Obligasi Negara Ritel (ORI) 009

-

Pemerintah kembali mengeluarkan Obligasi Negara Ritel (ORI) 009 dengan masa penawaran berlangsung mulai 21 September sampai dengan 5 Oktober 2012. ORI 009 mempunyai kupon (bunga) sebesar 6.25% yang artinya lebh tinggi 0.5% dari BI rate yaitu sebesar 5.75%. Jika dibandingkan dengan bunga deposito atau tabungan yang diberikan oleh bank, paling tinggi 5.75% (sesuai dengan ketentuan LPS), maka bunga ORI lebih tinggi dan bersifat tetap karena tidak terpengaruh oleh fluktuasi pasar. Dari segi keamanan,  investor tidak perlu khawatir karena pokok dan bunga telah dijamin oleh Undang-Undang No. 24 tahun 2002 tentang Surat Utang Negara dan Peraturan Menteri Keuangan No.36/PMK.06/2006 tentang Penjualan Obligasi Negara Ritel di Pasar Perdanan.
ORI 009 minimum pemesanan Rp 5 juta dan kelipatan Rp 5 juta, serta maksimum pemesanan Rp 3 miliar. Minimum holding periode satu masa pembayaran kupon pertama 10 Oktober-15 November 2012. Penerbitan ORI 009, selain bertujuan untuk memenuhi kebutuhan pembiayaan APBNP 2012 adalah untuk channel untuk pembiayaan dengan diversifikasi utang jadi sumber pendaanaan utang pemerintah tidaklah terkelompok dalam satu kota, baik wilayah maupun jenis dari instrumen pembiyaan utang. 

Oleh karena itu, agen penjual ORI akan melakukan kegiatan marketing di 28 kota di seluruh Indonesia termasuk Indonesia Tengah dan Timur seperti Biak, Kupang, Kendari, Ternate, Gorontalo, Sorong, dan Ambon. Selain itu untuk mempermudah cara pembelian Pemerintah telah menunjuk 22 agen penjual ORI009 yang terdiri dari 17 bank dan 5 perusahaan sekuritas, yaitu Bank Rakyat Indonesia (BRI), Citibank NA, Bank ANZ Indonesia, Bank Bukopin, BCA, Bank CIMB Niaga, Bank Danamon, BII, Bank Mandiri, BNI, Bank OCBC NISP, Bank Panin, BPD Jabar dan Banten, Bank Permata, Bank UOB Indonesia, Standard Chartered Bank, HSBC, Danareksa Sekuritas, Mega Capital Indonesia, Reliance Securities, Trimegah Securities dan Valbury Asia Securities.

Komentar

Posting Komentar

Postingan populer dari blog ini

Random Effect Model (REM)

-
W alaupun FEM atau LSDV mudah untuk diaplikasikan, tidak dapat dipungkiri penerapannya akan menimbulkan konsekuensi ( trade off ) yang mungkin cukup mahal. Penambahan dummy variables ke dalam model dapat mengurangi banyaknya derajat kebebasan ( degree of freedom ) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Menurut Gujarati (2003), jika dummy variables adalah untuk merepresentasikan ketidaktahuan tentang model yang sebenarnya, maka kita dapat menggunakan disturbance term untuk merepresentasikan ketidaktahuan tentang model yang sebenarnya. Hal ini dikenal sebagai model efek acak ( random effect model atau REM ).
Baca selengkapnya

Linear Probability Model (LPM), Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)

-
Gambar
Model dengan variabel dependen yang bersifat diskrit, maka estimasi dengan menggunakan regresi liner akan terasa dipaksakan, karena estimator yang dihasilkan tidak lagi bersifat BLUE (Best Linier Unbiased Estimator). Hal ini disebabkan: varian error-nya tidak terdistribusi normal, estimator tidak efisien akibat heteroskedastis, dan R² tidak dapat digunakan sebagai pengukur Goodness of Fit.   Oleh karenanya, untuk menghasilkan estimator persamaan yang BLUE, penelitian ini menggunakan q ualitative response regression model. Terdapat tiga pendekatan untuk mengembangkan model yang menjelaskan model regresi binary response yaitu:  Linear Probability Model (LPM)  Logit Model  Probit Model (Normit Model)  Jika dilihat secara grafik perbedaan antara jasil estimasi menggunakan Linear dan Logistik (Probit dan Logit) terhadap model dengan variabel dependen yang bersifat diskrit, maka dapat dilihat seperti berikut:
Baca selengkapnya

Fixed Effect (FEM)

-
Gujarati (2003) menjelaskan kesulitan terbesar dalam pendekatan metode kuadrat terkecil biasa tersebut adalah asumsi konstanta dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Satu cara untuk memperhatikan “keunikan” unit cross-section atau unit time-series adalah dengan memasukkan variabel boneka ( dummy variable ) untuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda, baik lintas unit cross-section maupun antar unit waktu. Pendekatan yang paling sering dilakukan adalah dengan mengizinkan intercept bervariasi antar unit cross-section namun tetap mengasumsikan bahwa slope koefisien adalah konstan antar unit cross-section . Pendekatan ini dimana slope coefficents constant tetapi memiliki intercept yang berbeda-beda di setiap individu, dalam literatur dikenal dengan sebutan model efek tetap ( fixed effect model atau FEM ).
Baca selengkapnya