Penurunan BI Repo Rate Diragukan Berdampak Besar ke Perekonomian

-
Sumber: Sindonews
JAKARTA - Keputusan Bank Indonesia (BI) menurunkan BI 7 Days Repo Rate menjadi 5%, setelah sebelumnya ditahan di angka 5,25%, menurut Ekonom Indef Eko Listiyanto merupakan hal yang wajar. Dia menerangkan faktor pendorong penurunan BI Repo Rate terutama karena inflasi yang terkendali dan nilai tukar yang cukup stabil.

"Namun, daya dorong bagi pertumbuhan ekonomi seiring penurunan BI 7 Days Repo sebesar 25 bps ini belum akan berdampak cukup besar bagi perekonomian," kata dia di Jakarta. 

Lanjut dia menerangkan alasannya karena pada semester II tahun 2016, terutama sektor riil menghadapi tantangan dari sisi terbatasnya peningkatan permintaan. Sehingga menurutnya perbankan sengaja menurunkan penyaluran kredit mengikuti siklus ekonomi yang sedang menurun.
Dia menambahkan dampak bunga acuan yang baru ini kemungkinan belum cukup efektif mempengaruhi suku bunga perbankan. Maka BI perlu lebih fokus agar  BI 7 Days Repo dapat menjadi suku bunga acuan yang efektif dalam mempengaruhi suku bunga perbankan.

Sementara itu Ekonom BRI Akbar Suwardi menuturkan, ini merupakan sinyal yang baik dai bank sentral. Diharapkan dapat meningkatkan demand masyarakat, menaikan ekspektasi bahwa ekonomi kedepan lebih ekspansif sehingga dapat meningkatkan kredit dan akhirnya dapat mendorong perekonomian.

"Mengingat saat ini yang digunakan oleh BI adalah 7 Days Repo Rate yang mana tujuannya untuk dapat dengan cepat dirasakan oleh market. Seharusnya 2 hingga 3 bulan sudah dapat dirasakan," tambah dia.



http://ekbis.sindonews.com/read/1141484/33/penurunan-bi-repo-rate-diragukan-berdampak-besar-ke-perekonomian-1474546929

Komentar

Posting Komentar

Postingan populer dari blog ini

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

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

Ordinary Least Square (OLS) dengan STATA (2011)

-
Gambar
Pengantar Regresi linear adalah teknik statistika yang memberikan pendugaan dari kemiringan suatu garis lurus (linear) dan posisi dimana garis tersebut memotong sumbu y, berdasarkan sejumlah informasi mengenai hubungan antar variabel. Memberikan pendugaan nilai a dan b, berdasarkan sejumlah informasi mengenai x dan y, pada persamaan berikut: y=a+b.x  x disebut variabel independent, karena nilainya tidak tergantung variabel lain. y disebut variabel dependent, karena nilainya tergantung nilai x. a dan b disebut parameter, a adalah intercept dan b adalah slope. Regresi linear sederhana, apabila variabel dependent hanya ditentukan oleh satu variabel independent. Contohnya: y = a + b.x + e. Sedangkan Jika Regresi Linear berganda, apabila variabel dependent ditentukan oleh lebih dari satu variabel independent. Contohnya: y = a + b1.x1 + b2.x2 + …. + bn.xn + e. Dimana, e = error term = perbedaan antara y aktual dengan y hasil estimasi garis regresi. Metode yang digunakan untuk menge
Baca selengkapnya