PENGARUH AKSI JUAL-BELI ASING, KURS, SBI, INFLASI, PDB DAN INDEKS
HANG
SENG
TERHADAP
INDEKS
HARGA
SAHAM
GABUNGAN DI BURSA EFEK INDONESIA DENGAN MODEL GARCH
Disusun oleh: Khodijah Nurbaeti NIM: 106081002338 JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1431 H/2010 M
PENGARUH AKSI JUAL-BELI ASING, KURS SBI, INFLASI, PDB, DAN INDEKS
HANG
SENG
TERHADAP
INDEKS
HARGA
SAHAM
GABUNGAN DI BURSA EFEK INDONESIA DENGAN MODEL GARCH Skripsi Diajukan Kepada Fakultas Ekonomi Dan Bisnis Untuk Memenuhi Syarat-Syarat Untuk Meraih Gelar Sarjana Ekonomi
Oleh: KHODIJAH NURBAETI NIM:106081002338
Di bawah Bimbingan Pembimbing I
PembimbingII
Prof. Dr. Ahmad Rodoni
Titi Dewi Warninda, SE., M.Si
NIP. 19690203 200112 1 003
NIP. 19731221 200501 2 002
JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1431 H/2010 M
PENGARUH AKSI JUAL-BELI ASING, KURS SBI, INFLASI, PDB, DAN INDEKS
HANG
SENG
TERHADAP
INDEKS
HARGA
SAHAM
GABUNGAN DI BURSA EFEK INDONESIA DENGAN MODEL GARCH Skripsi Diajukan Kepada Fakultas Ekonomi Dan Bisnis Untuk Memenuhi Syarat-Syarat Untuk Meraih Gelar Sarjana Ekonomi Oleh: KHODIJAH NURBAETI 106081002338 Di bawah Bimbingan Pembimbing I
Pembimbing II
Prof.Dr.Ahmad Rodoni
Titi Dewi Warninda, SE., M.Si
NIP.19690203 200112 1 003
NIP.19731221 200501 2 002
Penguji Ahli I
Penguji Ahli II
Herni Ali, SE., MM
Arief Mufraini, Lc., M.Si Nip. 19770122 200312 1 001 Penguji Proposal
Indoyama Nasaruddin, SE., M.AB Nip. 19741127 200112 1 002 JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1431 H/2010 M
Hari ini pada tanggal 18 Bulan Maret Tahun Dua Ribu Sepuluh telah dilakukan Ujian Komprehensif atas nama KHODIJAH NURBAETI NIM: 1060801002338 dengan judul Skripsi ”PENGARUH JUAL BELI ASING, KURS, SBI, INFLASI, PDB, DAN INDEKS HANGSENG TERHADAP INDEKS HARGA SAHAM GABUNGAN DI BURSA EFEK INDONESIA DENGAN MODEL GARCH”. Memperhatikan dan menguji kemampuan masiswa tersebut selama ujian berlangsung, maka skripsi ini sudah dapat diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Jurusan Manajemen Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 11 Mei 2010
Tim Penguji Komprehensif
Indoyama Nasaruddin, SE., M.AB
Hemmmy Fauzan, SE.,MM
Ketua
Sekretaris
Prof. DR. Ahmad Rodoni Penguji Ahli
SURAT PERNYATAAN
Saya yang bertanda-tangan dibawah ini: Nama Mahasiswa
: Khodijah Nurbaeti
NIM
: 106081002338
Jurusan
: Manajemen
Dengan ini menyatakan bahwa skripsi ini adalah hasil karya saya sendiri yang merupakan hasil penelitian, pengolahan dan analisis saya sendiri serta bukan merupakan replikasi maupun saduran dari hasil karya atau hasil penelitian orang lain.
Apabila terbukti skripsi ini plagiat atau replikasi maka skripsi dianggap gugur dan harus melakukan penelitian ulang untuk menyusun skripsi baru dan kelulusan serta gelarnya dibatalkan.
Demikian pernyataan ini dibuat dengan segala akibat yang timbul dikemudian hari menjadi tanggung jawab saya.
Jakarta,
Mei 2010
(Khodijah Nurbaeti)
DAFTAR RIWAYAT HIDUP
Nama
: Khodijah Nurbaeti
Tempat/Tanggal Lahir
: Bekasi, 13 Maret 1988
Jenis Kelamin
: Perempuan
Agama
: Islam
Alamat
: Jl. Raya Sunan Gunung Jati, Desa Cibogo Kaum RT 004 RW 001 No.41, Kecamatan Cibarusah, Bekasi. Kode pos: 17343
Nomor Telepon
: 02198533041
Pendidikan
: 2006-2010
Universitas
Islam
Syarif
Hidayatullah
Jakarta
Fakultas Ekonomi Dan Bisnis, Jurusan Manajemen 2003-2006
SMA Islam YASPIA Cibarusah
2000-2003
MTS YASPIA Cibarusah
1994-2000
SDN Sindang Mulya 01
i
ABSTRACT
The research analyze the influence between net foreign fund variable, a rate exchange, SBI, inflation, Gross Domestic Product (GDP) and Hang Seng index toward IHSG and to know how big it influence.With using Time Series data on 2006-2008 period. The method that is used is GARCH. The researcher looking for the most proper model by process Trial and Error. The analysis result point out TARCH(0,1) model is the most proper one. As a whole that the sixth of variable (net foreign fund, exchange rate, SBI, inflation, Gross Domestic Product, and Hang Seng index) have influence significant. Model TARCH (0,1) is model the most proper one show a result with value R2 highest 94,8% it’s means variety of variable net foreign fund, exchange rate, SBI, Inflation, Gross Domestic Product and Hang Seng index explains variety variable IHSG 94,8% with value AIC (Akaike Info Criterion) and SIC (Schwarz Info Criterion) is lowest each 12,52 and 12,96 (SIC).
Keywords: Net foreign fund, exchange rate, SBI, inflation, Gross Domestic Product, Hang Seng index, IHSG, model GARCH, TARCH.
ii
ABSTRAK
Penelitian ini menganalisis pengaruh antara variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), dan indeks Hang Seng terhadap IHSG dan mengetahui berapa besar pengaruhnya. Dengan menggunakan data Time Series periode 2006-2008. Metode yang digunakan adalah model GARCH. Untuk menghasilkan model yang paling layak maka dilakukan proses trial dan error. Hasil penelitian menunjukkan bahwa model TARCH (0,1) yang paling layak. Hasil ini ditunjukkan bahwa ke-enam variabel (aksi jual-beli asing, kurs, SBI, inflasi, PDB, indeks Hang Seng) memiliki pengaruh yang signifikan. Model TARCH (0,1) adalah model yang paling layak ditunjukkan dengan nilai R 2 yang paling tinggi sebesar 94,8% yang berarti variasi variabel aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng dalam menjelaskan variasi variabel IHSG sebesar 94,8% dengan nilai AIC (Akaike Info Criterion) dan SIC (Schwarz Info Criterion) yang paling rendah masing-masing sebesar 12,52 (AIC) dan 12,96 (SIC). Keywords: Aksi jual-beli asing, kurs, SBI, inflasi, PDB, indeks Hang Seng, IHSG, model GARCH, TARCH.
iii
KATA PENGANTAR
Bismillaahirrahmaanirrohiim Segala puji dan syukur bagi ALLAH SWT, Shalawat dan salam semoga senantiasa tercurah kepada Nabi Muhammad SAW, para keluarga dan para sahabatnya, dan seluruh umatnya. Alhamdulillah, Puji dan Syukur atas rahmat dan karunia kekuatan yang diberikan Allah SWT, hingga akhirnya penulis dapat menyelesaikan skripsi dengan judul ”Pengauh Aksi Jual-Beli Asing, Kurs, SBI, Inflasi, PDB Dan Indeks Hang Seng Terhadap Indeks Harga Saham Gabungan Di Bursa Efek Indonesia Dengan Model GARCH”. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, karena terbatasnya kemampuan, pengetahuan dan pengalaman yang penulis miliki. Namun demikian penulis berharap semoga skripsi ini dapat mencapai tujuan dan sasaran serta bermanfaat bagi para pembaca. Dalam kesempatan ini penulis ingin memberikan penghormatan dan rasa terima kasih yang sedalam–dalamnya kepada semua pihak yang membantu dalam penyusunan Skripsi ini dan juga membimbing penulis selama menempuh pendidikan di Universitas Islam Negeri Syarif Hidayatullah Jakarta ini. Terutama kepada: 1. ALLAH SWT atas segala nikmat dan karunianya. 2. Ibu tercinta Neneng Rosih (ALM) terima kasih telah melahirkan penulis ke dunia yang indah ini, meskipun penulis tidak pernah melihat dan merasakan limpahan kasih sayangnya sejak penulis dilahirkan ke dunia yang indah ini, semoga engkau ditempatkan ditempat terbaik di sisi ALLAH SWT. 3. Kedua orang tua, aap dan umi tercinta yang memberikan dukungan, kepercayaan dan doa, semoga Allah SWT memberikan kesehatan dan kebahagiaan serta kemuliaan kepada
mereka, dan semoga penulis dapat
membahagiakan keduanya, amin Ya Robbal ’Alamin. 4. Nenek tercinta dan tersayang Umi Kulsum yang telah merawat penulis dari kecil, yang selalu memberikan limpahan kasih sayang, pehatian, dukungan baik moral maupun materil hingga saat ini, semoga ALLAH SWT selalu
iv
memberikan kesehatan, panjang umur, dan kebahagiaan serta kemuliaan kepadanya, dan semoga penulis dapat membahagiakannya, Amin Ya Robbal ’Alamin. 5. Bapak Prof. Dr. Abdul Hamid selaku Dekan Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta. 6. Bapak Prof. Dr. Ahmad Rodoni selaku Pembantu Dekan Bid. Akademik FEB UIN Syarif Hidayatullah Jakarta sekaligus pembimbing I yang telah banyak memberikan saran, petunjuk, ilmu pengetahuan, dan meluangkan waktunya hingga terselesaikannya skripsi ini. 7. Ibu Titi Dewi Warninda, SE., M.Si selaku pembimbing II terima kasih atas bimbingan, motivasi dan arahan yang diberikan kepada penulis hingga terselesaikan skripsi ini. 8. Bapak Indoyama Nasaruddin, SE., MAB selaku Ketua Jurusan Manajemen FEB UIN Syarif Hidayatullah Jakarta. 9. Seluruh dosen Fakultas Ekonomi dan Bisnis yang telah membantu dan memberikan ilmunya kepada penulis selama belajar di bangku kuliah. 10. Kakak-kakak (Teh a’i, Teh Imas, Teh Adah, Aa Asep) terima kasih atas dukungan moral dan materil serta adik-adik (Dinar, Nina, Rusdi, Aam) terima kasih selalu menjadi adik yang baik. 11. Dede Husban Rijali terima kasih atas segala perhatian, kasih sayang dan dukungan moral maupun materil yang diberikan kepada penulis. 12. Sahabat-sahabat terbaik yang selama ini mewarnai dengan suka dan duka terutama kepada Budhe dan Emil yang banyak membantu dalam pembuatan skripsi, kepada Ziah yang banyak memberikan bantuan, Yani yang sering memberi nasihat dan membuat lebih berwarna dengan keceriaannya, Tya yang selalu melindungi dan seorang figur kakak yang baik, Mamih, Jody, serta anak-anak manajemen A dan keuangan A lainnya yang telah bersama-sama berjuang dan saling membantu untuk menyelesaikan skripsi ini, terima kasih sudah banyak membantu dan meluangkan waktu untuk memberikan pelajaran yang paling berharga.
v
13. Sahabat sekaligus saudara Syifa terimakasih telah banyak sekali membantu penulis, sahabat-sahabat dikosan Mba duwi, Moel, Emar, Euis, Teh Iwi, Iyom, Kori, Atikoh yang sering menghiasi kehidupan penulis dengan canda tawa serta dukungan moral yang telah diberikan. 14. Pihak-pihak lain yang mohon maaf tidak bisa disebutkan satu per satu dan telah membantu penulis dalam menyelesaikan skripsi ini. Semoga mereka semua mendapatkan balasan pahala yang berlipat ganda dan selalu dijaga dan dilindungi serta benar-benar menjadi orang yang dikasihi dan disayangi oleh Allah SWT. Tiada balasan apapun yang dapat penulis berikan selain doa. Penulis sangat menyadari, masih banyak kesalahan dan kekurangan dalam penulisan skripsi ini, oleh karena itu saran dan kritik yang membangun sangat diharapkan agar bisa lebih baik lagi. Akhirnya penulis berharap, semoga skripsi ini dapat memberikan manfaat dan dapat menambah wawasan bagi semua pihak.
Jakarta,
2010
Khodijah Nurbaeti
(Penulis)
vi
DAFTAR ISI Halaman Cover Skripsi Lembar Pengesahan Daftar Riwayat Hidup..............................................................................
i
Abstract....................................................................................................
ii
Abstrak.....................................................................................................
iii
Kata Pengantar............……………………………….............................
iv
Daftar Isi...................................................................................................
vii
Daftar Tabel..............................................................................................
x
Daftar Gambar..........................................................................................
xi
Daftar Lampiran………………………………………………...............
xii
BAB I: PENDAHULUAN……………………………………………...
1
A. Latar Belakang Penelitian................................................................
1
B. Perumusan Masalah.........................................................................
9
C. Tujuan dan Manfaat Penelitian........................................................
9
BAB II: LANDASAN TEORI.................................................................
12
A. Indeks Harga Saham........................................................................
12
B. Aliran Dana Asing (net foreign fund)..............................................
17
C. Nilai Tukar Rupiah............................................. ..............................
20
D. Suku Bunga SBI...............................................................................
23
1. Hubungan Tingkat Bunga dengan Risiko Investasi.....................
24
vii
E. Tingkat Inflasi..................................................................................
24
F. Produk Domestik Bruto...................................................................
29
G.Indeks Hang Seng ............................................................................
32
H. Penelitian Terdahulu........................................................................
34
I. Kerangka Pemikiran.……................................................................
37
J. Hipotesis............................................................................................
40
BAB III: METODOLOGI PENELITIAN...............................................
41
A. Ruang Lingkup Penelitian…...........................................................
41
B. Metode Penentuan Sampel………..................................................
41
C. Metode Pengumpulan Data.............................................................
42
D. Metode Analisis...................……………………………...............
43
E. Definisi Operasional Variabel.........................................................
49
BAB IV: HASIL DAN PEMBAHASAN................................................
54
A. Sekilas Gambaran Umum Objek Penelitian.....................................
54
1. Perkembangan Pasar Modal di Indonesia...................................
54
B. Analisis Deskriptif...........................................................................
55
C. Hasil dan Pembahasan......................................................................
72
1. Uji Stasioneritas............................................................................
72
2. Uji GARCH..................................................................................
82
D. Interpretasi.......................................................................................
100
BAB V: IMPLIKASI DAN KESIMPULAN...........................................
105
A. Kesimpulan.......................................................................................
105
B. Implikasi............................................................................................
106
viii
Daftar Pustaka...........................................................................................
107
Lampiran...................................................................................................
111
ix
Daftar Tabel Nomor
Keterangan
Halaman
4.1
Variabel Aksi jual-beli Asing
58
4.2
Variabel Kurs
60
4.3
Variabel SBI
62
4.4
Variabel Inflasi
64
4.5
Variabel PDB
66
4.6
Variabel Indeks Hang Seng
68
4.7
Variabel IHSG
70
4.8
Uji GARCH (1,1)
84
4.9
Uji GARCH (1,2)
86
4.10
Uji GARCH (0,1)
88
4.11
Uji GARCH (0,2)
89
4.12
Uji GARCH (0,3)
90
4.13
Uji GARCH (2,1)
92
4.14
Uji TARCH (0,1)
94
4.15
Uji TARCH (1,1)
96
4.16
Uji TARCH (2,1)
98
4.17
Hasil Beberapa Alternatif Model
99
x
Daftar Gambar
Nomor
Keterangan
Halalaman
2.1
Kerangka Pemikiran
39
4.1
Grafik Variabel Aksi Jual-Beli Asing
59
4.2
Grafik Variabel Kurs
61
4.3
Grafik Variabel SBI
63
4.4.
Grafik Variabel Inflasi
65
4.5
Grafik Variabel PDB
67
4.6
Grafik Variabel Indeks Hang Seng
69
4.7
Grafik Variabel IHSG
71
xi
Daftar Lampiran Nomor
Keterangan
Halaman
1
Data Mentah Variabel Aliran Dana Asing
111
2
Data Mentah Variabel Kurs
111
3
Data Mentah Variabel SBI
112
4
Data Mentah Variabel Inflasi
112
5
Data Mentah Variabel PDB
113
6
Data Mentah Variabel Indeks Hang Seng
113
7
Data Mentah IHSG
114
8
Uji Unit Root ADF Variabel Aksi
115
Jual-Beli Asing 9
Uji Unit Root ADF Variabel Kurs
116
10
Uji Unit Root ADF Variabel SBI
117
11
Uji Unit Root ADF Variabel Inflasi
118
12
Uji Unit Root ADF Variabel Inflasi Pada
119
Diferensi Tingkat Pertama 13
Uji Unit Root ADF Variabel PDB
120
14
Uji Unit Root ADF Variabel Indeks
121
Hang Seng 15
Uji Unit Root ADF Variabel Indeks
122
Hang Seng Pada Diferensi Tingkat Pertama 16
Uji Unit Root ADF Variabel IHSG
123
17
Hasil Uji GARCH (1,1)
124
xii
18
Hasil Uji GARCH (1,2)
125
19
Hasil Uji GARCH (0,1)
126
20
Hasil Uji GARCH (0,2)
127
21
Hasil Uji GARCH (0,3)
128
22
Hasil Uji GARCH (2,1)
129
23
Hasil Uji TARCH (0,1)
130
24
Correlogram Of Standardized Squared
131
25
Histogram-Normality Test
132
24
Hasil Uji TARCH (1,1)
133
25
Hasil Uji TARCH (2,1)
134
26
Hasil Uji Beberapa Alternatif Model
135
xiii
BAB I PENDAHULUAN A.Latar Belakang Penelitian Pasar modal merupakan salah satu bagian dari pasar keuangan (financial market), disamping pasar uang (money market) yang sangat penting peranannya bagi pembangunan nasional pada umumnya, khususnya bagi pengembangan dunia usaha sebagai salah satu alternatif sumber pembiayaan eksternal oleh perusahaan. Di lain pihak, dari sisi pemodal (investor), pasar modal sebagai salah satu sarana investasi dapat bermanfaat untuk menyalurkan dananya ke berbagai sektor produktif dalam rangka meningkatkan nilai tambah terhadap dana yang dimilikinya. Berdasarkan pengalaman di masa lalu, pasar modal ibarat lazimnya suatu pasar selalu akan mengalami pasang surut, yang ditunjukkan dengan tandatanda bullish atau bearish, sehingga karenanya dalam hal berinvestasi tiada suatu investasi tanpa risiko (M. Irsan Nasarudin dkk, 2008). Keberadaan pasar modal sangat penting peranannya bagi perkembangan ekonomi suatu negara, termasuk Indonesia sebagai negara berkembang yang memanfaatkan keberadaan pasar modal sebagai wahana investasi bagi para investor atau masyarakat dalam rangka menciptakan tingkat pertumbuhan ekonomi yang relatif tinggi. Tingkat pertumbuhan ekonomi yang relatif tinggi, dapat memberikan pengaruh positif bagi pemerintah dan juga perusahaan yang menanamkan dana-nya dipasar modal. Bagi pemerintah, tingkat pertumbuhan ekonomi yang tinggi dapat membantu pemerintah dalam menyerap tenaga kerja sehingga mengurangi tingkat pengangguran yang pada akhirnya dapat
1
meningkatkan kesejahteraan masyarakat. Sedangkan bagi perusahaan, tingkat pertumbuhan ekonomi yang relatif tinggi, dapat memberikan pengaruh positif atas ekpektasi para investor untuk menanamkan dana-nya dipasar modal dengan kondisi ekonomi negara yang semakin kondusif. Perkembangan pasar modal Indonesia saat ini disebabkan oleh keadaan perekonomian atau trend global. Hal ini tidak hanya ditunjukkan oleh data yang bersifat kuantitatif semata seperti meningkatnya volume perdagangan dan nilai kapitalisasi pasar serta jumlah perusahaan go public, akan tetapi juga peningkatan kemampuan perusahaan, ketaatan semua pihak yang terlibat dalam kegiatan pasar modal, kualitas keterbukaan informasi pasar modal serta diberlakukan standar internasional dalam kegiatan perdagangan (M.Irsan Nasarudin dkk, 2008:84). Perkembangan pasar modal di Indonesia yang marak berakhir pada tahun 1997, karena bencana krisis moneter yang terjadi (M.Irsan Nasarudin dkk, 2008:3). Krisis yang melanda Indonesia tentu saja berimbas pada pengembangan pasar modal Indonesia sebagai salah satu sumber pembiayaan yang banyak dimanfaatkan oleh perusahaan (M.Irsan Nasarudin dkk, 2008:78). Nilai-nilai saham perusahaan merosot drastis akibat krisis yang terjadi pada tahun 1997. Saat itu, bagi investor dan masyarakat luas, investasi di sektor pasar modal bukan wahana investasi yang menarik, karena nilai sahamnya turun, potensi ruginya besar, dan pendapatannya juga turun. Akibatnya, pasar modal Indonesia
mengalami
koreksi
hebat
menyesuaikan
diri
dengan
krisis.
perkembangan pasar modal pada saat krisis menunjukkan adanya penurunan jumlah emiten yang layak tampil di papan utama bursa, harga saham anjlok,
2
indeks harga saham turun terus, investor asing berkurang, perusahaan sekuritas pergi. Sektor riil tidak mampu bertahan, nilai saham perusahaan-perusahaan terbuka turun drastis (M.Irsan Nasarudin dkk, 2008:3). Tahun 2004 perekonomian Indonesia belum lagi kembali mencapai tingkat pertumbuhan seperti pada masa sebelum krisis, tetapi bergerak menuju pemulihan. Bagi pasar modal keadaan ini sudah jauh lebih baik. Harga dan indeks saham memang tidak setinggi pada waktu sebelum krisis, tetapi harga saham telah terkoreksi secara siginifikan (M.Irsan Nasarudin dkk, 2008:5). Perkembangan tersebut tercermin pada September 2004, IHSG mencapai 820,1 dan sampai Desember 2005 telah mencapai 1162,63. Angka indeks Ini merupakan peningkatan yang cukup signifikan mengingat IHSG pada tahun 2001, 2002, dan 2003 baru mencapai 392,03, 424,94, dan 679,3. Kemudian sepanjang periode bulan Januari-Juli 2006, PT. Bursa Efek Indonesia (BEI) terus-menerus berupaya menciptakan pasar yang semakin likuid, wajar, teratur dan transparan. Sepanjang periode di atas, bursa telah menunjukkan prestasi yang sangat menggembirakan. Salah satunya ditunjukkan dengan Indeks Harga Saham Gabungan (IHSG) BEI yang berhasil mencatat rekor tertinggi pada tanggal 11 Mei 2006 di level 1.553,062 (www.jsx.co.id). Indeks Harga Saham Gabungan yang terus-menerus mengalami peningkatan yang semakin pesat ini ditunjukkan dari perkembangan nilai IHSG dan nilai transaksi. Nilai IHSG mengalami peningkatan hingga 400 persen dari tahun 2000 hingga 2008. Kondisi ini juga diikuti nilai transaksi yang terus semakin meningkat. Nilai IHSG yang semakin tinggi merupakan bentuk kepercayaan
3
investor atas kondisi ekonomi Indonesia yang semakin kondusif. Namun krisis ekonomi global mulai pertengahan tahun 2008 telah mendorong jatuhnya nilai IHSG sebesar 50 persen dalam kurun waktu yang relatif singkat (satu tahun). Krisis yang berasal dari Amerika Serikat telah meruntuhkan perekonomian di benua Eropa dan Asia, khususnya negara berkembang. Dimana Indonesia sebagai negara berkembang mendapat pengaruh yang cukup besar dari krisis finansial global (Pananda Pasaribu dkk, 2009:1-2). Indeks harga saham itu sendiri dapat dijadikan barometer kesehatan ekonomi suatu negara dan sebagai dasar melakukan analisis statistik atas kondisi pasar terakhir (current market). Sebagaimana diketahui bahwa, saham sebagai bukti kepemilikan perusahaan merupakan surat berharga atau efek yang diterbitkan oleh perusahaan yang terdaftar di bursa (go public). Fluktuasi harga saham ditentukan oleh kemampuan perusahaan dalam memperoleh laba. Apabila laba yang diperoleh perusahaan relatif tinggi, maka kemungkinan besar bahwa dividen yang dibayarkan juga relatif tinggi. Apabila dividen yang dibayarkan relatif tinggi, akan berpengaruh positif terhadap harga saham di bursa, dan investor akan tertarik untuk membelinya. Akibatnya permintaan akan saham tersebut menjadi meningkat, sehingga akhirnya harganya juga akan meningkat. Peningkatan harga saham ini akan menimbulkan capital gain bagi para pemegangnya (Abdul Halim, 2005:12). Pasar modal memegang peranan penting dalam perekonomian Indonesia, dimana nilai Indeks Harga Saham Gabungan dapat menjadi leading indicator economic pada suatu negara. Pergerakan indeks sangat dipengaruhi oleh
4
ekspektasi investor atas kondisi fundamental negara maupun global (Pananda Pasaribu dkk, 2009:2). Variabel aksi jual-beli asing yang dibahas dalam penelitian ini mengikuti pergerakan indeks saham yang ditandai dengan optimisme dan pesimisme para investor. Untuk Indonesia dan beberapa bursa saham yang kapitalisasi pasarnya relatif kecil, optimisme dan pesimisme para investor saham asing diduga sangat menentukan pergerakan indeks sahamnya. Optimisme investor asing ini yang ditandai dengan maraknya aksi beli oleh mereka akan memberikan sentimen positif. Sedangkan pesimisme investor asing terjadi jika aksi jual mereka melebihi aksi belinya pada hari atau periode perdagangan tertentu. Adanya aksi jual bersih dari para investor asing diyakini memberikan sentimen negatif kepada pasar. Investor asing dipandang memiliki modal besar dan mempunyai analisa fundamental dan informasi yang lebih baik daripada investor lokal (Budi Frensidy, 2009:2). Pergerakan indeks saham di suatu negara
juga tidak pernah lepas dari
kondisi perekonomian negara itu sendiri secara makro (Budi Frensidy, 2009:1). Faktor makro yang digunakan dalam penelitian ini yang di anggap mempengaruhi indeks saham adalah nilai tukar rupiah terhadap dollar, suku bunga SBI, inflasi, dan Produk Domestik Bruto. Variabel makro ekonomi sangat berpengaruh terhadap peluang untuk berbisnis di suatu negara. Negara dengan tingkat pertumbuhan ekonomi yang tinggi tentu akan lebih menarik investor dibandingkan dengan negara yang pertumbuhan ekonominya lambat (Budi Rahardjo, 2009:69). Selain itu, menurut Pandji Anoraga dan Piji Pakarti (2008:
5
110), pertumbuhan ekonomi yang baik secara umum menunjukkan tingkat perbaikan kesejahteraan masyarakat, dan hal ini biasanya diikuti dengan kegiatan pasar modal yang bergairah. Variabel berikutnya yang digunakan dalam penelitian ini adalah Indeks Hang Seng. Karena era globalisasi dengan batas antar negara yang semakin tidak jelas membuat indeks bursa saham antar negara saling terkait. Oleh karena itu, Indeks Harga Saham Gabungan, sangat dipengaruhi indeks Dow Jones dan indeks regional lainnya (Budi Frensidy, 2009:2). Hal ini merupakan salah satu implikasi dari bentuk globablisasi dan semakin terintegrasinya pasar modal di seluruh dunia. Kondisi ini memungkinkan timbulnya pengaruh dari bursa-bursa yang maju (developed) terhadap bursa yang sedang berkembang (Pananda Pasaribu dkk, 2009:2). Beberapa penelitian yang telah dilakukan diantaranya oleh Budi Frensidy (2009) meneliti pengaruh aksi jual-beli asing, kurs dan indeks Hang Seng terhadap indeks harga saham gabungan di BEJ dengan model GARCH, hasil penelitian menunjukkan aliran bersih dana asing (NFF) mempengaruhi perubahan IHSG secara positif dengan koefisien 0,000936 dan signifikan pada α = 1%. Sementara itu, hubungan antara perubahan kurs dengan perubahan IHSG adalah negatif dengan koefisien –0,593601 dan koefisien hubungan antara perubahan indeks Hang Seng dengan perubahan IHSG adalah 0,6128. Igantius Roni Setyawan (2006) melakukan penelitian mengenai pengaruh net Buying (Selling) investor asing dan perubahan kurs terhadap pergerakan IHSG
6
dengan model model ARCH/GARCH, hasilnya model terbaik untuk memprediksi arah pergerakan IHSG adalah TARCH plus AR (1) karena memilki R2 yang lebih tinggi dibanding ARCH-M. Pananda Pasaribu dkk, (2009) dalam penelitiannya mengenai pengaruh variabel makro ekonomi terhadap IHSG dengan menggunakan analisis regresi linier berganda, hasil regresi menunjukkan bahwa sebagian besar faktor domestik tidak berpengaruh terhadap pergerakan IHSG. Indikator ekonomi domestik berupa: inflasi, SBI dan kurs tengah. Sedangkan faktor asing dan informasi mengenai aliran modal mempunyai pengaruh yang cukup signifikan atas pergerakan IHSG. Indeks regional yang diproksi indeks Hang Seng mempunyai pengaruh yang sangat signifikan atas pergerakan IHSG, ketika indeks Hang Seng turun maka IHSG juga akan mempunyai arah yang sama. Ana Octavia (2007) meneliti tentang analisis pengaruh nilai tukar rupiah/US$ dan tingkat suku bunga SBI terhadap IHSG di BEJ dengan menggunakan teknik analisis regresi linier berganda dengan persamaan kuadrat terkecil (ordinary least square), hasil penelitian menunjukkan bahwa secara bersama-sama ada pengaruh yang sangat signifikan antara nilai tukar rupiah/US$ dan tingkat suku bunga SBI terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta periode 2003-2005 dengan nilai signifikansi sebesar 0,000. Sedangkan secara parsial juga terdapat pengaruh yang sangat signifikan antara nilai tukar rupiah/US$ terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta periode 2003-2005 dengan nilai signifikansi sebesar 0,000.
7
Titman dan Warga (1989) dalam Zaenal Arifin (2007:155) menemukan adanya hubungan yang positif antara return saham dengan tingkat inflasi di masa yang akan datang dan tingkat bunga. Temuan ini menunjukkan bahwa return saham telah memprediksi perubahan tingkat harga di masa yang akan datang atau dengan kata lain naik (turun)-nya harga saham merupakan prediksi tinggi (rendah)-nya tingkat inflasi dan suku bunga. Manurung (1996) dalam Pananda Pasaribu dkk, (2008) melakukan penelitian mengenai pengaruh makro ekonomi dan faktor luar negeri (asing) terhadap pergerakan Indeks Harga Saham Gabungan dengan menggunakan metode akar unit dan kointegrasi. Manurung menemukan bahwa faktor asing memegang peranan penting dalam pergerakan indeks. Sedangkan PDB dan pengeluaran pemerintah berpengaruh terhadap IHSG. Moh.Mansur (2005) melakukan penelitian mengenai pengaruh indeks global terhadap IHSG di BEI. Hasil yang diperoleh secara individual indeks global yang didalamnya termasuk indeks Hang Seng, terbukti tidak memiliki pengaruh yang signifikan terhadap IHSG di BEI pada tahun 2000-2002. Berdasarkan uraian penelitian terdahulu maka penulis tertarik untuk meneliti “Pengaruh Aksi Jual-Beli Asing, Kurs, SBI, Inflasi, PDB dan Indeks Hang Seng Terhadap Indeks Harga Saham Gabungan Di Bursa Efek Indonesia Dengan Model GARCH”. Penelitian ini berbeda dengan peneitian sebelumnya, periode penelitian 20062008, selain itu adanya penambahan variabel yang terdiri dari inflasi, suku bunga
8
SBI dan PDB, serta data yang digunakan yaitu data bulanan dari 1 Januari-31 Desember sedangkan penelitian sebelumnya hanya menggunakan data dari 3 Januari- 31 Oktober. A. Perumusan Masalah Berdasarkan latar belakang permasalahan yang telah dijelaskan diatas, maka permasalahan yang akan dibahas dalam penelitian ini adalah: 1. Apakah terdapat pengaruh yang signifikan variabel independen aksi jualbeli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), indeks Hang Seng terhadap variabel dependen Indeks Harga Saham Gabungan di Bursa Efek Indonesia. 2. Berapa besar pengaruh variabel independen aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), indeks Hang Seng terhadap variabel dependen Indeks Harga Saham Gabungan di Bursa Efek Indonesia. B. Tujuan dan Manfaat 1. Tujuan Penelitian Berdasarkan latar belakang dan perumusan masalah, maka tujuan yang hendak dicapai melalui penelitian ini adalah: a. Untuk menganalisis pengaruh signifikan variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), indeks Hang Seng terhadap pergerakan Indeks Harga Saham Gabungan di Bursa Efek Indonesia.
9
b. Untuk menganalisis berapa besar pengaruh aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), indeks Hang Seng pada pergerakan Indeks Harga Saham Gabungan di Bursa Efek Indonesia. 2. Manfaat penelitian Penelitian ini diharapkan dapat bermanfaat bagi pihak-pihak yang berkepentingan sebagai berikut: a. Manfaat bagi pemerintah: -
Bagi pembuat kebijakan yang berusaha untuk menciptakan pertumbuhan ekonomi yang stabil.
-
Sebagai fakta empiris, berfungsi sebagai petunjuk dan pengingat untuk
selalu
mengkaji
efektivitas
setiap
kebijakan
yang
dilaksanakan. b. Bagi Akademisi/Peneliti -
Sebagai penambah kepustakaan dibidang ilmu ekonomi makro dan pasar modal.
-
Berguna untuk pengembangan ilmu pengetahuan secara teoritis sebagaimana yang telah dipelajari di dalam perkuliahan dan sebagai pengetahuan tentang pasar modal dan investasi.
-
Bagi civitas akademika dapat menambah informasi, sumbangan penelitian bahan kajian dalam penelitian.
c. Bagi pihak Investor/Masyarakat
10
-
Hasil dari penelitian ini dapat membantu mereka dalam menentukan apakah akan menjual, membeli, atau menahan saham yang mereka miliki berkenaan dengan aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), dan indeks regional (dengan proxy indeks Hang Seng) Karena kesalahan dalam menentukan dan menerapkan strategi perdagangan di pasar modal, akan berakibat buruk bagi perusahaan atau investor sehingga dapat mengalami kerugian apabila memang aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto (PDB), dan indeks regional (dengan proxy indeks Hang Seng) benar-benar berpengaruh terhadap IHSG.
-
Pemahaman menyeluruh tentang hubungan antara pasar saham sangat penting, karena dapat membantu mereka meramalkan pergerakan dalam pasar modal.
11
BAB II TINJAUAN PUSTAKA
A. Indeks Harga Saham
Indeks Harga Saham (IHS) merupakan ringkasan dari pengaruh simultan dan kompleks dari berbagai macam variabel yang berpengaruh, terutama tentang kejadian-kejadian ekonomi. Bahkan saat ini, IHS tidak saja menampung kejadiankejadian ekonomi, tetapi juga kejadian-kejadian sosial, politik, dan keamanan. Dengan demikian, IHS dapat menjadi barometer kesehatan ekonomi suatu negara dan sebagai dasar melakukan analisis statistik atas kondisi pasar terakhir (Current Market) (Abdul Halim, 2005:12). Saham sebagai bukti kepemilikan perusahaan merupakan surat berharga atau efek yang diterbitkan oleh perusahaan yang terdaftar di bursa (go public). Fluktuasi harga saham ditentukan oleh kemampuan perusahaan dalam memperoleh laba. Apabila laba yang diperoleh perusahaan relatif tinggi, maka kemungkinan besar bahwa dividen yang dibayarkan juga relatif tinggi. Apabila dividen yang dibayarkan relatif tinggi, akan berpengaruh positif terhadap harga saham di bursa, dan investor akan tertarik untuk membelinya.
Akibatnya permintaan akan saham tersebut menjadi meningkat, sehingga akhirnya harganya juga akan meningkat. Penigkatan harga saham ini akan menimbulkan capital gain bagi para pemegangnya. Sementara itu, kemampuan perusahaan dalam memperoleh laba tersebut tidak saja ditentukan oleh kemampuan manajemen dalam mengelola sumber daya yang ada, tetapi juga
12
dipengaruhi oleh faktor lain di luar perusahaan, seperti kondisi sosial masyarakat, politik, dan keamanan. Semuanya itu akan berpengaruh terhadap kemampuan perusahaan dalam memperoleh laba, yang pada gilirannya akan berpengaruh juga terhadap fluktuasi harga saham. Karena itu, fenomena ekonomi, sosial, politik, dan keamanan berperan dalam penentuan kesehatan ekonomi suatu negara (Abdul Halim, 2005:12).
Agar dapat melakukan investasi di pasar modal dengan baik, maka investor harus mengetahui Indeks Harga Saham. Di BEI terdapat 6 (enam) jenis indeks, yaitu (Abdul Halim, 2005:12-14):
1. Indeks Harga Saham Individual (IHSI), menggunakan saham masing-masing perusahaan, dengan menggunakan rumus sebagai berikut:
IHSIt= NPt × 100 ND Sumber: Abdul Halim (2005)
Dimana: IHSI
= Indeks harga saham individual pada hari ket.
NPt
= Nilai pasar pada hari ket, diperoleh dari jumlah lembar saham yang tercatat di bursa dikalikan dengan harga pasar per lembar.
ND
= Nilai dasar, BEI memberi nilai dasar IHSI 100 ketika saham diluncurkan pada pasar perdana berubah sesuai dengan perubahan pasar.
13
2. Indeks Harga Saham Sektoral (IHSS), menggunakan saham masingmasing sektor usaha. Di BEI indeks sektoral dibagi atas 9 (sembilan) sektor usaha, yaitu: a. Sektor usaha primer (Ekstraktif) meliputi: 1) Pertanian 2) Petambangan b. Sektor usaha sekunder (Manufaktur) meliputi: 1) Industri dasar dan kimia 2) Aneka industri 3) Industri barang konsumsi c. Sektor usaha tersier (jasa) meliputi: 1) Properti dan real estate 2) Infrastruktur, utilitas, dan transportasi 3) Keuangan 4) Perdagangan, jasa dan investasi 3. Indeks LQ 45 (ILQ 45), menggunakan saham yang terpilih berdasarkan likuiditas perdagangan saham dan disesuaikan setiap enam bulan sekali (setiap awal Februari dan Agustus). Dengan demikian saham yang termasuk dalam indeks tersebut akan selalu berubah. 4. Indeks Harga Saham Gabungan (IHSG), menggunakan seluruh saham yang tercatat dibursa, dengan menggunakan rumus sebagai berikut: IHSGt = NPt × 100 ND Sumber: Abdul Halim (2005)
14
Dimana: IHSGt
= Indeks harga saham gabungan pada hari Ke-t.
NPt
= Nilai pasar pada hari ket, diperoleh dari jumlah lembar saham.
ND
= Nilai dasar, BEI memberi nilai dasar IHSG 100 pada tanggal 10 Agustus 1982.
IHSG untuk tanggal 10 Agustus 1982 selalu disesuaikan dengan kejadian-kejadian seperti: penawaran saham perdana (Initial Public Offering-IPO), right issue, company listing, delisting, dan konversi. Rumus untuk mencari nilai dasar yang baru karena adanya kejadiankejadian tersebut adalah: NDB = NPL + NPT × NDL NPL Sumber: Abdul Halim (2005) Dimana: NDB = nilai dasar baru NDL = nilai dasar lama NPL = nilai pasar lama NPT = nilai pasar tambahan 5. Indeks Syariah atau Jakarta Islamic Index (JII), menggunakan saham yang memenuhi kriteria investasi dalam syariat islam. Saham-saham yang masuk dalam JII adalah emiten yang kegiatan usahanya tidak bertentangan
15
dengan syariah islam. Usaha-usaha berikut dikeluarkan dalam perhitungan JII, antara lain: a. Usaha perjudian dan permainan yang tergolong judi. b. Usaha lembaga keuangan yang konvensional (mengandung unsur riba). c. Usaha memproduksi, mendistribusikan serta memperdagangkan makanan dan minuman yang tergolong haram. d. Usaha yang memproduksi, mendistribusikan dan/atau menyediakan barang-barang atau jasa yang merusak moral dan bersifat mudarat. 6. Indeks Papan Utama atau Main Board Index (MBI) dan Indeks Papan Pengembangan atau Development Board Index (DBI). MBI dibentuk dengan menggunakan saham-saham yang dipilih berdasarkan kriteria berikut: a. Perusahaan telah melakukan kegitan operasional dalam usaha utama (core business) yang sama sekurang-kurangnya selama 36 (tiga puluh enam) bulan terakhir. b. Laporan Keuangan Auditan perusahaan memperoleh pendapat Wajar Tanpa Pengecualian (WTP) selama 2 (dua) tahun buku terakhir. c. Berdasarkan Laporan Keuangan Auditan terakhir, perusahaan memiliki Aktiva Bersih Berwujud (net tangible assets) sekurangkurangnya Rp.100 miliar, dan tidak mengalami kondisi dan atau gugatan/perkara
yang
secara
16
material
diperkirakan
dapat
mempengaruhi kelangsungan usaha. DBI dibentuk dengan menggunakan saham peusahaan-perusahaan yang tidak memenuhi seluruh kriteria di atas. B. Aliran Dana Asing (Net Foreign Fund) Ada banyak pengertian tentang investasi. Menurut Frank J. Fabozzi manajemen investasi adalah proses pengelolaan uang. Smith dan Skousen mengatakan, ”investing activities: transaction and events the purchase and sale of scurities (excluding cash equivalents), and, building, equipment. And other asset not generally held for sale, and the making, and collecting of loans. There are not classified as operating activities, since the relate only indirectly to the central, ongoing operations ofentity”. Disisi lain relly dan Brown memberikan pengertian investasi adalah, “investment is the current commitment of dollar for a period of time to device future payment that will compensate the investor for (1) the time the funds are commited, (2) the expected rate of inflation, (3) the uncertainty of the future payment”. (Irham Fahmi dan Yovi Laviannti Hadi, 2009:4). Menurut PSAK Nomor 13 dalam Standar Akuntansi keuangan per 1 Oktober 2004 investasi adalah suatu aktiva yang digunakan perusahaan untuk pertumbuhan kekayaan (accretion of wealth) melalui distribusi hasil investasi (seperti bunga, royalty, devident, dan uang sewa), untuk apresiasi nilai investasi, atau untuk manfaat lain bagi perusahaan yang berinvestasi seperti manfaat yang diperoleh melalui hubungan perdagangan. Persediaan dan aktiva tetap bukan merupakan investasi (Irham Fahmi dan Yovi Laviannti Hadi, 2009:6).
17
Menurut
Warsini
(2009:1)
investasi
adalah
kegiatan
penanaman
modal/penanaman dana yang dilakukan pada saat sekarang (current) dalam berbagai wujud aktiva untuk memperoleh penghasilan dimasa yang akan datang (Future). Pengertian investasi menurut Moeljadi (2006:121) merupakan suatu tindakan melepaskan arus dana masa datang dengan jumlah yang lebih besar dari dana yang dilepaskan pada saat investasi awal (initial investment). Ditinjau dari segi ruang lingkupnya investasi dibedakan menjadi dua yaitu: 1. Investasi pada aktiva nyata (real assets atau real investment) misalnya untuk pendirian pabrik-pabrik, pendirian hotel/restoran, perkebunan, dan lain-lain. 2.
Investasi pada aktiva keuangan (financial assets atau financial investment), seperti pembelian surat berharga, baik berupa saham maupun obligasi (Moeljadi, 2006:121).
Ditinjau dari segi kepastian memperoleh keuntungan, investasi dapat dibagi menjadi (Moeljadi, 2006:122): a. Investasi yang bebas risiko (free risk investment) yaitu investasi yang akan memperoleh keuntungan secara pasti, seperti pembelian obligasi (investment in bonds). b. Investasi yang berisiko (risk investment) yaitu investasi yang ditujukan bagi pembelian saham biasa (investment in real assets). Sedangkan
investasi
asing
merupakan
kegiatan
untuk
upaya
mentransformasikan sumber daya potensial menjadi salah satu kekuatan ekonomi
18
riil. Sumber daya yang dimaksud adalah sumber daya daerah yang diolah dan di manfaatkan untuk meningkatkan kemakmuran seluruh rakyat secara adil dan merata. Modal asing merupakan salah satu persyaratan pertumbuhan ekonomi. Dimana peningkatan pertumbuhan perekonomian biasanya didorong oleh masuknya modal asing. Negara-negara sedang berkembang, termasuk Indonesia biasanya memiliki problem besar berkenaan dengan kelangkaan modal pembangunan (Thomas Budiman Syah, 2005:16). Para investor asing ini biasanya bergerak mengikuti optimisme dan pesimisme mereka terhadap indeks saham. Optimisme investor asing ini yang ditandai dengan maraknya aksi beli oleh mereka akan memberikan sentimen positif. Sedangkan pesimisme investor asing terjadi jika aksi jual mereka melebihi aksi belinya pada hari atau periode perdagangan tertentu. Adanya aksi jual bersih dari para investor asing diyakini memberikan sentimen negatif kepada pasar. Investor asing dipandang memiliki modal besar dan mempunyai analisa fundamental dan informasi yang lebih baik daripada investor lokal (Budi Frensidy, 2009:2). Menurut Neal, et.al, 2002 dalam Ignatius Roni Setyawan (2007:2-3) Positive Feedback Trading adalah tindakan pelaku pasar asing untuk beli saham unggulan saat winner (bullish) dan jual saham unggulan saat losser (bearish). Indikasi adanya positive feedback trading dapat dilihat salah satunya dari makin meningkatnya net buying.
19
Biasanya positive feedback trading dari investor asing akan memicu aksi beli juga oleh investor domestik. Situasi ini akan membuat market index naik. Kondisi berbeda (negative feedback trading) membuat market index turun. C.
Nilai Tukar Rupiah Nilai tukar atau kurs (exchange rate) adalah tingkat di mana mata uang
domestik dapat dikonversi menjadi mata uang asing (Bodie, Kane, Marcus, 2006: 175). Kurs (exchange rate) dua negara adalah tingkat harga yang disepakati penduduk kedua negara untuk saling melakukan perdagangan (Gregory Mankiw, 2003:123). Menurut Gugup Kismono (2001:47) nilai tukar atau exchange rate diartikan mata uang suatu negara apabila ditukarkan dengan mata uang negara lain. Kurs
adalah
harga
sebuah
mata
uang
dari
suatu
negara
yang
diukur/dinyatakan dalam satuan mata uang lainnya. Kurs memainkan peranan yang amat penting dalam keputusan-keputusan pembelanjaan, karena kurs memungkinkan bagi kita untuk menerjemahkan harga-harga dari berbagai negara ke dalam satu bahasa yang sama (Krugman, 2000:40). Type of exchange –rate systems (Mc.Connell & L.Brue, 2005:381): 1 A flexible-or floating- exchange rate systems: through which demand and supply determine exchange rates and in which no government intervention occurs.
20
2 A fixed-exchange rate systems: trough which government determine exchange rates and make necessary adjustment in their economies to maintain those rates. Menurut Mankiw (2003:123) Dalam literatur ekonomi nilai tukar mata uang suatu negara dapat dibedakan menjadi dua, yaitu nilai tukar nominal dan nilai tukar riil. Nilai tukar nominal merupakan harga relatif mata uang dua negara. Misalnya, jika kurs antara dolar AS dan yen Jepang adalah 120 yen per dolar, maka anda bisa menukar 1 dolar untuk 120 yen di pasar uang. Sedangkan nilai tukar riil merupakan harga relatif dari barang-barang di antara dua negara. Nilai tukar riil menyatakan tingkat di mana kita bisa memperdagangkan barang-barang dari suatu negara untuk barang-barang dari negara lain (Mankiw, 2003:125). Kurs Riil = Kurs Nominal × Rasio Tingkat Harga ε
=
e
×
(P/P*)
Kurs riil diantara kedua negara dihitung dari kurs nominal dan tingkat harga di kedua negara. Jika kurs riil tinggi, barang-barang luar negeri relatif lebih murah, dan barang-barang domestik relatif lebih mahal. Jika kurs riil rendah, barang-barang luar negeri relatif lebih mahal, dan barang-barang domestik relatif lebih murah. Menurut Hady Hamdy (2008:44). Kurs mata uang suatu negara dapat mengalami devaluasi dan revaluasi. Devaluasi adalah naiknya nilai tukar mata uang negara lain apabila di pertukarkan dengan mata uang domestik, atau dapat
21
didefinisikan sebagai suatu tindakan pemerintah untuk menurunkan nilai mata uang asingnya terhadap nilai mata uang asing yang bertujuan untuk: a
Mendorong ekspor dan membatasi impor.
b
Mendorong penggunaan produksi dalam negeri.
c
Dengan BOP yang equilibrium, diharapkan kurs valas dapat menjadi relatif stabil.
Revaluasi adalah turunnya nilai tukar mata uang negara-negara lain apabila dipertukarkan dengan mata uang domestik. Dengan kata lain, nilai tukar mata uang domestik menguat terhadap mata uang asing. Revaluasi diartikan sebagai suatu tindakan pemerintah untuk menaikkan nilai mata uangnya terhadap mata uang asing yang dilakukan karena perekonomiannya sudah mencukupi atau mendekati full employed atau terjadi kecenderungan inflasi. Kebijakan ini dalam jangka pendek bertujuan untuk mengurangi agregat demand dan inflasi (Hady Hamdy, 2008:45). Risiko nilai kurs merupakan risiko yang timbul akibat pengaruh perubahan nilai tukar mata uang domestik dengan mata uang negara lain (asing). Perusahaan yang menggunakan mata uang asing dalam menjelaskan aktivitas operasional dan investasi akan menghadapi risiko nilai tukar (kurs). Perubahan nilai tukar yang tidak diantisipasi oleh perusahaan akan berpengaruh pada nilai perusahaan tersebut (Pananda Pasaribu dkk, 2009:6).
22
D. Suku Bunga SBI Tingkat bunga adalah harga yang menghubungkan harga masa kini dan harga masa depan, serta merupakan variabel paling penting diantara variabel-variabel makro ekonomi (Mankiw, 2003:86). Tingkat bunga merupakan harga yang harus dibayar oleh peminjam untuk memperoleh dana dari pemberi pinjaman untuk jangka waktu yang disepakati. Tingkat bunga mengirim isyarat harga kepada peminjam, pemberi pinjaman, penabung dan investor. Jika tingkat bunga naik, maka lebih besar volume tabungan dan merangsang peminjam dana. Sebaliknya, jika tingkat bunga menurun cenderung menurunkan aliran tabungan dan akibatnya mengurangi kegiatan pemberian pinjaman. Tingkat bunga yang tinggi cenderung mengurangi volume peminjaman dan investasi modal (Herman Darmawi, 2006:181). Sertifikat Bank Indonesia adalah surat berharga yang dikeluarkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu pendek (1-3 Bulan) dengan sistem diskonto/bunga. SBI merupakan salah satu mekanisme yang digunakan oleh Bank Indonesia untuk mengontrol kestabilan nilai rupiah. Dengan menjual SBI, Bank Indonesia dapat menyerap kelebihan uang primer yang beredar. Tingkat suku bunga yang berlaku pada setiap penjualan SBI ditentukan oleh mekanisme pasar berdasarkan sistem lelang. Sejak awal Juli 2005, BI menggunakan mekanisme ”BI rate” (suku bunga BI) yaitu BI mengumumkan target suku bunga SBI yang diinginkan BI untuk pelelangan pada masa periode tertentu. BI rate ini kemudian yang digunakan sebagai acuan para pelaku pasar dalam mengikuti pelelangan (www.Wikipedia.0rg).
23
1. Hubungan tingkat bunga dengan risiko investasi Seseorang dalam melakukan investasi cenderung untuk menghindar dari kemungkinan menanggung risiko, tetapi tidak ada seorang pun yang terbebas dari risiko (Kamaruddin, 2004:4). Timbulnya risiko investasi bersumber dari beberapa faktor. Faktor-faktor tersebut dapat terjadi bersamaan atau hanya muncul dari salah satu saja. Risiko tingkat bunga merupakan salah satu sumber risiko investasi, terutama jika terjadi kenaikan (Kamaruddin, 2004:4). Risiko tingkat bunga, biasanya diukur atas pengaruhnya terhadap nilai sekarang investasi. Rumus nilai sekarang:
Pt-1 = Pt +Ct 1+r Sumber: Kamaruddin (2004) Dimana: Pt-1
= nilai sekarang saham/obligasi.
Pt
= nilai penjualan akhir periode.
Ct
= arus kas masuk (seperti bunga).
r
= tingkat bunga pasar.
Rumus ini memberikan gambaran, jika r (tingkat bunga) meningkat, nilai (investasi) sekarang menurun, dan sebaliknya jika tejadi penurunan tingkat bunga, nilai (investasi) sekarang meningkat (Kamaruddin, 2004:5). E. Tingkat Inflasi Inflasi adalah kecenderungan dari harga-harga untuk menaik secara umum dan terus-menerus. Kenaikan harga dari satu barang/dua barang saja tidak disebut
24
inflasi, kecuali bila kenaikan tersebut meluas kepada (atau mengakibatkan kenaikan) sebagian besar dari harga-harga barang-barang lain. Syarat adanya kecenderungan menaik terus menerus juga karena: musiman, menjelang hari-hari besar, atau yang terjadi sekali saja (dan tidak mempunyai pengaruh lanjutan) tidak disebut inflasi. Kenaikan harga semacam itu tidak dianggap sebagai masalah atau penyakit
ekonomi
dan tidak memerlukan kebijaksanaan khusus
untuk
menanggulanginya (Boediono, 2001:155). Inflasi adalah tingkat kenaikan harga barang-barang secara umum. Inflasi yang tinggi sering dikaitkan dengan perekonomian “terlalu panas“ (overheated), yaitu perekonomian di mana permintaan atas barang dan jasa melampaui kapasitas produksinya, yang akan mendorong kenaikkan harga. Sebagian besar pemerintah menginginkan perjalanan yang baik di dalam kebijakan ekonominya. Mereka berharap dapat mendorong perekonomian yang cukup kuat untuk berproduksi mendekati kapasitas penuhnya, tetapi tidak sampai menciptakan tekanan inflasioner (Bodie, Kane, Marcus, 2006:178). Inflation is the rate of charge in prices (Dornbursch, et.al, 2004:38). Inflation is the a rise in the general level of prices (Mc.Connell & L.Brue, 2005:141). Inflation is a continual rise in the price level (Colander,2006:529). Inflation, in contrast, is a measure of how fast the average price level is changing over time. Rate of inflation the annual percentage rate of change in the price level (Frank & Bernanke, 2001:486).
25
Menurut Prathama Rahardja dan Mandala Manurung (2005:184-187) ada empat indikator ekonomi makro yang digunakan untuk mengetahui laju inflasi selama satu periode tertentu. 1. Indeks Harga Konsumen (IHK). Angka indeks yang menunjukkan tingkat harga barang dan jasa yang harus dibeli oleh konsumen dalam satu periode tertentu. Angka IHK diperoleh dengan menghitung harga-harga barang dan jasa utama yang dikonsumsi masyarakat dalam satu periode tertentu. 2. Indeks Harga Perdagangan Bebas (IHPB). Jika IHK melihat inflasi dari sisi konsumen, maka IHPB melihat inflasi dari sisi produsen. Oleh karena itu IHPB sering juga disebut sebagai indeks harga produsen. IHPB menunjukkan tingkat harga yang diterima produsen pada berbagai tingkat produksi. 3. Indeks Harga Implisit (IHI). Untuk mendapatkan gambaran inflasi yang paling mewakili keadaan sebenarnya,
ekonom
menggunakan
indeks
harga
implisit
(IHI).
Perhitungan inflasi berdasarkan IHI dilakukan dengan menghitung perubahan angka indeks. a. Alternatif Dari Indeks Harga Implisit. Menurut Boediono (2001:156-158) ada berbagai cara untuk menggolongkan macam inflasi, dan penggolongan mana yang kita pilih tergantung pada tujuan kita.
26
Penggolongan pertama didasarkan atas “parah“ tidaknya inflasi tersebut, yaitu terdiri dari: 1) Inflasi ringan (di bawah 10% setahun) 2) Inflasi sedang (antara 10-30% setahun) 3) Inflasi berat (antara 30-100% setahun) 4) Hiperinflasi (di atas 100% setahun) Penggolongan yang kedua adalah atas dasar sebab awal dari inflasi. Atas dasar ini dibedakan dua macam inflasi, antara lain: a. Inflasi yang timbul karena permintaan masyarakat akan berbagai barang terlalu kuat. Inflasi semacam ini disebut demand inflation. b. Inflasi yang timbul karena kenaikan ongkos produksi. Ini disebut cost inflation. Penggolongan yang ketiga adalah berdasarkan asal dari inflasi, yaitu terdiri dari: a) Inflasi yang berasal dari dalam negeri (domestic inflation). b) Inflasi yang berasal dari luar negeri (imported inflation).
27
Ada beberapa masalah sosial yang timbul jika terjadi inflasi (Prathama Rahardja dan Mandala Manurung, 2005:184). a) Menurunnya Tingkat Kesejahteraan Rakyat Tingkat kesejahteraan masyarakat, sederhana-nya diukur dengan tingkat daya beli pendapatan yang diperoleh. Inflasi menyebabkan daya beli pendapatan makin rendah, khususnya bagi masyarakat yang berpenghasilan kecil dan tetap. b) Makin Buruknya Distribusi Pendapatan Dampak buruk inflasi terhadap tingkat kesejahteraan dapat dihindari jika pertumbuhan tingkat pendapatan lebih tinggi dari tingkat inflasi. c) Terganggunya Stabilitas Ekonomi Inflasi mengganggu stabilitas ekonomi dengan merusak perkiraan tentang masa depan para pelaku ekonomi. Inflasi yang kronis menumbuhkan perkiraan bahwa harga-harga barang dan jasa akan terus naik. Bagi konsumen perkiraan ini mendorong pembelian barang dan jasa lebih banyak dari yang seharusnya atau biasanya. Tujuannya adalah untuk lebih menghemat pengeluaran konsumsi. Akibatnya, permintaan barang dan jasa justru dapat meningkat. Bagi produsen perkiraan akan naiknya harga barang dan jasa mendorong mereka menunda penjualan, untuk mendapat keuntungan yang
28
lebih besar. Akibatnya, kelebihan permintaan membesar dan mempercepat laju inflasi. Menurut Tandelilin (2010:342), tingkat inflasi yang tinggi biasanya dikaitkan dengan kondisi ekonomi yang terlalu panas (overheated). Artinya, kondisi ekonomi mengalami permintaan atas produk yang melebihi kapasitas penawaran produknya, sehingga harga-harga cenderung mengalami kenaikan. Inflasi yang terlalu tinggi juga akan menyebabkan penurunan daya beli uang (purchasing power of money). Disamping itu, inflasi yang tinggi juga bisa mengurangi tingkat pendapatan riil yang diperoleh investor dari investasinya. Sebaliknya, jika tingkat inflasi suatu negara mengalami penurunan, maka hal ini akan menurunkan sinyal positif bagi investor seiring dengan turunnya risiko daya beli uang dan risiko penurunan pendapatan. Laju inflasi dapat diukur dengan rumus sebagai berikut : IHKt - IHKt-1 X 100% IHKt-1
F. Produk Domestik Bruto (PDB) Produk Domestik Bruto adalah ukuran produksi total barang dan jasa di dalam suatu perekonomian. PDB yang tumbuh dengan cepat menunjukkan perekonomian yang berkembang dengan peluang yang berlimpah bagi perusahaan untuk meningkatkan penjualan (Bodie, Kane, Marcus, 2006: 177). Gross domestic product is the total market value of all final goods and services produced in a given year. GDP includes all goods and services produced
29
by either citizen-supplied or foreign-supplied resources employed within the country (Mc Connel & Brue, 2005:112). Produk Domestik Bruto (GDP) mengukur pendapatan setiap orang dalam perekonomian dan pengeluaran total terhadap output barang dan jasa perekonomian (Mankiw, 2003:16). Gross Domestic Product is the value of final goods and services produced in the country within a given period (Dornbusch, dkk, 2004:22). Gross Domestic Product measure the total value for final use of output produced by an economy, by both residents and non residents (Todaro, 2009:46). Menurut Sadono Sukirno (2000:33-34) Produk Domestik Bruto adalah nilai barang-barang dan jasa-jasa yang diproduksikan di dalam negara tersebut dalam satu tahun tertentu. Nilai PDB dapat dicari dengan menggunakan persamaan:
PDB = PNB- PFN dari LN Sumber: Sadono (2000) Dimana PFN dari LN merupakan pendapatan neto dari luar negeri. PFN dari LN adalah pendapatan faktor-faktor produksi yang diterima dari luar negeri dikurangi dengan pendapatan faktor-faktor produksi yang dibayarkan ke luar negeri. Gross domestic product (GDP) is the total value of final goods and services produced for the marketplace during a given year, within the nation’s borders (Robert E. Hall & Lieberman, 2001:93).
30
Menurut Mishkin (2010:21-22) “Gross Domestic Product is the market value of all final goods and services produced in a country during the course of the year. Gross domestic bruto measured with constant prices is reffered to as real GDP, the word real indicating that values are in terms of fixed”. Menurut Tandelilin (2010:342) Produk Domestik Bruto adalah ukuran produksi barang dan jasa total suatu negara. Pertumbuhan PDB yang cepat merupakan indikasi terjadinya pertumbuhan ekonomi. Jika pertumbuhan ekonomi membaik, maka daya beli masyarakat pun akan meningkat, dan ini merupakan kesempatan bagi perusahaan-perusahaan untuk meningkatkan penjualannya. Dengan meningkatnya penjualan perusahaan, maka kesempatan perusahaan memperoleh keuntungan juga akan semakin meningkat. Gross domestic product (GDP) is the most comprehensive measure of a nation’s total output of good and services. It is the sum of the dollar values of consumption (C), gross invesment (I), government purchases of goods and services (G), and net exports (X) produced within a nation during a given year (Samuelson & Nordhaus, 2005:424). Menurut Prathama Rahardja dan Mandala Manurung (2005:16-21) ada tiga cara perhitungan pendapatan nasional, yaitu a. Perhitungan pendapatan nasional dengan pendekatan produksi diperoleh dengan cara membagi-bagi perekonomian menjadi beberapa sektor produksi (industrial origin). Jumlah output masing-masing sektor merupakan jumlah output seluruh perekonomian. Hanya saja ada kemungkinan bahwa output yang dihasilkan suatu sektor perekonomian
31
berasal dari output sektor lain. Dengan kata lain jika tidak berhati-hati akan terjadi perhitungan ganda (double-counting) atau bahkan multiple counting. b. Perhitungan pendapatan nasional dengan pendekatan pendapatan diperoleh dengan cara menjumlahkan nilai total balas jasa atas faktor produksi yang digunakan dalam proses produksi. c. Perhitungan pendapatan nasional dengan pendekatan pengeluaran. Menurut pendekatan ini ada beberapa jenis pengeluaran agregat dalam suatu perekonomian: 1. Konsumsi Rumah Tangga. 2. Konsumsi Pemerintah. 3. Pengeluaran Investasi. 4. Ekspor Neto. G. Indeks Hang Seng Dengan semakin terintegrasinya perekonomian global dan menyatunya pasar uang beberapa negara dalam wilayah yang berdekatan, ketergantungan ekonomi suatu negara pada ekonomi dunia juga semakin besar. Demikian juga yang terjadi dengan pasar modal suatu negara (Budi Frensidy, 2009:5). Menurut Nachrowi dan Usman (2006) dalam Budi Frensidy (2009:5) pasar modal yang kuat dapat mempengaruhi pasar modal yang lemah. Sebagai salah satu pasar modal yang sedang berkembang, BEI diduga sangat dipengaruhi indeks pasar saham dunia dan Asia yang berkapitalisasi besar yaitu Dow Jones Industrial
32
Average (DJIA) dari bursa saham New York, Nikkei 225 (bursa saham Tokyo), dan Hang Seng (bursa saham Hong Kong). Indeks ketiga bursa itu dapat digunakan sebagai salah satu variabel independen yang menentukan pergerakan IHSG. Indeks Hang Seng atau juga dikenal dengan nama Hang Seng Index (HSI) merupakan indeks saham utama dari Hong Kong Stock Exchange (HKEX). Hang Seng Index adalah indeks harga saham di pasar modal Hong Kong yang dihitung dengan menggunakan metode kapitalisasi pasar tertimbang bebas-disesuaikan. Indeks ini digunakan untuk memonitor dan mencatat perubahan harian dari perusahaan-perusahaan terbesar di pasar modal Hong Kong dan merupakan indikator utama untuk kinerja keseluruhan pasar di Hong Kong. Saat ini Hang Seng terdiri dari 42 perusahaan dan mewakili sekitar 65% dari kapitalisasi Hong Kong Stock Exchange) (www.mahadanalearning.com). Namun demikian, penulis memilih indeks Hang Seng sebagai proxy indeks regional karena alasan-alasan berikut: 1. Dibandingkan bursa saham di New York-AS dan di Tokyo-Jepang, indeks Hang Seng lebih dekat secara geografis dengan perbedaan waktu yang paling sedikit yaitu hanya 1 jam. Bursa saham kita berbeda hingga 12 jam dengan bursa saham di New York dan 2 jam dengan bursa saham di Tokyo. 2. Indeks Hang Seng adalah berdasarkan nilai, sama seperti IHSG. Sedangkan DJIA dan Nikkei 225 adalah indeks saham berdasarkan harga.
33
3. Penghitungan indeks Hang Seng adalah menggunakan seluruh populasi, sama seperti penghitungan IHSG kita. Ini berbeda dengan DJIA dan Nikkei 225. DJIA dihitung dari sampel sebanyak 30 saham perusahaan yang menjadi pemimpin pasar di industrinya dan Nikkei 225 dihitung dari sampel 225 saham di bursa Tokyo. 4. Dilihat dari kapitalisasi pasar per awal Desember 2007, bursa efek kita dengan kapitalisasi pasar hanya sebesar 278 miliar dolar AS, lebih dekat dengan bursa saham Hong Kong (Hang Seng) dengan kapitalisasi pasar 2.974 miliar dolar AS. Bursa saham Tokyo berkapitalisasi 4.627 miliar dolar AS, sedangkan kapitalisasi bursa saham New York sudah mencapai 16.281 miliar dolar AS. 5. Indeks Hang Seng lebih mendekati pergerakan IHSG karena sifat bearish atau terus turunnya indeks Nikkei selama belasan tahun terakhir sejak 1989. Pada saat itu indeks Nikkei 225 sempat menyentuh indeks 39.000an, namun kini indeks Nikkei hanya berkisar di angka 16.000-an. H. Penelitian Terdahulu Budi Frensidy (2009) dalam penelitiannya mengenai pengaruh aksi jual-beli asing, kurs dan indeks Hang Seng dengan model GARCH. Hasilnya ditemukan bahwa aliran bersih dana asing (NFF) mempengaruhi perubahan IHSG secara positif dengan koefisien 0,000936 dan signifikan pada α = 1%, Sementara itu, hubungan antara perubahan kurs dengan perubahan IHSG adalah negatif dengan koefisien –0,593601 dan koefisien hubungan antara perubahan indeks Hang Seng dengan perubahan IHSG adalah 0,6128. Secara keseluruhan, variasi variabel
34
bebas seperti aliran bersih dana asing, perubahan kurs, dan perubahan indeks Hang Seng menyumbangkan 56,9% terhadap variasi variabel perubahan IHSG, cukup signifikan. Semua varabel independen signifikan pada = 1%. Begitu juga dengan nilai F-stastitik untuk keseluruhan model yang juga signifikan pada α = 1%. Igantius Roni Setyawan (2006) melakukan penelitian mengenai pengaruh net Buying (Selling) investor asing dan perubahan kurs terhadap pergerakan IHSG dengan model ARCH/GARCH, hasilnya model terbaik untuk memprediksi arah pergerakan IHSG adalah TARCH plus AR (1) karena memilki R2 yang lebih tinggi dibanding ARCH-M. Tendi Haruman, Trimanto S Wardoyo dan Rosi rosmayanti (2005) dalam Muhammad Arief Yusuf (2008) dalam penelitiannya mengenai pengaruh nilai tukar per dollar AS, tingkat suku bunga SBI, dan inflasi IHK terhadap IHSG di BEI (periode Juli 2003- Juli 2005), menyimpulkan bahwa hasil analisa statistik secara simultan terdapat pengaruh antara nilai tukar rupiah per dollar AS, tingkat suku bunga SBI dan inflasi IHK terhadap IHSG di BEI. Hal ini dapat dibuktikan karena tingkat signifikansi pada uji F yang dihasilkan secara simultan < Q (0,05) yaitu sebesar 0,000. Sedangkan hubungannya adalah sebesar 0,396 atau 39,6%. Sitinjak dan Kurniasari (2003) dalam Ana Octavia (2007) mereka menyimpulkan bahwa jika kurs (nilai tukar dolar terhadap rupiah) naik satu satuan berarti akan terjadi penurunan indikator pasar (IHSG) saham sebesar satu satuan. Terutama sekali pada saat kondisi pasar sedang bearish. Sedangkan pada pasar sedang bullish, indikator pasar saham dan indikator pasar uang secara bersama-
35
sama berpengaruh positif. Terutama pada indikator pasar uang SBI, signifikan positif untuk mempengaruhi pasar saham. Pananda Pasaribu dkk, (2009) dalam penelitiannya mengenai pengaruh variabel makro ekonomi terhadap IHSG dengan menggunakan analisis regresi linier berganda, hasil regresi menunjukkan bahwa sebagian besar faktor domestik tidak berpengaruh terhadap pergerakan IHSG. Indikator ekonomi domestik berupa: inflasi, SBI dan kurs tengah. Sedangkan faktor asing dan informasi mengenai aliran modal mempunyai pengaruh yang cukup signifikan atas pergerakan IHSG. Indeks regional yang diproksi indeks Hang Seng mempunyai pengaruh yang sangat signifikan atas pergerakan IHSG, ketika indeks Hang Seng turun maka IHSG juga akan mempunyai arah yang sama. Ana Octavia (2007) meneliti tentang analisis pengaruh nilai tukar rupiah/US$ dan tingkat suku bunga SBI terhadap IHSG di BEJ dengan menggunakan teknik analisis regresi linier berganda dengan persamaan kuadrat terkecil (ordinary least square), hasil penelitian menunjukkan bahwa secara bersama-sama ada pengaruh yang sangat signifikan antara nilai tukar rupiah/US$ dan tingkat suku bunga SBI terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta periode 2003-2005 dengan nilai signifikansi sebesar 0,000. Sedangkan secara parsial juga terdapat pengaruh yang sangat signifikan antara nilai tukar rupiah/US$ terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta periode 2003-2005 dengan nilai signifikansi sebesar 0,000. Titman dan Warga (1989) dalam Zaenal Arifin (2007:155) menemukan adanya hubungan yang positif antara return saham dengan tingkat inflasi di masa
36
yang akan datang dan tingkat bunga. Temuan ini menunjukkan bahwa return saham telah memprediksi perubahan tingkat harga di masa yang akan datang atau dengan kata lain naik (turun)-nya harga saham merupakan prediksi tinggi (rendah)-nya tingkat inflasi dan suku bunga. Manurung (1996) dalam Pananda Pasaribu dkk, (2008) melakukan penelitian mengenai pengaruh makro ekonomi dan faktor luar negeri (asing) terhadap pergerakan Indeks Harga Saham Gabungan dengan menggunakan metode akar unit dan kointegrasi. Manurung menemukan bahwa faktor asing memegang peranan penting dalam pergerakan indeks. Sedangkan PDB dan pengeluaran pemerintah berpengaruh terhadap IHSG. Moh Mansur (2005) meneliti pengaruh indeks global terhadap indeks harga saham gabungan (IHSG) di BEJ pada tahun 2000-2002 dengan menggunakan model analisis Path Analysis, hasil yang diperoleh secara individual indeks global yang didalamnya termasuk indeks Hang Seng, terbukti tidak memiliki pengaruh yang signifikan terhadap IHSG di BEI pada tahun 2000-2002. I. Kerangka Pemikiran Sebelum dilakukan uji GARCH, seluruh variabel harus dilakukan uji stasioneritas data terlebih dahulu. Jika seluruh data stasioner, maka bisa langsung dilakukan uji GARCH. Akan tetapi, jika data tidak stasioner, maka harus dilakukan diferensi data pada tingkat pertama, apabila data sudah stasioner uji GARCH bisa dilakukan, akan tetapi jika belum, maka harus dilakukan diferensi data pada tingkat selanjutnya.
37
Penulis akan mencari model GARCH yang paling layak untuk menjelaskan pengaruh variabel-variabel aksi jual-beli asing (net foreign fund), kurs, SBI, inflasi, Produk Domestik Bruto dan indeks Hang Seng terhadap Indeks Harga Saham Gabungan dan berapa besar pengaruhnya. Pencarian model GARCH yang paling layak dilakukan dengan proses trial dan error atau mencoba beberapa kemungkinan model, sehingga menghasilkan model yang terbaik (Nachrowi, 2007:424). Penulis akan mencoba model GARCH (1,1,) (1,2) (0,1) (0,2) (0,3) (2,1) dan TARCH (0,1) (1,1) (2,1).
38
Variabel
Variabel Aksi JualBeli Asing, Kurs, SBI, Inflasi, PDB, Indeks HangSeng
Variabel Indeks Harga Saham Gabungan
Uji Stasioneritas Data
Tidak Stasioneritas Data
Stasioner
Uji Differensi Data Uji GARCH
Mencari Model GARCH Yang Paling Layak
Interpretasi
Gambar 2.1 Kerangka Pemikiran
39
J.
Hipotesis Penelitian ini bertujuan untuk menguji kembali variabel-variabel aksi jual-
beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng terhadap Indeks Harga Saham Gabungan di Bursa Efek Indonesia. Berdasarkan analisis dan temuan peneliti terdahulu, maka hipotesis penelitian dinyatakan sebagai berikut:
H0 : Tidak terdapat pengaruh yang signifikan variabel aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng terhadap variabel Indeks Harga Saham Gabungan.
Ha : Terdapat pengaruh yang signifikan variabel aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng terhadap variabel Indeks Harga Saham Gabungan.
40
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian Data yang digunakan dalam penelitian ini adalah perusahaan yang listing yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2006 sampai dengan 2008. Jangka waktu 2006 sampai dengan 2008 dipilih karena periode tersebut perekonomian Indonesia menunjukkan perkembangan yang semakin membaik, hal ini ditandai dengan bursa saham di Indonesia menunjukkan perkembangan yang makin membaik yang ditunjukkan dengan pergerakan Indeks Harga Saham Gabungan. Adapun variabel yang diteliti dalam penelitian ini adalah aksi jual-beli asing, nilai tukar rupiah (Kurs) tengah Rupiah terhadap US Dollar, suku bunga SBI, inflasi, Produk Domestik Bruto, indeks Hang Seng, IHSG. B. Metode Penentuan Sampel 1. Populasi Penelitian ini mengambil populasi perusahaan-perusahaan yang listing yang terdaftar di BEI tahun 2006 sampai dengan 2008. 2. Sampel Metode penentuan sampel yang digunakan adalah purposive sampling, yaitu sampel yang memiliki kriteria sebagai berikut :
41
1. Perusahaan yang tercatat di BEI tahun 2006 sampai dengan 2008. 2. Saham perusahaan telah tercatat di BEI periode 2006 sampai dengan 2008. C. Metode Pengumpulan Data Metode yang digunakan dalam pengumpulan data untuk melakukan penelitian ini dalah sebagai berikut: a. Field Reseach Data yang digunakan dalam penelitian ini adalah data yang bersifat sekunder yaitu data yang diperoleh dari pihak lain (yang berkaitan) dengan penulisan skripsi ini, seperti
Bank Indonesia,
pusat referensi pasar modal di Bursa Efek Indonesia. b. Library Reseach Data yang diperoleh untuk penelitian ini adalah data yang diperoleh dengan membaca literatur, buku, artikel, jurnal dan hal lain yang berhubungan dengan aspek yang diteliti sebagai upaya untuk memperoleh data yang valid. c. Internet Reseach Terkadang buku referensi atau literatur yang kita miliki atau pinjam diperpustakaan tertinggal selama beberapa waktu atau tidak up to date, karena ilmu yang selalu berkembang, penulis melakukan
penelitian
dengan
42
teknologi
yang berkembang,
yaitu
dengan internet sehingga data yang diperoleh up to date seperti: www.yahoofinance.com.
D. Metode Analisis 1. Uji Stasioneritas Langkah pertama sebelum melakukan uji GARCH, terlebih dahulu dilakukan uji stasioneritas data pada semua variabel yang digunakan. Dalam penelitian ini data yang digunakan adalah data time series. Data time series dikatakan stasioner jika rata-rata, varian dan kovarian pada setiap lag adalah tetap sama pada setiap waktu. Jika data time series tidak memenuhi kriteria tersebut maka data dikatakan tidak stasioner. Dengan kata lain data time series dikatakan tidak stasioner jika rata-ratanya maupun variannya tidak konstan, berubah-ubah sepanjang waktu (Widarjono, 2007:340-341). Variabel-variabel ekonomi yang terus menerus meningkat sepanjang waktu adalah contoh dari variabel non stasioner dalam persamaan mengakibatkan standar error yang dihasilkan menjadi bias. Adanya bias ini menyebabkan kriteria konvensional yang biasa digunakan untuk menjustifikasi kausalitas antara dua variabel menjadi tidak valid. Dalam ekonometri dikenal dengan beberapa pengujian unit root dan data ekonomi makro umumnya adalah data time series yang rentan dengan ketidakstasioneran, untuk itu sebelumnya dilakukan uji stasioner (Alfirman dan Sutriono, 2006 dalam Siti Amaliah, 2005).
43
Ide dasar untuk menguji ada tidaknya masalah akar unit dengan mengestimasi persamaan: ∆Yt-1 = Yt-1 + et................................................................ (3.1) Dengan hipotesis nul =0 maka ρ=1 sehingga data Y mengandung akar unit yang berarti data time series Y adalah tidak stasioner. Jika nilai koefisien =0 maka bisa disimpulkan bahwa data Y adalah tidak stasioner. Tetapi jika negatif maka data Y adalah stasioner karena agar
tidak sama dengan nol maka nilai ρ harus lebih kecil dari satu (Widarjono, 2007:342-343). Dalam penelitian ini uji stasioner yang digunakan adalah uji Augmented Dickey Fuller (ADF) pengujian ini dapat dilakukan untuk mengetahui kestasioneran data. Formulasi uji ADF sebagai berikut: p
∆Yt = α0 + γYt-1 +
βi ∆Yt-1 +1 + et.................................... (3.2)
i2
Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai statistik ADF dengan nilai kritisnya distribusi statistik Mackinnon. Jika nilai absolut statistik ADF lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai absolut statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner. Apabila data yang diperoleh belum stasioner pada tingkat level, maka diperlukan langkah untuk
44
membuat data menjadi stasioner melalui proses diferensi data. Uji stasioner data melalui proses diferensi ini disebut dengan uji derajat integrasi. Formulasi uji derajat integrasi dari ADF sebagai berikut: p
∆2Yt = α0 + γ∆Yt-1 +
βi ∆2Yt-1+1 + et
........................... (3.3)
i2
Jika nilai absolut dari statistik ADF lebih besar dari nilai kritisnya pada diferensi tingkat pertama, maka data dikatakan stasioner pada derajat satu. Akan tetapi, jika nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi, sehingga diperoleh data yang stasioner (Widarjono, 2007:344-349). 2. Uji GARCH Setelah dilakukan uji stasioneritas data pada seluruh variabel dan diyakini bahwa seluruh variabel tersebut sudah stasioner, maka langkah selanjutnya adalah melakukan uji GARCH untuk menjelaskan pengaruh variabel-variabel yang digunakan dan berapa besar pengaruhnya. Data yang digunakan dalam penelitian ini adalah data time series. Data time series terutama data di sektor keuangan atau finansial, sangat tinggi tingkat volatilitasnya. Volatilitas yang tinggi ini ditunjukkan oleh suatu fase dimana fluktuasinya relatif tinggi dan kemudian diikuti fluktuasi yang rendah dan kembali tinggi. Dengan kata lain, data ini mempunyai rata-rata dan varian yang tidak konstan.
45
Adanya para peneliti
volatilitas untuk
yang
membuat
tinggi
ini
estimasi
tentunya
menyulitkan
dan prediksi
pergerakan
variabel tersebut. Oleh karena itu, di dalam menganalisis perilaku data runtut waktu (time series) untuk sektor finansial misalnya harga saham, peneliti
nilai
seringkali
tukar
rupiah, suku
menemukan
bahwa
bunga dan kemampuan
sebagainya, atau
presisi
peramalan berubah-ubah dari waktu ke waktu. Misalnya, pada satu periode,
peramalan
mengalami
kesalahan
yang
kecil
tetapi
di
waktu lain mengalami kesalahan yang cukup besar dan kemudian kesalahan
kembali
mengecil.
Variabilitas
ini
disebabkan
oleh
kenyataan bahwa variabel ekonomi seperti kebijakan moneter dan fiskal, maupun variabel non ekonomi seperti ketidakstabilan politik bahkan yang sifatnya sekedar rumor (Widarjono, 2007:319). Dengan tingginya volatilitas data maka perlu dibuat suatu model pendekatan untuk mengukur masalah residual. Salah satu model estimasi yang membahas perilaku data dengan volatilitas tinggi tersebut adalah model GARCH (Widarjono, 2007:319). Model model
GARCH
ARCH.
Heteroscedasticity)
Model
merupakan ARCH
model
perkembangan
(Autoregressive
dari
Conditional
dikembangkan oleh Robert Engle (1982) dan
dimodifikasi oleh Mills (1999), selanjutnya Tim Bollerslev (1986 dan 1994)
juga memperkenalkan model generalisasi ARCH yang
46
disebut GARCH. GARCH ini
dimaksudkan untuk
memperbaiki
ARCH (Wing Wahyu Winarno, 2007:8.1). Untuk
menjelaskan
model
GARCH
dapat
menggunakan
model regresi sedehana sebagai berikut (Widarjono, 2007:327): Yt = β0 + β1Xt +et ................................................................................................................. (3.4 ) Dimana: Y = Variabel dependen X = Variabel independen e = residual Model residual dalam persamaan (3.3) disebut model GARCH (1,1) karena varian residual hanya dipengaruhi oleh residual periode sebelumnya dan varian residual periode sebelumnya. Secara umum model GARCH yakni GARCH (p,q) dapat dinyatakan melalui persamaan sebagai berikut: σt2 = α0 + α1et2-1 + .....+ αpet2-p + λ1σt2-1 + ......+λqσt2-q............................ (3.5) Dimana p menunjukkan unsur ARCH dan q unsur GARCH (Widarjono, 2007:328). Dalam model ARCH GARCH, ada beberapa bentuk lain model ARCH GARCH antara lain: a. ARCH in mean (M-ARCH) b. Threshold ARCH (TARCH) c. Eksponential ARCH/GARCH (E-GARCH) d. Simple Asymetric ARCH (SAARCH)
47
Penulis akan mencari model GARCH yang paling layak untuk menjelaskan pengaruh variabel-variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan indeks Hang Seng terhadap Indeks Harga Saham Gabungan dan berapa besar pengaruhnya. Untuk memilih model yang paling layak, maka dilakukan proses trial dan error atau mencoba beberapa kemungkinan model, sehingga menghasilkan model yang terbaik (Nachrowi, 2007:424). Ada beberapa cara yang dapat digunakan untuk memilih model terbaik, yaitu (Wing Wahyu, 2007:8.21): a. Melihat nilai R2. Model paling tinggi nilai R2-nya berarti model paling baik, karena dapat menjelaskan hubungan antara variabel independen dengan variabel dependen lebih baik dibanding model lain yang R2-nya lebih rendah. b. Melihat koefisien AIC (Akaike Info Criterion) dan SIC (Schwarz Info Criterion). Model yang paling rendah nilai AIC dan SIC-nya adalah model yang paling baik. c. Masukkan nilai data ke dalam persamaan. Model yang paling baik adalah model yang angka prediksinya mendekati kenyataan. Dalam penelitian ini untuk pengolahan data menggunakan perangkat lunak E-views 5.0.
48
E. Operasional Variabel Penelitian 1. Variabel Terikat (Dependent Variable) a. IHSG Dalam penelitian ini, variabel dependen yang digunakan adalah IHSG. IHSG adalah indeks yang diperoleh dari seluruh saham yang tercatat di BEI dalam satu waktu tertentu. Pengukuran yang digunakan adalah dalam satu satuan poin. Untuk mengukur variabel ini, dapat dihitung dengan rumus sebagai berikut:
IHSGt = NPt × 100 ND ND Sumber: Abdul Halim (2005) Dimana :
IHSGt = Indeks harga saham gabungan pada hari Ke-t. NPt
= Nilai pasar pada hari ket, diperoleh dari jumlah lembar saham.
ND
= Nilai dasar, BEI memberi nilai dasar IHSG 100 pada tanggal 10 Agustus 1982.
49
2. Variabel Bebas (Independent Variable) Variabel independen dalam penelitian ini adalah: a. Aksi jual-beli asing (Net foreign fund) Para investor asing ini biasanya bergerak mengikuti optimisme dan pesimisme mereka terhadap indeks saham. Optimisme investor asing ini yang ditandai dengan maraknya aksi beli oleh mereka akan memberikan sentimen positif. Sedangkan pesimisme investor asing terjadi jika aksi jual mereka melebihi aksi belinya pada hari atau periode perdagangan tertentu. Adanya aksi jual bersih dari para investor asing diyakini memberikan sentimen negatif kepada pasar. Investor asing dipandang memiliki modal besar dan mempunyai analisa fundamental dan informasi yang lebih baik daripada investor lokal. Aliran investasi asing (Net Foreign Fund-NFF) dapat dihitung dengan cara (Budi Frensidy, 2009:7): NFF = Total pembelian asing – Total penjualan asing (dalam Miliar Rp) b. Nilai Tukar Rupiah Nilai tukar Rupiah menunjukkan nilai dari mata uang Rupiah yang ditranslasikan dengan mata uang asing (US Dollar). Kurs yang digunakan dalam penelitian ini adalah kurs tengah Rupiah terhadap US Dollar. Skala pengukuran yang digunakan dalam Ribu (USD). Sebagai contoh, US$ 1 = Rp 9.000,- artinya
50
apabila 1 dollar AS dihitung dengan menggunakan rupiah maka nilainya adalah sebesar Rp 9.000,-. Nilai tukar riil menyatakan tingkat di mana kita bisa memperdagangkan barang-barang dari suatu negara untuk barang-barang dari negara lain (Mankiw, 2003:125). Kurs Riil = Kurs Nominal × Rasio Tingkat Harga ε
=
e
×
(P/P*)
Kurs riil diantara kedua negara dihitung dari kurs nominal dan tingkat harga di kedua negara. Jika kurs riil tinggi, barangbarang luar negeri relatif lebih murah, dan barang-barang domestik relatif lebih mahal. Jika kurs riil rendah, barang-barang luar negeri relatif lebih mahal, dan barang-barang domesik relatif lebih murah. c. Suku Bunga SBI Suku bunga SBI adalah ukuran keuntungan investasi berupa sertifikat bank Indonesia yang dapat diperoleh pemodal dan juga biaya
modal
yang
harus
dikeluarkan
perusahaan
untuk
menggunakan dana dari pemodal. Pengukuran yang digunakan adalah satuan persentase (Ana Octavia, 2007). d. Inflasi Inflasi adalah kecenderungan dari harga-harga untuk menaik secara umum dan terus-menerus. Kenaikan harga dari satu
51
barang/dua barang saja tidak disebut inflasi, kecuali bila kenaikan tersebut meluas kepada (atau mengakibatkan kenaikan) sebagian besar dari harga-harga barang-barang lain. Syarat adanya kecenderungan menaik terus menerus juga karena: musiman, menjelang hari-hari besar, atau yang terjadi sekali saja (dan tidak mempunyai pengaruh lanjutan) tidak disebut inflasi. Kenaikan harga semacam itu tidak dianggap sebagai masalah atau penyakit ekonomi dan tidak memerlukan kebijaksanaan khusus untuk menanggulanginya (Boediono, 2001:155). Tingkat inflasi dapat diukur dengan menggunakan laju inflasi yang terlihat dalam Indeks Harga Konsumen (IHK), adapun cara pengukuran inflasi adalah sebagai berikut : IHKt – IHKt-1 IHKt-1 IHKt-1 e. Produk Domestik Bruto Menurut Sadono Sukirno (2000:33-34) Produk Domestik Bruto adalah nilai barang-barang dan jasa-jasa yang diproduksikan di dalam negara tersebut dalam satu tahun tertentu. Nilai PDB yang digunakan dalam penelitian ini menurut lapangan usaha atas dasar harga berlaku (dalam milliar Rp). Nilai PDB dapat dicari dengan menggunakan persamaan:
52
PDB = PNB – PFN dari LN
Dimana PFN dari LN merupakan pendapatan neto dari luar negeri. PFN dari LN adalah pendapatan faktor-faktor produksi yang diterima dari luar negeri dikurangi dengan pendapatan faktorfaktor produksi yang dibayarkan ke luar negeri. f. Indeks Hang Seng Indeks Hang Seng atau juga dikenal dengan nama Hang Seng Index (HSI) merupakan indeks saham utama dari Hong Kong Stock Exchange (HKEX). Hang Seng Index adalah indeks harga saham di pasar modal Hong Kong yang dihitung dengan menggunakan metode kapitalisasi pasar tertimbang bebasdisesuaikan. Indeks ini digunakan untuk memonitor dan mencatat perubahan harian dari perusahaan-perusahaan terbesar di pasar modal Hong Kong dan merupakan indikator utama untuk kinerja keseluruhan pasar di Hong Kong. Saat ini Hang Seng terdiri dari 42 perusahaan dan mewakili sekitar 65% dari kapitalisasi Hong Kong Stock Exchange (www.mahadanalearning.com). Pengukuran yang digunakan adalah dalam satu satuan poin.
53
BAB IV ANALISIS DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian 1. Perkembangan Pasar Modal di Indonesia Sejak tahun 1995, perkembangan kinerja bursa regional di Asia Pasifik relatif bervariasi. Hal ini terlihat dari pergerakan indeks harga sahamnya. Bursa Indonesia selama sepuluh tahun terakhir mengalami peningkatan rata-rata indeks tahunan sebesar 12.76%. Peningkatan ini merupakan yang tertinggi dibandingkan dengan pergerakan indeks bursa regional
lainnya.
Perkembangan
indeks
ini
tetap
menunjukkan
peningkatan yang positif, meskipun beberapa negara Asia seperti Malaysia, Thailand, Filiphina, dan termasuk Indonesia mengalami krisis ekonomi pada periode 1997-1999. Gejala positif yang membaik di Pasar Modal Indonesia sampai dengan akhir tahun 1999 ditunjukkan dengan penutupan IHSG BEJ pada angka 676,91 yang mengalami kenaikan sebesar 70,07% dibanding pada tahun 1998 pada angka 398,03, akibat Krisis ekonomi yang dialami Indonesia yang dimulai pada pertengahan tahun 1997 masih terus mempengaruhi perkembangan Pasar Modal Indonesia (Bapepam). Tahun 2000 pasar modal Indonesia kembali mengalami guncangan yang kuat sampai dengan pertengahan tahun 2000. Maka pada tahun 2001,
54
2002, dan 2003 rata-rata volume perdagangan per hari di BEJ mengalami peningkatan yang cukup signifikan (Bapepam). Kemudian sepanjang periode bulan Januari-Juli 2006, PT. Bursa Efek Indonesia (BEI) terus-menerus berupaya menciptakan pasar yang semakin likuid, wajar, teratur dan transparan. Sepanjang periode di atas, bursa telah menunjukkan prestasi yang sangat menggembirakan. Salah satunya ditunjukkan dengan Indeks Harga Saham Gabungan (IHSG) BEI yang berhasil mencatat rekor tertinggi pada tanggal 11 Mei 2006 di level 1.553,062 (www.jsx.co.id). Perkembangan pasar modal dapat tercermin dengan nilai Indeks Harga Saham Gabungan yang terus-menerus mengalami peningkatan yang semakin pesat. Hal ini ditunjukkan dari perkembangan nilai IHSG dan nilai transaksi. Nilai IHSG mengalami peningkatan hingga 400 persen dari tahun 2000 hingga 2008. Kondisi ini juga di ikuti nilai transaksi yang terus semakin meningkat. Nilai IHSG yang semakin tinggi merupakan bentuk kepercayaan investor atas kondisi ekonomi Indonesia yang semakin kondusif (Pananda Pasaribu dkk, 2009:1). B. Analisis Deskriptif Dalam bab ini penulis menganalisis data yang telah terkumpul. Data yang telah dikumpulkan tersebut berupa data IHSG dari perusahaan yang listing di Bursa Efek Indonesia periode 2006 sampai dengan 2008 dan juga berupa data makro ekonomi periode 2006 sampai dengan 2008. Hasil pengolahan data berupa informasi untuk mengetahui apakah variabel aksi jual-beli asing, kurs, SBI,
55
inflasi, Produk Domestik Bruto dan indeks Hang Seng memiliki pengaruh terhadap Indeks Harga Saham Gabungan (IHSG) dan berapa besar pengaruhnya. Sesuai dengan permasalahan dan perumusan model yang telah dikemukakan, serta kepentingan pengujian hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi analisis deskriptif dan analisis ststistik. Analisis statistik merupakan analisis yang mengacu pada perhitungan data penelitian yang berupa angka-angka yang dianalisis dengan bantuan komputer melalui program Eviews. Analisis ini digunakan untuk menguji hipotesis pertama hingga hipotesis kedua. Sedangkan analisis deskriptif merupakan analisis yang menjelaskan gejala-gejala yang terjadi pada variabel-variabel penelitian untuk mendukung hasil analisis statistik. Berdasarkan pengambilan sampel secara Purposive Sampling maka dapat diperoleh sampel perusahaan sebagai berikut : a. Perusahaan yang tercatat di Bursa Efek Indonesia periode 2006 sampai dengan 2008. b. Saham perusahaan telah tercatat di Bursa Efek Indonesia periode 2006 sampai dengan 2008. Berikut akan dijelaskan analisis deskriptif yaitu menjelaskan deskripsi data dari seluruh variabel yang akan dimasukkan dalam model penelitian. 1. Aksi Jual-Beli Asing merupakan Feedback Trading adalah tindakan pelaku pasar asing untuk beli saham unggulan saat winner (bullish) dan
56
jual saham unggulan saat losser (bearish) (Neal et.al dalam Ignatius Roni Setyawan, 2007). 2. Nilai Tukar Rupiah atau kurs (exchange rate) adalah tingkat di mana mata uang domestik dapat dikonversi menjadi mata uang asing (Bodie, Kane, Marcus, 2006:175). 3. Suku Bunga SBI merupakan surat berharga yang dikeluarkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu pendek (1-3 Bulan) dengan sistem diskonto/bunga (www.wikipedia.org). 4. Inflasi merupakan Inflasi adalah kecenderungan dari harga-harga untuk menaik secara umum dan terus-menerus (Boediono, 2001:155). 5. Produk Domestik Bruto (PDB) merupakan nilai barang-barang dan jasajasa yang diproduksikan di dalam negara tersebut dalam satu tahun tertentu (Sadono Sukirno, 2000:33-34). 6. Indeks Hang Seng merupakan indeks harga saham di pasar modal Hong Kong yang dihitung dengan menggunakan metode kapitalisasi pasar tertimbang bebas-disesuaikan (www.mahadanalearning.com). 7. Indeks Harga Saham Gabungan merupakan seluruh saham yang tercatat di bursa (Abdul Halim, 2005:13). Adapun untuk menjelaskan variabel-variabel tersebut dapat ditunjukkan dari tabel dibawah ini:
57
Tabel 4.1 Variabel Aksi Jual-Beli Asing (Net Foreign Fund) Tahun 2006-2008 (Dalam Rp Juta)
Periode
2006
2007
2008
Januari
2.184.956,0
552.402,2
846.465,2
685.347,6
445.083,8
1.989.812,8
Maret
1.936.188,4
2.298.366,1
2.684.193,3
April
3.041.787,8
5.669.478,3
1.088.413,0
Mei
719.265,5
2.590.192,1
3.793.571,5
Juni
605.830,6
3.294.904,5
444.568,8
Juli
870.974,4
3.379.092,1
895.397,0
1.836.430,1
521.7357,0
467.202,3
920.364,7
3.054.291,9
2.694.415,1
Oktober
1.717.754,3
1.127.628,0
4.140.069,6
November
1.785.205,8
631.084,5
6.461.117,0
Desember
2.180.907,2
4.347.417,9
824.356,2
Februari
Agustus September
Sumber:StatistikPasarModal
Berdasarkan tabel 4.1 dapat dilihat bahwa aksi jual-beli asing (net foreign fund) tertinggi pada tahun 2008 bulan November yaitu sebesar 6.461.117,0 lebih tinggi dibanding tahun 2006 dan 2007. Sedangkan nilai terendah aksi jual-beli asing (net forein fund) terjadi pada tahun yang sama tahun 2008 bulan Juni sebesar 444.568,8. Untuk lebih menjelaskan data tertinggi dan terendah aksi jualbeli asing (net foreign fund), dibawah ini disajikan grafik aksi jual-beli asing (net foreign fund) pada tahun 2006-2008 sebagai beikut:
58
7000000 6000000 5000000 4000000 3000000 2000000 1000000 0 06M01
06M07
07M01
07M07
08M01
08M07
DN
Gambar 4.1 Variabel Aksi Jual-Beli Asing (Net Foreign Fund) Tahun 2006-2008 (Dalam Rp Juta)
Berdasarkan grafik 4.1 dapat dilihat bahwa aksi jual-beli asing (net foreign fund) menunjukkan trend kenaikan tertinggi terjadi pada tahun 2008. Namun, kembali mengalami penurunan pada tahun yang sama pada tahun 2008. Sepanjang tahun 2006 sampai dengan tahun 2008 aksi jual-beli asing menunjukkan trend yang cenderung berfluktuasi, hal ini dipengaruhi oleh adanya Positive feedback trading dari investor asing akan memicu aksi beli juga oleh investor domestik. Situasi ini akan membuat market index naik. Kondisi berbeda (negative feedback trading) membuat market index turun (Ignatius Roni Setyawan, 2007).
59
Tabel 4.2 Variabel Kurs Tahun 2006-2008 (Dalam Ribu USD) Periode
2006
2007
2008
Januari
9.395
9.090
9.291
Februari
9.230
9.160
9.051
Maret
9.075
9.118
9.217
April
8.775
9.083
9.234
Mei
9.220
8.828
9.318
Juni
9.300
9.054
9.225
Juli
9.070
9.186
9.118
Agustus
9.100
9.410
9.153
September
9.235
9.137
9.378
Oktober
9.110
9.103
10.995
November
9.165
9.376
12.151
Desember
9.020
9.419
10.950
Sumber: Data BI (dalam ribuan) Dalam penelitian ini data yang digunakan adalah kurs tengah Rupiah terhadap US Dollar, dari tabel 4.2 dapat dilihat bahwa nilai tukar (kurs) rupiah selama periode penelitian terus-menerus mengalami trend kenaikan, dan tercatat nilai tukar (kurs) tertinggi terjadi pada akhir periode penelitian tahun 2008 bulan November yaitu sebesar 12.151 dan nilai tukar rupiah terendah terjadi pada tahun 2006 bulan April yaitu sebesar 8.775. Untuk menjelaskan lebih rinci nilai tertinggi dan terendah variabel nilai tukar rupiah, dibawah ini disajikan grafik nilai tukar rupiah sebagai berikut:
60
12500 12000 11500 11000 10500 10000 9500 9000 8500 06M01
06M07
07M01
07M07
08M01
08M07
KURS
Gambar 4.2 Variabel Kurs Tahun 2006-2008 (Dalam Ribu USD)
Berdasarkan grafik 4.2 dapat dilihat bahwa nilai tukar rupiah menunjukkan trend kenaikan sepanjang periode penelitian. pada awal periode penelitian nilai tukar (kurs) tercatat sebesar 9.395, kemudian nilai tukar (kurs) terus mengalami kenaikan hingga akhir periode penelitian nilai tertinggi pada tahun 2008 sebesar 12.151, sedangkan nilai tukar rupiah terendah terjadi pada tahun 2006 sebesar 8.775. Menurut Sitinjak dan Kurniasari (2003) dalam Ana Octavia (2007) menyimpulkan bahwa jika kurs (nilai tukar dolar terhadap rupiah) naik satu satuan berarti akan terjadi penurunan indikator pasar (IHSG) saham sebesar satu satuan. Terutama sekali pada saat kondisi pasar sedang bearish. Sedangkan pada pasar sedang bullish, indikator pasar saham dan indikator pasar uang secara bersamasama berpengaruh positif. Sedangkan Mudji Utami dan Mudjilah Rahayu (2003), melemahnya nilai tukar rupiah akan menurunkan kinerja keuangan badan usaha,
61
yang pada akhirnya berdampak pada pasar modal. Menurunnya kinerja badan usaha akan direspon oleh investor di pasar modal yang akhirnya akan mempengaruhi harga pasar saham. Begitu pula sebaliknya, menguatnya nilai tukar rupiah akan meningkatkan kinerja keuangan badan usaha, yang pada akhirnya akan berdampak baik pada pasar modal. Tabel 4.3 Variabel SBI Tahun 2006-2008 (Dalam Persentase)
Periode
2006
2007
2008
Januari
1,0625
0,7916
0,6667
Februari
1,0616
0,7708
0,6608
Maret
1,0608
0,75
0,6634
April
1,0616
0,75
0,6658
Mei
1,0416
0,7291
0,6925
Juni
1,0416
0,7084
0,7275
Juli
1,0208
0,6875
0,7691
Agustus
0,9791
0,6875
0,7734
September
0,9375
0,6875
0,8091
Oktober
0,8958
0,6875
0,915
November
0,8541
0,6875
0,937
Desember
0,8125
0,6667
0,915
Sumber:Datadiolah
Berdasarkan tabel 4.3 dapat diketahui nilai SBI tertinggi terjadi pada awal periode penelitian bulan Januari tahun 2006 sebesar 1,0625, sedangkan nilai SBI terendah terjadi pada bulan Februari tahun 2008 sebesar 0,6608. untuk melihat lebih jelas nilai tertinggi dan terendah variabel SBI, dibawah ini disajikan grafik variabel SBI sebagai berikut:
62
13
12
11
10
9
8
7 06M01
06M07
07M01
07M07
08M01
08M07
SBI
Gambar 4.3 Variabel SBI Tahun 2006-2008 (Dalam Persentase)
Berdasarkan grafik 4.3 dapat dilihat bahwa nilai tertinggi untuk variabel SBI mengalami trend kenaikan pada awal periode penelitian terjadi pada tahun 2006 sebesar 1,0625, namun terus-menerus mengalami penurunan sampai tahun 2008 bulan Februari sebesar 0,6608. Menurut Cahyono (2000:117) dalam Moh.Mansur (2009:2) terdapat 2 penjelasan mengapa kenaikan suku bunga dapat mendorong harga saham ke bawah. Pertama, kenaikan suku bunga mengubah peta hasil investasi. Kedua, kenaikan suku bunga akan memotong laba perusahaan. Hal ini terjadi dengan dua cara. Kenaikan suku bunga akan meningkatkan beban bunga emiten, sehingga labanya bisa terpangkas. Selain itu, ketika suku bunga tinggi, biaya produksi akan meningkat dan harga produk akan lebih mahal sehingga konsumen mungkin akan menunda pembeliannya dan menyimpan dananya di bank. Akibatnya penjualan perusahaan menurun. Penurunan penjualan perusahaan dan laba akan menekan harga saham.
63
Tabel 4.4 Variabel Inflasi Tahun 2006-2008 (IHK Dalam Persentase)
Periode
2006
2007
2008
Januari
1,419
0,521
0,613
Februari
1,493
0,525
0,616
Maret
1,311
0,543
0,680
April
1,283
0,524
0,746
Mei
1,3
0,500
0,865
Juni
1,294
0,480
0,919
Juli
1,262
0,505
0,991
Agustus
1,241
0,542
0,987
September
1,212
0,579
1,011
Oktober
0,524
0,573
0,980
November
0,439
0,559
0,973
Desember
0,55
0,549
0,921
Sumber:Datadiolah
Berdasarkan Tabel 4.4 dapat diketahui bahwa tingkat inflasi di Indonesia tertinggi pada tahun 2006 dan terendah juga pada tahun yang sama yaitu tahun 2006, dimana tingkat inflasi tertinggi pada bulan Februari 2006 sebesar 1,493 dan terendah berada pada bulan November 2006 sebesar 0,439. untuk memberikan penjelasan yang lebih rinci, dibawah ini disajikan grafik variabel inflasi sebagai berikut:
64
20 18 16 14 12 10 8 6 4 06M01
06M07
07M01
07M07
08M01
08M07
INF
Gambar 4.4 Variabel Inflasi Tahun 2006-2008 (IHK Dalam Persentase)
Berdasarkan grafik 4.4 dapat dilihat bahwa tingkat inflasi yang memiliki nilai tertinggi terjadi pada tahun 2006 bulan Februari sebesar 1,493 dan tingkat inflasi terendah juga terjadi pada tahun yang sama pada awal periode penelitian pada tahun 2006 bulan November sebesar 0,493. Semakin tinggi tingkat inflasi maka akan menurunkan kinerja saham dalam hal ini harga saham dan return saham karena menurut Tandelilin (2010:342), inflasi yang terlalu tinggi akan memyebabkan penurunan daya beli uang (purchasing power money). Di samping itu, inflasi yang tinggi juga bisa mengurangi tingkat pendapatan riil yang diperoleh investor dari investasinya. Sebaliknya, jika tingkat inflasi suatu negara mengalami penurunan, maka hal ini
65
merupakan sinyal positif bagi investor seiring dengan turunnya risiko daya beli uang dan risiko penurunan pendapatan riil. Tabel 4.5 Variabel Produk Domestik Bruto Tahun 2006-2008 (Dalam Miliar Rupiah)
Periode
2006
2007
2008
Januari
260.926,2
306.292,1
372.526,5
Februari
260.926,2
306.292,1
372.526,5
Maret
260.926,2
306.292,1
372.526,5
April
270.989,4
321.596,6
409.818,8
Mei
270.989,4
321.596,6
409.818,8
Juni
270.989,4
321.596,6
409.818,8
Juli
290.183,8
343.597,3
444.172,2
Agustus
290.183,8
343.597,3
444.172,2
September
290.183,8
343.597,3
444.172,2
Oktober
291.060,3
344.954,3
424.762,4
November
291.060,3
344.954,3
424.762,4
Desember Sumber:DataBI
291.060,3
344.954,3
424.762,4
Berdasarkan tabel 4.5 dapat dilihat bahwa nilai Produk Domestik Bruto tertinggi terjadi pada tahun 2008 sebesar 444.172,2 lebih tinggi dibandingkan pada tahun sebelumnya yaitu pada tahun 2006 dan tahun 2007. Sedangkan nilai Produk Domestik Bruto terendah terjadi pada tahun 2006 sebesar 260.926,2. Untuk memperoleh pemahaman yang lebih jelas mengenai nilai tertinggi dan terendah variabel Produk Domestik Bruto, dibawah ini disajikan grafik variabel Produk Domestik Bruto sebagai berikut:
66
500000
400000
300000
200000
100000
0 06M01
06M07
07M01
07M07
08M01
08M07
PDB
Gambar 4.5 Variabel Produk Domestik Bruto Tahun 2006-2008 (Dalam Miliar Rupiah)
Berdasarkan grafik 4.5 dapat dilihat bahwa nilai tertinggi dan nilai terendah pada variabel Produk Domestik Bruto pada tahun 2006-2008. Menurut Pandji Anoraga dan Piji Pakarti (2008:110) Pertumbuhan ekonomi yang baik secara umum menunjukkan tingkat perbaikan kesejahteraan masyarakat, dan hal ini biasanya diikuti dengan kegiatan pasar modal yang bergairah. Sebaliknya, kondisi ekonomi yang lesu akan ditunjukkan juga dari kegiatan pasar modal yang melemah. Pertumbuhan PDB merupakan salah satu indikator yang banyak digunakan sebagai tolak ukur kemajuan perekonomian suatu negara. PDB yang tumbuh dengan cepat menunjukkan perekonomian yang
67
berkembang
dengan
peluang
yang
berlimpah
bagi
perusahaan
untuk
meningkatkan penjualan. Bila pertumbuhan ini terus berlangsung, maka kegiatan investasi sangat diperlukan untuk menunjang peningkatan dalam produksi, yang selanjutya memberikan perkembangan yang baik bagi pasar modal sebagai sumber dana bagi pengembangan dunia usaha. Sebaliknya bila tingkat pertumbuhan ekonomi rendah atau menurun, akan memberikan dampak yang negatif
bagi
kegiatan
investasi,
sehingga
akan
berpengaruh
terhadap
perkembangan pasar modal (Mankiw, 2003:17-22). Tabel 4.6 Variabel Indeks Hang Seng Tahun 2006-2008 (Dalam Satu Satuan Poin) Periode
2006
2007
2008
Januari
15.753,14
20.106,42
23.455,74
Februari
15.918,48
19.651,51
24.331,67
Maret
15.805,04
19.800,93
22.849,20
April
16.661,30
20.318,98
25.755,35
Mei
15.857,89
20.634,47
24.533,12
Juni
16.267,62
21.772,73
22.102,01
Juli
16.971,34
23.184,94
22.731,10
Agustus
17.392,27
23.984,14
21.261,89
September
17.543,05
27.142,47
18.016,21
Oktober
18.324,35
31.352,58
13.968,67
November
18.960,48
28.643,61
13.888,24
Desember
19.964.72
27.812,65
14.387,48
Sumber: yahoofinance.com
Berdasarkan tabel 4.6 menunjukkan indeks Hang Seng tertinggi terjadi pada tahun 2007 sebesar 31.352,58. Sedangkan indeks terendah pada tahun 2008 yaitu
68
13.888,24. Untuk memperoleh penjelasan yang lebih rinci, mengenai indeks tertinggi dan terendah dibawah ini disajikan grafik variabel indeks Hang Seng, sebagai berikut:
32000
28000
24000
20000
16000
12000 06M01
06M07
07M01
07M07
08M01
08M07
IH
Grafik 4.6 Variabel Indeks Hang Seng Tahun 2006-2008 (Dalam Satu Satuan Poin)
Berdasarkan grafik 4.6 dapat diketahui bahwa indeks tertinggi variabel indeks Hang Seng terjadi pada tahun 2007 bulan Oktober sebesar 31.352,58, sedangkan indeks terendah terjadi pada akhir periode penelitian pada tahun 2008 bulan November sebesar 13.888,24. Menurut Nachrowi dan Usman (2006) dalam Budi Frensidy (2009) Pasar modal yang kuat dapat mempengaruhi pasar modal yang lemah. Sebagai salah satu pasar modal yang sedang berkembang, BEI diduga sangat dipengaruhi indeks pasar saham dunia dan Asia yang berkapitalisasi besar yaitu Dow Jones Industrial Average (DJIA) dari bursa saham New York, Nikkei 225 (bursa saham Tokyo), dan Hang Seng (bursa saham Hong Kong).
69
Tabel 4.7 Variabel IHSG Tahun 2006-2008 (Dalam Satu Satuan Poin) Periode
2006
2007
2008
Januari
1.232,32
1.805,52
2.627,25
Februari
1.230,66
1.740,97
2.721,94
Maret
1.322,97
1.830,92
2.447,30
April
1.464,41
1.999,17
2.304,52
Mei
1.330,00
2.084,32
2.444,35
Juni
1.310,26
2.139,28
2.394,10
Juli
1.351,65
2.348,67
2.304,51
Agustus
1.431,26
2.194,34
2.165,94
September
1.534,61
2.359,21
1.832,51
Oktober
1.528,63
2.643,49
1.256,70
November
1.718,96
2.688,33
1.241,54
Desember
1.805,52
2.745,83
1.355,41
Sumber:DataBEI
Berdasarkan tabel 4.7 nilai IHSG tertinggi terjadi pada tahun 2007 bulan Desember sebesar 2.745,83, sedangkan nilai IHSG terjadi pada awal periode penelitian tahun 2006 bulan Februari yaitu sebesar 1.230,66. Untuk memperoleh penjelasan yang lebih rinci, dibawah ini disajikan grafik variabel IHSG untuk menunjukkan angka indeks teringgi dan terendah, sebagai berikut:
70
2800
2400
2000
1600
1200 06M01
06M07
07M01
07M07
08M01
08M07
IHSG
Gambar 4.7 Variabel IHSG Tahun 2006-2008 (Dalam Satu Satuan Poin)
Berdasarkan grafik 4.7 dapat dilihat bahwa nilai IHSG tertinggi ditunjukkan pada tahun 2007, sedangkan nilai IHSG terendah terjadi pada tahun 2006, dimana nilai IHSG tertinggi sebesar 2.745,83 dan terendah sebesar 1.230,66. Indeks Harga Saham dapat menjadi barometer kesehatan ekonomi suatu negara dan sebagai dasar melakukan analisis statistik atas kondisi pasar terakhir (Current Market) (Abdul Halim, 2005:12 ). Fluktuasi harga saham ditentukan oleh kemampuan perusahaan dalam memperoleh laba. Apabila laba yang diperoleh perusahaan relatif tinggi, maka kemungkinan besar bahwa dividen yang dibayarkan juga relatif tinggi. Apabila dividen yang dibayarkan relatif tinggi, akan berpengaruh positif terhadap harga saham di bursa, dan investor akan tertarik untuk membelinya. Akibatnya permintaan akan saham tersebut menjadi meningkat, sehingga akhirnya harganya juga akan meningkat. Peningkatan harga saham ini akan menimbulkan capital gain bagi para pemegangnya (Abdul Halim, 2005:12). Begitupula sebaliknya.
71
C. Hasil dan Pembahasan Dalam bab ini penulis menganalisis data yang telah terkumpul. Data yang telah dikumpulkan tersebut berupa data IHSG dari perusahaan yang listing di Bursa Efek Indonesia periode 2006 sampai dengan 2008 dan juga berupa data makro ekonomi periode 2006 sampai dengan 2008. Hasil pengolahan data berupa informasi untuk mengetahui apakah variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan Indeks Hang Seng memiliki pengaruh terhadap Indeks Harga Saham Gabungan (IHSG) serta berapa besar pengaruhnya. 1. Uji Stasioneritas Langkah pertama sebelum melakukan uji GARCH, terlebih dahulu dilakukan uji stasioneritas data pada semua variabel yang digunakan. Dalam penelitian ini data yang digunakan adalah data time series. Data time series sering menyimpan berbagai permasalahan. Salah satunya adalah
otokorelasi,
otokorelasi
ini
merupakan
penyebab
yang
mengakibatkan data menjadi tidak stasioner, sehingga bila data distasionerkan maka otokorelasi akan hilang dengan sendirinya. Data dinyatakan stasioner jika nilai rata-rata dan varian dari data time series tersebut tidak mengalami perubahan secara sistematik sepanjang waktu, atau konstan (Nachrowi, 2006:341). Dalam penelitian ini, uji stasioneritas yang digunakan adalah uji unit root ADF(Augmented Dickey-Fuller). Ide dasar uji stasioneritas data dengan uji akar unit dapat dijelaskan dengan model berikut ini:
72
Yt = ρYt-1 + et
-1 ≤ ρ ≤ 1
Jika nilai ρ = 1 maka kita katakan bahwa variabel random (stokastik) Y mempunyai akar unit (unit root). Jika data time series mempunyai akar unit maka dikatakan data tersebut bergerak secara random (random walk) dan data yang mempunyai sifat random walk dikatakan data tidak stasioner. Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai statistik DF ditunjukkan oleh nilai t statistik koefisien Yt-1. jika nilai absolut statistik DF lebih besar dari nilai kritisnya maka kita menolak hipotesis null sehingga data yang diamati menunjukkan stasioner. Sebaliknya data tidak stasioner jika nilai absolut nilai statistik DF lebih kecil dari nilai kritis distribusi statistik (Widarjono, 2007:341-343). a. Uji Stasioneritas data pada variabel aksi jual-beli asing Hasil dari ADF Test Statistic di atas menunjukkan nilai probabiltas-nya lebih kecil dari 5%, maka data sudah stasioner. Atau dengan melihat nilai statistik DF untuk variabel aksi jual-beli asing adalah sebesar -5,343154 lebih besar dari nilai kritis Mackinnon, yaitu pada α = 1%; α = 5%; α = 10% masing-masing 3,632900; -2,948404; -2,612874. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan
73
demikian Ho ditolak, sehingga dapat disimpulkan variabel aksi jual-beli asing stasioner pada tingkat level.
Null Hypothesis: DN has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-5.343154
0.0001
Test critical values:
1% level
-3.632900
5% level
-2.948404
10% level
-2.612874
b. Uji Stasioneritas data pada variabel Kurs Hasil dari ADF Test Statistic di atas dapat dilihat dari probabilitas-nya menunjukkan lebih kecil dari 5%, sehingga data sudah stasioner. Atau dengan melihat nilai statistik DF untuk variabel kurs adalah sebesar -3,946896 lebih besar dari nilai kritis Mackinnon, yaitu pada α = 1%; α =5%; α = 10% masing-masing 3,639407; -2,951125; 2,614300. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan demikian Ho ditolak, sehingga dapat disimpulkan bahwa data variabel kurs stasioner pada tingkat level, oleh karena itu tidak perlu dilakukan transformasi data.
74
Null Hypothesis: KURS has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-3.946896
0.0046
Test critical values:
1% level
-3.639407
5% level
-2.951125
10% level
-2.614300
c. Uji Stasioneritas data pada variabel SBI Hasil dari ADF Test Statistic di atas menunjukkan nilai statistik DF untuk variabel SBI adalah sebesar -2,6733247 lebih besar dari nilai kritis Mackinnon, yaitu pada α = 10% sebesar 2,617434. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan demikian Ho ditolak, sehingga dapat disimpulkan bahwa data variabel SBI stasioner pada tingkat level, oleh karena itu tidak perlu dilakukan transformasi data.
75
Null Hypothesis: SBI has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-2.673247
0.0897
Test critical values:
1% level
-3.653730
5% level
-2.957110
10% level
-2.617434
d. Uji stasioneritas data pada variabel inflasi Hasil dari ADF Test Statistic di atas menunjukkan nilai statistik DF untuk variabel inflasi adalah sebesar -2,302632 lebih kecil dari nilai kritis Mackinnon, yaitu pada α = 1%; α = 5%; α = 10% masing-masing -3,639407; -2,951125; -2,614300. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan demikian Ho diterima, sehingga dapat disimpulkan variabel inflasi menghadapi masalah unit root atau data tidak stasioner.
76
Null Hypothesis: INF has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-2.302632
0.1769
Test critical values:
1% level
-3.639407
5% level
-2.951125
10% level
-2.614300
Jika data tidak stasioner pada tingkat level, maka data harus distasionerkan dengan cara diferensi data pada tingkat pertama.
Null Hypothesis: D(INF) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-4.989073
0.0003
Test critical values:
1% level
-3.639407
5% level
-2.951125
10% level
-2.614300
Pada hasil uji stasioneritas data variabel inflasi pada tingkat diferensi pertama menunjukkan nilai probabilitas-nya lebih kecil dari 5%, maka data sudah stasioner. Atau dengan melihat nilai statistik DF sebesar -4,989073 lebih besar dari nilai kritis
77
Mackinnon yaitu pada α = 1%; α = 5%; α = 10% masing-masing 3,639407; -2,951125; -2,614300 dengan demikian Ho ditolak, sehingga dapat disimpulkan variabel inflasi stasioner pada tingkat diferensi pertama. Dapat disimpulkan bahwa data inflasi tidak stasioner pada tingkat level tetapi stasioner pada tingkat diferensi pertama. e. Uji Stasioneritas data pada variabel Produk Domestik Bruto Hasil dari ADF Test Statistic di atas menunjukkan nilai statistik DF untuk variabel Produk Domestik Bruto adalah sebesar -3,79227 lebih besar dari nilai kritis Mackinnon yaitu pada α= 1%; α= 5%; α= 10% masing-masing -3,632900; -2,948404; 2,612874. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan demikian Ho ditolak, sehingga dapat disimpulkan bahwa data variabel Produk Domestik Bruto stasioner pada tingkat level, oleh karena itu tidak perlu dilakukan transformasi data.
78
Null Hypothesis: PDB has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-3.792227
0.0067
Test critical values:
1% level
-3.632900
5% level
-2.948404
10% level
-2.612874
f. Uji stasioneritas data pada variabel indeks Hang Seng Hasil dari ADF Test Statistic di atas menunjukkan nilai statistik DF untuk variabel indeks Hang Seng adalah sebesar 1,060869 lebih kecil dari nilai kritis Mackinnon yaitu pada α = 1%; α = 5%; α = 10% masing-masing -3,632900; -2,948404; -2.612874 Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Atau dengan melihat nilai probabiltas-nya yang lebih besar dari 5%. Dengan demikian Ho diterima, sehingga dapat disimpulkan variabel Indeks Hang Seng menghadapi masalah unit root atau data tidak stasioner.
79
Null Hypothesis: IH has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-1.060869
0.7200
Test critical values:
1% level
-3.632900
5% level
-2.948404
10% level
-2.612874
Jika data tidak stasioner pada tingkat level, maka data harus distasionerkan dengan cara diferensi data pada tingkat pertama. Null Hypothesis: D(IH) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-4.712876
0.0006
Test critical values:
1% level
-3.639407
5% level
-2.951125
10% level
-2.614300
Pada hasil uji stasioneritas data variabel Indeks Hang Seng pada tingkat diferensi pertama menunjukkan nilai probabilitas-nya lebih kecil dari 5%, atau dengan melihat statistik DF sebesar 4,712876 lebih besar dari nilai kritis Mackinnon yaitu pada α = 1%; α = 5%; α = 10% masing-masing -3,639407; -2,951125; -
80
2,614300 dengan demikian Ho ditolak, sehingga dapat disimpulkan variabel indeks Hang Seng stasioner pada tingkat diferensi pertama. Dapat disimpulkan bahwa data indeks Hang Seng tidak stasioner pada tingkat level tetapi stasioner pada tingkat diferensi pertama. g. Uji Stasioneritas data pada variabel IHSG Hasil dari ADF Test Statistic di atas menunjukkan nilai statistik DF untuk variabel IHSG adalah sebesar -2,744436 lebih besar dari nilai kritis Mackinnon yaitu pada α = 10% sebesar 2,625121. Dengan panjang kelambanan berdasarkan kriteria SIC (Schwarz Info Criterion). Dengan demikian Ho ditolak, sehingga dapat disimpulkan bahwa data variabel IHSG stasioner pada tingkat level, oleh karena itu tidak perlu dilakukan transformasi data.
81
Null Hypothesis: IHSG has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-2.744436
0.0794
Test critical values:
1% level
-3.689194
5% level
-2.971853
10% level
-2.625121
2. Uji GARCH Setelah dilakukan uji stasioneritas data pada seluruh variabel dan diyakini bahwa seluruh variabel tersebut sudah stasioner, maka langkah selanjutnya adalah melakukan uji GARCH untuk menjelaskan pengaruh variabel-variabel yang digunakan dalam penelitian ini dan berapa besar pengaruhnya. Model GARCH merupakan model perkembangan dari model ARCH. Model ARCH (Autoregressive Conditional Heteroscedasticity) dikembangkan oleh Robert Engle (1982) dan dimodifikasi oleh Mills (1999), selanjutnya Tim Bollerslev (1986 dan 1994) juga memperkenalkan model generalisasi ARCH yang disebut
GARCH. GARCH ini
dimaksudkan untuk memperbaiki ARCH (Wing Wahyu, 2007:8.1).
82
Penulis akan mencari model GARCH yang paling layak untuk menjelaskan pengaruh variabel-variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan indeks Hang Seng terhadap Indeks Harga Saham Gabungan dan berapa besar pengaruhnya. Untuk memilih model yang paling layak, maka dilakukan proses trial dan error atau mencoba beberapa kemungkinan model, sehingga menghasilkan model yang terbaik (Nachrowi, 2007:424). Ada beberapa cara yang dapat digunakan untuk memilih model terbaik, yaitu memiliki nilai R2 yang paling tinggi yang berarti model tersebut mampu menjelaskan hubungan antara variabel independen terhadap variabel dependen, melihat nilai koefisien AIC (Akaike Info Criterion) dan SIC (Schwarz Info Criterion) yang paling rendah, masukkan nilai data ke dalam persamaan (Wing Wahyu, 2007:8.21).
83
Dibawah ini hasil output Uji GARCH (1,1) sebagai berikut: Tabel 4.8 Uji GARCH (1,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:30 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 495 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2597.122 3.00E-06 -0.067542 -1971.682 214.0541 0.000559 0.057986
3.853471 0.245929 -1.602716 -4.638118 2.133217 1.304778 5.660326
0.0001 0.8057 0.1090 0.0000 0.0329 0.1920 0.0000
0.862126 1.261199 0.467072
0.3886 0.2072 0.6404
673.9695 1.22E-05 0.042142 425.1038 100.3433 0.000428 0.010244
Variance Equation C RESID(-1)^2 GARCH(-1)
2369.610 0.744087 0.115067
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.942469 0.922554 141.4878 520488.8 -214.8658 1.101475
2748.567 0.589984 0.246359
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.49254 12.93241 47.32543 0.000000
Bedasarkan tabel 4.8 variabel SBI, inflasi, indeks Hang Seng, dan titik c yaitu titik intercept menunjukkan pengaruh yang signifikan dengan probabilitas lebih kecil dari α=5%, sedangkan variabel aksi jual-beli asing, kurs, dan PDB tidak signifikan karena nilai probabilitas jauh lebih besar
84
dari α=5% (Wing Wahyu, 2007:8.8). Model GARCH (1,1) memiliki nilai R2 sebesar 94,2% yang artinya variasi variabel aksi jual-beli asing, kurs SBi, inflasi, PDB dan indeks Hang Seng dalam menjelaskan variasi variabel IHSG sebesar 94,2%, sedangkan sisa-nya sebesar 5,8% dijelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC (Akaike Info criterion) dan SIC (Schwarz Info criterion) masing-masing sebesar 12,49 dan 12,93 karena untuk menghasilkan model GARCH yang paling layak adalah memiliki nilai R2 yang paling tinggi, nilai AIC dan SIC yang paling rendah, maka akan dicoba model berikutnya sampai menghasilkan model yang paling layak.
85
Berikutnya akan dicoba GARCH (1,2) dengan output sebagai berikut:. Tabel 4.9 Uji GARCH (1,2)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:41 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 67 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2 + C(11) *GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.633 6.90E-06 -0.045240 -2610.301 386.2074 -6.30E-05 0.050145
5.594537 0.517503 -0.936776 -6.201430 2.816121 -0.093156 6.197101
0.0000 0.6048 0.3489 0.0000 0.0049 0.9258 0.0000
0.909507 0.938106 1.577207 -2.045740
0.3631 0.3482 0.1147 0.0408
555.6552 1.33E-05 0.048293 420.9193 137.1416 0.000676 0.008092
Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1)
8464.205 0.577372 0.670966 -0.696798
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.945652 0.923913 140.2413 491690.9 -216.1971 0.900173
9306.365 0.615465 0.425414 0.340609
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.62206 13.10592 43.49981 0.000000
Berdasarkan tabel 4.9 hanya variabel SBI, inflasi, indeks Hang Seng, dan titik c yaitu titik intercept yang memiliki pengaruh signifikan
86
dengan probabilitas lebih kecil dari α=5%, sedangkan variabel aksi jualbeli asing, kurs, dan PDB memiliki pengaruh yang tidak signifikan karena nilai probabilitas jauh lebih besar dari α=5% (Wing Wahyu, 2007:8.8). Model GARCH (1,2) lebih baik dari model sebelumnya karena nilai Rsquared lebih tinggi daripada model sebelumnya yaitu sebesar 94,5%, namun nilai AIC (Akaike Info Criterion) dan SIC (Schwarz Info Criterion) lebih tinggi dibandingkan model sebelumnya sebesar 12,62 untuk nilai AIC sedangkan SIC sebesar 13,10.
87
Tabel 4.10 Uji GARCH (0,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:25 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 146 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2706.341 2.66E-06 -0.068562 -2104.917 251.2601 0.000595 0.056731
3.633127 0.229158 -1.528641 -5.090845 2.756108 1.509497 5.154016
0.0003 0.8187 0.1264 0.0000 0.0058 0.1312 0.0000
1.439642 1.244370
0.1500 0.2134
744.9069 1.16E-05 0.044851 413.4710 91.16481 0.000394 0.011007
Variance Equation C RESID(-1)^2
3725.268 0.724781
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943629 0.926926 137.4359 509993.0 -215.4609 1.153882
2587.634 0.582448
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.47005 12.86593 56.49617 0.000000
Berdasarkan hasil tabel 4.10 ternyata variasi model GARCH (0,1) masih belum signifikan yaitu variabel aksi jual-beli asing, kurs, Produk Domestik Bruto karena nilai probabilitas jauh lebih besar dari α=5% (Wing Wahyu, 2007:8.8). Selain itu, nilai R2 yang dihasilkan lebih rendah sebesar 94,3%, nilai AIC dan SIC masing-masing sebesar 12,47 dan 12,86
88
lebih rendah daripada model sebelumnya. Sehingga akan dicoba model berikutnya yaitu GARCH (0,2), dengan hasil output sebagai berikut: Tabel 4.11 Uji GARCH (0,2) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:26 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 340 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2615.512 2.73E-06 -0.066095 -1995.824 218.2834 0.000528 0.057765
3.896460 0.225919 -1.561924 -4.690282 2.226514 1.202417 5.667539
0.0001 0.8213 0.1183 0.0000 0.0260 0.2292 0.0000
0.933200 1.265726 0.430638
0.3507 0.2056 0.6667
671.2532 1.21E-05 0.042316 425.5233 98.03821 0.000439 0.010192
Variance Equation C RESID(-1)^2 RESID(-2)^2
2659.249 0.742138 0.102814
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943168 0.923495 140.6260 514167.4 -214.8681 1.092175
2849.601 0.586334 0.238749
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.49267 12.93254 47.94279 0.000000
Berdasarkan tabel 4.11 pada variabel aksi jual-beli asing, kurs, dan Produk Domestik Bruto menunjukkan pengaruh tidak signifikan dengan nilai probabilitas jauh lebih besar dari α=5% (Wing Wahyu, 2007:8.8).
89
Variasi model GARCH (0,2) memiliki nilai R2 yang sama dengan model sebelumnya sebesar 94,3%, sedangkan nilai AIC dan SIC lebih tinggi yaitu masing-masing sebesar 12,49 dan 12,93. Berikutnya akan dicoba model GARCH (0,3), dengan output sebagai berikut: Tabel 4.12 Uji GARCH (0,3) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:27 Sample: 2006M01 2008M12 Included observations: 36 Failure to improve Likelihood after 15 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2 + C(11) *RESID(-3)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.639 4.24E-06 -0.039370 -2610.387 386.5665 -0.000176 0.049763
4.252613 0.262572 -0.558755 -4.871762 2.433916 -0.201354 5.430404
0.0000 0.7929 0.5763 0.0000 0.0149 0.8404 0.0000
1.920708 1.256381 1.147433 -1.580540
0.0548 0.2090 0.2512 0.1140
730.9952 1.62E-05 0.070461 535.8198 158.8249 0.000873 0.009164
Variance Equation C RESID(-1)^2 RESID(-2)^2 RESID(-3)^2
9010.290 0.343182 0.293212 -0.257441
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.946247 0.924746 139.4712 486305.3 -216.0822 0.914304
4691.129 0.273151 0.255538 0.162881
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
90
1913.586 508.4170 12.61568 13.09953 44.00923 0.000000
Berdasarkan tabel 4.12 menunjukkan pengaruh tidak signifikan pada variabel aksi jual-beli asing, kurs, dan Produk Domestik Bruto (PDB) dengan probabilitas lebih besar dari α=5%, sedangkan variabel SBI, inflasi, indeks Hang Seng dan titik C (intercept) memiliki pengaruh signifikan dengan nilai probabilitas kurang dari α=5%. Namun, variasi model GARCH (0,3) menunjukkan nilai R2 yang cukup tinggi sebesar 94,6%, namun nilai AIC dan SIC menunjukkan lebih tinggi sebesar 12,61 pada AIC sedangkan SIC sebesar 13,09.
91
Berikutnya akan dicoba model GARCH (2,1) dengan hasil output sebagai berikut: Tabel 4.13 Uji GARCH (2,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:31 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 46 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*GARCH(-1) + C(11) *GARCH(-2)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.638 -1.67E-06 -0.051328 -2610.389 386.5653 0.000279 0.049891
3.062878 -0.117909 -0.470873 -8.024543 4.495562 0.659782 4.965773
0.0022 0.9061 0.6377 0.0000 0.0000 0.5094 0.0000
0.774857 1.317694 1.422903 -0.898709
0.4384 0.1876 0.1548 0.3688
1014.940 1.42E-05 0.109007 325.3006 85.98820 0.000423 0.010047
Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2)
7918.133 0.622456 0.422370 -0.476765
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948989 0.928584 135.8678 461501.8 -215.9444 1.099199
10218.83 0.472383 0.296837 0.530500
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
92
1913.586 508.4170 12.60802 13.09187 46.50888 0.000000
Berdasarkan hasil output diatas, model GARCH (2,1) memiliki pengaruh yang signifikan dengan nilai probabilitas kurang dari α=5% pada variabel SBI, inflasi, indeks Hang Seng dan titik C (intercept), sedangkan variabel aksi jual-beli asing, kurs, dan Produk Domestik Bruto memiliki pengaruh yang tidak signifikan karena nilai probabilitas yang jauh lebih besar dari α=5% (Wing Wahyu, 2007:8.8). Selain itu, variasi model GARCH (2,1) memiliki nilai R-Squared yang lebih tinggi daripada model sebelumnya yaitu sebesar 94,8%, namun, nilai AIC dan SIC lebih tinggi daripada model sebelumnya sebesar 12,60 untuk AIC (Akaike Info criterion) dan SIC (Schwarz Info Criterion) sebesar 13,09.
93
Tabel 4.14 Uji TARCH (0,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:17 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 8 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.630 -4.29E-06 -0.045728 -2610.360 386.6186 0.000141 0.048908
18.49869 -35.13649 -3.570270 -25.63573 6.607195 5.473780 22.58646
0.0000 0.0000 0.0004 0.0000 0.0000 0.0000 0.0000
2.226657 1.830391 -2.194947
0.0260 0.0672 0.0282
168.0460 1.22E-07 0.012808 101.8251 58.51478 2.58E-05 0.002165
Variance Equation C 8074.152 3626.133 RESID(-1)^2 0.615549 0.336294 RESID(-1)^2*(RESID(-1)<0) -0.749333 0.341390 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948074 0.930099 134.4193 469782.2 -215.4374 1.038776
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.52430 12.96417 52.74539 0.000000
Berdasarkan tabel 4.14 Hasil estimasi uji TARCH (0,1) menunjukkan bahwa ke-enam variabel bebas yakni variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan Indeks Hang Seng dan titik C (intercept) mempunyai pengaruh yang signifikan dengan nilai
94
probabilitas lebih kecil dari
α=5% (Wing Wahyu, 2007:8.8). Dengan
demikian, model Threshold ARCH atau TARCH (0,1) adalah model yang relatif paling layak dibuktikan dengan semua variabel yang digunakan dalam penelitian memiliki pengaruh yang signifikan pada probabilitas lebih kecil dari α=5%. Selain itu, pemilihan model TARCH (0,1) merupakan model yang paling layak dibuktikan dengan nilai R-Squared cukup tinggi sebesar 94,8% yang berarti model tersebut mampu menjelaskan hubungan antara variabel independen (aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng) terhadap variabel dependen (IHSG), adapun untuk
nilai AIC
(Akaike Info Criterion) dan SIC
(Schwarz Info Criterion) pada model TARCH (0,1) menunjukkan nilai yang cukup rendah sebesar 12,52 untuk nilai AIC sedangkan SIC sebesar 12,96, dengan model persamaan uji TARCH (0,1) sebagai berikut: IHSG = 3108,630 – 4,29×106DN – 0,045728KURS - 2610,360SBI + 386,6186INF + 0,000141PDB + 0,048908IH Persamaan varian residualnya adalah: σ2 t = 8074,152 + 0,0615549 ε2 t-1 – 0,749333dt-1 Hasil ini juga dibuktikan dengan hasil pengujian yang sebelumnya dilakukan yang menunjukkan model TARCH (0,1) adalah model yang relatif lebih baik dibandingkan dengan model sebelumnya.
95
Untuk memastikan model TARCH (0,1) adalah model yang paling layak maka akan dilakukan Uji TARCH (1,1) sebagai pembanding dengan hasil yang telah diperoleh pada model TARCH (0,1). Hasil output Uji TARCH (1,1) adalah: Tabel 4.15 Uji TARCH (1,1)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:19 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 38 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0) + C(11)*GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.639 -1.50E-06 -0.055640 -2610.382 386.5686 0.000399 0.048406
18.97039 -19.35573 -5.347723 -17.58735 7.027518 26.66516 14.84703
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2.015398 2.984635 -3.066686 -2.024919
0.0439 0.0028 0.0022 0.0429
163.8680 7.74E-08 0.010404 148.4238 55.00784 1.50E-05 0.003260
Variance Equation C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1)
7986.393 0.931153 -0.949790 -0.188544
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943195 0.920473 143.3763 513918.9 -215.7094 1.035991
96
3962.687 0.311982 0.309712 0.093112
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.59497 13.07882 41.51023 0.000000
Berdasarkan tabel 4.11 semua variabel yang terdiri dari aksi jualbeli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan indeks Hang Seng menunjukkan pengaruh signifikan dengan probabilitas lebih kecil dari α=5%. Pada tabel 4.11 menunjukkan nilai R-squared lebih rendah daripada model TARCH (0,1) sebesar 94,3%, dan nilai AIC (Akaike Info Criterion) yang lebih tinggi sebesar 12,59, SIC (Schwarz Info Criterion) sebesar 13,07. Berikutnya dicoba model TARCH (2,1) dengan hasil output sebagai berikut:
97
Tabel 4.16 Uji TARCH (2,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:20 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 9 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0) + C(11)*GARCH(-1) + C(12)*GARCH(-2)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.638 -6.57E-06 -0.041352 -2610.389 386.5694 -3.69E-05 0.050015
11.28876 -15.89676 -2.090957 -14.54288 6.270300 -0.951617 11.61865
0.0000 0.0000 0.0365 0.0000 0.0000 0.3413 0.0000
1.229445 1.844154 -1.065520 0.198192 -1.943304
0.2189 0.0652 0.2866 0.8429 0.0520
275.3747 4.13E-07 0.019776 179.4960 61.65086 3.87E-05 0.004305
Variance Equation C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1) GARCH(-2)
7918.134 0.571740 -0.446631 0.156882 -0.308170
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948528 0.924937 139.2941 465668.1 -219.0104 1.031943
6440.412 0.310028 0.419167 0.791568 0.158580
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1913.586 508.4170 12.83391 13.36175 40.20689 0.000000
Berdasarkan tabel 4.16 hanya variabel aksi jual-beli asing, kurs, SBI, inflasi, indeks Hang Seng dan titik C (intercept) memiliki pengaruh signifikan dengan probabilitas lebih kecil dari α=5%. Sedangkan variabel
98
PDB tidak signifikan karena nilai probabilitas-nya lebih besar dari α=5%. Selain itu, nilai R-squared memiliki nilai yang sama dengan model TARCH (0,1) sebesar 94,8%, namun nilai AIC dan SIC lebih tinggi daripada model TARCH (0,1) yaitu sebesar 12,83 untuk AIC (Akaike info criterion) dan 13,36 untuk SIC (Schwarz Info Criterion). Tabel 4.17 Tabel Hasil Beberapa Alternatif model
Model GARCH (1,1) GARCH (1,2) GARCH (0,1) GARCH (0,2) GARCH (0,3) GARCH (2,1) TARCH (0,1) TARCH (1,1) TARCH (2,1)
Akaike 12,49 12,62 12,47 12,49 12,61 12,60 12,52 12,59 12,83
Schwarz 12,93 13,10 12,86 12,93 13,09 13,09 12,96 13,07 13,36
R-squared 94,2% 94,5% 94,3% 94,3% 94,6% 94,8% 94,8% 94,3% 94.8%
Dengan demikian, model yang lebih baik adalah model TARCH (0,1) dibuktikan dengan semua variabel yang digunakan dalam penelitian ini memiliki pengaruh yang signifikan pada probabilitas lebih kecil dari α=5%, dan sesuai dengan teori. Selain itu, dalam memilih model yang paling layak adalah memiliki nilai R2 yang paling tinggi yang berarti model
tersebut
mampu
menjelaskan
hubungan
variabel-variabel
independen terhadap variabel dependen, serta memiliki nilai AIC dan SIC yang rendah (Wing Wahyu, 2007:8.21). Model TARCH (0,1) memenuhi kriteria tersebut, dibuktikan dengan nilai R-squared sebesar 94,8% dan
99
nilai AIC (Akaike info criterion) sebesar 12,52, sedangkan nilai SIC (Schwarz Info Criterion) sebesar 12,96. D. Interpretasi Berdasarkan pembahasan pada bab-bab sebelumnya dengan hasil penelitian Model TARCH (0,1) merupakan model yang paling layak dibuktikan dengan semua variabel independen yang digunakan dalam penelitian yang terdiri dari variabel independen (aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng) memiliki pengaruh yang signifikan terhadap variabel dependen (IHSG) dengan probabilitas lebih kecil dari α=5%. Selain itu, model TARCH (0,1) memiliki nilai R2 yang lebih tinggi dibandingkan dengan model sebelumnya yaitu sebesar 94,8%, yang artinya variasi variabel aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng dalam menjelaskan variasi variabel IHSG sebesar 94,8% dan sisanya sebesar 5,8% dijelaskan oleh faktor lain yang tidak diteliti. Model TARCH (0,1) juga memiliki nilai AIC (Akaike Info Criterion) sebesar 12,52 dan SIC (Schwarz Info Criterion) sebesar 12,96, lebih rendah daripada model sebelumnya. Sedangkan model persamaannya adalah: IHSG = 3108,630 – 4,29×106 DN – 0,045728KURS – 2610,360SBI + 386,6186INF + 0,000141PDB + 0,048908IH Dengan penjelasan sebagai berikut: Konstanta sebesar 3108,630, menyatakan bahwa apabila tidak terdapat variabel aksi jual-beli asing, kurs, SBI, inflasi, Produk Domestik Bruto dan indeks Hang Seng maka IHSG sebesar 3108,630.
100
1. Variabel aksi jual-beli asing memiliki koefisien negatif dan berpengaruh signifikan terhadap IHSG dengan probabilitas lebih kecil dari α=5%. Besarnya koefisien aksi jual-beli asing sebesar -4,29×106 yang berarti apabila terjadi kenaikan aksi jual-beli asing sebesar satu satuan maka akan mengakibatkan penurunan IHSG sebesar -4,29×106. Hal ini disebabkan oleh negative feedback trading sehingga berpengaruh terhadap market index. negative feedback trading yang kemudian menyebabkan market index turun. Hal ini sesuai dengan teori yang dikemukakan oleh Neal, et.al, (2002) dalam Igantius Roni Setyawan (2007) yang menyatakan Positive Feedback Trading adalah tindakan pelaku pasar asing untuk beli saham unggulan saat winner (bullish) dan jual saham unggulan saat losser (bearish). Indikasi adanya positive feedback trading dapat dilihat salah satunya dari makin meningkatnya net buying. Biasanya positive feedback trading dari investor asing akan memicu aksi beli juga oleh investor domestik. Situasi ini akan membuat market index naik. Kondisi berbeda (negative feedback trading) membuat market index turun. Hal ini berbeda dengan penelitian yang dilakukan oleh Budi Frensidy (2009) yang menyatakan aksi jual-beli asing berpengaruh secara positif terhadap perubahan IHSG dan hubungan yang signifikan. 2. Variabel Kurs memiliki koefisien negatif dan pengaruh yang signifikan dengan nilai probabilitas lebih kecil dari α=5%. Besarnya koefisien kurs sebesar -0,045728, menunjukkan bahwa apabila terjadi
101
kenaikan pada kurs sebesar satu satuan, maka akan terjadi penurunan pada IHSG sebesar -0,045728. Hasil ini sesuai dengan penelitian Menurut Sri Adinigsih (1998:160-161) dalam Moh. Mansur (2009:3) bahwa, menurunnya kurs rupiah terhadap mata uang asing khususnya dollar US memiliki pengaruh negatif terhadap kondisi ekonomi secara keseluruhan termasuk pasar modal. 3. Variabel SBI memiliki koefisien negatif
sebesar -2610,360 dan
memiliki pengaruh signifikan dengan nilai probabilitas lebih kecil dari α=5%. Artinya setiap penambahan pada SBI sebesar 1%, akan menyebabkan penurunan pada IHSG sebesar -2610,360. Hasil ini tidak sesuai dengan teori yang menyatakan hubungan tingkat bunga dengan risiko investasi. Dimana tingkat bunga meningkat, maka nilai (investasi) sekarang menurun, dan sebaliknya jika terjadi penurunan tingkat bunga, nilai (investasi) sekarang juga meningkat. Tetapi, hasil estimasi ini sesuai dengan penelitian yang dilakukan oleh Dayananda dan Ko (1994) dalam Pananda Pasaribu dkk, (2009:5) melakukan penelitian mengenai tingkat pengembalian pasar saham terhadap variabel makro ekonomi, dimana salah satunya tingkat bunga. Hasil penelitian menunjukkan bahwa tingkat bunga mempunyai hubungan yang negatif. 4. Variabel inflasi memiliki koefisien yang positif sebesar 386,6186 dan pengaruh yang signifikan dengan probabilitas lebih kecil dari α=5%. Artinya akan terjadi kenaikan IHSG sebesar 386,6186, apabila terjadi
102
kenaikan pada inflasi sebesar 1%. Hasil ini tidak sesuai dengan teori yang dikemukakan oleh Tandelilin (2010:342), yakni inflasi yang tinggi akan menyebabkan penurunan daya beli uang dan mengurangi tingkat pendapatan riil yang diperoleh investor dari investasinya. Hal ini berarti peningkatan inflasi secara relatif merupakan sinyal negatif bagi pemodal di pasar modal. Tetapi, hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Titman dan warga (1989) dalam Zaenal Arifin (2007:155) yang menemukan adanya hubungan yang positif antara return saham dan tingkat inflasi di masa yang akan datang. Temuan ini menunjukkan bahwa return telah memprediksi perubahan tingkat harga di masa yang akan datang atau dengan kata lain naik (turun)-nya harga saham merupakan prediksi tinggi (rendah)nya tingkat inflasi. 5. Variabel Produk Domestik Bruto (PDB) memiliki koefisien yang positif dan pengaruh yang signifikan dengan probabilitas lebih kecil dari α=5% besarnya koefisien PDB 0,000141. Sehingga apabila terjadi kenaikan PDB sebesar satu satuan, maka akan terjadi kenaikan pada IHSG sebesar 0,000141. Hasil ini sesuai dengan teori yang dikemukakan oleh Tandelilin (2010:342), yakni pertumbuhan PDB yang cepat merupakan indikasi terjadinya pertumbuhan ekonomi. Jika pertumbuhan ekonomi membaik, maka daya beli masyarakat pun akan meningkat, dan ini merupakan kesempatan bagi perusahaanperusahaan untuk meningkatkan penjualannya. Dengan meningkatnya
103
penjualan perusahaan, maka kesempatan perusahaan memperoleh keuntungan
juga
akan
semakin
meningkat.
Hal
itu
berarti
meningkatnya PDB merupakan sinyal yang baik (positif) untuk investasi dan sebaliknya jika PDB menurun. 6. Variabel Indeks Hang Seng memiliki koefisien yang positif sebesar 0,048908 dan pengaruh yang signifikan pada probabilitas lebih kecil dari α=5% artinya akan terjadi kenaikan IHSG sebesar 0,048908, apabila terjadi kenaikan indeks Hang Seng sebesar satu satuan poin. Hasil ini sesuai dengan penelitian yang dilakukan oleh Budi Frensidy (2009), dimana Indeks regional yang diproksi indeks Hang Seng mempunyai koefisien yang positif dan pengaruh yang signifikan dengan perubahan IHSG.
104
BAB V KESIMPULAN DAN IMPLIKASI A. Kesimpulan Berdasarkan hasil analisa dan pembahasan yang telah dijelaskan pada bab sebelumnya, maka penelitian ini dapat diambil kesimpulan sebagai berikut: 1. Model yang layak menggambarkan pengaruh variabel independen aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng terhadap variabel dependen yaitu IHSG adalah model TARCH (0,1). Dari hasil pengujian model TARCH (0,1) menunjukkan bahwa semua variabel independen yang terdiri dari aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng memiliki pengaruh signifikan terhadap variabel dependen yaitu IHSG. 2. Model TARCH (0,1) adalah model yang paling layak menjelaskan pengaruh variabel independen (aksi jual-beli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng) terhadap variabel dependen (IHSG), dibuktikan dengan nilai R2 yang paling tinggi dibandingkan dengan model yang telah dilakukan sebelumnya sebesar 94,8%, artinya variasi variabel aksi jualbeli asing, kurs, SBI, inflasi, PDB dan indeks Hang Seng dalam menjelaskan variasi variabel IHSG sebesar 94,8%, sedangkan sisa-nya dijelaskan oleh faktor lain yang tidak diteliti, nilai AIC (Akaike Info Criterion) sebesar 12,52 dan SIC (Schwarz Info Criterion) sebesar 12,96.
105
Karena model yang paling layak adalah model yang memiliki R2 yang paling tinggi, nilai AIC dan SIC yang paling rendah. B. Implikasi Bagi Pemerintah Adanya pengaruh yang terjadi antara faktor-faktor makro ekonomi dan pasar modal di Indonesia, pemerintah diharapkan dapat membuat suatu kebijakan yang tepat bagi pasar modal agar tetap stabil saat terjadi guncangan ekonomi. Bagi Akademisi Perlu diadakan penelitian selanjutnya mengenai pengaruh-pengaruh faktor ekonomi terhadap indeks harga saham gabungan (IHSG) dengan menambah periode penelitian dan faktor-faktor makro lainnya serta dapat ditambahkan pula indeks regional lainnya sebagai proxy serta konseptualisasi model yang berbeda. Bagi Investor Sebaiknya investor melakukan analisis yang lebih mendalam dan memiliki informasi yang cukup dalam melakukan investasi sehingga tidak salah dalam menentukan dan menerapkan strategi dalam berinvestasi di pasar modal.
106
DAFTAR PUSTAKA
Ahmad,
Kamaruddin. ”Dasar-Dasar Manajemen Investasi Portofolio”. Edisi Revisi, Rineka Cipta, Jakata, 2004.
dan
Anoraga, Pandji dan Piji Pakarti. ” Pengantar Pasar Modal ”. Edisi Revisi, Rineka Cipta, Jakarta, 2008. Amaliah, Siti. ” Analisis Perubahan Nilai Tukar Rupiah, Tingkat Suku Bunga dan Pasar Saham Pada Lima Negara Asia (Indonesia, Singapora, Jepang, Hongkong dan Korea”. Skripsi Jurusan Manajemen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah, Jakarta, 2005. Arifin, Zaenal. “Teori Keuangan dan Pasar Modal”. Ekonisia, Yogyakarta, 2007. Bodie, Kane, Marcus. ” Investments ”. Edisi 6, Salemba Empat, Jakarta, 2006. Boediono. ” Ekonomi Makro ”. Edisi 4, BPFE, Yogyakarta, 2001. Colander, David C. ”Economics”. Sixth Edition, Mc Graw-Hill, New York, 2006. Dornbusch, Rudiger and Fisher, Stanley and Startz, Richard. “Macroeconomics”. Ninth Edition, Mc Graw-Hill, New York, 2004. Darmawi, Herman. “Pasar Finansial dan Lembaga-Lembaga Finansial”. PT. Bumi Aksara, Jakarta, 2006. E.Hall ,Robert and Lieberman, Marc. “Macroeconomics “. Second Edition, Pre Press Company Inc, New York, 2001. Fahmi, Irham dan Lavianti, Yovi. “Teori Portofolio dan Analisis Investasi”. Alfabeta, Bandung, 2009. Frank, Robert and Bernanke. “Principles Of Economics”. McGraw-Hill, New York, 2001. Frensidy, Budi. “Analisis Pengaruh Aksi Jual-Beli Asing, Kurs, dan Indeks Hang Seng Terhadap Indeks Harga Saham Gabungan (IHSG) Di Bursa Efek Jakarta dengan Model Garch”. Jurnal Fakultas Ekonomi Universtas Indonesia, Depok, 2009. Halim, Abdul. “Analisis Investasi”. Salemba Empat, 2005.
107
Hamid, Abdul, ” Panduan Penulisan Skripsi ”. Jakarta : FEIS UIN Syarif Hidayatullah Press, 2007. Hamdy, Hady. “Manajemen Keuangan Internasional”. Jakarta, 2008. Irsan, M.Nasarudin, Surya, Indra, Yustiavandana, Ivan, Nefi, Ahmad, dan Adiwarman.”Aspek Hukum Pasar Modal Indonesia”. Edisi 1, Kencana, Jakarta, 2008. Kismono, Gugup. “Bisnis Pengantar”. Edisi Pertama, BPFE, Yogyakarta, 2001. Krugman, Paul R dan Obstfeld, Maurice. “ Ekonomi Internasional (Teori dan Kebijakan)”. Edisi 5, PT. Indeks, Jakarta, 2005. Mankiw, Gregory. “Pengantar Ekonomi Makro Edisi 3”. Salemba Empat, Jakarta, 2003. Mansur, Moh. “Pengaruh Indeks Global terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta Periode 2000-2002”. Jurnal Sosiohumaniora Vol.7 No.3 November 2005:203-219. Mansur, Moh. “Pengaruh Tingkat Suku Bunga SBI dan Kurs Dollar AS terhadap Indeks Harga Saham Gabungan di Bursa Efek Jakarta Periode Tahun 200-2002”. Jurnal 2009. McConnell, Campbell R and Brue, Stanley L. “ Macroeconomics”. Sixteenth Edition, Mc Graw-Hill, New york, 2005. Mishkin, Frederic C. ”The Economic of: Money, Banking and Financial Market”. Ninth edition, Pearson, USA, 2010. Moeljadi. “Manajemen Keuangan: Pendekatan Kuantitatif dan Kualitatif Jilid 1”. Bayumedia Publishing, Jakarta, 2006. Nachrowi, D Nachrowi dan Usman, Hardius. “Ekonometrika”. Lembaga Penerbit FEUI, Jakarta, 2006. Octavia, Ana, “Analisis Pengaruh Nilai Tukar Rupiah/US$ dan Tingkat Suku Bunga SBI terhadap Indeks Harga Saham Gabungan (IHSG) di Bursa Efek Jakara”. Skripsi Fakultas Ekonomi Universitas Negeri Semarang, 2007. Pasaribu, Pananda, Wilson R.L. Tobing dan Haymans Manurung, “Pengaruh Variabel Makroekonomi terhadap IHSG”, Jurnal 2009. Rahardja, Pratama dan Manurung, Mandala. “Teori Ekonomi Makro Edisi 2”. Fakultas Ekonomi Universitas Indonesia, Jakarta, 2004.
108
Rahardjo, Budi. ”Jeli Investasi Saham Ala Warren Buffet”.Yogyakarta. Andi Yogyakarta, 2009. Samuelson, Paul A and Nordhaus, William D. “Economics”. Eighteenth Edition, Mc Graw-Hill, New York, 2005. Setyawan, Ignatius Roni “Pengaruh Net Buying (Selling) Investor Asing dan Perubahan Kurs terhadap Pergerakan IHSG: Sampel Observasi 15 Mei 2006 - 22 Desember 2006”. Jakarta. 2006. Situs Web Resmi Bank Indonesia: http://www.bi.go.id di akses pada tanggal 14 Oktober 2009. Situs Web Resmi Bapepam : http://www.bapepam.go.id di akses pada tanggal 14 Oktober 2009 Situs Web Resmi BEI : http://www.idx.go.id di akses pada tanggal 5 November 2009. Situs web: www.mahadanalearning.com. di akses pada tanggal 5 November 2009. Situs Web: www.wikipedia.org. di akses pada tanggal 5 Januari 2010. Situs Web: www.YahooFinance.com di akses pada tanggal 14 Oktober 2009. Sukirno, Sadono.“Pengantar Teori Makroekonomi”. Edisi 2, Radja Grafindo Persada, Jakarta, 2000. Suseno, Herman Dwi. “Pengaruh Inflasi, Kurs Dollar dan Tingakt Suku Bunga terhadap Harga Saham”. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta, 2009. Syah, Thomas Budiman.“Analisis Penanaman Modal Asing di Indonesia”. Skripsi Ekonomi Internasional, Universitas Islam Indonesia, Yogyakarta, 2005. Tandelilin, Eduardus. ” Portofolio dan Investasi Teori dan Aplikasi ”. Edisi Pertama, Kanisius, 2010. Todaro, Michael P and Smith, Stephen C. “Economic Development”. Pearson. USA, 2009. Warsini, Sabar. ”Manajemen Investasi”. Semesta Media, Jakarta, 2009. Widarjono, Agus. “Ekonometrika”. Edisi 2, Penerbit Fakultas Ekonomi Universitas Islam Indonesia, Yogyakarta, 2007.
109
Winarno,Wing Wahyu. “Analisis Ekonometrika dan Statistika denagn Eviews”. Sekolah Tinggi Ilmu Manajemen YKPN, Yogyakarta, 2007. Yusuf, M Arif. ”Analisis Pengaruh Inflasi, Nilai Tukar Rupiah, PNB, PER, DER, terhadap Return Saham Di Bursa Efek Indonesia”,Skripsi Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah, Jakarta, 2008.
110
Lampiran1.Data Mentah Variabel Aksi Jual-Beli Asing (Net Foreign Fund) Tahun 2006-2008 (Dalam Rp Juta)
Periode
2006
2007
2008
Januari
2.184.956,0
552.402,2
846.465,2
685.347,6
445.083,8
1.989.812,8
Maret
1.936.188,4
2.298.366,1
2.684.193,3
April
3.041.787,8
5.669.478,3
1.088.413,0
Mei
719.265,5
2.590.192,1
3.793.571,5
Juni
605.830,6
3.294.904,5
444.568,8
Juli
870.974,4
3.379.092,1
895.397,0
1.836.430,1
5.217.357,0
467.202,3
920.364,7
3.054.291,9
2.694.415,1
Oktober
1.717.754,3
1.127.628,0
4.140.069,6
November
1.785.205,8
631.084,5
6.461.117,0
Desember
2.180.907,2
4.347.417,9
824.356,2
Februari
Agustus September
Lampiran2. Data Mentah Variabel Kurs Tahun 2006-2008 (Dalam Ribu USD) Periode
2006
2007
2008
Januari
9.395 9.230 9.075 8.775 9.220 9.300 9.070 9.100 9.235 9.110 9.165 9.020
9.090 9.160 9.118 9.083 8.828 9.054 9.186 9.410 9.137 9.103 9.376
9.291 9.051 9.217 9.234 9.318 9.225 9.118 9.153 9.378 10.995 12.151 10.950
Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
9.419
111
Lampiran3. Data Mentah Variabel SBI Tahun 2006-2008 (Dalam Persentase)
Periode
2006
2007
2008
Januari
1,0625
0,7916
0,6667
Februari
1,0616
0,7708
0,6608
Maret
1,0608
0,75
0,6634
April
1,0616
0,75
0,6658
Mei
1,0416
0,7291
0,6925
Juni
1,0416
0,7084
0,7275
Juli
1,0208
0,6875
0,7691
Agustus
0,9791
0,6875
0,7734
September
0,9375
0,6875
0,8091
Oktober
0,8958
0,6875
0,915
November
0,8541
0,6875
0,937
Desember
0,8125
0,6667
0,915
Sumber:Datadiolah
Lampiran4. Data Mentah Variabel Inflasi Tahun 2006-2008 (IHK Dalam Persentase) Periode
2006
2007
2008
Januari
1,419
0,521
0,613
Februari
1,493
0,525
0,616
Maret
1,311
0,543
0,680
April
1,283
0,524
0,746
Mei
1,3
0,500
0,865
Juni
1,294
0,480
0,919
Juli
1,262
0,505
0,991
Agustus
1,241
0,542
0,987
September
1,212
0,579
1,011
Oktober
0,524
0,573
0,980
November
0,439
0,559
0,973
Desember
0,55
0,549
0,921
Sumber:Datadiolah
112
Lampiran5. Data Mentah Variabel PDB Tahun 2006-2008 (Dalam Miliar Rupiah) Periode
2006
2007
2008
Januari
260.926,2 260.926,2 260.926,2 270.989,4 270.989,4 270.989,4 290.183,8 290.183,8 290.183,8 291.060,3 291.060,3 291.060,3
306.292,1 306.292,1 306.292,1 321.596,6 321.596,6 321.596,6 343.597,3 343.597,3 343.597,3 344.954,3 344.954,3 344.954,3
372.526,5 372.526,5 372.526,5 409.818,8 409.818,8 409.818,8 444.172,2 444.172,2 444.172,2 424.762,4 424.762,4 424.762,4
Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
Lampiran6. Data Mentah Variabel Indeks Hang Seng Tahun 2006-2008 (Dalam Satu Satuan Poin)
Periode
2006
2007
2008
15.753,14 15.918,48 Februari 15.805,04 Maret 16.661,30 April 15.857,89 Mei 16.267,62 Juni 16.971,34 Juli 17.392,27 Agustus September 17.543,05 18.324,35 Oktober November 18.960,48 Desember 19.964,72
20.106,42 19.651,51 19.800,93 20.318,98 20.634,47 21.772,73 23.184,94 23.984,14 27.142,47 31.352,58 28.643,61 27.812,65
23.455,74 24.331,67 22.849,20 25.755,35 24.533,12 22.102,01 22.731,10 21.261,89 18.016,21 13.968,67 13.888,24 14.387,48
Januari
113
Lampiran7. Data Mentah Variabel IHSG Tahun 2006-2008 (Dalam Satu Satuan Poin)
Periode
2006
Januari
1.232,32 1.230,66 1.322,97 1.464,41 1.330,00 1.310,26 1.351,65 1.431,26 1.534,61 1.528,63 1.718,96 1.805,52
Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
114
2007
1.805,52 1.740,97 1.830,92 1.999,17 2.084,32 2.139,28 2.348,67 2.194,34 2.359,21 2.643,49 2.688,33 2.745,83
2008
2.627,25 2.721,94 2.447,30 2.304,52 2.444,35 2.394,10 2.304,51 2.165,94 1.832,51 1.256,70 1.241,54 1.355,41
Lampiran8.Hasil Uji Unit Root ADF Variabel Aksi Jual-Beli Asing
Null Hypothesis: DN has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-5.343154 -3.632900 -2.948404 -2.612874
0.0001
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(DN) Method: Least Squares Date: 01/05/04 Time: 10:03 Sample (adjusted): 2006M02 2008M12 Included observations: 35 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
DN(-1) C
-0.947841 0.177394 1805555. 442471.6
-5.343154 4.080612
0.0000 0.0003
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.463844 0.447597 1607900. 8.53E+13 -548.7985 1.928256
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
115
-60071.99 2163372. 31.47420 31.56308 28.54930 0.000007
Lampiran9. Hasil Uji Unit Root ADF Variabel Kurs
Null Hypothesis: KURS has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.946896 -3.639407 -2.951125 -2.614300
0.0046
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS) Method: Least Squares Date: 01/04/04 Time: 23:16 Sample (adjusted): 2006M03 2008M12 Included observations: 34 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
KURS(-1) D(KURS(-1)) C
-0.798741 0.202372 1.218434 0.325664 7386.814 1862.246
-3.946896 3.741385 3.966616
0.0004 0.0007 0.0004
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.341347 0.298853 365.0851 4131902. -247.2780 1.868943
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
116
50.58824 436.0031 14.72224 14.85691 8.032869 0.001546
Lampiran10. Hasil Uji Unit Root ADF Variabel SBI
Null Hypothesis: SBI has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.673247 -3.653730 -2.957110 -2.617434
0.0897
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(SBI) Method: Least Squares Date: 01/04/04 Time: 23:31 Sample (adjusted): 2006M05 2008M12 Included observations: 32 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
SBI(-1) D(SBI(-1)) D(SBI(-2)) D(SBI(-3)) C
-0.075054 0.497679 -0.389031 0.813218 0.061878
-2.673247 3.061350 -1.967580 3.237272 2.713708
0.0126 0.0049 0.0595 0.0032 0.0114
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.629007 0.574045 0.019985 0.010784 82.52119 2.195136
0.028076 0.162568 0.197720 0.251205 0.022802
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
117
-0.004581 0.030621 -4.845074 -4.616053 11.44441 0.000015
Lampiran11. Hasil Uji Unit Root ADF Variabel Inflasi
Null Hypothesis: INF has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.302632 -3.639407 -2.951125 -2.614300
0.1769
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INF) Method: Least Squares Date: 01/05/04 Time: 09:29 Sample (adjusted): 2006M03 2008M12 Included observations: 34 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
INF(-1) D(INF(-1)) C
-0.153789 0.066788 0.162622 0.164172 0.110557 0.058592
-2.302632 0.990560 1.886910
0.0282 0.3296 0.0686
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.160817 0.106676 0.123688 0.474258 24.38627 1.913021
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
118
-0.016824 0.130865 -1.258016 -1.123337 2.970343 0.066036
Lampiran12. Hasil Uji Unit Root ADF Variabel Inflasi Pada Diferensi Tingkat Pertama
Null Hypothesis: D(INF) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.989073 -3.639407 -2.951125 -2.614300
0.0003
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INF,2) Method: Least Squares Date: 01/05/04 Time: 09:31 Sample (adjusted): 2006M03 2008M12 Included observations: 34 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
D(INF(-1)) C
-0.869277 0.174236 -0.015109 0.022709
-4.989073 -0.665334
0.0000 0.5106
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.437519 0.419942 0.131740 0.555374 21.70216 1.859495
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
119
-0.003706 0.172974 -1.158951 -1.069165 24.89085 0.000021
Lampiran13. Hasil Uji Unit Root ADF Variabel Produk Domestik Bruto
Null Hypothesis: PDB has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.792227 -3.632900 -2.948404 -2.612874
0.0067
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PDB) Method: Least Squares Date: 01/04/04 Time: 23:25 Sample (adjusted): 2006M02 2008M12 Included observations: 35 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
PDB(-1) C
-0.616930 0.162683 207084.8 54788.28
-3.792227 3.779728
0.0006 0.0006
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.303518 0.282413 73188.56 1.77E+11 -440.6609 2.192005
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
120
4681.034 86398.41 25.29491 25.38379 14.38099 0.000604
Lampiran14. Hasil Uji Unit Root ADF Variabel Indeks Hang Seng
Null Hypothesis: IH has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.060869 -3.632900 -2.948404 -2.612874
0.7200
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IH) Method: Least Squares Date: 01/04/04 Time: 22:47 Sample (adjusted): 2006M02 2008M12 Included observations: 35 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
IH(-1) C
-0.076298 0.071921 1536.475 1516.353
-1.060869 1.013270
0.2965 0.3183
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.032980 0.003676 1812.050 1.08E+08 -311.2106 1.571825
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
121
-39.01886 1815.390 17.89775 17.98663 1.125444 0.296452
Lampiran15. Hasil Uji Unit Root ADF Variabel Indeks Hang Seng Pada Diferensi Tingkat Pertama
Null Hypothesis: D(IH) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.712876 -3.639407 -2.951125 -2.614300
0.0006
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IH,2) Method: Least Squares Date: 01/05/04 Time: 17:06 Sample (adjusted): 2006M03 2008M12 Included observations: 34 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
D(IH(-1)) C
-0.820573 0.174113 -35.18782 315.8063
-4.712876 -0.111422
0.0000 0.9120
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.409716 0.391270 1840.609 1.08E+08 -302.8203 2.045636
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
122
9.820588 2359.115 17.93060 18.02039 22.21120 0.000046
Lampiran16. Hasil Uji Unit Root ADF Variabel IHSG
Null Hypothesis: IHSG has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.744436 -3.689194 -2.971853 -2.625121
0.0794
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG) Method: Least Squares Date: 01/04/04 Time: 22:55 Sample (adjusted): 2006M09 2008M12 Included observations: 28 after adjustments Variable
Coefficient Std. Error
t-Statistic
Prob.
IHSG(-1) D(IHSG(-1)) D(IHSG(-2)) D(IHSG(-3)) D(IHSG(-4)) D(IHSG(-5)) D(IHSG(-6)) D(IHSG(-7)) C
-0.186328 0.262696 -0.074121 0.315648 -0.032743 0.293083 0.280635 0.900365 320.3326
-2.744436 1.623435 -0.417410 1.503436 -0.147791 1.328605 1.282759 4.024181 2.289260
0.0129 0.1210 0.6811 0.1492 0.8841 0.1997 0.2150 0.0007 0.0337
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.597500 0.428026 138.7329 365689.8 -172.4130 2.146542
0.067893 0.161815 0.177573 0.209951 0.221548 0.220595 0.218774 0.223739 139.9285
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
123
-2.708929 183.4389 12.95807 13.38628 3.525617 0.011480
Lampiran17.Hasil Uji GARCH (1,1)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:30 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 495 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2597.122 3.00E-06 -0.067542 -1971.682 214.0541 0.000559 0.057986
3.853471 0.245929 -1.602716 -4.638118 2.133217 1.304778 5.660326
0.0001 0.8057 0.1090 0.0000 0.0329 0.1920 0.0000
0.862126 1.261199 0.467072
0.3886 0.2072 0.6404
673.9695 1.22E-05 0.042142 425.1038 100.3433 0.000428 0.010244
Variance Equation C RESID(-1)^2 GARCH(-1)
2369.610 0.744087 0.115067
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.942469 0.922554 141.4878 520488.8 -214.8658 1.101475
2748.567 0.589984 0.246359
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
124
1913.586 508.4170 12.49254 12.93241 47.32543 0.000000
Lampiran18. Hasil Uji GARCH (1,2)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:41 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 67 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2 + C(11) *GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.633 6.90E-06 -0.045240 -2610.301 386.2074 -6.30E-05 0.050145
5.594537 0.517503 -0.936776 -6.201430 2.816121 -0.093156 6.197101
0.0000 0.6048 0.3489 0.0000 0.0049 0.9258 0.0000
0.909507 0.938106 1.577207 -2.045740
0.3631 0.3482 0.1147 0.0408
555.6552 1.33E-05 0.048293 420.9193 137.1416 0.000676 0.008092
Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1)
8464.205 0.577372 0.670966 -0.696798
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.945652 0.923913 140.2413 491690.9 -216.1971 0.900173
9306.365 0.615465 0.425414 0.340609
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
125
1913.586 508.4170 12.62206 13.10592 43.49981 0.000000
Lampiran19. Hasil Uji GARCH (0,1)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:25 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 146 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2706.341 2.66E-06 -0.068562 -2104.917 251.2601 0.000595 0.056731
3.633127 0.229158 -1.528641 -5.090845 2.756108 1.509497 5.154016
0.0003 0.8187 0.1264 0.0000 0.0058 0.1312 0.0000
1.439642 1.244370
0.1500 0.2134
744.9069 1.16E-05 0.044851 413.4710 91.16481 0.000394 0.011007
Variance Equation C RESID(-1)^2
3725.268 0.724781
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943629 0.926926 137.4359 509993.0 -215.4609 1.153882
2587.634 0.582448
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
126
1913.586 508.4170 12.47005 12.86593 56.49617 0.000000
Lampiran20. Hasil Uji GARCH (0,2)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:26 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 340 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
2615.512 2.73E-06 -0.066095 -1995.824 218.2834 0.000528 0.057765
3.896460 0.225919 -1.561924 -4.690282 2.226514 1.202417 5.667539
0.0001 0.8213 0.1183 0.0000 0.0260 0.2292 0.0000
0.933200 1.265726 0.430638
0.3507 0.2056 0.6667
671.2532 1.21E-05 0.042316 425.5233 98.03821 0.000439 0.010192
Variance Equation C RESID(-1)^2 RESID(-2)^2
2659.249 0.742138 0.102814
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943168 0.923495 140.6260 514167.4 -214.8681 1.092175
2849.601 0.586334 0.238749
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
127
1913.586 508.4170 12.49267 12.93254 47.94279 0.000000
Lampiran21. Hasil Uji GARCH (0,3)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:27 Sample: 2006M01 2008M12 Included observations: 36 Failure to improve Likelihood after 15 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-2)^2 + C(11) *RESID(-3)^2
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.639 4.24E-06 -0.039370 -2610.387 386.5665 -0.000176 0.049763
4.252613 0.262572 -0.558755 -4.871762 2.433916 -0.201354 5.430404
0.0000 0.7929 0.5763 0.0000 0.0149 0.8404 0.0000
1.920708 1.256381 1.147433 -1.580540
0.0548 0.2090 0.2512 0.1140
730.9952 1.62E-05 0.070461 535.8198 158.8249 0.000873 0.009164
Variance Equation C RESID(-1)^2 RESID(-2)^2 RESID(-3)^2
9010.290 0.343182 0.293212 -0.257441
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.946247 0.924746 139.4712 486305.3 -216.0822 0.914304
4691.129 0.273151 0.255538 0.162881
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
128
1913.586 508.4170 12.61568 13.09953 44.00923 0.000000
Lampiran22. Hasil Uji GARCH (2,1)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:31 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 46 iterations Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*GARCH(-1) + C(11) *GARCH(-2)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.638 -1.67E-06 -0.051328 -2610.389 386.5653 0.000279 0.049891
3.062878 -0.117909 -0.470873 -8.024543 4.495562 0.659782 4.965773
0.0022 0.9061 0.6377 0.0000 0.0000 0.5094 0.0000
0.774857 1.317694 1.422903 -0.898709
0.4384 0.1876 0.1548 0.3688
1014.940 1.42E-05 0.109007 325.3006 85.98820 0.000423 0.010047
Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2)
7918.133 0.622456 0.422370 -0.476765
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948989 0.928584 135.8678 461501.8 -215.9444 1.099199
10218.83 0.472383 0.296837 0.530500
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
129
1913.586 508.4170 12.60802 13.09187 46.50888 0.000000
Lampiran23. Uji TARCH (0,1)
Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:17 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 8 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.630 -4.29E-06 -0.045728 -2610.360 386.6186 0.000141 0.048908
18.49869 -35.13649 -3.570270 -25.63573 6.607195 5.473780 22.58646
0.0000 0.0000 0.0004 0.0000 0.0000 0.0000 0.0000
2.226657 1.830391 -2.194947
0.0260 0.0672 0.0282
168.0460 1.22E-07 0.012808 101.8251 58.51478 2.58E-05 0.002165
Variance Equation C 8074.152 3626.133 RESID(-1)^2 0.615549 0.336294 RESID(-1)^2*(RESID(-1)<0) -0.749333 0.341390 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948074 0.930099 134.4193 469782.2 -215.4374 1.038776
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
130
1913.586 508.4170 12.52430 12.96417 52.74539 0.000000
Lampiran24. Correlogram Of Standardized Squared
Date: 01/07/04 Time: 11:14 Sample: 2006M01 2008M12 Included observations: 36 Autocorrelation . |* . . |* . . *| . . | . . |* . . | . . |* . . *| . . | . . |**. . |* . . | . . *| . . *| . . | . . | .
| | | | | | | | | | | | | | | |
Partial Correlation . |* . . |* . . *| . . | . . |* . . *| . . |* . . *| . . | . . |**. . | . . *| . . | . . *| . . | . . |* .
| | | | | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
131
AC
PAC
Q-Stat
Prob
0.123 0.095 -0.135 0.002 0.093 -0.057 0.086 -0.098 0.042 0.219 0.122 0.004 -0.125 -0.111 -0.018 0.033
0.123 0.081 -0.159 0.031 0.123 -0.117 0.095 -0.075 0.018 0.273 0.032 -0.101 -0.015 -0.117 -0.012 0.073
0.5877 0.9509 1.7042 1.7044 2.0879 2.2377 2.5841 3.0497 3.1394 5.6628 6.4794 6.4803 7.4043 8.1771 8.1977 8.2743
0.443 0.622 0.636 0.790 0.837 0.897 0.921 0.931 0.959 0.843 0.840 0.890 0.880 0.880 0.916 0.940
Lampiran25. Histogram-Normality Test 6 Series: Standardized Residuals Sample 2006M01 2008M12
5
Observations 36
4
3
Mean
0.033277
Median
0.136424
Maximum
1.596892
Minimum
-1.881771
Std. Dev. 2
Skewness
1.013193 -0.152501
Kurtosis
1.963864
Jarque-Bera
1.749905
Probability
0.416882
1
0 -2
-1
0
1
132
Lampiran24. Uji TARCH (1,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:19 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 38 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0) + C(11)*GARCH(-1)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.639 -1.50E-06 -0.055640 -2610.382 386.5686 0.000399 0.048406
18.97039 -19.35573 -5.347723 -17.58735 7.027518 26.66516 14.84703
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2.015398 2.984635 -3.066686 -2.024919
0.0439 0.0028 0.0022 0.0429
163.8680 7.74E-08 0.010404 148.4238 55.00784 1.50E-05 0.003260
Variance Equation C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1)
7986.393 0.931153 -0.949790 -0.188544
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.943195 0.920473 143.3763 513918.9 -215.7094 1.035991
3962.687 0.311982 0.309712 0.093112
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
133
1913.586 508.4170 12.59497 13.07882 41.51023 0.000000
Lampiran25. Hasil Uji TARCH (2,1) Dependent Variable: IHSG Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/05/04 Time: 10:20 Sample: 2006M01 2008M12 Included observations: 36 Convergence achieved after 9 iterations Bollerslev-Wooldrige robust standard errors & covariance Variance backcast: ON GARCH = C(8) + C(9)*RESID(-1)^2 + C(10)*RESID(-1)^2*(RESID( -1)<0) + C(11)*GARCH(-1) + C(12)*GARCH(-2)
C DN KURS SBI INF PDB IH
Coefficient Std. Error
z-Statistic
Prob.
3108.638 -6.57E-06 -0.041352 -2610.389 386.5694 -3.69E-05 0.050015
11.28876 -15.89676 -2.090957 -14.54288 6.270300 -0.951617 11.61865
0.0000 0.0000 0.0365 0.0000 0.0000 0.3413 0.0000
1.229445 1.844154 -1.065520 0.198192 -1.943304
0.2189 0.0652 0.2866 0.8429 0.0520
275.3747 4.13E-07 0.019776 179.4960 61.65086 3.87E-05 0.004305
Variance Equation C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1) GARCH(-2)
7918.134 0.571740 -0.446631 0.156882 -0.308170
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.948528 0.924937 139.2941 465668.1 -219.0104 1.031943
6440.412 0.310028 0.419167 0.791568 0.158580
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
134
1913.586 508.4170 12.83391 13.36175 40.20689 0.000000
Lampiran26. Hasil Uji Beberapa Alternatif Model Model GARCH (1,1) GARCH (1,2) GARCH (0,1) GARCH (0,2) GARCH (0,3) GARCH (2,1) TARCH (0,1) TARCH (1,1) TARCH (2,1)
Akaike 12,49 12,62 12,47 12,49 12,61 12,60 12,52 12,59 12,83
Schwarz 12,93 13,10 12,86 12,93 13,09 13,09 12,96 13,07 13,36
R-squared 94,2% 94,5% 94,3% 94,3% 94,6% 94,8% 94,8% 94,3% 94.8%
135