Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Dalam penelitian ini, penulis menganalisis hubungan antara dua jenis variabel yang terdiri dari variabel ekonomi makro dan variabel spesifik bank terhadap risiko kredit di ASEAN yang diwakili oleh Indonesia, Singapura, Malaysia, Thailand dan Filipina, dalam lima periode mulai dari tahun 2010 sampai 2014. Motivasi studi ini adalah rencana Integrasi Keuangan ASEAN pada tahun 2020. Isu ini memiliki beberapa risiko terkait dengan risiko kredit yang akan dibahas dalam penelitian ini. Tujuan utama dari penelitian ini adalah untuk mengetahui faktor-faktor penentu risiko kredit sebagai sinyal yang dapat dibaca baik dari variabel ekonomi makro maupun variabel spesifik bank. Dengan menggunakan pendekatan data panel dinamis untuk kelima negara ASEAN ini, penulis menemukan bahwa risiko kredit dipengaruhi secara signifikan oleh variabel ekonomi makro dan variabel spesifik bank. Dilihat dari variabel ekonomi makro, penurunan tingkat inflasi dan penerapan sistem keuangan berbasis bank berkontribusi terhadap menurunnya kredit bermasalah. Sedangkan dari variabel spesifik bank, kenaikan provisi kerugian kredit dan profitabilitas serta penurunan ukuran bank mengindikasikan bahwa kredit bermasalah semakin meningkat. Menurut studi ini, baik perubahan tingkat inflasi yang merupakan variabel ekonomi makro maupun kebijakan provisi kerugian kredit sebagai variabel spesifik bank, keduanya merupakan indikator paling akurat untuk menilai kredit bermasalah, sebagai proksi dari risiko kredit.

---

ABSTRACT
In this study, the author analyzes the relationship between two kinds of variable that consist of macroeconomic and bank specific variables to credit risk in ASEAN which is represented by Indonesia, Singapore, Malaysia, Thailand and Philippines, during five periods start from 2010 until 2014. This study is motivated by the ASEAN Financial Integration in 2020. This issue has some risks related to credit risk which are discussed in this study. The main goals of this study is to find the determinants of credit risk as a signal which could be read from both macroeconomic and bank specific variables. Employing dynamic panel data approach to these five ASEAN countries, the author find that credit risk is significantly affected by both macroeconomic variables and bank specific variables. From the side of macroeconomic variables, the decreasing of inflation rate and bank based financial system implementation are contribute to the decreasing of non performing loan. While from the bank specific variables side, the increasing of loan loss provision, profitability and the decreasing of bank size indicate that the non performing loan is increasing. According to this study, either inflation rate change as macroeconomic variable or loan loss provision policy as bank specific variable, both are the most accurate indicators to assessing non performing loan, the credit risk proxy.

Abstrak :
Paper ini bertujuan untuk meneliti tentang beberapa determinan dari pertumbuhan pendapatan perkapita 34 provinsi di Indonesia serta melihat apakah terjadi kondisi dimana pertumbuhan pendapatan perkapita antarprovinsi mengalami konvergensi. Penelitian ini menggunakan model conditional convergence yang berdasar pada teori pertumbuhan Solow untuk meneliti mengenai pengaruh beberapa determinan pertumbuhan pendapatan pada nilai pendapatan perkapita antarprovinsi sepanjang tahun observasi yaitu 1998-2018. Metode estimasi yang digunakan adalah panel data. Dengan adanya lag dari variabel dependen, menimbulka masalah endogeneity. Metode panel data dinamis dalam hal ini adalah GMM System digunakan agar hasil tidak bias. Hasil estimasi menunjukkan bahwa variabel yang dapat menjadi determinan dari pertumbuhan pendapatan berdasarkan model Solow yakni investasi dan human capital signifikan mempengaruhi nilai pendapatan perkapita 34 provinsi di Indonesia. Selain itu hasil estimasi juga menunjukkan bahwa terlihat adanya kecenderungan bahwa pertumbuhan pendapatan perkapita diantara 34 provinsi akan konvergensi meskipun dalam rate yang cukup kecil yakni 2,5% atau half-life 28,8 tahun. Jadi, dibutuhkan waktu 28,8 tahun untuk menghilangkan setengah angka perbedaan pertumbuhan yang ada antara 34 provinsi di Indonesia. ......This paper aim to observe several determinant of economic growth and see whether the growth of income among the 34 provinces in Indonesia is converging or diverging. This research is using conditional convergence model that based from Solow growth model to find out the impact of several determinant of economic growth to income, also to see whether the growth among provinces is converging or diverging on the period of observation 1998-2018. The lag of dependent variable in the model caused endogeneity problem. Dynamic panel data method (GMM-System) used to estimate the result so that the result is not biased. Estimated using dynamic panel data method, results show that determinants of economic growth based on Solow model such as investment and human capital is significant affecting the number of GDRP of 34 provinces in Indonesia. The result shows that the growth among 34 provinces is converge although it is at a small rate, that is 2,5% or equal to half life 28,8 years. So, it took 28,8 years to eliminate half of the difference in growth numbers between 34 provinces in Indonesia.

Abstrak :
Penelitian ini mengidentifikasi pengaruh keterbukaan sektor keuangan dan faktor lainnya seperti makroekonomi, fundamental perusahaan, dan indikator pasar terhadap likuiditas pasar saham di Indonesia. Penelitian ini mengggunakan sampel 149 perusahaan yang tercatat di Bursa Efek Indonesia dengan periode observasi sejak tahun 2005 hingga 2013. Metode estimasi yang digunakan adalah data panel dinamis Arellano-Bond GMM. Hasil penelitian ini menunjukkan bahwa secara statistik keterbukaan sektor keuangan berpengaruh positif terhadap likuiditas pasar saham di Indonesia. Faktor makroekonomi, fundamental perusahaan, dan indikator pasar secara statistik juga terbukti memiliki pengaruh terhadap likuiditas pasar saham di Indonesia. Variabel dummy Krisis AS 2008 secara statistik terbukti menunjukkan adanya perbedaan likuiditas sebelum dan setelah Krisis AS 2008. Implikasi kebijakan dalam upaya peningkatan likuiditas adalah otoritas sektor keuangan dan pemerintah dapat mendorong keterbukaan sektor keuangan melalui peningkatan insentif bersifat agresif dalam meningkatkan jumlah perusahaan tercatat dan investor di Bursa Efek Indonesia, memperkuat fungsi pengawasan pasar saham dan mempertajam fungsi CMP (Crisis Management Protocol), sementara itu, Bank Indonesia diharapkan pula dapat meningkatkan peran serta dalam menjaga stabilitas makroekonomi dalam upaya peningkatan likuiditas pasar saham. ...... This study investigate the impact of financial openness, macroeconomic variables, company fundamentals, and market indicators on stock market liquidity in Indonesia by using a sample of 149 companies listed on the Indonesia Stock Exchange, with the observation period from 2005 to 2013. Using the Arellano-Bond GMM estimator for the dynamic panel data model, I find that the financial openness has positive impact on stock market liquidity while the macroeconomic variables, the company fundamentals and the market indicators have impact on stock market liquidity as well. Dummy variable of U.S Crisis 2008 shows the differences in liquidity before and after the crisis. The results of this paper could be relevant to the ongoing policy discussion regarding to increase liquidity. The Financial Services Authority and The Government are expected to encourage financial openness, accompanied by considering more incentives for potential companies to be listed on the Indonesia Stock Exchange and more incentives for potential investor, strengthening market supervision as well as enhancing Crisis Management Protocol function. Meanwhile, Bank Indonesia is also expected to improve macroeconomic stability to achieve higher stock market liquidity.

Abstrak :
Model regresi data panel spasial error dinamis adalah model regresi data panel yang melibatkan lag dari variabel dependen dan komponen dependensi spasial error. Karena terdapat korelasi antara lag dari variabel dependen dan komponen error, estimasi dengan Ordinary Least Squares menjadi bias dan tidak konsisten. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah perluasan metode Arellano dan Bond yang mencakup metode instrumental variabel menggunakan variabel instrumen yang disarankan oleh Mutl (2006) dan prinsip Generalized Method of Moments (GMM). Kemudian ditambah dengan metode pendekatan Kapoor, Kelejian, dan Prucha (KKP) sehingga dihasilkan taksiran yang konsisten.

---

The dynamic spatial error panel data regression model is panel data regression model which involves lag of the dependent variable and error spatial dependence. Because there is correlation between the lag of the dependent variable and error components, the ordinary least squares estimator becomes biased and inconsistent. Therefore, we need another method to estimate parameters in the model. The method which can be used is the extended method of Arellano and Bond covering instrumental variable method using instrument variables suggested by Mutl (2006) and the principle of the Generalized Method of Moments (GMM). Then the method is coupled with the method of Kapoor, Kelejian, and Prucha (KKP) approach so that it produces consistent estimators.

Abstrak :
Model regresi data panel dinamis merupakan model regresi data panel yang melibatkan lag dari variabel dependen sebagai variabel eksplanatori yang berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel endogen eksplanatori. Adanya variabel endogen eksplanatori menyebabkan estimasi parameter menggunakan metode OLS menghasilkan taksiran yang bias dan tidak konsisten. Oleh karena itu dibutuhkan metode lain untuk menaksir parameter, salah satunya adalah metode yang dikembangkan oleh Arellano dan Bond. Arellano dan Bond mengembangkan metode penaksiran parameter melalui proses first differencing dan metode instrumental variabel sehingga taksiran yang dihasilkan oleh metode ini memiliki sifat tak bias, konsisten dan efisien. Metode Arellano dan Bond tersebut kemudian dikembangkan oleh Blundell dan Bond dengan cara mengkombinasikan momen kondisi dan matriks instrumen antara model first difference dan model level untuk menghasilkan taksiran yang sama-sama tak bias dan konsisten tetapi lebih efisien yang dinamakan GMM-System Estimator. ......Regression model of dynamic panel data is a regression model of panel data involving lag of dependent variable as explanatory variables which are correlated with the error. Lag of dependent variable is called endogenous explanatory variables. The presence of this lag cause the estimates of the parameters produce the estimator that are biased and inconsistent using OLS method. Therefore, other methods are needed to estimate the parameters, one of is the method developed by Arellano and Bond. Arellano and Bond developed a method of parameter estimation through a process of first-differencing and instrumental variable method so that the estimator are unbiased, consistent and efficient. This method is then developed by Blundell and Bond with combine the moment conditions and matrix of instruments between first-difference model and level model to produce the estimator that are both unbiased and consistent but more efficient thus it called GMM-System estimator.