BAB IV HASIL DAN PEMBAHASAN

BAB IV

HASIL DAN PEMBAHASAN

Dalam Bab IV ini akan dibahas analisis estimasi model ekonometrik dan

statistik beserta analisis pembahasan ekonominya dengan menggunakan model

ECM (Error Correction Mechanism).

Untuk mengetahui hubungan antara variabel bebas dengan variabel tak

bebasnya dalam jangka panjang (long-term relationship) digunakan pendekatan

kointegrasi, sedangkan pendekatan ECM digunakan untuk mengetahui pengaruh

perubahan variabel bebas terhadap perubahan variabel tak bebasnya dalam jangka

pendek (short-term relationship).

Engle dan Granger (1987 : 251-276) menyatakan, apabila dalam model

terjadi hubungan jangka-panjang, terdapat indikasi keberadaan ECM. Engle dan

Granger juga mengemukakan bahwa kointegrasi sebetulnya memiliki kesamaan

konsep dengan konsep ekuilibrium dalam ekonomi. Ekuilibrium adalah sebuah

titik stationer yang mempunyai karakter untuk mempunyai kecenderungan untuk

kembali mendorong ekonomi ke titik ekuilibriumnya kapanpun terjadi

penyimpangan dari titik ekuilibriumnya. Dalam kasus ini berarti disequilibrium

error akan jarang mengambang jauh dari nol dan akan sering memotong garis nol.

Saat itulah ekuilibrium akan terjadi, setidaknya pada titik terdekat (a very close

approximation). Kemudian alur waktu (time path) dari dieskuilibrium error akan

nampak sebagai garis solid dalam seperti dalam gambar 4.1 yang berfluktuasi

sekitar nol. Engle Granger mengatakan bahwa apabila hubungan jangka panjang

86
 BAB IV HASIL DAN PEMBAHASAN

terjadi, disekuilibrium error seperti gambar 4.1 akan menunjukkan time series

yang stasioner dan memiliki nilai rata-rata nol, sehingga ut akan menjadi I(0)

dengan E(ut)=0

Gambar 4.1

Time Path Disekuilibrium Error

+ Yt

ut

ut t
Engle dan Granger (1987) menggunakan two-stage
-
procedure untuk melakukan estimasi dengan ECM. Dalam stage

pertama kita mengestimasi parameter jangka panjang dengan prosedur OLS

(Ordinary Least Square). Apabila Xt dan Yt (Variabel dependen dan independen)

ternyata terkointegrasi maka estimator OLS dari parameter jangka panjang β0

dan β1 akan konsisten. Dengan asumsi kointegrasi, dalam second stage Engle-

Granger procedure, residual dari regresi kointegrasi (ut) digunakan dalam

estimasi ECM.

Dalam mengestimasi variabel-variabel yang mempengaruhi simpanan

mudharabah perbankan syariah, penulis menggunakan data time series berupa

data triwulanan selama sebelas tahun. Penelitian dengan menggunakan data time

series akan menghadapi masalah yang tidak dihadapi oleh penelitian yang

menggunakan data Cross-section: (1) antar variabel time series dapat

mempengaruhi lainnya dengan lag waktu; dan (2) Apabila variabel-variabel

87
 BAB IV HASIL DAN PEMBAHASAN

adalah nonstasioner, masalah spurious regression1 (regresi lancung) dapat terjadi

(Koop, 2000:109)

Spurious regression adalah estimasi regresi yang memiliki R2 yang tinggi,

namun tidak terdapat hubungan yang berarti diantara keduanya. Masalah ini

muncul karena keduanya memiliki trend yang kuat sehingga nilai R 2 menjadi

tinggi disebabkan oleh keberadaan trend tersebut dan bukan karena hubungan

diantara keduanya (Gujarati, 2003:793).

Pengujian keberadaan spurious regression secara sederhana dapat

dilakukan dengan melihat common trend dan correlogram path2. Pengujian lebih

meyakinkan dilakukan dengan uji akar-akar unit (unit roots test). Apabila variabel

yang diamati memiliki derajat yang sama, maka dapat dilakukan regresi

kointegrasi guna menguji residual apakah stasioner/tidak dan langkah ini dikenal

sebagai uji kointegrasi. Jika residual regresi stasioner berarti dapat terbentuk

himpunan variabel yang terkointegrasi dan menunjukan bahwa variabel-variabel

tersebut mempunyai hubungan keseimbangan jangka panjang seperti yang

diharapkan teori ekonomi. Lebih jauh lagi, apabila ternyata residual dari regresi

tersebut stationer maka kombinasi linier antara beberapa variabel time series

tersebut adalah I(0). Dengan kata lain, variabel-variabel time series tersebut terko-

1
R2 > d adalah rule of thumb untuk mencurigai bahwa hasil estimasi regresi menderita spurious
regression. (Gujarati, 2003:807). Apabila X dan Y memiliki masalah unit root, maka hasil estimasi
yang diperoleh dapat menjadi sangat salah. Misalnya bila nilai β adalah 0, OLS dapat
mengestimasi jauh berbeda dari 0 (uji statistik dgn t-stat dan p-value juga mengindikasi β bukan
0), namun nilai R2 biasanya menunjukkan nilai yang besar. Inilah yang disebut spurious
Regression Problem (Koop,2000:152)
2
Common Trend yg membentuk trend menunjukkan gejala nonstationeritas data.Correlogram
Path yang teratur menunjukkan indikasi stasioneritas data, namun keduanya masih harus diuji
secara formal (Gujarati,2003:807-809)

88
 BAB IV HASIL DAN PEMBAHASAN

integrasi dan mempunyai hubungan yang berarti, implikasinya adalah persamaan

regresi tersebut tidak bersifat spurious.

Untuk analisis statistika akan dilihat sampai mana validitas model yang

digunakan dalam penelitian melalui pengujian secara statistik terhadap model

yang bersangkutan. Dalam analisis ekonomi akan dijelaskan mengenai arti dari

parameter-parameter yang diperoleh dari hasil regresi berdasarkan teori-teori

ekonomi dan juga melihat berapa besar pengaruh perubahan variabel bebas

terhadap variabel tak bebasnya.

4.1 Uji Stasioneritas Data

Stasionaritas merupakan salah satu pra-syarat penting dalam model

ekonometrika untuk data runtun waktu (time series). Data stasioner adalah data

yang menunjukkan mean, varians dan autokovarians (pada variasi lag) tetap sama

pada waktu kapan saja data itu dibentuk atau dipakai, artinya dengan data yang

stasioner model time series dapat dikatakan lebih stabil (Gujarati 2003:797).

Apabila data yang digunakan dalam model ada yang tidak stasioner, maka

data tersebut dipertimbangkan kembali kevalidan dan kestabilannya karena hasil

regresi yang berasal dari data yang tidak stasioner akan menyebabkan spurious

regression. Stationeritas data dapat kita perhatikan dari Common Trend dan

Correlogram path. Uji formal yang digunakan untuk melihat stasionaritas data

dalam penelitian ini adalah metode Unit Root Test (Augment Dickey-Fuller).

89
 BAB IV HASIL DAN PEMBAHASAN

4.1.1 Commond Trend dan Correlogram Path

Dari pergerakan common trend kita dapat memprediksi stasioneritas data.

Pergerakan trend yang beraturan menunjukkan nonstasioneritas data. Selain itu

kita dapat memperhatikan correlogram. Correlogram yang fluktuasinya secara

teratur mendekati garis vertikalnya dan berkisar disekitar nol atau dikatakan

bahwa correlogram actual time series mendekati correlogram white noise time

series, kita dapat mengatakan bahwa data tersebut kemungkinan besar stasioner

(Gujarati,2003:809).

Dari Lampiran A dan B dapat kita perhatikan bahwa variabel-variabel

regresi pada terkena unit root problem pada tingkat yang berbeda ( level, first

difference, dan second difference). Variabel-variabel tersebut baru terintegrasi

pada derajat yang sama pada tingkat second difference. Untuk memastikan

indikasi tersebut, digunakan uji formal untuk unit root.

4.1.2 Uji Akar-akar Unit (Root Test)

Untuk mengetahui adanya unit root dengan formal test, dilakukan

pengujian Dickey-Fuller atau Augmented Dickey-Fuller (ADF test). Dengan

pertimbangan signifikansi penambahan intercept dan trend, persamaan yang

digunakan dalam pengujian yaitu:

Yt = Yt-1 + ut atau Yt= Yt-1 + ut ( DF Test )

 = first difference dari variabel yang digunakan

t = variabel trend

 =  -1, jika  = 1, terdapat unit root, tidak stasioner.

90
 BAB IV HASIL DAN PEMBAHASAN

Hipotesis untuk pengujian ini adalah :

H0 :  = 0 (terdapat unit roots, tidak stasioner)

H1 :  0 (tidak terdapat unit roots, stasioner)

Berdasarkan hasil uji akar unit dengan berpatokan pada nilai batas kritis

dan hasil hipotesis3 dengan kenaikan tingkatan pengujian bertahap maka dapat

diambil hasil kesimpulan uji akar unit dalam tabel 4.1. Estimasi pengujian

dilampirkan dalam lampiran C.

Tabel 4.1

Hasil Pengujian Akar Unit

Variabel t – Uji Unit Akar Kesimpulan

SM -9,375226 Stasioner ( =0,01) pada 2nd difference
GDP -17,27477 Stasioner ( =0,01) pada 2nd difference
JK -8,010616 Stasioner ( =0,01) pada 2nd difference
TBH -8,736143 Stasioner ( =0,01) pada 2nd difference
TSB -5,414526 Stasioner ( =0,01) pada 2nd difference
Sumber:Pengolahan Data

Berdasarkan pengujian tersebut diperoleh bahwa seluruh variabel

stasioner pada 2nd difference pada tingkat kepercayaan 99%.

4.2 Estimasi dan Hasil Perhitungan Regresi Model Kointegrasi

Sebelum kita melakukan pengujian untuk estimasi model kointegrasi yang

menentukan faktor-faktor yang mempengaruhi simpanan mudharabah perbankan

3
Dickey dan Fuller menurunkan distribusi untuk estimator  yang seimbang saat  = 1 dan
menghasilkan statistik F test simpel bagi hipotesis random walk. Karena F test merupakan
pengujian satu arah, maka ADF juga merupakan pengujian satu arah. (Pindyck and Rubinfeld,
1998:508)

91
 BAB IV HASIL DAN PEMBAHASAN

syariah, terlebih dahulu dilakukan regresi persamaan linier dengan berdasarkan

asumsi kenormalan “ Model Regresi Linier Normal Klasik”.

Estimasi yang dilakukan dengan metode Ordinary Least Square (OLS)

menurut persamaan sebagai berikut :

Yt = β0 + β1X1 + β2X2 + β3X3 +… + βnXn +vt …………(4.1)

SMt = β0 + β1GDPt + β2JKt + β3TBHt + β4TSB4 +vt

Dimana :

SM = Total simpanan mudharabah perbankan syariah

TBH = Tingkat Bagi Hasil Tabungan Mudharabah perbankan syariah

TSB = Tingkat suku bunga Bank konvensional

GDP = Pendapatan Nasional (GDP)

JK = Jumlah Kantor Cabang (KC) dan Kantor Cabang Pembantu (KCP)

Ut = kesalahan gangguan (disturbance error)

Diperoleh hasil regresi model diatas:

SMt = -233467,5 - 0,004774 GDP + 49237,68 JK + 53755,64 TBH + 3948,818 TSB + ut

t-stat (-1.350568) (-6.314877) (19.65086) (2.669632) (1.532975)

F-stat = 460,3415 DW = 0,968449

R2 = 0,979259 Adj. R2 = 0,977132

Hasil estimasi lebih lengkap pada lampiran D.

Dari hasil estimasi tersebut ternyata nilai R2 > DW. Hal ini

mengindikasikan terjadinya spurious regression. Selain itu, nilai DW yang

berkisar antara 1 dan 0 mengindikasikan terdapatnya positif autokorelasi 4.

4
first-order koefisien autokorelasi (ρ) dapat diekspresikan dengan : d ≈ 2(1- ρ) .Jika ρ =0, d=2,
artinya tidak terdapat first-order autokorelasi, baik positif maupun negatif. Jika ρ=+1 atau
mendekati 0 mengindikasikan terdapat positif autokorelasi (Gujarati,2003:477)

92
 BAB IV HASIL DAN PEMBAHASAN

Persamaan 4.1 tidak lagi menjadi spurious apabila variabel regresi terintegrasi di

derajat yang sama dan residual regresi I(0); atau dengan kata lain persamaan

regresi terkointegrasi (Gujarati,2003:823). Namun ternyata variabel variabel

dalam regresi baru terintegrasi pada second difference.

Maka dari model diatas dilakukan remedial measure dengan The First

Difference Method5. Maddala (2001: 232) dalam bukunya Introduction of

Econometrics menyatakan sebuah rule of thumb bahwa secara garis besar : “Use

the first difference form whenever d < R2 ”.

Persamaan first-difference ini dirumuskan (Gujarati,2003:479) :

Yt –Yt-1 = β1 + β2(Xt – Xt-1) + (ut – ut-1) atau

Δ Yt = β1 + β2 ΔXt + et ……………………………..(4.2)

Diperoleh :

Δ SMt = 8105.073 – 0.003070 ΔGDPt + 41489.21 Δ JKt + 39917.48 Δ TBHt+

(0.212976) (-1.266957) (7.998604) (2.797496)

2088.885 ΔTSBt + ut

(0.562959)

F-stat = 17.14085 DW = 1.957221

R2 = 0,643405 Adj. R2 = 0,605868

Estimasi regresi model 4.2 menunjukkan d > R2 (tidak terdapat indikasi

spurious regression). Selanjutnya model 4.2 inilah yang digunakan sebagai model

kointegrasi dalam melakukan interpretasi regresi jangka panjang. Hasil estimasi

lebih lengkap pada lampiran E.

5
Transformasi first difference dapat digunakan apabila koefisien autokorelasi sangat tinggi, diatas
0,8, atau nilai d sangat rendah.(Gujarati,2003:478) dengan alasan tersebut, pada persamaan OLS
pertama pada penelitian ini dilakukan remedial measure.

93
 BAB IV HASIL DAN PEMBAHASAN

4.2.1 Uji Kointegrasi

Pengujian ini dimaksudkan untuk mengetahui apakah terjadi

keseimbangan dalam jangka panjang pada model yang digunakan, yaitu dengan

cara menguji stasioneritas error term-nya. Dalam penelitian ini, metode estimasi

hubungan jangka panjang dilakukan dengan menggunakan metode Engle –

Granger. Persamaan yang digunakan untuk adalah:

Hipotesis untuk pengujian kointegrasi adalah:

H0 :  = 0, variabel-variabel dalam model tidak terkointegrasi

H1 :   0, variabel-variabel dalam model terkointegrasi

Adapun hasil dari uji kointegrasi dalam model penelitian adalah sebagai berikut:

ΔU t = -1,061263 U t -1 + u t
(0,168851)
t-uji unit root = - 6,285798

Karena nilai t-statistik (- 6,285798) lebih kecil daripada nilai batas kiri

(negatif) t-tabel Mc-Kinnon (-2,6182) pada tingkat kepercayaan 99 % maka Ho

ditolak. Hal tersebut menunjukkan bahwa residual dari model kointegrasi tersebut

stationer..Artinya hasil regresi memiliki derajat integrasi yang sama (kointegrasi),

di mana variabel – variabel bebas dalam model persamaan memiliki pengaruh

hubungan jangka panjang dengan variabel tak bebasnya. Estimasi secara lebih

detail dapat dilihat pada lampiran F.

94
 BAB IV HASIL DAN PEMBAHASAN

4.2.2 Analisis Statistik Model Kointegrasi

4.2.2.1 Penaksiran Koefisien Determinasi (R2)

Uji ini melihat nilai koefisien determinasi (R2) dari persamaan yang

diregres. Nilai R2 dalam persamaan regresi model penelitian ini adalah sebesar

0,643405. Artinya 64.34 % perubahan first difference simpanan mudharabah

dipengaruhi oleh variabel-variabel penentu dalam model, sedangkan sisanya

sebesar yaitu 35.66 % dipengaruhi oleh variabel lain yang ada diluar model. Dari

hasil regresi juga diperoleh nilai adjusted R2, yaitu sebesar 0,605868. Artinya

setelah mengalami penyesuaian, perubahan variabel tak bebas, yaitu first

difference simpanan mudharabah dapat dijelaskan oleh first difference variabel-

variabel bebasnya sekitar 60.58% sementara sisanya sekitar 39,42 % dijelaskan

oleh faktor-faktor lain yang tidak termasuk ke dalam model. Nilai ini tidak jauh

berbeda dengan koefisien determinasinya, hal ini berarti sebagian besar faktor-

faktor yang mempengaruhi simpanan mudharabah sudah dijelaskan dalam model.

4.2.2.2 Pengujian parsial (t-stat)

Untuk menguji apakah variabel bebas secara parsial mempunyai pengaruh

yang nyata terhadap variabel tak bebasnya digunakan uji t. Tabel 4.2 di bawah ini

menunjukkan nilai batas kritis untuk pengujian t-statistik, masing-masing pada

tingkat signifikansi 5 % dan 1 %.

Tabel 4.2

Nilai Batas Kritis Uji-t Hasil Regresi Kointegrasi

Df 

95
 BAB IV HASIL DAN PEMBAHASAN

0,05 0,01
38 1.960 2.576
Keterangan : df = n-k, k = banyaknya koefisien regresi, n = banyaknya observasi, = tingkat
keyakinan
Sumber : Pindyck and Rubinfeld, 1998:605

Tabel 4.3
Hasil Pengujian t-statistik

Variabel t-stat Ho Keterangan

Intercept -0,212976 Tidak ditolak Tidak Signifikan
GDP -1,266957 Tidak ditolak Tidak Signifikan
JK 7,998604 Ditolak Signifikan pada =0.01
TBH 2,797496 Ditolak Signifikan pada =0,05
TSB 0,562959 Tidak ditolak Tidak Signifikan
Sumber:pengolahan data

4.2.2.3 Uji Keseluruhan (F-stat)

Walaupun dari hasil regresi ada variabel yang secara individu tidak

signifikan dalam suatu persamaan tapi bila dilihat secara keseluruhan dapat

memberikan signifikansi pada persamaan tersebut. Maka F-stat digunakan untuk

menguji tingkat signifikansi dari pengaruh secara bersama-sama dalam

menjelaskan variasi variabel tak bebasnya. Tabel 4.4 akan menujukkan besarnya

batas kritis uji F-statistik.

Tabel 4.4
Nilai Batas Kritis Uji-F Hasil Regresi Kointegrasi
N2 N1 
0,05 0,01
38 4 2.37 3.32
Keterangan : n1 = df numerator, n2 = df denumerator,  = tingkat keyakinan
Sumber : Pindyck and Rubinfeld, 1998:606-609

96
 BAB IV HASIL DAN PEMBAHASAN

Dari hasil estimasi diketahui bahwa persamaan tersebut memiliki nilai F-statistik

sebesar 17,14085 sehingga bila dibandingkan dengan tabel 4.4 pada tingkat

keyakinan 99 % dan 95 % ternyata secara bersama-sama variabel bebasnya

mempengaruhi variasi dari variabel tak bebasnya.

4.2.2.4 Uji Masalah Dalam Model Regresi Linear

Seringkali dalam estimasi model regresi linier, hasil estimasi menunjukkan

signifikansi hubungan yang baik. Namun ada kalanya dalam suatu model muncul

masalah-masalah yang tidak dapat dideteksi secara langsung melalui hasil

perhitungan regresi linier biasa. Masalah–masalah yang timbul biasanya ditandai

dengan indikasi tidak memenuhi syarat suatu persamaan linear yaitu asumsi-

asumsi dalam Classical Linier Regression Model. Oleh karena itu diperlukan

beberapa metode khusus dalam mengidentifikasi timbulnya masalah-masalah

regresi linier dalam model regresi ini.

4.2.2.4.1 Multikolinieritas
Multikolinear adalah gejala terdapatnya hubungan linear atau hubungan

yang pasti diantara eksplanatori variabel (variabel penjelas) dalam model regresi.

Pendeteksian multikolinearitas dapat diketahui dari beberapa faktor

(Gujarati,2003:359):

 R2 hasil regersi model tinggi, bahkan sangat tinggi

97
 BAB IV HASIL DAN PEMBAHASAN

 Hubungan variabel-variabel bebas terhadap variabel tidak bebasnya

lebih banyak yang tidak signifikan

 Koefisien korelasi derajat nol diantara dua regresor tinggi.

 Koefisien korelasi partial masing-masing variabel bebas sangat tinggi

 Satu atau lebih variabel bebas merupakan kombinasi linier yang pasti

atau mendekati pasti dari variabel bebas lainnya.

Dari hasil estimasi model kointegrasi diketahui dari empat variabel yang

digunakan terdapat dua variabel yang signifikan. Pendeteksian multikolineritas

dapat pula dengan menggunakan matriks koefisien korelasi antar variabel

bebasnya (Gujarati,2003:372-373). Nilai Koefisien korelasi yang besarnya lebih

dari 0,8 menunjukkan adanya multikolinieritas yang serius. Matriks korelsi dari

model kointegrasi terlampir dalam Lampiran F.

Dari hasil pengamatan dua hal tersebut terdapat indikasi multikolinearitas.

Namun mengacu pada Gujarati (2003:375), bahwa multikolinearitas terkait sangat

erat dengan “micronumerosity” atau jumlah sample yang kecil (smallness of

sample size), maka remedial measures untuk model dengan indikasi

multikolinearitas ini tidak dilakukan.

4.2.2.4.2 Masalah Autokorelasi (Autocorrelation)

Menurut asumsi Classical Linier Regression Model tidak adanya

serial korelasi dalam satu model ditandai dengan tidak adanya hubungan antar

error term dari variabel yang satu dengan yang lainnya, disimbolkan sebagai :

E( ui,uj ) = 0 i≠ j

Apabila asumsi diatas tidak dipenuhi dan disimbolkan dengan,

98
 BAB IV HASIL DAN PEMBAHASAN

E( ui,uj ) ≠ 0 i≠ j

Maka hal ini mengindikasikan adanya masalah autokorelasi atau serial

korelasi. Untuk Mengindikasi ada tidaknya masalah ini dalam suatu model ada

dua metode yang biasa digunakan yaitu Durbin Watson Test dan Run Test.

Apabila hasil Durbin Watson Test kurang meyakinkan, maka dilakukan Run Test

sebagai pendukungnya untuk memperoleh hasil uji yang akurat.

Durbin Watson Test

Pengujian ini dilakukan dengan membandingkan nilai Durbin Watson

statistik (DW-stat) dari hasil regresi dengan DW-tabel yang ada.

Pada hasil regresi diperoleh nilai DW-stat adalah sebesar 1,957221. Nilai

du dan dl pada tingkat kepercayaan 95% adalah sebagai berikut :

dl = 1,285 4-dl = 2,715

du = 1,721 4-du = 2,279

Dengan memasukkan nilai dan kriteria diatas dalam uji batas wilayah

maka dapat dilihat ada atau tidaknya gejala serial korelasi dalam model.

Gambar 4.2

Pengujian DW Stat

Indecision Indecision
Area Area
No
Autocorr

0 1,285 1.721 1,95 2 2,715 2,279 4

99
 BAB IV HASIL DAN PEMBAHASAN

Berdasarkan uji diatas dapat dilihat bahwa nilai DW-stat berada pada wilayah

tidak terdapat autokorelasi.

Tabel 4.5
Pengujian D-W Stat

Kategori Nilai
K 4
N 43
D-W Stat 1,957221
D-W tabel pada α= 5 %
DL 1,285
DU 1,721
Hasil Tidak terdapat Autokorelasi
K = jumlah variabel dalam persamaan tanpa konstanta
N = jumlah observasi
Sumber : Hasil Perhitungan

Untuk memastikan hasil pengujian, dilakukan uji run6.

Run-Test

Uji run dilakukan dengan melakukan perhitungan terhadap pergerakan

residual yang diperoleh dari selisih nilai aktual dari variabel tak bebasnya

terhadap nilai estimasinya.

Tabel 4.6
Nilai Residual Model Kointegrasi
Periode Nilai Residual Periode Nilai Residual
1993:1 NA 1998:3 92798.32

6
Dalam model yang terdapat autokorelasi dapat dilakukan remedial measure. Namun menurut
Otto dalam Rao(1994:171) menyatakan bahwa hal tersebut tidak akan merubah banyak hasil
estimasi, koreksi model autokorelasi memiliki minor effect pada hasil estimasi.

100
 BAB IV HASIL DAN PEMBAHASAN

1993:2 -326.7865 1998:4 29384.48

1993:3 8817.792 1999:1 -256157.6
1993:4 -4743.971 1999:2 -16724.07
1994:1 -107774.8 1999:3 -1393.537
1994:2 -34442.74 1999:4 -44270.86
1994:3 12358.25 2000:1 27291.72
1994:4 -2063.785 2000:2 -224027.4
1995:1 -30087.72 2000:3 -92754.90
1995:2 13441.98 2000:4 -37717.39
1995:3 -24265.21 2001:1 785660.7
1995:4 5376.119 2001:2 29178.15
1996:1 -39368.00 2001:3 6940.128
1996:2 15846.87 2001:4 -335611.3
1996:3 -20121.61 2002:1 65359.91
1996:4 21333.62 2002:2 73874.29
1997:1 -3736.225 2002:3 127093.7
1997:2 -71468.76 2002:4 34666.14
1997:3 17688.42 2003:1 -56646.57
1997:4 -61080.41 2003:2 -72286.36
1998:1 -12471.99 2003:3 -185636.4
1998:2 -40679.83 2003:4 408747.5
Sumber : Pengolahan dengan e-views 3.0

Diperoleh :
Tabel 4.7
Tabel Komponen Uji Run

Komponen Nilai
N 43
N1 (+) 18
N2 (-) 25
k 25
Dimana :
N = Jumlah Residual

101
 BAB IV HASIL DAN PEMBAHASAN

N1 = Jumlah Residual bertanda (+)

N1 = Jumlah Residual bertanda (-)
K = jumlah run
Sumber : hasil perhitungan

Dengan confidence interval (Tingkat kepercayaan) 95%:

E (k) – 1,96 σk ≤ k ≤ E (k) + 1,96σk

Dihitung :

Mean E (k) = 2n1n2 +1

n1 + n2

Variance : 2k = 2n1n2(2n1n2 – n1 – n2 )

(n1 + n2)2 (n1 +n2 –1)

Diperoleh nilai E(k) = 21,93 dan k = 3,15,. Diperoleh confidence interval :

15,756 ≤ k ≤ 28,104

Setelah dilakukan pengujian run pada persamaan, ternyata nilai run (k)

berada pada daerah Ho yang diterima, yaitu diantara daerah kritis atas dan daerah

kritis bawah, ini berarti tidak terdapat autokorelasi pada persamaan diatas pada

tingkat kepercayaan 95%. Dari hasil uji run tersebut, disimpulkan bahwa tidak

terdapat masalah autokorelasi dalam model kointegrasi.

4.3 Estimasi dan Hasil Perhitungan Regresi Model Dinamis Error

Correction Mechanism (ECM)

Adanya keseimbangan dalam jangka panjang dalam suatu model estimasi

tidak berarti selalu mencerminkan adanya keseimbangan dalam jangka pendek.

Model persamaan dinamis dimaksudkan untuk mengetahui pengaruh perubahan

102
 BAB IV HASIL DAN PEMBAHASAN

berbagai variabel independen terhadap perubahan variabel dependennya dalam

jangka pendek, dalam hal ini dari satu periode ke periode berikutnya. Model ini

digunakan untuk mengetahui bagaimana ketidakseimbangan jangka pendek yang

digambarkan dengan variablel first difference-nya dikoreksi atau disesuaikan

untuk mencapai keseimbangan jangka panjangnya yang digambarkan dengan

variabel error correction term7. Dinyatakan secara spesifik melalui persamaan

sebagai berikut:

ΔΔSMt = β0 + β1ΔΔGDPt + β2ΔΔJKt + β3ΔΔTBHt + β4ΔΔTSBt + ECt-1

+ vt …………………….(4.3)

Dari hasil regresi model diatas, diperoleh :

ΔΔSMt = 4120.818-0.003737ΔΔGDPt + 32987.20ΔΔJKt + 48979.83ΔΔTBHt

s.e (27116.22) (0.001496) (9257.962) (8798.918)

+ 331.0827ΔΔTSBt –1.045905ECt-1 +vt

s.e (2823.523) (0.184169)

F-stat =15,21571 DW = 1.885712

R2 = 0,678797 Adj. R2 = 0,634185

Hasil estimasi lebih lengkap terdapat dalam lampiran H

4.3.1 Analisis Statistik Hasil Regresi ECM

7
Koreksi kesalahan merupakan ukuran tingkat kecepatan penyesuaian model model jangka pendek
terhadap model jangka panjang. Dengan menyertakan faktor koreksi kesalahan dalam estimasi
model, dapat diketahui tingkat kecepatan penyesuaian di jangka pendek yang dapat mendukung
terciptanya keseimbangan di jangka panjangnya (Gujarati, 2003:824).

103
 BAB IV HASIL DAN PEMBAHASAN

4.3.1.1 Penaksiran Koefisien Determinasi (R2)

Uji ini melihat besarnya koefisien determinasi (R2) dari persamaan yang

di regres. Nilai koefisien determinasi R2 dalam persamaan regresi model

penelitian ini adalah sebesar 0,678797 (cukup tinggi). Artinya 67,87 % perubahan

dalam second difference perubahan simpanan mudharabah dipengaruhi oleh

second difference perubahan GDP, second difference perubahan jumlah kantor,

second difference perubahan Tingkat bagi Hasil, second difference perubahan

Tingkat suku bunga SBI dan variabel koreksi kesalahan, sedangkan sisanya

sebesar 32,13 % dipengaruhi oleh variabel lain yang tidak dimasukkan kedalam

model. Hal ini menunjukkan adanya keterkaitan yang erat antara second

difference perubahan simpanan mudharabah dengan second difference perubahan

faktor-faktor yang diasumsikan mempengaruhinya selama periode penelitian. Dari

hasil regresi juga diperoleh nilai adjusted R2, yaitu sebesar 0,634185. Artinya

setelah mengalami penyesuaian, perubahan variabel tak bebas dalam jangka

pendek dapat dijelaskan oleh variabel-variabel bebasnya sekitar 63,42%,

sementara sisanya sekitar 36,58 % dijelaskan oleh faktor-faktor lain yang tidak

termasuk ke dalam model.

4.3.1.2 Uji t-Statistik

Pengujian statistik ini dilakukan untuk melihat adanya dan seberapa besar

pengaruh dari variabel-variabel bebas terhadap variabel terikat dalam model

secara parsial. Persamaan dalam uji ini dilakukan dengan regresi menurut asumsi

Ordinary Least Square.

104
 BAB IV HASIL DAN PEMBAHASAN

Tabel 4.8

Nilai Batas Kritis Uji-t Hasil Regresi ECM

Df 
0,10 0,05 0,01
39 1,684 2,021 2,704
Keterangan : df = n-k, k = banyaknya koefisien regresi, n = jumlah observasi, = tingkat
keyakinan
Sumber : Damodar Gujarati, Basic Econometrics, McGraw Hill-Inc

Tabel 4.9

Hasil Pengujian t-statistik

Variabel t-stat Ho Keterangan
Intercept 0,151969 Tidak Ditolak Tidak signifikan
Δ GDP -2,497405 Ditolak Signifikan pada  = 0,05
Δ Jumlah Kantor 3,563117 Ditolak Signifikan pada  = 0,01
Δ Tingkat bagi hasil 5,566575 Ditolak Signifikan pada  = 0,01
Δ Tingkat Suku bunga SBI 0,117259 Tidak Ditolak Tidak signifikan
EC t-1 -5,679046 Ditolak Signifikan pada  = 0,01
Sumber: data diolah

4.3.1.4 Uji F-Statistik

Pengujian statistik ini dilakukan untuk melihat adanya dan

seberapa besar pengaruh dari variabel-variabel bebas terhadap variabel terikat

dalam model secara bersamaan (multiple), atau setidaknya ada satu variabel

independen yang dapat menjelaskan variabel dependennya. Persamaan dalam

uji ini dilakukan dengan regresi menurut asumsi Ordinary Least Square.

Tabel 4.10
Nilai Batas Kritis Uji-F Hasil Regresi ECM
n2 n1 
0,05 0,01
36 5 2,45 3,51

105
 BAB IV HASIL DAN PEMBAHASAN

Keterangan : n1 = df numerator, n2 = df denumerator,  = tingkat keyakinan

Sumber : Damodar Gujarati, Basic Econometrics, McGraw Hill-Inc

Dari hasil estimasi persamaan faktor-faktor yang mempengaruhi first

difference tingkat inflasi dalam jangka pendek, nilai F - statistik adalah sebesar

15,21571. Karena nilai F-stat lebih besar daripada F-tabel maka uji F diatas

menunjukkan bahwa variabel-variabel bebas mempengaruhi secara bersamaan

variabel terikat dengan tingkat signifikansi 95 % dan 99% .

4.3.2 Uji Masalah dalam Model Regresi Linear

4.3.2.1 Multikolinieritas
Gejala Multikolinier adalah suatu masalah dalam estimasi ekonometrik di

mana terdapat hubungan linier di antara variabel-variabel bebas dalam 1 model.

Berdasarkan ciri-ciri adanya gejala multikolinier dalam model, maka dengan

melihat hasil regresi dapat menyimpulkan ada tidaknya masalah multikolinier

dalam model.

Dari hasil regresi model ECM diketahui bahwa dari lima variabel yang

digunakan, empat diantaranya signifikan. Hal ini mengindikasikan bahwa gejala

multikolinearitas tidak terjadi. Namun perlu dilakukan uji multikolinieritas lebih

lanjut diantara variabel-variabel tersebut. Uji multikolinieritas yang akan

digunakan adalah dengan melihat koefisien korelasi diantara variabel-variabel

yang diduga memiliki hubungan yang sangat erat. Nilai Koefisien korelasi yang

besarnya lebih dari 0,8 menunjukkan adanya multikolinieritas yang serius. Hasil

uji multikolinieritas menunjukkan tidak terdapat masalah multikolinier dalam

model. (Matriks korelasi model ECM dilampirkan di lampiran I)

106
 BAB IV HASIL DAN PEMBAHASAN

4.3.2.2 Masalah Autokorelasi (Autocorrelation)

Durbin Watson Test

Masalah korelasi dalam model menunjukan adanya hubungan korelasi

antara variabel gangguan (error term) dalam suatu model. Berikut ini pengujian

D-W statistik :

Tabel 4.11

Pengujian Autokorelasi D-W Stat

Kategori Nilai
K’ 5
N 42
D-W Stat 1.885712
D-W tabel pada α= 5 % DL 1,230
DU 1,786
Hasil Tidak terdapat autokorelasi
K’ = jumlah variabel dalam persamaan tanpa konstanta N = jumlah observasi
Sumber : hasil perhitungan

Gambar 4.3

Pengujian Durbin Watson

Indecision No Autocorr Indecision

(+) Area Area (-)
Autocorr Autocorr

0 1,111 1,584 1,667 2 2,416 2,889 4

Dari tabel diatas dapat dijelaskan hasil autokorelasi didalam model

terbukti tidak terdapat autikorelasi. Selain uji DW stat, dilakukan Run Test.

Run-Test

107
 BAB IV HASIL DAN PEMBAHASAN

Uji run dilakukan dengan melakukan perhitungan terhadap

pergerakan residual yang diperoleh dari selisih nilai aktual dari variabel tak

bebasnya terhadap nilai estimasinya.

Tabel 4.12
Residual Model Dinamis

Periode Nilai Residual Periode Nilai Residual

1993:1 NA 1998:3 72722.38
1993:2 NA 1998:4 -75135.86
1993:3 4281.467 1999:1 -141175.4
1993:4 -11276.28 1999:2 -113961.4
1994:1 -119104.6 1999:3 12004.88
1994:2 -23394.34 1999:4 -38932.83
1994:3 -425.1889 2000:1 101229.3
1994:4 -10346.02 2000:2 -293770.8
1995:1 -41366.27 2000:3 -75005.73
1995:2 16841.77 2000:4 -71321.59
1995:3 -21386.56 2001:1 761732.8
1995:4 -9410.627 2001:2 55779.83
1996:1 -51937.63 2001:3 59431.77
1996:2 21506.82 2001:4 -308928.3
1996:3 -13878.84 2002:1 3846.487
1996:4 5280.116 2002:2 78033.87
1997:1 2663.274 2002:3 138961.6
1997:2 -69736.80 2002:4 82129.20
1997:3 21325.55 2003:1 -90524.44
1997:4 -76332.23 2003:2 -81963.37
1998:1 787.6138 2003:3 -46000.21
1998:2 -22388.61 2003:4 369145.1

Tabel 4.13
Tabel Komponen Uji Run

Komponen Nilai
N 42
N1 (+) 17
N2 (-) 25

108
 BAB IV HASIL DAN PEMBAHASAN

k 23
Dimana :
N = Jumlah Residual
N1 = Jumlah Residual bertanda (+)
N1 = Jumlah Residual bertanda (-)
K = jumlah run
Sumber : hasil perhitungan

Dengan confidence interval (Dgn tingkat kepercayaan 95%):

E (k) – 1,96 σk ≤ k ≤ E (k) + 1,96 σk

Dihitung :

Mean E (k) = 2n1n2 +1

n1 + n2

Variance : 2k = 2n1n2(2n1n2 – n1 – n2 )

(n1 + n2)2 (n1 +n2 –1)

Diperoleh nilai E(k) = 21,24 dan k = 3,08. Maka confidence interval :

15,2032 ≤ k ≤ 27,2768

Setelah dilakukan pengujian run pada persamaan, ternyata nilai run (k)

berada pada daerah Ho yang diterima, yaitu diantara daerah kritis atas dan daerah

kritis bawah, ini berarti tidak terdapat autokorelasi pada persamaan diatas pada

tingkat kepercayaan 95%.

4.4 Analisis Ekonomi Model Kointegrasi

Penelitian dengan menggunakan model kointegrasi ini bertujuan untuk

mengetahui variabel-variabel apa sajakah yang mempengaruhi besarnya simpanan

mudharabah di indonesia pada jangka panjang. Yang dimaksud jangka panjang

dalam pendekatan kointegrasi adalah jangka waktu dimana pengaruh setiap

109
 BAB IV HASIL DAN PEMBAHASAN

variabel independen terhadap variabel dependennya tidak bersifat seketika,

melainkan membutuhkan selang waktu, dan merupakan suatu kondisi dimana

masing-masing variabel memungkinkan untuk mengadakan penyesuaian secara

penuh terhadap perubahan-perubahan yang timbul (atau tidak ada kecenderungan

untuk naik atau turun, dan variabel tersebut berada dalam kondisi optimumnya).

Model kointegrasi juga merupakan model yang biasa digunakan untuk

menganalisis apakah trend dari nilai variabel tak bebas bergerak dengan arah yang

sama dengan trend variabel bebasnya, sehingga tecapai keseimbangan jangka

panjang atau justru sebaliknya.

Dalam analisis ini akan diamati pengaruh masing-masing variabel terhadap

variabel tak bebasnya yang ditunjukkan oleh koefisien parameter dari persamaan.

Analisis ini diperlukan untuk melihat apakah kecenderungan model secara empiris

telah memenuhi kaidah-kaidah dalam teori ekonomi. Dari hasil regresi di atas kita

dapat menjelaskan hubungan antara tiap-tiap variabel bebas dengan variabel tak

bebas, yaitu sebagai berikut:

 Koefisien Intersep 0 (konstanta)

Koefisien nilai intersep sebesar 8105.073 menunjukkan bahwa dalam

jangka panjang tanpa adanya perubahan pada variabel - variabel bebas, maka

variabel simpanan mudharabah akan menunjukan nilai positif, walaupun

secara statistik menunjukkan insignifikansi.

 Variabel GDP

Nilai koefisien sebesar –0.003070, dapat diartikan bahwa dalam jangka

panjang variabel GDP memiliki hubungan negatif dengan simpanan

110
 BAB IV HASIL DAN PEMBAHASAN

mudharabah, walaupun secara statistik tidak signifikan . Nilai ini juga disebut

MPS (Marginal Propensity to Saving) di perbankan syariah dalam jangka

panjang.

Hal ini menunjukkan bahwa ketika masyarakat pendapatannya meningkat

mereka memilih untuk tidak menyimpan dananya si simpanan mudharabah,

tapi mungkin menambah konsumsinya atau menyimpan dananya di bank

konvensional. Dari hasil empiris ini diketahui bahwa dalam jangka panjang

masyarakat kurang tertarik untuk menyimpan dananya di simpanan

mudharabah. Ini sesuai dengan penelitian Bank Indonesia(2001) pada

masyarakat pulau Jawa.

 Variabel Jumlah Kantor

Nilai koefisien sebesar 41489.21, dapat diartikan bahwa dalam jangka

panjang variabel jumlah kantor memiliki hubungan positif dengan simpanan

mudharabah. Hasil regresi yang signifikan menunjukkan bahwa untuk setiap

peningkatan 1 unit satuan dari variabel jumlah kantor yang tidak diikuti

perubahan variabel lainnya menyebabkan peningkatan pada variabel simpanan

mudharabah sebesar 41489.21unit satuan. Hasil ini sesuai dengan penelitian

Bank Indonesia (2001) bahwa akses kedekatan masyarakat kepada kantor bank

menentukan besarnya simpanan yang disimpan

 Variabel Tingkat Bagi Hasil

111
 BAB IV HASIL DAN PEMBAHASAN

Nilai koefisien sebesar 39917.48, dapat diartikan bahwa dalam jangka

panjang variabel jumlah kantor memiliki hubungan positif dengan simpanan

mudharabah. Hasil regresi yang signifikan menunjukkan bahwa untuk setiap

peningkatan 1 unit satuan dari variabel tingkat bagi hasil yang tidak diikuti

perubahan variabel lainnya menyebabkan peningkatan pada variabel simpanan

mudharabah sebesar 39917.48 unit satuan. Variabel tingkat bagi hasil ini

terbukti signifikan menjadi salah satu insentif nasabah untuk menyimpan

dananya di simpanan mudharabah. Hasil ini menunjukkan kesesuaian dengan

penelitian Erol dan El-Bdour (1989) di Yordania, bahwa salah satu motif

nasabah menyimpan dananya di bank syariah adalah motif keuntungan.

 Variabel Tingkat Suku Bunga

Nilai koefisien sebesar 2088.885 dapat diartikan bahwa dalam jangka

panjang, variabel tingkat suku bunga memiliki hubungan yang positif dengan

variabel simpanan mudharabah, namun secara statistik tidak signifikan

mempengaruhi variabel simpanan mudharabah.

Insignifikansi hubungan antara variabel tingkat suku bunga dan

variabel simpanan mudharabah menggambarkan rendahnya peranan tingkat

suku bunga sebagai penentu simpanan mudharabah. Namun koefisien tingkat

suku bunga dan simpanan mudharabah yang keduanya positif menunjukkan

bahwa antara simpanan mudharabah di perbankan syariah dan simpanan di

bank konvensional masih berupa pelengkap (komplemen) dan belum bersifat

saling menggantikan (substitusi). Sehingga dapat diketahui bahwa motif

112
 BAB IV HASIL DAN PEMBAHASAN

utama nasabah menyimpan dananya di simpanan mudharabah bukanlah

mencari keuntungan mengingat bagi nasabah tingkat suku bunga merupakan

pesaing dari tingkat bagi hasil. Kemungkinan motif keagamaan lebih

melandasi keputusan nasabah untuk menyimpan dananya di bank syariah.

4.4 Analisis Ekonomi Hasil Estimasi Model Dinamis

Dari hasil regresi diatas kita dapat menjelaskan hubungan antara tiap

parameter dengan variabel tak bebas, yaitu sebagai berikut:

 Koefisien Intersep 0 (konstanta)

Nilai intersept pada variabel di atas yaitu sebesar 4120.818 menunjukkan

bahwa dalam jangka pendek, tanpa adanya perubahan pada variabel-variabel

bebas, maka simpanan mudharabah akan mengalami peningkatan, walaupun

secara statistik menunjukkan insignifikansi.

 Koefisien 1 (second difference variabel Gross Domestic Product)

Nilai koefisien sebesar –0.003737 dapat diartikan bahwa dalam jangka

pendek, Gross Domestic Product memiliki hubungan yang negatif dan secara

statistik signifikan mempengaruhi simpanan mudharabah. Nilai koefisien

sebesar –0.003737 juga menunjukkan MPS (Marginal Propensity to Saving)

di perbankan syariah dalam jangka pendek. Nilai ini menunjukkan bahwa

untuk setiap peningkatan 1 % dari Gross Domestic Product, ceteris paribus,

menyebabkan penurunan pada simpanan mudharabah, rata-rata sebesar

0,003737satuan nilai , pada tingkat kepercayaan 99 %.

113
 BAB IV HASIL DAN PEMBAHASAN

Hasil regresi tersebut menunjukkan bahwa koefisien variabel Gross

Domestic Product memiliki tanda negatif dan masih signifikan mempengaruhi

variabel simpanan mudharabah, hal itu berbeda dengan hasil pada jangka

panjangnya dimana variabel GDP tidak signifikan. Dampak Gross Domestic

Product terhadap simpanan mudharabah dalam jangka pendek (0.003737)

lebih besar dibandingkan dengan dampak dalam jangka panjangnya

(0.003070). Temuan itu tetap menjelaskan bahwa simpanan mudharabah

masih merupakan pilihan inferior, dimana seiring peningkatan pendapatan,

simpanan ini menurun jumlahnya. Seiring dengan peningkatan pendapatan,

masyarakat lebih memilih untuk menyimpan dananya di bank syariah, namun

dalam jangka panjang masyarakat lebih memilih menyimpan dananya di luar

bank syariah.

 Koefisien 2 (second difference Jumlah Kantor)

Nilai koefisien sebesar 32987.20 dapat diartikan bahwa dalam jangka

pendek variabel jumlah kantor memiliki hubungan yang positif dan secara

statistik signifikan mempengaruhi simpanan mudharabah. Hasil regresi

menunjukkan bahwa untuk setiap peningkatan 1 satuan unit dari jumlah

kantor, ceteris paribus , menyebabkan peningkatan pada variabel first

difference simpanan mudharabah,rata-rata sebesar 32987.20 satuan unit pada

tingkat kepercayaan 99%.

Variabel jumlah kantor dalam jangka pendek ternyata mempengaruhi

positif simpanan mudharabah, dan sesuai dengan hasil jangka panjangnya

masih signifikan mempengaruhi simpanan mudharabah.

114
 BAB IV HASIL DAN PEMBAHASAN

Namun dampak jumlah kantor terhadap simpanan mudharabah dalam

jangka pendek (32987.20) lebih kecil dibandingkan dengan dampak dalam

jangka panjangnya (41489.21). Besar kemungkinan bahwa hal ini disebabkan

karena peningkatan jumlah kantor dalam jangka pendek tidak dapat direspon

secara seketika, namun membutuhkan waktu, sehingga efeknya terlihat lebih

besar dalam jangka panjang.

 Koefisien 3 (second difference Tingkat Bagi Hasil)

Nilai koefisien sebesar 48979.83 dapat diartikan bahwa dalam jangka

pendek tingkat bagi hasil memiliki hubungan yang positif dan secara statistik

signifikan mempengaruhi simpanan mudharabah. Hasil regresi menunjukkan

bahwa untuk setiap peningkatan 1 satuan unit dari tingkat bagi hasil, ceteris

paribus , menyebabkan kenaikan pada simpanan mudharabah,rata-rata sebesar

48979.83 satuan unit.

Variabel tingkat bagi hasil dalam jangka pendek ternyata mempengaruhi

positif simpanan mudharabah, dan sesuai dengan hasil jangka panjangnya

masih signifikan mempengaruhi simpanan mudharabah.

Dampak tingkat bagi hasil terhadap simpanan mudharabah dalam jangka

pendek (48979.83) lebih besar dibandingkan dengan dampak dalam jangka

panjangnya (39917.48). Sehingga dapat diketahui bahwa insentif tingkat bagi

hasil ini lebih dianggap menguntungkan dalam jangka pendek.

 Koefisien 4 (second difference variabel tingkat suku bunga)

115
 BAB IV HASIL DAN PEMBAHASAN

Nilai koefisien positif menunjukkan bahwa dalam jangka pendek tingkat

suku bunga memiliki hubungan yang positif tapi secara statistik tidak

signifikan mempengaruhi simpanan mudharabah.Hal ini sesuai dengan

estimasinya dalam jangka panjang.

 ECT t-1 (error correction term)

Koefisien error correction term signifikan pada tingkat keyakinan 99 %,

hasil ini memberikan indikasi bahwa spesifikasi model jangka pendek selaras

dengan hasil yang diperoleh dengan regresi kointegrasi (pada jangka panjang).

Parameter dari Koreksi kesalahan (error correction term) merupakan ukuran

tingkat kecepatan penyesuaian model jangka pendek terhadap model jangka

panjang. Angka koefisien sebesar –1.046 berarti bahwa sekitar 1.046 satuan

unit dari ketidaksesuaian antara simpanan mudharabah aktual dengan nilai

jangka panjangnya atau equilibriumnya akan dikoreksi dalam waktu satu

periode. Signifikansi variabel ECT juga mengindikasikan kestabilan sistem

jangka panjang terhadap jangka pendeknya. Apabila terjadi ketidaksesuaian

dengan hubungan jangka panjangnya maka akan segera dikoreksi di periode

setelahnya. Data triwulan dari periode tahun 1993-2003 menunjukkan kepada

kita bahwa pola pergerakan simpanan mudharabah perbankan syariah di

Indonesia relatif konsisten dengan hubungan jangka panjangnya.

116
 BAB IV HASIL DAN PEMBAHASAN

117