WORKING PAPER

INTERBANK MARKET WITH DSGE BANK

Harmanta

Aditya Rachmanto

Fajar Oktiyanto

Idham

Desember, 2014

WP/12 /2014

Kesimpulan, pendapat, dan pandangan yang disampaikan oleh penulis

dalam paper ini merupakan kesimpulan, pendapat, dan pandangan penulis dan bukan merupakan kesimpulan, pendapat, dan pandangan resmi Bank

Indonesia.

1

INTERBANK MARKET WITH DSGE BANK

Harmanta, Aditya Rachmanto, Fajar Oktiyanto, Idham

Abstrak

Dalam penelitian ini dibangun model DSGE untuk perekenomian terbuka (small open economy) Indonesia yang telah dilengkapi dengan mekanisme interbank market (pasar interbank) untuk menggambarkan

friksi keuangan dari sisi suplai bank. Dalam suplai tersebut terdapat mekanisme optimasi portfolio oleh bank, yaitu optimasi dalam menyalurkan kredit atau menyimpan dalam risk free asset (aset tanpa risiko). Sementara itu, financial friction yang terjadi di sisi demand dimodelkan dengan collateral constraint dan financial accelerator. Sektor perbankan dalam model juga didesain agar dapat melakukan simulasi bauran kebijakan moneter (BI rate dan nilai tukar) dan kebijakan makroprudensial (CAR requirement dan LTV ratio requirement). Hasil simulasi menunjukkan bahwa shock yang terjadi pada interbank market akan memengaruhi kondisi bank secara umum, terutama pada bank capital, CAR, dan loan to deposit ratio (LDR). Kondisi neraca bank tersebut akan

mempengaruhi sektor riil. Model ini juga mampu menangkap prosiklikalitas dan financial accelerator yang terjadi akibat adanya financial frictions

dalam perekonomian. GDP akan semakin tinggi saat fase ekspansi jika dibandingkan dengan kondisi tanpa financial frictions, demikian pula

sebaliknya, PDB akan lebih rendah saat terjadi fase kontraksi. Kontraksi pada perekonomian akan direspons oleh bank dengan mengurangi tingkat penyaluran kreditnya, yang disebabkan oleh tingginya risiko yang dihadapi oleh bank, yang juga akan meningkatkan suku bunga kredit bank sehingga entrepreneur semakin sulit menerima pinjaman. Kondisi ini membuat bank

semakin menekan penyaluran kredit untuk mencegah tergerusnya kapital bank. Hasil simulasi juga menunjukkan bahwa shock berupa policy mix

kebijakan moneter dan makroprudensial akan menghasilkan dinamika PDB dan inflasi yang cenderung lebih stabil dibandingkan jika hanya menggunakan satu instrumen kebijakan.

Keywords : monetary policy, DSGE with banking sector, macroprudential policy

JEL Classification : E32, E44, E52, E58

2

I. PENDAHULUAN

Krisis keuangan global yang berlangsung dewasa ini menggarisbawahi

kebutuhan untuk mengembangkan model DSGE yang memiliki hubungan eksplisit

antara sektor riil dan keuangan serta keberadaan sektor perbankan yang aktif.

Model dengan kapasitas tersebut akan memungkinkan dilakukannya evaluasi

empiris dari peran dan perilaku bank dalam mentransmisikan shock yang berasal

dari sisi penawaran ataupun sisi permintaan. Namun, literatur mengenai

permodelan DSGE yang digunakan untuk melakukan formulasi kebijakan

sebagian besar mengabaikan sektor perbankan. Krisis finansial global yang terjadi

memberikan pelajaran mengenai pentingnya hubungan antara sektor riil dan

keuangan dalam model DSGE sebagai fokus perhatian.

Di Indonesia penelitian empiris menemukan bahwa prosiklikalitas dari

sektor keuangan di Indonesia tergolong cukup tinggi. Penelitian dari Agung (2010)

menunjukkan bahwa pertumbuhan kredit riil lebih cepat dari PDB pada periode

ekspansi. Sebaliknya, penurunan kredit rill yang jauh lebih besar dari penurunan

PDB terjadi pada periode kontraksi. Tingginya prosiklikalitas sektor perbankan di

Indonesia tersebut menuntut perlunya sinergi kebijakan moneter dan kebijakan

makroprudensial untuk memitigasi fluktuasi ekonomi (business cycle) dan siklus

keuangan yang berlebihan.

Penelitian Harmanta et al. (2013) telah memodelkan prosiklikalitas sektor

keuangan dengan menggunakan financial accelerator ala BGG (1999) pada agen

entrepreneurs dan collateral contraints pada agen household. Penelitian itu telah

memodelkan sektor yang didesain sesuai dengan kondisi Indonesia dan telah

mampu melakukan simulasi kebijakan moneter (BI rate) dan nilai tukar serta

kebijakan makroprudensial pada institusi keuangan, dalam hal ini perbankan,

berupa simulasi perubahan CAR requirement dan LTV ratio requirement untuk

household. Namun, penelitian tersebut masih menggunakan homogeneous agent

untuk merepresentasikan sektor perbankan sehingga financial frictions dalam

model baru terjadi pada satu sisi pasar kredit, yaitu sisi demand yang dimodelkan

dengan mekanisme financial accelerator dan collateral contraints. Sementara itu,

financial friction dari sisi suplai pasar kredit masih belum dimodelkan. Berbagai

penelitian dalam literatur terkini menekankan pentingnya permodelan sisi suplai

pasar kredit yang dapat memberikan informasi vital mengenai transmisi antarbank

serta hubungannya dengan otoritas keuangan dan bank sentral. Lebih lanjut,

3

dalam masa krisis, sisi suplai pasar kredit memiliki peran penting dalam

menyebarluaskan krisis yang terjadi.

Paper ini melanjutkan penelitian Harmanta et al. (2013) dengan

pengembangan utama pada sisi supply pasar kredit. Dengan mempertimbangkan

struktur interbank market di Indonesia, pengembangan sektor perbankan

dilakukan mengikuti Ali Dib (2009), yaitu terdapat dua heterogeneous agents pada

sektor perbankan yang menawarkan jasa perbankan yang berbeda dan saling

berinteraksi dalam suatu pasar yang dinamakan interbank market.

Tujuan penelitian ini adalah untuk mengembangkan model DSGE sektor

perbankan dengan financial friction, baik collateral constraint maupun financial

accelerator, serta menambahkan mekanisme interbank market untuk keperluan

simulasi kebijakan moneter maupun macroprudential. Adapun manfaat penelitian

ini adalah sebagai berikut.

a. Sebagai salah satu alat bantu dalam melakukan formulasi bauran kebijakan

moneter dan makroprudensial yang akan ditetapkan oleh Bank Indonesia.

b. Sebagai salah satu langkah dalam competence building dalam mengembangkan

model DSGE dengan fitur simulasi bauran kebijakan moneter dan

makroprudensial untuk kebutuhan pengembangan core model FPAS pada masa

yang akan datang (sesuai dengan best practice dari advanced countries yang

saat ini telah mengadopsi core model yang berbasis DSGE).

Penelitian ini disusun sebagai berikut. Bagian 1 mengutarakan

pendahuluan, tujuan, dan manfaat penelitian. Bagian 2 berupa ulasan singkat

mengenai literatur terkait. Bagian 3 menjelaskan detail DSGE model yang

dikembangkan. Bagian 4 perincian estimasi dan simulasi. Bagian 5 simpulan dan

rencana pengembangan selanjutnya.

4

II. TINJAUAN LITERATUR

2.1 Permodelan Financial Friction dalam DSGE Model

Dalam literatur upaya untuk memodelkan prosiklikalitas sistem keuangan

diantaranya dilakukan dengan memperkenalkan financial friction pada model

DSGE. Untuk memodelkan friksi yang terjadi pada sisi demand dari pasar kredit,

terdapat dua pendekatan utama yang diterima secara luas, yaitu collateral

constraint dan financial accelerator.

Asumsi dasar dari pendekatan financial accelerator pertama kali

diperkenalkan oleh Bernanke, Gertler, and Gilchrist pada tahun 1999 (BGG), yaitu

adanya information asymmetry antara peminjam dan yang meminjamkan sehingga

menghasilkan external finance premium yang menggambarkan perbedaan biaya

apabila melakukan peminjaman dibandingkan dengan apabila menggunakan dana

sendiri. External finance premium ditentukan oleh besarnya net worth dari

peminjam dan akan menentukan besarnya pinjaman yang dapat diterima.

Sementara itu, pendekatan collateral constraint, seperti yang diperkenalkan

Kiyotaki and Moore (1997), adalah pergerakan dari harga aset yang berinteraksi

dengan ketidaksempurnaan market (adanya asimetri informasi antara kreditur dan

debitur, misalnya kemampuan membayar debitur) membuat suatu proses yang

memperbesar respons dari shocks. Namun, berbeda dengan pendekatan financial

accelerator, assets dari peminjam secara langsung akan mempengaruhi besarnya

pinjaman yang dapat diterima dan tidak melalui pengaruhnya terhadap external

finance premium.

Kekurangan dari financial frictions yang hanya menggunakan financial

accelerator atau collateral constraint adalah keduanya hanya memodelkan satu sisi

dari pasar kredit, yaitu sisi demand. Gertler dan Kiyotaki (2009) mengembangkan

framework sektor perbankan yang menemukan bahwa adanya liquidity shock pada

bank dapat mengakibatkan segmentasi pasar uang antarbank yang pada

gilirannya akan memiliki spillover effect pada sektor riil. Atas dasar temuan itu,

mereka berargumen bahwa interbank market seharusnya terdapat di dalam

financial block model DSGE karena saat terjadi krisis keuangan, interbank market

memiliki peran penting dalam menyebarluaskan krisis yang terjadi.

Ali Dib (2009) mengembangkan fully micro–founded closed economy DSGE

model yang menginkorporasikan hubungan eksplisit antara sektor riil dan sektor

5

finansial serta memiliki sektor perbankan yang aktif. Hal itu dicapai dengan

memodelkan optimisasi banks dan kedua sisi pasar kredit (supply dan demand)

secara eksplisit. Sisi demand dari kredit dimodelkan dengan menggunakan

financial accelerator ala BGG (1999), sedangkan sisi supply dari pasar kredit

dimodelkan dengan memperkenalkan asumsi bahwa terdapat dua tipe dari

heterogenous banks, yaitu savings bank dan lending bank yang menawarkan jasa

perbankan yang berbeda dan keduanya berinteraksi dalam pasar yang dinamakan

interbank market.

Gambar 1. Skema Financial Intermediaries Ali Dib (2009)

Seperti pada skema di atas, Ali Dib memodelkan monopolistically competitive

savings banks sebagai penerima deposit dari household workers dan membayarkan

deposit interest rate, 𝑅𝑗,𝑡𝐷 . Dalam mengalokasikan portofolionya, savings bank

menentukan komposisi optimal antara meminjamkan melalui interbank market

pada lending banks yang memberikan interest rate 𝑅𝑡𝐼𝐵 dan menginvestasikan pada

risk-free assets government bond yang memberikan bunga sebesar 𝑅𝑡. Pada setiap

periode terdapat probabilitas lending banks mengalami default dan tidak dapat

mengembalikan interbank borrowing-nya. Di sisi lain, ketika akan melakukan

investasi pada risk–free assets, savings bank harus membayar asuransi premium

(cost dari menggunakan risk–free assets). Monopolistically competitive lending

banks dimodelkan meminjam dari savings bank melalui interbank market dan

meminta bank capital dari bankers dengan membayar bank capital price 𝑄𝑡𝑍. Setiap

lending bank juga dapat menerima injeksi likuiditas dari bank sentral, 𝑚𝑗,𝑡, serta

finansial intermediasi Γ𝑡.

6

Carrera dan Vega (2012) menggunakan pendekatan yang berbeda dalam

memodelkan interbank market. Dalam papernya mereka mengasumsikan terdapat

dua tipe bank, retail bank dan narrow bank. Dalam pendekatan ini hanya primary

dealers yang diizinkan untuk berhubungan langsung dengan bank sentral sesuai

dengan kondisi financial intermediaries yang terjadi di Amerika Serikat.

Gambar 2. Skema Financial Intermediaries Carrera dan Vega (2012)

Mekanisme dalam permodelan tersebut menggambarkan retail bank

menghimpun deposit dari households dan meminjam dari interbank market untuk

disalurkan ke entrepreneur dalam bentuk loan, sedangkan narrow bank

melakukan penempatan liquidity dalam interbank market yang sumber

penghimpunan dananya berasal dari penerbitan equity.

2.2 Karakteristik Perekonomian dan Sektor Perbankan Indonesia

Ekonomi Indonesia menunjukkan pertumbuhan yang konstan dalam satu

dekade terakhir, dengan rata-rata PDB sebesar 5,45% dari periode 2001–2013.

Ekonomi terus tumbuh dengan puncaknya terjadi pada tahun 2011 dengan

pertumbuhan ekonomi mencapai 6,49% year on year. Pencapaian itu tergolong

impressive apabila dibandingkan dengan negara-negara sekitar yang terkena krisis

global 2007/2008.

Pada sisi permintaan, ekonomi Indonesia ditopang oleh konsumsi swasta

yang memiliki share 62,58% terhadap total PDB, diikuti oleh investasi sebesar

26,80%, lihat Tabel 2. Persistennya konsumsi domestik dan tingginya share ekspor

7

akibat tingginya permintaan negara-negara tujuan utama ekspor, seperti Cina dan

India—terutama untuk barang komoditas dan tambang—memberikan kontribusi

yang penting bagi pertumbuhan ekonomi. Meningkatnya share investasi dari

tahun ke tahun membawa kemajuan perekonomian dengan penciptaan lapangan

kerja dan pendapatan sehingga dapat menjaga tingkat konsumsi masyarakat.

Pada sisi produksi, ekonomi Indonesia ditopang oleh industri pengolahan

yang masih memiliki share terbesar terhadap PDB Indonesia yang diikuti oleh

perdagangan, hotel, dan restoran. Meningkatnya konsumsi dalam negeri

masyarakat dan permintaan komoditas ekspor oleh negara mitra ekspor telah

mendorong pertumbuhan perekonomian di berbagai sektor.

Tabel 1. Pertumbuhan Komponen PDB Indonesia

Pendapatan yang meningkat serta inflasi yang terjaga rendah dan suku

bunga yang juga rendah ikut mendorong pertumbuhan sektor-sektor produksi,

seperti bangunan dan pengangkutan. Sektor lainnya yang juga berkembang

dengan pesat adalah sektor keuangan, persewaan dan jasa, serta sektor jasa-jasa.

Pertumbuhan sektor-sektor tersebut memberikan dampak kenaikan PDB total

sebesar 6,23% pada tahun 2012.

Keterangan

PDB According to Sector

- Pertanian 3.26% 3.45% 3.79% 2.82% 2.72% 3.36% 3.47% 4.83% 3.96% 3.01% 3.37% 4.20% 3.54%

- Pertambangan dan Penggalian 0.33% 1.00% -1.37% -4.48% 3.20% 1.70% 1.93% 0.71% 4.47% 3.86% 1.39% 1.77% 1.34%

- Industri Pengolahan 3.30% 5.29% 5.33% 6.38% 4.60% 4.59% 4.67% 3.66% 2.21% 4.74% 6.14% 5.74% 5.56%

- Listrik, Gas, dan Air Bersih 7.92% 8.94% 4.87% 5.30% 6.30% 5.76% 10.33% 10.93% 14.29% 5.33% 4.82% 6.13% 5.58%

- Bangunan 4.58% 5.48% 6.10% 7.49% 7.54% 8.34% 8.53% 7.55% 7.07% 6.95% 6.65% 6.81% 6.57%

- Perdagangan, Hotel dan Restoran 3.95% 4.27% 5.45% 5.70% 8.30% 6.42% 8.93% 6.87% 1.28% 8.69% 9.17% 8.21% 5.93%

- Pengangkutan dan Komunikasi 8.10% 8.39% 12.19% 13.38% 12.76% 14.23% 14.04% 16.57% 15.85% 13.41% 10.70% 9.98% 10.19%

- Keuangan, Persewaan dan Jasa 6.76% 6.70% 6.73% 7.66% 6.70% 5.47% 7.99% 8.24% 5.21% 5.67% 6.84% 7.15% 7.56%

- Jasa - jasa 3.24% 3.75% 4.41% 5.38% 5.16% 6.16% 6.44% 6.24% 6.42% 6.04% 6.75% 5.30% 5.46%

PDB According to Demand

- Konsumsi Swasta 3.49% 3.84% 3.89% 4.97% 3.95% 3.17% 5.01% 5.34% 4.86% 4.74% 4.71% 5.28% 5.28%

- Investasi 8.56% -4.46% 10.84% 6.90% 12.38% 1.34% 1.93% 12.44% 2.43% 8.80% 10.53% 15.88% 4.85%

- Government 7.56% 12.99% 10.03% 3.99% 6.64% 9.61% 3.89% 10.43% 15.67% 0.32% 3.20% 1.30% 4.87%

- Ekspor 0.64% -1.22% 5.89% 13.53% 16.60% 9.41% 8.54% 9.53% -9.69% 15.27% 13.65% 2.00% 5.30%

- Impor 4.18% -4.25% 1.56% 26.65% 17.77% 8.58% 9.06% 10.00% -14.98% 17.34% 13.34% 6.66% 1.21%

PDB Total 3.64% 4.50% 4.78% 5.03% 5.69% 5.50% 6.35% 6.01% 4.63% 6.22% 6.49% 6.26% 5.78%

8

Tabel 2. Share Komponen PDB Indonesia

Salah satu asumsi yang diterapkan dalam permodelan sektor perbankan

dalam model DSGE oleh beberapa bank sentral adalah adanya market power dari

bank dalam pasar penghimpunan atau penyaluran dana sehingga bank memiliki

kekuatan dalam menentukan tingkat suku bunga DPK atau suku bunga kredit.

Beberapa penelitian empiris di Indonesia menunjukkan simpulan yang sama.

Salah satunya adalah Purwanto (2009) yang menyimpulkan bahwa dinamika

spread suku bunga perbankan (didefinisikan sebagai perbedaan antara suku

bunga penyaluran dana dikurangi dengan suku bunga penghimpunan dana)

sebagian besar dipengaruhi oleh dinamika dari tingkat konsentrasi industri

perbankan di Indonesia. Dalam penelitian tersebut, digunakan Herfindahl-

Hirschman Index sebagai ukuran dari tingkat konsentrasi industri perbankan.

Berdasarkan estimasi model empiris digunakan data bulanan individual bank

(panel) mulai Januari 2002 sampai dengan April 2009. Simpulannya adalah bahwa

penurunan spread suku bunga selama periode estimasi disebabkan oleh

peningkatan kompetisi di sektor perbankan karena terjadinya peningkatan market

share dari sebagian besar bank yang diikuti dengan penurunan market share dari

bank dengan aset besar. Hal itu sejalan dengan penelitian yang menggunakan

pendekatan structure-conduct-performance yang menghubungkan konsentrasi

pasar dengan kekuatan pasar (market power) dan perilaku penentuan suku bunga

(Berger et al., 2004).

Selain itu, dalam model DSGE yang dikembangkan berbagai bank sentral

juga diasumsikan bahwa terdapat stickiness dalam suku bunga retail perbankan

jika dikaitkan dengan dinamika dari suku bunga kebijakan. Dari sudut pandang

Keterangan

PDB Menurut Lapangan Usaha

- Pertanian 15.60% 15.54% 15.39% 15.24% 14.92% 14.50% 14.21% 13.82% 13.67% 13.58% 13.17% 12.78% 12.51% 12.27%

- Pertambangan dan Penggalian 12.07% 11.68% 11.29% 10.63% 9.66% 9.44% 9.10% 8.72% 8.28% 8.27% 8.09% 7.70% 7.36% 7.06%

- Industri Pengolahan 27.75% 27.65% 27.86% 28.01% 28.37% 28.08% 27.83% 27.39% 26.78% 26.17% 25.80% 25.71% 25.59% 25.54%

- Listrik, Gas, dan Air Bersih 0.60% 0.63% 0.66% 0.66% 0.66% 0.66% 0.66% 0.69% 0.72% 0.79% 0.78% 0.77% 0.77% 0.77%

- Bangunan 5.51% 5.56% 5.61% 5.68% 5.82% 5.92% 6.08% 6.20% 6.29% 6.44% 6.48% 6.49% 6.57% 6.57%

- Perdagangan, Hotel dan Restoran 16.15% 16.20% 16.16% 16.26% 16.37% 16.77% 16.92% 17.33% 17.47% 16.91% 17.30% 17.74% 18.05% 18.09%

- Pengangkutan dan Komunikasi 4.68% 4.88% 5.06% 5.42% 5.85% 6.24% 6.76% 7.25% 7.97% 8.82% 9.42% 9.79% 10.14% 10.56%

- Keuangan, Persewaan dan Jasa 8.31% 8.56% 8.74% 8.90% 9.12% 9.21% 9.21% 9.35% 9.55% 9.60% 9.55% 9.58% 9.66% 9.82%

- Jasa - jasa 9.34% 9.30% 9.23% 9.20% 9.23% 9.18% 9.24% 9.25% 9.27% 9.43% 9.41% 9.43% 9.35% 9.32%

PDB Menurut Jenis Penggunaan

- Konsumsi Swasta 61.07% 61.06% 61.56% 59.64% 60.94% 59.33% 58.82% 59.20% 57.95% 57.39% 56.87% 55.63% 55.42% 62.58%

- Investasi 22.04% 23.11% 21.44% 22.16% 23.06% 24.27% 23.64% 23.09% 24.13% 23.34% 24.03% 24.81% 27.44% 26.80%

- Government 6.47% 6.72% 7.38% 7.57% 7.66% 7.65% 8.06% 8.03% 8.24% 9.00% 8.54% 8.23% 7.89% 7.77%

- Ekspor 40.59% 39.47% 37.86% 37.37% 41.31% 45.11% 47.42% 49.34% 50.22% 42.83% 46.71% 49.59% 47.87% 47.35%

- Impor 30.17% 30.37% 28.23% 26.74% 32.96% 36.36% 37.94% 39.66% 40.54% 32.55% 36.14% 38.27% 38.62% 36.72%

9

teoretis, bank dapat memandang bahwa adalah optimal untuk tidak terlalu sering

mengubah suku bunga apabila permintaan konsumen bersifat inelastis dalam

jangka pendek karena tingginya switching cost (Calem et al., 2006) atau karena

adanya suatu fixed cost (menu cost) dalam melakukan perubahan tingkat suku

bunga (Berger dan Hannan, 1991). Alasan teoretis lain yang juga dikemukakan

oleh ahli ekonomi adalah adanya kepentingan bank untuk menjaga hubungan

dengan konsumen sehingga bank melakukan interest rate smoothing untuk

melindungi konsumen dari fluktuasi suku bunga pasar (kebijakan). Hal itu

memungkinkan bank untuk menetapkan suku bunga yang tinggi di saat suku

bunga kebijakan sedang rendah (Berger dan Udell, 1992).

Secara sederhana respons jangka pendek yang rigid dari suku bunga retail

perbankan terhadap dinamika suku bunga kebijakan telah dibahas dalam

penelitian sebelumnya oleh Harmanta et al. (2012). Analisis impulse response

dilakukan terhadap bivariate VAR system1 yang menunjukkan bahwa respons

jangka pendek dari suku bunga retail bank terhadap perubahan dari BI rate cukup

terbatas, terutama untuk suku bunga kredit konsumsi. Suku bunga deposito dan

suku bunga kredit untuk perusahaan memiliki respons yang kurang lebih sama.

Walaupun nilainya tidak sekecil respons dari suku bunga konsumsi, tingkat

stickiness yang cukup tinggi tetap ditunjukkan.

Dengan adanya evidence bahwa sektor keuangan di Indonesia

menunjukkan prosiklikalitas yang tinggi, seperti yang tercermin dari pertumbuhan

kredit riil yang mengikuti pertumbuhan PDB, dan pengalaman krisis keuangan

global tahun 2008, ternyata menjaga inflasi saja tidaklah cukup untuk mencapai

stabilitas ekonomi makro, Bank Indonesia mengadopsi flexible inflation targeting

framework untuk dapat menjaga stabilitas sistem keuangan dengan lebih baik.

Salah satu upaya yang dilakukan adalah dengan menggunakan pendekatan

bauran kebijakan moneter (conventional policy) dan makroprudensial

(unconventional policy). Instrumen-instrumen dari kebijakan makroprudensial yang

digunakan ini antara lain adalah loan to value ratio (LTV) dan reserve requirement

(GWM).

1Masing-masing VAR system juga terdiri atas variabel eksogen, yaitu besarnya reserve ratio

untuk VAR dari suku bunga deposito; dan besarnya modal, bobot aset beresiko (ATMR

dibagi total kredit), dan besarnya pinjaman yang disalurkan untuk VAR suku bunga

pinjaman.

10

Untuk ketentuan LTV, Bank Indonesia, dengan mempertimbangkan bahwa

kredit pemilikan rumah (KPR) dan kredit kendaraan bermotor (KKB) tumbuh di

atas rata-rata kredit, melalui SE No.14/10/DPNP tanggal 15 Maret 2012, yang

mulai berlaku efektif tanggal 15 Juni 2012 lalu, Bank Indonesia memberlakukan

LTV untuk KPR adalah maksimal 70%, lebih ketat jika dibandingkan dengan rata-

rata aktual berkisar 82,5%. Namun, untuk KKB aturannya dibedakan menjadi

sebagai berikut: KKB roda dua, DP minimal sebesar 25% (atau LTV sebesar 75%);

KKB roda empat, DP minimal sebesar 30% (kendaraan untuk keperluan

nonproduktif) dan 20% (kendaraan untuk keperluan produktif); KKB angkutan

umum, DP minimal sebesar 20%. Dengan demikian, sebelum diberlakukannya

peraturan Bank Indonesia, rata-rata LTV (KPR dan KKB) adalah sekitar 85% dan

berubah lebih ketat menjadi sekitar 72,5% setelah peraturan tersebut

diberlakukan (Gambar 3).

Gambar 3. Data Historis Pertumbuhan Kredit Nominal, GWM dan LTV

Sementara untuk GWM di Indonesia, dalam konteks hubungannya dengan

siklus ekonomi, pada saat ekonomi dunia dan domestik terkontraksi pada tahun

2008–2009, GWM primer ditetapkan sebesar 5%. Selanjutnya, dengan

membaiknya kondisi perekonomian, yang diiringi dengan inflasi (dan juga

ekspektasi inflasi) yang meningkat, Bank Indonesia memutuskan menaikkan GWM

primer dari 5% menjadi 8%. Dengan adanya pengetatan pada kedua instrumen

makroprudensial ini, terutama pada LTV ratio yang diturunkan menjadi rata-rata

72,5% (KKB dan KPR) pada semester II 2013, terlihat bahwa pertumbuhan kredit

nominal di Indonesia mulai mengalami penurunan secara lebih gradual dari pola

historisnya.

65

70

75

80

85

90

0.0

10.0

20.0

30.0

40.0%%

Pert. Kredit Nominal GWM Primer LTV (average, rhs)

11

Adapun untuk pasar uang antarbank (interbank market) di Indonesia,

dengan kondisi ekses likuiditas perbankan yang ada, suku bunga PUAB overnight

pada umumnya berada pada kisaran koridor bawah Bank Indonesia yang dibatasi

oleh deposit facility (DF).

Gambar 4. RED Desember 2014 – Overnight Interbank Rates

12

III. MODEL DSGE DENGAN SEKTOR PERBANKAN

3.1 Rumah Tangga (Households) dan Pengusaha (Entrepreneurs)

Patient household memaksimalkan fungsi utilitasnya berdasarkan pilihan

tingkat konsumsi 𝑐𝑡𝑃, waktu untuk istirahat (di luar waktu untuk bekerja 𝑛𝑡

𝑃), dan

kepemilikan aset perumahan 𝜒𝑡𝑃 dengan discount factor 𝛽𝑝.

max𝑐𝑡

𝑃,𝜒𝑡𝑃,𝑛𝑡

𝑃(𝑖)∑ (𝛽𝑃)𝑡 [

(𝑐𝑡𝑃(𝑖)−𝜉𝑐𝑡−1

𝑃 )1−𝜎𝑐

1−𝜎𝑐+ 휀χ,𝑡

𝜒𝑡𝑃(𝑖)1−𝜎𝜒

1−𝜎𝜒− 휀𝑛,𝑡

𝑛𝑡𝑃(𝑖)1+𝜎𝑛

1+𝜎𝑛]∞

𝑡=0 ........................ (1)

Parameter 𝜉 merupakan tingkat external habit formation dan 휀𝜒,𝑡, 휀𝑛,𝑡 adalah

shock intertemporal, housing preference, dan labour preference yang memiliki

dinamika AR(1) dengan error yang i.i.d.

Patient household mempunyai pendapatan yang berasal atas penyediaan

tenaga kerja kepada pengusaha 𝑊𝑡𝑛𝑡𝑃, pendapatan deposito (1 + 𝑟𝑡−1

𝐷 )𝑑𝑡−1, dividen

dari perusahaan yang dimilikinya Π𝑡𝑃, dan pendapatan dari bunga obligasi

pemerintah serta eksternal. Penghasilan ini digunakan untuk membayar pajak 𝑇𝑡𝑃,

membiayai pengeluaran konsumsi, membeli aset perumahan, dan menyimpan

sisanya dalam bentuk deposito 𝑑𝑡, obligasi pemerintah 𝐵𝑔,𝑡𝑃 , dan obligasi eksternal

𝐵𝑡∗. Dengan demikian, budget constraint yang dihadapi oleh patient household

adalah:

𝑃𝑡𝑐𝑡𝑃(𝑖) + 𝑃𝜒,𝑡 (𝜒𝑡

𝑃(𝑖) − (1 − 𝛿𝜒)𝜒𝑡−1𝑃 (𝑖)) + 𝑑𝑡(𝑖) + 𝐵𝑔,𝑡

𝑃 + 𝑒𝑡𝐵𝑡∗ = 𝑊𝑡𝑛𝑡

𝑃(𝑖) + (1 + 𝑟𝑡−1𝐷 )𝑑𝑡−1(𝑖) −

𝑇𝑡𝑃(𝑖) + Π𝑡

𝑃(𝑖) + (1 + 𝑟𝑡−1)𝐵𝑔,𝑡−1𝑃 + 𝜌𝑡−1(1 + 𝑟𝑡−1

∗ )𝑒𝑡𝐵𝑡−1∗ ..............................................(2)

Dalam budget constraint, variabel pengeluaran konsumsi dan aset

perumahan masing-masing dikalikan dengan tingkat harganya untuk

mendapatkan bentuk nominalnya. Parameter 𝛿𝜒 merupakan tingkat depresiasi dari

aset perumahan yang dimiliki oleh households.

Dari fungsi tujuan dan budget constraint patient household di atas,

didapatkan solusi persamaan yang dapat menjelaskan besarnya konsumsi patient

household, yang dipengaruhi oleh besarnya suku bunga deposito, pajak atas bunga

deposito, serta inflasi yang terjadi yang dapat dituliskan:

(𝑐𝑡+1𝑃 − 𝜉𝑐𝑡

𝑃)−𝜎𝑐 (𝛽𝑃 (1 + 𝑟𝑡

𝐷(1 − 𝛼𝑇𝐷)

𝑃𝑡+1)) =

(𝑐𝑡𝑃 − 𝜉𝑐𝑡−1

𝑃 )−𝜎𝑐

𝑃𝑡

13

𝜆𝑡 =(𝑐𝑡

𝑃−𝜉𝑐𝑡−1𝑃 )

−𝜎𝑐−𝛽𝑃𝜉(𝑐𝑡+1

𝑃 −𝜉𝑐𝑡𝑃)

−𝜎𝑐

𝑃𝑡 …………………………………………………………….…..(3)

sedangkan akumulasi kepemilikan housing dari patient household juga didapatkan

dengan mencari solusi dari fungsi tujuan dan budget constraint yang dipengaruhi

oleh pajak suku bunga deposito, inflasi, harga housing, serta ekspektasi harga

housing pada masa depan yang dapat dirumuskan sebagai berikut.

(𝑐𝑡+1𝑃 (𝑖) − 𝜉𝑐𝑡

𝑃)−𝜎𝑐 (𝛽𝑃𝑃𝜒,𝑡+1(1 − 𝛿𝜒)

𝑃𝑡+1) + 휀χ,𝑡 (𝜒𝑡

𝑃)−𝜎𝜒 = (𝑐𝑡𝑃(𝑖) − 𝜉𝑐𝑡−1

𝑃 )−𝜎𝑐 (𝑃𝜒,𝑡

𝑃𝑡)

휀𝜒,𝑡(𝜒𝑡𝑃)−𝜎𝜒 = 𝜆𝑡𝑃𝜒,𝑡 − 𝛽𝑃𝜆𝑡+1(1 − 𝛿𝜒)𝑃𝜒,𝑡……………………………………………………..…(4)

Besarnya deposito yang ditabung oleh patient household di bank

dipengaruhi oleh profit yang didapatkan, return deposito periode sebelumnya, upah

hasil penyaluran tenaga kerja, konsumsi, investasi housing yang dilakukan, return

obligasi periode sebelumnya, serta return obligasi eksternal periode sebelumnya

yang dapat dirumuskan sebagai berikut.

𝑑𝑡 = 𝑑𝑡−1(1 + 𝑟𝑡−1𝐷 − 𝛼𝑇𝐷𝑟𝑡−1

𝐷 ) − (𝛼𝑇𝑊𝑊𝑡𝑛𝑡𝑃 + 𝛼𝑇ΠΠ𝑡

𝑃) + Π𝑡𝑃 − 𝑃𝜒,𝑡(𝜒𝑡

𝑃 − (1 − 𝛿𝜒)𝜒𝑡−1𝑃 ) − 𝑃𝑡𝑐𝑡

𝑃

+ 𝑊𝑡𝑛𝑡𝑃 + (1 + 𝑟𝑡−1)𝐵𝑔,𝑡−1 + 𝜌𝑡−1(1 + 𝑟𝑡−1

∗ )𝑒𝑡𝐵𝑡−1∗ − 𝐵𝑔,𝑡 − 𝑒𝑡𝐵𝑡

∗

𝜆𝑡 = 𝛽𝑃𝜆𝑡+1(1 + (1 − 𝛼𝑇𝐷)𝑟𝑡𝐷)………………………………………………………………….…(5)

sedangkan impatient household juga memiliki utility function yang memiliki variabel

tidak berbeda dengan patient household, yaitu

max𝑐𝑡

𝐼(𝑖),𝜒𝑡𝐼(𝑖),𝑛𝑡

𝐼(𝑖),𝑏𝑡𝐼(𝑖)

∑ (𝛽𝐼)𝑡 [(𝑐𝑡

𝐼(𝑖)−𝜉𝑐𝑡−1𝐼 )

1−𝜎𝑐

1−𝜎𝑐+ 휀χ,𝑡

𝜒𝑡𝐼(𝑖)1−𝜎𝜒

1−𝜎𝜒− 휀𝑛,𝑡

𝑛𝑡𝐼(𝑖)1+𝜎𝑛

1+𝜎𝑛]∞

𝑡=0 ....................(6)

Dalam membiayai pengeluarannya, selain berasal dari penghasilan penyedia

tenaga kerja 𝑊𝑡𝑛𝑡𝐼, impatient household juga meminjam dari bank sebesar 𝑏𝑡

𝐼(𝑖).

Oleh karena itu, impatient household juga memiliki kewajiban untuk membayar

pinjaman yang dilakukan pada periode sebelumnya sebesar (1 + 𝑟𝑡−1𝐵𝐼 )𝑏𝑡−1

𝐼 pada pos

pengeluarannya. Budget constraint impatient household adalah

𝑃𝑡𝑐𝑡𝐼(𝑖) + 𝑃𝜒,𝑡 (𝜒𝑡

𝐼(𝑖) − (1 − 𝛿𝜒)𝜒𝑡−1𝐼 (𝑖)) + (1 + 𝑟𝑡−1

𝐵𝐼 )𝑏𝑡−1𝐼 (𝑖) = 𝑊𝑡𝑛𝑡

𝐼(𝑖) + 𝑏𝑡𝐼(𝑖) − 𝑇𝑡

𝐼(𝑖) ........(7)

Dalam melakukan pinjaman untuk membiayai konsumsinya, total pinjaman

yang dapat diperoleh impatient household dibatasi oleh harga aset bangunan yang

dimilikinya dikalikan dengan syarat loan-to-value ratio, 𝑚𝑡𝐼 yang berlaku.

(1 + 𝑟𝑡𝐵𝐼)𝑏𝑡

𝐼(𝑖) ≤ 𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1 − 𝛿𝜒)𝜒𝑡

𝐼(𝑖)] ....……………………………………………........(8)

14

Dari sisi mikroekonomi, nilai (1-𝑚𝑡𝐼) dapat diartikan sebagai proportional cost

of collateral repossession bagi bank apabila terjadi default. Dari sisi makroekonomi,

nilai 𝑚𝑡𝐼 menentukan jumlah pinjaman yang ditawarkan bank kepada households

untuk nilai aset perumahan tertentu yang dimilikinya. Diasumsikan bahwa variasi

dari rasio LTV ini tidak tergantung pada pilihan dari masing-masing bank tetapi

merupakan suatu proses stokastik eksogen yang memungkinkan kita untuk

mempelajari credit-supply restriction terhadap sektor riil dari ekonomi.

Dari fungsi tujuan dan budget constraint impatient household di atas,

didapatkan solusi persamaan yang dapat menjelaskan besarnya konsumsi

impatient household, yang dipengaruhi oleh besarnya upah penyaluran tenaga

kerja, pinjaman dari bank, inflasi, suku bunga kredit konsumsi, harga

housing,serta stock housing yang dapat dirumuskan sebagai berikut.

𝑐𝑡𝐼 =

𝑊𝑡𝑛𝑡𝐼

𝑃𝑡+

𝑏𝑡𝐼

𝑃𝑡−

𝛼𝑇𝑊𝑊𝑡𝑛𝑡𝐼

𝑃𝑡− (1 + 𝑟𝑡−1

𝐵𝐼 ) (𝑏𝑡−1

𝐼

𝑃𝑡) −

𝑃𝜒,𝑡(𝜒𝑡𝐼 − (1 − 𝛿𝜒)𝜒𝑡−1

𝐼 )

𝑃𝑡

𝜆𝑡 =(𝐶𝑡

𝐼−𝜉𝐶𝑡−1𝐼 )

−𝜎𝑐−𝛽𝐼𝜉(𝐶𝑡+1

𝐼 −𝜉𝐶𝑡𝐼)

−𝜎𝑐

𝑃𝑡 ………………………………………………………………….(9)

sedangkan akumulasi kepemilikan housing dari impatient household juga

didapatkan dengan mencari solusi dari fungsi tujuan dan budget constraint, yang

dipengaruhi oleh besarnya LTV rasio, harga housing, suku bunga kredit konsumsi,

serta inflasi yang dapat dirumuskan sebagai berikut.

(𝑐𝑡𝐼(𝑖) − 𝜉𝑐𝑡−1

𝐼 )−𝜎𝑐 (𝑚𝑡

𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1 − 𝛿𝜒)]

𝑃𝑡(1 + 𝑟𝑡𝐵𝐼)

−𝑃𝜒,𝑡

𝑃𝑡)

+ (𝑐𝑡+1𝐼 (𝑖) − 𝜉𝑐𝑡

𝐼)−𝜎𝑐 (𝛽𝐼𝑃𝜒,𝑡+1(1 − 𝛿𝜒)

𝑃𝑡+1− 𝛽𝐼 (

𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1 − 𝛿𝜒)]

𝑃𝑡+1))

+ 휀𝜒,𝑡(𝜒𝑡𝐼(𝑖))

−𝜎𝜒= 0

휀𝜒,𝑡(𝜒𝑡𝐼)−𝜎𝜒 + 𝛽𝐼𝜆𝑡+1 [(1 − 𝛿𝜒) −

𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1 − 𝛿𝜒)]

(1 + 𝑟𝑡𝐵𝐼)2

] = 𝜆𝑡 [𝑃𝜒,𝑡 −𝑚𝑡

𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1 − 𝛿𝜒)]

(1 + 𝑟𝑡𝐵𝐼)

]

…(10)

Besarnya pinjaman oleh impatient household dari bank dipengaruhi oleh

besarnya LTV rasio, ekspektasi harga housing, stock housing, ekspektasi inflasi,

serta suku bunga kredit konsumsi yang dapat dirumuskan sebagai berikut.

𝑏𝑡𝐼 =

𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1−𝛿𝜒)𝜒𝑡

𝐼]

(1+𝑟𝑡𝐵𝐼)

…………………………………………………………………………….(11)

15

Utility function dari pengusaha didasarkan oleh return on capital yang

menentukan besarnya pemasukan dan pengembalian pinjaman kepada bank atau

kreditur luar negeri sehingga besarnya realisasi profit entrepreneur dapat

dirumuskan seperti berikut.

𝑉𝑡+1 = ∫ 𝜔𝑅𝑡+1𝐾 𝑃𝑘,𝑡𝐾𝑡

𝑖𝑓(𝜔)𝑑𝜔 − (1 − 𝐹(��𝑡𝑖 )) (1 + 𝑟𝑡

𝑏𝐸)𝑏𝑡𝐸∞

��𝑡𝑖 …………………………………(12)

Terdapat variabel 𝜔 yang merupakan idiosyncratic shock pada entrepreneur

dan ��𝑡𝑖 merupakan threshold yang menentukan apakah entrepreneur tersebut

default (bila 𝜔 < ��𝑡𝑖 ) atau melakukan pembayaran (bila 𝜔 > ��𝑡

𝑖 ) dengan probabilitas

default 𝐹(��𝑡𝑖 ) lognormal.

Financial contract antara bank dan entrepreneur akan terjadi ketika bank

minimal mendapatkan expected return yang sama dengan opportunity cost-nya.

Karena pada model ini yang berkaitan dengan pinjaman terhadap entrepreneur

adalah loan unit, yang sudah memiliki target minimal loan rate dari saving unit,

besarnya opportunity cost bank sama dengan funding rate yang ditetapkan oleh

saving unit, yaitu sebesar interbank borrowing rate 𝑅𝑡. Penetapan suku bunga

dasar kredit oleh wholesale unit sudah termasuk mark up yang memperhitungkan

stickiness serta besarnya peluang default entrepreneur, 𝐹(��𝑡𝑖 ), berdasarkan

ekspektasi bank mengenai return on capital entrepeneur. Apabila entrepreneur tidak

dapat membayar kewajibannya sesuai dengan kontrak dan mengalami default,

bank membayar monitoring cost dan menyita aset entrepreneur tersebut, dapat

dituliskan sebagai (1 − 𝜇𝑚)𝜔𝑅𝑡+1𝐾 𝑃𝑘,𝑡𝐾𝑡

𝑖, sedangkan entrepreneur yang default tidak

mendapatkan apa-apa. Financial contract antara bank dan entrepreneur harus

memenuhi hubungan berikut.

𝑚𝑎𝑥 𝑉𝑡+1 = ∫ 𝜔𝐸𝑡(1 + 𝑅𝑡+1𝐾 )𝑃𝑘,𝑡𝐾𝑡

𝑖𝑓(𝜔)𝑑𝜔 − (1 − 𝐹(��𝑡𝑖 )) (1 + 𝑟𝑡

𝑏𝐸)𝑏𝑡𝐸∞

��𝑡𝑖 ……………..……(13)

Dengan subject to:

(1 − 𝐹(��𝑡𝑖 )) (1 + 𝑟𝑡

𝑏𝐸)𝑏𝑡𝐸 + (1 − 𝜇𝑚) ∫ 𝜔𝐸𝑡𝑅𝑡+1

𝑘 𝑃𝑘,𝑡𝐾𝑡𝑖𝑓(𝜔)𝑑𝜔

��𝑡𝑖

0= (1 + 𝑅𝑡

𝑏)𝑏𝑡𝐸 ……………(14)

Sisi kiri dari persamaan menunjukkan expected gross of return dari

pinjaman ke entrepreneur dan sisi sebelah kanan merupakan opportunity cost

bank. Parameter 𝜇𝑚 merupakan monitoring cost bank apabila terjadi default, yang

nilainya akan meningkat seiring dengan adanya verifikasi oleh bank untuk

memonitor project tersisa apabila terjadi default. Peluang default 𝐹(��𝑡𝑖 ) dari

16

entrepreneur merupakan cummulative distribution function, sedangkan 𝑓(𝜔)

merupakan probability distribution function. ��𝑡𝑖 merupakan expected threshold.

Solusi dari permasalahan di atas adalah persamaan hubungan antara

leverage perusahaan 𝑘𝑡 =𝑃𝑘,𝑡𝐾𝑡

𝑁𝑡 dan external finance premium 𝑠𝑡

𝐸𝑖 =𝐸𝑡(1+𝑅𝑡+1

𝐾 )

(1+𝑅𝑡𝑏)

.

𝑠𝑡𝐸𝑖 =

𝐸𝑡(1+𝑅𝑡+1𝐾 )

(1+𝑅𝑡𝑏)

= 𝑓(𝑘𝑡) = 𝑓 (𝑃𝑘,𝑡𝐾𝑡

𝑁𝑡 ), 𝑓′(. ) > 0 ……………………………………………(15)

Peningkatan di expected discounted return to capital akan mengurangi

expected peluang default sehingga entrepreneur dapat mengambil lebih banyak

utang dan memperluas perusahaannya. Mekanisme tersebut dinamakan financial

accelerator karena jika diberikan shock positif yang akan meningkatkan net worth

perusahaan, dengan balance sheet yang lebih baik, perusahaan akan

meningkatkan investasinya untuk memperluas usahanya dengan external finance

premium yang lebih kecil.

3.2 Produsen (Producers)

Intermediate good producers bekerja dalam perfectly competitive market dan

memiliki fungsi tujuan untuk maksimisasi profit yang merupakan selisih dari

produk yang terjual dengan biaya capital dan labour, yaitu sebagai berikut.

𝑚𝑎𝑥𝑝𝑡(𝑗)

𝐸𝑡 ∑ (𝛽𝑃휃𝐹)𝑠 {𝑃𝑤,𝑡+𝑠(𝑗)𝑦𝑤,𝑡+𝑆(𝑗) − (𝑤𝑝,𝑡+𝑠(𝑗)𝑛𝑝,𝑡+𝑠(𝑗) + 𝑤𝐼,𝑡+𝑠(𝑗)𝑛𝐼,𝑡+𝑠(𝑗) +∞𝑠=0

𝑧𝑡+𝑠(𝑗)𝐾𝑡+𝑠(𝑗))} ………………………………………………..…………………………………(17)

𝑃𝑤,𝑡 merupakan harga produk yang dihasilkan dan 𝑦𝑤,𝑡 merupakan produk

intermediate homogen yang dihasilkan dengan menggunakan fungsi produksi

sebagai berikut:

𝑦𝑊,𝑡(𝑖) = 𝐴𝑡[𝑢𝑡(𝑖)𝑘𝑡(𝑖)]𝛼 ((𝑛𝑃,𝑡(𝑖))𝜇𝑙

(𝑛𝐼,𝑡(𝑖))1−𝜇𝑙

)1−𝛼

...……………………………….……(18)

𝐴𝑡 merupakan total factor productivity, 𝑢𝑡 𝜖[0, ∞) merupakan tingkat utilisasi

capital, 𝑘𝑡 merupakan capital stock, 𝑛𝑃,𝑡 merupakan labour input dari patient

household, dan 𝑛𝐼,𝑡 merupakan labour input dari impatient household.

Terdapat tiga tipe produsen lain di dalam model, yaitu capital good

producers, housing producers, dan final (consumption) goods producers. Capital good

producers beroperasi pada perfectly competitive market dan menggunakan barang

17

konsumsi untuk menghasilkan barang modal. Selain itu, capital good producers

juga menggunakan barang modal lama yang tidak terdepresiasi, (1 − 𝛿𝑘)𝑘𝑡−1, untuk

kemudian dijual kepada entrepreneur, dan dapat dituliskan menjadi berikut ini.

𝑘𝑡 = (1 − 𝛿)𝑘𝑡−1 + 휀𝑖,𝑡 (1 −1

2𝜅𝑘 (

𝑖𝑘,𝑡

𝑖𝑘,𝑡−1− 1)

2

) 𝑖𝑘,𝑡 ... …………………………………………(19)

휀𝑖,𝑡 merupakan variabel shock yang memiliki dinamika AR(1) dengan error yang

i.i.d. Barang modal lama dari entrepreneur langsung ditransformasi menjadi

barang modal baru, sedangkan transformasi barang konsumsi menjadi barang

kapital dikenakan fungsi adjustment cost 𝑆𝑘 = (𝑖𝑘,𝑡

𝑖𝑘,𝑡−1) yang memiliki karakteristik

sebagai berikut.

𝑆𝑘(1) = 𝑆𝑘′ (1) = 0; 𝑆𝑘

′′(1) = 𝜅𝐾 > 0 ... …………………………………………………………(20)

Artinya adalah bahwa dalam keadaan steady state, tidak akan terdapat adjustment

cost dan semakin jauh tingkat penggunaan barang konsumsi dari steady,

adjustment cost akan semakin mengingkat.

Fungsi tujuan dari capital good producers adalah memaksimalkan profit

sebagai berikut.

𝑚𝑎𝑥𝑘𝑡

∑ (𝛽𝑝)𝑠

(𝑃𝑘,𝑡+𝑠𝑘𝑡+𝑠 − (𝑃𝑘,𝑡+𝑠(1 − 𝛿)𝑘𝑡+𝑠−1 + 𝑃𝑡+𝑠𝑖𝑘,𝑡+𝑠))∞ 𝑠=0 …….……………………(21)

Housing producers bertindak dengan perilaku yang serupa dengan capital

good producer, yaitu

𝜒𝑡 = (1 − 𝛿𝜒)𝜒𝑡−1 + 휀𝑖𝜒,𝑡 (1 −1

2𝜅𝜒 (

𝑖𝜒,𝑡

𝑖𝜒,𝑡−1− 1)

2

) 𝑖𝜒,𝑡 ...…………………………..……………(22)

Fungsi adjustment cost-nya juga memiliki karakteristik yang sama dengan

capital good producer, yaitu

𝑆𝜒(1) = 𝑆𝜒′ (1) = 0; 𝑆𝜒

′′(1) = 𝜅𝜒 > 0 ... ………………………………………………………...(23)

Fungsi tujuannya adalah memaksimalkan profit sebagai berikut.

𝑚𝑎𝑥𝜒𝑡

∑ (𝛽𝑝)𝑠

(𝑃𝜒,𝑡𝜒𝑡 − (𝑃𝜒,𝑡(1 − 𝛿𝜒)𝜒𝑡−1 + 𝑃𝑡𝑖𝜒,𝑡))∞ 𝑠=0 ………………………………………(24)

Final good producers merupakan agen yang menggabungkan barang dari

retailer domestik 𝑦𝐻,𝑡(𝑗𝐻) dan retailer barang impor 𝑦𝐹,𝑡(𝑗𝐹) dengan model CES dan

membuatnya menjadi satu produk final yang kemudian dijual di pasar yang

18

bersifat perfectly competitive. Fungsi produksi dari final good producers adalah

sebagai berikut.

𝑦𝑡 = [휂𝜇

1+𝜇𝑦𝐻,𝑡

1

1+𝜇 + (1 − 휂)𝜇

1+𝜇𝑦𝐹,𝑡

1

1+𝜇]

1+𝜇

...…………………………………………….……………(25)

휂 adalah home bias parameter dan 𝜇 adalah parameter yang menentukan elasticity

of substitution between domestic and foreign goods. Optimalisasi fungsi tujuan dari

final good producers akan menghasilkan persamaan permintaan barang domestik

(𝑦𝐻,𝑡), permintaan barang impor (𝑦𝐹,𝑡), dan harga (final) barang konsumsi (𝑃𝑡)

sebagai berikut.

𝑦𝐻,𝑡 = 휂 (𝑃𝐻,𝑡

𝑃𝑡)

− 1+𝜇

𝜇𝑦𝑡 ..…………………………………………………………………………(26)

𝑦𝐹,𝑡 = (1 − 휂) (𝑃𝐹,𝑡

𝑃𝑡)

− 1+𝜇

𝜇𝑦𝑡 ...………………………………………………….………………..(27)

𝑃𝑡−

1

𝜇 = 휂(𝑃𝐻,𝑡)−

1

𝜇 + (1 − 휂)(𝑃𝐹,𝑡)−

1

𝜇 ..…………………………………………..………………(28)

Permintaan barang impor (𝑦𝐹,𝑡) dipengaruhi oleh harga impor relatif

terhadap harga final goods, demikian pula besarnya permintaan barang domestik

(𝑦𝐹,𝑡) dipengaruhi oleh harga domestik relative terhadap harga final goods,

sedangkan harga final goods sendiri (𝑃𝑡) dibentuk oleh harga domestik dan harga

impor.

3.3 Pengecer (Retailers)

Pengecer yang terdapat dalam model terdiri atas pengecer domestik

(domestic retailers), pengecer barang ekspor (exporting retailers), dan pengecer

barang impor (importing retailers) yang seluruhnya berada dalam kondisi pasar

yang monopolistic competition, yaitu pengecer memiliki market power dalam

melakukan setting harga. Pengecer domestik membeli undifferentiated intermediate

goods dari pengusaha, mengubahnya menjadi differentiated goods, lalu

menjualnya ke final good producers. Pengecer barang ekspor membeli

undifferentiated intermediate goods dari pengusaha, mengubahnya menjadi

differentiated goods, lalu menjualnya di pasar internasional. Pengecer barang

impor membeli undifferentiated goods dari pasar internasional, mengubahnya

menjadi differentiated goods, lalu menjualnya ke final goods producers. Penentuan

harga pada ketiga agen retailers itu didasari oleh sticky price model ala Calvo, yang

19

pada setiap periode, hanya sebagian dari retailers yang dapat melakukan

reoptimisasi harga, sementara sebagian yang lain menyesuaikan harga

berdasarkan tingkat inflasi yang terjadi di periode sebelumnya (backward looking).

Untuk domestic retailers yang tidak melakukan reoptimasi, akan ditetapkan

harga dengan fungsi 𝑃𝐻,𝑡 = 𝑃𝐻,𝑡−1𝜋𝑡−1. Dengan demikian, harga agregat pada saat t

didapatkan dengan fungsi:

𝑃𝐻,𝑡 = (휃𝐻(𝑃𝐻,𝑡−1𝜋𝐻,𝑡−1)1− 𝐻 + (1 − 휃𝐻) (𝑃𝐻,𝑡(𝑖))

1− 𝐻)

1

1− 𝐻 .…………………………………(29)

Hasil log-linearisasi akhir dari first order condition (FOC) fungsi tujuan dari

pengecer domestic menunjukkan persamaan New Keynesian Phillips Curve (NKPC)

inflasi, yaitu harga domestic dipengaruhi oleh ekspektasi diri sendiri, baik

backward maupun forward, selain dipengaruhi oleh harga intermediate goods,

yang dirumuskan sebagai berikut.:

��𝐻,𝑡 =1

(1+𝛽𝑃)��𝐻,𝑡−1 +

𝛽𝑃

(1+𝛽𝑃)(��𝐻,𝑡+1) +

(1−𝛽𝑃𝜃𝐻)(1−𝜃𝐻)

(1+𝛽𝑃)𝜃𝐻(PW,t) .…………………………………(30)

Untuk pengecer barang impor yang tidak melakukan reoptimasi, akan

ditetapkan harga dengan fungsi 𝑃𝐹,𝑡 = 𝑃𝐹,𝑡−1𝜋𝑡−1. Dengan demikian, harga agregat

pada saat t didapatkan dengan fungsi sebagai berikut.

PF,t = (θF(PF,t−1πF,t−1)1−εF

+ (1 − θF) (PF,t(i))1−εF

)

1

1−εF ………………………………………(31)

Hasil log-linearisasi akhir dari FOC fungsi tujuan dari importing retailers

adalah NKPC sebagai berikut.

πF,t =1

(1+βP)πF,t−1 +

βP

(1+βP)(πF,t+1) +

(1−βPθF)(1−θF)

(1+βP)θF(st + PF,t

∗ ) .………………………………(32)

Dari persamaan di atas terlihat bahwa inflasi harga impor selain

dipengaruhi oleh ekspektasi dirinya sendiri, baik ekspektasi backward maupun

forward, juga dipengaruhi oleh harga luar negeri.

Pengecer barang ekspor membeli domestic undifferentiated goods, memberi

brand dan menjualnya ke luar negeri dengan harga 𝑃𝐻,𝑡∗ , yang dinyatakan dalam

satuan mata uang asing. Diasumsikan bahwa harga adalah sticky dalam mata

uang asing. Persamaan permintaaan untuk barang ekspor adalah sebagai berikut:

20

𝑦𝐻,𝑡∗ = (

𝑃𝐻,𝑡∗

𝑃𝐻,𝑡∗ )

−(1+𝜇𝐻∗)

𝜇𝐻∗𝑦𝐻,𝑡

∗ ...……………………………………………………………………… (33)

𝑦𝐻∗ menunjukkan output dari retailer yang didefinisikan sebagai:

𝑦𝐻,𝑡∗ = (∫ 𝑦𝐻,𝑡

∗1

0(𝑗𝐻

∗ )1

1+𝜇𝐻∗ 𝑑𝑗𝐻∗ )

1+𝜇𝐻∗

...……………………………………………………………(34)

dan 𝑃𝐻,𝑡∗ sebagai

𝑃𝐻,𝑡∗ = (∫ 𝑃𝐻,𝑡

∗1

0(𝑗𝐻

∗ )−1

𝜇𝐻∗ 𝑑𝑗𝐻∗ )

−𝜇𝐻∗

..……………………………………………..…………………(35)

Lebih jauh lagi, diasumsikan bahwa demand luar negeri diberikan oleh:

𝑦𝐻,𝑡∗ = (1 − 휂∗) (

𝑃𝐻,𝑡∗

𝑃𝑡∗ )

−(1+𝜇𝐻∗)

𝜇𝐻∗𝑦𝑡

∗ ...…………………………………………………………..……(36)

Seperti halnya pengecer lainnya yang terdapat dalam model, penentuan

harga dari pengecer barang ekspor mengacu pada skema standar Calvo. Peluang

untuk mengubah harga adalah sebesar (1 − 휃) dan peluang untuk tidak

melakukan reoptimasi harga adalah sebesar 휃. Untuk pengecer barang ekspor

yang tidak melakukan reoptimasi, akan ditetapkan harga dengan fungsi 𝑃𝐻,𝑡∗ =

𝑃𝐻,𝑡−1∗ 𝜋𝑡−1

∗ . Dengan demikian, harga agregat pada saat t didapatkan dengan fungsi

sebagai berikut.

𝑃𝐻,𝑡∗ = (휃𝐻

∗ (𝑃𝐻,𝑡−1∗ 𝜋𝐻,𝑡−1

∗ )1− 𝐻

∗

+ (1 − 휃𝐻∗ ) (𝑃𝐻,𝑡

∗ (𝑖))1− 𝐻

∗

)

1

1− 𝐻∗

...………………………………(37)

Hasil log-linearisasi akhir dari FOC fungsi tujuan dari exporting retailers

menunjukkan bahwa inflasi harga ekspor selain dipengaruhi oleh ekspektasi diri

sendiri, baik backward maupun forward, juga dipengaruhi oleh harga intermediate

goods dan nilai tukar, yang dirumuskan sebagai berikut.

πH,t∗ =

1

(1+βP)πH,t−1

∗ +βP

(1+βP)(πH,t+1

∗ ) +(1−βPθH

∗ )(1−θH∗ )

(1+βP)θH∗ (PW,t − st) ...…………………………(38)

3.4 Bank

Dalam model ini bank dibangun atas dua unit, yaitu saving unit, yang

mengumpulkan deposito dari patient household serta menjadi supplier pada

interbank market; unit lainnya adalah lending unit yang menyalurkan pinjaman

kepada entrepreneurs dan impatient household serta melakukan pembelian

21

government bond. Dalam mekanisme interbank market terdapat friksi dalam pasar

uang yang disebabkan oleh adanya probability of default dari lending bank yang

tidak mampu membayar kembali kepada saving bank.

Gambar 3. Bank's Financial Intermediation Process

Patient household melakukan penyimpanan deposito kepada saving unit

yang sudah melakukan markdown deposit rate dari suku bunga interbank. Dana

deposito sebagian disalurkan untuk pembelian risk free assets dan sisanya

disalurkan dalam interbank market. Lending unit akan meminjam dana yang

tersedia di interbank market untuk membiayai loan kepada impatient household

dan entrepreneurs dengan markup loan rate dari cost of fund yang dimilikinya

(interbank rate). Lending unit juga dapat melakukan pembelian risk free assets.

Gambar 4. Skema Blok Perbankan

22

3.4.1 Savings Unit

Savings unit beroperasi dalam kondisi pasar yang monopolistic competitive

dan mengumpulkan deposit, 𝐷𝑡, dari household workers. Deposito diasumsikan

seluruhnya tidak ada default atau seluruhnya dijamin. Bank menetapkan deposit

interest rate, 𝑅𝑗,𝑡𝐷 , yang dibayarkan pada deposan dan menetapkan alokasi portfolio

yang optimal antara penempatan di interbank market sebanyak ��𝑗,𝑡 = 𝑠𝑗,𝑡𝐷𝑗,𝑡, atau

penempatan di risk free assets (government bond) sebanyak 𝐵𝑗,𝑡𝑠𝑏 = (1 − 𝑠𝑗,𝑡)𝐷𝑗,𝑡.

Setiap periode terdapat peluang default dari penempatan di interbank

market dengan peluang default sebesar 𝛿𝑡𝐷 yang harus ditanggung oleh savings

banks. Terdapat premi asuransi yang harus dibayar oleh savings banks saat

melakukan penempatan di risk free assets (cost of holding risk free assets), yaitu

sebesar 𝜒𝑠

2((1 − 𝑠𝑗,𝑡)𝐷𝑗,𝑡)

2

Balance sheet savings unit:

Tabel 3. Balance Sheet's Savings Unit

Assets Liabilities

Interbank lending: ��𝑗,𝑡 Deposits: 𝐷𝑗,𝑡

Government bonds: 𝐵𝑗,𝑡𝑠𝑏

Dalam kondisi monopolistic competition dan imperfect substitution

antardeposit, setiap savings bank menghadapi fungsi supply deposit seperti

berikut.

𝐷𝑗,𝑡 = (𝑅𝑗,𝑡

𝐷

𝑅𝑡𝐷 )

𝜐𝐷

𝐷𝑡...…………………………………………………………………………………(39)

Dari fungsi di atas terlihat bahwa supply deposit akan meningkat seiring

perubahan relative deposit interest rate di sepanjang periode. Variabel 𝐷𝑗,𝑡

merupakan supply deposit pada bank 𝑗, sedangkan 𝐷𝑡 merupakan total deposit

dalam perekonomian.

Terdapat quadratic adjustment cost atas perubahan deposit interest rate

yang mengakibatkan munculnya rigiditas harga dan pada akhirnya menimbulkan

interest rate spread yang bervariasi tiap periode:

23

𝐴𝑑𝑗,𝑡𝑅𝐷

=𝜙

𝑅𝐷

2(

𝑅𝑗,𝑡𝐷

𝑅𝑗,𝑡−1𝐷 − 1)

2

𝐷𝑡...…………………………………………………………………….(40)

sehingga fungsi tujuan dari saving unit ini adalah:

max{𝑠𝑗,𝑡, 𝑅𝑗,𝑡

𝐷 }𝐸0 ∑ 𝛽𝑃

𝑡 𝜆𝑡𝑏 {[(1 − 𝛿𝑡

𝐷𝑠𝑗,𝑡)𝑅𝑡 − 𝑅𝑗,𝑡𝐷 ]𝐷𝑗,𝑡 −

𝜒𝑠

2((1 − 𝑠𝑗,𝑡)𝐷𝑗,𝑡)

2− 𝐴𝑑𝑗,𝑡

𝑅𝐷}∞

𝑡=0 ……….…(41)

Subject to (39) dan (40).

Dalam asumsi symmetry equilibrium, first order condition dari optimisasi ini

adalah sebagai berikut.

𝑠𝑗,𝑡 = 1 −𝛿𝑡

𝐷𝑅𝑡

𝜒𝑠𝐷𝑡 ...…………..………………………………………………………………………(42)

(1+𝜐𝐷

𝜐𝐷) (𝑅𝑡

𝐷 − 1) = (1 − 𝑠𝑡𝛿𝑡𝐷)(𝑅𝑡 − 1) − 𝜒𝑠(1 − 𝑠𝑡)2𝐷𝑡 −

𝜙𝑅𝐷

𝜐𝐷(

𝑅𝑡𝐷

𝑅𝑡−1𝐷 − 1)

𝑅𝑡𝐷

𝑅𝑡−1𝐷 +

𝛽𝑝𝜙𝑅𝐷

𝜐𝐷(

𝑅𝑡+1𝐷

𝑅𝑡𝐷 −

1) (𝑅𝑡+1

𝐷

𝑅𝑡𝐷 )...…………………………………………………………………………………………(43)

Persamaan dalam (42) menjelaskan alokasi penempatan yang dilakukan

oleh savings banks ke interbank market. Alokasi yang ditempatkan dalam

interbank market, 𝑠𝑗,𝑡, akan menurun seiring dengan meningkatnya probability of

default, 𝛿𝑡𝐷 dan peningkatan pada total deposito akan meningkatkan jumlah

alokasi di interbank market.

Sementara itu, persamaan pada (43) di atas menjelaskan suku bunga

deposit, 𝑅𝑡𝐷, yang merupakan markdown dari interbank rate, 𝑅𝑡. Peningkatan resiko

pada interbank market, 𝛿𝑡𝐷, akan membuat saving banks mengurangi alokasi

penempatan di interbank market dan menambah alokasi penempatan di risk free

assets. Kenaikan pada interbank rate atau return rate on risk free assets akan

membuat savings banks juga akan mengurangi supply dana pada interbank

market. Demikian pula apabila terdapat kenaikan total deposit, interbank lending

akan meningkat sehingga terjadi ekspansi credit supply.

Framework yang terbentuk dari dua persamaan di atas menunjukkan dua

channel transimisi perilaku supply credit dari savings banks memengaruhi real

economy. Pertama, dengan penentuan deposit return rate, yang berada dalam

kondisi nominal rigidity, savings banks memengaruhi intertemporal substitution of

consumption sepanjang periode dan menyebabkan perilaku konsumsi yang smooth.

Kedua, dengan membagi portfolio secara optimal, savings banks memengaruhi

kondisi credit supply dengan mengembangkan dan memperketat kondisi pasar

kredit.

24

3.4.2 Lending Unit

Lending unit juga beroperasi dalam kondisi monopolistic competitive untuk

menyediakan pinjaman pada entrepreneurs. Untuk menyediakan pinjaman kepada

entrepreneurs, lending unit j menggunakan interbank borrowing ��𝑗,𝑡 ditambah

dengan suntikan likuiditas dari bank sentral (quatitative monetary easing) 𝑀𝑗,𝑡, dan

total market value dari bank capital-nya sendiri 𝑄𝑡𝑍𝑍𝑗,𝑡 ditambah dengan likuiditas

dari bank sentral 𝑥𝑗,𝑡 . Di sini diasumsikan bahwa bank menggunakan teknologi

leontif untuk menghasilkan pinjaman sebagai berikut.

𝑏𝑗,𝑡 = min{ ��𝑗,𝑡 + 𝑀𝑗,𝑡 ; 𝐾𝑗,𝑡(𝑄𝑡𝑍𝑍𝑗,𝑡 + 𝑥𝑗,𝑡 ) } 𝜏𝑡.…………………….……………………………(44)

Penggunaan teknologi leontif untuk menghasilkan pinjaman

mengimplikasikan bahwa terdapat efek komplementer yang sempurna antara

interbank borrowing dan bank capital. Lebih lanjut, marginal cost untuk

menghasilkan pinjaman adalah jumlah dari marginal cost dari interbank borrowing

dan cost untuk menghasilkan capital.

Lending bank’s balance sheet pada periode t:

Tabel 4. Balance Sheet's Lending Unit

Assets Liabilities

Loans: 𝑏𝑗,𝑡 - 𝑥𝑗,𝑡 Interbank borrowing: ��𝑗,𝑡

Government bonds: 𝐵𝑗,𝑡𝑙𝑏 = 𝑄𝑡

𝑍𝑍𝑗,𝑡 + 𝑥𝑗,𝑡 Bank Capital: 𝑄𝑡𝑍𝑍𝑗,𝑡

Central bank’s money injection: 𝑚𝑗,𝑡

Other terms: (𝜏𝑡 − 1)(��𝑗,𝑡 + 𝑀𝑗,𝑡)

Seperti pada Gerali et al. (2009), adjustment cost terkait dengan perubahan

pada prime lending rates, 𝑅𝑗,𝑡𝐿 dimodelkan a la Rotemberg (1982), yaitu sebagai

berikut.

𝐴𝑑𝑗,𝑡𝑅𝐿

=𝜙

𝑅𝐿

2(

𝑅𝑗,𝑡𝐿

𝑅𝑗,𝑡−1𝐿 − 1)

2

𝐿𝑡.……………………………………….………………………………(45)

Problem optimisasi dari lending bank adalah memilih 𝑅𝑗,𝑡𝐿 , 𝐾𝑗,𝑡, 𝛿𝑗,𝑡

𝐷 , 𝛿𝑗,𝑡𝑍 sehingga

problem maksimisasi lending banks dapat dijabarkan sebagai berikut.

25

max{𝑅𝑗,𝑡

𝐿 ,𝐾𝑗,𝑡,𝛿𝑗,𝑡𝐷 ,𝛿𝑗,𝑡

𝑍 }𝐸0 ∑ 𝛽𝑏

𝑡𝜆𝑡𝑏 { 𝑅𝑗,𝑡

𝐿 − (1−, 𝛿𝑗,𝑡𝐷 )𝑅𝑡��𝑗,𝑡 − 𝑅𝑡𝑚𝑗,𝑡 − [(1 − 𝛿𝑗,𝑡

𝑍 )𝑅𝑡+1𝐿 − 𝑅𝑡]𝑄𝑡

𝑍𝑍𝑗,𝑡 −∞𝑡=0

𝜒𝛿𝐷

2 (

𝛿𝑗,𝑡−1𝐷 ��𝑗,𝑡

𝜋𝑡)

2

− −𝜒

𝛿𝑍

2(

𝛿𝑗,𝑡−1𝐷 𝑄𝑡

𝑍𝑍𝑗,𝑡

𝜋𝑡)

2

+𝜒𝑘

2(

��−𝐾𝑗,𝑡

��𝑄𝑡

𝑍𝑍𝑗,𝑡)2

− (𝑅𝑗,𝑡𝐿 − 𝑅𝑡)𝑥𝑗,𝑡 − 𝐴𝑑𝑗,𝑡

𝑅𝐿 }...……(46)

dengan

𝑏𝑗,𝑡 = 𝑚𝑖𝑛{ ��𝑗,𝑡 + 𝑚𝑗,𝑡 ; 𝜅𝑗,𝑡(𝑄𝑡𝐾𝐾𝑗,𝑡

𝑏 + 𝑥𝑗,𝑡 )} 𝛤𝑡...…………………………………………………(47)

𝐴𝑑𝑗,𝑡𝑅𝑏𝐸

=𝜙

𝑅𝑏𝐸

2(

𝑅𝑗,𝑡𝑏𝐸

𝑅𝑗,𝑡−1𝑏𝐸 − 1)

2

𝑏𝑡𝐸.……………………………………….……………………………(48)

𝐴𝑑𝑗,𝑡𝑅𝑏𝐼

=𝜙

𝑅𝑏𝐼

2(

𝑅𝑗,𝑡𝑏𝐼

𝑅𝑗,𝑡−1𝑏𝐼 − 1)

2

𝑏𝑡𝐼...……………………………………………………………………(49)

𝑏𝑗,𝑡𝐸 = (

𝑅𝑗,𝑡𝑏𝐸

𝑅𝑡𝑏𝐸)

−𝜐𝐿𝐸

𝑏𝑡𝐸...……………………………………………………………………………...(50)

𝑏𝑗,𝑡𝐻 = (

𝑅𝑗,𝑡𝑏𝐼

𝑅𝑡𝑏𝐼)

−𝜐𝐿𝐻

𝑏𝑡𝐼...………………………………………………………………………………(51)

𝑏𝑡 = 𝑏𝑡𝐸 + 𝑏𝑡

𝐼.………………………………………………………………………………………(52)

𝐾𝑡𝑏 = (1 − 𝛿𝑏)𝐾𝑡−1

𝑏 + 𝑤𝑏𝑗𝑡−1𝑏 ..………………………………………………………………..…(53)

Dalam asumsi symmetric equilibrium, seluruh bank mengambil keputusan

yang sama, first order condition dari optimisasi ini, antara lain, menghasilkan

persamaan stickiness dalam suku bunga pinjaman entrepreneur, 𝑅𝑡𝐿𝐸 , dan suku

bunga pinjaman impatient household, 𝑅𝑡𝐿𝐼, sebagai berikut.

𝑅𝑡𝐿𝐸 = 1 +

𝜐𝐿𝐸

(𝜐𝐿𝐸−1)(휁𝑡 − 1) −

𝜅𝐿𝐸

(𝜐𝐿𝐸−1)(

𝑅𝑡𝐿𝐸

𝑅𝑡−1𝐿𝐸 − 1)

𝑅𝑡𝐿𝐸

𝑅𝑡−1𝐿𝐸 +

𝛽𝑝𝜅𝐿𝐸

(𝜐𝐿𝐸−1)(

𝑅𝑡+1𝐿𝐸

𝑅𝑡𝐿𝐸 − 1)

𝑅𝑡+1𝐿𝐸

𝑅𝑡𝐿𝐸 .…………………(54)

𝑅𝑡𝐿𝐼 = 1 +

𝜐𝐿𝐼

(𝜐𝐿𝐼−1)(휁𝑡 − 1) −

𝜅𝐿𝐼

(𝜐𝐿𝐼−1)(

𝑅𝑡𝐿𝐼

𝑅𝑡−1𝐿𝐼 − 1)

𝑅𝑡𝐿𝐼

𝑅𝑡−1𝐿𝐼 +

𝛽𝑝𝜅𝐿𝐼

(𝜐𝐿𝐼−1)(

𝑅𝑡+1𝐿𝐼

𝑅𝑡𝐿𝐼 − 1)

𝑅𝑡+1𝐿𝐼

𝑅𝑡𝐿𝐼 ...…………………(55)

Persamaan pada (54) menjelaskan hubungan antara entrepreneur prime

lending rate dan marginal cost dari loan dan keuntungan masa depan dari

penyesuaian entrepreneur lending rate. Hal yang sama untuk persamaan (55) yang

menjelaskan hubungan antara antara impatient household prime lending rate dan

marginal cost dari loan dan keuntungan masa depan dari penyesuaian impatient

household lending rate.

26

3.5 Pemerintah dan Bank Sentral

Pemerintah dan bank sentral dalam model ini dapat digambarkan sebagai

berikut.

Government

Impatient

Households

Patient

Households

Final Goods

Producers

ROW

Tax

Foreign Loan

Consumption

Banks

Domestic Loan

Gambar 5. Skema Model Pemerintah dan Bank Sentral

Pemerintah menghimpun pajak dan meminjam di pasar domestik (melalui

bank) dan di pasar luar negeri untuk membiayai pengeluarannya. Budget

constraint pemerintah dalam perekonomian adalah:

𝑃𝑡𝑔𝑡 + (1 + 𝑟𝐵,𝑡−1∗ )𝑒𝑡𝑏𝐺,𝑡−1

∗ + (1 + 𝑟𝑡−1)𝑏𝐺,𝑡−1 = (𝑇𝑡𝑃 + 𝑇𝑡

𝐼) + 𝑒𝑡𝑏𝐺,𝑡∗ + 𝑏𝐺,𝑡 .……….…(60)

Dengan penjelasan 𝑔𝑡 merupakan pengeluaran pemerintah yang dimodelkan

dengan dinamika AR(1), 𝑏𝐺,𝑡∗ merupakan pinjaman luar negeri pemerintah yang

juga dimodelkan sebagai AR(1), dan 𝑇𝑃 serta 𝑇𝑡𝐼 adalah pajak yang dihimpun dari

patient dan impatient households.

Penetapan suku bunga kebijakan (𝑟𝑡) oleh bank sentral dimodelkan dalam

bentuk persamaan taylor rule sebagai berikut.

(1 + 𝑟𝑡) = (

1+𝑟𝑡−1

1+��)

𝜙𝑅((

𝜋𝑡

��𝑡)

𝜙𝜋(

��𝑡

��)

𝜙𝑦)

1−𝜙𝑅

휀𝑟,𝑡 .………………………………………………… (61)

Dengan penjelasan 𝜙𝜋 dan 𝜙𝑦 merupakan bobot yang dikenakan terhadap inflasi

dan output, �� merupakan suku bunga nominal steady state, dan 휀𝑡𝑟 merupakan

shock i.i.d. terhadap kebijakan moneter dengan distribusi normal dan standar

deviasi 𝜎𝑟.

27

3.6. Market Clearing Condition

Untuk menutup model, diperlukan persamaan market clearing condition

untuk barang yang dihasilkan oleh final goods producers, barang yang diproduksi

oleh intermediate good producers (intermediate homogeneous goods), pasar

perumahan, balance of payment, dan definisi GDP di dalam model. Selain itu,

karena ekonomi yang dimodelkan adalah ekonomi terbuka, perlu ditentukan

spesifikasi persamaan dari risk premium yang merupakan fungsi dari rasio total

utang luar negeri terhadap PDB (sesuai dengan Schmitt-Grohe and Uribe, 2003).

Final Goods Producers Output

��𝑡 = 휂(𝑝𝐻)

− 1

𝜇(��𝐻,𝑡 + ��𝐻,𝑡−1) + (1 − 휂)(𝑝𝐹)−

1

𝜇(��𝐹,𝑡 + ��𝐹,𝑡−1) ..……………….…….……….(62)

𝑐

����𝑡 =

𝛾𝐼𝑐𝐼

����𝑡

𝐼 +𝛾𝑃𝑐𝑃

����𝑡

𝑃 + 𝑅𝑛𝑌 ∗ 𝑁 ………….……………………………….……………………..(63)

Intermediate Homogenous Goods Market

∫ 𝑦𝐻,𝑡(𝑗)𝑑𝑗1

0+ ∫ 𝑦𝐻,𝑡

∗ (𝑗)𝑑𝑗1

0= 𝑦𝑊,𝑡 …………………….………………………….…………………(64)

Housing Market

𝛾𝑃𝜒𝑡𝑃 + 𝛾𝐼𝜒𝑡

𝐼 = 𝜒𝑡 …………………….…………..……………….………………………….……(65)

Balance of Payment

𝑃𝐹,𝑡𝑦𝐹,𝑡 + 𝑒𝑡(1 + 𝑟𝑡−1∗ )𝜌𝑡−1𝑏𝑡𝑜𝑡,𝑡−1

∗ = 𝑒𝑡𝑃𝐻,𝑡∗ 𝑦𝐻,𝑡

∗ + 𝑒𝑡𝑏𝑡𝑜𝑡,𝑡∗ …………………………….…….……(66)

Dengan penjelasan

𝑏𝑡𝑜𝑡,𝑡∗ = 𝑏𝐺,𝑡

∗ …………………….…………………………………….………………………….……(67)

GDP

𝑃𝑡��𝑡 = 𝑃𝑡𝑦𝑡 + 𝑒𝑡𝑃𝐻,𝑡∗ 𝑦𝐻,𝑡

∗ − 𝑃𝐹,𝑡𝑦𝐹,𝑡 …………………….……………..………….…………………(68)

Risk Premium

(1 + 𝜌𝑡) = 𝑒𝑥𝑝 (−𝜚𝑒𝑡𝑏𝑡𝑜𝑡,𝑡

∗

𝑃𝑡��𝑡) 휀𝜌,𝑡

…………………….……………………….………………………(69)

28

IV. ESTIMASI DAN SIMULASI

Untuk keperluan estimasi, digunakan data triwulanan sejak triwulan I

tahun 2001 sampai dengan triwulan IV tahun 2012. Data untuk sektor riil yang

digunakan untuk estimasi adalah konsumsi swasta, investasi swasta, pengeluaran

pemerintah, ekspor, impor, inflasi CPI, deflator impor, deflator ekspor dan nilai

tukar. Untuk data disagregasi PDB, deflator ekspor, dan deflator impor digunakan

data yang berasal dari publikasi PDB berdasarkan pengeluaran dari BPS. Untuk

data nilai tukar dan inflasi CPI didapatkan dari database model ARIMBI/SOFIE.

Untuk variabel sektor eksternal, digunakan data yang juga digunakan oleh model

ARIMBI dan SOFIE, yaitu PDB dunia, inflasi USA, dan LIBOR, sedangkan untuk

data transaksi di interbank market digunakan volume transaksi untuk setiap bank.

Untuk sektor perbankan, data yang digunakan adalah suku bunga

kebijakan (BI rate), suku bunga dan jumlah penghimpunan dana pihak ketiga

(DPK), modal bank, suku bunga, serta penyaluran kredit rumah tangga (kredit

konsumsi), suku bunga, dan jumlah penyaluran kredit ke perusahaan (kredit

investasi dan modal kerja), jumlah SBI (dan operasi moneter lainnya) yang dimiliki

oleh bank, jumlah tagihan bank kepada pemerintah pusat (SBN), jumlah reserve

(termasuk cash in vault) bank, dan non performing loan (NPL). Untuk komposisi

neraca bank, data yang digunakan berasal dari neraca analitis bank umum. Data

NPL didapatkan dari database model SOFIE.

4.1 Estimasi

Dalam menentukan nilai steady state variabel sektor riil, digunakan data

realisasi selama periode estimasi (triwulan I 2001 s.d. triwulan IV 2012) sebagai

acuan utama. Namun, kami juga mempertimbangkan nilai steady state yang

digunakan pada model DSGE negara maju atau negara berkembang sebagai

perbandingan. Untuk variabel disagregasi PDB, berdasarkan data selama periode

estimasi yang telah diproses, digunakan HP filter dan didapatkan hasil seperti yang

terlihat pada Gambar 6.

29

Gambar 6. Steady State Variabel Disagregasi PDB Berdasarkan Data

Berbeda dengan disagregasi yang dilakukan oleh BPS untuk variabel

investasi (investasi bisnis dan investasi bangunan), di dalam model investasi dibagi

menjadi dua, yaitu investasi perumahan dan investasi untuk barang modal. Untuk

mendapatkan nilai steady state dari rasio investasi perumahan (housing) dari total

PDB, kami mengalikan rasio nilai penyelesaian bangunan untuk kategori gedung

(0,4) dengan rata-rata rasio investasi bangunan dari total investasi (0,83),

kemudian kami kalikan lagi dengan rasio investasi terhadap PDB (0,22). Dengan

menggunakan pendekatan tersebut (dan pembulatan), kami menetapkan nilai

steady state untuk rasio investasi perumahan dari total PDB adalah sebesar 0,08.

Gambar 7. Rasio Nilai Penyelesaian Bangunan per Kategori dan Rasio Investasi Bangunan

Dengan menggunakan pendekatan yang sama, kita juga bisa mendapatkan

nilai steady state untuk variabel komponen neraca bank. Namun, seperti terlihat

pada Gambar 8, hasil HP filter untuk rasio variabel komponen neraca bank

.0

.1

.2

.3

.4

.5

.6

.7

00 01 02 03 04 05 06 07 08 09 10 11 12

CRL_SS GRL_SS PMTBRL_SS

XRL_SS MRL_SS

Consumption Gov Investment Export Import

Mean 0.589 0.077309 0.220452 0.43901 0.340948

Median 0.590 0.078438 0.220191 0.448076 0.356237

Maximum 0.620 0.083718 0.247197 0.48653 0.374467

Minimum 0.553 0.06537 0.196657 0.391218 0.286572

Std. Dev. 0.021 0.005743 0.01582 0.034335 0.032558

30

terhadap total aset tidak menunjukkan kestabilan pada nilai tertentu. Selain

menggunakan hasil HP filter yang ditampilkan pada gambar tersebut, digunakan

pula hasil penelitian dari Gunadi dan Budiman (2011) mengenai optimalisasi

komposisi portfolio bank di Indonesia untuk menentukan nilai steady state

variabel neraca bank yang secara lengkap ditampilkan pada Tabel 5.

Gambar 8. Hasil HP Filter dari Rasio Variabel Komponen Neraca Bank terhadap Total Aset

Tabel 5. Nilai Steady State Variabel Neraca Bank

Assets Liabilities

Total Loan 0,7 Deposit 0,9

SBI 0,12 Capital 0,1

Loan to Government (SBN) 0,08

Reserve 0,1

Nilai steady state variabel suku bunga kebijakan (BI rate) menggunakan

nilai yang sama dengan yang digunakan oleh model ARIMBI. Apabila kita melihat

Gambar 9 yang memperlihatkan hasil HP filter dari berbagai variabel suku bunga

dalam model, terlihat bahwa spread antara BI rate dan suku bunga DPK tidaklah

stabil. Pada saat BI rate tinggi, spread dengan suku bunga DPK juga besar,

sedangkan pada saat BI rate rendah, spread dengan suku bunga DPK juga rendah.

Karena kita menggunakan nilai steady state BI rate yang tergolong rendah, untuk

konsistensi dengan data, digunakan spread yang juga rendah dalam menghitung

steady state suku bunga DPK. Dengan menggunakan metode ini, kami

31

menetapkan nilai steady state suku bunga DPK sebesar 4,5%. Untuk menentukan

nilai steady state suku bunga kredit konsumsi dan investasi, kami menambahkan

rata-rata perbedaan antara kedua suku bunga tersebut dan BI rate selama periode

estimasi sehingga didapatkan nilai steady state suku bunga kredit konsumsi

sebesar 13,65% dan nilai steady state suku bunga kredit untuk perusahaan

(modal kerja dan investasi) sebesar 11,4%. Untuk suku bunga LIBOR yang menjadi

proksi dari suku bunga luar negeri, kami menggunakan angka yang sama dengan

yang digunakan model ARIMBI, yaitu 3%.

Gambar 9. Hasil HP Filter dari Berbagai Variabel Suku Bunga dalam Model

Secara lengkap, nilai steady state untuk seluruh variabel yang digunakan

oleh model terdapat pada Tabel 6.

0

4

8

12

16

20

2004 2005 2006 2007 2008 2009 2010 2011

BI_RATE_TREND LIBOR_TREND

R_DEP_TREND R_KK_TREND

R_KE_TREND

32

Tabel 6. Nilai Steady State Seluruh Variabel

Variables Values

Consumption to GDP ratio 0,59

Capital investment to GDP ratio 0,19

Housing investment to GDP ratio 0,08

Government expenditure to GDP ratio 0,09

Import to absorption ratio 0,38

Export to output ratio 0,44

Loan to HH to GDP ratio 0,31

Loan to entrepreneur to GDP ratio 0,71

Deposit to GDP ratio 1,28

Importer’s profit margin 0,03

Exporter’s profit margin 0,026

Domestic retailer’s profit margin 0,18

Rate on loan to HH* 14,98%

Rate on loan to entrepreneur* 12,9%

Rate on deposit* 4,5%

Foreign interest rate* 3%

CAR 0,14

Bank’s profit to total asset ratio 0,025

Deposit to bank’s total asset ratio 0,9

Bank’s capital to total asset ratio 0,1

Loan to bank’s total asset ratio 0,7

Risk free asset to bank’s total asset ratio** 0,2

Reserve to total asset ratio 0,1

Interbank Volume to Total Asset 0,5267

Sebagian paremeter yang digunakan di dalam model dikalibrasi dengan

menggunakan nilai yang digunakan oleh model yang pernah dikembangkan oleh

Bank Indonesia dan hasil penelitian empiris terkait. Capital share dalam fungsi

produksi ditetapkan sebesar 0,54 sesuai dengan hasil estimasi dari model MODBI

2012. Nilai dari home bias parameter ditentukan berdasarkan nilai HP filter dari

import to absorption ratio Indonesia selama periode estimasi. Parameter yang

menentukan elasticity of subtitution between domestic and foreign goods dan

33

elasticity of subtitution for export goods menggunakan nilai yang berasal dari

penelitian Zhang dan Verikios (2006)2. Nilai parameter—untuk risk premium dan

yang mengatur biaya untuk mengelola modal bank—didapatkan melalui hubungan

steady state antara berbagai variabel yang terdapat dalam model. Calvo parameter

untuk labor mengikuti hasil estimasi dari model BISMA (2009). Untuk parameter

dari persamaan ad hoc yang menentukan dinamika dari bobot aset beresiko

(persamaan 36) dan reserve yang dimiliki bank (persamaan 37–39) menggunakan

hasil estimasi persamaan parsial berdasarkan data selama periode estimasi.

Tabel 7. Nilai Parameter Hasil Kalibrasi

Parameters Values

Mark-up parameter in labor market 휀𝑤 11

Depreciation rate of capital 𝛿𝑘 0,025

Depreciation rate of housing asset 𝛿𝜒 0,0125

Cost to managing bank’s capital 𝛿𝑏 0,1

Risk premium parameter 𝜌𝑏 0,11

Capital share in production function 𝛼 0,54

Home bias parameter 휂 0,62

Elasticity of subtitution between domestic and foreign goods 𝜇 0,63

Elasticity of subtitution for export goods 𝜇𝐻∗ 0,45

Labour income share of unconstrained household 𝜇𝐿 0,67

The probability of given labor (from patient and impatient HH) is selected not to reoptimize its wage

휃𝑤𝑝 𝑑𝑎𝑛 휃𝑤𝑖 0,65

Reserve equation’s parameter 𝜌Γ 0,197

Excess reserve equation’s parameter 𝜌ε 0,632

Penentuan prior untuk parameter yang diestimasi menggunakan

pendekatan yang sama dengan penentuan parameter yang dikalibrasi, yaitu

menggunakan nilai dari model yang pernah dikembangkan sebelumnya ataupun

dari penelitian empiris terkait. Untuk parameter 𝜿𝒅, 𝜿𝒃𝒆, dan 𝜿𝒃𝒊, prior ditentukan

dengan menetapkan respons suku bunga retail bank terhadap shock suku bunga

2 Digunakan perhitungan parameter berdasarkan CES based estimation yang sesuai

dengan asumsi yang digunakan dalam model yang dikembangkan dalam penelitian ini.

34

kebijakan sesuai dengan hasil estimasi dari immediate pass-through yang

dilakukan oleh Harmanta dan Purwanto (2012). Untuk Taylor rule parameter (𝝋𝒓,

𝝋𝝅, dan 𝝋𝒚 ), nilai dari prior ditetapkan sesuai dengan nilai yang digunakan oleh

core model ARIMBI. Prior untuk parameter yang mengatur habit persistence dalam

kegiatan konsumsi rumah tangga menggunakan hasil estimasi model BISMA

(2009). Secara lengkap, prior distribution, jenis distribusi dan posterior distribution

dari parameter hasil estimasi terdapat pada Tabel 8.

Tabel 8. Nilai Parameter Hasil Estimasi

Parameters

Distributions

Prior Distribution

Posterior

Distribution

Mean Std. Dev. Mean

Inverse of intertemporal elasticity of substitution for housing

𝝈𝝌 normal 4 0,2 4,1670

Inverse of intertemporal elasticity of substitution for consumption

𝝈𝒄 normal 2 0,2 2,1274

Inverse of Frisch elasticity of labour supply

𝝈𝒏 normal 2 0,2 4,1417

Adjustment cost paremeter for deposit rate

𝜿𝒅 gamma 3,25 0,2 3,2675

Adjustment cost paremeter for entrepreneur loan rate

𝜿𝒃𝒆 normal 3,5 0,2 3,7420

Adjustment cost paremeter for household loan rate

𝜿𝒃𝒊 normal 8 0,2 8,1676

Adjustment cost paremeter for capital investment

𝜿𝒌 gamma 5 0,5 5,1631

Adjustment cost paremeter for housing investment

𝜿𝝌 normal 50 0,5 49,3372

Adjustment cost paremeter for bank’s CAR

𝜿𝒌𝒃 beta 1 0,05 0,9684

35

Tabel 8. (lanjutan)

Parameters

Distributions

Prior Distribution

Posterior

Distribution

Mean Std. Dev. Mean

Calvo paremeter for import goods

𝜽𝒇 beta 0,7 0,05 0,6254

Calvo paremeter for domestic goods

𝜽𝐡 beta 0,4 0,05 0,3948

Calvo parameter for export goods

𝜽𝐡∗ beta 0,6 0,05 0,7898

4.2 Simulasi

Pada bagian ini akan dipelajari dinamika dari impulse response yang

dihasilkan oleh model. Pembahasan akan difokuskan pada simulasi dari kebijakan

moneter berupa shock pada BI rate dan simulasi dari kebijakan makroprudensial.

Karena model yang dikembangkan ini mengasumsikan ekonomi yang bersifat

terbuka (small open economy), akan dibahas pula transmisi dari shock nilai tukar.

Lebih lanjut, sesuai dengan desain pengembangan model, pada bagian ini juga

akan difokuskan pada pembahasan simulasi mekanisme financial acelerator dan

shock yang berasal dari interbank market.

4.2.1 BI Rate’s Shock

Gambar 10. Impulse Response Shock BI Rate

36

Dalam literatur transmisi suku bunga kebijakan moneter bermula dari suku

bunga kebijakan (BI rate) yang memengaruhi suku bunga simpanan dan suku

bunga kredit. Pengaruhnya bermula melalui suku bunga jangka pendek dan

berlanjut ke suku bunga jangka panjang. Dengan adanya kekakuan harga,

perubahan suku bunga kebijakan tersebut akan berpengaruh pada suku bunga

riil kredit modal kerja, investasi, dan konsumsi yang pada akhirnya akan

berdampak pada variabel-variabel riil (akun-akun laba rugi dan neraca bank,

perusahaan, dan rumah tangga).

Dengan memperhatikan impulse response function model, seperti yang

terlihat pada Gambar 10, kenaikan BI rate sebesar 1% akan ditransmisikan ke

berbagai suku bunga yang ada di sektor perbankan, baik suku bunga deposit

maupun suku bunga kredit. Besarnya kenaikan suku bunga itu disesuaikan

dengan besarnya mark-up dan tingkat stickiness dari masing-masing suku bunga.

Respons kenaikan BI rate paling cepat ditransmisikan ke suku bunga deposito

yang langsung naik pada periode yang sama saat BI rate naik dan memiliki pola

yang sama dengan BI rate jika dibandingkan dengan kenaikan pada suku bunga

kredit. Hal tersebut disebabkan oleh suku bunga deposito yang memiliki tingkat

stickiness yang lebih kecil dibandingkan oleh suku bunga kredit. Peningkatan

suku bunga kredit akan menurunkan total pinjaman pada rumah tangga yang

kemudian akan berdampak pada penurunan total konsumsi di perekonomian.

Penurunan permintaan masyarakat akan mengakibatkan producer

mengurangi produksi barang, yang terlihat dari menurunnya final good output dan

pada akhirnya menurunkan PDB. Penurunan produksi output oleh producer juga

mengakibatkan berkurangnya kebutuhan akan tenaga kerja sehingga terjadi

penurunan supply tenaga kerja, baik dari patient household maupun dari impatient

household. Penurunan kesempatan kerja akan mengakibatkan berkurangnya

pendapatan bagi rumah tangga sehingga konsumsi rumah tangga akan semakin

tergerus. Menurunnya demand dari masyarakat akan menekan inflasi ke bawah.

Kenaikan BI rate juga akan mengakibatkan terapresiasinya nilai tukar yang akan

mengakibatkan turunnya ekspor karena berkurangnya daya saing yang pada

akhirnya akan menurunkan PDB.

Dari hasil simulasi di atas, terlihat bahwa propagasi shock suku bunga

kebijakan memengaruhi variabel-variabel intermediate dan variabel-variabel riil

dengan perilaku yang telah sesuai dengan teori ekonomi. Dengan demikian, model

DSGE yang dikembangkan telah dapat menangkap dinamika transmisi suku

37

bunga kebijakan dengan baik. Selanjutnya, sesuai dengan salah satu tujuan

pengembangan model DSGE ini, akan dilakukan simulasi mengenai dampak

keberadaan financial accelerator dengan membandingkannya apabila model tidak

dilengkapi dengan financial accelerator.

Gambar 11. Impulse Response Shock BI Rate with Financial Accelerator and Without Financial Accelerator

Efek dari adanya mekanisme financial accelerator akan mengakibatkan PDB

semakin rendah pertumbuhannya pada saat perekonomian mengalami kontraksi,

demikian pula saat perekonomian berada pada fase ekspansi, mekanisme financial

accelerator akan menyebabkan PDB tumbuh lebih besar, seperti yang terlihat pada

gambar di atas. PDB yang mengalami akselerasi akibat adanya mekanisme

financial accelerator juga memberikan dampak pada terciptanya inflasi yang lebih

volatile jika dibandingkan dengan kondisi tanpa adanya financial accelerator.

Tingginya volatile pada variabel PDB dan inflasi yang tercipta di perekonomian

akan mengakibatkan policy rate (BI rate) akan menjadi lebih tinggi saat terjadinya

kontraksi dan lebih rendah saat terjadinya ekspansi, yang diikuti oleh pergerakan

suku bunga perbankan lainnya.

-5.00E-04

0.00E+00

5.00E-04

1.00E-03

1.50E-03

2.00E-03

1 6 11 16 21 26 31 36

BI Rate

-1.00E-04

-5.00E-05

0.00E+00

5.00E-05

1.00E-04

1.50E-04

2.00E-04

2.50E-04

3.00E-04

1 6 11 16 21 26 31 36

Loan Rate to Household

-2.00E-04

0.00E+00

2.00E-04

4.00E-04

6.00E-04

8.00E-04

1.00E-03

1 6 11 16 21 26 31 36

Loan Rate to Firm

-2.00E-04

-1.00E-04

0.00E+00

1.00E-04

2.00E-04

3.00E-04

4.00E-04

5.00E-04

6.00E-04

7.00E-04

8.00E-04

9.00E-04

1 6 11 16 21 26 31 36

Deposit Rate

-4.00E-03

-3.50E-03

-3.00E-03

-2.50E-03

-2.00E-03

-1.50E-03

-1.00E-03

-5.00E-04

0.00E+00

5.00E-04

1.00E-03

1 6 11 16 21 26 31 36

GDP

-8.00E-03

-6.00E-03

-4.00E-03

-2.00E-03

0.00E+00

2.00E-03

4.00E-03

1 6 11 16 21 26 31 36

pi_4

Black line – without financial accelerator

Red Line – with financial accelerator

38

Bahwa kebijakan yang dijalankan diasumsikan tidak hanya menggunakan

BI rate, tetapi dikombinasikan dengan kebijakan countercyclical makroprudensial

untuk menahan pertumbuhan kredit dengan menurunkan rasio LTV (garis merah).

Hasil simulasi membuktikan bahwa shock berupa policy mix akan menekan

pertumbuhan kredit lebih dalam jika dibandingkan dengan kondisi tanpa adanya

shock LTV. PDB dan inflasi menurun, tetapi tidak berubah terlalu banyak jika

dibandingkan dengan kondisi dengan hanya menggunakan kebijakan BI rate. Pada

penggunaan policy mix, penurunan pada konsumsi tertutupi dengan penurunan

pada impor sehingga PDB cenderung stabil. Hasil simulasi juga menunjukkan

bahwa policy mix selain menghasilkan pertumbuhan PDB dan inflasi yang stabil,

juga mampu mengkontrol konsumsi sehingga demand untuk impor berkurang.

Dengan ekspor yang stabil, penurunan pada impor akan memberikan dampak

positif pada current account.

4.2.2 Households’ LTV Ratio Requirement’s Shock

Gambar 12. Impulse Response Shock Household's LTV

Kenaikan rasio loan to value yang bersifat ekspansioner secara teori

ekonomi akan meningkatkan total loan yang dikeluarkan oleh perbankan dan

meningkatkan leverage dari peminjam (perusahaan dan rumah tangga). Hal itu

akan meningkatkan konsumsi yang pada gilirannya akan meningkatkan PDB.

39

Namun, peningkatan PDB akibat konsumsi yang meningkat akan memacu impor

dan memperburuk neraca transaksi berjalan (current account)

Simulasi di atas (Gambar 12) menunjukkan bahwa kenaikan LTV ratio

requirement untuk pinjaman rumah tangga (kredit konsumsi) menyebabkan

kenaikan volume kredit rumah tangga yang diakibatkan adanya insentif tingginya

jumlah pinjaman yang dapat diberikan oleh bank atas jaminan yang dimiliki oleh

rumah tangga. Dengan adanya kenaikan LTV, dengan nilai aset yang sama, rumah

tangga mendapatkan pinjaman yang lebih banyak dari bank. Kenaikan volume

kredit rumah tangga mendorong bank untuk mengatur portfolio asetnya dengan

menurunkan volume kredit entrepreneur dan mengalihkannya pada kredit rumah

tangga sehingga dalam gambar terlihat penurunan di kredit entrepreneur yang

diiringi oleh kenaikan di kredit rumah tangga. Meningkatnya pinjaman terhadap

rumah tangga akan meningkatkan konsumsi rumah tangga sehingga mendorong

producer untuk meningkatkan final good output-nya.

Peningkatan final good output yang tinggi membutuhkan peningkatan faktor

produksi, yaitu peningkatan jumlah labor, baik yang berasal dari patient household

maupun dari impatient household sehingga pada akhirnya meningkatkan

pendapatan rumah tangga. Konsumsi yang meningkat tersebut pada gilirannya

akan meningkatkan PDB. Namun, peningkatan PDB itu mengakibatkan

meningkatnya impor dan menurunnya ekspor yang berakibat pada memburuknya

current account (CA).Hal itu menunjukkan bahwa hasil simulasi model telah sesuai

dengan teori ekonomi dan dapat menangkap propagasi shock LTV melalui variabel-

variabel riil dan finansial utama yang menjadi fokus perhatian policy makers.

40

4.2.3 Interbank Market’s Shock

Gambar 13. Impulse Response Shock Interbank Market

Interbank market memiliki andil yang signifikan terhadap penyebarluasan

krisis finansial yang terjadi dewasa ini, seperti yang terdokumentasikan dengan

baik dalam literatur, peningkatan risiko dalam interbank market dapat

menyebabkan realokasi resources dari interbank lending menuju risk-free

government bond. Sebagai sumber utama penyedia likuiditas bagi perbankan

dalam penciptaan new loans, shock interbank market ini mengakibatkan jatuhnya

supply kredit yang tersedia untuk firm dan household sehingga dapat

menyebabkan resesi. Beberapa temuan studi empiris seperti pada Socio et al.

(2011) mengonfirmasikan bahwa shock yang terjadi pada interbank market

merupakan faktor yang signifikan dalam finansial krisis.

Simulasi model ketika terjadi shock penurunan interbank market volume

(Gambar 13) menunjukkan bahwa jumlah loan, baik ke rumah tangga maupun ke

entrepreneur mengalami penurunan sehingga secara total bank akan mengalami

penurunan loan to deposit ratio (LDR). Penurunan total loan itu akan

41

mengakibatkan bank mengalami penurunan profit sehingga capital bank juga akan

ikut menurun karena capital bank merupakan akumulasi dari capital periode

sebelumnya dan profit yang ditahan. CAR bank juga ikut menurun seiring dengan

penurunan capital bank. Penurunan jumlah loan pada household dan firm yang

terjadi akan mengakibatkan penurunan total konsumsi. Dampak pelemahan

konsumsi itu kemudian menyebabkan penurunan pada PDB. Selanjutnya, otoritas

moneter dengan adanya penurunan PDB itu akan merespons dengan menurunkan

suku bunga kebijakan (BI rate) yang pada gilirannya akan berdampak pada

terdepresiasinya nilai tukar.

Dengan membandingkan perilaku propagasi shock interbank market yang

digambarkan oleh simulasi model dan literatur, dapat disimpulkan bahwa

transmisi shock yang terjadi dalam interbank market juga telah dapat ditangkap

oleh model secara komprehensif. Fenomena utama seperti realokasi resources

antara interbank lending dan risk-free government bond dalam interbank market

yang memiliki peranan penting dalam penyebarluasan krisis yang terjadi juga

dapat disimulasikan dengan baik.

4.2.4 Exchange Rate’s Shock

Gambar 14. Impulse Response Shock Exchange Rate

42

Hasil simulasi (Gambar 14) di atas menunjukkan depresiasi yang terjadi

pada nilai tukar rupiah akan meningkatkan daya saing produk ekspor sehingga

meningkatkan volume ekspor dan meningkatkan produksi barang-barang

intermediate. Peningkatan pada produksi intermediate goods akan menyebabkan

peningkatan kebutuhan faktor produksi berupa labor, baik dari patient household

maupun dari impatient household. Peningkatan produksi intermediate goods akan

mendorong peningkatan pada final goods sehingga PDB juga akan meningkat.

Peningkatan pada PDB akan mendorong naiknya income penduduk dan

akan menciptakan tekanan demand terhadap kebutuhan barang dan jasa sehingga

akan meningkatkan inflasi. Policy rate (BI rate) juga akan meningkat untuk

meredam inflasi. Di sisi lain, terdepresiasinya nilai tukar rupiah juga akan

menyebabkan penurunan impor akibat tingginya harga barang-barang impor yang

pada akhirnya semakin meningkatkan PDB domestik.

Seperti halnya simulasi variabel-variabel makroekonomi lainnya, dengan

mengevaluasi IRF yang dihasilkan, dapat disimpulkan bahwa model DSGE ini

secara baik dapat menangkap dinamika shock nilai tukar yang sesuai dengan teori

ekonomi.

43

V. PENUTUP

5.1 Simpulan

Dalam penelitian ini dibangun model DSGE untuk perkenomian terbuka

(small open economy) Indonesia dengan menambahkan mekanisme interbank

market untuk melengkapi friksi yang sudah terjadi dalam pasar keuangan

sebelumnya, yaitu financial frictions yang berupa collateral constraints dan financial

accelerator. Sektor perbankan yang didesain sesuai dengan kondisi Indonesia.

Analisis impulse reponse dari model menunjukkan transmisi dari kebijakan

moneter dan kebijakan makroprudensial sebagai berikut.

a) Peningkatan BI rate akan menyebabkan bank meningkatkan suku bunga retail-

nya terhadap rumah tangga dan entrepreneur sehingga mengurangi penyaluran

pinjaman kepada rumah tangga yang pada akhirnya menurunkan konsumsi.

Penurunan demand pada rumah tangga akan menurunkan produksi

intermediate goods dan final good output. Hal itu kemudian akan menyebabkan

turunnya PDB dan inflasi. Adanya mekanisme financial frictions berupa

collateral constraint dan financial accelerator dalam perekonomian terlihat

memberikan pertumbuhan lebih tinggi pada fase ekspansi jika dibandingkan

dengan tanpa financial frictions. Demikian pula sebaliknya, saat perekonomian

dalam kondisi kontraksi, PDB akan lebih rendah saat terdapat mekanisme

financial frictions.

b) Peningkatan LTV ratio requirement untuk kredit rumah tangga (konsumsi) yang

bersifat ekspansioner menyebabkan meningkatnya volume kredit rumah tangga

yang pada akhirnya akan meningkatkan konsumsi. Hal itu akan mendorong

terjadinya peningkatan final good output yang juga meningkatkan faktor

produksi labor, baik yang berasal dari patient household maupun dari impatient

household. Penguatan konsumsi tersebut pada gilirannya juga akan

meningkatkan PDB dalam perekonomian. Namun, peningkatan PDB akibat

konsumsi yang meningkat itu akan meningkatkan impor dan memperburuk

neraca transaksi berjalan (current account)

c) Shock pada perbankan berupa penurunan likuiditas pada interbank market

akan menyebabkan bank menurunkan penyaluran pinjaman, baik kepada

household maupun kepada entrepreneur sehingga akan menurunkan LDR

bank. Shock tersebut akan menurunkan capital dan CAR bank. Penurunan

44

jumlah loan pada household dan firm yang terjadi akan mengakibatkan

penurunan total konsumsi. Dampak pelemahan konsumsi itu kemudian

menyebabkan penurunan pada PDB dan inflasi. Selanjutnya, dengan adanya

penurunan PDB dan inflasi ini, otoritas moneter akan meresponsnya dengan

menurunkan suku bunga kebijakan (BI rate) yang pada gilirannya akan

berdampak pada terdepresiasinya nilai tukar.

d) Depresiasi nilai tukar akan memengaruhi peningkatan daya saing produk

sehingga akan meningkatkan ekspor dan PDB. Kebutuhan untuk

meningkatkan intermediate good akan meningkatkan kebutuhan labor dari

patient dan dari impatient household oleh producer. Peningkatan labor akan

meningkatkan pendapatan rumah tangga yang pada akhirnya akan

meningkatkan konsumsi. Tingginya demand akan menyebabkan inflasi

meningkat yang akan direspons oleh kenaikan policy rate (BI rate).

Model pada penelitian ini telah mampu memenuhi tujuan

pengembangannya, yaitu melakukan simulasi kebijakan moneter (BI rate) dan

kebijakan makroprudensial (LTV requirement) serta simulasi shock yang terjadi

pada pasar uang antarbank (interbank market), yaitu fenomena utama seperti

realokasi resources antara interbank lending dan risk-free government bond dalam

interbank market ketika terjadi krisis telah dapat disimulasikan dengan baik.

5.2 Rencana Pengembangan Berikutnya

Berdasarkan analisis impulse response dan potensi penggunaan model

dalam kerangka FPAS Bank Indonesia, terdapat beberapa penyempurnaan yang

dapat dilakukan pada model, yaitu sebagai berikut.

a) Pengembangan model untuk mendukung aplikasi yang lebih luas terkait

dengan interaksi antara berbagai kebijakan moneter dan kebijakan

makroprudensial. Hal yang dapat dilakukan antara lain adalah pemodelan

kebijakan maroprudensial secara endogen, misalnya dengan CAR

countercyclical rule.

b) Pengembangan lebih lanjut sektor eksternal dari model untuk dapat melakukan

simulasi shock variabel eksternal yang lebih luas, seperti shock terkait country

risk premium dan capital inflow.

45

c) Pengembangan model yang digunakan tidak hanya sebagai model untuk

kebutuhan simulasi, tetapi juga untuk kebutuhan proyeksi variabel makro atau

variabel yang terkait dengan neraca dan kondisi sektor perbankan.

46

DAFTAR PUSTAKA

Adolfson, Malin & Laséen, Stefan & Lindé, Jesper & Villani, Mattias, 2005. "Bayesian Estimation of an Open Economy DSGE Model with Incomplete Pass-Through," Working Paper Series 179, Sveriges Riksbank (Central Bank of Sweden).

Agung, Juda, 2010.”Mengintegrasikan Kebijakan Moneter dan Makroprudential: Menuju Paradigma Baru Kebijakan Moneter di Indonesia Pasca Krisis Global”. Bank Indonesia Working Paper No.WP/07/2010.

Angelini, Paolo & Andrea Enria & Stefano Neri & Fabio Panetta & Mario Quagliariello, 2010. "Pro-cyclicality of capital regulation: is it a problem? How to fix it?", Questioni di Economia e Finanza (Occasional Papers) 74, Bank of Italy, Economic Research and International Relations Area.

Angelini, Paolo & Stefano Neri & Fabio Panetta, 2011."Monetary and macroprudential policies", Temi di discussione (Economic working papers) 801, Bank of Italy, Economic Research and International Relations Area.

Bank Indonesia, 2006, “General Equilibrium Model Bank Indonesia 2006,” Bank Indonesia Working Paper.

Bank Indonesia .2009, “Bank Indonesia Structural Macromodel” Bank Indonesia Working Paper.

Bernanke, Ben & Gertler, Mark & Gilchrist, Simon, 1999, “The Financial Accelerator in a Quantitative Business Cycle Framework”, Handbook of Macroeconomics, Elsevier, Edition 1, Volume 1, Number 1.

BIS, 2010. “Macroprudential instruments and frameworks: A stocktaking of issues and experiences. Committee on The Global Financial System.

Brzoza-Brzezina, Michał & Krzysztof Makarski, 2011, "Credit crunch in a small open economy," Journal of International Money and Finance, Elsevier, vol. 30(7), pages 1406-1428.

Carrera, Cesar & Hugo Vega, 2012. “Interbank Market and Macroprudential Tools in a DSGE Model,” Working Papers Series, Banco Central de Reserva del Peru.

De Walque, Gregory & Olivier Pierrard & Abdelaziz Rouabah, 2008. “Financial (in)stability, Supervision and Liquidity Injections: a Dynamic General Equilibrium Approach,” Central Bank of Luxembourg.

Dib, Ali, 2009. “Banks, Credit Market Frictions, and Business Cycles,” Bank of Canada.

Camilo E Tovar, 2008. "DSGE models and central banks," BIS Working Papers 258, Bank for International Settlements.

Gerali, Andrea & Stefano Neri & Luca Sessa & Federico M. Signoretti, 2010,"Credit and banking in a DSGE model of the euro area,"Temi di discussione (Economic working papers) 740, Bank of Italy, Economic Research and International Relations Area.

Gunadi, Iman & Advis Budiman ,2011, “Optimalisasi Komposisi Portfolio Bank di Indonesia”, Kajian Stabilitas Keuangan No. 17, September.

47

Harmanta & Nur Purwanto, 2012, “Stickiness Suku Bunga retail Perbankan di Indonesia “, Catatan Riset No. 14/ 39 /DKM/BRE/CR, Bank Indonesia, Desember.

Harmanta & Nur Purwanto & Fajar Oktiyanto, 2012, “Sektor Perbankan dalam Model DSGE”, Bank Indonesia Working Paper No.WP/16/2012.

Iacoviello, M. ,2005, “House Prices, Borrowing Constraints and Monetary Policy in the Business Cycle" American Economic Review, Vol. 95(3), pp. 739-764.

Jan Vlcek & Scott Roger, 2012. "Macrofinancial Modeling at Central Banks: Recent Developments and Future Directions," IMF Working Papers 12/21, International Monetary Fund.

Lawrence J. Christiano & Martin Eichenbaum & Charles L. Evans, 2005. "Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy," Journal of Political Economy, University of Chicago Press, vol. 113(1), pages 1-45, February.

Liu, Zheng & Pengfei Wang & Tao Zha, 2010. "Do credit constraints amplify macroeconomic fluctuations?", Working Paper 2010-01, Federal Reserve Bank of Atlanta.

Vicek, Jan & Scott Roger, 2012. "Macrofinancial Modeling at Central Banks: Recent Developments and Future Directions," IMF Working Papers 12/21, International Monetary Fund.

Zhang, X. & Verikios, G. ,2006, “A reington Parameter Estimation for a Computable General Equilibrium Model: A Database Consistent Approach”, Economics Discussion Working Papers No. 06–10, The University of Western Australia, Department of Economics.

Zhang, Longmei, 2010, “Bank Capital Regulation, the Lending Channel and Business Cycles”, Discussion Paper Series 1: Economic Studies, Deutsche Bundesbank.

48

LAMPIRAN

Persamaan Nonlinear

Patient Household

(𝑐𝑡+1𝑃 − 𝜉𝑐𝑡

𝑃)−𝜎𝑐 (𝛽𝑃휀𝑢,𝑡+1 (1+𝑟𝑡

𝐷(1−𝛼𝑇𝐷)

𝑃𝑡+1)) = (𝑐𝑡

𝑃 − 𝜉𝑐𝑡−1𝑃 )−𝜎𝑐 ( 𝑢,𝑡

𝑃𝑡) .......(L.1)

(𝑐𝑡+1𝑃 (𝑖) − 𝜉𝑐𝑡

𝑃)−𝜎𝑐 (𝛽𝑃 𝑢,𝑡+1𝑃𝜒,𝑡+1(1−𝛿𝜒)

𝑃𝑡+1) + 휀𝑢,𝑡휀χ,𝑡 (𝜒𝑡

𝑃)−𝜎𝜒 = (𝑐𝑡𝑃(𝑖) − 𝜉𝑐𝑡−1

𝑃 )−𝜎𝑐 (𝑢,𝑡𝑃𝜒,𝑡

𝑃𝑡) ....( L.2)

𝑑𝑡 = 𝑑𝑡−1(1 + 𝑟𝑡−1𝐷 − 𝛼𝑇𝐷𝑟𝑡−1

𝐷 ) − (𝛼𝑇𝑊𝑊𝑃,𝑡𝑛𝑡𝑃 + 𝛼𝑇ΠΠ𝑡

𝑃) + Π𝑡𝑃 − 𝑃𝜒,𝑡(𝜒𝑡

𝑃 − (1 − 𝛿𝜒)𝜒𝑡−1𝑃 ) −

𝑃𝑡𝑐𝑡𝑃 + 𝑊𝑃,𝑡𝑛𝑡

𝑃 .....( L.3)

Πt = Π𝑡𝐵 + Πt

H + ΠtH∗

+ ΠtF .....( L.4)

(1−𝛼𝑇𝑊)( 𝜔−1)(π𝑊𝑃,𝑡

1−εW−θPπ𝑊𝑃,𝑡−11−εW

(1−θP))

𝜔𝜎𝑛+11−εW

𝜔𝛾𝑃−𝜎𝑛 ∑ (𝛽𝑃휃𝑊,𝑃)𝑠∞

𝑠=0 휀𝑢,𝑡+𝑠 [(𝜋𝑊,𝑃,𝑡+𝑠)𝜔−1 𝑊𝑃,𝑡+𝑠𝑛𝑡+𝑠

𝑃

𝑃𝑡+𝑠𝑈𝑐,𝑡+𝑠

′ ] =

∑ (𝛽𝑃휃𝑊,𝑃)𝑠∞

𝑠=0 휀𝑢,𝑡+𝑠 [휀𝑛,𝑡+𝑠 ((𝜋𝑊,𝑃,𝑡+𝑠)𝜔𝑛𝑡+𝑠

𝑃 )1+𝜎𝑛

] ....( L.5)

π𝑊𝑃,𝑡=

𝑊𝑃,𝑡

𝑊𝑃,𝑡−1.....( L.6)

𝑇𝑡𝑃 = 𝛼𝑇𝑊𝑊𝑡

𝑃𝑛𝑡𝑃 + 𝛼𝑇𝐷𝑟𝑡−1

𝐷 𝑑𝑡−1 + 𝛼𝑇ΠΠ𝑡𝑃......( L.7)

Impatient Household

𝑐𝑡𝐼 =

𝑊𝐼,𝑡𝑛𝑡𝐼

𝑃𝑡+

𝑏𝑡𝐼

𝑃𝑡−

𝛼𝑇𝑊𝑊𝐼,𝑡𝑛𝑡𝐼

𝑃𝑡− (1 + 𝑟𝑡−1

𝐵𝐼 ) (𝑏𝑡−1

𝐼

𝑃𝑡) −

𝑃𝜒,𝑡(𝜒𝑡𝐼−(1−𝛿𝜒)𝜒𝑡−1

𝐼 )

𝑃𝑡 .....( L.8)

(𝑐𝑡𝐼(𝑖) − 𝜉𝑐𝑡−1

𝐼 )−𝜎𝑐 ( 𝑢,𝑡𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1−𝛿𝜒)]

𝑃𝑡(1+𝑟𝑡𝐵𝐼)

− 𝑢,𝑡𝑃𝜒,𝑡

𝑃𝑡) + (𝑐𝑡+1

𝐼 (𝑖) − 𝜉𝑐𝑡𝐼)−𝜎𝑐 (

𝛽𝐼 𝑢,𝑡+1𝑃𝜒,𝑡+1(1−𝛿𝜒)

𝑃𝑡+1−

𝛽𝐼휀𝑢,𝑡+1 (𝑚𝑡

𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1−𝛿𝜒)]

𝑃𝑡+1)) + 휀𝑢,𝑡휀𝜒,𝑡(𝜒𝑡

𝐼(𝑖))−𝜎𝜒

= 0 ....( L.9)

(1−𝛼𝑇𝑊)( 𝜔−1)(π𝑊𝐼,𝑡

1−εW−θIπ𝑊𝐼,𝑡−11−εW

(1−θI))

𝜔𝜎𝑛+11−εW

𝜔𝛾𝐼−𝜎𝑛 ∑ (𝛽𝐼휃𝑊,𝐼)𝑠∞

𝑠=0 휀𝑢,𝑡+𝑠 [(𝜋𝑊,𝐼,𝑡+𝑠)𝜔−1 𝑊𝐼,𝑡+𝑠𝑛𝑡+𝑠

𝐼

𝑃𝑡+𝑠𝑈𝑐,𝑡+𝑠

′ ] =

∑ (𝛽𝐼휃𝑊,𝐼)𝑠∞

𝑠=0 휀𝑢,𝑡+𝑠 [휀𝑛,𝑡+𝑠 ((𝜋𝑊,𝐼,𝑡+𝑠)𝜔𝑛𝑡+𝑠

𝐼 )1+𝜎𝑛

] ......( L.10)

π𝑊𝐼,𝑡=

𝑊𝐼,𝑡

𝑊𝐼,𝑡−1....( L.11)

49

𝑏𝑡𝐼 =

𝑚𝑡𝐼𝐸𝑡[𝑃𝜒,𝑡+1(1−𝛿𝜒)𝜒𝑡

𝐼𝛾𝐼]

(1+𝑟𝑡𝐵𝐼)

.....( L.12)

𝑇𝑡𝐼 = 𝛼𝑇𝑊𝑊𝑡

𝐼𝑛𝑡𝐼......( L.13)

Capital Good Producers

1

𝜅𝑘− (

1

2(

𝑖𝑘,𝑡

𝑖𝑘,𝑡−1− 1)

2

+𝑖𝑘,𝑡

𝑖𝑘,𝑡−1(

𝑖𝑘,𝑡

𝑖𝑘,𝑡−1− 1)) + 𝛽𝑝

𝑃𝑘,𝑡+1

𝑃𝑘,𝑡

𝜖𝑖,𝑡+1

𝜖𝑖,𝑡(

𝑖𝑘,𝑡+1

𝑖𝑘,𝑡)

2

(𝑖𝑘,𝑡+1

𝑖𝑘,𝑡− 1) −

𝑃𝑡

𝜅𝑘𝑃𝑘,𝑡𝜖𝑖,𝑡= 0..(L.14)

𝑘𝑡 = (1 − 𝛿𝑘)𝑘𝑡−1 + 휀𝑖,𝑡 (1 −1

2𝜅𝑘 (

𝑖𝑘,𝑡

𝑖𝑘,𝑡−1− 1)

2

) 𝑖𝑘,𝑡.....( L.15)

Intermediate Good Producers

𝑦𝑊,𝑡(𝑖) = 𝐴𝑡[𝑢𝑡(𝑖)𝑘𝑡−1(𝑖)]𝛼 ((𝑛𝑃,𝑡(𝑖))𝜇𝑙

(𝑛𝐼,𝑡(𝑖))1−𝜇𝑙

)1−𝛼

......( L.16)

𝑧𝑡(𝑖) = 𝛼𝑘𝑃𝑤,𝑡+𝑠(𝑗)𝑌𝑡(𝑖)

𝐾𝑡(𝑖)………(L.17)

𝑅𝑡𝐾 =

𝑧𝑡+(1−𝛿𝑘)𝑃𝑘,𝑡

𝑃𝑘,𝑡−1…….(L.18)

(1 − 𝛼)𝜇𝑙𝑃𝑊,𝑡𝑦𝑊,𝑡

𝑛𝑃,𝑡= 𝑊𝑃,𝑡.....( L.19)

(1 − 𝛼)(1 − 𝜇𝑙)𝑃𝑊,𝑡𝑦𝑊,𝑡

𝑛𝐼,𝑡= 𝑊𝐼,𝑡.....( L.20)

Housing Good Producers

1

𝜅𝜒− (

1

2(

𝑖𝜒,𝑡

𝑖𝜒,𝑡−1− 1)

2

+𝑖𝜒,𝑡

𝑖𝜒,𝑡−1(

𝑖𝜒,𝑡

𝑖𝜒,𝑡−1− 1)) + 𝛽𝑝

𝑖𝜒,𝑡+1𝑃𝜒,𝑡+1

𝑖𝜒,𝑡𝑃𝜒,𝑡(

𝑖𝜒,𝑡+1

𝑖𝜒,𝑡)

2

(𝑖𝜒,𝑡+1

𝑖𝜒,𝑡− 1) −

𝑃𝑡

𝜅𝜒 𝑖𝜒,𝑡𝑃𝜒,𝑡= 0

.....(L.21)

𝜋𝜒,𝑡 =𝑃𝜒,𝑡

𝑃𝜒,𝑡−1.....( L.22)

𝜒𝑡 = (1 − 𝛿𝜒)𝜒𝑡−1 + 휀𝑖𝜒,𝑡 (1 −1

2𝜅𝜒 (

𝑖𝜒,𝑡

𝑖𝜒,𝑡−1− 1)

2

) 𝑖𝜒,𝑡.....( L.23)

50

Entrepreneur

(Γ(��𝑡𝑎) − 𝜇𝐺(��𝑡

𝑎))𝐸𝑡−1𝑅𝑡𝑘𝑃𝑡

𝐾𝐾𝑡 = (1 + 𝑟𝑡𝑏𝐼)𝑏𝑡

𝐸……(L.24)

𝑏𝑡𝐸 = 𝑃𝑡

𝐾𝐾𝑡 − 𝑁𝑡….(L.25)

𝐸𝑡𝑅𝑡+1𝑘 = 𝑠 (

𝑞𝑡𝐾𝑡+1𝑖

𝑁𝑡+1𝑖 ) 𝑅𝑡+1

𝐵𝑒 …..(L.26)

��𝑖 =𝐸𝑡𝑅𝑡+1

𝑘

𝑅𝑡+1𝑘 ……(L.27)

𝜆𝑡 =Γ′(��𝑡

𝑎)

Γ′(��𝑡𝑎)−𝜇𝐺′(��𝑡

𝑎)……(L.28)

𝑁𝑡 = 𝜈𝑉𝑡…..(L.29)

𝑉𝑡 = (1 − 𝛤(��𝑡𝑏)) 𝑅𝑡

𝐾𝑃𝑡𝐾𝐾𝑡……(L.30)

Importing Retailers

(1

1−θF(πF,t

1−εF − θFπF,t−11−εF))

1

1−εF

Et ∑ (βPθF)kyF,t+k(πF,t+k)εF−1∞

k=0 =

εF

εF−1Et ∑ (βPθF)kyF,t+k(πF,t+k)

εF 𝑒𝑡+𝑘𝑃𝐹,𝑡+𝑘∗

PF,t+k

∞k=0 ......( L.32)

𝜋𝐹,𝑡 =𝑃𝐹,𝑡

𝑃𝐹,𝑡−1......( L.33)

𝑦𝐹,𝑡 = (1 − 휂) (𝑃𝐹,𝑡

𝑃𝑡)

− 1+𝜇

𝜇𝑦𝑡.....( L.34)

ΠtF = (PF,t − 𝑒𝑡𝑃𝐹,𝑡

∗ )yF,t......( L.35)

Domestic Retailers

(1

1−θH(πH,t

1−εH − θHπH,t−11−εH))

1

1−εH

Et ∑ (βPθH)kyH,t+k(πH,t+k)εH−1∞

k=0 =

εH

εH−1Et ∑ (βPθH)kyH,t+k(πH,t+k)

εH PW,t+k

PH,t+k

∞k=0 ......( L.36)

𝜋𝐻,𝑡 =𝑃𝐻,𝑡

𝑃𝐻,𝑡−1......( L.37)

𝑦𝐻,𝑡 = 휂 (𝑃𝐻,𝑡

𝑃𝑡)

− 1+𝜇

𝜇𝑦𝑡......( L.38)

ΠtH = (PH,t − PW,t)yH,t......( L.39)

51

Exporting Retailers

(1

1−θH∗ (πH,t

∗ 1−εH∗− θH

∗ πH,t−1∗ 1−εH∗

))

1

1−εH∗

Et ∑ (βPθH∗ )kyH,t+k

∗ (πH,t+k∗ )

εH∗−1∞k=0 =

εH∗

εH∗−1Et ∑ (βPθH

∗ )kyH,t+k∗ (πH,t+k

∗ )εH∗ PW,t+k

𝑒𝑡+𝑘𝑃𝐻,𝑡+𝑘∗

∞k=0 ......( L.40)

𝜋𝐻,𝑡∗ =

𝑃𝐻,𝑡∗

𝑃𝐻,𝑡−1∗ .......( L.41)

𝑦𝐻,𝑡∗ = (1 − 휂∗) (

𝑃𝐻,𝑡∗

𝑃𝐻𝑋,𝑡∗ )

−(1+𝜇𝐻∗)

𝜇𝐻∗𝑦𝑡

∗......( L.42)

ΠtH∗

= (𝑒𝑡𝑃𝐻,𝑡∗ − PW,t)yH,t

∗ .......( L.43)

Final Good Producers

𝑃𝑡−

1

𝜇 = 휂(𝑃𝐻,𝑡)−

1

𝜇 + (1 − 휂)(𝑃𝐹,𝑡)−

1

𝜇 .....( L.44)

Banking System

Government and Central Bank Indonesia

𝑏𝑡𝑜𝑡,𝑡∗ = 𝑏𝐺,𝑡

∗ ......( L.55)

𝑃𝑡𝑔𝑡 + (1 + 𝑟𝐵,𝑡−1∗ )(1 + 𝜌𝑡−1)𝑒𝑡𝑏𝐺,𝑡−1

∗ + (1 + 𝑟𝑡−1)𝑏𝐺,𝑡−1 = (𝑇𝑡𝑃 + 𝑇𝑡

𝐼) + 𝑒𝑡𝑏𝐺,𝑡∗ + 𝑏𝐺,𝑡 +

𝐼𝑛𝑐𝐺,𝑡......( L.56)

(1 + 𝑟𝑡) = (1+𝑟𝑡−1

1+��)

𝜙𝑅

((𝜋𝑡+3

��𝑡𝑎𝑟,𝑡+3)

𝜙𝜋

(��𝑡

��)

𝜙𝑦

)

1−𝜙𝑅

휀𝑟,𝑡.....( L.57)

Market Clearing and MISC Identities

𝑒𝑡𝑃𝐹,𝑡∗ 𝑦𝐹,𝑡 + 𝑒𝑡(1 + 𝑟𝑡−1

∗ )(1 + 𝜌𝑡−1)𝑏𝑡𝑜𝑡,𝑡−1∗ = 𝑒𝑡𝑃𝐻,𝑡

∗ 𝑦𝐻,𝑡∗ + 𝑒𝑡𝑏𝑡𝑜𝑡,𝑡

∗ ......( L.58)

𝑦𝑡 = 𝑐𝑡 + 𝑖𝑘.𝑡 + 𝑖𝜒,𝑡 + 𝑔𝑡 + 𝜓(𝑢𝑡)𝑘𝑡−1......( L.59)

𝑃𝑡��𝑡 = 𝑃𝑡𝑦𝑡 + 𝑒𝑡𝑃𝐻,𝑡∗ 𝑦𝐻,𝑡

∗ − 𝑒𝑡𝑃𝐹,𝑡∗ 𝑦𝐹,𝑡......( L.60)

(1+𝑟𝐵,𝑡𝐸 )

(1+𝜌𝑡)(1+𝑟𝐵,𝑡∗ )

=𝑒𝑡+1

𝑒𝑡

......( L.61)

52

𝜒𝑡 = 𝛾𝑃𝜒𝑡𝑃 + 𝛾𝐼𝜒𝑡

𝐼.....( L.62)

𝑐𝑡 = 𝛾𝐼𝑐𝑡𝐼 + 𝛾𝑃𝑐𝑡

𝑃......( L.63)

𝑦𝐻,𝑡 + 𝑦𝐻,𝑡∗ = 𝑦𝑊,𝑡......( L.64)

Persamaan Linear (Log Linearize Equation)

Patient Household

ΥP,t = ΥP,t+1 +(1−𝛼𝑇𝐷𝛽𝑃)

𝜋��𝑡

𝐷 − ��𝑡+1.....( L.65)

ΥP,t = −𝜎𝑐

(1−𝜉)(��𝑡

𝑃 − 𝜉��𝑡−1𝑃 )+휀��,𝑡.....( L.66)

𝛽𝑃(1−𝛿𝜒)

(1−𝛽𝑃(1−𝛿𝜒))[−(1 − 𝛼𝑇𝐷𝛽𝑃)��𝑡

𝐷 + 𝐸𝑡(��𝑡+1) + 𝐸𝑡(��𝜒,𝑡+1)] + 휀��,𝑡 + 휀χ,𝑡 − 𝜎𝜒��𝑡𝑃 = ΥP,t + ��𝜒,𝑡....(

L.67)

��

����𝑡 =

(1−𝛼𝑇𝐷)(1+𝑟𝐷)

𝜋

��

��(��𝑡−1 − ��𝑡 + ��𝑡−1

𝐷 ) + (1 − 𝛼𝑇Π)Π𝑃

��(Π𝑡

𝑃) −𝜒𝑃 𝛾𝑃

��(��𝜒,𝑡 + ��𝑡

𝑃) +

(1 − 𝛿𝜒)𝜒𝑃 𝛾𝑃

��(��𝜒,𝑡 + ��𝑡−1

𝑃 ) −𝑐𝑃 𝛾𝑃

��(��𝑡

𝑃) + (1 − 𝛼𝑇𝑊)��𝑃𝑛𝑃

��(��𝑃,𝑡 + ��𝑡

𝑃).....( L.68)

ΠP

yΠt

P =Π𝐵

yΠ𝑡

𝐵 +Π𝐻

yΠ𝑡

𝐻 +Π𝐻∗

yΠ𝑡

𝐻∗+

Π𝐹

yΠ𝑡

𝐹......( L.69)

Π𝑡𝐵 = 𝑗��

𝑏.....( L.70)

��𝑊,𝑃,𝑡 =(1−𝜃𝑊,𝑃)(1−𝛽𝑃𝜃𝑊,𝑃)

(1+𝛽𝑃)𝜃𝑊,𝑃( 𝜔𝜎𝑛+1)ΓP,t +

(𝛽𝑃)

(1+𝛽𝑃)��𝑊,𝑃,𝑡+1 +

��𝑊,𝑃,𝑡−1

(1+𝛽𝑃).....( L.71)

ΓP,t = 휀��,𝑡 + 휀��,𝑡 + 𝜎𝑛��𝑡𝑃 − ��𝑃,𝑡 − ΥP,t......( L.72)

π𝑊𝑃,𝑡= ��𝑃,𝑡 − ��𝑃,𝑡−1 + ��𝑡.....( L.73)

��𝑃

����𝑡

𝑃 = 𝛼𝑇𝑊��𝑃 𝑛𝑃

��(��𝑡

𝑃 + ��𝑡𝑃) + 𝛼𝑇𝐷𝑟𝐷 ��

��𝜋((

1+𝑟𝑑

𝑟𝑑 ) ��𝑡−1𝐷 − ��𝑡 + ��𝑡−1) + 𝛼𝑇Π

Π𝑃

��Π𝑡

𝑃.....( L.74)

Impatient Household

𝑐𝐼 𝛾𝐼

����𝑡

𝐼 = (1 − 𝛼𝑇𝑊)��𝐼𝑛𝐼

��(��𝐼,𝑡+��𝑡

𝐼) +��𝐼

��(��𝑡

𝐼 −(1+𝑟𝐵𝐼)

𝜋(��𝑡−1

𝐼 − ��𝑡 + ��𝑡−1𝐵𝐼 )) −

𝜒𝐼 𝛾𝐼

��(��𝑡

𝐼 + ��𝜒,𝑡 −

(1 − 𝛿𝜒)(��𝑡−1𝐼 + ��𝜒,𝑡))......( L.75)

53

(𝑚𝐼 𝜋(1−𝛿𝜒)

(1+𝑟𝐵𝐼)) [ΥI,t + ��𝑡

𝐼 + ��𝜒,𝑡+1 − ��𝑡𝐵𝐼 + ��𝑡+1] − ��𝜒,𝑡 + 𝛽𝐼(1 − 𝛿𝜒)(1 − 𝑚𝐼 ) [Et(ΥI,t+1) +

��𝜒,𝑡+1 −𝑚𝐼

(1−𝑚𝐼 )��𝑡

𝐼] = (𝑚𝐼 (1−𝛿𝜒)

(1+𝑟𝐵𝐼)− 1 + 𝛽𝐼(1 − 𝛿𝜒)(1 − 𝑚𝐼 )) (휀��,𝑡 + 휀��,𝑡 − 𝜎𝜒��𝑡

𝐼) +

ΥI,t......(L.76)

ΥI,t = −𝜎𝑐

(1−𝜉)(��𝑡

𝐼 − 𝜉��𝑡−1𝐼 )+휀��,𝑡.......( L.77)

��𝑊,𝐼,𝑡 =(1−θI)(1−𝛽𝐼𝜃𝑊,𝐼)

(1+𝛽𝐼)𝜃𝑊,𝐼( 𝜔𝜎𝑛+1)ΓI,t +

(𝛽𝐼)

(1+𝛽𝐼)��𝑊,𝐼,𝑡+1 +

��𝑊,𝐼,𝑡−1

(1+𝛽𝐼)......( L.78)

ΓI,t = 휀��,𝑡 + 휀��,𝑡 + 𝜎𝑛��𝑡𝐼 − ��𝐼,𝑡 − ΥI,t.......( L.79)

π𝑊𝐼,𝑡= ��𝐼,𝑡 − ��𝐼,𝑡−1 + ��𝑡.......( L.80)

��𝑡𝐼 = ��𝑡

𝐼 + ��𝜒,𝑡+1 + π𝑡+1 + ��𝑡𝐼 − ��𝑡

𝐵𝐼......( L.81)

��𝑡𝐼 = ��𝐼,𝑡 + ��𝑡

𝐼......( L.82)

Capital Producers

𝑖��,𝑡 =𝛽𝑝

(1+𝛽𝑝)𝑖��,𝑡+1 +

1

(1+𝛽𝑝)𝑖��,𝑡−1 +

1

𝜅𝑘(1+𝛽𝑝)(��𝑘,𝑡 + 휀��𝑘,𝑡)...... ( L.83)

��𝑡 = (1 − 𝛿𝑘)��𝑡−1 + 𝛿𝑘(휀��,𝑡 + 𝑖��,𝑡).....( L.84)

(��𝑊,𝑡 + ��𝑊,𝑡 − ��𝐼,𝑡) = ��𝐼,𝑡......( L.85)

Intermediate Goods Producers

��𝑊,𝑡 = (��𝑡 + 𝛼��𝑡−1 + 𝜇𝑙(1 − 𝛼)��𝑃,𝑡 + (1 − 𝜇𝑙)(1 − 𝛼)��𝐼,𝑡).......( L.86)

��𝑡 + ��𝑡−1 = ��𝑊,𝑡 + ��𝑊,𝑡.....( L.87)

𝑅𝐾𝑃𝑘 (��𝑡𝐾 + ��𝐾,𝑡−1) = 𝑧��𝑡 + (1 − 𝛿 )𝑃𝑘 ��𝐾,𝑡 .....( L.88)

��𝑊,𝑡 + ��𝑊,𝑡 − ��𝑃,𝑡 = ��𝑃,𝑡......( L.89)

��𝑊,𝑡 + ��𝑊,𝑡 − ��𝐼,𝑡 = ��𝐼,𝑡......( L.90)

Housing Goods Producers

𝑖��,𝑡 =𝛽𝑝

(1+𝛽𝑝)𝑖��,𝑡+1 +

1

(1+𝛽𝑝)𝜋𝜒𝜋𝑖��,𝑡−1 +

1

𝜅𝑥(1+𝛽𝑝)𝜋𝜒𝜋(��𝑥,𝑡 + 휀��𝜒,𝑡).....( L.91)

54

��𝜒,𝑡 = ��𝜒,𝑡 − ��𝜒,𝑡−1 + ��𝑡......( L.92)

��𝑡 = (1 − 𝛿𝜒)��𝑡−1 + 𝛿𝜒(𝑖𝜒,𝑡 + 휀��𝜒,𝑡).....( L.93)

Entrepreneur

𝐸𝑡−1��𝑡𝐾 + 𝑃𝑡

𝐾 + ��𝑡𝑖 +

Γ

(Γ−𝜇𝐺)Γ(��𝑡

𝑎) −𝜇𝐺

(Γ−𝜇𝐺)𝐺(��𝑡

𝑎) = ��𝑡𝑏𝐼 + �� 𝑡

𝐸......( L.94)

𝑏𝐸��𝑡𝐸 = 𝑃𝐾𝐾 (��𝑡

𝐾+��𝑡) − 𝑁��𝑡......( L.95)

��𝑡𝐸 + ��𝑡

𝐵𝐸 = 𝐸𝑡 ��𝑡+1𝑘 ......( L.96)

��𝑡𝑏 = ��𝑡

𝑎 + 𝑅𝑡+1𝐾 − 𝐸��𝑡+1

𝐾 .....( L.97)

( Γ′−𝜇𝐺′)

𝜇𝐺′��𝑡 = 𝐺′(��𝑡

𝑎) − Γ′(��𝑡𝑎).......( L.98)

��𝑡 = ��𝑡.....( L.99)

��𝑡 = ��𝑡𝐾 + �� 𝑡

𝐾 + ��𝑡 −Γ

( 1−Γ)��(��𝑡

𝑏)......( L.100)

Importing Retailers

πF,t =1

(1+βP)πF,t−1 +

βP

(1+βP)(πF,t+1) +

(1−βPθF)(1−θF)

(1+βP)θF(��𝑡 + ��𝐹,𝑡

∗ ).....( L.102)

��𝐹,𝑡 = ��𝐹,𝑡 + ��𝑡 − ��𝐹,𝑡−1.....( L.103)

��𝐹,𝑡 = − 1+𝜇

𝜇��𝐹,𝑡 + ��𝑡......( L.104)

ΠtF =

��𝐹𝑦𝐹

Π𝐹 (��𝐹,𝑡 + ��𝐹,𝑡) −��𝑦𝐹��𝐹

∗

Π𝐹 (��𝑡 + ��𝐹,𝑡 + ��𝐹,𝑡∗ )....( L.105)

Domestic Retailers

��𝐻,𝑡 =1

(1+𝛽𝑃)��𝐻,𝑡−1 +

𝛽𝑃

(1+𝛽𝑃)(��𝐻,𝑡+1) +

(1−𝛽𝑃𝜃𝐻)(1−𝜃𝐻)

(1+𝛽𝑃)𝜃𝐻(PW,t).....( L.106)

��𝐻,𝑡 = ��𝐻,𝑡 − ��𝐻,𝑡−1 + ��𝑡.....( L.107)

��𝐻,𝑡 = − 1+𝜇

𝜇��𝐻,𝑡 + ��𝑡......( L.108)

ΠtH =

pHyH

Π𝐻 (pH,t + yH,t) −��𝑊yH

Π𝐻 (��𝑊,𝑡 + yH,t).....( L.109)

55

Exporting Retailers

πH,t∗ =

1

(1+βP)πH,t−1

∗ +βP

(1+βP)(πH,t+1

∗ ) +(1−βPθH

∗ )(1−θH∗ )

(1+βP)θH∗ (PW,t − st)......( L.110)

��𝐻,𝑡∗ = ��𝐻,𝑡

∗ − ��𝐻,𝑡−1∗ + ��𝑡

∗......( L.111)

��𝐻,𝑡∗ =

1+𝜇𝐻∗

𝜇𝐻∗(��𝐻𝑋,𝑡

∗ − ��𝐻,𝑡∗ ) + ��𝑡

∗.....( L.112)

ΠtH∗

=����𝐻

∗ 𝑦𝐻∗

ΠH∗ (��𝑡 + ��𝐻,𝑡∗ + ��𝐻,𝑡

∗ ) −pW𝑦𝐻

∗

ΠH∗ (pW,t + ��𝐻,𝑡∗ ).....( L.113)

Final Good Producers

��𝑡 = 휂(𝑝𝐻)−

1

𝜇(��𝐻,𝑡 + ��𝐻,𝑡−1) + (1 − 휂)(𝑝𝐹)−

1

𝜇(��𝐹,𝑡 + ��𝐹,𝑡−1)......( L.114)

Banking System

Government and Central Bank

𝑏𝑡𝑜𝑡∗

����𝑡𝑜𝑡,𝑡

∗ =𝑏𝐺

∗

����𝐺,𝑡

∗ .......( L.125)

𝑔

��𝑔𝑡 =

��𝑃

����𝑡

𝑃 +��𝐼

����𝑡

𝐼 +����𝐺

∗

��(��𝑡 + ��𝐺,𝑡

∗ ) +𝑟��

��𝑟��𝑡 −

(1+𝑟∗ )(1+𝜌)����𝐺∗

��𝜋∗ (��𝑡−1∗ + ��𝑡−1 + ��𝑡 + ��𝐺,𝑡−1

∗ − ��𝑡∗) −

(1+𝑟)��𝐺

��𝜋(��𝑡−1 + 𝑟��𝑡−1 − ��𝑡)......( L.126)

��𝑡 = 𝜙𝑅 ��𝑡−1 + 𝜙𝜋(1 − 𝜙𝑅)(��𝑡+3 − ��𝑡𝑎𝑟,𝑡+3) + 𝜙𝑦(1 − 𝜙𝑅)��𝑡 + 휀��,𝑡.....( L.127)

Market Clearing and MISC Identities

����𝐹𝑦𝐹

��(��𝑡 + ��𝐹,𝑡

∗ +��𝐹,𝑡) +����𝑡𝑜𝑡

∗

��(1 + 𝑟∗ )(1 + 𝜌) (��𝑡 + ��𝑡−1 + ��𝑡𝑜𝑡,𝑡−1

∗ − ��𝑡∗ + ��𝐵,𝑡−1

∗ ) =��𝑦𝐻

∗ ��𝐻∗

��(��𝑡 +

��𝐻,𝑡∗ +��𝐻,𝑡

∗ ) +����𝑡𝑜𝑡

∗

��(��𝑡 + ��𝑡𝑜𝑡,𝑡

∗ )......( L.128)

𝑦

����𝑡 =

𝑐

����𝑡 +

𝑖𝑘

��𝑖𝑘.𝑡 +

𝑖𝜒

��𝑖��,𝑡 +

𝑔

��𝑔𝑡.....( L.129)

��𝑡 =𝑦

����𝑡 +

����𝐻∗ 𝑦𝐻

∗

��(��𝑡 + ��𝐻,𝑡

∗ + ��𝐻,𝑡∗ ) −

����𝐹𝑦𝐹

��(��𝑡 + ��𝐹,𝑡

∗ + ��𝐹,𝑡)......( L.130)

��𝑡 = 0.9��𝑡 + 휀��,𝑡.....( L.131)

��𝑡 + ��𝑡+1∗ − ��𝑡+1 − ��𝑡+1 = ��𝑡 + ��𝐵,𝑡

∗ − ��𝐵,𝑡𝐸 + 𝑒𝑆𝑡

......( L.132)

56

𝜒

����𝑡 =

𝛾𝑃𝜒𝑃

����𝑡

𝑃 +𝛾𝐼𝜒𝐼

����𝑡

𝐼 .....( L.133)

𝑐

����𝑡 =

𝛾𝐼𝑐𝐼

����𝑡

𝐼 +𝛾𝑃𝑐𝑃

����𝑡

𝑃 +𝑛

��𝑁...... L. (134)

𝑦𝐻

𝑦𝑊��𝐻,𝑡 +

𝑦𝐻∗

𝑦𝑊��𝐻,𝑡

∗ = ��𝑊,𝑡.....( L.135)

Γt = 𝜌ΓΓr,t + (1 − 𝜌Γ)휀Γ,t….L(.136)

Γr,t = 𝜌Γ𝑟Γr,t−1 + 𝑒Γr

…..(L.137)

휀Γ,𝑡 = 𝜌Γ

휀Γ,𝑡−1 + (1 − 𝜌Γ

)Γr,t + 𝑒Γ......(L.138)

휀u,𝑡 = 𝜌u

휀u,𝑡−1 + 𝑒u,𝑡

......(L.139)

휀χ,𝑡 = 𝜌χ휀χ,𝑡−1 + 𝑒

χ,𝑡 ......( L.140)

휀𝑛,𝑡 = 𝜌𝑛

휀𝑛,𝑡−1 + 𝑒𝑛,𝑡

......( L.141)

휀𝑡𝑏𝐻 = 𝜌 𝑏𝐻휀𝑡−1

𝑏𝐻 + 𝑒𝑡𝑏𝐻.....( L.142)

휀𝐵𝐸,𝑡 = 𝜌𝐵𝐸

휀𝐵𝐸,𝑡−1 + 𝑒𝐵𝐸,𝑡

.....( L.143)

휀𝜌,𝑡 = 𝜌𝜌

휀𝜌,𝑡−1 + 𝑒𝜌,𝑡

.....( L.144)

휀𝑖,𝑡 = 𝜌𝑖휀𝑖,𝑡−1 + 𝑒

𝑖,𝑡......( L.145)

휀𝑖𝜒,𝑡 = 𝜌𝑖𝜒

휀𝑖𝜒,𝑡−1 + 𝑒𝑖𝜒,𝑡

.....( L.146)

휀𝐾𝐵,𝑡 = 𝜌𝐾𝐵

휀𝐾𝐵,𝑡−1 + 𝑒𝐾𝐵,𝑡

......( L.147)

휀𝑑,𝑡 = 𝜌𝑑

휀𝑑,𝑡−1 + 𝑒𝑑,𝑡

.....( L.148)

𝑔𝑡 = 𝜌𝑔𝑔𝑡−1 + 𝑒𝑔𝑡…..(L.149)

𝑚𝑡𝐼 = 𝜌𝑚𝐼 𝑚𝑡−1

𝐼 + 𝑒𝑚𝑡𝐼......( L.150)

𝑟𝐵,𝑡∗ = 𝜌𝑟𝐵

∗ 𝑟𝐵,𝑡−1∗ + 𝑒𝑟𝐵,𝑡

∗ ....( L.151)

𝑦𝑡∗ = 𝜌𝑦∗ 𝑦𝑡−1

∗ + 𝑒𝑦𝑡∗......( L.152)

𝑃𝑡∗ = 𝜌𝑃∗ 𝑃𝑡−1

∗ + 𝑒𝑃𝑡∗.....( L.153)

��𝑡𝑎𝑟,𝑡 = 𝜌��𝑡𝑎𝑟��𝑡𝑎𝑟,𝑡−1 + 𝑒��𝑡𝑎𝑟,𝑡

.....( L.154)

A𝑡 = 𝜌𝐴A𝑡−1 + 𝑒A𝑡......( L.155)

𝑣𝑏,𝑡 = 𝜌𝑣𝑏𝑣𝑏,𝑡−1 + 𝑒𝑣𝑏,𝑡

.....( L.156)

57

𝑝𝑓,𝑡∗ = 𝜌𝑃𝑓

∗𝑝𝑓,𝑡−1∗ + 𝑒𝑃𝐹,𝑡

∗ .....( L.157)

𝑝𝐻,𝑡∗ = 𝜌𝑃𝐻

∗ 𝑝𝐻,𝑡−1∗ + 𝑒𝑃𝐻,𝑡

∗ ......( L.158)

𝜋𝑡 = 𝑝𝑡 − 𝑝𝑡−1.....( L.159)

𝜋4,𝑡 = 𝑝𝑡 − 𝑝𝑡−4.....( L.160)

𝜋𝑡∗ = 𝑝𝑡

∗ − 𝑝𝑡−1∗ ……(L.161)

𝑙𝑑𝑟𝑡 = 𝑏𝑡 − 𝑑𝑡…..(L.162)

𝑐𝑎𝑟𝑡 = 𝐾𝑡𝑏 − 𝜔𝑏𝑡𝑜𝑡 − 𝑏𝑡…..(L.163)

(𝑖𝑥,𝑡 + 𝑖𝑘,𝑡)𝑖𝑡𝑜𝑡,𝑡 = 𝜒𝑡𝑖𝑥,𝑡 + 𝑘𝑡𝑖𝑘,𝑡……(L.164)

Prior – Posterior

58

59