PREDIKSI PERTUMBUHAN PERBANKAN SYARIAH DI INDONESIA TAHUN 2022

  • Rudy Widodo Otoritas Jasa Keuangan
  • Galih Adhidharma Otoritas Jasa Keuangan
  • M. Arna Ramadhan Buka Data Indonesia
Keywords: Perbankan Syariah, Asset, Pembiayaan, Dana Pihak Ketiga, Forecasting

Abstract

Penelitian ini bertujuan untuk memprediksi pertumbuhan perbankan syariah tahun 2022 di Indonesia yang dilihat dari aspek aset, pembiayaan, dan dana pihak ketiga. Data yang digunakan pada penelitian ini yaitu data aset, pembiayaan, dan dana pihak ketiga perbankan syariah periode Januari 2011  sampai dengan September 2021. Variabel penyerta yang digunakan untuk memprediksi pertumbuhan perbankan syariah adalah Return on Asset (ROA), Not Perfoming Financing (NPF), inflasi, BI rate, Indesk Harga Saham Gabungan (IHSG), dan Gross Domestic Product (GDP). Analisis data menggunakan metode forecasting ARIMA (Autoregressive Integrated Moving Average), ARIMAX (Autoregressive Integrated Moving Average with Explanatory Variables), dan VAR (Vector Autoregressive). Hasil penelitian menunjukkan bahwa aset, pembiayaan, dan dana pihak ketiga perbankan syariah tahun 2022 tetap akan mengalami pertumbuhan yang positif dimana besaran aset perbankan syariah diprediksi mencapai 694 hingga 734 triliun rupiah. Pertumbuhan pembiayaan mencapai 452 hingga 470 triliun rupiah dan pertumbuhan dana pihak ketiga mencapai 549 sampai dengan 575 triliun rupiah.

Downloads

Download data is not yet available.

References

Aryani, Sri., Aidi, Muhammad Nur., & Syafitri, Utami Dyah. 2018. Analysis of The Profitability of Islamic Banking Using Arimax Model and Regression with Arima Error Model. International Journal of Scientific Research in Science, Engineering and Technology, 4(8), p. 49-53.

Beik, Irfan Sqauqy., & Aprianti, Winda Nur. 2013. Analisis Faktor-Faktor yang Mempengaruhi Pembiayaan Bank Syariah Untuk Sektor Pertanian di Indonesia. Jurnal Agro Ekonomi, 31(1), p. 19-36.

Boneva, Lena., de Roure, Calebe., & Morley, Ben. 2018. The Impact of The Bank of England’s Corporate Bond Purchase Scheme on Yields Spreads. Bank of England Staff Working Paper No. 719, p. 1-13.

Box, George., and Jenkins, Gwilym. 1976. Time Series Analysis: Forecasting and Control. Holden-Day. San Fransisco.

Chen, Sophia., & Ranciere, Romain. 2016. Financial Information and Macroeconomic Forecasts. IMF Working Paper No. 16/251, p. 1-10.

Hassine, Mustapha Ben., & Limani, Ratiba. 2014. The Impact of Bank Characteristics on the Efficiency: Evidence from MENA Islamic Banks. Journal of Applied Finance and Banking, 4(3), p. 237-253.

Hendry, David F., and Clements, Michael P. 2003. Economic Forecasting: Some Lessons from Recent Research. Economic Modelling, 20(2), p. 301-329

Jorda, Oscar., Singh, Sanjay R., & Taylor, Alan M. 2022. Longer-Run Economic Consequences of Pandemics. The Review of Economics and Statistics, 104(1), p. 166–175.

Karim, Adiwarman A. 2011. Bank Islam: Analisis Fiqih dan Keuangan. Rajawali Pers. Jakarta.

Meza, Felipe. 2020. Forecasting the Impact of the COVID-19 Shock on the Mexican Economy. ITAM Centro Interdisciplinario COVID-19, p. 210-225.

Muandari, Ira Reszita. 2015. Prediksi Perkembangan Aset, Dana Pihak Ketiga, Pembiayaan, dan Laba Operasional Perbankan Syariah dengan Metode ARIMA. Skripsi. Sekolah Tinggi Ilmu Ekonomi Perbanas Surabaya.

Niu, Dong-Xiao., Lu, Jian-Chang., and Jia, Zheng-Yuan. 2004. A study of short-term load forecasting based on ARIMA-ANN. Proceeding of 2004 International Conference on Machine Learning and Cybernetics (IEEE Cat No. 04EX826).

Novianto, Abdullah Syakur. dan Hadwidjojo, Djumilah. 2013. Analisis Faktor-faktor yang Mempengaruhi Penghimpunan Deposito Mudharabah Perbankan Syariah di Indonesia. Jurnal Aplikasi Manajemen, 2(4), p. 595-604.

Onour, Ibrahim., & Abdalla, Abdelgadir. 2011. Scale and Technical Efficiency of Islamic Banks in Sudan: Data Envelopment Analysis. MPRA Paper No. 29885, p. 1-20.

Osborn, Denise R., & Sensier, Marianne. 2002. The Prediction of Business Cycle Phases: Financial Variables and International Linkages. National Institute Economic Review, 182(1), p. 96-105.

Permatasari, Ratna Achdiati. 2015. Pemodelan Regresi Time Series dan ARIMAX dengan Variasi Kalender untuk Perkiraan Arus Uang Kartal di Bank Indonesia Surabaya. Skripsi. Institut Teknologi Sepuluh Nopember.

Sukmana, Raditya., & Kuswanto, Heri. 2015. Assessment on The Islamic Banking Market Share Projection by Bank Indonesia and Proposed Methods. Journal of Islamic Monetary Economics and Finance, 1(1), p. 107-133.

Syahputra, Choirul Takdir. 2016. Peramalan Perkembangan Rasio Likuiditas PT. Bank Syariah Mandiri dengan Menggunakan Metode ARIMA Box-Jenkins. Diploma Thesis. Institut Teknologi Sepuluh Nopember.

Syarif, Ahmad. 2020. Forecasting The Development of Islamic Banks in Indonesia: Adopting ARIMA Model. JTAM (Jurnal Teori dan Aplikasi Matematika), 4(2), p. 190-203.

Verbeek, Marno. 2008. Guide to Modern Econometrics, Third Edition. John Wiley and Sons. England.

Zaher, Tarek S., & Hasan, M. Kabir. 2001. A Comparative Literature Survey of Islamic Finance and Banking. Financial Markets Institutions and Finance, 10(4), p. 155-199.

Zhang, Yaojie., Ma, Feng., and Liao, Yin. 2020. Forecasting global equity market volatilities. International Journal of Forecasting Elsevier, 36(4), p. 1306-1307.

Published
2022-02-05
Abstract viewed = 1046 times
PDF downloaded = 836 times