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

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