Analisis Kerentanan Indikator Makroekonomi untuk Deteksi Dini Krisis Mata Uang

Foto oleh independiente.com.py

 

 

 

 

 

 

 

 

Nilai tukar merupakan salah satu faktor penting dalam perekonomian suatu negara, yang digunakan untuk menentukan stabilitasnya. Kerentanan variabel makroekonomi adalah asal mula krisis mata uang, yang menyebabkan kerentanan masalah ini menjadi lebih rendah. Variabel makroekonomi juga memiliki tingkat kerentanan yang bervariasi, terlepas dari kenyataan bahwa perekonomian dalam kondisi baik. Namun, beberapa variabel berada dalam kondisi yang buruk. Oleh karena itu, penting untuk melakukan deteksi dini untuk menentukan variabel yang rentan terhadap krisis.

Pendekatan Early Warning System Currency Crisis menggunakan sembilan indikator, yaitu: real effective exchange rate, pertumbuhan ekspor, harga saham, M2/cadangan, pertumbuhan ekonomi, pertumbuhan cadangan devisa, M2 multiplier, kredit/PDB, dan suku bunga riil. Studi ini menunjukkan bahwa sebelum krisis terjadi, ada gejala overheat dari pertumbuhan ekonomi yang buruk di kawasan Asia. Namun, penelitian tersebut tidak mengidentifikasi krisis di Indonesia, serta berbagai sinyal buruk di beberapa negara yang tidak terpengaruh, seperti Hong Kong dan Singapura. Lebih lanjut dilaporkan bahwa guncangan sekecil apapun pada mata uang suatu negara memiliki dampak yang signifikan terhadap pelaku pasar. Selanjutnya, Contagion Effect memainkan peran penting dalam memicu krisis keuangan di Asia.

Model yang lebih sederhana yang disebut dengan pendekatan Herrera dan Garcia (1999) yang diperbarui setiap bulan karena model agregat menggunakan variabel yang ada untuk menghasilkan sinyal yang bergantung pada perilaku indeks komposit untuk mendapatkan serangkaian indikator kunci dalam arah yang sama selama periode tertentu. Selanjutnya diagregasi dengan standardisasi, sehingga menentukan Indeks Kerentanan Ekonomi Makro/Index Macroeconomy Vulnerability (IMV). Analisis Sinyal dan pendekatan Herrera–Garcia memiliki kelebihan dan kekurangan, sehingga diperlukan kajian yang mendalam agar metode yang ada dapat menghasilkan sinyal yang efektif.

Krisis mata uang adalah penurunan nilai mata uang suatu negara secara tiba-tiba dan tajam, sehingga menyebabkan penurunan signifikan dalam cadangan devisa. Penurunan nilai berdampak negatif terhadap perekonomian karena menciptakan ketidakstabilan pada nilai tukar, sehingga memaksa bank sentral untuk menaikkan suku bunga. Tujuannya adalah untuk mencegah depresiasi lebih lanjut. Mata uang akan mengalami krisis ketika deviasinya melebihi nilai ambang batas rata-rata standarnya, yaitu 1:5 deviasi. Indeks Tekanan Pasar Bursa/ The Exchange Market Pressure Index (EMPI) biasanya digunakan untuk menentukan periode krisis. Implementasi dari EMPI digunakan dalam mendeteksi sinyal peringatan dini dengan memperkirakan nilai kritisnya, yang menunjukkan krisis keuangan setiap 3 kali sigma aturan yang diterapkan. Indonesia mengalami probabilitas sinyal rendah untuk mendeteksi krisis mata uang.

Penelitian ini menggunakan data yang diperoleh dari International Financial Statistics (IFS), dan data “Indonesia-IDX-Composite” yang dikumpulkan dari Bank Statistik Ekonomi dan Keuangan Indonesia (SEKI) dari tahun 1991 (1)–2019 (12). Hasil dari perhitungan EMPI sesuai dengan nilai kritis menjadi dasar penentuan masa krisis. Ambang batas tersebut sama dengan mean sebesar 1:5 standar deviasi, dimana nilai EMPI yang melebihinya diidentifikasi sebagai “krisis”. Transformasi dilakukan pada semua data yang dimodifikasi dalam bentuk perubahan tahun ke tahun untuk menghindari pengaruh musiman, sementara “level” diterapkan, seandainya itu tidak terpengaruh. Hal ini dilakukan dengan mengamati deviasi trend pada grafik “real”. Semakin besar indikator awal yang mendeteksi sinyal, semakin tinggi nilai indeks komposit dan probabilitas krisis. Umumnya, indeks komposit lebih dapat diandalkan daripada penggunaan satu indikator dalam memprediksi krisis.

Filter HP (Hodrick–Prescott) yang digunakan untuk memperkirakan tren dan penyimpangan yang nyata dan efektif dari pertukaran untuk menghasilkan probabilitas yang relatif tinggi untuk mendeteksi sinyal krisis. Dari filter HP ditemukan bahwa mampu menghasilkan estimasi penyimpangan tren yang wajar. Transformasi indikator “nilai tukar riil” mampu menghasilkan nilai NSR terkecil dari variabel makroekonomi. Perbandingan hasil dari analisis sinyal, metode Herrera-Garcia dan pendekatan ARIMA Residual Model, menunjukkan bahwa ARIMA Residual Model digunakan untuk mendeteksi beberapa sinyal krisis dengan akurasi yang lebih rendah. Sementara itu, sinyal pendekatan analisis menghasilak sinyal yang relatif lebih sedikit dengan akurasi yang lebih tinggi. Hal ini terlihat dari nilai NSR 0.

Penulis: Hadi Sutrisno, Dyah Wulan Sari, dan Rossanto Dwi Handoyo

Link: https://www.worldscientific.com/doi/10.1142/S179399332150006X

Leave a Comment