Dr. Dudi Duta Akbar

Modeling 7 Langkah Bank Indonesia untuk Stabilitas Rupiah dalam Kerangka New Monetary Trinity

—

by

dudidutaakbar@gmail.com
in ,
Modeling Working Paper | 7 Langkah BI, Stabilitas Rupiah, dan New Monetary Trinity
Modeling-Dominant Working Paper · Premium HTML

Modeling 7 Langkah Bank Indonesia untuk Stabilitas Rupiah dalam Kerangka New Monetary Trinity

Draft ini memperkuat versi sebelumnya dengan pendekatan modeling yang dominan: indeks tekanan Rupiah, indeks policy mix, event-study, ARDL/ECM, threshold regime, BVECM, TVP-VECM, GARCH-volatility, serta simulator parameter untuk membaca trade-off stabilitas harga, sistem keuangan, dan fiskal.

Core model: \(GSI_t \rightarrow PMI_t \rightarrow RPI_t \rightarrow NMT_t\) Instrumen: BI-Rate · SRBI · DNDF/NDF · SBN · Likuiditas · Pengawasan Valas Outcome: Rupiah · Inflasi · SBN · IHSG · Kredit · Fiskal Counter narrative explicitly modeled

Abstract

Artikel ini merancang kerangka modeling untuk mengevaluasi 7 langkah Bank Indonesia dalam menstabilkan Rupiah di tengah ketidakpastian global. Berbeda dari pendekatan deskriptif yang hanya menarasikan intervensi kebijakan, working paper ini memformalkan hubungan antara global stress, intensitas bauran kebijakan, tekanan Rupiah, stabilitas pasar keuangan, dan pencapaian New Monetary Trinity. Kerangka utama disusun melalui tiga indeks: Global Stress Index \((GSI_t)\), Policy Mix Intensity Index \((PMI_t)\), dan New Monetary Trinity Score \((NMT_t)\). Selanjutnya, model empiris dirancang dalam empat lapis: hubungan jangka pendek-panjang, threshold regime ketika tekanan melewati ambang tertentu, validasi Bayesian, dan parameter yang berubah sepanjang waktu.

Fokus utama model adalah menguji apakah 7 langkah BI mampu menurunkan depresiasi dan volatilitas Rupiah tanpa mengorbankan kredit, fungsi pasar SBN, dan keberlanjutan fiskal. Kontra-narasi dimasukkan sebagai pembatas model: intervensi valas dapat menguras cadangan devisa; SRBI dapat menarik hot money; pembelian SBN dapat menimbulkan persepsi fiscal dominance; pengetatan suku bunga dapat menekan pertumbuhan; dan pembatasan transaksi dolar dapat mendistorsi pasar. Dengan demikian, artikel ini membangun desain riset yang tidak hanya pro-stability, tetapi juga empiris, kritis, dan dapat diuji.

Rupiah Pressure Index Policy Mix Index Threshold VECM BVECM TVP-VECM New Monetary Trinity

1. Notation and Variable System

Model dimulai dari sistem variabel makro-keuangan Indonesia. Tujuannya adalah membaca kebijakan BI bukan sebagai satu instrumen, tetapi sebagai sistem respons yang bekerja melalui kurs, pasar uang, SBN, likuiditas, dan ekspektasi.

Simbol Definisi Transformasi Peran
\(s_t\) Log nilai tukar USD/IDR, berbasis JISDOR atau kurs referensi \(s_t=\ln(USDIDR_t)\) Dependent variable utama
\(\Delta s_t\) Return/depresiasi Rupiah \(100(s_t-s_{t-1})\) Tekanan harian/bulanan Rupiah
\(\sigma^s_t\) Volatilitas Rupiah Rolling SD atau GARCH Stabilitas nilai tukar
\(i_t\) BI-Rate / policy rate Level atau perubahan Anchor suku bunga
\(srbi_t\) Yield, volume, dan outstanding SRBI Standardized index Daya tarik aset Rupiah
\(dndf_t\) Volume/rate DNDF atau dummy operasi valas Standardized index Stabilisasi ekspektasi kurs
\(sbn_t\) Yield SBN 10Y, spread SBN-UST, ownership SBN Level/spread Stabilitas pasar obligasi dan fiskal
\(liq_t\) M0, M2, INDONIA, AL/NCD, kredit, likuiditas bank Growth atau ratio Intermediasi dan pro-growth buffer
\(g_t\) DXY, UST 10Y, Brent, VIX, GPR/WUI Standardized global shock Kontrol tekanan eksternal
Vector System
\[ Y_t = \begin{bmatrix} \Delta s_t,\ \sigma^s_t,\ \Delta y^{SBN}_t,\ \Delta IHSG_t,\ \pi_t,\ \Delta kredit_t,\ \Delta pdb_t \end{bmatrix}’ \]
Sistem ini memungkinkan efek kebijakan dibaca lintas pasar: kurs, volatilitas, SBN, saham, inflasi, kredit, dan output.

2. Identification Logic

Identifikasi utama artikel ini adalah moderation and transmission logic. Ketidakpastian global menaikkan tekanan Rupiah. Bauran kebijakan BI diharapkan memoderasi tekanan tersebut. Selanjutnya stabilitas Rupiah dan pasar SBN diharapkan menjaga stabilitas harga, sistem keuangan, dan fiskal.

A

Shock equation

Global shock membentuk tekanan awal terhadap Rupiah melalui dolar global, yield AS, minyak, dan risk aversion.

\[ GSI_t = f(DXY_t, UST_t, Brent_t, VIX_t, GPR_t) \]
B

Policy reaction

BI merespons dengan paket kebijakan. Intensitas paket diringkas dalam indeks policy mix.

\[ PMI_t = f(i_t, SRBI_t, DNDF_t, SBN_t, LIQ_t, SUP_t) \]
C

Outcome equation

Efektivitas diuji melalui Rupiah, SBN, inflasi, kredit, dan skor New Monetary Trinity.

\[ NMT_t = f(Price_t, Financial_t, Fiscal_t) \]
Identification claim: Kebijakan berhasil apabila \(PMI_t\) menurunkan tekanan Rupiah \((RPI_t)\), menstabilkan SBN dan pasar keuangan, serta tidak menekan kredit/output secara berlebihan.

3. Index Construction

Karena 7 langkah BI terdiri dari banyak instrumen, working paper ini memerlukan indeks untuk menyatukan sinyal kebijakan. Indeks disusun melalui standardisasi, pembobotan, dan/atau principal component analysis.

3.1 Standardization

Z-score Transformation
\[ z(x_t)=\frac{x_t-\mu_x}{\sigma_x} \]
Semua variabel yang memiliki satuan berbeda diubah ke skala bersama. Untuk variabel yang semakin tinggi berarti semakin stabil, tanda dapat dibalik agar konsisten.

3.2 Global Stress Index

Global Stress Index \(GSI_t\)
\[ GSI_t = \omega_1 z(DXY_t) +\omega_2 z(UST10Y_t) +\omega_3 z(Brent_t) +\omega_4 z(VIX_t) +\omega_5 z(GPR_t) \]
Nilai \(GSI_t\) yang tinggi menunjukkan tekanan global besar: dolar kuat, yield AS tinggi, harga energi naik, volatilitas pasar meningkat, atau risiko geopolitik memburuk.

3.3 Policy Mix Intensity Index

Policy Mix Intensity \(PMI_t\)
\[ \begin{aligned} PMI_t =\;& \lambda_1 z(\Delta i_t) +\lambda_2 z(SRBIrate_t) +\lambda_3 z(SRBIvol_t) +\lambda_4 z(DNDF_t)\\ &+\lambda_5 z(SBNpurchase_t) +\lambda_6 z(LIQ_t) +\lambda_7 z(SUP_t) \end{aligned} \]
\(SUP_t\) adalah supervisory/administrative support: pengawasan pembelian valas, pembatasan transaksi dolar tanpa underlying, LCT/DHE, dan koordinasi OJK/KSSK.

3.4 Rupiah Pressure Index

Rupiah Pressure Index \(RPI_t\)
\[ RPI_t = \rho_1 z(\Delta s_t) +\rho_2 z(\sigma^s_t) +\rho_3 z(Spread^{SBN-UST}_t) -\rho_4 z(Reserves_t) -\rho_5 z(NetFlow_t) \]
Indeks ini naik ketika Rupiah melemah, volatilitas meningkat, spread SBN melebar, cadangan devisa turun, dan arus modal keluar meningkat.

3.5 New Monetary Trinity Score

New Monetary Trinity Composite
\[ NMT_t = \theta_P PriceStability_t +\theta_F FinancialStability_t +\theta_S FiscalSustainability_t \] \[ PriceStability_t = -\left| \pi_t-\pi^* \right| – \kappa_1 \sigma^s_t \] \[ FinancialStability_t = -\kappa_2 \sigma^{IHSG}_t -\kappa_3 Spread^{SBN-UST}_t +\kappa_4 CreditGrowth_t -\kappa_5 NPL_t \] \[ FiscalSustainability_t = -\kappa_6 Yield^{SBN10Y}_t -\kappa_7 DebtService_t -\kappa_8 Deficit_t \]
Skor tinggi menunjukkan inflasi dekat sasaran, pasar keuangan stabil, kredit tetap berjalan, yield SBN terkendali, dan ruang fiskal tidak tertekan.

4. Core Econometric Models

Model disusun berlapis. Setiap model menjawab fungsi berbeda: event study menangkap reaksi cepat; ARDL/ECM membaca hubungan jangka pendek-panjang; threshold model membaca rezim tekanan; GARCH membaca volatilitas; dan model sistem membaca transmisi antarvariabel.

4.1 Event-Study Model: Reaksi Cepat terhadap Pengumuman 7 Langkah BI

Abnormal Change Around Policy Event
\[ AR_{\tau}^{FX} = \Delta s_{\tau} – E(\Delta s_{\tau}\mid GSI_{\tau},Z_{\tau}) \] \[ CAR_{[\tau_1,\tau_2]}^{FX} = \sum_{\tau=\tau_1}^{\tau_2} AR_{\tau}^{FX} \]
Jendela peristiwa dapat disusun \([-10,+10]\), \([-5,+5]\), atau \([-3,+3]\) hari dari pengumuman kebijakan. Jika \(CAR^{FX}<0\), Rupiah menguat relatif terhadap ekspektasi model.

4.2 Rupiah Pressure Regression with Interaction

Moderation Model
\[ RPI_t = \alpha_0+\alpha_1GSI_t-\alpha_2PMI_t+\alpha_3(GSI_t\times PMI_t)+\alpha_4X_t+\varepsilon_t \]
Hipotesis utama: \(\alpha_1>0\), \(\alpha_2>0\), dan \(\alpha_3<0\). Artinya tekanan global menaikkan tekanan Rupiah, tetapi policy mix menurunkan dampak negatif global shock.

4.3 ARDL/ECM: Hubungan Jangka Pendek dan Jangka Panjang

ARDL(p,q) Baseline
\[ y_t = c_0+\sum_{i=1}^{p}\phi_i y_{t-i} +\sum_{j=0}^{q}\beta_j X_{t-j}+u_t \] \[ \Delta y_t = c_1+\lambda ECT_{t-1} +\sum_{i=1}^{p-1}\psi_i \Delta y_{t-i} +\sum_{j=0}^{q-1}\gamma_j \Delta X_{t-j} +u_t \] \[ ECT_{t-1}=y_{t-1}-\vartheta’X_{t-1} \]
\(y_t\) dapat berupa \(RPI_t\), \(\Delta s_t\), yield SBN, atau \(NMT_t\). \(\lambda<0\) menunjukkan sistem kembali ke keseimbangan jangka panjang.

4.4 GARCH Volatility Model: Apakah 7 Langkah BI Menurunkan Volatilitas Rupiah?

GARCH-X with Policy Mix
\[ \Delta s_t = \mu + \beta_1GSI_t-\beta_2PMI_t+\varepsilon_t,\quad \varepsilon_t\sim N(0,h_t) \] \[ h_t=\omega+\alpha\varepsilon_{t-1}^{2}+\beta h_{t-1} -\delta PMI_t+\chi GSI_t \]
Jika \(\delta>0\) dalam bentuk \(-\delta PMI_t\), policy mix menurunkan conditional volatility Rupiah.

4.5 Threshold/TVECM: Rezim Normal vs Rezim Tekanan

Threshold Error-Correction Model
\[ \Delta Y_t = \begin{cases} c_1+\Pi_1 ECT_{t-1}+\sum_{k=1}^{p}\Gamma_{1k}\Delta Y_{t-k}+B_1X_t+e_{1t}, & q_{t-d}\le \tau \\ c_2+\Pi_2 ECT_{t-1}+\sum_{k=1}^{p}\Gamma_{2k}\Delta Y_{t-k}+B_2X_t+e_{2t}, & q_{t-d}>\tau \end{cases} \] \[ q_{t-d}\in\{RPI_{t-d},\ ECT_{t-d},\ \sigma^s_{t-d},\ Spread^{SBN-UST}_{t-d}\} \]
Model ini menguji apakah 7 langkah BI lebih efektif ketika tekanan Rupiah melewati ambang tertentu. Dalam konteks disertasi, pendekatan ini sejalan dengan argumen bahwa transmisi kebijakan bersifat state-dependent.

4.6 Structural Policy Reaction Function

Policy Reaction Function
\[ PMI_t = \eta_0+\eta_1RPI_{t-1}+\eta_2(\pi_t-\pi^*)+\eta_3OutputGap_t +\eta_4Spread^{SBN-UST}_t+\eta_5GSI_t+\nu_t \]
Persamaan ini menilai apakah respons BI bersifat pre-emptive dan forward-looking. \(\eta_1,\eta_4,\eta_5>0\) menunjukkan respons meningkat ketika tekanan Rupiah, SBN, dan global stress naik.

5. Bayesian, BVECM, and Time-Varying Parameter Models

Bagian ini memperkuat model agar tidak hanya mengandalkan estimasi klasik. Bayesian framework digunakan untuk robustitas ketika sampel terbatas, sedangkan TVP digunakan untuk membaca perubahan efektivitas kebijakan dari waktu ke waktu.

5.1 BVECM for Robustness

Bayesian Vector Error Correction Model
\[ \Delta Y_t = \alpha\beta’Y_{t-1} +\sum_{i=1}^{p-1}\Gamma_i\Delta Y_{t-i} +\Psi X_t+\varepsilon_t,\quad \varepsilon_t\sim N(0,\Sigma) \] \[ \beta’Y_{t-1}=ECT_{t-1} \] \[ p(\Theta,\Sigma\mid Y)\propto L(Y\mid \Theta,\Sigma)p(\Theta,\Sigma) \]
\(\alpha\) mengukur kecepatan koreksi menuju keseimbangan; \(\beta\) menunjukkan hubungan kointegrasi; posterior digunakan untuk melihat ketidakpastian estimasi.

5.2 Minnesota Prior / Shrinkage

Prior Structure
\[ \theta_j \sim N(\theta_{0j},\Omega_j) \] \[ \Omega_{ij}= \begin{cases} \dfrac{\lambda_1^2}{l^{2\lambda_3}}, & i=j\\[6pt] \dfrac{\lambda_1^2\lambda_2^2\sigma_i^2}{l^{2\lambda_3}\sigma_j^2}, & i\neq j \end{cases} \]
Shrinkage berguna untuk mencegah overfitting ketika variabel banyak tetapi observasi terbatas, misalnya pada data bulanan/triwulanan 2026.

5.3 TVP-VECM: Efektivitas Berubah Sepanjang Waktu

State-Space Representation
\[ \Delta Y_t = A_t Z_t+\varepsilon_t,\quad \varepsilon_t\sim N(0,\Sigma_t) \] \[ A_t=A_{t-1}+u_t,\quad u_t\sim N(0,Q) \] \[ \Sigma_t = B_t^{-1}H_t(B_t^{-1})’ \]
\(A_t\) menangkap perubahan koefisien transmisi 7 langkah BI. Jika koefisien \(PMI_t\) terhadap \(RPI_t\) makin negatif saat krisis, efektivitas kebijakan meningkat pada rezim tekanan.

5.4 Time-Varying Impulse Response

TVP-IRF
\[ IRF_{t,h}^{PMI\rightarrow RPI} = \frac{\partial RPI_{t+h}}{\partial \varepsilon^{PMI}_t} \] \[ IRF_{t,h}^{PMI\rightarrow NMT} = \frac{\partial NMT_{t+h}}{\partial \varepsilon^{PMI}_t} \]
IRF digunakan untuk membandingkan apakah policy mix lebih kuat pada fase tekanan global tinggi dibanding periode normal.

6. Testable Hypotheses and Expected Signs

Hipotesis Persamaan uji Ekspektasi tanda Makna kebijakan
H1: Global stress menekan Rupiah \(RPI_t=\alpha_0+\alpha_1GSI_t+\cdots\) \(\alpha_1>0\) Ketidakpastian global meningkatkan depresiasi/volatilitas Rupiah.
H2: Policy mix meredam tekanan Rupiah \(RPI_t=\cdots-\alpha_2PMI_t\) \(\alpha_2>0\) 7 langkah BI menurunkan tekanan setelah kontrol global shock.
H3: Policy mix memoderasi global shock \(RPI_t=\cdots+\alpha_3(GSI_t\times PMI_t)\) \(\alpha_3<0\) Policy mix mengurangi dampak buruk global stress.
H4: SRBI menekan outflow pressure \(NetFlow_t=\gamma_0+\gamma_1SRBI_t+\cdots\) \(\gamma_1>0\) SRBI menarik/menahan portfolio flow menuju aset Rupiah.
H5: SBN stabilization menurunkan yield pressure \(\Delta Yield^{SBN}_t=\delta_0-\delta_1SBNsupport_t+\cdots\) \(\delta_1>0\) Dukungan pasar sekunder menjaga fungsi pasar obligasi.
H6: Likuiditas menjaga pertumbuhan \(\Delta Kredit_t=\zeta_0+\zeta_1LIQ_t-\zeta_2RPI_t+\cdots\) \(\zeta_1>0\) Stabilisasi Rupiah tidak harus mengorbankan intermediasi.
H7: Efektivitas bersifat rezim-spesifik \(\Pi_1 \neq \Pi_2\) Koefisien berbeda antar rezim Policy mix lebih kuat saat tekanan melewati threshold.
H8: Policy mix meningkatkan NMT \(NMT_t=\omega_0+\omega_1PMI_t-\omega_2GSI_t+\cdots\) \(\omega_1>0,\omega_2<0\) 7 langkah BI memperkuat stabilitas harga, sistem keuangan, dan fiskal.

7. Interactive Modeling Simulators

Simulator ini dibuat untuk memperjelas logika model. Angka default bersifat ilustratif dan harus diganti data aktual saat estimasi.

Simulator 1 — Global Stress, Policy Mix, dan Rupiah Pressure

Simulated \(RPI_t=\alpha_1GSI_t-\alpha_2PMI_t+\alpha_3GSI_tPMI_t\)
49
Tekanan Rupiah sedang. Policy mix masih memoderasi tekanan global.

Simulator 2 — ARDL/ECM Adjustment Speed

Simulated \(\Delta RPI_t=\lambda ECT_{t-1}-\gamma \Delta PMI_t+\psi \Delta GSI_t\)
-14
Koreksi jangka panjang menurunkan tekanan Rupiah.

Simulator 3 — Threshold Regime and Policy Effectiveness

Regime-specific response
Crisis
Rezim tekanan. Koefisien policy mix diasumsikan lebih kuat, tetapi biaya stabilisasi juga lebih besar.

Simulator 4 — New Monetary Trinity Score

86
Price Stability
65
Financial Stability
61
Fiscal Sustainability
71
NMT Composite

Skor dinormalisasi 0–100. Semakin tinggi semakin stabil. Formula ini dapat dikalibrasi ulang dengan bobot empiris/PCA.

8. Model-Based Results and Discussion

Bagian ini tidak menyajikan klaim hasil final, tetapi hasil yang ditargetkan dari desain model. Narasi hasil harus mengikuti tanda koefisien, signifikansi, dan stabilitas parameter.

Result Block 1 — Global shock and Rupiah pressure

Jika \(\alpha_1>0\), maka kenaikan \(GSI_t\) meningkatkan \(RPI_t\). Ini berarti tekanan Rupiah terutama dipicu oleh faktor eksternal.

\[ \frac{\partial RPI_t}{\partial GSI_t}=\alpha_1+\alpha_3PMI_t \]

Efek marginal global shock harus turun ketika \(PMI_t\) meningkat.

Result Block 2 — Policy mix as shock absorber

Jika \(\alpha_2>0\) dan \(\alpha_3<0\), 7 langkah BI berfungsi sebagai shock absorber terhadap tekanan global.

\[ \frac{\partial RPI_t}{\partial PMI_t}= -\alpha_2+\alpha_3GSI_t \]

Semakin tinggi tekanan global, efek policy mix idealnya semakin kuat.

Result Block 3 — SRBI and portfolio channel

SRBI efektif jika memperbaiki net flow dan menurunkan volatility, bukan hanya menaikkan yield attraction.

\[ NetFlow_t=\gamma_0+\gamma_1SRBI_t-\gamma_2VIX_t+\gamma_3Spread_t+\epsilon_t \]

Koefisien \(\gamma_1>0\) mendukung hipotesis SRBI sebagai kanal stabilisasi portofolio.

Result Block 4 — SBN and fiscal-financial nexus

SBN support efektif jika yield pressure turun tanpa menciptakan persepsi pembiayaan fiskal permanen.

\[ \Delta Yield^{SBN}_t=\delta_0-\delta_1SBNsupport_t+\delta_2UST_t+\delta_3RPI_t+\epsilon_t \]

Tanda \(-\delta_1\) menunjukkan dukungan SBN menurunkan tekanan yield.

Result Block 5 — Growth-preserving stabilization

Stabilisasi Rupiah tidak boleh mengorbankan kredit produktif. Maka likuiditas perlu menjadi variabel penyangga.

\[ \Delta Credit_t=\zeta_0+\zeta_1LIQ_t-\zeta_2i_t-\zeta_3RPI_t+\epsilon_t \]

Jika \(\zeta_1>0\), likuiditas membantu menjaga intermediasi saat stabilisasi berjalan.

Result Block 6 — New Monetary Trinity

Policy mix dinilai berhasil jika memperbaiki skor trinitas, bukan hanya menahan Rupiah.

\[ NMT_t=\omega_0+\omega_1PMI_t-\omega_2GSI_t-\omega_3RPI_t+\epsilon_t \]

Tanda \(\omega_1>0\) menunjukkan 7 langkah BI mendukung stabilitas harga, keuangan, dan fiskal.

Interpretasi utama: Jika hanya Rupiah menguat tetapi kredit melemah, yield SBN naik, atau skor fiskal turun, maka kebijakan belum sepenuhnya berhasil dalam kerangka New Monetary Trinity. Keberhasilan harus bersifat simultan, bukan parsial.

9. Counter Narratives as Formal Test Restrictions

Kontra-narasi tidak ditempatkan sebagai catatan samping, tetapi sebagai restriksi dan pengujian formal di dalam model.

Counter 1 — Intervensi valas menguras cadangan devisa
\[ FXEff_t=\frac{-\Delta RPI_t}{-\Delta Reserves_t} \]
Intervensi efisien jika penurunan tekanan Rupiah relatif lebih besar dibanding penurunan cadangan devisa. Jika \(FXEff_t\) rendah, kritik cadangan devisa menjadi kuat.
Counter 2 — SRBI hanya menarik hot money
\[ HotMoneyRisk_t = \varphi_1 ForeignSRBI_t+\varphi_2 ShortTenor_t+\varphi_3VIX_t-\varphi_4DomesticInvestorBase_t \]
SRBI sehat jika inflow asing tidak mendominasi tenor pendek dan tidak meningkatkan sensitivitas terhadap VIX.
Counter 3 — Kenaikan suku bunga menekan pertumbuhan
\[ GrowthCost_t = -\frac{\partial \Delta Credit_t}{\partial i_t} \quad;\quad StabilityBenefit_t = -\frac{\partial RPI_t}{\partial i_t} \]
Kenaikan suku bunga layak jika \(StabilityBenefit_t > GrowthCost_t\), atau jika biaya pertumbuhan dikompensasi oleh likuiditas dan makroprudensial.
Counter 4 — Pembelian SBN menciptakan fiscal dominance
\[ FDIndex_t = \xi_1 SBNpurchase_t+\xi_2 Deficit_t+\xi_3 DebtService_t-\xi_4 ExitCredibility_t \]
Risiko fiscal dominance rendah jika pembelian SBN bersifat temporer, transparan, berbasis stabilisasi pasar, dan disertai exit strategy.
Counter 5 — Pembatasan pembelian dolar mendistorsi pasar
\[ Distortion_t = \chi_1 BidAskSpread_t+\chi_2 ParallelPremium_t+\chi_3 FXTurnoverDrop_t \]
Pembatasan dapat diterima jika menekan transaksi spekulatif tanpa menaikkan bid-ask spread, tanpa menciptakan parallel premium, dan tanpa mengganggu transaksi dengan underlying.

10. Data Architecture

Blok Variabel Frekuensi Sumber utama Model terkait
Rupiah JISDOR, kurs spot, return, volatilitas Harian Bank Indonesia Event study, GARCH, RPI
Policy mix BI-Rate, SRBI rate/volume/outstanding, DNDF, operasi valas, SBN support, likuiditas Harian/Bulanan BI, RDG, operasi moneter PMI, ARDL/ECM, TVP
Pasar SBN Yield SBN 10Y, spread SBN-UST, foreign ownership, bid-ask/liquidity proxy Harian/Bulanan DJPPR, BI, IDX/IBPA SBN equation, NMT
Saham dan flow IHSG, foreign net buy/sell, portfolio flow Harian/Bulanan IDX, BI, OJK Financial stability
Makro domestik Inflasi, PDB, kredit, NPL, CAR, M2, cadangan devisa, REER Bulanan/Triwulanan BPS, BI, OJK, BIS NMT, ARDL, BVECM
Global shock DXY, UST 10Y, Brent, VIX, GPR/WUI Harian/Bulanan FRED, EIA, CBOE, Caldara-Iacoviello GSI, controls
Dataset minimum: harian untuk event study dan volatilitas; bulanan/triwulanan untuk ARDL/ECM, threshold, BVECM, dan TVP-VECM. Jika data intervensi spot tidak tersedia, gunakan proxy: perubahan cadangan devisa, DNDF volume, event dummy, dan perubahan JISDOR.

11. Conclusion: Modeling Contribution

Working paper ini menempatkan 7 langkah BI sebagai sistem kebijakan yang dapat diuji secara formal. Kontribusi modeling utamanya adalah menyatukan Global Stress Index, Policy Mix Intensity Index, Rupiah Pressure Index, dan New Monetary Trinity Score dalam satu rantai pengujian. Dengan struktur tersebut, penelitian tidak hanya menjawab apakah Rupiah menguat atau melemah, tetapi juga apakah stabilisasi Rupiah menghasilkan stabilitas yang sehat: inflasi terkendali, pasar keuangan solid, kredit tetap berjalan, dan fiskal tetap kredibel.

Secara konseptual, model ini melanjutkan kerangka disertasi tentang efektivitas kebijakan moneter Indonesia yang bersifat state-dependent dan time-varying. Secara empiris, model ini membuka ruang untuk menguji apakah 7 langkah BI adalah bentuk aktual dari New Monetary Trinity dalam menghadapi tekanan global 2026.