuli Suryadhi *)

Abstrack :

Ada sejumlah alasan mengapa institusi keuangan konvensional yang ada sekarang ini mulai melirik sistem syariah, antara lain pasar yang potensial karena mayoritas penduduk Indonesia beragama Islam dan kesadaran mereka untuk berperilaku bisnis secara Islami. Oleh karenanya perlu adanya lembaga yang mendampingi lembaga keuangan syari’ah tersebut seperti; Ulama yang menguasai ilmu syariat sehingga mampu menghasilkan fatwa-fatwa yang valid dan akurat.

Kehadiran fatwa-fatwa ini menjadi aspek organik dari bangunan ekonomi Islami yang tengah ditata/dikembangkan, sekaligus merupakan alat ukur bagi kemajuan ekonomi syari’ah di Indonesia. Fatwa merupakan salah satu institusi dalam hukum Islam untuk memberikan jawaban dan solusi terhadap problem yang dihadapi umat. Bahkan umat Islam pada umumnya menjadikan fatwa sebagai rujukan di dalam bersikap dan bertingkah laku.

Para ulama yang berkompeten terhadap hukum-hukum syariah memiliki fungsi dan peran yang amat besar dalam perbankan syariah, yaitu sebagai Dewan Pengawas Syariah (DPS) dan Dewan Syariah Nasional (DSN). Fungsi utama para ulama yang yang tergabung dalam Dewan Pengawas Syariah (DPS) Dewan Syariah Nasional (DSN) adalah mengawasi produk-produk lembaga keuangan syariah agar sesuai dengan syariah Islam.

Pendahuluan

Perkembangan ekonomi syari’ah di Indonesia demikian cepat, khususnya perbankan, asuransi dan pasar modal. Jika pada tahun 1990-an jumlah kantor layanan perbankan syariah masih belasan, maka tahun 2000an, jumlah kantor pelayanan lembaga keuangan syariah itu melebihi enam ratusan yang tersebar di seluruh  Indonesia. Asset perbankan syari’ah ketika itu belum mencapai Rp 1 triliun, maka saat ini assetnya lebih dari Rp 22 triliun. Lembaga asuransi syariah pada tahun 1994 hanya dua buah yakni Asuransi Takaful Keluarga dan Takaful Umum, kini telah berjumlah 34 lembaga asuransi syariah (Data AASI 2006)[1]. Demikian pula obligasi syariah tumbuh pesat mengimbangi asuransi dan perbankan syariah.

1. Lembaga Pemberi Fatwa

Salah satu lembaga yang berwenang memberikan aturan/arahan selain lembaga yang dibentuk pemerintah adalah Majlis Ulama Indonesia dalam hal ini Dewan Syariah Nasional (DSN)

Para praktisi ekonomi syari’ah, masyarakat dan pemerintah (regulator) membutuhkan fatwa-fatwa syariah dari lembaga ulama (MUI) berkaitan dengan praktek dan produk di lembaga-lembaga keuangan syariah tersebut. Perkembangan lembaga keuangan syariah yang demikian cepat harus  diimbangi dengan fatwa-fatwa hukum syari’ah yang valid dan akurat, agar seluruh produknya memiliki landasan yang kuat secara syari’ah. Untuk itulah Dewan Syari’ah Nasional (DSN) dilahirkan pada tahun 1999 sebagai bagian dari Majlis Ulama Indonesia.[2]

2. Kedudukan Fatwa

Fatwa merupakan salah satu institusi dalam hukum Islam untuk memberikan jawaban dan solusi terhadap problem yang dihadapi umat. Bahkan umat Islam pada umumnya menjadikan fatwa sebagai rujukan di dalam bersikap dan bertingkah laku. Sebab posisi fatwa di kalangan masyarakat umum, laksana dalil di kalangan para mujtahid (Al-Fatwa fi Haqqil ’Ami kal Adillah fi Haqqil Mujtahid). Artinya, Kedudukan fatwa bagi orang kebanyakan, seperti dalil bagi mujtahid.[3]

Kehadiran fatwa-fatwa ini menjadi aspek organik dari bangunan ekonomi Islami yang tengah ditata/dikembangkan, sekaligus merupakan alat ukur bagi kemajuan ekonomi syari’ah di Indonesia. Fatwa ekonomi syari’ah yang telah hadir itu  secara teknis menyuguhkan model pengembangan bahkan pembaharuan fiqh muamalah maliyah. (fiqh ekonomi) Secara fungsional, fatwa  memiliki fungsi Tabyin dan Tawjih. Tabyin artinya menjelaskan hukum yang merupakan regulasi praksis bagi lembaga keuangan, khususnya yang diminta praktisi ekonomi syariah ke DSN dan Taujih, yakni  memberikan guidance (petunjuk) serta pencerahan kepada masyarakat luas tentang norma ekonomi syari’ah. [4]

Memang dalam kajian ushul fiqh, kedudukan fatwa hanya mengikat bagi orang yang meminta fatwa dan yang memberi fatwa. Namun dalam konteks ini, teori itu tidak sepenuhnya bisa diterima, karena konteks, sifat, dan karakter fatwa  saat ini telah berkembang dan berbeda dengan fatwa klasik. Teori lama tentang fatwa harus direformasi dan diperpaharui sesuai dengan perkembangan dan proses terbentuknya fatwa. Maka teori fatwa hanya mengikat mustaft (orang yang minta fatwa) tidak relevan untuk fatwa DSN.  Fatwa ekonomi syariah DSN saat ini tidak hanya mengikat bagi praktisi lembaga ekonomi syariah, tetapi juga bagi masyarakat Islam Indonesia, apalagi fatwa-fatwa itu kini telah dipositivisasi melalui Peraturan  Bank Indonesia (PBI). Bahkan DPR baru-baru ini, telah mengamandemen UU No 7/1989 tentang Perdilan Agama yang secara tegas memasukkan masalah ekonomi syariah sebagai wewenang Peradilan Agama.

Fatwa-fatwa ekonomi syari’ah saat di Indonesia dikeluarkan melalui proses dan formula fatwa kolektif, koneksitas dan melembaga yang disebut ijtihad jama’iy (ijtihad ulama secara kolektif), bukan ijtihad fardi (individu), Validitas jama’iy dan fardi jelas sangat berbeda. Ijtihad jama’iy telah mendekati ijma’. Seandainya hanya negara Indonesia yang ada di dunia ini, pastilah kesepakatan para ahli dan ulama Indonesia itu disebut Ijma’.

Fatwa dalam definisi klasik bersifat opsional ”ikhtiyariah” (pilihan yang tidak mengikat secara legal, meskipun mengikat secara moral  bagi  mustafti (pihak yang meminta fatwa), sedang bagi selain mustafti bersifat ”i’lamiyah” atau informatif yang lebih dari sekedar wacana. Mereka terbuka untuk mengambil fatwa yang sama atau meminta fatwa kepada mufti/seorang ahli yang lain.

Jika ada lebih dari satu fatwa mengenai satu masalah yang sama maka ummat boleh memilih mana yang lebih memberikan qana’ah (penerimaan/kepuasan)  secara argumentatif  atau secara batin. Sifat fatwa yang demikian membedakannya dari suatu putusan peradilan (qadha) yang mempunyai kekuatan hukum yang mengikat bagi para pihak yang berperkara.

Namun, keberadaan fatwa ekonomi syari’ah yang dikeluarkan DSN di zaman kontemporer ini, berbeda dengan proses fatwa di zaman klasik yang cendrung individual atau lembaga parsial.  Otoritas fatwa tentang ekonomi syari’ah di Indonesia, berada dibawah Dewan Syari’ah Nasional Majlis Ulama Indonesia. Komposisi anggota plenonya terdiri dari para ahli syari’ah dan ahli ekonomi/keuangan yang mempunyai wawasan syari’ah. Dalam membahas masalah-masalah yang hendak dikeluarkan fatwanya, Dewan Syari’ah Nasional (DSN) melibatkan pula lembaga mitra seperti Dewan Standar Akuntansi Keuangan Ikatan Akuntan Indonesia dan Biro Syari’ah dari Bank Indonesia.

Fatwa dengan definisi klasik  mengalami pengembangan dan penguatan posisi dalam fatwa kontemporer yang melembaga dan kolektif di Indonesia. Baik yang dikeluarkan oleh Komisi Fatwa MUI untuk masalah keagamaan dan kemasyarakatan secara umum, maupun yang dikeluarkan oleh DSN MUI untuk fatwa tentang masalah ekonomi syari’ah khususnya Lembaga Ekonomi Syari’ah. Fatwa yang dikeluarkan oleh Komisi Fatwa MUI menjadi  rujukan yang berlaku umum serta mengikat bagi ummat Islam di Indonesia, khususnya secara moral. Sedang fatwa DSN menjadi rujukan yang mengikat bagi lembaga-lembaga keuangan syari’ah  (LKS) yang ada di tanah air, demikian pula mengikat masyarakat yang berinteraksi dengan LKS.

3. Kaedah dan Prinsip

Fiqh muamalah klasik yang ada tidak sepenuhnya relevan lagi diterapkan, karena bentuk dan pola transaksi yang berkembang di era modern ini demikian cepat. Sosio-ekonomi dan bisnis masyarakat sudah jauh  berubah dibanding kondisi di masa lampau. Oleh karena itu, dalam konteks ini diterapkan dua kaedah.

Pertama,

Al-muhafazah bil qadim ash-sholih wal akhz bil jadid aslah, yaitu, memelihara warisan intelektual klasik yang masih relevan dan membiarkan terus praktek yang telah ada di zaman modern, selama tidak ada petunjuk yang mengharamkannya.

Kedua,

Al-Ashlu fil muamalah al-ibahah hatta yadullad dalilu ’ala at-tahrim (Pada dasarnya semua praktek muamalah boleh, kecuali ada dalil yang mengharamkannya).

Selain itu para ulama berpegang kepada prinsip-prinsip utama muamalah, seperti; prinsip bebas riba, bebas gharar (ketidak-jelasan atau ketidakpastian) dan tadlis, tidak maysir (spekulatif), bebas produk haram dan praktek akad fasid/batil. Prinsip ini tidak boleh dilanggar, karena telah menjadi aksioma dalam fiqh muamalah.Formulasi  fatwa juga berpegang pada prinsip maslahah atau ”ashlahiyah”  mana yang maslahat atau lebih maslahat untuk dijadikan opsi yang difatwakan. Konsep maslahah dalam muamalah menjadi prinsip yang paling penting. Dalam ushul fiqh telah populer kaedah, ”Di mana ada mashlalah, maka di situ ada syariah Allah”. Watak maslahat syar’iyah antara lain berpihak kepada semua pihak atau berlaku umum, baik maslahat bagi lembaga syariah, nasabah, pemerintah (regulator) maupun masyarakat luas.

Kemaslahatannya tidak hanya diakui secara tanzhiriyah (perhitungan teoritis) tetapi juga secara tajribiyah (pengalaman empirik di lapangan). Karena itu untuk menguji shalahiyah  (validitas) fatwa, harus diadakan muraja’ah maidaniyah (pencocokan di lapangan) setelah berjalan waktu yang cukup dalam  implementasi fatwa ekonomi. Apakah kemaslahatan dalam tataran teoritis mendapatkan pembenaran dalam penerapannya di lapangan.

4. Peran Strategis Ulama

Sejarah mengenal ulama bukan semata sebagai sosok berilmu, melainkan juga sebagai penggerak dan motivator masyarakat. Kualitas keilmuan para ulama telah mendorongmendorong mereka untuk aktif membimbing masyarakat dalam menjalani kehidupan sehari-hari. Terumuskannya system ekonomi Islam secara konseptual, termasuk system perbankan syariah, adalah buah dari kerja keras para ulama.

Sebelum perbankan konvensional dikenal, masyarakat sebenarnya telah melaksanakan transaksi berdasarkan muamalah Islam. Dalam pertanian dan perkebunan dikenal adanya istilah maro,nelu, dan sebagainya yang merupakan istilah lain dari bagi hasil. Hal demikian dimungkinkan dengan arahan dari para ulama masa lampau yang mengerti tentang pembagian hasil menurut ajaran Islam. Dalam kehidupan modern, sekali lagi, para ulama berperan untuk mewujudkan bank Islam seperti yang sekarang dikenal.

Para ulama yang berkompeten terhadap hukum-hukum syariah memiliki fungsi dan peran yang amat besar dalam perbankan syariah, yaitu sebagai Dewan Pengawas Syariah (DPS) dan Dewan Syariah Nasional (DSN).

  1. 1. Dewan Pengawas Syariah (DPS)

Peran utama para ulama dalam Dewan Pengawas Syariah adalah mengawasi jalannya operasional bank sehari-hari agar selalu sesuai dengan ketentuan-ketentuan syariah. Hal ini karena transaksi-transaksi yang berlaku dalam bank syariah sangat khusus jika dibandingkan bank konvensional. Karena itu, diperlukan garis panduan (guidelines) yang mengaturnya. Garis panduan ini disusun dan ditentukan oleh Dwan Syariah Nasional.[5]

  1. 2. Dewan Syariah Nasional (DSN)

Sejalan dengan berkembangnya lembaga keuangan syariah di tanah air, berkembang pulalah jumlah DPS yang ada dan mengawasi masing-masing lembaga tersebut. Banyak dan beragamnya DPS di masing-masing lembaga keuangan syariah adalah suatu hal yang harus disyukuri, tetapi juga diwaspadai. Kewaspadaan itu berkaitan dengan adanya kemungkinan timbulnya fatwa yang berbeda dari masing-masing DPS dan hal itu tidak mustahil akan membingungkan umat dan nasabah. Oleh karena itu, MUI sebagai paying dari lembaga dan organisasi keislaman di tanah air, menganggap perlu dibentuknyasatu dewan syariah yang bersipat nasional dan membawahi seluruh lembaga keuangan, termasuk di dalamnya bank-bank syariah. Lembaga ini kelak kemudian dikenal dengan Dewan Syariah Nasional (DSN).

Dewan Syariah Nasional dibentuk pada tahun 1997 dan merupakan hasil rekomendasi  Lokakarya Reksadana Syariah pada bulan Juli tahun yang sama. Lembaga ini merupakan lembaga otonom di bawah Majelis Ulama Indonesia dipimpin oleh Ketua Umum Majelis Ulama Indonesia dan Sekretaris (ex officio). Kegiatan sehari-hari Dewan Syariah Nasioanal dijalankan oleh Badan Pelaksana Harian dengan seorang ketua dan sekretaris serta beberapa anggota.

Fungsi utama Dewan Syariah Nasional adalah mengawasi produk-produk lembaga keuangan syariah agar sesuai dengan syariah Islam. Dewan ini bukan hanya mengawasi bank syariah, tetapi juga lembaga-lembaga lain seperti asuransi, reksadana, modal ventura, dan sebagainya. Untuk keperluan pengawasan tersebut, Dewan Syariah Nasioanl membuat garis panduan produk syariah yang diambil dari sumber-sumber hukum Islam. Garis panduan ini menjadi dasar pengawasan bagi Dewan Pengawas Syariah pada lembaga-lembaga keuangan syariah dan menjadi dasar pengembangan produk-produknya.

Fungsi lain dari Dewan Syariah Nasional adalah meneliti dan memberi fatwa bagi produk-produk yang dikembangkan oleh lembaga keuangan syariah. Produk-produk baru tersebut harus diajukan oleh manajemen setelah direkomendasikan oleh Dewan Pengawas syariah pada lembaga yang bersangkutan.

Selain itu, Dewan Syariah Nasional bertugas memberikan rekomendasi para ulama yang akan ditugaskan sebagai Dewan Syariah Nasional pada suatu lembaga keuangan syariah

Dewan Syariah Nasional dapat memberi teguran kepada lembaga keuangan syariah jika lembaga yang bersangkutan menyimpang dari garis panduan yang telah ditetapkan. Hal ini dilakukan jika Dewan Syariah Nasioanl telah menerima laporan dari Dewan Pengawas Syariah pada lembaga yang bersangkutan mengenai hal tersebut.[6]

Jika lembaga keuangan syariah tersebut tidak mengindahkan teguran yang diberikan, Dewan Syariah Nasioanl dapat mengusulkan kepada otoritas yang berwenang, seperti Bank Indonesia dan departemen Keuangan, untuk memberikan sanksi agar perusahaan tersebut tidak mengembangkan lebih jauh tindakan-tindakannya yang tidak sesuai dengan syariah. Secara garis besar, tugas dan mekanisme kerja DSN.

5. Produk Fatwa DSN

Sejak berdirnya tahun 1999, Dewan Syariah Nasional, telah mengeluarkan sedikitnya 47 fatwa tentang ekonomi syariah, antara lain, fatwa tentang; giro, tabungan, murabahah, jual beli salam, istishna’, mudharabah, musyarakah, ijarah, wakalah, kafalah, hawalah, uang muka dalam murabahah, sistem distribusi hasil usaha dalam lembaga keuangan syari’ah, diskon dalam murabahah, sanksi atas nasabah mampu yang menunda-nunda pembayaran, pencadangan penghapusan aktiva produktiv dalam LKS, al-qaradh, investasi reksadana syariah, pedoman umum asuransi syariah, jual beli istisna’ paralel, potongan pelunasan dalam murabahah, safe deposit box, raha (gadai), rahn emas, ijarah muntahiyah bit tamlik, jual beli mata uang, pembiayaan pengurusan haji di LKS, pembiayaan rekening koran syariah, pengalihan hutang, obligasi syariah, obligasi syariah mudharabah, Letter of Credit (LC) impor syariah, LC untuk export, sertifikat wadiah Bank Indoensia, Pasar Uang antar Bank Syariah, sertifikat investasi mudharabah (IMA), asuransi haji, pedoman umum penerapan prinsip syariah di pasar modal, obligasi syariah  ijarah, kartu kredit, dsb.[7]

Kesimpulan :

Keberadaan sebuah dewan syariah tentu saja sangat penting bagi sebuah lembaga, baik profit atau pun non profit.

Sebab pada saat ini, ada sekian banyak permasalahan yang bersifat syubhat dan kompleks, sehingga kita semua ini membutuhkan advisor / concelor yang terkait dalam masalah halal dan haram. Sedangkan tsaqafah dan wawasan umat Islam di negeri ini umumnya sangat kurang.

Kalau menemukan sekedar orang-orang yang punya semangat ke-Islaman atau pandai berceramah sehingga menarik pendengar, barangkali tidak terlalu sulit. Tetapi kalau menemukan ulama yang mendalami detail-detail masalah dari sudut pandang hukum Islam / syariah, tentu bukan hal yang sederhana. Sebab jumlah ulama yang ahli di bidang itu sangat sedikit, sedangkan kebutuhan atas jasanya sedemikian banyak.

Di sisi lain, dinamika aktifitas sehari-hari yang semakin cepat, maka keberadaan sebuah badan khusus yang menangani masalah syariah menjadi penting. Badan atau dewan ini kerjanya adalah melakukan pengawasan dan pengkajian tentang segala hal yang terkait dengan hukum Islam.

Sebuah perusahaan yang ingin dikelola dengan cara-cara yang Islami, tentu saja mutlak membutuhkan sebuah dewan syariah. Sebuah hotel yang ingin menerapkan identitas hotel Islami, mutlak membutuhkannya. Sebuah partai yang mengangkat diri sebagai partai Islam, juga mutlak wajib memiliki dewan syariah.

Adapun hukum apakah yang dipakai ? Jawabnya tentu hukum Islam. Sebab keberadaan dewan syariah itu bukan sebagai penasehat hukum positif, melainkan sebagai penasehan hukum Islam.

*   Mahasiswa (S2) Magister Study Islam (Konsentrasi Ekonomi Islam) Universitas Islam

Indonesia Jogjakarta.

*    Stap Direktorat Kemahasiswaan Universitas Mercu Buana Jakarta

*    Ketua Yayasan Pendidikan Islam Syifa Fikriya Cikande Serang Banten

Prospek Ekonomi Syariah dan Kesejahteraan Umat

Ada sejumlah alasan mengapa institusi keuangan konvensional yang ada sekarang ini mulai melirik sistem syariah, antara lain pasar yang potensial karena mayoritas penduduk Indonesia beragama Islam dan kesadaran mereka untuk berperilaku bisnis secara Islami. Potensi ini menjadi modal bagi perkembangan ekonomi umat di masa datang. Selain itu, terbukti bahwa institusi ekonomi yang menerapkan prinsip syariah, mampu bertahan di tengah krisis ekonomi yang melanda Indonesia.

Di sektor perbankan saja misalnya, sampai tahun 2010 nanti jumlah kantor cabang bank-bank syariah diperkirakan akan mencapai 586 cabang. Prospek perbankan syariah di masa depan diperkirakan juga akan semakin cerah. Hal itu diungkapkan oleh Gubernur Bank Indonesia, Burhadin Abdullah di sela-sela acara dialog ekonomi syariah di Jakarta pekan lalu. Burhanudin mengatakan bank-bank yang ada sekarang bisa memanfaatkan kebijakan dihilangkannya Batas Minimum Penyaluran Kredit (BMPK) untuk melakukan penyertaan pada bank lain.

”Ini satu kesempatan bagi bank untuk membuka unit-unit syariah. Misalnya bank A yang merupakan bank konvensional, dia bisa melakukan penyertaan di bank syariah tanpa dibatasi oleh BMPK. Di masa lalu batasnya 10 persen, sekarang tidak ada lagi,” jelas Burhanudin.

Selain perbankan, sektor ekonomi syariah lainnya yang juga mulai berkembang adalah asuransi syariah. Prinsip asuransi syariah pada intinya adalah kejelasan dana, tidak mengadung judi dan riba atau bunga. Sama halnya dengan perbankan syariah, melihat potensi umat Islam yang ada di Indonesia, prospek asuransi syariah sangat menjanjikan. Dalam sepuluh tahun ke depan diperkirakan Indonesia bisa menjadi negara yang pasar asuransinya paling besar di dunia. Seorang CEO perusahaan asuransi syariah asal Malaysia, Syed Moheeb memperkirakan, tahun 2008 mendatang asuransi syariah bisa mencapai 10 persen market share asuransi konvensional.

Data dari Asosiasi Asuransi Syariah di Indonesia menyebutkan, tingkat pertumbuhan ekonomi syariah selama 5 tahun terakhir mencapai 40 persen, sementara asuransi konvensional hanya 22,7 persen. Perbankan dan asuransi, hanya salah satu dari industri keuangan syariah yang kini sedang berkembang pesat. Pada akhirnya, sistem ekonomi syariah akan membawa dampak lahirnya pelaku-pelaku bisnis yang bukan hanya berjiwa wirausaha tapi juga berperilaku Islami, bersikap jujur, menetapkan upah yang adil dan menjaga keharmonisan hubungan antara atasan dan bawahan.

Bisa dibayangkan kesejahteraan yang bisa dinikmati umat jika penerapan ekonomi syariah ini sudah mencakup segala aktivitas ekonomi di Indonesia. Peluang penerapan ekonomi syariah masih terbuka luas. Persoalannya sekarang, mampukah kita memanfaatkan peluang yang terbuka lebar itu.

Dukungan Pemerintah Belum Memadai

Meski sudah menunjukkan eksistensinya, masih banyak kendala yang dihadapi bagi pengembangan ekonomi syariah di Indonesia. Soal pemahaman masyarakat hanya salah satunya. Kendala lainnya yang cukup berpengaruh adalah dukungan penuh dari para pengambil kebijakan di negeri ini, terutama menteri-menteri dan lembaga pemerintahan yang memiliki wewenang dalam menentukan kebijakan ekonomi. Pemerintahan Presiden Susilo Bambang Yudhoyono yang pada masa kampanye pemilu kemarin menyatakan mendukung ekonomi syariah, belum sepenuhnya mewujudkan dukungannya itu dalam bentuk program kerja tim ekonomi kabinetnya.

Berkaitan dengan hal itu, dalam di sela-sela sebuah acara dialog ekonomi syariah, praktisi perbankan syariah A. Riawan Amin mengatakan bahwa keberpihakan pemerintah terhadap ekonomi syariah sangat penting, karena hal ini bukan semata-mata menyangkut mayoritas umat Islam di Indonesia tapi berkaitan dengan masalah stabilitas ekonomi nasional.

Menurutnya, para ekonom yang ada di kabinet saat ini sebaiknya meninggalkan sistem ekonomi kapitalis dan mengikuti aturan main kapitalis, sehingga bisa keluar dari krisis. Riawan mengaku untuk saat ini para pelaku ekonomi syariah belum terlalu menuntut pemerintah untuk lebih berpihak pada sistem ekonomi syariah. ”Mereka mau mengerti saja, itu sudah bagus,” ujarnya. Meski demikian ada harapan dari sejumlah kementerian yang sudah menyatakan dukungannya terhadap sistem ekonomi syariah, antara lain dari Kementerian Pertanian dan Kementerian BUMN.

Kendala lainnya adalah masalah regulasi. Penerapan syariah yang makin meluas dari industri keuangan dan permodalan membutuhkan regulasi yang tidak saling bertentangan atau tumpang tindih dengan aturan sistem ekonomi konvensional. Para pelaku ekonomi syariah sangat mengharapkan regulasi untuk sistem ekonomi syariah ini bisa memudahkan mereka untuk berekspansi bukan malah membatasi. Saat ini, peraturan tentang permodalan masih menjadi kendala perbankan syariah untuk melakukan penetrasi dan ekpansi pasar.

Kenyataan di lapangan menunjukkan, bahwa para pelaku ekonomi syariah masih menghadapi tantangan berat untuk menanamkan prinsip syariah sehingga mengakar kuat dalam perekonomian nasional dan umat Islamnya itu sendiri. Berkaitan dengan hal tersebut, Sudarman Lc., anggota DPRD I Banten dalam sebuah dialog ekonomi syariah beberapa waktu lalu mengingatkan, penerapan ekonomi syariah harus dipahami sebagai bagian integral dari penerapan syariat Islam secara kaffah. Penerapan hukum syariah dalam perekonomian tidak akan berhasil tanpa didukung penerapan hukum syariah di bidang yang lain. Teori dan sistem ekonomi syariah yang baik, bukan jaminan bagi penegakan perekonomian Islam kalau kaum muslimin sebagai pelaku ekonominya belum terlembagakan dengan baik.

Salah satu institusi keuangan syariah yang saat ini tengah berkembang adalah pasar modal syariah. Hal ini tidak lepas dari semakin berkembangnya industri keuangan syariah yang pertumbuhannya sangat cepat, terutama dalam satu dekade terakhir.

Menurut riset Bank Negara Malaysia (bank sentral Malaysia) tahun 2005, dana yang dimiliki umat Islam atau pelaku pasar Muslim di bursa-bursa di seluruh dunia, mencapai angka sekitar 1,3 triliun dolar AS. Sedangkan dana yang terhimpun di pasar keuangan Islam di seluruh dunia diperkirakan 230 miliar dolar AS, dengan tingkat pertumbuhan rata-rata 12-15 persen per tahun. Kemudian, jumlah institusi keuangan syariah saat ini mencapai lebih dari 250 buah, tersebar di 75 negara. Sementara jumlah fund manager syariah tercatat lebih dari 100 buah institusi dengan total aset yang dikelola mencapai 5 miliar dolar AS.

Fakta tersebut menunjukkan bahwa potensi dana yang dimiliki umat Islam sangat besar. Tingginya pertumbuhan pasar keuangan syariah juga didorong pembentukan berbagai macam lembaga keuangan tingkat internasional. Misalnya the Islamic Financial Services Boards (IFSB) yang terdiri atas berbagai bank sentral negara-negara Islam terkait, the International Islamic Financial Market (IIFM), dan the Accounting and Auditing Organizations for Islamic Financial Institutions (AAOIFI). Organisasi terakhir berbasis di Bahrain, dan merupakan lembaga yang memiliki fokus pada pengembangan sistem akuntansi dan audit yang sesuai syariah dan dapat diterima secara internasional.

Kontribusi lembaga-lembaga tersebut sangat signifikan, sehingga diharapkan dapat menstimulasi institusi-institusi keuangan syariah lainnya, termasuk di Indonesia, untuk terus dapat mengembangkan dirinya.

Belajar dari Malaysia

Pepatah mengatakan ”pengalaman adalah guru terbaik”. Demikian pula dalam membangun dan mengembangkan sistem pasar keuangan syariah. Kita membutuhkan pengalaman negara lain sebagai cermin langkah dan strategi yang akan dikembangkan. Salah satu negara yang dikenal sebagai pioner pengembangan pasar keuangan syariah adalah Malaysia.

Sejak Kementerian Keuangan Malaysia mengeluarkan Capital Market Masterplan pada tahun 2001 yang memuat 13 rekomendasi untuk menjadikan Malaysia sebagai international centre bagi industri keuangan syariah, pertumbuhan pasar keuangan Islam Malaysia menunjukkan kinerja luar biasa. Sebagai contoh, jumlah saham yang tercatat di bursa syariah mencapai 816 buah pada tahun 2005, naik sebesar 4,9 persen dari tahun sebelumnya yang mencapai angka 778 saham. Persentase saham syariah mencapai 82,5 persen dari total keseluruhan saham yang listed di bursa pada tahun 2005, atau meningkat 80,8 persen dari tahun sebelumnya, dengan kapitalisasi pasar yang mencapai 64 persen.

Prestasi lainnya, 36 persen dari total equity fund di seluruh dunia tercatat di bursa syariah Malaysia, dengan nilai 1,8 miliar dolar AS (dari total 5 miliar dolar AS). Hal tersebut mengindikasikan pasar modal syariah Malaysia telah mendapatkan kepercayaan yang kuat dari investor. Bahkan, Komisi Sekuritas Malaysia telah menggandeng Dow Jones dengan memperkenalkan Dow Jones-RHB Islamic Malaysia Index untuk mengintegrasikan pasar domestik dengan pasar internasional. Dengan performance seperti itu, wajarlah jika kemudian banyak negara Muslim mencoba mengikuti jejak Malaysia.


[1] http://www.media-indonesia.com

[2] Antonio Sjafi’I, Bank Sjariah dari teori ke praktek, Tazkia Cendekia-Gema Insani Pers, Jakarta, 2001, cetakan 1.

[3] Sakti, Ali, Analisis Teoritis Ekonomi Islam, Aqsa Publishing / Paradigma, tahun 2007 cetakan 1, hal 7

[4] Antonio Sjafi’I, Bank Sjariah dari teori ke praktek, Tazkia Cendekia-Gema Insani Pers, Jakarta, 2001, cetakan 1.

[5] Antonio Sjafi’I, Bank Sjariah dari teori ke praktek, Tazkia Cendekia-Gema Insani Pers, Jakarta, 2001, cetakan 1. hal, 233

[6] Antonio Sjafi’I, Bank Sjariah dari teori ke praktek, Tazkia Cendekia-Gema Insani Pers, Jakarta, 2001, cetakan 1. hal 234

[7] Remy Syahdeni, Sutan, DR. Prof. Perbankan Islam (dan Kedudukannya dalam Tata Hukum Perbankan Indonesia) Grafiti, cetakan 2, tahun 2005, halaman 27.

PENGERTIAN BMT

July 19, 2010 Leave a comment

II. LANDASAN TEORI

A. Pengertian BMT

Baitul Mal Wa Tamwil (BMT) terdiri dari dua istilah, yaitu baitul mal dan baitut tamwil. Baitul maal lebih mengarah pada usaha-usaha pengumpulan dan penyaluran dana yang non profit, seperti zakat, infak dan shodaqoh. Sedangkan baitut tamwil sebagai usaha pengumpulan dan dan penyaluran dana komersial (Prof. H A. Djazuli:2002).

B. Sejarah BMT

Di Indonesia sendiri setelah berdirinya Bank Muamalat Indonesia (BMI) timbul peluang untuk mendirikan bank-bank yang berprinsip syariah. Operasinalisasi BMI kurang menjangkau usaha masyakat kecil dan menengah, maka muncul usaha untuk mendirikan bank dan lembaga keuangan mikro, seperti BPR syariah dan BMT yang bertujuan untuk mengatasi hambatan operasioanal daerah.

Disamping itu di tengah-tengah kehidupan masyarakat yang hidup serba berkecukupan muncul kekhawatiran akan timbulnya pengikisan akidah. Pengikisan akidah ini bukan hanya dipengaruhi oleh aspek syiar Islam tetapi juga dipengaruhi oleh lemahnya ekonomi masyarakat. Oleh sebab itu peran BMT agar mampu lebih aktif dalam memperbaiki kondisi tersebut.

19

Propinsi Lampung BMT mulai ada dengan dirintisnya Pusat Inkubasi Bisnis Usaha Kecil (PINBUK), maka pada Tahun 1996 Lahirlah BMT Swadaya dengan berdiri 30 BMT. Sedang pada tahun 1998 dengan bantuan Pemerintah propinsi ketika itu membantu berdirinya 17 BMT, berkembang kembali pada tahun 1999 dengan melahirkan 60 BMT serta diberi modal lima ratus ribu per BMT. Di tahun yang sama muncul 75 BMT dengan pemberian modal sebesar satu koma lima juta rupiah tiap BMT. Pada Tahun selanjutnya Pemerintah juga memberi bantuan modal terhadap 60 BMT yang baru berdiri dengan kisaran modal yang sama. Pada tahun 2002 lahir lagi 60 BMT di Propinsi Lampung dengan pemberian modal awal dua juta rupiah tiap BMT. Dengan berjalannya waktu lahirlah BMT-BMT baru dan berkembang dengan baik seperti BMT As Syifa di Metro, BMT Mentari di Kota Gajah, BMT Pringsewu, BMT Bagas di Lampung Timur, dan BMT Fajar di Metro.

Sedangkan di Kota Metro sendiri sejarah berdirinya BMT di mulai dengan berdirinya BMT Al Ihsan pada bulan Oktober 1994, Lalu berdiri BMT Bina Rahmat oleh Bapak Yulianto pada tahun 1995. Di tahun yang sama berdiri BMT Fajar. Lalu pada Desember 1998 berdiri BMT diantaranya adalah BMT At Taufik, BMT Al Hikmah, BMT Al Mukhsin yang mendapat modal melalui dana bergilir. Pada tahun 2000 berdiri BMT diantaranya Al Muttaqin, BMT Westra.

C. Pengertian Lembaga Keuangan Non Bank

Pengertian lembaga keuangan non bank yakni organisasi ekonomi yang berbentuk selain bank (Heri Sudarsono:2005)

.

20

D. Macam-Macam Lembaga Keuangan syariah Non Bank

Dibentuknya:

1. Baitul Maal Wattamwil dan koperasi Pondok Pesantren

Lembaga ini didirikan dengan maksud untuk memfasilitasi masyarakat bawah yang tidak terjangkau oleh pelayanan bank syariah atau BPR syariah. Prinsip operasinya didasarkan atas prinsip bagi hasil, jual-beli (itjarah) dan titipan (wadiah).

2. Asuransi Syariah (takaful)

Asuransi syariah menggantikan prinsip bunga dengan prinsip dana kebajikan (tabarru’), dimana sesame umat di tuntut untuk saling tolong menolong ketika saudara mengalami musibah.

3. Reksadana Syariah

Reksadana syariah mengganti system deviden dengan bagi hasil mudharabah dan hanya mempertimbangkan investasi-investasi yang halal sebagai portofolionya.

4. Pasar Modal Syariah

Sebagaimana reksadana syariah, pasar modal syariah juga menggunakan prinsip yang sama.

5. Pegadaian Syariah (Rahn)

Lembaga ini menggunakan system jasa administrasi dan bagi-hasil untuk menggantikan prinsip bunga.

6. Lembaga Zakat, Infak, Shadaqah dan Waqaf

Lembaga ini merupakan lembaga yang hanya ada dalam system keuangan Islam, karena Islam mendorong umatnya untuk menjadi sukatelawan dalam

21 beramal (volunteer). Dana ini hanya bisa di alokasikan untuk kepentingan social atau peruntukan yang telah digariskan menurut syariah Islam.

E. Pengertian Lembaga Keuangan syariah.

Menurut Heri Sudarsono (2006) Bank dan Lembaga Keuangan Syariah merupakan Organisasi ekonomi yang berdasar pada syari`ah Islam dan didirikan oleh umat Islam.

F. Peran Lembaga Keuangan syariah non Bank

Untuk mewujudkan masyarakat adil dan efisien, maka setiap tipe dan lapisan masyarakat harus terwadahi, namun perbankan belum bisa menyentuh semua lapisan masyarakat, sehingga masih terdapat kelompok masyarakat yang tidak terfasilitasi yakni:

1. Masyarakat yang secara legal dan administrative tidak memenuhi kriteria perbankan. Prinsip kehati-hatian yang diterapkan oleh bank menyebabkan sebagian masyarakat tidak mampu terlayani. Mereka yang bermodal kecil dan penghindar resiko tersebut, jumlahnya cukup signifikan dalam Negara-negara muslim seperti Indonesia, yang sebenarnya secara agregat memegang dana yang cukup besar.

2. Masyarakat yang bermodal kecil namun memiliki keberanian dalam mengambil resiko usaha. Biasanya kelompok masyarakat ini akan memilih reksa dana atau mutual fund sebagai jalan investasinya.

3. Masyarakat yang memiliki modal besar dan keberanian dalam mengambil resiko usaha. Biasanya kelompok ini akan memilih pasar modal atau investasi langsung sebagai media investasinya.

22

4. Masyarakat yang menginginkan jasa keuangan non-investasi, misalnya pertanggungan terhadap resiko kekurangan likuiditas dalam kasus darurat, kebutuhan dana konsumtif jangka pendek, tabungan hari tua, dan sebagainya. Kesemua produk tersebut tidaklah ditawarkan oleh perbankan (karena regulasi perbankan yang juga membatasinya). Sebagai alternatifnya, kelompok masyarakat tersebut akan menggunakan jasa asuransi, pegadaian dan dana pension sebagai pilihan investasinya.

G. Beberapa Fungsi BMT

1. Penghimpun dan penyalur dana, dengan menyimpan uang di BMT, uang tersebut dapat ditingkatkan utilitasnya, sehingga timbul unit surplus (pihak yang memiliki dana berlebih) dan unit defisit (pihak yang kekurangan dana).

2. Pencipta dan pemberi likuiditas, dapat menciptakan alat pembayaran yang sah yang mampu memberikan kemampuan untuk memenuhi kewajiban suatu lembaga/perorangan.

3. Sumber pendapatan, BMT dapat menciptakan lapangan kerja dan memberi pendapatan kepada para pegawainya.

4. Pemberi informasi, memberi informasi kepada masyarakat mengenai risiko keuntungan dan peluang yang ada pada lembaga tersebut.

H. Teori Dana BMT

1. Pengertian Dana BMT

Dana BMT atau Financeable Fund adalah sejumlah uang yang dimiliki dan dikuasai suatu BMT dalam kegiatan operasionalnya. Dana BMT ini terdiri dari :

23

1. Dana Pihak Pertama

Yaitu dana yang berasal dari pemilik berupa modal dan hasil usaha BMT.

2. Dana Pihak Kedua

Yaitu dana yang berasal dari instrumen pasar uang dan instrumen pasar modal.

3. Dana Pihak Ketiga

Yaitu dana yang berasal dari penghimpunan dana BMT berupa giro (nasabah), tabungan, deposito berjangka, sertifikat deposito berjangka, kewajiban segera lainnya.

2. Fungsi Dana BMT

Dana BMT memiliki fungsi yakni:

1. Sebagai sumber dana biaya operasional BMT

2. Sumber dana untuk investasi primer dan sekunder BMT

3. Sebagai penyangga (cushion) dan penyerap kerugian BMT bersangkutan

4. Sebagai tolok ukur besar kecilnya suatu BMT

5. Untuk menarik masyarakat yang kelebihan dana agar menabungkan uangnya di BMT bersangkutan

6. Untuk memperbesar solidaritas masyarakat terhadap BMT bersangkutan

7. Untuk memperbesar daya saing BMT bersangkutan

8. Untuk mempermudah penarikan dan peningkatan sumber daya manusia

9. Untuk memperbanyak pembukaan kantor cabang

10. Sebagai tool of management bagi manajer BMT

24

I. Produk Penghimpunan Dana

Pada sistem operasional BMT syariah, pemilik dana menanamkan uangnya di BMT tidak dengan motif mendapatkan bunga, tetapi dalam rangka mendapatkan keuntungan bagi hasil. Produk penghimpunan dana lembaga keuangan syariah adalah (Himpunan Fatwa DSN-MUI, 2003):

1. Giro Wadiah

Giro Wadiah adalah produk simpanan yang bisa ditarik kapan saja. Dana nasabah dititipkan di BMT dan boleh dikelola. Setiap saat nasabah berhak mengambilnya dan berhak mendapatkan bonus dari keuntungan pemanfaatan dana giro oleh BMT. Besarnya bonus tidak ditetapkan di muka tetapi benar-benar merupakan kebijaksanaan BMT. Sungguhpun demikian nominalnya diupayakan sedemikian rupa untuk senantiasa kompetitif (Fatwa DSN-MUI No. 01/DSN-MUI/IV/2000).

2. Tabungan Mudharabah

Dana yang disimpan nasabah akan dikelola BMT, untuk memperoleh keuntungan. Keuntungan akan diberikan kepada nasabah berdasarkan kesepakatan nasabah. Nasabah bertindak sebagai shahibul mal dan lembaga keuangan syariah bertindak sebagai mudharib (Fatwa DSN-MUI No. 02/DSN-MUI/IV/2000).

3. Deposito Mudharabah

BMT bebas melakukan berbagai usaha yang tidak bertentangan dengan syariah dan mengembangkannya. BMT bebas mengeola dana (Mudharabah Mutaqah). BMT berfungsi sebagai mudharib sedangkan nasabah juga shahibul maal. Ada juga dana nasabah yang dititipkan untuk usaha tertentu. Nasabah memberi batasan

25

penggunn dana untuk jenis dan tempat tertentu. Jenis ini disebut Mudharabah Muqayyadah.

J. Produk Pembiayaan

Dalam melaksanakan kegiatan pembiayaan, BMT syariah menempuh mekanisme bagi hasil sebagai pemenuhan kebutuhan permodalan (equity financing) dan investasi berdasarkan imbalan melalui mekanisme jual-beli (bai’) sebagai pemenuhan kebutuhan pembiayaan (debt financing) (Zainul arifin ,1999)

26

Gambar 2. Bagan Akad

1. Equity Financing

Ada dua macam dalam kategori ini, yaitu :

a) Pembiayaan Musyarakah (Join Venture Profit Sharing)

Pembiayaan Musyarakah adalah akad kerjasama antara dua pihak atau lebih untuk suatu usaha tertentu, dimana masing-masing pihak memberikan kontribusi dana dengan kesepakatan bahwa keuntungan dan risiko akan ditanggung bersama sesuai dengan kesepakatan (Himpunan Fatwa DSN-MUI, 2003 : 50).

27

Dari pengertian di atas, dapat dilihat ciri-ciri dari perjanjian/akad musyarakah, yaitu kontribusi dana berasal dari dua pihak (BMT dan nasabah) dan bagi hasil berdasarkan kontribusi modal. Dalam musyarakah, kepemilikan dua orang atau lebih terbagi dalam sebuah aset nyata. Dalam hal pengelolaan usaha, pihak BMT diikutsertakan atau dilibatkan dalam proses manajemen.

Aplikasi BMT untuk akad musyarakah adalah (M. Syafi’i Antonio, 1999:197):

1. Pembiayaan Proyek. Nasabah dan BMT sama-sama menyediakan dana untuk membiayai proyek. Setelah proyek selesai, nasabah mengembalikan dana tersebut bersama bagi hasil yang telah disepakati bersama.

2. Modal Ventura. Pada BMT-BMT yang dibolehkan melakukan investasi dalam kepemilikan perusahaan, musyarakah diterapkan dalam skema modal ventura. Penanaman modal dilakukan untuk jangka waktu tertentu, dan setelah itu BMT melakukan divestasi, baik secara singkat maupun bertahap.

b) Pembiayaan Mudharabah (Trustee Profit Sharing)

Pembiayaan Mudharabah adalah akad kerjasama usaha antara dua pihak dimana pihak pertama (shahibul maal) menyediakan seluruh modal, sedangkan pihak lainnya menjadi pengelola dan keuntungan usaha dibagi sesuai dengan kesepakatan yang dituangkan dalam kontrak (Himpunan Fatwa DSN-MUI, 2003 : 40).

28

Di dalam mudharabah hubungan kontrak bukan antara pemberi modal, melainkan antara penyedia dana (shahibul maal) dengan enterpreneur (mudharib)( Zainul Arifin, 1999 ).

Dari kedua pengertian diatas dapat dilihat bahwa BMT menanggung seluruh modal sedangkan nasabah hanya memiliki modal keahlian (tetapi tidak mempunyai dana). Keuntungan usaha dibagi menurut kesepakatan sedangkan kerugian seluruhnya ditanggung oleh pemilik modal (BMT) selam bukan akibat kelalaian si pengelola.

Aplikasi dalam BMT untuk mudharabah dari sisi pembiayaan adalah:

1. Pembiayaan Modal Kerja, seperti modal kerja perdagangan dan jasa.

2. Investasi khusus (mudharabah muqayyadah), dimana sumber dana khusus dengan penyaluran yang khusus dengan syarat-syarat yang tetapkan oleh shahibul mal.

2. Debt Financing

Debt Financing dilakukan dengan teknik jual-beli. Pengertian bai’ meliputi berbagai kontrak pertukaran barang dan jasa dalam jumlah tetentu atas barang dan jasa bersangkutan (Zainul arifin, 1999 ).

Penyerahan jumlah barang atau jasa dapat dilakukan dengan segera (cash) atau dengan tangguh (deferred).

Bentuk dari Debt Financing adalah sebagi berikut :

a) Murabahah

BMT membeli barang kemudian menjualnya kepada nasabah dengan harga jual senilai harga beli plus keuntungannya. BMT harus memberi

29

tahu secara jujur harga pokok barang kepada nasabah berikut biaya yang diperlukan. Nasabah membayar harga barang yang telah disepakati dalam jangka waktu tertentu (Fatwa DSN-MUI No. 04/DSN-MUI/IV/2000).

Dalam hal ini BMT bertindak sebagai penjual, sementara nasabah sebagai pembeli. Dalam murabahah penjual harus memberitahu harga produk yang ia beli dan menentukan suatu tingkat keuntungan sebagai tambahannya.

Sistem ini diterapkan pada produk pembiayaan untuk pembelian barang-barang investasi, baik domestik maupun luar negeri, seperti melalui letter of credit (L/C). Skema ini paling banyak digunakan karena sederhana dan tidak terlalu asing bagi yang sudah biasa bertransaksi dengan dunia BMT pada umumnya.

b) Bai’ as-salam

Bai’ as-salam jual beli barang dengan cara pemesanan dan pembayaran harga lebih dahulu dengan syarat-syarat tertentu. Pembayaran hrus dilakukan pada saat kontrak disepakati. Waktu penyerahan barang ditetapkan berdasarkan kesepakatan dengan kualitas dan jumlah yang telah disepakati pula (Himpunan Fatwa DSN-MUI, 2003 : 30).

Dalam aplikasi BMT, transaksi ini biasanya dipergunakan untuk pembiayaan pertanian jangka pendek seperti padi, jagung, dan cabai serta untuk pembiayaan barang industri seperti produk garmen (pakaian jadi).

30

c) Bai’ al-istishna’

Bai’ al-istishna merupakan akad jual beli dalam bentuk pemesanan pembuatan barang tertentu dengan kriteria dan persyaratan tertentu yang disepakati antara pemesan (pembeli, mustashni’) dan penjual (pembuat, shani)(Himpunan Fatwa DSN-MUI, 2003 : 36).

Transaksi Bai’ al-istishna biasanya dipakai untuk pembiayaan konstruksi dan barang-barang manufaktur jangka pendek. Kontrak Bai’ al-istishna walaupun kelihatan sama dengan bai’ as-salam tetapi berbeda.

e) Al Ijarah

Ijarah adalah akad pemindahan hak guna atas barang atau jasa dalam waktu tertentu melalui pembayaran upah atau sewa, tanpa diikuti dengan pemindahan kepemilikan atas barang itu sendiri (Himpunan Fatwa DSN-MUI, 2003 : 58).

Dalam transaksi ijarah , BMT menyewakan suatu aset yang sebelumnya telah dibeli oleh BMT kepada nasabahnya untuk jangka waktu tertentu dengan jumlah sewa yang telah disetujui di muka.

Aplikasi dalam BMT untuk sistem ini adalah Leasing, baik dalam bentuk operating lease maupun financial finance.

31

Pemberian suatu fasilitas Pembiayaan mempunyai tujuan tertentu. Tujuan pemberian Pembiayaan tersebut tidak akan terlepas dari misi BMT tersebut didirikan. Adapun tujuan utama pemberian suatu Pembiayaan antara lain :

1. Mencari keuntungan

Yaitu bertujuan untuk meperoleh hasil dari pemberian Pembiayaan tersebut. Hasil tersebut terutama dalam bentuk bunga yang diterima oleh BMT sebagai balas jasa dan biaya administrasi Pembiayaan yang dibeBMTan kepada nasabah.

2. Membantu usaha nasabah

Yaitu untuk membantu usaha nasabah yang memerlukan dana, baik dana investasi maupun dana untuk modal kerja. Dengan dana tersebut, maka pihak debitur akan dapat mengembangkan dan memperluaskan usahanya.

3. Membantu pemerintah

Bagi pemerintah semakin banyak pembiayaan yang disalurkan oleh pihak BMT, maka semakin baik, mengingat semakin banyak Pembiayaan berarti adanya peningkatan pembangunan di berbagai sektor. Disamping tujuan di atas, suatu fasilitas Pembiayaan memiliki fungsi sebagai berikut :

a. Untuk meningkatkan daya guna uang.

Dengan adanya Pembiayaan dapat meningkatkan daya guna uang maksudnya jika hanya disimpan saja tidak akan menghasilkan sesuatu yang berguna.

32

b. Untuk meningkatkan peredaran dan lalu lintas uang

Dalam hal ini uang diberikan atau disalurkan akan beredar dari suatu wilayah ke wilayah lainnya sehingga, suatu daerah yang kekurangan uang dengan memperoleh Pembiayaan maka daerah tersebut akan memperoleh tambahan uang dari daerah lainnya.

c. Untuk meningkatkan daya guna barang.

Pembiayaan yang diberikan oleh BMT akan dapat digunakan oleh debitur untuk mengolah barang yang tidak berguna menjadi barang berguna atau bermanfaat.

d. Meningkatkan peredaran barang.

Pembiayaan dapat pula menambah atau memperlancar arus barang dari satu wilayah ke wilayah lainnya, sehingga jumlah barang yang beredar dari satu wilayah ke wilayah lain bertambah atau Pembiayaan dapat pula meningkatkan jumlah barang yang beredar.

e. Sebagai alat stabilitas ekonomi.

Dengan memberikan Pembiayaan dapat dikatakan sebagai stabilitas ekonomi karena dengan adanya Pembiayaan yang diberikan akan menambah jumlah barang yang diperlukan oleh masyarakat.

f. Untuk meningkatkan kegairahan berusaha.

Bagi penerima Pembiayaan tentu akan dapat meningkatkan kegairahan berusaha, apalagi bagi si nasabah yang memang modalnya pas-pasan.

g. Untuk meningkatkan pemerataan pendapatan.

Semakin banyak Pembiayaan yang disalurkan maka akan semakin baik, terutama dalam hal meningkatkan pendapatan.

33

h. Untuk meningkatkan hubungan internasional.

Dalam hal pinjaman internasional akan dapat meningkatkan saling membutuhkan antara si penerima pembiayaan dengan si pemberi Pembiayaan.

K. Produk Jasa

Di samping produk pembiayaan, BMT syariah juga mempunyai produk-produk jasa atau pelayanan. Produk ini juga merupakan penerapan dari akad-akad syariah. Produk jasa yang lazim diterapkan BMT syariah diantaranya adalah (Himpunan Fatwa DSN-MUI, 2003) :

a) Wakalah

Wakalah berarti pelimpahan kekuasan dari satu pihak ke pihak lain dalam hal-hal yang boleh diwakilkan (Himpunan Fatwa DSN-MUI, 2003 : 66). Prinsip perwakilan diterapkan dalam BMT syariah dimana BMT bertindak sebagai wakil dan nasabah sebagai pemberi wakil (muwakil).(M. Syafi’i Antonio, 1999:252).

Prinsip ini diterapkan untuk pengiriman uang atau transfer, penagihan (collection/inkasso), dan letter of credit (L/C). Sebagai imbalan, BMT mengenakan fee atau biaya atas jasanya terhadap nasabah.

b) Kafalah

Kafalah berarti mengalihkan tanggung jawab seseorang yang dijamin dengan berpegang pada tanggung jawab orang lain sebagai penjamin (M. Syafi’i Antonio, 1999:231).

34

Dalam pengertian lain, kafalah merupakan jaminan yang diberikan oleh penanggung kepada pihak ketiga untuk memenuhi kewajiban pihak kedua atau yang ditanggung.

Prinsip penjaminan yang diterapkan oleh BMT syariah di mana BMT bertindak sebagai penjamin sedangkan nasabah sebagai pihak yang dijamin. Seperti halnya dalam wakalah, untuk jasa al kafalah BMT syariah pun mendapat bayaran dari nasabahnya.

c) Hawalah

Hawalah adalah pengalihan hutang dari orang yang berhutang kepada orang lain yang wajib menanggungnya(M. Syafi’i Antonio, 1999:201).

Prinsip ini diterapkan oleh BMT syariah di mana BMT bertindak sebagai penerima pengalihan piutang dan nasabah bertindak sebagai pengalih piutang. Untuk jasa ini BMT syariah mendapatkan upah pengalihan dari nasabah.

Aplikasi dalam BMT untuk jasa ini adalah factoring atau anjak piutang, post-date check, bill discounting.

d) Rahn

Rahn adalah menahan harta milik si peminjam sebagi jaminan atas pinjama yang diterimanya. Barang yang ditahan tersebut memiliki nilai ekonomis (M. Syafi’i Antonio, 1999:213 ).

Dalam jasa ini pihak yang menahan memperoleh jaminan untuk mengambil kembali seluruh atau sebagian piutangnya. Secara sederhana dapat dijelaskan bahwa rahn adalah semacam jaminan hutang atau gadai.

35

e) Qardh

Qardh adalah pinjamam yang diberikan kepada nasabah yang memerlukan. Nasabah wajib mengembalikan jumlah pokok yang diterima pada waktu yang telah disepakati bersama (Himpunan Fatwa DSN-MUI, 2003 : 111).

Penerapannya produk ini adalah :

1. Sebagai produk pelengkap kepada nasabah yang telah terbukti loyalitas dan bonafiditasnya yang membutuhkan dana talangan segera untuk masa yang relatif pendek. Nasabah tersebut akan mengembalikan secepatnya sejumlah uang yang dipinjamkannya itu

2. Sebagai fasilitas nasabah yang memerlukan dana cepat sedangkan ia tidak bisa menarik dananya karena, misalnya tersimpan dalam bentuk deposito.

3. Sebagai produk untuk menyumbang usaha sangat kecil atau membantu sektor sosial. Guna pemenuhan skema khusus ini telah dikenal suatu produk khusus yaitu qardhu hasan.

f) Sharf

Sharf adalah transaksi pertukaran antara emas dan perak atau pertukaran valuta asing, dimana mata uang asing dipertukarkan dengan mata uang domestik atau dengan mata uang asing lainnya.

L. Teori Non-Performing Finance

1. Pengertian Non-Performing Finance

Non-Performing Finance atau Pembiayaan macet secara umum adalah Pembiayaan yang tidak lancar atau Pembiayaan dimana debiturnya tidak

36

memenuhi persyaratan yang diperjanjikan, misalnya persyaratan mengenai pengembalian pokok pinjaman, peningkatan margin deposit, pengikatan dan peningkatan agunan dan sebagainya. Dalam pengertian khusus atau menurut BMT, BMT yang konservatif melihat Pembiayaan atau pinjamanan yang diberikannya sebagai aset yang berisiko (risk asset) dan karenanya BMT harus mengelola risiko yang melekat pada proses pemberian pinjaman. BMT semacam ini mengganggap bahwa laporan keuangan yang seharusnya dihasilkan oleh debitur untuk disampaikan kepada BMTnya, sebagai salah satu pengelola berisiko. Sarana untuk risk management ini tidak ada, maka Pembiayaannya menjadi bermasalah.

2. Faktor-faktor penyebab Non-Performing Finance (NPF)

Dalam menjalankan fungsinya sebagai penyalur dana kepada masyarakat, maka BMT sebagai lembaga perPembiayaanan, harus melakukan analisis melalui prinsip 5 C, guna meminimalkan risiko bermasalahnya atau tidak kembalinya Pembiayaan. Kelima prinsip tersebut meliputi :

1. Character

Keyakinan pihak BMT bahwa si peminjam mempunyai moral, watak, ataupun sifat-sifat pribadi yang positip dan koperatip dan juga mempunyai rasa tanggung jawab baik dari kehidupan pribadi sebagai manusia, kehidupan sebagai anggota masyarakat ataupun dalam menjalankan kegiatan usahanya.

37

2. Capacity

Suatu penilaian kepada calon debitur mengenai kemampuan melunasi kewajiban-kewajibannya dari kegiatan usaha yang dilakukannya atau kegiatan usaha yang akan dilakukannya yang akan dibiayai dengan Pembiayaan dari BMT. Jadi jelaslah maksud dari penilaian terhadap capacity ini untuk menilai sampai dimana hasil usaha yang akan diperolehnya tersebut, akan mampu untuk melunasinya tepat waktu sesuai dengan perjanjian yang telah disepakatinya.

3. Capital

Penilaian terhadap jumlah dana atau modal sendiri yang dimiliki oleh calon debitur. Hal ini kelihatannya kontradiktip dengan tujuan Pembiayaan yang berfungsi sebagai penyedia dana. Namun memang demikianlah halnya dalam kaitan bisnis murni, semakin kaya seseorang ia akan dipercaya untuk memperoleh Pembiayaan.

4. Collateral

Suatu penilaian terhadap barang-barang jaminan yang diserahkan oleh peminjam atau debitur sebagai jaminan atas Pembiayaan yang diterimanya. Manfaat collateral yaitu sebagai alat pengamanan apabila uasaha yang dibiayai dengan Pembiayaan tersebut gagal atau sebab lain dimana debitur tidak mampu melunasi Pembiayaannya dari hasil usahanya yang normal.

5. Condition of economy

Condition of economy yaitu adalah situasi dan kondisi politik, sosial, ekonomi, budaya, dan lain-lain yang mempengaruhi kondisi perekonomian pada suatu saat

38

maupun untuk suatu kurun waktu tertentu yang kemungkinannya akan dapat mempengaruhi kelancaran usaha dari perusahaan yang memperoleh Pembiayaan.

Banyak faktor yang menyebabkan Pembiayaan tersebut menjadi bermasalah. Faktor-faktor penyebab terjadinya Pembiayaan bermasalah, yaitu :

a. Faktor internal BMT

b. Faktor internal nasabah

c. Faktor eksternal

d. Faktor kegagalan bisnis

e. Faktor ketidakmampuan manajemen

M. Pengertian Financing to Deposit Ratio (FDR)

Secara umum BMT dipahami sebagai financial intermediary institution atau lembaga perantara keuangan dari dua pihak yaitu pihak yang kelebihan dana dan pihak yang kekurangan dana.

Setelah mengetahui pengertian dari sisi penggumpulan dana dan sisi penyaluran Pembiayaan, maka dapat diukur kinerja BMT sebagai lembaga intermediasi. Salah satu tolak ukur dalam rangka mengukur kinerja BMT khususnya yang berkenaan dengan pelaksanaan fungsi intermediasi adalah dengan menggunakan Finance to Deposit Ratio (FDR), yaitu perbandingan atau ratio antara Dana Pihak Ketiga (DPK) yang berhasil dihimpun oleh BMT (pelaksanaan fungsi intermediasi penghimpunan dana) terhadap penyaluran dana dalam bentuk Pembiayaan (pelaksanaan fungsi penyaluran dana).

39

N. Intermediasi BMT

Alat ukur utama yang selama ini digunakan untuk mengukur kinerja BMT khususnya berkenaan dengan pelaksanaan fungsi intermediasi BMT adalah Finance to deposit ratio (FDR), yaitu perbandingan atau rasio antara dana pihak ketiga (DPK) yang berhasil dihimpun oleh BMT (pelaksanaan fungsi intermediasi penghimpunan dana) terhadap penyaluran dana dalam bentuk Pembiayaan (pelaksanaan fungsi penyaluran dana). Dilihat dari komponen pembentuknya FDR merupakan suatu ukuran ideal yang dapat digunakan untuk mengukur kinerja BMT sebagai lembaga intermediasi (Abdullah, 2003 : 16).

Finance to deposit Ratio (FDR) adalah suatu pengukuran tradisional yang menunjukkan deposito berjangka, giro, tabungan, dan lain lain yang digunakan dalam memenuhi permohonan pinjaman nasabahnya. Rasio ini menggambarkan sejauh mana simpanan digunakan untuk pemberian pinjaman. Rasio ini juga dapat digunakan untuk mengukur tingkat likuiditas.. Definisi ini masih bersifat umum karena lebih lanjut dijelaskan bahwa setiap pemberian Pembiayaan disertai dengan klausa perjanjian.

Fungsi intermediasi BMT bertolak ukur kepada Finance to Deposit Ratio (FDR). FDR adalah suatu pengukuran tradisional yang menunujukkan deposito berjangka, giro, tabungan, dan lain-lain yang digunakan dalam memenuhi permohonan pinjaman (Finance requests) nasabahnya. Rasio ini menggambarkan sejauh mana simpanan digunakan untuk pemberian pinjaman. Rasio ini juga dapat mengukur tingkat likuiditas.

40

Rasio yang tinggi menunjukkan bahwa suatu BMT meminjamkan seluruh dananya (Finance-up) atau relatif tidak likuid (illiquid). Sebaliknya rasio yang rendah menunjukkan BMT yang likuid dengan kelebuhan kapasitas dana yang siap untuk dipinjamkan. Oleh karena itu, rasio ini juga dapat memberi isyarat apakah suatu pinjaman masih dapat mengalami ekspansi atau sebaliknya harus dibatasi.

Secara umum, BMT yang besar cenderung mempunyai FDR yang lebih besar dibanding BMT yang kecil. Meskipun tidak demikian tidak berlaku untuk BMT kecil yang terletak di daerah pertanian, karena BMT itu mempunyai FDR sangat tinggi, bahkan kadang bisa lebih dari 100%.

Dalam pengertian sehari-hari seperti sering diucapkan oleh banyak kalangan bahwa akhir-akhir ini yang dapat dilihat pada indikator FDR umumnya hanya isi komponen yang sangat sederhana. Sebagai indikator pinjaman adalah jumlah atau posisi pinjmanan yang diberikan, sebagaiman tercantum pada sisi aktiva. Sebagai indikator pada simpanan adalah giro, deposito, tabungan yang masing-masing tercantum pada sisi passiva neraca BMT. Kedua komponen tersebut dalam bentuk rupiah.

Tujuan perhitungan FDR adalah untuk mengetahui serta menilai sampai berapa besar jauh suatu BMT memiliki kondisi sehat dalam menjalankan operasi atau kegiatan usahanya. Dengan kata lain FDR digunakan sebagai indikator untuk mengetahui tingkat kerawanan suatu BMT.

41

O. Keunggulan dan Kelemahan antara BMT dengan Perbankan Konvensional

BMT sebagai alternatif Bank-bank konvensional, memiliki keunggulan-keunggulan yang juga merupakan perbedaan dan perbandingan jika dengan perbankan konvensional. Disamping hal tersebut muncul juga kelemahan-kelemahan karena sebagai pemain baru dalam dunia lembaga keuangan.

Keunggulan BMT adalah:

1. BMT Islam memiliki dasar hukum operasional yakni Al Qur’an dan Al Hadist. Sehingga dalam operasionalnya sesuai dengan prinsip-prinsip dasar seperti diperintahkan oleh Allah SWT, juga nilai dasar seperti yang dicontohkan Rasulullah SAW.

2. BMT Islam mendasarkan semua produk dan operasinya pada prinsip-prinsip efisiensi, keadilan, dan kebersamaan.

3. Adanya kesamaan ikatan emosional keagamaan yang kuat antara pemegang saham, pengelola, dan nasabah, sehingga dapat dikembangkan kebersamaan dalam menghadapi resiko usaha dan membagi keuntungan secara jujur dan adil.

4. Adanya keterikatan secara religi, maka semua pihak yang terlibat dalam BMT Islam akan berusaha sebaik-baiknya sebagai pengalaman ajaran agamanya sehingga berapa pun hasil yang diperoleh diyakini membawa berkah.

5. Adanya fasilitas pembiayaan (Al Mudharabah dan Al Musyarakah) yang tidak membebani nasabah sejak awal dengan kewajiban membayar biaya secara

42

tetap, hal ini memberikan kelonggaran physichologis yang diperlukan nasabah untuk dapat berusaha secara tenang dan bersungguh-sungguh.

6. Adanya fasilitas pembiayaan (Al Murabahah dan Al Ba’i Bitsaman Ajil) yang lebih mengutamakan kelayakan usaha dari pada jaminan (kolateral) sehingga siapa pun baik pengusaha ataupun bukan mempunyai jaminan kesempatan yang luas untuk berusaha.

7. Tersedia pembiayaan (Qardu Hasan) yang tidak membebani nasabah dengan biaya apapun, kecuali biaya yang dipergunakan sendiri:seperti bea materai, biaya notaris, dan sebagainya. Dana fasilitas ini diperoleh dari pengumpulan zakat, infak dan sadaqah, para amil zakat yang masih mengendap.

8. Dengan diterapkannya sistem bagi hasil sebagai pengganti bunga, maka tidak ada diskriminasi terhadap nasabah yang didasarkan atas kemampuan ekonominya sehingga akseptabilitas BMT Islam menjadi luas.

9. Dengan adanya sistem bagi hasil, maka untuk kesehatan BMT yang bisa diketahui dari naik turunnya jumlah bagi hasil yang diterima.

10. Dengan diterapkannya sistem bagi hasil, maka persaingan antar BMT Islam berlaku wajar yang diperuntukkan oleh keberhasilan dalam membina nasabah dengan profesionalisme dan pelayanan yang baik.

43

Kelemahan-kelemahan serta permasalahan-permasalahan yang ada dalam BMT Islam (Warkum Sumitro, 1996) adalah:

1. Dalam operasional BMT Islam, pihak-pihak yang terlibat didasarkan pada ikatan emosional keagamaan yang sama, sehingga antara pihak-pihak khususnya pengelola BMT dan BMT harus saling percaya, bahwa mereka sama-sama beritikad baik dan jujur dalam bekerjasama. BMT dengan sistem ini terlalu berprasangka baik kepada semua nasabah dan berasumsi bahwa semua orang yang terlibat adalah jujur. Dengan demikian, BMT Islam rawan terhadap mereka yang beritikad tidak baik sehingga diperlukan usaha tambahan untuk mengawasi nasabah yang menerima pembiayaan dari BMT Islam karena tidak dikenal bunga, denda keterlambatan dan sebagainya.

2. Sistem bagi hasil yang adil memerlukan tingkat profesionalisme yang tinggi bagi pengelola BMT untuk membuat penghitungan yang cermat dan terus-menerus.

3. Motivasi masyarakat muslim untuk terlibat dalam aktivitas BMT Islam adalah emosi keagamaan, ini berarti tingkat efektifitas keterlibatan masyarakat muslim dalam BMT Islam tergantung pada pola pikir dan sikap masyarakat itus sendiri.

4. Semakin banyak umat Islam memanfaatkan fasilitas yang disediakn BMT Islam, sementara belum tersedia proyek-proyek yang bisa di biayai sebagai akibat kurangnya tenaga-tenaga profesional yang siap pakai, maka BMT Islam akan menghadapi ”kelebihan likuiditas”.

5. Salah satu misi BMT Islam yakni mengentaskan kemiskinan yang sebagian besar kantong-kantong kemiskinan terdapat di pedesaan.

44

P. Perbedaan Sistem Bagi Hasil dengan Sistem Bunga

Menurut kamus, bunga adalah uang balas jasa atau ganti rugi yang diberikan kepada orang yang telah meminjamkan uang atau modal (W. J. S. Poerwadarmita, 1991:165).

Menurut Warkum Sumitro, 1996:12 Bunga dalam pengertian lain adalah:

”Bunga adalah biaya yang dikenakan pada peminjam uang atau imbalan yang diberikan kepada penyimpan yang besarnya telah ditetapkan dimuka, biasanya ditentukan dalam bentuk persentase (%) dan terus dikenakan selama masih ada sisa simpanan atau pinjaman sehingga tidak hanya terbatas pada jingka waktu kontrak”.

Q. Penilaian Resiko

Penilaian risiko yang dihadapi pada pembiayaan Mudharabah/Musyarakah

dapat dibagi menjadi 3 yakni:

1. Faktor yg mempengaruhi Business Risk pada pembiayaan mudharabah maupun musyarakah pada business risk yakni:

1. Industry Risk, yaitu resiko yg terjadi pd jenis usaha yg ditentukan oleh :

a. karakteristik masing-masing jenis usaha

b. kinerja keuangan jenis usaha

2. Faktor negatif yg mempengaruhi perusahaan misalnya:keadaan force majeure, permasalahan hukum, pemogokan, market risk (forex risk, interset risk, security risk)

2. Sedangkan pada shrinkin risk yakni:

1. Unusual Business Risk yaitu resiko bisnis yg luar biasa yg ditentukan oleh:

a. Penurunan drastis tingkat penjualan bisnis yg dibiayai

45

b. Penurunan drastis harga jual barang/jasa dari bisnis yg dibiayai

c. Penurunan drastis harga barang/jasa dari bisnis yang di biayai

2. Jenis bagi hasil yg ditentukan (profit and loss sharing atau revenue sharing)

a. Profit & loss sharing ; shrinking risk muncul bila terjadi loss sharing yg harus ditanggung oleh bank

b. Revenue sharing, shrinking risk terjadi bila nasabah tidak mampu menanggung biaya (nafaqah) yg seharusnya ditanggung nasabah, sehingga nasabah tidak mampu melanjutkan usahanya

3. Faktor yg mempengaruhi Character Risk yaitu:

1. Kelalaian nasabah dalam menjalankan bisnis yg dibiayai bank

2. Pelanggaran ketentuan yg telah disepakati

3. Pengelolaan internal perusahaan yg tdk dilakukan secara profesional sesuai standar pengelolaan yg disepakati antara bank dan nasabah

Sedangkan Analisi terhadap pembiayaan terhadap suatu perusahaan bila dilihat terhadap sales cost, profits, assets & liabilities serta cash flow yakni:

1. Resiko yang Timbul dari Perubahan Kondisi Bisnis Nasabah Setelah Pencairan Pembiayaan

1. Kebanyakan hal yang terjadi setelah pembiayaan telah cair yakni Over Trading dengan kata lain too much business wuth too little capital sehingga krisis cash flow (Uang kas)

2. Adverse Trading yakni mengembangkan bisnis dengan fixed cost yg besar serta bermain di pasar tidak stabil sehingga menimbulkan high risk.

46

3. Liquidity Run yaitu kesulitan likuiditas karena kehilangan sumber pendapatan dan dan peningkatan pengeluaran karena alasan yg tidak terduga

2. Resiko yang Timbul dari Komitmen Kapital yang Berlebihan

Terjadi apabila perusahaan mengambil komitmen kapital yg berlebihan dan menandatangani kontrak untuk pengeluaran berskala besar.

3. Resiko yang Timbul dari Lemahnya Analisis BMT

Analisis Pembiayaan yang Keliru yakni Keputusan pembiayaan yang tidak valid karena sumber informasi yang keliru.

Creative Accounting adalah penggunakan kebijakan akuntansi perusahaan yang keterangan menyesatkan tentang suatu laporan keuangan perusahaan.

Karakter Nasabah yaitu pembiayaan macet yang disengaja oleh nasabah dengan memperdaya petugas bank.

LEMBAGA PENJAMIN SIMPANAN (LPS)

July 19, 2010 Leave a comment

Sejarah pendirian LPS

Industri perbankan merupakan salah satu komponen sangat penting dalam perekonomian nasional demi menjaga keseimbangan kemajuan dan kesatuan eknonomi nasional. Stabilitas industri perbankan dimaksud sangat mempengaruhi stabilitas perekonomian secara keseluruhan. Beberapa peristiwa pada penghujung tahun 1997 di antaranya likuidasi 16 bank yang diikuti dengan krisis moneter dan perbankan pada tahun 1998 telah mengakibatkan tingkat kepercayaan masyarakat pada sistem perbankan di Indonesia menurun, sehingga terjadi penarikan dana masyarakat dari sistem perbankan (bank runs) dalam jumlah yang sangat signifikan. Untuk meningkatkan kembali kepercayaan masyarakat terhadap perbankan nasional sekaligus guna menghambat melemahnya nilai tukar rupiah, Pemerintah memberikan jaminan atas seluruh kewajiban pembayaran bank, termasuk simpanan masyarakat (Blanket Guarantee). Pemberian jaminan tersebut ditetapkan dalam Keputusan Presiden Nomor 26 Tahun 1998 tentang Jaminan Terhadap Kewajiban Pembayaran Bank Umum dan Keputusan Presiden Nomor 193 Tahun 1998 tentang Jaminan Terhadap Kewajiban Pembayaran Bank Perkreditan Rakyat.

Sejak 1998 hingga Februari 2004 program penjaminan Pemerintah dilaksanakan oleh Badan Penyehatan Perbankan Nasional (BPPN). Badan ini menangani pelaksanaan penjaminan Pemerintah terhadap kewajiban pembayaran 52 bank yang dibekukan operasi atau kegiatan usahanya sejak 1998.

Pada saat BPPN berakhir tugasnya pada 27 Februari 2004, pelaksanaan program penjaminan Pemerintah dialihkan ke Menteri Keuangan berdasarkan Keputusan Presiden nomor 17 Tahun 2004. Program penjaminan yang belum diselesaikan oleh BPPN selanjutnya dilaksanakan oleh Menteri Keuangan. Untuk melaksanakan program penjaminan Pemerintah ini, Menteri Keuangan diberi wewenang untuk membentuk unit pelaksana penjaminan Pemerintah dalam lingkungan Departemen Keuangan. Berdasarkan hal tersebut, pada tanggal 27 Pebruari 2004 Menteri Keuangan membentuk Unit Pelaksana Penjaminan Pemerintah (UP3).

Dalam pelaksanaannya, penjaminan yang sangat luas tersebut memang terbukti dapat menghentikan arus penarikan dana masyarakat dari sistem perbankan dan secara perlahan menumbuhkan kembali kepercayaan masyarakat terhadap industri perbankan. Namun demikian, luasnya ruang lingkup penjaminan tersebut telah membebani anggaran negara dan dapat menyebabkan timbulnya moral hazard baik dari pengelola bank maupun dari masyarakat. Pengelola bank menjadi kurang hati-hati dalam mengelola dana masyarakat, sementara nasabah tidak peduli untuk mengetahui kondisi keuangan bank karena simpanannya dijamin secara penuh oleh pemerintah. Dengan demikian program penjaminan atas seluruh kewajiban bank kurang mendorong terciptanya disiplin pasar. Selain itu, penerapan penjaminan secara luas ini yang berdasarkan kepada Keputusan Presiden kurang dapat memberikan kekuatan hukum sehingga menimbulkan permasalahan dalam pelaksanaan penjaminan. Oleh karena itu diperlukan dasar hukum yang lebih kuat dalam bentuk Undang-Undang

Untuk mengatasi hal tersebut di atas dan agar tetap menciptakan rasa aman bagi nasabah penyimpan serta menjaga stabilitas sistem perbankan, program penjaminan yang sangat luas tersebut perlu digantikan dengan sistem penjaminan yang terbatas. Undang-Undang Nomor 10 Tahun 1998 tentang Perbankan mengamanatkan untuk membentuk suatu Lembaga Penjamin Simpanan (LPS) sebagai pelaksana penjaminan dana masyarakat. Pada tanggal 22 September 2004, Presiden Republik Indonesia mengesahkan Undang-undang Republik Indonesia Nomor 24 tentang Lembaga Penjamin Simpanan.

Berdasarkan Undang-Undang tersebut, dibentuk LPS, suatu lembaga independen, yang berfungsi menjamin simpanan nasabah penyimpan dan turut aktif dalam memelihara stabilitas sistem perbankan sesuai dengan kewenangannya.

Undang-undang tersebut berlaku efektif sejak tanggal 22 September 2005, dan sejak tanggal tersebut LPS resmi beroperasi

Bentuk dan status lembaga Penjamin simpanan

  1. LPS dibentuk melalui Undang-Undang Nomor 24 Tahun 2004 tentang Lembaga Penjamin Simpanan
  2. LPS adalah badan hukum berdasarkan Undang-Undang Nomor 24 Tahun 2004 tentang Lembaga Penjamin Simpanan
  3. LPS merupakan lembaga yang independen, transparan, dan akuntabel dalam melaksanakan tugas dan wewenangnya
  4. LPS bertanggung jawab kepada Presiden

SUSUNAN DEWAN KOMISIONER LPS

Susunan Dewan Komisioner LPS yang ditetapkan melalui Keputusan Presiden Nomor 161/M Tahun 2005 tentang Pengangkatan Anggota Dewan Komisioner LPS adalah sebagai berikut:
1. Ketua Dewan Komisioner : Rudjito
2. Kepala Eksekutif : Krisna Wijaya
3. Anggota : Markus Parmadi
4. Anggota : Pontas Riyanto Siahaan
5. Anggota : Maman H. Somantri (ex-officio Bank Indonesia)
6. Anggota : Darmin Nasution (ex-officio Departemen Keuangan)

Fungsi

  1. menjamin simpanan nasabah penyimpan
  2. turut aktif dalam memelihara stabilitas sistem perbankan sesuai dengan kewenangannnya

Tugas

  1. merumuskan dan menetapkan kebijakan pelaksanaan penjaminan simpanan
  2. melaksanakan penjaminan simpanan
  3. merumuskan dan menetapkan kebijakan dalam rangka turut aktif memelihara stabilitas sistem perbankan
  4. merumuskan, menetapkan, dan melaksanakan kebijakan penyelesaian Bank Gagal yang tidak berdampak sistemik
  5. melaksanakan penanganan Bank Gagal yang berdampak sistemik

Wewenang

  1. menetapkan dan memungut premi penjaminan
  2. menetapkan dan memungut kontribusi pada saat bank pertama kali menjadi peserta
  3. melakukan pengelolaan kekayaan dan kewajiban LPS
  4. mendapatkan data simpanan nasabah, data kesehatan bank, laporan keuangan bank, dan laporan hasil pemeriksaan bank sepanjang tidak melanggar kerahasiaan bank
  5. melakukan rekonsiliasi, verifikasi, dan/atau konfirmasi atas data tersebut pada angka 4
  6. menetapkan syarat, tata cara, dan ketentuan pembayaran klaim
  7. menunjuk, menguasakan, dan/atau menugaskan pihak lain untuk bertindak bagi kepentingan dan/atau atas nama LPS, guna melaksanakan sebagian tugas tertentu
  8. melakukan penyuluhan kepada bank dan masyarakat tentang penjaminan simpanan
  9. menjatuhkan sanksi administrative

KEPESERTAAN

1. Setiap Bank yang melakukan kegiatan usaha di wilayah Negara Republik Indonesia wajib menjadi peserta Penjaminan.
2. Bank peserta penjaminan meliputi seluruh Bank Umum (termasuk kantor cabang dari bank yang berkedudukan di luar negeri yang melakukan kegiatan perbankan dalam wilayah Republik Indonesia) dan Bank Perkreditan Rakyat, baik bank konvensional maupun bank berdasarkan prinsip syariah.
3. Kantor cabang dari bank yang berkedudukan di Indonesia yang melakukan kegiatan perbankan di luar wilayah Republik Indonesia tidak termasuk dalam Penjaminan

KEWAJIBAN BANK PESERTA

Sebagai peserta Penjaminan, setiap Bank yang melakukan kegiatan usaha di Indonesia wajib:
a. menyerahkan dokumen kepesertaan;
b. membayar kontribusi kepesertaan;
c. membayar premi penjaminan;
d. menyampaikan laporan secara berkala dalam format yangDitentukan;
e. memberikan data, informasi, dan dokumen yang dibutuhkan dalam rangka penyelenggaraan Penjaminan;
f. menempatkan bukti kepesertaan atau salinannya di dalam kantor bank atau tempat lainnya sehingga dapat diketahui dengan mudah oleh masyarakat
g. menempatkan pengumuman pada seluruh kantor bank yang dapat diketahui dengan mudah oleh Nasabah Penyimpan mengenai maksimum tingkat bunga penjaminan yang berlaku yang ditetapkan LPS.

A. DOKUMEN KEPESERTAAN
Terdiri dari dokumen-dokumen sebagai berikut:

1. Dokumen Pendirian dan Perizinan Bank
Terdiri dari:
(1) Salinan anggaran dasar dan/atau akta pendirian bank, yang memuat data dan informasi mengenai susunan terakhir dari Direksi, Komisaris, dan Pemegang Saham beserta komposisi kepemilikan saham.
(2) Salinan dokumen perizinan bank, yang merupakan copy dari surat keputusan Lembaga Pengawas Perbankan (LPP) atau Menteri Keuangan mengenai pemberian izin usaha bank.

Dokumen Pendirian dan Perizinan Bank tersebut di atas, harus disampaikan kepada LPS paling lambat:

a. tanggal 22 Nopember 2005, bagi bank yang telah memperoleh izin usaha sebelum tanggal 22 September 2005; atau
b. 30 (tiga puluh) hari kalender sejak tanggal diperolehnya izin usaha, bagi bank yang memperoleh izin usaha pada atau setelah tanggal 22 September 2005
2. Surat Keterangan dari LPP Mengenai Tingkat Kesehatan Bank
Memuat rasio-rasio pokok keuangan dan status pengawasan bank yang bersangkutan.
Penyampaian surat keterangan tingkat kesehatan dilakukan dengan cara sebagai berikut:
a. bank menerima dari LPP dan menyampaikan kepada LPS; atau
b. LPP menyampaikan langsung kepada LPS, tanpa melalui bank apabila dipandang perlu oleh LPP.

Harus disampaikan kepada LPS paling lambat:

a. tanggal 22 Nopember 2005, bagi bank yang telah memperoleh izin usaha sebelum tanggal 22 September 2005; atau
b. 30 (tiga puluh) hari kalender, bagi bank yang memperoleh izin usaha pada atau setelah tanggal 22 September 2005.
3. Pernyataan Pemegang Saham, Pengendali Bagi Bank Yang Berbadan Hukum Koperasi, kantor pusat dari cabang bank asing, Direksi, dan Komisaris
Bentuk dan isi pernyataan Pemegang Saham, Pengendali Bagi Bank Yang Berbadan Hukum Koperasi, kantor pusat dari cabang bank asing, Direksi, dan Komisaris, harus sesuai dengan formulir yang ditetapkan dalam lampiran Peraturan LPS Nomor 1A/PLPS/2005, yaitu:

a. Lampiran 1: Pernyataan Pemegang Saham Perorangan;
b. Lampiran 2: Pernyataan Pemegang Saham Badan Hukum;
c. Lampiran 2A: Pernyataan Pengendali Bank Berbadan Hukum Koperasi;
d. Lampiran 2B: Pernyataan Kantor Pusat Dari Cabang Bank Asing;
c. Lampiran 3: Pernyataan Direksi; dan
d. Lampiran 4: Pernyataan Komisaris.

Bank wajib menyampaikan pernyataan Pemegang Saham, Pengendali Bagi Bank yang Berbadan Hukum Koperasi, kantor pusat dari cabang bank asing, Direksi, dan Komisaris berdasarkan Peraturan LPS Nomor 1A/PLPS/2005 paling lambat tanggal 22 Desember 2005.

Bank yang telah menyampaikan pernyataan Pemegang Saham, Direksi, dan Komisaris berdasarkan Peraturan LPS Nomor 1/PLPS/2005, wajib menyesuaikan pernyataan Pemegang Saham, Direksi, dan Komisaris tersebut berdasarkan Peraturan LPS Nomor 1A/PLPS/2005 paling lambat tanggal 22 Desember 2005.

Pernyataan Pemegang Saham berdasarkan Peraturan LPS Nomor 1/PLPS/2005 wajib disampaikan kepada LPS paling lambat:

a. tanggal 22 Nopember 2005, bagi pemegang saham pengendali yang tercatat per tanggal 22 September 2005;
b. 30 (tiga puluh) hari kalender sejak yang bersangkutan menjadi pemegang saham pengendali, bagi pemegang saham yang menjadi pemegang saham pengendali pada atau setelah tanggal 22 September 2005.

Pernyataan Direksi dan Komisaris berdasarkan Peraturan LPS Nomor 1/PLPS/2005 wajib disampaikan kepada LPS paling lambat:

a. tanggal 22 Nopember 2005, bagi Direksi dan Komisaris yang diangkat sebelum tanggal 22 September 2005;
b. 30 (tiga puluh) hari kalender sejak yang bersangkutan menjadi Direksi atau Komisaris yang diangkat pada atau setelah tanggal 22 September 2005.

Pernyataan Pemegang Saham, Direksi, dan Komisaris disampaikan kepada LPS tanpa menunggu hasil penilaian kemampuan dan kepatutan dari LPP.

Untuk kantor cabang dari bank yang berkedudukan di luar negeri pernyataan yang wajib disampaikan:

a. Pernyataan direksi ditandatangani oleh pimpinan kantor cabang di Indonesia.
b. Pernyataan komisaris tidak perlu disampaikan.
c. Pernyataan pemegang saham ditandatangani oleh pimpinan kantor pusat.

Kembali Ke atas

B. KONTRIBUSI KEPESERTAAN

1. Setiap bank wajib membayar kontribusi kepesertaan pada saat bank yang bersangkutan menjadi peserta penjaminan.
2. Kontribusi kepesertaan ditetapkan sebesar 0,1% (satu per seribu) dari:

a. modal sendiri (ekuitas) bank per 31 Desember 2004, bagi bank yang telah memperoleh izin usaha sebelum 1 Januari 2005;
b. total modal sendiri (ekuitas) per 31 Desember 2004 dari bank-bank yang melakukan penggabungan usaha, bagi bank hasil penggabungan usaha yang dilakukan antara 1 Januari 2005 dan 22 September 2005;
c. modal disetor bank, bagi bank yang mendapatkan izin usaha pada atau setelah 1 Januari 2005.
3. Modal sendiri (ekuitas) merupakan selisih antara kekayaan dan kewajiban bank.
4. Modal sendiri untuk kantor cabang dari bank yang berkedudukan di luar negeri merupakan modal bank sebagaimana diatur dalam ketentuan mengenai kewajiban penyediaan modal minimum yang ditetapkan LPP.
5. Kontribusi kepesertaan wajib disetorkan ke rekening LPS, paling lambat:

a. tanggal 22 Nopember 2005, bagi bank yang telah memperoleh izin usaha sebelum 1 Januari 2005;
b. 30 (tiga puluh) hari kalender sejak tanggal persetujuan izin usaha bank yang bersangkutan dari LPP, bagi bank baru.

Ilustrasi Perhitungan Kontribusi Kepesertaan

C. PERHITUNGAN DAN PEMBAYARAN PREMI

1. Premi Penjaminan dibayarkan 2 (dua) kali dalam 1 (satu) tahun untuk:
a. periode 1 Januari sampai dengan 30 Juni; dan
b. periode 1 Juli sampai dengan 31 Desember.
2. Premi untuk setiap periode ditetapkan sebesar 0,1% (satu per seribu) dari rata-rata saldo bulanan total Simpanan dalam setiap periode.
3. Proses pembayaran premi untuk setiap periode dilaksanakan dengan tahapan sebagai berikut:
a. Pembayaran premi pada awal periode sebesar 0,1% (satu per seribu) dari rata-rata saldo bulanan total Simpanan periode sebelumnya; dan
b. Penyesuaian premi setelah akhir periode berdasarkan realisasi rata-rata saldo bulanan total Simpanan periode yang bersangkutan.
4. Pembayaran premi pada awal periode harus dilakukan paling lambat tanggal:
a. 31 Januari, untuk periode 1 Januari sampai dengan 30 Juni; dan
b. 31 Juli, untuk periode 1 Juli sampai dengan 31 Desember.
5. Penyesuaian premi dilakukan dengan tahapan sebagai berikut:
a. Menghitung premi yang seharusnya dibayar berdasarkan realisasi rata-rata saldo bulanan total Simpanan pada periode yang bersangkutan;
b. Menghitung kelebihan atau kekurangan premi yang dibayarkan pada awal periode dengan premi yang seharusnya dibayar; dan
c. Memperhitungkan kelebihan atau kekurangan terhadap premi yang dibayarkan pada awal periode berikutnya, dengan ketentuan bahwa:

i. Dalam hal terdapat kelebihan premi, kelebihan tersebut menjadi pengurang terhadap premi yang dibayarkan pada awal periode berikutnya; atau
ii. Dalam hal terdapat kekurangan premi, kekurangan tersebut menjadi penambah terhadap premi yang dibayarkan pada awal periode berikutnya.
6. Kelebihan pembayaran premi digunakan untuk pembayaran premi berikutnya, kecuali apabila bank yang bersangkutan meminta agar kelebihan tersebut digunakan untuk membayar denda yang tertunggak kepada LPS.
7. Dalam rangka perhitungan rata-rata saldo bulanan total Simpanan, kewajiban bank dalam valuta asing dikonversikan terlebih dahulu ke dalam mata uang Rupiah dengan menggunakan kurs yang digunakan bank untuk penyampaian laporan bulanan kepada LPP sesuai dengan ketentuan yang ditetapkan LPP
8. Khusus untuk pembayaran premi periode 22 September 2005 sampai dengan 31 Desember 2005, sesuai Pasal 46 Peraturan Lembaga Penjamin Simpanan Nomor 1/PLPS/2005 tentang Program Penjaminan Simpanan ditetapkan sebagai berikut:

i. bank membayar premi di awal periode berdasarkan rata-rata saldo bulanan total simpanan pada periode 1 Januari 2005 sampai dengan 30 Juni 2005, yaitu:
101
184
x 0,1 % x rata-rata saldo bulanan total simpanan pada periode 1 Januari 2005 sampai dengan 30 Juni 2005.
ii. penyesuaian pembayaran premi berdasarkan realisasi rata-rata saldo bulanan total simpanan pada periode 1 Juli 2005 sampai dengan 31 Desember 2005, yaitu:
101
184
x 0,1 % x realisasi rata-rata saldo bulanan total simpanan pada periode 1 Juli 2005 sampai dengan 31 Desember 2005.
9. Bagi Bank Umum, premi dibayarkan ke rekening LPS di Bank Indonesia :

a. nomor rekening: 519.000117
b. nama rekening: Lembaga Penjamin Simpanan.
10. Bagi Bank Perkreditan Rakyat, premi dibayarkan ke:

a. Rekening LPS di Bank Rakyat Indonesia, nama rekening: Lembaga Penjamin Simpanan-Premi, nomor rekening: 0206-01-002299-30-0, atau
b. Rekening LPS di Bank Indonesia sebagaimana dimaksud pada angka 9.
11. Bank menyampaikan perhitungan dan pembayaran premi kepada LPS dengan melampirkan copy bukti pembayaran (transfer advice).
12. Penghitungan premi, baik premi pada awal periode maupun premi penyesuaian, dilakukan sendiri oleh bank (self assessment)

D. MENYAMPAIKAN LAPORAN SECARA BERKALA:

1. Laporan posisi simpanan bulanan,
disampaikan paling lambat tanggal 15 bulan berikutnya, sesuai formulir pada Lampiran 5 dan Lampiran 6 Peraturan Lembaga Penjamin Simpanan Nomor 1/PLPS/2005 tentang Program Penjaminan Simpanan;
2. Laporan keuangan bulanan,
disampaikan paling lambat akhir bulan berikutnya; dan
3. Laporan tahunan yang telah diaudit, atau laporan keuangan tahunan yang disampaikan kepada LPP bagi BPR yang tidak diwajibkan oleh LPP untuk menyampaikan laporan keuangan tahunan yang telah diaudit, yang disampaikan paling lambat tanggal 31 Mei tahun berikutnya.
Khusus untuk Laporan posisi simpanan untuk akhir bulan September 2005 dan Oktober 2005 serta laporan keuangan bulanan untuk bulan September 2005, sesuai Pasal 47 Peraturan Lembaga Penjamin Simpanan Nomor 1/PLPS/2005 tentang Program Penjaminan Simpanan, disampaikan paling lambat tanggal 22 Nopember 2005

SIMPANAN YANG DIJAMIN

1. Simpanan yang dijamin meliputi giro, deposito, sertifikat deposito, tabungan, dan atau bentuk lain yang dipersamakan dengan itu.
2. Simpanan nasabah Bank berdasarkan Prinsip Syariah yang dijamin meliputi:

a. giro berdasarkan Prinsip Wadiah;
b. tabungan berdasarkan Prinsip Wadiah;
c. tabungan berdasarkan Prinsip Mudharabah muthlaqah atau Prinsip Mudharabah muqayyadah yang risikonya ditanggung oleh bank;
d. deposito berdasarkan Prinsip Mudharabah muthlaqah atau Prinsip Mudharabah muqayyadah yang risikonya ditanggung oleh bank; dan/atau
e. Simpanan berdasarkan Prinsip Syariah lainnya yang ditetapkan oleh LPS setelah mendapat pertimbangan LPP.
3. Simpanan yang dijamin merupakan simpanan yang berasal dari masyarakat, termasuk yang berasal dari bank lain.
4. Nilai Simpanan yang dijamin LPS mencakup saldo pada tanggal pencabutan izin usaha Bank.
5. Saldo tersebut berupa:

a. pokok ditambah bagi hasil yang telah menjadi hak nasabah, untuk Simpanan yang memiliki komponen bagi hasil yang timbul dari transaksi dengan prinsip syariah;
b. pokok ditambah bunga yang telah menjadi hak nasabah, untuk Simpanan yang memiliki komponen bunga;
c. Nilai sekarang per tanggal pencabutan izin usaha dengan menggunakan tingkat diskonto yang tercatat pada bilyet, untuk Simpanan yang memiliki komponen diskonto.
6. Saldo yang dijamin untuk setiap nasabah pada satu Bank adalah hasil penjumlahan saldo seluruh rekening Simpanan nasabah pada Bank tersebut, baik rekening tunggal maupun rekening gabungan (joint account);
7. Untuk rekening gabungan (joint account), saldo rekening yang diperhitungkan bagi satu nasabah adalah saldo rekening gabungan tersebut yang dibagi secara prorata dengan jumlah pemilik rekening
8. Dalam hal nasabah memiliki rekening yang dinyatakan secara tertulis diperuntukkan bagi kepentingan pihak lain (beneficiary), maka saldo rekening tersebut diperhitungkan sebagai saldo rekening pihak lain (beneficiary) yang bersangkutan
9. Saldo yang dijamin untuk setiap nasabah pada satu Bank adalah:

a. seluruhnya, sejak tanggal 22 September 2005 sampai dengan 21 Maret 2006;
b. paling tinggi sebesar Rp. 5.000.000.000,00 (lima miliar rupiah), sejak tanggal 22 Maret 2006 sampai dengan 21 September 2006;
c. paling tinggi sebesar Rp. 1.000.000.000,00 (satu miliar rupiah), sejak tanggal 22 September 2006 sampai dengan 21 Maret 2007;
d. paling tinggi sebesar Rp. 100.000.000,00 (seratus juta rupiah), sejak tanggal 22 Maret 2007

CONTOH PERHITUNGAN SIMPANAN YANG DIJAMIN

Ali mempunyai tabungan atas nama pribadi di Bank XYZ dengan saldo sebesar Rp 80 juta. Ali juga mempunyai rekening gabungan dengan Budi dan Cici dalam bentuk giro di Bank XYZ dengan saldo sebesar Rp 225 juta. Selain itu, Budi mempunyai rekening tabungan atas nama pribadi di Bank XYZ dengan saldo sebesar Rp25 juta. Sedangkan Cici mempunyai 1 (satu) rekening tabungan atas nama pribadi dengan saldo sebesar Rp 65 juta dan 1 (satu) rekening tabungan untuk kepentingan anaknya yang masih kecil bernama Titi (beneficiary) dengan saldo sebesar Rp 45 juta.

Apabila Bank XYZ dicabut izin usahanya pada tahun 2008 dengan asumsi pada saat itu nilai simpanan yang dijamin per nasabah per bank paling tinggi sebesar Rp 100 juta, maka perhitungan nilai simpanan yang dijamin untuk masing-masing nasabah tersebut adalah sebagai berikut:

(dalam jutaan Rupiah)

Nama Rekening Saldo per tanggal pencabutan izin Pembagian Hak Simpanan
Ali Budi Cici
Ali 80 80 - -
Ali, Budi, & Cici 225 75 75 75
Budi 25 - 25 -
Cici 65 - - 65
Cici qq Titi 45 - - 45
Jumlah Simpanan 440 155 100 185
Jumlah Simpanan yang dijamin 345 100 100 145
Jumlah Simpanan yang tidak dijamin 95 55 - 40

LPS akan membayar klaim penjaminan atas simpanan yang dijamin sebesar Rp100 juta kepada Ali, sebesar Rp100 juta kepada Budi, dan sebesar Rp145 juta kepada Cici. Simpanan yang tidak dijamin sebesar Rp95 juta akan diselesaikan melalui proses likuidasi Bank XYZ.

REKONSILIASI DAN VERIFIKASI SIMPANAN YANG DIJAMIN

(1) Apabila LPP mencabut izin usaha bank, LPS akan segera melakukan rekonsiliasi dan verifikasi terhadap data nasabah penyimpan berdasarkan data bank per tanggal pencabutan izin usaha untuk menentukan:

a. Simpanan yang layak dibayar; dan
b. Simpanan yang tidak layak dibayar.
(2) LPS dapat menunjuk, menguasakan, dan/atau menugaskan pihak lain untuk melakukan rekonsiliasi dan bagi kepentingan dan/atau atas nama LPS.
(3) Rekonsiliasi dan verifikasi dilakukan secara bertahap berdasarkan rekening yang lebih mudah diverifikasi.
(4) Penentuan Simpanan yang layak dibayar berdasarkan hasil rekonsiliasi dan verifikasi diselesaikan paling lambat 90 (sembilan puluh) hari kerja terhitung sejak izin usaha bank dicabut.
(5) Dalam rangka melakukan rekonsiliasi dan verifikasi, pegawai bank, Direksi, Komisaris, dan Pemegang Saham bank yang dicabut izin usahanya wajib membantu memberikan segala data dan informasi yang diperlukan LPS, yaitu:

a. daftar Simpanan nasabah yang tercatat dalam pembukuan bank;
b. daftar Simpanan nasabah yang juga memiliki kewajiban kepada bank yang telah jatuh tempo dan atau gagal bayar;
c daftar tagihan bank kepada Nasabah Debitur, termasuk yang telah dihapusbukukan oleh bank;
d. standard operating procedure (SOP) internal bank yang berkenaan dengan simpanan nasabah;
e. susunan Direksi, Komisaris, dan Pemegang Saham bank;
f. neraca dan rinciannya; dan
g. data dan dokumen pendukung lain yang diperlukan LPS.
(6) Rekonsiliasi dan verifikasi dilakukan oleh LPS atau pihak yang ditunjuk LPS berdasarkan data nasabah penyimpan dan informasi lain yang diperoleh dari bank yang dicabut izin usahanya.
(7) Dalam hal diperlukan LPS, rekonsiliasi dan verifikasi dilakukan berdasarkan data dan informasi yang diperoleh dari pihak lain

PENGAJUAN KLAIM

(1) LPS mengumumkan tanggal pengajuan klaim atas Simpanan yang layak dibayar pada sekurang-kurangnya 2 (dua) surat kabar harian yang berperedaran luas.
(2) Pengumuman tanggal pengajuan klaim sebagaimana dimaksud pada ayat (1) dilakukan secara bertahap berdasarkan hasil rekonsiliasi dan verifikasi yang telah diselesaikan, dengan ketentuan:

a. Pengumuman tahap pertama dilakukan paling lambat 5 (lima) hari kerja setelah rekonsiliasi dan verifikasi dimulai;
b. Pengumuman tahap terakhir dilakukan paling lambat 90 (sembilan puluh) hari kerja terhitung sejak izin usaha bank dicabut.
(3) Pengumuman tersebut juga memuat syarat dan tata cara pengajuan klaim atas simpanan yang layak dibayar.
(4) Klaim atas Simpanan yang dijamin diajukan oleh Nasabah Penyimpan kepada LPS sesuai pengumuman.
(5) Pengajuan klaim penjaminan wajib dilakukan nasabah penyimpan paling lambat 5 (lima) tahun sejak izin usaha bank dicabut.
(6) Dalam hal nasabah penyimpan tidak mengajukan klaim penjaminan atas simpanannya, maka hak nasabah penyimpan untuk memperoleh pembayaran klaim dari LPS menjadi hilang.
(7) Nasabah penyimpan yang hilang haknya untuk memperoleh pembayaran klaim penjaminan dari LPS diperlakukan sama dengan nasabah penyimpan yang simpanannya tidak dijamin, dan diselesaikan berdasarkan mekanisme likuidasi

PEMBAYARAN KLAIM PENJAMINAN

1. Pembayaran klaim penjaminan kepada Nasabah Penyimpan dilakukan berdasarkan Simpanan yang layak dibayar sesuai hasil rekonsiliasi dan verifikasi.
2. Pembayaran klaim penjaminan yang layak dibayar kepada Nasabah Penyimpan dilakukan oleh LPS melalui bank pembayar yang ditunjuk oleh LPS
3. Pembayaran klaim atas Simpanan yang layak dibayar mulai dilakukan paling lambat 5 (lima) hari kerja setelah tanggal rekonsiliasi dan verifikasi dimulai.
4. Ketentuan lebih lanjut mengenai syarat dan tata cara pembayaran klaim penjaminan serta penunjukan bank pembayar ditetapkan dengan Keputusan Dewan Komisioner LPS.
5. Pembayaran klaim penjaminan atas simpanan yang layak dibayar dilakukan secara tunai dengan mata uang rupiah dan atau setara tunai, antara lain dengan mengalihkan rekening nasabah penyimpan tersebut kepada bank pembayar.
6. Dalam hal klaim penjaminan berupa valuta asing, maka pembayaran dilakukan dengan menggunakan kurs tengah yang berlaku pada tanggal pencabutan izin usaha bank tersebut.
7. Kurs tengah adalah rata-rata kurs beli dan kurs jual per akhir hari, yang diumumkan Bank Indonesia melalui Reuters
8. Dalam hal Nasabah Penyimpan pada saat yang bersamaan mempunyai kewajiban pembayaran kepada bank yang telah jatuh tempo tetapi belum dibayar maka pembayaran klaim atas simpanan yang layak dibayar dapat dilakukan setelah simpanan yang layak dibayar tersebut terlebih dahulu diperhitungkan (perjumpaan utang/set off/kompensasi) dengan kewajiban pembayaran Nasabah Penyimpan kepada bank yang telah jatuh tempo tetapi belum dibayar tersebut. Namun, ketentuan ini tidak berlaku dalam hal kewajiban pembayaran Nasabah Penyimpan kepada bank telah dikategorikan macet berdasarkan peraturan perundang-undangan.
9. LPS dapat menunda pembayaran kepada nasabah penyimpan yang mempunyai kewajiban pembayaran kepada bank yang belum jatuh tempo sampai dengan nasabah tersebut melunasi kewajibannya

KLAIM PENJAMINAN YANG TIDAK LAYAK DIBAYAR

(1) Klaim penjaminan dinyatakan tidak layak dibayar apabila berdasarkan hasil rekonsiliasi dan/atau verifikasi:

a. Data simpanan nasabah dimaksud tidak tercatat pada bank;
b Nasabah penyimpan merupakan pihak yang diuntungkan secara tidak wajar; dan/atau
c. Nasabah penyimpan merupakan pihak yang menyebabkan keadaan bank menjadi tidak sehat.
(2) Simpanan dinyatakan tercatat pada bank apabila:

a. dalam pembukuan bank terdapat data mengenai simpanan tersebut, antara lain nomor rekening/bilyet, nama nasabah penyimpan, saldo rekening, dan informasi lainnya yang lazim berlaku untuk rekening sejenis; dan/atau
b. terdapat bukti aliran dana yang menunjukkan keberadaan simpanan tersebut.
(3) Nasabah penyimpan dinyatakan sebagai pihak yang diuntungkan secara tidak wajar, apabila nasabah tersebut memperoleh tingkat bunga melebihi maksimum tingkat bunga penjaminan yang ditetapkan LPS.
(4) Dalam menetapkan maksimum tingkat bunga wajar penjaminan, Dewan Komisioner LPS dapat meminta pertimbangan Bank Indonesia.
(5) LPS mengumumkan maksimum tingkat bunga penjaminan setiap bulan dengan ketentuan:

a. Tingkat bunga tersebut berlaku selama 1 (satu) bulan; dan
b. Pengumuman dilakukan paling lambat 2 (dua) hari kerja sebelum diberlakukan.
(6) Suatu pihak dinyatakan termasuk sebagai pihak yang menyebabkan keadaan bank menjadi tidak sehat sebagaimana dimaksud dalam Pasal 36 huruf c, apabila pihak yang bersangkutan memiliki kewajiban kepada bank yang dapat dikelompokkan dalam kredit macet berdasarkan peraturan perundang-undangan dan saldo kewajiban pihak tersebut lebih besar dari saldo simpanannya.
(7) Dalam hal Nasabah Penyimpan yang simpanannya tidak layak dibayar merasa dirugikan, maka nasabah dimaksud dapat:

a. mengajukan keberatan kepada LPS yang didukung dengan bukti nyata dan jelas; atau
b. melakukan upaya hukum melalui pengadilan.
(8) Apabila LPS menerima keberatan Nasabah Penyimpan atau pengadilan mengabulkan upaya hukum Nasabah Penyimpan LPS mengubah status simpanan nasabah tersebut (reklasifikasi) dari simpanan yang tidak layak dibayar menjadi simpanan yang layak dibayar.
(9) LPS hanya membayar simpanan sesuai dengan Penjaminan berikut bunga yang wajar sejak simpanan nasabah tersebut ditetapkan tidak layak dibayar sampai dengan simpanan nasabah dimaksud dibayarkan oleh LPS.
(10) Bunga yang wajar tersebut dihitung menggunakan maksimum tingkat bunga penjaminan

SANKSI ADMINISTRATIF DAN PIDANA

1. Bank yang tidak melunasi pembayaran premi sesuai dengan batas waktu yang ditentukan dikenakan sanksi denda per hari keterlambatan sebesar 0,5% (lima per seribu) dari jumlah premi yang masih harus dibayar untuk periode yang bersangkutan.
2. Besarnya denda ditetapkan paling tinggi 150% (seratus lima puluh per seratus) dari jumlah premi yang seharusnya dibayar untuk periode yang bersangkutan.
3. Bank yang terlambat menyampaikan laporan, dikenakan sanksi denda sebesar Rp1.000.000,00 (satu juta rupiah) per hari kalender keterlambatan untuk setiap laporan yang harus disampaikan.
4. Pengenaan denda administratif sebagaimana dimaksud pada ayat (3) dikenakan untuk jangka waktu paling lama 12 (dua belas) bulan.
5. Direksi, komisaris, dan/atau pemegang saham bank yang

a. tidak menyerahkan dokumen salinan anggaran dasar, dokumen perizinan bank, surat keterangan tingkat kesehatan, dan surat pernyataan;
b. tidak membayar kontribusi kepesertaan bank;
c. tidak memberikan data, informasi, dan dokumen yang dibutuhkan dalam rangka penyelenggaraan Penjaminan;
d. tidak menempatkan bukti kepesertaan atau salinannya di dalam kantor bank atau tempat lainnya sehingga dapat diketahui dengan mudah oleh masyarakat; dan/atau
e. menyebabkan bank tidak memenuhi kewajiban bank sebagai peserta penjaminan serta tidak menyelesaikan sanksi administratif,
dipidana dengan pidana penjara paling singkat 2 (dua) tahun dan paling lama 10 (sepuluh) tahun, serta denda paling sedikit Rp2.000.000.000,00 (dua miliar rupiah) dan paling banyak Rp3.000.000.000,00 (tiga miliar rupiah).
6. Direksi, komisaris, dan/atau pemegang saham bank yang menyebabkan bank tidak membayar premi dalam jangka waktu 12 (dua belas) bulan sejak batas waktu periode yang bersangkutan, dipidana dengan pidana penjara paling singkat 2 (dua) tahun dan paling lama 10 (sepuluh) tahun, serta denda paling sedikit Rp2.000.000.000,00 (dua miliar rupiah) dan paling banyak Rp3.000.000.000,00 (tiga miliar rupiah).
7. Pemegang saham, direksi, dewan komisaris, pegawai, dan/atau pihak lain yang terkait dengan bank yang dicabut izin usahanya atau bank dalam likuidasi yang tidak membantu memberikan segala data dan informasi yang diperlukan oleh LPS dan/atau tim likuidasi dipidana dengan pidana penjara paling singkat 1 (satu) tahun dan paling lama 3 (tiga) tahun, serta denda paling sedikit Rp2.000.000.000,00 (dua miliar rupiah) dan paling banyak Rp3.000.000.000,00 (tiga miliar rupiah

SEJARAH PERBANKAN SYARIAH

July 19, 2010 Comments off

BAB 2: SEJARAH PERBANKAN SYARIAH
A. PENDAHULUAN
Dalam Bab 1 kita telah mendapatkan gambaran mengenai cakupan
ajaran Islam yang meliputi seluruh aspek hidup manusia. Kita juga
telah membahas bahwa walaupun di zaman Nabi SAW belum ada
institusi bank, tetapi ajaran Islam sudah memberikan prinsip-prinsip
dan filosofi dasar yang harus dijadikan pedoman dalam aktifitas
perdagangan dan perekonomian. Karena itu, dalam menghadapi
masalah muamalah kontemporer yang harus dilakukan hanyalah
mengidentifikasi prinsip-prinsip dan filosofi dasar ajaran Islam dalam
bidang ekonomi, dan kemudian mengidentifkasi semua hal yang
dilarang. Setelah kedua hal ini dilakukan, maka kita dapat melakukan
inovasi dan kreativitas (ijtihad) seluas-luasnya untuk memecahkan
segala persoalan muamalah kontemporer, termasuk persoalan
perbankan.
gambar 2.1.
Namun, sebelum “proses ijtihad” dalam persoalan perbankan ini
kita lakukan, kita sebaiknya meneliti terlebih dahulu apakah persoalan
perbankan ini benar-benar merupakan suatu persoalan yang baru bagi
umat Islam atau bukan. Apakah konsep “bank” merupakan konsep
yang asing dalam sejarah perekonomian umat Islam? Pertanyaan ini
Apakah Perbankan
Syariah merupakan
konsep yang baru?
Ya Mulai dari nol
Tidak Lebih mudah
BAB 2, SEJARAH PERBANKAN SYARIAH
19
amat penting untuk dijawab karena akan menentukan langkah kita
selanjutnya. Bila konsep bank adalah konsep yang baru bagi umat
Islam, maka kita harus memulai langkah ijtihad kita dari nol. Namun,
bila konsep bank bukan konsep yang baru, artinya umat Islam sudah
mengenal bahkan mempraktekkan fungsi-fungsi perbankan dalam
kehidupan perekonomiannya, maka proses ijtihad yang harus kita
lakukan tentunya akan menjadi lebih mudah. Bab ini akan
memberikan jawaban atas pertanyaan di atas, dengan menelusuri
secara singkat praktek-praktek perbankan yang dilakukan oleh umat
muslim sepanjang sejarah.
B. PRAKTEK PERBANKAN DI ZAMAN NABI SAW DAN SAHABAT
Perbankan adalah satu lembaga yang
melaksanakan tiga fungsi utama, yaitu
menerima simpanan uang, meminjamkan
uang, dan memberikan jasa pengiriman
uang. Di dalam sejarah perekonomian
kaum muslimin, pembiayaan yang dilakukan
dengan akad yang sesuai syariah
telah menjadi bagian dari tradisi umat
Islam sejak jaman Rasulullah saw.
Praktek-praktek seperti menerima titipan harta, meninjamkan uang
untuk keperluan konsumsi dan untuk keperluan bisnis, serta
melakukan pengiriman uang, telah lazim dilakukan sejak zaman
Rasulullah. Dengan demikian, fungsi-fungsi utama perbankan modern
yaitu menerima deposit, menyalurkan dana, dan melakukan transfer
dana telah menjadi bagian yang tidak terpisahkan dari kehidupan umat
Islam, bahkan sejak zaman Rasulullah.
Rasulullah SAW yang dikenal dengan julukan al-Amin, dipercaya
oleh masyarakat Mekah menerima simpanan harta, sehingga pada saat
terakhir sebelum Rasul hijrah ke Madinah, beliau meminta Sayidina Ali
ra untuk mengembalikan semua titipan itu kepada yang memilikinya.1
Dalam konsep ini, yang dititipi tidak dapat memanfaatkan harta titipan
tersebut.
1 Sami Hamoud, Islamic Banking, Arabian Information Ltd, London, 1985
Bank:
Lembaga yang melaksanakan
3 fungsi utama:
1. menerima simpanan uang
2. meminjamkan uang
3. memberikan jasa
pengiriman uang
BAB 2, SEJARAH PERBANKAN SYARIAH
20
Seorang sahabat Rasulullah, Zubair bin al Awwam, memilih tidak
menerima titipan harta. Beliau lebih suka menerimanya dalam bentuk
pinjaman. Tindakan Zubair ini menimbulkan implikasi yang berbeda:
pertama, dengan mengambil uang itu sebagai pinjaman, beliau
mempunyai hak untuk memanfaatkannya; kedua, karena bentuknya
pinjaman, maka ia berkewajiban mengambalikannya utuh.2
Sahabat lain, Ibnu Abbas tercatat melakukan pengiriman uang ke
Kufah. Juga tercatat Abdullah bin Zubair di Mekah juga melakukan
pengiriman uang ke adiknya Misab bin Zubair yang tinggal di Irak.3
Penggunaan cek juga telah dikenal luas sejalan dengan
meningkatnya perdagangan antara negeri Syam dengan Yaman, yang
paling tidak berlangsung dua kali setahun. Bahkan di jaman Umar bin
Khattab ra, beliau menggunakan cek untuk membayar tunjangan
kepada mereka yang berhak. Dengan cek ini kemudian mereka
mengambil gandum di Baitul Mal yang ketika itu diimpor dari Mesir.4
Pemberian modal untuk modal kerja berbasis bagi hasil, seperti
mudharabah, musyarakah, muzara’ah, musaqah, telah dikenal sejak
awal diantara kaum Muhajirin dan kaum Anshar.5
Jelaslah bahwa ada individu-individu yang telah melaksanakan
fungsi perbankan di zaman Rasulullah SAW, meskipun individu
tersebut tidak melaksanakan seluruh fungsi perbankan. Ada sahabat
yang melaksanakan fungsi menerima titipan harta, ada sahabat yang
melaksanakan fungsi pinjam-meminjam uang, ada yang melaksanakan
fungsi pengiriman uang, dan ada pula yang memberikan modal kerja.
2 Sudin Haron, Prinsip dan Operasi Perbankan Islam, Berita Publishing Sdn Bhd, Kuala
Lumpur, 1996
3 Sudin Haron, ibid
4 Kadim Sadr, “Money and Monetary Policies in Early Islam”, Essay on Iqtisad, Nur Copr.,
Silver Spring, 1989
5 Kadim Sadr, ibid
BAB 2, SEJARAH PERBANKAN SYARIAH
21
Beberapa istilah perbankan modern bahkan berasal dari khazanah
ilmu fiqih, seperti istilah kredit (Inggris: credit; Romawi: credo) yang
diambil dari istilah qard. Credit dalam bahasa Inggris berarti
meminjamkan uang; credo berarti kepercayaan; sedangkan qard
dalam fiqih berarti meminjamkan uang atas dasar kepercayaan.
Begitu pula istilah cek (Inggris: check; Perancis: cheque) yang diambil
dari istilah saq (suquq). Suquq dalam bahasa Arab berarti pasar,
sedangkan cek adalah alat bayar yang biasa digunakan di pasar.
C. PRAKTEK PERBANKAN DI ZAMAN BANI UMAYYAH DAN
BANI ABASIAH
Jelas saja institusi bank tidak dikenal dalam kosa kata fikih Islam,
karena memang institusi ini tidak dikenal oleh masyarakat Islam di
masa Rasulullah, Khulafaur Rasyidin, Bani Umayyah, maupun Bani
Abbasiyah. Namun fungsi-fungsi perbankan yaitu menerima deposit,
menyalurkan dana, dan transfer dana telah lazim dilakukan, tentunya
dengan akad yang sesuai syariah.
Di jaman Rasulullah saw fungsi-fungsi tersebut dilakukan oleh
perorangan, dan biasanya satu orang hanya melakukan satu fungsi
saja.
Baru kemudian, di jaman Bani Abbasiyah, ketiga fungsi perbankan
dilakukan oleh satu individu. Fungsi-fungsi perbankan yang dilakukan
oleh satu individu, dalam sejarah Islam telah dikenal sejak zaman
Fungsi-fungsi Bank sudah dipraktekkan oleh para sahabat di
zaman Nabi SAW:
1. Menerima Simpanan Uang
2. Memberikan Pembiayaan
3. Jasa Transfer Uang
Biasanya satu orang hanya melakukan satu fungsi saja.
BAB 2, SEJARAH PERBANKAN SYARIAH
22
Abbasiyah6. Perbankan mulai berkembang pesat ketika beredar
banyak jenis mata uang pada zaman itu sehingga perlu keahlian
khusus untuk membedakan antara satu mata uang dengan mata uang
lainnya. Ini diperlukan karena setiap mata uang mempunyai
kandungan logam mulia yang berlainan sehingga mempunyai nilai
yang berbeda pula. Orang yang mempunyai keahlian khusus ini
disebut naqid, sarraf, dan jihbiz. Hal ini merupakan cikal-bakal praktek
penukaran mata uang (money changer).
Istilah jihbiz mulai dikenal sejak zaman Muawiyah (661-680M)
yang sebenarnya dipinjam dari bahasa Persia, kahbad atau kihbud.
Pada masa pemerintahan Sasanid, istilah ini dipergunakan untuk orang
yang ditugaskan mengumpulkan pajak tanah.
Peranan banker pada zaman Abbasiyah mulai populer pada
pemerintahan Muqtadir (908-932M). Saat itu, hampir setiap wazir
mempunyai bankir sendiri. Misalnya, Ibnu Furat menunjuk Harun ibnu
Imran dan Joseph ibnu wahab sebagai bankirnya. Lalu Ibnu Abi Isa
menunjuk Ali ibn Isa, Hamid ibnu Wahab menunjuk Ibrahim ibn
Yuhana, bahkan Abdullah al-Baridi mempunyai tiga orang bankir
sekaligus: dua Yahudi dan satu Kristen.
6 Adiwarman Karim, “Bankir Yahudi pada Zaman Abbasiyah”, Ekonomi Islam Suatu
Kajian Kontemporer, Gema Insani Press, Jakarta, 2001
Jihbiz vs. Bank: Persamaan dan Perbedaan
Persamaan:
Jihbiz & Bank sama-sama melakukan fungsi-fungsi berikut ini:
• To accept deposits
• To channel financing
• To transfer money
Perbedaan:
• Jihbiz dikelola oleh individu
• Bank dikelola oleh institusi
BAB 2, SEJARAH PERBANKAN SYARIAH
23
Kemajuan praktek perbankan pada zaman itu ditandai dengan
beredarnya saq (cek) dengan luas sebagai media pembayaran.
Bahkan, peranan bankir telah meliputi tiga aspek, yakni menerima
deposit, menyalurkannya, dan mentransfer uang. Dalam hal yang
terakhir ini, uang dapat ditransfer dari satu negeri ke negeri lainnya
tanpa perlu memindahkan fisik uang tersebut. Para money changer
yang telah mendirikan kantor-kantor di banyak negeri telah memulai
penggunaan cek sebagai media transfer uang dan kegiatan
pembayaran lainnya. Dalam sejarah perbankan Islam, adalah Sayf al-
Dawlah al-Hamdani yang tercatat sebagai orang pertama yang
menerbitkan cek untuk keperluan kliring antara Baghdad (Irak) dan
Aleppo (Spanyol sekarang).7
D. PRAKTEK PERBANKAN DI EROPA
Dalam perkembangan selanjutnya, kegiatan yang dilakukan oleh
perorangan jihbiz kemudian dilakukan oleh institusi yang saat ini
dikenal sebagai institusi bank. Ketika bangsa Eropa mulai menjalankan
praktek perbankan, persoalan mulai timbul karena transaksi yang
dilakukan menggunakan instrumen bunga yang dalam pandangan fikih
adalah riba, dan oleh karenanya haram. Transaksi berbasis bunga ini
semakin merebak ketika Raja Henry VIII pada tahun 1545
membolehkan bunga (interest) meskipun tetap mengharamkan riba
(usury) dengan syarat bunganya tidak boleh berlipat ganda
(excessive). Ketika Raja Henry VIII wafat, ia digantikan oleh Raja
Edward VI yang membatalkan kebolehan bunga uang. Ini tidak
berlangsung lama. Ketika wafat, ia digantikan oleh Ratu Elizabeth I
yang kembali membolehkan bunga uang.8
Selanjutnya, bangsa Eropa mulai bangkit dari keterbelakangannya
dan mengalami renaissance. Penjelajahan dan penjajahan mulai
dilakukan ke seluruh penjuru dunia, sehingga kegiatan perekonomian
7 Sudin Haron, Islamic Banking: Rules and Regulations, Pelanduk Publications, Petaling
Jaya, 1997, h. 2. Lihat dalam Sami Hassan Homoud, Progress of Islamic Banking: The
Aspirations and the Realities. Islamic Economic Studies, Vol. 2 No. 1, December, 1994,
71-80.
8 Adiwarman Karim, “Ketika Riba Menjadi Bunga”, ibid.
BAB 2, SEJARAH PERBANKAN SYARIAH
24
dunia mulai didominasi oleh bangsa-bangsa Eropa. Pada saat yang
sama, peradaban muslim mengalami kemerosotan dan negara-negara
muslim satu per satu jatuh ke dalam cengkeraman penjajahan bangsabangsa
Eropa. Akibatnya, institusi-institusi perekonomian umat muslim
runtuh dan digantikan oleh institusi ekonomi bangsa Eropa.
Keadaan ini berlangsung terus sampai zaman modern kini. Karena
itu, institusi perbankan yang ada sekarang di mayoritas negara-negara
muslim merupakan warisan dari bangsa Eropa, yang notabene berbasis
bunga.
E. PERBANKAN SYARIAH MODERN
Selanjutnya, karena bunga ini secara fikih dikategorikan sebagai
riba (dan karenanya haram), maka mulai timbul usaha-usaha di
sejumlah negara muslim untuk mendirikan lembaga alternatif terhadap
bank yang ribawi ini. Hal ini terjadi terutama setelah bangsa-bangsa
muslim mendapatkan kemerdekaannya dari penjajahan bangsa-bangsa
Eropa. Usaha modern pertama untuk mendirikan bank tanpa bunga
pertama kali dilakukan di Malaysia pada pertengahan tahun 40-an,
namun usaha ini tidak sukses.9 Selanjutnya, eksperimen lainnya
dilakukan di Pakistan pada akhir tahun 50-an, di mana suatu lembaga
perkreditan tanpa bunga didirikan di pedesaan negara itu.10
Namun demikian, eksperimen pendirian bank syariah yang paling
sukses dan inovatif di masa modern ini dilakukan di Mesir pada tahun
1963, dengan berdirinya Mit Ghamr Local Saving Bank. Bank ini
mendapat sambutan yang cukup hangat di Mesir, terutama dari
kalangan petani dan masyarakat pedesaan. Jumlah deposan bank ini
meningkat luar biasa dari 17,560 di tahun pertama (1963/1964)
menjadi 251,152 pada 1966/1967. Jumlah tabungan pun meningkat
drastis dari LE40,944 di akhir tahun pertama (1963/1964) menjadi
LE1,828,375 di akhir periode 1966/1967. Namun sayang, karena
terjadi kekacauan politik di Mesir maka Mit Ghamr mulai mengalami
kemunduran, sehingga operasionalnya diambil alih oleh National Bank
9 Haron, op.cit. h. 3.
10 Ibid, h. 3. Lihat dalam Rodney Wilson, Banking and Finance in the Arab Middle East,
Surrey (England), MacMillan Publisher Ltd, 1983.
BAB 2, SEJARAH PERBANKAN SYARIAH
25
of Egypt dan bank sentral Mesir pada 1967. Pengambilalihan ini
menyebabkan prinsip nirbunga pada Mit Ghamr mulai ditinggalkan,
sehingga bank ini kembali beroperasi berdasarkan bunga. Pada 1971
akhirnya konsep nir-bunga kembali dibangkitkan pada masa rezim
Sadat melalui pendirian Nasser Social Bank. Tujuan bank ini adalah
untuk menjalankan kembali bisnis yang berdasarkan konsep yang telah
dipraktekkan oleh Mit Ghamr.11
Kesuksesan Mit Ghamr ini memberi inspirasi bagi umat muslim di
seluruh dunia, sehingga timbullah kesadaran bahwa prinsip-prinsip
Islam ternyata masih dapat diaplikasikan dalam bisnis modern. Ketika
OKI akhirnya terbentuk, serangkaian konferensi internasional mulai
dilangsungkan, di mana salah satu agenda ekonominya adalah
pendirian bank Islam. Akhirnya terbentuklah Islamic Development
Bank (IDB) pada bulan Oktober 1975 yang beranggotakan 22 negara
Islam pendiri. Bank ini menyediakan bantuan finansial untuk
pembangunan negara-negara anggotanya, membantu mereka untuk
mendirikan bank Islam di negaranya masing-masing, dan memainkan
peranan penting dalam penelitian ilmu ekonomi, perbankan dan
keuangan Islam. Kini, bank yang berpusat di Jeddah-Arab Saudi itu
telah memiliki lebih dari 43 negara anggota.
Pada perkembangan selanjutnya di era 70-an, usaha-usaha untuk
mendirikan bank Islam mulai menyebar ke banyak negara. Beberapa
negara seperti Pakistan, Iran dan Sudan, bahkan mengubah seluruh
sistem keuangan di negara itu menjadi sistem nir-bunga, sehingga
semua lembaga keuangan di negara tersebut beroperasi tanpa
menggunakan bunga. Di negara Islam lainnya seperti Malaysia dan
Indonesia, bank nir-bunga beroperasi berdampingan dengan bankbank
konvensional.
Kini, perbankan syariah telah mengalami perkembangan yang
cukup pesat dan menyebar ke banyak negara, bahkan ke negaranegara
Barat. The Islamic Bank International of Denmark tercatat
sebagai bank syariah pertama yang beroperasi di Eropa, yakni pada
11 Ibid, p. 3-4.
BAB 2, SEJARAH PERBANKAN SYARIAH
26
tahun 1983 di Denmark.12 Kini, bank-bank besar dari negara-negara
Barat seperti Citibank, ANZ Bank, Chase Manhattan Bank dan Jardine
Fleming telah pula membuka Islamic window agar dapat memberikan
jasa-jasa perbankan yang sesuai dengan syariat Islam.
Gambar 2.2 di bawah ini memberikan peta singkat evolusi kegiatan
perbankan yang dipraktekkan oleh masyarakat muslim sepanjang
sejarah. Jadi dari segi proses evolusi, embrio kegiatan perbankan
dalam masyarakat Islam dilakukan oleh seorang individu untuk satu
fungsi perbankan. Kemudian berkembang profesi jihbiz, yaitu seorang
individu melakukan ketiga fungsi perbankan. Lalu kegiatan tersebut
diadopsi oleh masyarakat Eropa abad pertengahan, dan pengelolaannya
dilakukan oleh institusi, namun kegiatannya mulai dilakukan
dengan basis bunga. Karena mundurnya peradaban umat muslim dan
penjajahan bangsa-bangsa Barat terhadap negara-negara muslim,
maka evolusi praktek perbankan yang sesuai syariah sempat terhenti
beberapa abad. Baru pada abad 20 ketika bangsa muslim mulai
merdeka, terbentuklah bank syariah modern di sejumlah negara dan
insya Allah akan terus mengalami perkembangan.
12 Mr. Erik Trolle-Schultz, How the First Islamic Bank was Established in Europe, dalam
Islamic Banking and Finance, Butterworths Editorial Staff, London, 1986. h. 43-52.
BAB 2, SEJARAH PERBANKAN SYARIAH
27
gambar 2.2.
F. PERKEMBANGAN BANK SYARIAH DI INDONESIA
Di Indonesia, bank syariah yang pertama didirikan pada tahun
1992 adalah Bank Muamalat. Walaupun perkembangannya agak
terlambat bila dibandingkan dengan negara-negara Muslim lainnya,
perbankan syariah di Indonesia akan terus berkembang. Bila pada
tahun 1992-1998 hanya ada satu unit bank syariah di Indonesia, maka
pada 1999 jumlahnya bertambah menjadi tiga unit. Pada tahun 2000,
bank syariah maupun bank konvensional yang membuka unit usaha
syariah telah meningkat menjadi 6 unit. Sedangkan jumlah BPRS
(Bank Perkreditan Rakyat Syariah) sudah mencapai 86 unit dan masih
akan bertambah. Di tahun-tahun mendatang, jumlah bank syariah ini
2. jihbiz,
seorang individu melakukan ketiga fungsi perbankan
1. individu,
(Nabi/sahabat) melakukan satu fungsi perbankan
3. bank,
sebuah institusi melakukan ketiga fungsi
perbankan (diadopsi oleh masyarakat Eropa
abad pertengahan, namun kegiatannya mulai
dilakukan dengan basis bunga).
4. bank syariah modern,
institusi yang melakukan ketiga fungsi perbankan,
dengan berlandaskan syariah Islam.
Evolusi kegiatan perbankan dalam
masyarakat Islam:
BAB 2, SEJARAH PERBANKAN SYARIAH
28
akan terus meningkat seiring dengan masuknya pemain-pemain baru,
bertambahnya jumlah kantor cabang bank syariah yang sudah ada,
maupun dengan dibukanya Islamic window di bank-bank konvensional.
Dari sebuah riset yang dilakukan oleh Karim Business Consulting,
diproyeksikan bahwa total aset bank syariah di Indonesia akan tumbuh
sebesar 2850% selama 8 tahun, atau rata-rata tumbuh 356.25 % tiap
tahunnya. Sebuah pertumbuhan aset yang sangat mengesankan.
Tumbuh kembangnya aset bank syariah ini dikarenakan adanya
kepastian di sisi regulasi serta berkembangnya pemikiran masyarakat
tentang keberadaan bank syariah.
The Growth of Sharia Banks’ Asset
27,468,797.00
80,841,345.00
0.00
10,000,000.00
20,000,000.00
30,000,000.00
40,000,000.00
50,000,000.00
60,000,000.00
70,000,000.00
80,000,000.00
90,000,000.00
1996
1997
1998
1999
2000
2001
2002
2005
2010
in billion rupiah
Sumber: Karim Business Consulting, 2002.
gambar 2.3.
Perkembangan perbankan syariah ini tentunya juga harus
didukung oleh sumber daya insani yang memadai, baik dari segi
kualitas maupun kuantitasnya. Namun realitas yang ada menunjukkan
bahwa masih banyak sumber daya insani yang selama ini terlibat di
institusi syariah tidak memiliki pengalaman akademis maupun praktis
dalam Islamic Banking. Tentunya kondisi ini cukup signifikan
mempengaruhi produktifitas dan profesionalisme perbankan syariah itu
sendiri. Dan inilah memang yang harus mendapatkan perhatian dari
kita semua, yakni mencetak sumber daya insani yang mampu
BAB 2, SEJARAH PERBANKAN SYARIAH
29
mengamalkan ekonomi syariah di semua lini. Karena sistem yang baik
tidak mungkin dapat berjalan bila tidak didukung oleh sumber daya
insani yang baik pula.
Kesimpulan
Setelah kita menelusuri secara singkat sejarah praktek perbankan
yang dilakukan oleh umat muslim, maka kita dapat mengambil
kesimpulan bahwa meskipun kosa kata fikih Islam tidak mengenal kata
“Bank”, namun sesungguhnya bukti-bukti sejarah menyatakan bahwa
fungsi-fungsi perbankan modern telah dipraktekkan oleh umat muslim,
bahkan sejak zaman nabi Muhammad saw. Praktek-praktek fungsi
perbankan ini tentunya berkembang secara berangsur-angsur dan
mengalami kemajuan dan kemunduran di masa-masa tertentu, seiring
dengan naik-turunnya peradaban umat muslim. Dengan demikian,
dapat dikatakan bahwa konsep bank bukanlah suatu konsep yang
asing bagi umat muslim, sehingga proses ijtihad untuk merumuskan
konsep bank modern yang sesuai dengan syariah tidak perlu dimulai
dari nol. Jadi, upaya ijtihad yang dilakukan insya Allah akan menjadi
lebih mudah.

Follow

Get every new post delivered to your Inbox.