ANALISA HUBUNGAN INDEX HARGA SAHAM GABUNGAN (IHSG) JAKARTA (JSX), LONDON (FTSE), TOKYO (NIKKEI) DAN SINGAPURA (SSI)

SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG

ANALISA HUBUNGAN INDEX HARGA SAHAM GABUNGAN (IHSG) JAKARTA (JSX), LONDON (FTSE), TOKYO (NIKKEI) DAN SINGAPURA (SSI) Pendekatan Model Ekonometri – Autocorrelation Condition Heteroscedasticity (ARCH) / Generalized Autocorrelation Condition Heteroscedasticity (GARCH) Dan Vector Autoregression (VAR) - Suatu studi empiris tahun 2000 – 2005

LUDOVICUS SENSI WONDABIO Program Doctoral – Program Ilmu akuntansi Fakultas Ekonomi Universitas Indonesia

ABSTRACT: The objective of this research is to analyze the relationship between Jakarta’s Stock Price Index (JSX) and London Stock Price Index (FTSE), Tokyo Stock Price Index (NIKKEI) and Singapore Stock Price Index (SSI) using Econometric Model of Autocorrelation Condition Heteroscedasticity (ARCH) / Generalized Autocorrelation Condition Heteroscedasticity (GARCH) and Vector Autoregression (VAR) for the years 2001 - 2005. Based on the result of this research, the pattern of relationship between JSX and FTSE, NIKKEI and SSI has a difference pattern and unique characteristics. FTSE and NIKKEI have a significant impact to JSX but JSX did not have impact to FTSE and NIKKEI. This condition has approved that the developed countries has a significant impact to the economy of developing country. The relationship between JSX and SSI has a negative impact to JSX Key words: Stock Price Index, Capital Market, ARCH/GARCH and VAR Data availability: Data used in this research are derived from publicly available.

1 Padang, 23-26 Agustus 2006 K-AKPM 07


1. PENDAHULUAN Dalam abad ke 21 ini, dunia mengalami dampak globalisasi serta revolusi dalam informasi dan teknologi. Pengaruh kejadian pada belahan dunia yang satu dapat cepat berpengaruh terhadap belahan dunia lain. Dampak globalisasi dibidang ekonomi diikuti oleh adanya liberalisasi dalam bidang perekonomian. Artinya dalam pasar global saat ini, setiap investor dapat berinvestasi dimanapun dia berada (capital does not carry any flag). Salah satu indikator keberhasilan ekonomi makro suatu negara adalah Index Harga Saham (IHSG) selain faktor tingkat bunga (interest rate), nilai tukar (exchange rate) dan GNP. Telah terbukti secara empiris bahwa variabel ekonomi makro berpengaruh signifikan terhadap return saham pada emiten yang terdaftar di BEJ (Lestari Murti, 2005). Bila kondisi ekonomi suatu negara baik maka IHSG tentunya juga menunjukkan adanya trend yang meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan turun maka akan berpengaruh juga terhadap IHSG tersebut. Dengan adanya revolusi informasi, investor dimanapun dapat mengamati IHSG pada waktu yang bersamaan. Ketika kondisi suatu negara dalam keadaan menurun maka IHSG juga akan mengalami penurunan yang berakibat investor akan keluar dari pasar (Anoraga Panji dan Pakarti Piji, 2006) Banyak penelitian dan pendapat dari para ahli yang mengatakan bahwa perekonomian suatu negara banyak dipengaruhi oleh perkembangan perekonomian negara lain. Ekonomi negara yang lebih kuat mempunyai kecenderungan untuk mendominasi negara yang perekonomiannya lebih lemah. Berdasarkan kajian ini maka diperkirakan negara yang kuat selalu menang dalam persaingan, sehingga negara yang lemah akan cenderung mengalami kerugian. Hal ini dapat diartikan juga bahwa ketergantungan negara yang lemah terhadap negara yang kuat akan semakin nyata. Sebagaimana telah dijelaskan diatas bahwa IHSG adalah salah satu variabel ekonomi makro, sehingga IHSG suatu negara yang kuat akan berpengaruh terhadap IHSG dari negara yang lemah. Penulisan paper ini ditujukan untuk melihat pengaruh negara-negara kuat tersebut terhadap kondisi pasar modal di Indonesia yang tercermin dalam IHSG. Berdasarkan penjelasan tersebut diatas maka penulis mencoba menganalisa dampak dari IHSG negara lain yang penulis percaya dapat mempengaruhi IHSG pada Bursa Efek Jakarta (BEJ). Penulis menggunakan analisa dari pergerakan tiga bursa didunia yang mungkin dapat mempengaruhi IHSG Bursa Efek Jakarta, seperti IHSG dari London Stock Exchange – FTSE, IHSG dari Tokyo Stock Exchange – NIKKEI dan IHSG dari Singapore Stock Exchange – SSI. 2 Padang, 23-26 Agustus 2006 K-AKPM 07

SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Untuk penulisan penelitian ini akan dilihat pengaruh IHSG di Singapura, Jepang dan London terhadap IHSG di Jakarta. Alasan pemilihan IHSG Singapura dikarenakan Singapura merupakan negara maju yang terdekat dengan Indonesia (satu region). Sedangkan IHSG NIKKEI dipilih karena Jepang merupakan negara maju di Asia yang memiliki investasi besar di Indonesia. Selanjutnya IHSG London, merupakan wakil dari negara barat yang maju (developed country). Tujuan penelitian adalah untuk melihat pola hubungan antara IHSG Jakarta dengan IHSG Singapore (SSI), Tokyo (NIKKEI) dan London (FTSE)

dan

membentuk model ekonometri yang tepat untuk pola hubungan tersebut. 2. LANDASAN TEORI 2.1. Contagion Effect Theory Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan berpengaruh terhadap kondisi perekonomian negara. Kondisi krisis negara-negara Asia tahun 1997 menurut penelitian Bank Dunia terutama disebabkan oleh adanya contagion effect (domino effect) dari negara lain (Tan, Jose Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia sebagai salah satu negara berkembang ternyata hingga saat ini masih sangat tergantung pada kondisi perekonomian luar negri terutama yang berkaitan dengan

investasi. Akibatnya,

kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi luar negeri terutama kondisi pasar modal yang ada pada negara-negara maju. 2.2. Teori pasar kuat terhadap pasar yang lebih lemah Menurut

para

ahli,

liberalisasi

dalam

bidang

perekonomian

cenderung

menguntungkan perekonomian negara maju dan berdampak merugikan

terhadap

perekonomian negara yang sedang berkembang akibat lemahnya pondasi perekonomian yang dimilikinya. Pola pengembangan perekonomian antara negara-negara maju (developed countries) ternyata memiliki perbedaan dengan negara-negara yang sedang berkembang (developing countries). Dalam perekonomian dunia saat ini, suatu negara yang memiliki capital yang kuat pasti unggul dalam setiap transaksi perekonomian (Hatten, Marry Louise, 1986).



3. METODOLOGI PENELITIAN 3.1. Rancangan Pengumpulan Data Data yang digunakan dalam penelitian ini adalah kurs efek bulanan yang disediakan oleh Pusat Data Informasi di Bursa Efek Jakarta untuk masing-masing negara yang dijadikan penelitian. Data yang digunakan adalah dari bulan Januari 2000 sampai dengan Juni 2005 (66 Bulan). 3.2. Metode Analisis Dalam penelitian ini akan dipergunakan berbagai metode analisis yang ada dalam ekonometri, yaitu : a. Test Granger Causality Merupakan metode untuk melihat bentuk hubungan antar variabel (searah atau simultan). b. Model VAR Merupakan model yang menggambarkan hubungan simultan antar variabel. Persamaan model VAR dapat dilihat dibawah ini: p

Υt = α + ∑ β i χ t −1 + ∑ γ j y t −1 J =1

j =1

p

p

j =1

j =1

X t = a + ∑ β j χ t −1 + ∑ C j y t −1

Penjelasan: Yt dan Xt

= Variabel yang diamati pada waktu ke t sedangkan P = order/lag

Yt-1 dan Xt-1

= Variabel yang diamati pada waktu ke t-1

α1, βi, ∂1,a, Bj, Cj adalah koefisien regresi c. Model Regresi Merupakan model yang menggambarkan hubungan searah antara variabel bebas (variabel yang mempengaruhi) dengan variabel terikat (variabel yang dipengaruhi). Persamaan model regresi adalah sebagai berikut:


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Yt = α + β1 χ1 + β2 χ2 + ….. + βk χ3 Penjelasan: Yt = Variable terikat χt = Variable bebas α1, β1, β2, βk = koefisien regresi

d. Model Regresi Terkointegrasi Merupakan model regresi yang mengandung auto korelasi tetapi mempunyai error yang stasioner sehingga sekalipun melanggar asumsi tetapi masih dapat dipergunakan sebagai pemodelan yang bersifat jangka panjang. e. Model ARCH (GARCH) Merupakan model untuk mengatasi masalah heteroskedastisitas pada model regresi yang dibuat. Persamaan Model ARCH/GARCH adalah sebagai berikut: Model ARCH ARCH (P) Yt = β 0 + β1 X 1 + β 2 X 2 + .....β k X k dengan varian :

σ t2 = α 0 + α 1l t −1 + α 2 l t − 2 + ..... + α P l t − P


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Model GARCH ARCH (P.2) Yt = β 0 + β1 X 1 + β 2 X 2 + .....β k X k dengan varian :

σ t2 = α 0 + α 1l t −1 + α 2 l t − 2 + ..... + α P l t − P + λ1τ t2−1 + λ 2τ t2− 2 + ...... + λ 2τ t2− 2 Berdasarkan penjelasan tersebut diatas maka untuk mempermudah proses pembentukan model dapat dilihat dalam Gambar 1 (lihat Lampiran - 1 ) 4. HASIL DAN PEMBAHASAN Sebagaimana telah dijelaskan dalam pembahasan sebelumnya, bahwa pembentukan model akan diawali dengan melakukan test kausalitas granger. Tahapan proses pembentukan model adalah sebagai berikut: 4.1.

Tahap I – Tes Kausalitas Granger Tes Kausalitas Granger adalah suatu pengujian untuk melihat hubungan kausalitas

antar variabel. Untuk melihat hubungan kausalitas antar varibel IHSG antara JSX terhadap SSI, NIKKEI dan FTSI, maka penulis melakukan pengujian secara sendiri-sendiri untuk masing-masing variabel IHSG sebagai berikut : 4.1.1. Analisa hubungan IHSG JSX dan FTSE Dari hasil test kausalitas granger (granger causality test) diatas dapat disimpulkan bahwa FTSE mempunyai pengaruh terhadap JSX pada α = 5 %. Dari output eviews dibawah ini dapat disimpulkan bahwa hubungan antara FTSE dan JSX adalah searah dan tidak simultan. Dengan demikian pemodelan yang akan digunakan untuk menunjukkan hubungan tersebut adalah model regresi. Sebagai catatan, dalam analisis granger kausalitas digunakan lag-1 karena penulis mempertimbangkan bahwa semakin dekat jarak waktu antar variable maka korelasinya semakin kuat.


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Pairwise Granger Causality Tests Date: 05/23/06 Time: 13:59 Sample: 2000:01 2005:06 Lags: 1 Null Hypothesis: FTSE does not Granger Cause JSX

Obs

F-Statistic

Probability

65

5.45286

0.02279

0.42167

0.51850

JSX does not Granger Cause FTSE

4.1.2 Analisa hubungan IHSG JSX dan NIKKEI Dari output eview yang tersaji dibawah ini, dapat terlihat bahwa IHSG Nikkei mempengaruhi IHSG JSX pada α = 5%, yang berarti dapat disimpulkan bahwa IHSG Nikkei mempengaruhi JSX sedangkan JSX tidak mempengaruhi IHSG Nikkei. Sehingga dapat dikatakan bahwa hubungan kedua IHSG tersebut adalah searah dan bukan hubungan dua arah (simultan). Sebagaimana halnya dengan hubungan antara JSX dan FTSE maka pemodelan untuk menunjukkan hubungan antara JSX dan NIKKEI juga menggunakan model regresi. Pairwise Granger Causality Tests Date: 05/23/06 Time: 14:48 Sample: 2000:01 2005:06 Lags: 1 Null Hypothesis: NIKKEI does not Granger Cause JSX

Obs

F-Statistic

Probability

65

8.79261

0.00429

0.77514

0.38203

Obs

F-Statistic

Probability

65

5.18901

0.02619

5.07669

0.02780

JSX does not Granger Cause NIKKEI

4.1.3. Analisa hubungan IHSG JSX dan SSI Pairwise Granger Causality Tests Date: 05/23/06 Time: 14:59 Sample: 2000:01 2005:06 Lags: 1 Null Hypothesis: SSI does not Granger Cause JSX JSX does not Granger Cause SSI

Dari hasil ouput eviews tersebut diatas dapat kita lihat bahwa IHSG JSX dan SSI keduanya saling mempengaruhi (simultan). Kondisi ini menunjukkan perbedaan pola 7 Padang, 23-26 Agustus 2006 K-AKPM 07

SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG hubungan antara JSX dengan FTSE serta NIKKEI. Oleh karena itu, pemodelan untuk JSX dan SSI harus dibuat dengan pendekatan Model Vector Autoregression (VAR). 3.2.

Tahap II – Pemodelan Berdasarkan pengujian kausalitas granger tersebut diatas (Tahap -1) dapat kita tarik

kesimpulan bahwa

hubungan antar pasar saham antar negara ternyata tidak saling

mempengaruhi, kecuali untuk SSI dengan JSX yang saling mempengaruhi (dua arah). Berdasarkan kondisi ini khusus untuk SSI dan JSX dibuat dengan pendekatan model VAR (Vector Auto Regression) sedangkan untuk hubungan JSX dengan FTSE dan NIKKEI digunakan pendekatan model regresi. Hasil output model regresi untuk semua variabel dapat dilihat sebagai berikut : Dependent Variable: JSX Method: Least Squares Date: 05/23/06 Time: 15:18 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

JSX(-1)

1.010698

0.061975

16.30816

0.0000

FTSE(-1)

0.002348

0.015471

0.151791

0.8799

NIKKEI(-1)

-0.007347

0.004001

-1.836430

0.0712

SSI(-1)

0.027493

0.061522

0.446878

0.6566

C

27.87124

37.72954

0.738711

0.4630

R-squared

0.968739

Mean dependent var

576.1697

Adjusted R-squared

0.966655

S.D. dependent var

209.2814

S.E. of regression

38.21601

Akaike info criterion

10.19819

Sum squared resid

87627.81

Schwarz criterion

10.36545

F-statistic

464.8336

Prob(F-statistic)

0.000000

Log likelihood Durbin-Watson stat

-326.4412 1.986944

Berdasarkan hasil output eviews tersebut diatas, dapat disimpulkan hanya JSX t-1 yang signfikan secara statistik sedangkan variabel independen lain tidak signifikan. Dengan banyaknya jumlah variabel independen yang tidak signifikan mengindikasikan telah terjadinya multikolinearitas. Selanjutnya dengan menggunakan pengujian korelasi, maka dapat diperoleh bahwa NIKKEI, FTSI dan SSI saling berkorelasi. Ini membuktikan bahwa


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG variabel bebas tersebut saling berkorelasi atau terjadi multikolinearitas ini (Test Correlation Matrix)

Melihat kondisi seperti ini maka untuk melihat pengaruh ketiga stock exchange tersebut terhadap JSX maka model akan dibuat per masing-masing stock exchange. 4.2.

Pemodelan Antara JSX Dan FTSE Model regresi antara JSX dan FTSE menginformasikan bahwa FTSE t-1 mempunyai

pengaruh yang signifikan terhadap JSX (lihat uji t). Akan tetapi model tersebut masih mempunyai R-square yang rendah dan ternyata nilai Durbin Watson (DW) sangat kecil, sehingga dapat disimpulkan masih mengandung otokorelasi. Dependent Variable: JSX Method: Least Squares Date: 05/23/06 Time: 14:40 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

FTSE(-1)

-0.052950

0.019874

-2.664258

0.0098

C

839.3853

113.5898

7.389616

0.0000

R-squared

0.049016

Mean dependent var

576.1697

Adjusted R-squared

0.033921

S.D. dependent var

209.2814

S.E. of regression

205.7013


13.52101

Sum squared resid

2665720.

Schwarz criterion

13.58792

F-statistic

3.247172

Prob(F-statistic)

0.076331


-437.4329 0.046443


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Disamping permasalahan diatas, ternyata berdasarkan white heteroskedasitas test menunujukkan bahwa variance error masih heteroskedastis (lihat hasil output dibawah). White Heteroskedasticity Test: F-statistic

4.773324

Probability

0.011800

Obs*R-squared

8.673113

Probability

0.013081

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/23/06 Time: 14:41 Sample: 2000:02 2005:06 Included observations: 65 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-614720.1

309571.4

-1.985714

0.0515

FTSE(-1)

277.1796

125.5151

2.208336

0.0309

FTSE(-1)^2

-0.028358

0.012141

-2.335735

0.0228

R-squared

0.133433

Mean dependent var

41011.08

Adjusted R-squared

0.105479

S.D. dependent var

63652.31

S.E. of regression

60201.80


24.89385

Sum squared resid

2.25E+11

Schwarz criterion

24.99420

Log likelihood

-806.0500

F-statistic

4.773324

Prob(F-statistic)

0.011800

Durbin-Watson stat

0.143364

Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan homoskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH. Dalam menemukan model ARCH/GARCH yang paling tepat, harus dilakukan dengan cobacoba (trial and error). Pada langkah pertama akan dicoba model ARCH (1) yang merupakan model yang paling sederhana. Setelah dilakukan pengolahan data maka didapat output sebagai berikut :


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:42 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence not achieved after 500 iterations Bollerslev-Wooldrige robust standard errors & covariance Coefficient

Std. Error

z-Statistic

Prob.

FTSE(-1)

0.002890

0.004359

0.663021

0.5073

C

421.5514

23.05385

18.28551

0.0000

Variance Equation C

2402.095

834.7844

2.877504

0.0040

ARCH(1)

0.902455

0.109241

8.261130

0.0000

R-squared

-0.461623

Mean dependent var

576.1697

Adjusted R-squared

-0.533506

S.D. dependent var

209.2814

S.E. of regression

259.1632


12.25321

Sum squared resid

4097100.

Schwarz criterion

12.38702

Durbin-Watson stat

0.025029

Log likelihood

-394.2294

Berdasarkan output eviews diatas, ternyta model ARCH (1) masih belum baik karena pada model regresinya, variabel FTSE pada t-1 mempunyai koefisien yang tidak signifikan secara statistik pada α = 5%, yang berarti FTSE t-1 tidak mempunyai pengaruh terhadap JSX. Hal ini tentunya bertentangan dengan hasil uji kausalitas granger. Disamping itu terlihat bahwa nilai R-square adalah negatif. Hal ini tentunya adalah tidak benar karena R-square adalah nilai kuadrat sehingga tidak mungkin negatif Oleh karena model tersebut belum baik maka selanjutnya dibuat model GARCH (1,1). Hasil dari model tersebut menunjukkan model masih belum baik karena FTSE t-1 masih belum signifikan dan R-square masih bertanda negatif. Lihat output dibawah ini


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:44 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence achieved after 263 iterations Coefficient

Std. Error

z-Statistic

Prob.

FTSE(-1)

-0.013324

0.012685

-1.050421

0.2935

C

514.7021

70.26185

7.325484

0.0000

Variance Equation C

11256.34

4091.953

2.750847

0.0059

ARCH(1)

2.104070

0.349407

6.021831

0.0000

GARCH(1)

-0.787796

0.059555

-13.22806

0.0000

R-squared

-0.356595

Adjusted R-squared

-0.447035

Mean dependent var

576.1697

S.D. dependent var

209.2814

S.E. of regression

251.7504


12.36577

Sum squared resid

3802696.

Schwarz criterion

12.53303

Durbin-Watson stat

0.027770

Log likelihood

-396.8876

Setelah dicoba beberapa model dengan variabel bebas yang sama yaitu FTSE t-1, ternyata memberikan hasil yang sama, terutama permasalahan R-square yang negatif. Oleh karena itu, dalam model selanjutnya dicoba untuk memasukkan independen variabel JSX(-1). Dengan memasukkan independen variabel JSX t-1 dan dibentuk model ARCH (1) ternyata memberikan model yang sudah baik. Kedua independen variabel ternyata mempunyai koefisien yang signifikan secara statistik pada α = 5%, yang berarti baik FTSE t-1 maupun JSX t-1 mempunyai pengaruh terhadap JSX. Hal ini sesuai dengan uji kausalitas granger. Disamping itu berdasarkan output yang didapat terlihat bahwa R-square sudah positip dan mempunyai nilai yang tinggi (lihat output eviews dibawah ini)



Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:45 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence not achieved after 500 iterations Bollerslev-Wooldrige robust standard errors & covariance Coefficient

Std. Error

z-Statistic

Prob.

FTSE(-1)

-0.013008

0.005109

-2.546145

0.0109

JSX(-1)

1.017986

0.021799

46.69913

0.0000

C

59.77046

30.26504

1.974901

0.0483

Variance Equation C

1381.157

331.1189

4.171182

0.0000

ARCH(1)

-0.078915

0.028305

-2.788064

0.0053

R-squared

0.966852

Mean dependent var

576.1697

Adjusted R-squared

0.964642

S.D. dependent var

209.2814

S.E. of regression

39.35287


10.22961

Sum squared resid

92918.89

Schwarz criterion

10.39687

F-statistic

437.5104

Prob(F-statistic)

0.000000

Log likelihood

-327.4624

Durbin-Watson stat

1.857465

Dengan demikian model yang didapat adalah sebagai berikut : JSX t = 59,77046 + 1,017986 JSX t-1 – 0,013008 FTSE t-1 s.e

(30,26504)

(0,021799)

(0,005109)

Dengan persamaan varian : σ2t s.e

=

1381,157 – 0,078915 e t-1 (331,1189)

(0,028305)

Berdasarkan model diatas terlihat bahwa hubungan antara FTSE t-1 dengan JSX adalah hubungan terbalik dimana saat FTSE t-1 meningkat maka JSX akan mengalami penurunan. Adapun setiap peningkatan 1 point FTSE bulan yang lalu akan mengakibatkan turunnya JSX pada bulan ini sebesar 0,013008 point. 13 Padang, 23-26 Agustus 2006 K-AKPM 07

SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG 4.4. Pemodelan Antara JSX Dan NIKKEI Model regresi antara JSX dan NIKKEI menunjukkan bahwa NIKKEI t-1 mempunyai pengaruh yang signifikan terhadap JSX (lihat uji t). Akan tetapi model tersebut masih mempunyai R-square yang rendah dan ternyata nilai Durbin Watson (DW) sangat kecil, sehingga dapat disimpulkan masih mengandung otokorelasi.

Dependent Variable: JSX Method: Least Squares Date: 05/23/06 Time: 14:50 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

NIKKEI(-1)

-0.004993

0.009121

-0.547417

0.5860

C

635.2410

111.0210

5.721810

0.0000

R-squared

0.004734

Mean dependent var

576.1697

-0.011064

S.D. dependent var

209.2814

S.E. of regression

210.4360


13.56653

Sum squared resid

2789847.

Schwarz criterion

13.63343

F-statistic

0.299666

Prob(F-statistic)

0.586026

Adjusted R-squared


Disamping

-438.9121 0.037729

permasalahan

diatas,

ternyata

berdasarkan

pengujian

white

heteroskedasitas menunujukkan bahwa variance error masih heteroskedastis (lihat hasil output dibawah).


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG White Heteroskedasticity Test: F-statistic

2.571279

Probability

0.084568

Obs*R-squared

4.978456

Probability

0.082974

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/23/06 Time: 14:51 Sample: 2000:02 2005:06 Included observations: 65 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-173718.0

136819.3

-1.269690

0.2089

NIKKEI(-1)

36.60382

20.92363

1.749401

0.0852

NIKKEI(-1)^2

-0.001461

0.000760

-1.920964

0.0593

R-squared

0.076592

Mean dependent var

42920.73

Adjusted R-squared

0.046804

S.D. dependent var

63797.26

S.E. of regression

62286.37


24.96193

Sum squared resid

2.41E+11

Schwarz criterion

25.06228

Log likelihood

-808.2627

F-statistic

2.571279

Prob(F-statistic)

0.084568

Durbin-Watson stat

0.099720

Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan homoskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH. Sebagaimana langkah pemodelan yang dilakukan sebelumnya, maka pada langkah pertama juga akan dicoba model ARCH (1) yang merupakan model yang paling sederhana. Setelah dilakukan pengolahan data maka didapat output sebagai berikut :


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:53 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence not achieved after 500 iterations Coefficient

Std. Error

z-Statistic

Prob.

NIKKEI(-1)

0.002387

0.015402

0.154962

0.8769

C

453.9505

186.1678

2.438395

0.0148

Variance Equation C

28109.88

11480.68

2.448450

0.0143

ARCH(1)

0.668672

1.000076

0.668621

0.5037

R-squared

-0.210427

Mean dependent var

576.1697

Adjusted R-squared

-0.269957

S.D. dependent var

209.2814

S.E. of regression

235.8442


13.13607

Sum squared resid

3392970.

Schwarz criterion

13.26988

Durbin-Watson stat

0.030196

Log likelihood

-422.9223

Berdasarkan output diatas, terlihat bahwa koefisien NIKKEI t-1 tidak signifikan secara statistik pada α = 5% sehingga model tersebut menunjukkan bahwa NIKKEI t-1 tidak mempunyai pengaruh terhadap JSX. Hal ini tentunya tidak sesuai dengan uji kausalitas granger. Disamping itu, berdsarkan output juga terlihat bahwa nilai

R-square negatif

(seperti JSX VS FTSE). Berdasarkan pengalaman dalam membuat model sebelumnya, dalam pemodelan ini juga akan dicoba untuk memasukkan variabel bebas JSX t-1. Setelah memasukkan variabel bebas tersebut kedalam model ARCH (1) ternyata hasilnya masih belum baik, karena koefisien ARCH (1) masih belum signifikan secara statistik pada α = 5%. Oleh karena itu perlu dicari alternatif model lain.



Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:55 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence achieved after 278 iterations Coefficient

Std. Error

z-Statistic

Prob.

JSX(-1)

1.026836

0.020150

50.95890

0.0000

NIKKEI(-1)

-0.004907

0.001712

-2.865479

0.0042

C

47.94450

25.54277

1.877028

0.0605

Variance Equation C

1316.892

207.0904

6.359018

0.0000

ARCH(1)

-0.078027

0.069693

-1.119584

0.2629

R-squared

0.968393

Mean dependent var

576.1697

Adjusted R-squared

0.966285

S.D. dependent var

209.2814

S.E. of regression

38.42727


10.17269

Sum squared resid

88599.30

Schwarz criterion

10.33996

F-statistic

459.5722

Prob(F-statistic)

0.000000


-325.6126 1.930192

Setelah dicoba untuk membentuk model GARCH (1,1), ternyata hasilnya menunjukkan bahwa kedua variabel independen telah signifikan secara statistik pada α = 5% dan koefisien dari ARCH (1) dan GARCH (1) juga telah signifikan secara stattistik pada α = 5%. Disamping itu terlihat bahwa R-square juga telah memliki nilai yang tinggi. Dengan demikian dapat dinyatakan bahwa model telah baik.


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Dependent Variable: JSX Method: ML – ARCH Date: 05/23/06 Time: 14:56 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting endpoints Convergence achieved after 108 iterations Coefficient

Std. Error

z-Statistic

Prob.

JSX(-1)

1.028767

0.019488

52.78898

0.0000

NIKKEI(-1)

-0.005390

0.001982

-2.720135

0.0065

C

51.47839

30.39002

1.693924

0.0903

Variance Equation C

362.8059

73.86664

4.911633

0.0000

ARCH(1)

-0.144046

0.018554

-7.763520

0.0000

GARCH(1)

0.875210

0.036255

24.14069

0.0000

R-squared

0.968233

Mean dependent var

576.1697

Adjusted R-squared

0.965541

S.D. dependent var

209.2814

S.E. of regression

38.84943


10.14096

Sum squared resid

89047.41

Schwarz criterion

10.34167

F-statistic

359.6514

Prob(F-statistic)

0.000000


-323.5811 1.919523

Berdasarkan output diatas model yang didapat adalah sebagai berikut : JSX t = 51,47839 + 1,028767 JSX t-1 – 0,005390 NIKKEI t-1 s.e

(30,39002)

(0,019488)

(0,001982)

Dengan persamaan varian : σ2t s.e

=

362,8059 – 0,144046 e t-1 + 0,875210 σ2t-1 (73,86664) (0,018554)

(0,036255)

Dari model diatas dapat dinyatakan bahwa antara JSX dan NIKKEI juga mempunyai hubungan terbalik, dimana jika pada bulan sebelumnya NIKKEI naik 1 point maka JSX akan turun sebesar 0,005390 point.


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG 4.5. Pemodelan Antara JSX Dan SSI Sebagaimana telah dibuktikan dalam uji kausalitas granger bahwa antara JSX dan SSI mempunyai hubungan dua arah atau simultan maka model yang akan digunakan untuk menggambarkan hubungan kedua pasar modal tersebut adalah menggunkan model VAR. Setelah dilakukan pengolahan data diadapat output yang menunjukkan adanya pengaruh signifikan dari JSX terhadap SSI dan begitu pulan sebaliknya (lihat output). Adapun model yang didapat adalah : JSX = 54.531403 + 1.0713459 JSX t-1 - 0.0502697 SSI t-1 s.e

(32.1921)

(0.03004)

(0.02207)

SSI = 189.789025 + 0.183608 JSX t-1 + 0.831646 SSI t-1 s.e

(87.3294)

(0.08149)

(0.05987)

Terlihat bahwa jika index di Singapore bulan lalu naik sebesar 1 point ternyata akan mengakibatkan index di Jakarta turun sebesar 0,0502697 point. Akan tetapi ketika index di Jakarta bulan lalu naik sebesar 1 point, index di Singapore justru naik sebesar 0,183608 point. Hal ini menunjukkan bahwa peningkatan Index di Singapore berakibat buruk terhadap Indonesia. Hal ini dimungkinkan terjadi akibat peralihan investasi dari Jakarta ke Singapore. Sebaliknya ketika index di Jakarta menguat di Singapore juga ikut menguat. Hal ini diduga akibat terjadinya perbaikan ekonomi secara regional. Dengan demikian terlihat bahwa pengaruh Indonesia terhadap Singapore bersifat positip dalam pengertian Indonesia bukan merupakan ancaman bagi Singapore. Sebaliknya, pengaruh pasar Singapore terhadap Jakarta bersifat negatif, dimana Singapore mempunyai kemampuan untuk menekan pasar Indonesia.


SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG Date: 05/23/06 Time: 15:01 Sample(adjusted): 2000:02 2005:06 Included observations: 65 after adjusting Endpoints Standard errors & t-statistics in parentheses JSX

SSI

1.071346

0.183608

(0.03004)

(0.08149)

(35.6648)

(2.25315)

-0.050270

0.831646

(0.02207)

(0.05987)

(-2.27794)

(13.8919)

54.53140

189.7890

(32.1921)

(87.3294)

(1.69394)

(2.17325)

R-squared

0.966792

0.852638

Adj. R-squared

0.965721

0.847884

Sum sq. resids

93086.19

685026.9

S.E. equation

38.74778

105.1134

JSX(-1)

SSI(-1)

C

F-statistic

902.5073

179.3662

Log likelihood

-328.4051

-393.2729

Akaike AIC

10.19708

12.19301

Schwarz SC

10.29743

12.29337

Mean dependent

576.1697

1753.321

S.D. dependent

209.2814

269.5075

Determinant Residual Covariance

11838825

Log Likelihood

-713.7861

Akaike Information Criteria

22.14726

Schwarz Criteria

22.34798



5. KESIMPULAN PENELITIAN DAN SARAN UNTUK PENELITIAN SELANJUTNYA

5.1. Kesimpulan Penelitian Berdasarkan pembahasan pada bab-bab sebelumnya berikut adalah beberapa kesimpulan yang dapat ditarik dalam penelitian ini. a. Pola hubungan antara JSX dan FTSE, NIKEI dan SSI ternyata memiliki hubungan yang berbeda-beda. b. FTSE dan NIKKEI ternyata mempunyai pengaruh terhadap JSX, tetapi JSX tidak mempunyai pengaruh terhadap FTSE dan NIKKEI. Ini menunjukkan bahwa kondisi perekonomian

negara

maju

akan

berpengaruh

terhadap

perekonomian

negara

berkembang. c. Hubungan FTSE dan NIKKEI terhadap JSX adalah negatif atau berbalik dimana jika FTSE / NIKKEI naik maka JSX turun. Ini menandakan bahwa kenaikan FTSE dan NIKKEI justru menekan JSX. Hal ini dapat diduga adanya pengalihan investasi oleh para investor. d. JSX dan SSI berhubungan simultan tetapi JSX mempengaruhi SSI secara positif sedangkan SSI mempengaruhi JSX secara negatif. Artinya jika JSX naik maka SSI naik. Sedangkan jika SSI naik maka JSX malah turun. 5.2. Saran untuk Penelitian yang Akan Datang Penelitian ini dibuat dengan menggunakan perbandingan IHSG dari tiga negara yang penulis duga memiliki pengaruh terhadap IHSG Jakarta (JSX) dan menggunakan kurun waktu penelitian tahun 2000 – 2005 (66 bulan). Penelitian lain dapat mencoba membuat model dalam kurun waktu berbeda. Peneltian lain juga dapat menggunakan pasar modal yang lain selain FTSE, NIKKEI dan SSI.



PROSES PEMBENTUKAN MODEL – GAMBAR – 1

Lampiran - 1

INPUT DATA

TEST GRANGER

Ya

HETERO SKEDASTIS

ARCH/ GARCH

Tidak Tidak APAKAH HUBUNGAN DUA ARAH ?

Tidak

Ya REGRESI

OTO KORELASI

TER KOINTEGRASI

TRANS FORMASI PEM BEDAAN

Tidak

Ya MODEL VAR VA R



DAFTAR PUSTAKA Anoraga Pandji, Pakarti Piji, Pengantar Pasar Modal, Cetakan kelima, 2006, Rineka Cipta. Gujarati, Damodar N, 2003, Basic Econometrics, 4th edition, McGraw-Hill, Inc, New York. Hatter Mary Louise, Macroeconomics for Management, 2nd edition, Prentice-Hall, Englewood Cliffs, New Jersey, 1996. Lestari Murti, Pengaruh variabel makro terhadap return saham di Bursa Efek Jakarta Pendekatan beberapa model, Paper Seminar Nasional Akuntansi VIII, 2005 Roberts S Pindyck and Daniel, L Rubinfeld, 1998, Econometric Models and Economic Forecast, 4th edition, Irwin Mcgraw-hill, New York. Novita Mila, Nachrowi Djalal, Dynamic Analysis of the Stock Price Index and the Exchange Rate Using Vector Autoregression (VAR) (an Empirical Study of the Jakarta Stock exchange, 2001-2004, keywords: Stock Price Index, Indonesia, Capital Market, Exchange Rate. Nahrowi Djalal, Hardius Eko, Memahami Model ARCH dan GARCH, Bahan Kuliah Ekonometri 2, Program Ilmu Akuntansi, FEUI. Tan, Jose Antonio R, Contagion Effects During the Asian Financial Crisis: Some Evidence from Stock Price Data (Pacific Basin Working Paper Series, Center for Pacific Basin Monetary and Economic Studies Economic Research Department Federal Reserve Bank of San Francisco, 1998. Wing Winarno, Memahahi pengolahan data dengan Eviews, 2006


ANALISA HUBUNGAN INDEX HARGA SAHAM GABUNGAN (IHSG) JAKARTA (JSX), LONDON (FTSE), TOKYO (NIKKEI) DAN SINGAPURA (SSI)

Recommend Documents