ANALISIS PENGARUH PENGUMUMAN MAKROEKONOMI AMERIKA SERIKAT TERHADAP PERUBAHAN VOLATILITAS IHSG
OLEH RETNO NUR CAHYANI H14070075
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011
RINGKASAN
RETNO NUR CAHYANI. Analisis Pengaruh Pengumuman Makroekonomi Amerika Serikat Terhadap Perubahan Volatilitas IHSG (dibimbing oleh IMAN SUGEMA). Globalisasi berdampak pada perubahan pola investasi, peningkatan peran pasar modal dalam perekonomian, dan semakin terintegrasinya pasar modal dunia. Pasar saham Indonesia memiliki kontribusi kapitalisasi pasar sebesar 50,55 persen terhadap PDB pada tahun 2010. Pasar saham Indonesia rentan dipengaruhi oleh kondisi pasar saham internasional. Salah satu penyebabnya yaitu pasar saham Indonesia didominasi oleh investor dari luar negeri. Pada tahun 2010, investor asing yang berinvestasi di pasar saham Indonesia mencapai 62,80 persen dari total keseluruhan investor. Amerika Serikat menjadi investor utama dan seringkali mengintervensi jalan politik beberapa negara di dunia. Pengumuman makroekonomi Amerika Serikat merupakan salah satu pusat perhatian bagi para investor. Namun, reaksi para investor terhadap pengumuman makroekonomi Amerika Serikat beragam di berbagai negara. Menurut Nikkinen et. al (2006), negara-negara kekuatan baru Asia seperti China, Malaysia, Filipina, Thailand, dan India terintegrasi erat dengan pengumuman berita makroekonomi Amerika Serikat. Seberapa besar dampak atau pengaruh pengumuman tersebut akan berbeda untuk setiap negara. Hubungan ketergantungan perdagangan internasional, ukuran pasar, kepemilikan asing, dan struktur industri dan ekonomi menjadi faktor-faktor yang relevan. Penelitian ini bertujuan untuk menganalisis hubungan antara pasar saham Indonesia dengan pengumuman makroekonomi Amerika Serikat dan juga untuk melihat dampak masing-masing makroekonomi Amerika Serikat terhadap perubahan volatilitas IHSG. Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder dalam bentuk harian yang diperoleh dari CEIC Database, Econoday, The Conference Board, International Supply Management, Bureau of Labor Statistics dalam periode waktu antara bulan Januari 2001 sampai dengan bulan Desember 2010. Data yang digunakan dalam penelitian merupakan data time series. Alat analisis yang digunakan dalam penelitian ini yaitu ARIMA (Auto Regressive Integrated Moving Average) dan GARCH (Generalize Auto Regressive Conditional Heteroskedasticity). Hasil penelitian ini menunjukkan bahwa selama periode penelitian tidak ada variabel dummy pengumuman makroekonomi Amerika Serikat yang berpengaruh signifikan memengaruhi perubahan varians atau volatilitas IHSG. Terpengaruh atau tidaknya kondisi pasar saham Indonesia, lebih dititik beratkan kepada persepsi para investor yang didominasi investor luar negeri. Berdasarkan hasil penelitian, diketahui bahwa para investor tidak menaruh perhatian terhadap pengumuman makroekonomi Amerika Serikat. Para investor yang memutuskan untuk berinvestasi di Indonesia didasarkan atas kondisi pertumbuhan ekonomi yang baik, yang berimplikasi kepada performance perusahaan-perusahaan yang listing di Bursa Efek Indonesia. Performance perusahaan yang baik menguntungkan para investor, sehingga para investor dapat memperoleh capital gain yang tinggi ataupun pembagian dividen yang besar.
ANALISIS PENGARUH PENGUMUMAN MAKROEKONOMI AMERIKA SERIKAT TERHADAP PERUBAHAN VOLATILITAS IHSG
Oleh RETNO NUR CAHYANI H14070075
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011
Judul Skripsi
: Analisis Pengaruh Pengumuman Makroekonomi Amerika Serikat Terhadap Perubahan Volatilitas IHSG
Nama
: Retno Nur Cahyani
NRP
: H14070075
Menyetujui, Dosen Pembimbing
Dr. Ir. Iman Sugema NIP. 1964 0502 198903 1 003
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Dedi Budiman Hakim, M.Ec NIP. 19641022 198903 1 003
Tanggal Kelulusan:
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN
SEBAGAI
SKRIPSI
ATAU
KARYA
ILMIAH
PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, September 2011
Retno Nur Cahyani H14070075
RIWAYAT HIDUP
Penulis bernama Retno Nur Cahyani, dilahirkan di Bogor pada tanggal 30 Juli 1989. Penulis merupakan anak pertama dari empat bersaudara, dari pasangan Bapak H. Aris Bagio Cahyono, SE dan Ibu Hj. Muti Mursidah. Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1995 sampai dengan tahun 2001di SDN Polisi V, Bogor. Selanjutnya meneruskan ke pendidikan lanjutan tingkat pertama dari tahun 2001 sampai tahun 2004 di SMP Negeri 4 Bogor. Setelah itu, penulis melanjutkan pendidikan menengah umum di SMA Negeri 5 Bogor dan lulus pada tahun 2007. Pada tahun 2007, penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) kemudian terdaftar sebagai mahasiswa Fakultas Ekonomi dan Manajemen (FEM) pada Program Studi Ilmu Ekonomi dan mengambil minor Kebijakan Agribisnis. Selama menjadi mahasiswa, penulis mencoba mengaktualisasi diri bergabung dengan BEM FEM IPB sebagai staff divisi pada Divisi Pendidikan dan Kewirausahaan. Selain itu, penulis juga aktif dalam berbagai kegiatan kepanitiaan seperti Hipotex-R 20082009, Economic Contest, Extravaganza 2009, dan kegiatan kepanitiaan lainnya. Tahun 2011 penulis melakukan penelitian dengan judul “Analisis Pengaruh Pengumuman Makroekonomi Amerika Serikat Terhadap Perubahan Volatilitas IHSG” untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi.
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kehadirat Allah SWT, karena atas berkat rahmat dan karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Judul skripsi ini adalah “Analisis Pengaruh Pengumuman Makroekonomi Amerika Serikat Terhadap Volatilitas IHSG”. Pasar saham merupakan salah satu penunjang pertumbuhan ekonomi suatu negara yang seringkali dipengaruhi beragam sentimen pasar. Oleh karena itu, penulis tertarik untuk melakukan penelitian dengan topik ini. Disamping hal tersebut, skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada berbagai pihak yang telah memberikan bimbingan dan dukungan kepada penulis sehingga skripsi ini dapat diselesaikan dengan baik, khususnya kepada: 1.
Dr. Iman Sugema selaku dosen pembimbing skripsi yang telah memberikan bimbingan baik secara teknis, teoritis maupun moril dalam proses penyusunan skripsi ini sehingga dapat diselesaikan dengan baik.
2.
Dosen penguji utama, Prof. Dr. Bambang Juanda dan dosen penguji komisi pendidikan, Dr.Yeti Lis Purnamadewi atas segala koreksi dan saran yang diberikan kepada penulis.
3.
Para dosen, staf, dan seluruh civitas akademika Departemen Ilmu Ekonomi FEM-IPB yang telah memberikan ilmu dan bantuan kepada penulis selama menjalani studi di Departemen Ilmu Ekonomi.
4.
Kedua Orangtua tercinta Bapak Aris Bagio Cahyono dan Ibu Muti Mursidah dan adik-adikku tersayang M. Dimas Cahyono, Meidina Nur Cahyani (alm), dan Permata Zahra Cahyani, segenap keluarga besar, serta Fakhrul Aufa yang telah memberikan kasih sayang, perhatian, motivasi, dukungan baik moril maupun materil serta doa bagi penulis dalam menyelesaikan skripsi ini.
5.
Teman seperjuangan satu bimbingan M. Anditia Putra atas semangat, motivasi, doa, dan perjuangan yang luar biasa ini.
6.
Sahabat-sahabatku di Ilmu Ekonomi 44: Fifi, Lilih, Rochma, Irma, Nur, Embang dan lainnya yang tidak bisa disebutkan satu persatu, atas bantuan, semangat dan doa bagi penulis dalam menyelesaikan skripsi ini.
7.
Seluruh staf di InterCAFE (terutama untuk Ka Mut dan Bu Iis) dan EC-Think atas semangat dan motivasi yang diberikan.
8.
Semua pihak yang telah membantu penulis dalam penyelesaian skripsi ini namun tidak bisa penulis sebutkan satu persatu. Penulis menyadari bahwa dalam menyusun skripsi ini masih terdapat
kekurangan, karena keterbatasan pengetahuan dan kemampuan yang dimiliki. Semoga karya ini dapat bermanfaat bagi penulis maupun pihak lain yang membutuhkan. Bogor, September 2011
Retno Nur Cahyani H14070075
i
DAFTAR ISI DAFTAR TABEL ......................................................................................... DAFTAR GAMBAR .................................................................................... DAFTAR LAMPIRAN ................................................................................. I. PENDAHULUAN ............................................................................ 1.1 Latar Belakang ............................................................................
iii iv v 1 1
1.2 Rumusan Masalah ....................................................................... 6 1.3 Tujuan Penelitian ....................................................................... 7 1.4 Manfaat Penelitian ...................................................................... 7 1.5 Ruang Lingkup Penelitian........................................................... 8 II.
TINJAUAN PUSTAKA 2.1 Pasar Modal ................................................................................ 9 2.1.1 Pengertian Pasar Modal ..................................................... 9 2.1.2 Manfaat Pasar Modal ......................................................... 9 2.1.3 Instrumen Pasar Modal ..................................................... 10 2.1.4 Mekanisme Pasar Modal .................................................... 12 2.2 Indeks Harga Saham Gabungan (IHSG) ..................................... 13 2.3 Event Study................................................................................. 14 2.4 Efisiensi Pasar ............................................................................ 15 2.5 Pengumuman Makroekonomi Amerika Serikat.......................... 17 2.6 Penelitian Terdahulu ................................................................... 21 2.7 Kerangka Pemikiran.................................................................... 24 2.8 Hipotesis ..................................................................................... 26
III.
METODE PENELITIAN 3.1 Jenis dan Sumber Data ................................................................ 27 3.2 Peubah dan Definisi Operasional ................................................ 28 3.3 Metode Analisis Pengolahan Data .............................................. 28 3.3.1 Pemodelan Volatilitas Univariate Time Series .................. 28 3.3.2 Mean Process .................................................................... 29
ii
3.3.3 Metode Peramalan Box-Jenkins ........................................ 29 3.3.4 Variance Process ............................................................... 32 3.3.5 Model ARCH-GARCH ...................................................... 33 3.4 Uji Goodness of fit ...................................................................... 36 3.5 Uji Asumsi Klasik ....................................................................... 37 3.6 Model Penelitian ......................................................................... 40 IV.
HASIL DAN PEMBAHASAN 4.1 Deskripsi Data ............................................................................. 43 4.2 Identifikasi Model ...................................................................... 44 4.2.1 Uji Stasioneritas ................................................................ 44 4.2.2 Mengevaluasi Model ARIMA (Mean Equation) ............... 45 4.2.3 Uji Asumsi Klasik .............................................................. 46 4.2.3.1 Uji Normalitas ........................................................... 46 4.2.3.2 Uji Autokorelasi ........................................................ 47 4.2.3.3 Uji Heteroskedastisitas.............................................. 48 4.2.4 Mengevaluasi model GARCH (Variance Equation) ........ 48 4.2.5 Nilai Varians Model GARCH ............................................ 49 4.2.6 Hasil Estimasi Akhir .......................................................... 51 4.3 Pembahasan Hasil ....................................................................... 52
V.
PENUTUP 5.1 Kesimpulan ................................................................................. 55 5.2 Saran ........................................................................................... 55
TINJAUAN PUSTAKA ............................................................................... 57
iii
DAFTAR TABEL No.
Halaman
1. Statistik Pasar Modal ................................................................................ 2 2. Proporsi Kepemilikan di Pasar Modal ..................................................... 3 3. Ringkasan Penelitian Terdahulu ............................................................... 23 4. Uji Stasioneritas Data Return.................................................................... 45 5. Evaluasi Model ARIMA ........................................................................... 46 6. Uji Autokorelasi ........................................................................................ 47 7. Uji Heteroskedastisitas.............................................................................. 48 8. Evaluasi Model GARCH .......................................................................... 49 9. Hasil Estimasi ........................................................................................... 51 10. Perbandingan Hasil Penelitian ................................................................ 52
iv
DAFTAR GAMBAR No. Halaman 1. Bentuk Efisiensi Pasar .............................................................................. 16 2. Kerangka Pemikiran.................................................................................. 25 3. Plot data RETURN ................................................................................... 43 4. Histogram Deskripsi Statistik ................................................................... 44 5. Histogram Galat Terbakukan .................................................................... 47 6. Nilai Varians ............................................................................................. 50 7. Nilai Difference Log Variance .................................................................. 50
v
DAFTAR LAMPIRAN No.
Halaman
1. Daftar Pengumuman Makroekonomi Amerika Serikat ............................ 59 2. Uji Stasioneritas ........................................................................................ 65 3. Plot Korelogram ........................................................................................ 66 4. Model ARIMA (2,0,3) .............................................................................. 66 5. Uji Autokorelasi ........................................................................................ 67 6. Uji White ................................................................................................... 67 7. Plot Korelogram Residual Kuadrat ........................................................... 68 8. Model GARCH (1,1) ................................................................................ 68 9. Hasil Estimasi Akhir ................................................................................. 69
1
BAB I PENDAHULUAN 1.1 Latar Belakang Memasuki era globalisasi, arus informasi antar negara mudah diperoleh. Sehingga terdapat perubahan dalam berinvestasi. Pertama, pola investasi yang semula melalui jalur official development assistance (ODA) dan foreign direct investment (FDI) berubah menggunakan pola portfolio investment. Kedua, konsekuensi perubahan pola investasi tersebut menempatkan peran pasar modal semakin penting, baik sebagai satu sarana investasi maupun sebagai sumber pembiayaan baru bagi investor. Melalui pasar modal perusahaan dapat mengembangkan
instrumen
keuangan,
mendiversifikasikan
risiko
dan
memobilisasi dana masyarakat. Selain itu, dapat menciptakan pengalokasian sumber dana secara lebih efisien serta dapat menciptakan budaya fairness melalui keterbukaan. Ketiga, makin terintegrasinya pasar modal di dunia. Keadaan ini akan meningkatkan sisi penawaran dan permintaan investasi, baik yang berasal dari pemodal domestik maupun pemodal internasional. Hal ini dapat terlihat dari sudah semakin meningkatnya aliran aset lintas batas (cross border assets) (Suta, 2000). Pasar modal memiliki peran penting dalam kegiatan ekonomi. Di banyak negara, terutama di negara-negara yang menganut sistem ekonomi pasar. Pasar modal telah menjadi salah satu sumber kemajuan ekonomi. Semakin berkembangnya pasar modal, akan menunjang peningkatan PDB dan mendorong
2
kemajuan ekonomi suatu negara. Di Indonesia (Tabel 1), pasar saham memiliki kontribusi kapitalisasi pasar sebesar 50,55 persen terhadap PDB pada tahun 2010. Kontribusi tersebut meningkat dari tahun sebelumnya 2008 dan 2009, dengan presentase perubahan sebesar 5,67 persen. Hal ini diperkuat dengan semakin banyaknya jumlah penerbit (emiten) di pasar modal yaitu mencapai 515 emiten pada tahun 2010. Tabel 1. Statistik Pasar Modal 2008
2009
2010
2 Mei 2011
Perubahan (%)
Indeks Harga Saham 1.355,41 2.534,36 3.703,51 3.849,30 Gabungan
3.94
Kapitalisasi Pasar 1.076,49 2.019,38 3.247,10 3.431,15 Modal (dalam trilyun rupiah)
5,67
Kontribusi Kapitalisasi 21,73 Pasar Saham terhadap PDB (%)
35,97
50,55
53,42
5,67
Jumlah Penerbit :
491
515
519
0,78
476
Ekuitas (Emiten) Sumber : Bapepam LK, Bloomberg IDX, E-Monitoring dalam BAPEPAM-LK ( 2011)
Pasar saham Indonesia rentan dipengaruhi oleh kondisi pasar saham internasional. Salah satu penyebabnya yaitu pasar saham Indonesia didominasi oleh investor dari luar negeri. Pada tahun 2010 (Tabel 2), investor asing yang berinvestasi di pasar saham Indonesia mencapai 62,80 persen dari total keseluruhan investor. Investor lebih menyukai berinvestasi di pasar saham dibandingkan dengan berinvestasi di pasar surat utang Indonesia karena pasar
3
saham memberikan capital gain yang tinggi. Pasar utang Indonesia didominasi oleh investor dalam negeri. Dampak dari krisis global, yang berawal dari krisis kredit perumahan dengan kualitas rendah (subprime mortgage) di Amerika Serikat pada tahun 2008 mengakibatkan IHSG bergerak hingga titik terendah yaitu 1.100 rupiah dan kembali bergerak ke titik tertinggi yaitu 2528,146 rupiah pada 6 Oktober 2009. Peristiwa tersebut mengindikasikan bahwa pasar modal Indonesia dan pasar modal Amerika Serikat memiliki hubungan integrasi jangka panjang, atau dampak krisis dirasakan pasca event krisis global, hal tersebut sesuai dengan penelitian Abimanyu et. al (2008). Tabel 2. Proporsi Kepemilikan di Pasar Modal Periode
Equity
Corporate Bond
Government Bond
Domestic
Foreign
Domestic
Foreign
Domestic
Foreign
2004
22,73%
77,27%
97,06%
2,94%
97,31%
2,09%
2005
26,95%
73,05%
94,15%
5,82%
92,22%
7,78%
2006
26,60%
73,40%
94,72%
5,28%
86,88%
15,12%
2007
33.65
66,55
95,42
4,58
83,64
16,36
2008
32,16
67,84
96,13
3,87
83,33
16,67
2009
32,76
67,24
96,80
3,20
81,44
18,56
2010
37,20
62,80
95,61
4,39
69,47
30,53%
Sumber: KSEI, Bapepam LK, DMO dalam BAPEPAM-LK ( 2011)
Amerika Serikat menjadi investor utama dan seringkali mengintervensi jalan politik beberapa negara di dunia. Beberapa penelitian yang terkait dengan posisi bursa Amerika Serikat di pasar internasional dan hubungannya dengan
4
negara-negara lain telah banyak dilakukan. Hasil penelitian tersebut menunjukkan bahwa bursa Amerika Serikat merupakan faktor global terpenting yang menggerakan pasar dunia. Diantaranya yaitu Eun dan Shin dalam Wong et.al (2004), meneliti sembilan pasar modal utama dunia yaitu Australia, Canada, Perancis, Jerman, Hongkong, Jepang, Swiss, Inggris dan Amerika Serikat dengan periode penelitian antara Desember 1979 sampai dengan Desember 1985. Penelitian tersebut menyimpulkan bahwa Amerika Serikat memiliki peranan utama terhadap tren di seluruh dunia. Penelitian lainnya dilakukan oleh Cheung dan Mak dalam Wong et.al (2004) yang meneliti hubungan sebab akibat antara pasar modal berkembang dan pasar modal sedang berkembang Asia. Hasil penelitian tersebut yaitu pasar modal Amerika Serikat merupakan faktor global yang sangat berpengaruh terhadap kedua pasar tersebut (Wong et. al 2004). Pasar efisien menurut Fama dalam Manurung (2005), yaitu bila informasi yang tersedia terefleksi pada harga saham. Konteks informasi tersebut dapat berupa merger dan akuisisi, pengumuman penting, isu mengenai utang internasional,
dan
pengumuman
makroekonomi
variabel
seperti
defisit
perdagangan. Pengumuman makroekonomi Amerika Serikat merupakan salah satu pusat perhatian bagi para investor. Para investor baik di Amerika Serikat maupun bukan di Amerika Serikat sangat tertarik terhadap situasi perekonomian Amerika
Serikat.
Namun,
reaksi
para
investor
terhadap
pengumuman
makroekonomi Amerika Serikat beragam di berbagai negara. Penelitian tentang dampak pengumuman berita makroekonomi Amerika Serikat menarik untuk diteliti. Penelitian mengenai dampak event-event terhadap
5
pasar keuangan tersebut sebenarnya penting, namun hal ini belum menjadi perhatian utama para peneliti. Penelitian ini penting untuk menambahkan perspektif dari dua pemikiran dasar. Pertama, yaitu literatur mengenai spillover (Booth et.al,; King and Wadhani; Martens and Poon; Nikkinen dan Sahlstom) dalam Nikkinen et.al (2006), yang menunjukkan pasar terintegrasi pada pengembalian saham dan volatilitas. Namun, penelitian ini mengkaji bagaimana kondisi pengumuman makroekonomi negara yang sangat kuat perekonomiannya di dunia berdampak terhadap volatilitas pada pasar saham di seluruh dunia. Sementara itu, Nasseh dan Strauss dalam Nikkinen et.al (2006) dan Connoly dan Wang dalam Nikkinen et.al (2006) mengkaji perkembangan dasar ekonomi diseluruh pasar dunia dapat menjelaskan pergerakan pengembalian bersama. Penelitian ini mengkaji bagaimana pengumuman makroekonomi Amerika Serikat berdampak terhadap ketidakpastian pada pasar saham internasional pada saat event berlangsung. Kedua, penelitian ini mengembangkan penelitian yang dilakukan oleh Becker et.al, Kim, dan Nikkinen dan Sahstrom dalam Nikkinen et.al (2006). Penelitian terdahulu tersebut mengkaji dampak pengumuman makroekonomi Amerika Serikat pada sebagian kecil pasar saham di luar Amerika Serikat, namun penelitian ini membandingkan seberapa pentingnya pengumuman makroekonomi Amerika Serikat terhadap saham di berbagai wilayah ekonomi di seluruh dunia. Pendekatan ini mengkaji dampak pengumuman makroekonomi Amerika Serikat pada pasar global secara keseluruhan dan memungkinkan untuk membandingkan dampak relatifnya di seluruh dunia (Nikkinen et. al, 2006).
6
Menurut Nikkinen et. al (2006), negara-negara kekuatan baru Asia seperti (China, Malaysia, Filipina, Thailand, dan India) terintegrasi erat dengan pengumuman berita makroekonomi Amerika Serikat. Seberapa besar dampak atau pengaruh pengumuman tersebut akan berbeda untuk setiap negara. Hubungan ketergantungan perdagangan internasional, ukuran pasar, kepemilikan asing, dan struktur industri dan ekonomi menjadi faktor-faktor yang relevan. Oleh karena itu, dalam perspektif yang lebih khusus, untuk melihat bagaimana dampak pengumuman makroekonomi Amerika Serikat terhadap perubahan volatilitas indeks harga saham gabungan Indonesia, hal inilah yang akan menjadi fokus dalam penulisan skripsi ini. 1.2 Rumusan Masalah Amerika Serikat menjadi leading role pasar saham di pasar global. Pengumuman sepuluh jenis makroekonomi Amerika Serikat menjadi informasi penting bagi para investor. Penelitian ini menghipotesiskan bahwa ketidakpastian berhubungan
dengan
pengumuman
indikator
ekonomi
Amerika
Serikat
tercerminkan secara berbeda pada volatilitas saham lokal. Besaran dari reaksi tersebut didasarkan pada derajat integrasi dan perkembangan beberapa pasar. Derajat integrasi ekonomi berdampak pada pasar saham dalam dua cara yaitu berdampak terhadap performance perusahaan skala kecil dan menengah hingga perusahaan multinasional dan akibat perbedaan proporsi antara kepemilikan saham oleh investor lokal dan investor luar negeri yang berbeda di berbagai negara. Pengumuman makroekonomi berdampak pada peningkatan perubahan volatilitas setelah pengumuman berlangsung. Kim dan Verrechia (1991),
7
mengasumsikan bahwa private information dan informasi tentang news sangat diantisipasi, mereka berpendapat bahwa varians akan menurun ketika kualitas dari pengumuman meningkat (Nikkinen et.al 2006). Secara garis besar permasalahan pokok yang akan diuraikan dalam penelitian ini adalah 1. Apakah pasar saham Indonesia terintegrasi dengan pengumuman makroekonomi Amerika Serikat ? 2. Bagaimana dampak masing-masing pengumuman makroekonomi Amerika Serikat terhadap perubahan volatilitas indeks harga saham gabungan ? 1.3 Tujuan Penelitian Tujuan penelitian dari skripsi ini adalah 1. Menganalisis hubungan antara pasar saham Indonesia dengan pengumuman makroekonomi Amerika Serikat; 2. Menganalisis dampak masing-masing makroekonomi Amerika Serikat terhadap perubahan volatilitas indeks harga saham gabungan. 1.4 Manfaat Penelitian Skripsi ini bermanfaat bagi pemerintah, investor, ekonom, masyarakat, dan bagi kalangan akademisi. Manfaat – manfaat tersebut di antaranya: 1. Pemerintah dapat membuat kebijakan untuk mengantisipasi perubahan pasar saham akibat dari pengumuman makroekonomi Amerika Serikat;
8
2. Investor dapat mengkaji dampak pengumuman Amerika Serikat untuk mendapatkan keputusan investasi terbaik; 3. Para ekonom agar semakin dalam mengkaji pentingnya pengumuman makroekonomi Amerika Serikat terhadap kondisi pasar saham Indonesia; 4. Masyarakat mengetahui bahwa pengumuman makroekonomi Amerika Serikat dapat berdampak kepada kondisi pasar saham Indonesia; 5. Kalangan akademisi dapat menambah khazanah ilmu pengetahuan dan menjadikan skripsi ini sebagai rujukan terwujudnya penelitian selanjutnya. 1.5 Ruang Lingkup Penelitian Penelitian ini difokuskan pada dampak news dari sepuluh pengumuman makroekonomi Amerika Serikat, yaitu consumer confidence, consumer price index, employment cost index, employment situation, gross domestic product, import and export price indices, ISM (International Supply Management): manufacturing, ISM (International Supply Management): non-manufacturing, producer price index, dan retail sales terhadap perubahan volatilitas Indeks Harga Saham Gabungan (IHSG). Periode waktu penelitian mulai Januari 2001 sampai dengan Desember 2010.
9
BAB II TINJAUAN PUSTAKA 2.1 Pasar Modal
2.1.1 Pengertian Pasar Modal
Pengertian pasar modal menurut Undang-Undang Pasar Modal No. 8 tahun 1995 adalah kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi yang berkaitan dengan efek. Secara sederhana pasar modal berarti tempat bertemunya pihak yang membutuhkan dana jangka panjang dengan pihak yang menginvestasikan dananya.
2.1.2 Manfaat Pasar Modal
a. Pasar modal merupakan wahana berinvestasi dana jangka panjang yang relatif efisien
Investor atau calon investor dapat menanamkan dananya dalam berbagai instrumen yang diperdagangkan atau akan dijual oleh perusahaan yang membutuhkan dana jangka panjang di pasar modal secara terbuka atau transparan, sehingga investor dapat dengan mudah memprediksi untung ruginya dalam menginvestasikan dananya pada tersebut.
perusahaan
10
b. Pasar modal merupakan alternatif investasi
Pasar modal dapat menjadi alternatif untuk menanamkan modal bagi investor dengan segala kelebihan dan resiko yang ditanggung pemilik modal.
c. Investor dapat memiliki lebih dari satu saham perusahaan-perusahaan yang telah go public dengan segala resikonya. Atau dengan kata lain investor dapat menyebar investasinya (diversifikasi modal) ke berbagai perusahaan yang telah go public dan menjual sahamnya di pasar modal
d. Perusahaan dalam pengelolaan manajemen dituntut transparan dan profesional.
e. Meningkatkan perkembangan perekonomian secara nasional
Pasar modal yang berkembang akan membantu mendorong roda perekonomian secara menyeluruh. Hal ini disebabkan pertumbuhan investasi yang meningkat sehingga perusahaan-perusahaan yang sedang membutuhkan
dana
untuk
meningkatkan
produktifitasnya.
mengembangkan, Dampak
memajukan
positifnya,
dan
pertumbuhan
ekonomi akan terpengaruh dan meningkatkan kesejahteraan rakyatnya.
2.1.3 Instrumen Pasar Modal
Berdasarkan Undang-Undang Pasar Modal (UUPM) Pasal 1 Nomor. 5 instrumen pasar modal berupa efek, yakni surat berharga yang dapat berbentuk
11
surat berharga komersial, saham, surat pengakuan hutang, obligasi, tanda bukti hutang, surat penyertaan investasi kolektif, kontrak berjangka atas efek dan setiap turunan (derivatif) atas efek.
Saham
Saham adalah tanda penyertaan modal seseorang atau lembaga (badan usaha) dalam suatu perusahaan atau perseroan terbatas. Kepemilikan saham, seseorang atau lembaga dapat mengklaim pendapatan perusahaan pada akhir periode dalam bentuk dividen dan berhak menghadiri Rapat Umum Pemegang Saham (RUPS).
Keuntungan seseorang memiliki saham :
1. Memperoleh dividen, yakni keuntungan yang diperoleh karena memiliki saham sebuah perusahaan dalam jangka waktu yang lama atau panjang, biasanya lebih dari satu tahun. Pembagian dividen diputuskan melalui sidang Rapat Umum Pemegang Saham (RUPS) setiap tahunnya.
2. Mendapatkan capital gain, yakni selisih harga beli dengan harga jual. Capital gain hanya akan terjadi manakala pemilik saham menjualnya di pasar sekunder atau bursa efek.
Resiko berinvestasi dalam bentuk saham :
1. Capital Loss, yakni harga beli saham lebih besar dari pada harga jual yang mengakibatkan kerugian pada pemilik saham.
12
2. Tidak ada pembagian dividen, jika perusahaan (emiten) mengalami kerugian dalam tahun berjalan atau RUPS memutuskan tidak ada pembagian dividen karena labanya digunakan untuk ekspansi usaha. 3. Resiko likuidasi, jika perusahaan (emiten) bangkrut atau dilikuidasi. Pemegang saham menjadi orang terakhir yang mendapatkan bagian dari perusahaan tersebut setelah seluruh kewajiban (utang) perusahaan dibayarkan. 4. Saham didelisting dari bursa, dengan alasan-alasan tertentu bisa saja sebuah saham dihapus (delisting) dari bursa yang mengakibatkan saham tidak dapat diperdagangkan lagi di bursa.
Jenis-jenis saham :
1. Saham biasa, yakni saham yang umumnya diperjualbelikan di bursa saham dengan berbagai keistimewaannya, antara lain pemegang saham menjadi pengklaim terakhir atas aktiva perusahaan, mendapatkan dividen, mempunyai hak memesan terlebih dahulu bila ada efek perusahaan yang ditawarkan dan mempunyai tanggung jawab sebatas saham yang dimiliki.
2. Saham preferen, yakni saham yang merupakan gabungan antara saham biasa dengan obligasi. Saham ini sama dengan saham biasa karena tidak memiliki tanggal jatuh tempo dan sama dengan obligasi karena mempunyai dividen yang tetap serta dapat ditukar dengan saham biasa.
13
2.1.4 Mekanisme Pasar Modal Dalam pasar modal terdapat dua cara penjualan saham, yakni pasar perdana (primary market) dan pasar sekunder (secondary market). Pasar perdana adalah pasar dimana efek-efek diperdagangkan untuk pertama kalinya sebelum dicatatkan di bursa efek. Saham atau efek yang pertama kali diperdagangkan biasanya ditawarkan oleh pihak penjamin emisi (underwriter) kepada investor melalui perantara pedagang efek, perantara pedagang efek ini bertindak sebagai agen penjual saham. Proses penjualan perdana ini biasanya disebut dengan Initial Public Offering (IPO) atau penawaran umum perdana.
Mekanisme penjualan saham yang kedua disebut dengan pasar sekunder. Adapun pasar sekunder adalah pasar dimana efek-efek yang telah dicatatkan di bursa efek diperjual belikan secara bebas. Dalam pasar sekunder ini, investor diberikan kesempatan seluas-luasnya untuk membeli atau menjual saham yang telah tercatat tersebut melalui perantara yang disebut dengan pialang.
2.2 Indeks Harga Saham Gabungan (IHSG) Secara sederhana, indeks harga adalah suatu angka yang digunakan untuk membandingkan suatu peristiwa dengan suatu peristiwa lainnya. Demikian juga dengan indeks harga saham, indeks di sini akan membandingkan perubahan harga saham dari waktu ke waktu misalnya ketika harga saham mengalami penurunan atau kenaikan dibandingkan dengan suatu waktu tertentu. Menurut Widoatmodjo dalam Aufa (2010), Indeks Harga Saham Gabungan (IHSG) menunjukkan pergerakan harga saham secara umum yang
14
tercatat di bursa efek. Indeks inilah yang paling banyak digunakan dan dipakai sebagai acuan tentang perkembangan kegiatan di pasar modal. IHSG dapat digunakan untuk menilai suatu situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan. IHSG melibatkan seluruh harga saham yang tercatat di bursa. Untuk perhitungan Indeks Harga Saham Gabungan (IHSG) ini, kita harus menjumlahkan seluruh harga saham yang tercatat. Rumus untuk menghitung IHSG adalah sebagai berikut : IHSG
∑ ∑
100% ………… (1)
dimana: ∑
= Total harga semua saham pada waktu yang berlaku
∑
= Total harga semua saham pada waktu dasar
2.3 Event Study Untuk pasar modal yang memiliki kondisi efficient market hypothesis, segala bentuk informasi baru yang masuk ke dalam pasar modal dan berkaitan dengan pemberitaan emiten (listed company), maka portfolio investor akan melakukan penyesuaian harga saham dengan cepat. Penyesuaian harga saham tersebut mencerminkan pengaruh informasi baru yang berkaitan dengan kemungkinan perolehan actual return dari saham yang ditanamkan dan juga kemungkinan risiko-risiko yang akan muncul seperti potential financial losses. Penelitian terhadap pergerakan harga saham disaat-saat pemberitaan event tertentu dan waktu terjadinya penyesuaian harga akan memberikan indikasi kepada publik apakah pemberitaan tersebut disebarkan secara luas atau terbatas.
15
Jika harga saham perusahaan publik yang mengalami event tertentu mengalami pergerakan besar, yaitu hari sebelum diumumkan kepada publik, maka pergerakan harga saham untuk periode event tersebut mengindikasikan terjadinya insider trading (Elton dalam Rambe, 2003). 2.4 Efisiensi Pasar Pasar yang efisien dapat diuraikan dalam tiga sebab, yaitu pasar efisien secara operasional, pasar yang efisien berdasarkan nilai informasi (Fama dalam Manurung, 2005) dan pasar efisien yang tercapai berdasarkan keputusan (Hartono dalam Manurung, 2005). Pasar efisien secara operasional adalah pasar yang mempunyai transaksi yang likuid untuk saham-saham dan biaya yang berlaku sangat rendah. Secara sederhana pasar ini menyatakan bahwa pasar tersebut beroperasi secara efisien. Investor ingin melakukan transaksi dengan mudah dan cepat berhasil mendapatkan saham yang diinginkan sesuai dengan harga yang wajar. Investor juga dapat menjual saham tersebut secepatnya. Hal ini dapat terjadi dengan kebijakan dan peraturan yang dilakukan oleh pengelola bursa. Pengelola bursa harus membuat peraturan sehingga investor dapat bertransaksi dengan mudah dan murah. Pasar efisien berdasarkan informasi menyatakan bahwa informasi yang tersedia secara cepat menyebar ke pasar sehingga harga saham merupakan refleksi dari seluruh informasi yang ada. Artinya, harga saham tersebut berubah berdasarkan informasi yang masuk dan merubah nilai wajar perusahaan sehingga
16
harga saham di bursa berubah secara cepat. Pasar efisien berdasarkan informasi dikembangkan oleh Fama dalam Manurung (2005) dengan menyatakan definisi sebagai berikut : “A security market is efficient if security prices fully reflect the information avaible”. Fama dalam Manurung (2005) membagi pasar efisien dalam tiga kelompok besar, yaitu pasar efisien bentuk lemah (weak from efficient), pasar efisien bentuk setengah kuat (semi-strong efficient), dan pasar efisien dengan bentuk sangat kuat (strong efficient). Pasar efisien secara keputusan yang dikembangkan oleh Hartono dalam Manurung (2005) yang menyatakan bahwa ada dua faktor yang menyebabkan pasar efisien berdasarkan keputusan yaitu informasi yang tersedia dan pelaku pasar. Uraian mengenai pasar efisien secara keputusan merupakan pengembangan bentuk pasar efisien semi-strong.
Strong efficient Semi‐strong efficient Weak form
Gambar 1. Bentuk Efisiensi Pasar Sumber : Manurung (2005)
17
2.5 Pengumuman Makroekonomi Amerika Serikat Pengumuman makroekonomi Amerika Serikat diumumkan oleh berbagai lembaga pemerintahan negara tersebut. Penelitian ini terfokus pada sepuluh pengumuman makroekonomi Amerika yaitu consumer confidence, consumer price index, employment cost index, employment situation, gross domestic product, import and export price indices, ISM (International Supply Management): manufacturing, ISM(International Supply Management): nonmanufacturing, producer price index, dan retail sales. a. Consumer Confidence (CC) CC merupakan survei mengenai ekspektasi konsumen terhadap kondisi perekonomian saat ini dan ekspektasi kondisi mendatang yang dilakukan terhadap tiga ribu rumah tangga yang dilakukan setiap bulan. Bagi investor, pola perilaku konsumen menjadi kunci yang dapat memengaruhi saham. Pengeluaran konsumen memiliki proporsi dua per tiga dari roda perekonominan. Keyakinan konsumen berdampak pada pengeluaran konsumen yang memengaruhi pertumbuhan ekonomi. Untuk pasar saham, pertumbuhan ekonomi yang kuat merefleksikan keuntungan perusahaan yang sehat dan peningkatan harga saham. Hal ini merupakan sinyal bagi para investor untuk memperoleh keuntungan (Econoday, 2011).
18
b. Consumer Price Index (CPI) CPI merupakan survei nasional yang terdiri dari kelompok kategori pengeluaran dan kelompok kategori komoditi dan jasa untuk seluruh urban consumers (CPI-U) dan wage earners (CPI-W). Bagi investor, CPI selalu diikuti oleh indikator inflasi. Investor yang mengerti akan dampak dari inflasi dapat memperoleh keuntungan dari kondisi tersebut dibandingkan mereka yang tidak mengerti. Inflasi merupakan suatu kondisi yang menggambarkan peningkatan seluruh harga barang dan jasa. Peningkatan inflasi berdampak pada peningkatan tingkat suku bunga, yang pada akhirnya berdampak pada peningkatan harga saham (Econoday, 2011). c. Employment Cost Index (ECI) ECI merupakan pengukuran total biaya kompensasi pekerja, termasuk upah, gaji, dan juga tunjangan. Bagi investor, ECI merupakan jalan untuk mempermudah mengevaluasi trend upah dan resiko inflasi upah. Investor dapat mempersiapkan keputusan investasinya setelah menilai kenaikan harga. Ketika terjadi inflasi upah, maka tingkat suku bunga akan naik yang pada akhirnya menyebabkan harga saham akan turun (Econoday, 2011). d. Employment Situation (ES) ES menggambarkan kondisi tingkat pengangguran. Sehingga investor dapat menyusun strategi portofolio dan mengambil keuntungan dari kesempatan investasi yang sering kali meningkat pada hari selama pengumuman. Investor
19
dapat mengetahui keputusan terbaik untuk berinvestasi pada suatu sektor. Ketika ancaman inflasi upah menguat maka akan menyebabkan tingkat suku bunga naik dan harga saham turun. Hal ini tidak hanya terjadi di pasar tenaga kerja namun terhadap pendapatan dan produksi (Econoday, 2011). e. Gross Domestic Product (GDP) GDP menjelaskan total produksi suatu negara yang terdiri dari pembelian domestic barang dan jasa oleh individu, pelaku bisnis, masyarakat asing, dan pemerintah. GDP mengukur aktivitas ekonomi secara keseluruhan. Investor membutuhkan rekam jejak GDP untuk melihat performa investasi terbaik di berbagai negara. Pengumuman GDP dilakukan secara triwulanan, namun terdapat revisi pada setiap bulannya (Econoday, 2011). f. Import and Export Indices (IEPI) Impor menggambarkan harga barang-barang yang dibeli di Amerika Serikat tetapi diproduksi di luar negeri. Ekspor menggambarkan harga barangbarang yang dijual di pasar internasional tetapi diproduksi di dalam negeri. Indeks ini dapat memberikan sinyal mengenai impor inflasi, yang berdampak pada peningkatan tingkat suku bunga, dan artinya itu merupakan sinyal buruk bagi kondisi pasar saham (Econoday, 2011). g. ISM (International Supply Management): Manufacturing (MAN) MAN merupakan indeks difusi yang dikalkulasikan lima dari sebelas subkomponen survei bulanan purchasing managers yang terdiri dari tiga ratus
20
perusahaan manufaktur dari dua puluh satu industri yang tersebar di lima puluh negara bagian. Lima komponen dari survei ini yaitu new orders, production, employment, supplier deliveries, dan inventories. Indeks ini bermanfaat untuuk mengetahui latar belakang ekonomi untuk berbagai pasar. Pasar saham akan berjalan baik ketika pertumbuhan ekonomi baik karena mengindikasikan profit taking yang tinggi. Sinyal inflasi dapat terlihat dari laporan ketika manufacturing index naik makan pasar saham berada dalam kondisi bullish market (Econoday, 2011). h. ISM
(International
Supply
Management):
Non-manufacturing
(NON_MAN) Non-manufacturing indeks merupakan survei yang dilakukan terhadap empat ratus perusahaan dari enam puluh sektor. Termasuk sektor pertanian, konstruksi, transportasi, komunikasi, perdagangan besar, dan perdagangan retail. Empat komponen utamanya yaitu business activity, new orders, employment, dan supplier deliveries. Indeks ini bermanfaat untuuk mengetahui latar belakang ekonomi untuk berbagai pasar. Sehingga investor dapat menentukan sektor non manufaktur mana yang baik untuk berinvestasi (Econoday, 2011). i. Producer Price Index (PPI) PPI mengukur harga dari barang konsumsi dan barang-barang modal. Indeks ini dapat memberikan informasi dalam rangka mengantisipasi konsekuensi inflasi. Manfaat bagi investor yaitu dapat mengetahui ancaman inflasi yang mungkin ditimbulkan dari sisi produsen. Indeks ini di release setiap bulan.
21
Producer price index lebih volatil dibandingkan consumer price index. Indeks ini didominasi oleh sektor manufaktur (Econoday, 2011). j. Retail Sales (RS) RS mengukur total penerimaan dari penjualan barang durable dan non durable. Pengeluaran konsumsi merupakan sinyal penting yang mengindikasikan kondisi retail sales yang kuat. Hal ini berdampak baik terhadap pasar saham, terutama saham-sahan pada sektor retail (Econoday, 2011). 2.6 Penelitian Terdahulu Kim et. al (1999), menganalisis pengumuman makroekonomi terhadap pasar modal, pasar utang dan foreign exchange market Amerika Serikat. Periode penelitian ini yaitu 2 Januari 1986 hingga 31 Desember 1998 dengan menggunakan
metode
GARCH
(Generalized Autoregressive Conditional
Heteroskedasticity). Pengumuman makroekonomi yang diteliti yaitu nominal foreign international trade balance (BOT), GDP, UE, RS, CPI, dan PPI. Hasil penelitian ini menunjukkan bahwa pengumuman UE dan GDP yang signifikan pada taraf nyata 10 persen menjadi bukti lemah yang mengindikasikan dampaknya terhadap volatilitas. De Goeij dan Marquering (2002) menganalisis tentang kemungkinan dampak pengumuman makroekonomi terhadap volatilitas asimetrik. Penelitian ini dilakukan pada periode waktu Januari 1982 hingga Agustus 2001 dengan menggunakan Asymmetric Dynamic Covariance (ADC) model dan multivariate
22
GARCH. Analisis pengumuman makroekonomi yang digunakan yaitu PPI, EMP (employment report), dan FOMC (federal open market commitee) terhadap S&P 500 indeks, NASDAQ, short-long US treasury bond. Hasil dari penelitian ini yaitu untuk pasar modal, guncangan pengumuman makroekonomi tidak berdampak signifikan terhadap conditional volatility. Hal tersebut berbanding terbalik dengan US treasury bond, dimana kondisi pasar ini dipengaruhi secara signifikan oleh pengumuman makroekonomi. Rambe (2005) menganalisis reaksi saham investor terhadap pengumuman dividen sharing bank X pada subsektor perbankan dengan pendekatan event study. Penelitian tersebut menggunakan pendekatan Abnormal Return (AAR). Hasil penelitian ini menunjukkan bahwa secara keseluruhan AAR sebelum dan sesudah pengumuman adalah sama. Hal ini menunjukkan respon pasar sebelum dan sesudah tidak berbeda secara statistik. Investor ragu corporation action berupa interim dividen akan mencerminkan kondisi perusahaan lebih baik dan merupakan corporation action yang marketable. Nikkinen et.al (2006) melakukan penelitian mengenai integrasi pasar modal global terhadap pengumuman makroekonomi Amerika Serikat. Periode penelitian ini yaitu Juli 1995 hingga Maret 2002. Penelitian tersebut menggunakan
metode
GARCH
(Generalized Autoregressive Conditional
Heteroskedasticity) dan OLS (Ordinary Least Square). Pasar global dibagi ke dalam enam wilayah yaitu negara-negara G7, Eropa, Asia Developed, Asia Emerging,Transition, dan Latin America. Penelitian tersebut bertujuan untuk melihat dampak perubahan volatilitas local stock market terhadap adanya sepuluh
23
pengumuman makroekonomi Amerika Serikat. Hasil penelitian ini, yaitu koefisien variabel dummy untuk CPI, ECI, ES dan MAN memiliki pengaruh signifikan positif yang mengindikasikan ketidakpastian lebih besar pada saat pengumuman berlangsung daripada hari perdagangan normal. Abimanyu (2008) melakukan penelitian untuk melihat keterkaitan antara pasar saham internasional dengan pasar saham Indonesia dengan menggunakan uji kointegrasi untuk melihat hubungan ekuilibrium jangka panjang dari pasar saham di Indonesia dengan pasar saham di negara China, Perancis, Jerman, Hongkong, Jepang, Korea, Malaysia, Belanda, Filipina, Singapura, Thailand, Taiwan, Inggris dan Amerika Serikat. Metode yang digunakan adalah metode visual
dengan
melihat
trend
kemudian
dilanjutkan
dengan
Johansen
Cointegration Test. Hasil dari penelitian tersebut menunjukkan adanya hubungan kointegrasi jangka panjang antara pasar saham Indonesia dengan pasar saham negara yang diteliti. Namun, hal ini tidak terjadi antara pasar saham Indonesia dan Filipina. Aji (2009) menganalisis volatilitas harga buah-buahan Indonesia (kasus Pasar Induk Kramat Jati Jakarta), menggunakan metode GARCH (Generalized Autoregressive Conditional Heteroskedasticity). Hasil penelitian ini, yaitu jeruk siam merupakan dengan nilai volatilitas paling tinggi (risiko perubahan harga yang besar dan fluktuatif) dan nanas memiliki nilai volatilitas terkecil. Lestari (2010) menganalisis dominasi asing di pasar modal dalam perekonomian Indonesia. Periode penelitian yaitu 9 Mei 2001 hingga 3 April 2009 dengan
menggunakan
metode
EGARCH
(Exponential
Generalized
24
Autoregressive Conditional Heteroskedasticity). Komponen yang dianalisis yaitu IHSG, STI, SSEC Cina, Nikkei 225 dan S&P. Hasil dari penelitian ini yaitu terdapat hubungan negatif antara kepemilikan asing dan tingkat likuiditas di bursa Indonesia. Ketergantungan pasar modal Indonesia lebih besar ke pasar modal regional Asia. Tabel 3. Ringkasan Penelitian Terdahulu No.
Peneliti
Alat Analisis
Kesimpulan
1.
Kim, McKenzie dan GARCH Kaff (1999)
2.
De Goeij dan Marquering (2002)
Asymmetric Dynamic Covariance (ADC) model dan multivariate GARCH
3.
Rambe (2005)
Abnormal Return (AAR)
AAR sebelum dan sesudah pengumuman adalah sama. Hal ini menunjukkan respon pasar sebelum dan sesudah tidak berbeda secara statistik.
4.
Nikkinen et.al (2006)
GARCH
Koefisien variabel dummy untuk CPI, ECI, ES dan MAN memiliki pengaruh signifikan positif
5.
Abimanyu (2008)
Johansen Cointegration Test
6.
Aji (2009)
GARCH
Adanya hubungan kontegrasi jangka panjang antara pasar saham Indonesia dengan pasar saham negara yang diteliti. Namun, hal ini tidak terjadi antara pasar saham Indonesia dan Filipina nilai volatilitas paling tinggi (risiko perubahan harga yang
Pengumuman UE dan GDP yang signifikan pada taraf nyata 10 persen Kasus pasar modal, guncangan pengumuman makroekonomi tidak berdampak signifikan terhadap conditional volatility.
25
besar dan fluktuatif) dan nanas memiliki nilai volatilitas terkecil 7.
Lestari (2010)
EGARCH
terdapat hubungan negatif antara kepemilikan asing dan tingkat likuiditas di bursa Indonesia.
2.7 Kerangka Pemikiran
Pasar Modal Amerika Serikat as leading role
Pengumuman Makroekonomi AS : CC, PPI, ECI, ES, GDP, IEPI, MAN, NON_MAN, PPI, RS
IHSG
RETURN
Pasar Modal Indonesia
Keterangan: Diteliti Diteliti Tidak Diteliti Tidak Diteliti
Gambar 2. Kerangka Pemikiran
VOLATILITAS
26
Skema pemikiran tersebut dapat menjelaskan pemikiran secara sistematis bahwa pasar modal Amerika Serikat menjadi leading role market, dimana kondisi perekonomian di Amerika Serikat menjadi perhatian utama para investor baik di AS maupun non AS. Penelitian ini merupakan event study yang mencoba menganalisis dampak pengumuman makroekonomi Amerika Serikat terhadap kondisi pasar saham Indonesia. Dampak dari pengumuman makroekonomi AS terhadap pasar saham Indonesia dapat dilihat dari dua sisi yaitu melalui return dan volatilitas. 2.8 Hipotesis Penelitian mengenai analisis dampak pengumuman makroekonomi Amerika Serikat terhadap perbuahan volatilitas IHSG ini memiliki empat hipotesis, yaitu : 1. Pasar saham Indonesia diduga terintegrasi dengan pengumuman makroekonomi Amerika Serikat; 2. Pengumuman consumer price index diduga memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG 3. Pengumuman employment situation diduga memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG 4. Pengumuman ism: manufacturing diduga memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG
27
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder dalam bentuk harian yang diperoleh dari CEIC Database, Econoday (data sepuluh indikator pengumuman Amerika Serikat tahun 2001-2004), The Conference Board (data CC tahun 2005-2010), International Supply Management (data MAN dan NON-MAN tahun 2005-2010), Bureau of Labor Statistics (data CPI, ECI, ES, dan PPI tahun 2005-2010), Bureau of Economic Analysis (data GDP tahun 2005-2010), Bureau of Census (data RS tahun 2005-2010). Dengan demikian data yang digunakan merupakan data time series. Data yang digunakan adalah data return Indeks Harga Saham Gabungan (IHSG), Release Date sepuluh indikator Makroekonomi Amerika Serikat (Lampiran 1), yaitu consumer confidence (CC), consumer price index (CPI), employment cost index (ECI), employment situation (ES), gross domestic product (GDP), import and export price indices (IEPI), ISM: manufacturing (MAN), ISM: non-manufacturing(NON-MAN), producer price index (PPI), dan retail sales (RS). Perangkat lunak yang digunakan dalam penelitian ini adalah Microsoft Excel 2007 untuk mengelompokkan data dan selanjutnya diolah menggunakan program Eviews 6.1.
28
3.2 Peubah dan Definisi Operasional Return IHSG = Capital gain atau capital loss yang didefinisikan sebagi selisih dari harga investasi sekarang relatif dengan harga periode yang lalu. Berdasarkan definisi tersebut return saham dapat dicari dengan rumus sebagai berikut; ………… (2) Keterangan : = Harga saham pada waktu t = Harga saham pada waktu lalu, t-1 3.3 Metode Analisis Pengolahan Data 3.3.1 Pemodelan Volatilitas Univariate Time Series Data deret waktu dalam bidang ekonomi dan keuangan umumnya bersifat random walk, disamping itu penelitian tentang adanya korelasi long range dalam nilai kuadrat perubahan harga menegaskan bahwa kemungkinan terdapat beberapa proses stokastik mendasar lainnya sebagai tambahan bagi perubahan harga itu sendiri (Ramadhona dalam Aji, 2009). Istilah seperti ini biasa dikenal dengan volatilitas. Hal ini akan menentukan seberapa cepat data berubah dengan pola acak yang dimilikinya. Secara umum volatilitas mengukur rata-rata fluktuasi dari data deret waktu. Namun hal ini dikembangkan lebih jauh dengan menekankan pada nilai varians (variabel statistika yang menggambarkan seberapa jauh perubahan dan persebaran nilai fluktuasi terhadap nilai rata-rata) dari data
29
keuangan. Berdasarkan hal tersebut dapat dikatakan bahwa nilai volatilitas sebagai variansi dari data yang berfluktuasi (Iskandar dalam Aji, 2009). 3.3.2 Mean Process Pembentukan model estimasi volatilitas pada model time series univariate memerlukan mean process. Mean process diperlukan guna menghasilkan residual yang diestimasi perubahannya. Mean process memegang peranan penting dalam pemodelan volatilitas. Apabila pembentukan variance process menghasilkan insignifikansi pada parameter mean process, maka dengan sendirinya variance process tersebut gugur sebagai suatu model yang valid, karena volatilitas yang dihasilkan amat tergantung dari jenis mean process yang dibentuk (Iskandar dalam Aji, 2009). Mean process umumnya dibentuk berdasarkan persamaan ARMA (Autoregressive Moving Average). Akan tetapi tidak jarang pula mean process dihasilkan dari suatu persamaan dalam bentuk konstanta. Hal ini umumnya terjadi pada data yang diambil dalam interval yang panjang. Akibat panjangnya interval, maka fluktuasi di sekitar titik kesetimbangan akan berlangsung secara random. Penggunaan interval yang lebih rendah akan menyebabkan pergerakan terstruktur pada salah satu titik kesetimbangan. Dampaknya akan terlihat pada signifikansinya autokorelasi residual yang terjadi. 3.3.3 Metode Peramalan Box-Jenkins Metode
Box-Jenkins
mengidentifikasikan,
mengacu
mencocokkan
pada dan
himpunan memeriksa
prosedur model
untuk ARIMA
(Autoregressive Integrated Moving Average) dengan data deret waktu. Metode ini
30
berbeda dengan metode peramalan lain yang karena model ini tidak menyertakan asumsi pola tertentu pada data historis dari deret data yang diramalkan. Model ini menggunakan pendekatan iterarif pada identifikasi suatu model yang mungkin dari model umum. Model ARIMA telah dikembangkan oleh dua orang, yaitu Box dan Jenkins. Model ARIMA diterapkan untuk analisis deret waktu, peramalan dan pengendalian. Model Autoregressive (AR) pertama kali dikembangkan oleh Yule dan kemudian dikembangkan oleh Walker, sedangkan model Moving Average (MA) dikembangkan oleh Slutzky. Dan pada tahun 1938 Wold menggabungkan kedua proses tersebut. Wold membentuk model Autoregressive Moving Average (ARMA) yang dikembangkan pada tiga hal. Pertama, identifikasi efisiensi dan prosedur penaksiran untuk proses AR, MA dan ARMA campuran. Kedua, perluasan dari hasil tersebut untuk cakup deret berkala musiman. Ketiga, pengembangan hal-hal sederhana yang mencakup proses-proses non stasioner (Makridakis et.al dalam Aji, 2009). Bentuk umum model AR : …
….. (3)
Bentuk umum model MA : ….. (4) Bentuk umum model ARMA : ….. (5) dimana :
31
= Variabel respon (terikat) pada waktu t …
= Variabel respon pada masing-masing selang waktu
…
= Koefisien yang diestimasi
c
= Mean konstanta proses …
= Koefisien yang diestimasi = Bentuk galat yang mewakili efek variabel yang tidak dijelaskan oleh model …
= Galat pada periode waktu sebelumnya yang pada saat t nilainya menyatu dengan nilai respon Kemudian Box dan Jenkins berhasil mencapai kesepakatan mengenai
informasi relevan yang diperlukan untuk memahami dan menggunakan modelmodel ARIMA untuk data univariate time series. Dasar pendekatan yang dikembangkan secara umum dapat dibedakan menjadi tiga tahap, yaitu tahap identifikasi, tahap estimasi dan tahap evaluasi, serta tahap aplikasi. Tahap Identifikasi Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu identifikasi terhadap kestasioneran data, identifikasi terhadap unsur musiman, dan identifikasi terhadap pola atau perilaku fungsi autokorelasi (ACF) dan fungsi autokorelasi parsial (PACF) untuk menentukan model tentatif. Kestasioneran dapat dianalisis dengan alat analisis dalam bentuk sebaran grafik (plot) dari data awal atau dari
32
sebaran nilai autokorelasi (Autocorrelation Functional/ACF). Suatu data deret waktu
dikatakan
sudah
stasioner
apabila
tidak
menunjukkan
adanya
perubahan nilai tengah (tidak ada trend). Sebaran nilai autokorelasi (ACF), suatu data deret waktu dikatakan non-stasioner apabila plot sebaran nilai autokorelasi bergerak menuju nol secara eksponensial dengan perubahan yang sangat lambat. Selain itu, dapat pula dilakukan dengan menggunakan uji Augmented Dickey-Fuller, dimana data sudah stasioner (tidak mengandung unit root) apabila nilai mutlak ADF test statistic lebih besar daripada critical Value. Pada kebanyakan data deret berkala memiliki unsur kecenderungan atau trend yang menjadikan kondisi data berkala tersebut menjadi non-stasioner. Sementara itu penerapan model ARIMA hanya dapat untuk data yang bersifat stasioner. Oleh karena itu, diperlukan notasi yang dapat membedakan data awal yang bersifat non-stasioner dan data baru setelah distasionerkan, yaitu dengan melakukan proses pembedaan (differencing). 3.3.4 Variance Process Variance process dibentuk apabila error yang dihasilkan dari persamaan mean
process
mengandung
ARCH
(Autoregressive
Conditional
Heteroskedasticity) error. Terdapat beberapa varian ARCH yang memiliki hubungan timbal balik antara mean process dan variance process. Salah satu contoh varian ARCH ini adalah ARCH-M (ARCH in Mean). Pada model ini, mean process terdiri atas mean process umum dan salah satu komponen variance process. Hal ini mengakibatkan adanya hubungan timbal balik antara mean dan
33
variance, yang merupakan fenomena umum yang lazim ditemukan dalam pergerakan nilai aset-aset finansial (Enders, 1995). 3.3.5 Model ARCH-GARCH ARCH (Autoregressive Conditional Heteroscedasticity) pertama kali dipopulerkan oleh Engle dalam Aji (2009), sebuah konsep tentang fungsi autoregresi yang mengasumsikan bahwa variansi berubah terhadap waktu dan nilai variansi ini dipengaruhi oleh sejumlah data sebelumnya. Ide dibalik model ini seperti dalam model autoregressive (AR) dan moving average (MA), yaitu untuk melihat hubungan variabel acak dengan variabel acak sebelumnya. Secara sederhana dapat kita katakan bahwa volatilitas berdasarkan model ARCH (q) mengasumsikan bahwa variansi data fluktuasi dipengaruhi oleh sejumlah q data fluktuasi data sebelumnya. Model
ARCH-GARCH
dikembangkan
terutama
untuk
menjawab
persoalan adanya volatilitas pada data ekonomi dan bisnis, khususnya dalam bidang keuangan. Ini menyebabkan model-model peramalam sebelumnya kurang mampu mendekati kondisi aktual. Volatilitas ini tercermin dalam varians residual yang tidak memenuhi asumsi homoskedastisitas (Firdaus, 2006). Varians terdiri dari dua komponen. Komponen pertama adalah varians yang konstan. Komponen kedua adalah varians yang tidak konstan dimana adanya ketergantungan dari varians saat ini terhadap besarnya volatilitas di periode sebelumnya. Jika volatilitas pada periode sebelumnya besar (baik positif maupun negatif), maka varians pada saat ini akan besar pula. Bentuk umum model ARCH (q) :
34
….. (6) dimana : = Variabel respon (terikat) pada waktu t atau varians pada waktu ke t = Varians yang konstan = Suku ARCH atau volatilitas pada periode sebelumnya ,
,
= Koefisien orde q yang diestimasikan Dalam metode Ordinary Least Square (OLS), error diasumsikan
homoskedastis, yaitu varians dari error konstan dan terdistribusi normal dengan rata-rata nol. Menurut Engle, varians saat ini tergantung dari varians di masa lalu sehingga heteroskedastisitas dapat dimodelkan dan varians diperbolehkan untuk berubah antar waktu. Volatilitas yang besar di masa lalu dapat ditangkap dalam model ARCH. Kondisi yang sering terjadi adalah varians saat ini tergantung dari volatilitas beberapa periode di masa lalu. Hal ini akan menimbulkan banyaknya parameter dalam conditional variance yang harus diestimasi. Pengestimasian parameter-parameter tersebut sulit dilakukan dengan presisi yang tepat. Oleh karena itu, Bollerslev (1986) memperkenalkan metode GARCH (Generalized Autoregressive Conditional Heteroscedasticity) guna menghasilkan model yang parsimony (menggunakan parameter yang lebih sedikit). Model GARCH dikembangkan dengan mengintegrasikan autoregresi dari kuadrat residual lag kedua hingga lag tak hingga ke dalam bentuk varian pada lag
35
pertama. Model ini dikembangkan sebagai generalisasi dari model volatilitas. Secara sederhana, volatilitas berdasarkan model GARCH (p,q) mengasumsikan bahwa varians data fluktuasi dipengaruhi sejumlah p data fluktuasi sebelumnya dan sejumlah q data volatilitas sebelumnya, ide dibalik model ini seperti dalam model autoregressive (AR) dan moving average (MA), yaitu untuk melihat hubungan variabel acak dengan variabel acak sebelumnya. Varians terdiri dari tiga komponen. Komponen pertama adalah varians yang konstan. Komponen yang kedua adalah volatilitas pada periode sebelumnya, suku ARCH dan komponen terakhir adalah varians pada periode sebelumnya. Bentuk umum model GARCH (p,q) : …
….. (7)
dimana : = Variabel respon (terikat) pada waktu t / varians pada waktu ke t = Varians yang konstan = Suku GARCH atau volatilitas pada periode sebelumnya , ,
,
= Koefisien orde p yang diestimasikan = Koefisien orde q yang diestimasikan = Suku ARCH atau varians pada periode sebelumnya Proses GARCH dapat ditafsirkan sebagai proses ARMA dalam
.
Prosedur umum dalam peramalan model GARCH sama dengan prosedur yang
36
diterapkan dalam model ARIMA yaitu tahap identifikasi dengan memuat grafik return saham dan melokalisasi pergerakan harga yang fluktuatif, tahap estimasi dan evaluasi, dan tahap aplikasi. 3.4 Uji Goodness of fit Dalam menentukan model ARIMA dan GARCH terbaik digunakan beberapa kriteria seperti nilai signifikansi, Adj R-squared, AIC, SC, dan sum squared residual. Adjusted R-squared Salah satu kendala menggunakan R-sq dalam mengukur kebaikan model yaitu nilai R-sq tidak akan menurun ketika kita menambahkan regresor. Model komputasi dari
yaitu :
……. (8) tidak pernah lebih besar dari
, nilainya dapat menurun ketika ditambahkan
regresor, dan untuk model yang tidak layak nilainya dapat bertanda negatif.
AIC (Akaike Information Criterion)
Model komputasi dari Akaike Information Criterion (AIC) yaitu: ….. (9) dimana
merupakan the log likelihood, k merupakan parameter yang diobservasi
dan T merupakan jumlah observasi. AIC biasanya digunakan untuk mengevaluasi model untuk nilai non-nested dipilih nilai AIC yang terkecil.
37
SC (Schwarz Criterion)
Schwarz Criterion (SC) merupakan alternatif dari kriteria AIC yang mengindikasikan penalti yang lebih besar untuk penambahan koefisien. Model komputasi untuk SC, yaitu :
….. (10) dimana
merupakan the log likelihood, k merupakan parameter yang diobservasi
dan T merupakan jumlah observasi.
Sum Squared Residual
The sum-of-squared residuals dapat digunakan untuk berbagai variasi penghitungan statistik. Model komputasinya yaitu
…... (11) 3.5 Uji Asumsi Klasik Uji Normalitas Statistik Jarque-Bera digunakan untuk menguji kenormalan. Jika residual terdistribusi normal maka bentuk histrogram data tersebut menjadi bell-shaped dan statistik Jarque-Bera tidak signifikan.
….. (12)
dimana
merupakan skewness, dan
merupakan kurtosis.
38
Hipotesis uji normalitas : H0 : Residual menyebar normal H1 : Residual tidak menyebar normal Uji Autokorelasi
Uji ini merupakan alternatif untuk Q-statistik untuk menguji korelasi serial. Uji ini termasuk ke dalam kelas asimtotik (sample yang besar), yaitu dinamakan uji Langrange Multiplier (LM) test. LM test dapat digunakan untuk menguji higher order ARMA errors, dan dapat digunakan ketika ada atau tidak variabel dependen.
Hipotesis uji autokorelasi H0 : Tidak ada korelasi serial hingga lag order p H1 : Ada korelasi serial hingga lag order p
Uji statistik ini terkomputasi oleh auxiliary regression seperti di bawah ini. Pertama, mengestimasi regresi :
….. (13)
dimana
koefisien yang diestimasi dan
merupakan residual. Uji statistik untuk
lag order p didasarkan kepada the auxiliary regression untuk residual
….. (14)
….. (15)
39
Menurut Davidson and MacKinnon, EViews menyediakan sejumlah nilai presample residual sampai 0. Pendekatan ini tidak berdampak pada distribusi asimtotik pada uji statistik.
Obs*R-squared statistik adalah the Breusch-Godfrey LM test statistic. LM statistik terkomputasi sebagai jumlah observasi, waktu (uncentered)
dari tes
regresi. Dengan kondisi umum yaitu LM test statistic terdistribusi asymptotically sebagai
.
Uji Heteroskedastisitas
White dalam EViews User Guide, white test merupakan uji dengan H0 tidak ada heteroskedastisitas dibandingkan dengan model umum. Uji statistik ini terkomputasi oleh auxiliary regression, dimana kita meregresikan squared residuals pada setiap kemungkinan (non-redundant) disilangkan dengan regresor.
….. (16)
Statistik Obs*R-squared yaitu uji White's test statistik, terkomputasi sebagai jumlah observasi asymptotically sebagai
dari uji regresi. White's test statistik terdistribusi dengan derajat bebas yang sama dengan jumlah
koefisien slope pada uji regresi.
LM statistik, merupakan penjelasan dari sum of squares dari auxiliary regression dibagi dengan
. Ini terdistribusi sebagai distribusi chi-squared
40
dengan derajat kebebasan sama dengan jumlah koefisien slope pada auxiliary regression.
White juga menjabarkan bahwa pendekatan ini sebagai uji umum untuk spesifikasi model, dengan asumsi H0 residual bersifat homoskedastis dan peubah bebas, dan spesifikasi linear model sudah benar. Ketika ada redundant crossproducts, EViews secara langsung akan menghilangkan variabel tersebut dari uji regresi untuk menghindari perfect collinearity.
3.6 Model Penelitian Model penelitian yang digunakan dalam penelitian ini berdasarkan model rujukan jurnal Nikkinen et.al (2006) yaitu Mean Equation
:
Variance Equation : Estimasi Akhir
: ∑
…. (17)
Namun, model rujukan tersebut dikembangkan oleh penulis agar sesuai dengan kondisi pasar saham di Indonesia yaitu berdasarkan model mean equation dari model ARIMA dan model variance equation dari model GARCH terpilih, tanpa mengubah estimasi akhir yaitu Mean Equation
: Best Forecast ARIMA for Return ….. (18)
Variance Equation : Best GARCH Forecast from ARIMA ….. (19)
41
….. (20) Estimasi Akhir
: ∑
….. (21)
Keterangan :
, , c ,
,
=
Variabel respon (return) pada waktu t
=
Variabel respon pada masing-masing selang waktu
=
Koefisien yang diestimasi
=
Mean konstanta proses
=
Koefisien yang diestimasi
=
Bentuk galat yang mewakili efek variabel yang tidak dijelaskan oleh model
,
,
=
Galat pada periode waktu sebelumnya yang pada saat t nilainya menyatu dengan nilai respon
=
Variabel respon (terikat) pada waktu t / varians pada waktu ke t
=
Varians yang konstan
=
Suku GARCH sebelumnya
atau volatilitas pada periode
42
∑
=
Suku ARCH atau varians pada periode sebelumnya
=
Perubahan volatilitas return saham =
Dummy pengumuman makroekonomi Amerika Serikat, diberi nilai 1 ketika event day dan nilai 0 ketika tidak ada event day
43
BAB IV HASIL DAN PEMBAHASAN 4.1 Deskripsi Data Plot data return harian IHSG yang dianalisis (Gambar. 3), mulai dari tanggal 2 Januari 2001 hingga tanggal 31 Desember 2010 dapat terlihat bahwa terjadi fluktuasi pada setiap periodenya dan terdapat kondisi crash pada beberapa periode. Data tersebut mengindikasikan conditional heteroscedaticity (Enders, 1995), dimana pada jangka panjang varians dari data akan konstan, tetapi terdapat beberapa periode dimana varians relatif tinggi.
RETURN .12
.08
.04
.00
-.04
-.08
-.12 01
02
03
04
05
06
07
08
09
10
Gambar 3. Plot data RETURN Data return memiliki nilai mean, median, maximum, dan minimum (Gambar 4). Koefisien kemenjuluran (skewness) data return bernilai –0,441803, hal ini menunjukkan bahwa data tersebut memiliki distribusi yang miring ke kiri atau data cenderung menumpuk pada nilai return yang besar. Koefisien
44
keruncingan (kurtosis) data return bernilai 9,04259 (nilai keruncingan lebih dari 3), hal ini menunjukkan bahwa distribusi return memiliki ekor yang lebih panjang dibandingkan dengan sebaran normal dan mengindikasikan gejala awal adanya heteroskedastisitas. 700
Series: RETURN Sample 1/02/2001 12/31/2010 Observations 2608
600 500 400 300 200 100
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
0.000953 0.000589 0.079212 -0.103754 0.014734 -0.441803 9.042591
Jarque-Bera Probability
4052.579 0.000000
0 -0.10
-0.05
0.00
0.05
Gambar 4. Histogram Deskripsi Statistik 4.2 Identifikasi Model Hal yang perlu dilakukan dalam menentukan model GARCH terbaik adalah dengan melakukan sejumlah proses pengolahan data yaitu uji stasioneritas data return, mengevaluasi model ARIMA terbaik, uji asumsi klasik (uji normalitas, uji autokorelasi, uji white), mengevaluasi model GARCH terbaik, mencari nilai varians, mencari difference log varians, dan mengestimasi hasil dengan metode OLS. 4.2.1 Uji Stasioneritas Data time series biasanya memiliki permasalahan terkait dengan stasioneritas. Oleh karena itu, melakukan uji stasioneritas data merupakan tahap
45
yang penting dalam menganalisis data time series untuk melihat ada atau tidaknya unit root yang terkandung di antara variabel sehingga hubungan antara variabel dalam persamaan menjadi valid dan tidak menghasilkan spurious regression. Uji stasioneritas dilakukan dengan menggunakan Augmented Dickey Fuller (ADF) test (Lampiran 2). Berdasarkan uji tersebut, jika nilai statistik ADF dari masing-masing variabel lebih kecil daripada nilai kritis MacKinnon maka dapat dikatakan bahwa data tersebut stasioner atau varians residualnya konstan. Tabel 4. Uji Stasioneritas Data Return t- statistik Probabilitas Augmented Dickey-Fuller test statistic Test critical values:
-45.53678
0.0001
1% level -3.432665 5% level -2.862449 10% level -2.567299
*) Signifikan pada taraf nyata 5%
Berdasarkan hasil pengujian tersebut data return memiliki nilai probabilitas yang lebih kecil daripada taraf nyata 5 persen dan juga nilai statistik ADF lebih kecil daripada nilai kritis MacKinnon di semua level. Maka, data return sudah stasioner pada level. 4.2.2 Mengevaluasi Model ARIMA (Mean Equation) Model ARIMA (p,d,q) terbentuk dari data yang sudah stasioner. Penentuan lag terbaik dari model ARIMA, dibangun berdasarkan koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF). Berdasarkan plot korelogram maka dapat ditentukan time lag untuk membangun model. Time lag yang digunakan pada penelitian ini, yaitu lag 3 (Lampiran 3). Maka, orde maksimum model penelitian ini, yaitu AR(3) dan MA (3), sehingga terdapat
46
sembilan kombinasi model ARIMA yang akan dievaluasi. Pemilihan model terbaik berdasarkan goodness of fit. Tabel 5. Evaluasi Model ARIMA
Berdasarkan evaluasi model (Tabel 5), maka model ARIMA (2,0,3) merupakan model yang terbaik. Hal ini berdasarkan dari tingkat signifikansi yang tinggi, nilai adj R-sq yang tertinggi dan kriteria nilai AIC, SC, dan SSR yang terkecil (Lampiran 4). 4.2.3 Uji Asumsi Klasik 4.2.3.1 Uji Normalitas Uji normalitas digunakan untuk mengetahui kebaikan model terhadap galat terbakukan (standardized residuals) dengan mengamati nilai statistik uji Jarque-Bera (JB) untuk memeriksa asumsi kenormalan. Ketidaknormalan galat diatasi dengan pendugaan parameter Quasi Maximum Likelihood (QML). Selain itu, dalam pengolahan data digunakan opsi Heteroscedasticity Consistent Covariance Bollerslev-Wooldridge agar asumsi galat menyebar normal dapat dipertahankan. Sehingga galat baku dugaan parameter tetap konsisten.
47
700
Series: Standardized Residuals Sample 1/05/2001 12/31/2010 Observations 2606
600 500 400 300 200 100
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
-0.039472 -0.074492 4.365781 -6.823322 0.999282 -0.300374 5.757227
Jarque-Bera Probability
864.6704 0.000000
0 -6
-4
-2
0
2
4
Gambar 5. Histogram Galat Terbakukan Nilai probabilitas Jarque-Bera data return yang diteliti yaitu sebesar 0,00 maka probabilitasnya kurang dari taraf nyata 5 persen, sehingga dapat dikatakan bahwa residual tidak menyebar normal. 4.2.3.2 Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui kebaikan model terhadap korelasi serial. Ketika sebuah model melanggar asumsi ini akan menghasilkan estimator kuadrat terkecil yang masih bersifat linear, tak bias, dan juga tidak efisisen atau tidak memiliki varians minimum. Tabel 6. Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared *) Taraf Nyata 5%
0.544668 1.092217
Prob. F(2,2598) Prob. Chi-Square(2)
0.5801 0.5792
Berdasarkan hasil uji autokorelasi dengan Breusch-Godfrey LM Test (Lampiran 5), nilai probabilitas chi-square model ARIMA lebih besar daripada taraf nyata 5 persen, maka terima H0 artinya model ARIMA (2,0,3) tidak mengandung autokorelasi atau tidak ada korelasi serial.
48
4.2.3.3 Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk mengetahui kebaikan model terhadap kondisi sebaran dari variansnya. Ketika sebuah model melanggar asumsi ini, maka akan menghasilkan estimator yang masih linear, tidak bias, tidak efisien atau tidak memiliki varians minimum yang akan berakibat pada penarikan kesimpulan yang salah. Tabel 7. Uji Heteroskedastisitas Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS *) Taraf Nyata 5%
2.309427 13.82020 53.65420
Prob. F(6,2599) Prob. Chi-Square(6) Prob. Chi-Square(6)
0.0316 0.0317 0.0000
Berdasarkan hasil uji heteroskedastisitas dengan white test (Lampiran 6), nilai probabilitas chi-square model ARIMA kurang dari taraf nyata 5 persen maka tolak H0 (Model ARIMA (2,0,3) artinya model mengandung heteroskedastisitas atau
variansnya
tidak
menyebar
normal).
Model
yang
mengandung
heteroskedastisitas dapat diolah lebih lanjut dengan metode ARCH-GARCH. 4.2.4 Mengevaluasi model GARCH (Variance Equation) Penentuan lag terbaik dari model GARCH (q,p), dibangun berdasarkan koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF). Berdasarkan plot squared correlogram maka dapat ditentukan time lag untuk membangun model. Time lag yang digunakan pada penelitian ini yaitu lag 3 (Lampiran 7). Maka orde maksimum model penelitian ini, yaitu ARCH (3) dan GARCH (3), sehingga terdapat sembilan kombinasi model GARCH yang akan dievaluasi. Pemilihan model terbaik berdasarkan goodness of fit.
49
Tabel 8. Evaluasi Model GARCH
Berdasarkan evaluasi model pada Tabel 10, dapat disimpulkan bahwa model GARCH (1,1) merupakan model yang terbaik. Hal ini berdasarkan dari tingkat signifikansi yang tinggi, nilai adj R-sq yang tertinggi, kriteria nilai AIC, SC, dan SSR yang terkecil, dan berdasarkan kriteria parsimonious ( prinsip kesederhanaan). 4.2.5 Nilai Varians Model GARCH Nilai varians diperoleh setelah model GARCH terbaik terpilih. Setelah nilai varians didapatkan, nilai varians tersebut diubah ke dalam bentuk log. Pengubahan ke dalam bentuk log ini memiliki dua fungsi, yaitu smoothing data dan sebagai pembanding percentage of change (first difference in log = first difference). Ketika nilai varians sudah berubah ke dalam bentuk log, maka selanjutnya dicari nilai difference dari nilai tersebut. Volatilitas ini mencerminkan kecenderungan pergerakan harga saham atau mewakili resiko. Semakin tinggi harga saham maka volatilitas cenderung meningkat demikian pula dengan resiko dan return. Gambar 6 dan Gambar 7 menunjukkan kondisi varians dan kondisi
50
perubahan varians dari return IHSG. Varians pada Gambar 6 menunjukkan bahwa kondisi dari varians tidak selalu stabil atau konstan. Banyak titik di beberapa waktu dalam periode penelitian menunjukkan kondisi volatilitas yang tinggi. Hal ini disebabkan adanya guncangan yang berasal dari faktor internal maupun faktor global.
VARIANCE 0.0025 0.002 0.0015 0.001 0.0005 0
VARIANCE
Gambar 6. Nilai Variance Return IHSG
D_LOG_VARIANCE 1 0.8 0.6 0.4 0.2 0 ‐0.2
D_LOG_VARIANCE
Gambar 7. Nilai Difference Log Variance Return IHSG
51
4.2.6 Hasil Estimasi Akhir Hasil estimasi akhir dilakukan dengan metode OLS (Ordinary Least Square) untuk mengetahui pengumuman makroekonomi Amerika Serikat yang penting dalam kontribusi memengaruhi perubahan varians atau volatilitas return. Dalam
estimasi
dengan
menggunakan
OLS
ditambahkan
opsi
White
Heteroskedasticity Consistent Covariance Matrix, hal ini ditujukan untuk menjaga asumsi galat yang menyebar normal. Variabel independen dalam estimasi ini, yaitu perubahan varians atau volatilitas return yang diestimasi dengan konstanta dan sepuluh variabel dummy pengumuman makroekonomi Amerika Serikat. Dummy diberikan nilai satu ketika event day dan nilai nol saat tidak ada event. Dummy berfungsi untuk menangkap efek trading day. Karena perbedaan zona waktu antara Indonesia dan Amerika Serikat, maka untuk Indonesia release date berlaku pada keesokan harinya. Pendekatan seperti ini digunakan pada studi intergrasi pasar yang dilakukan oleh Arshanapalli, Doukas, dan Lang dalam Nikkinen et. al (2006), yang menggunakan hari keesokan harinya untuk pasar saham Asia mengikuti hari perdagangan pasar Amerika Serikat. Tabel 9. Hasil Estimasi Variable C CC CPI ECI ES GDP IEPI MAN NON_MAN PPI RS
Koefisien -0.001125 -0.004183 0.000399 -0.002179 -0.003981 0.002746 0.000264 0.010139 0.010526 0.005135 0.007938
Probabilitas 0.5021 0.4945 0.9525 0.8207 0.5511 0.6979 0.9607 0.1584 0.2028 0.4421 0.2022
Keterangan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan
52
Berdasarkan hasil estimasi (Lampiran 9) yang dilakukan dengan menggunakan taraf nyata 5 persen maka diperoleh hasil bahwa selama periode penelitian tidak ada variabel dummy pengumuman makroekonomi Amerika Serikat yang berpengaruh signifikan memengaruhi perubahan varians atau volatilitas return IHSG atau dapat dikatakan news effect tidak berdampak pada perubahan tersebut. 4.3 Pembahasan Hasil Estimasi terakhir dengan menggunakan metodel OLS memberikan hasil bahwa tidak ada dummy pengumuman makroekonomi Amerika Serikat yang berpengaruh signifikan. Hal ini bertentangan dengan hipotesis awal yang digunakan (Tabel 12) bahwa untuk kelompok negara-negara Asia emerging market, dummy variabel CPI, ES, dan MAN memiliki hubungan signifikan positif dengan perubahan volatilitas return IHSG. Tabel 10. Perbandingan Hasil Penelitian Hipotesis (Kasus Negara Asia Emerging Market) (Nikkinen et.al, 2006) 1. Pasar saham Indonesia diduga terintegrasi dengan pengumuman makroekonomi Amerika Serikat 2. Pengumuman CPI memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG 3. Pengumuman ES memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG 4. Pengumuman MAN diduga memiliki hubungan signifikan positif dengan perubahan volatilitas IHSG
Hasil Penelitian
Tidak ada variabel pengumuman Amerika Serikat yang dapat memengaruhi perubahan volatilitas return IHSG
53
Pasar saham Indonesia tidak terkena dampak dari dengan pengumuman makroekonomi Amerika Serikat. Hal ini dibuktikan dengan tidak adanya variabel pengumuman makroekonomi Amerika Serikat yang mampu memengaruhi volatilitas IHSG. Namun, bukan berarti pengumuman makroekonomi Amerika Serikat tidak menjadi pusat perhatian atau perubahan kebijakan makroekonomi di negara tersebut tidak penting dalam memengaruhi kondisi pasar saham Indonesia. Signifikansi dari variabel dummy dititikberatkan pada dampak pengaruh dari news tersebut. Terpengaruh atau tidaknya kondisi pasar saham Indonesia, lebih dititik beratkan kepada persepsi para investor yang didominasi investor luar negeri. Terdapat dampak yang menenangkan dari transaksi investor luar negeri terhadap volatilitas pasar modal. Faktor sentimen pasar seperti pengumuman kebijakan atau guncangan ekonomi di suatu negara banyak memengaruhi keputusan investor. Terdapat mekanisme ekonomi yang berbeda di Indonesia yang disebabkan oleh meningkatnya risk sharing dengan return yang lebih tinggi, proses signaling yang positif, meningkatnya kepercayaan investor disertai dampak positif dari penerapan good governance, keterbukaan informasi dan tingkat laba operasional. Menurut Wang dalam Lestari (2010) ketergantungan pasar modal Indonesia lebih besar ke pasar modal regional Asia. Menurut Manurung (2005), Bursa Efek Indonesia tidak memenuhi pasar efisien bentuk lemah. Beberapa faktor yang menyebabkan pasar tidak efisien, yaitu ukuran dari bursa, perbedaan preferensi risiko dari investor di bursa, lemahnya regulasi pasar, sistem komunikasi yang lemah, dan masih sedikitnya
54
masyarakat yang mengetahui tentang bagaimana cara menganalisis saham dan menginterpretasikan informasi yang dipublikasikan. Ketidakefisienan pasar saham Indonesia ini pun konsisten dengan hasil penelitian dari Anton (2006) yang menyatakan bahwa pasar saham Indonesia belum efisien karena terkait dengan return saham yang mengalami volatilitas dan random walk dimana data masa lalu tidak berhubungan dengan nilai saat ini. Investor tidak dapat menggunakan informasi masa lalu untuk mendapat keuntungan yang tidak normal. Berdasarkan hasil penelitian, diketahui bahwa para investor memerhatikan kondisi efek dari pengumuman makroekonomi Amerika Serikat terhadap kondisi pasar saham Indonesia. Namun para investor yang memutuskan untuk berinvestasi di Indonesia menitikberatkan kepada kondisi pertumbuhan ekonomi yang baik, yang berimplikasi kepada performance perusahaan-perusahaan yang listing di Bursa Efek Indonesia. Performance perusahaan yang baik menguntungkan para investor, sehingga para investor dapat memperoleh capital gain yang tinggi ataupun pembagian dividen yang besar.
55
BAB V PENUTUP 5.1 Kesimpulan Berdasarkan hasil penelitian mengenai analisis pengaruh pengumuman makroekonomi Amerika Serikat terhadap perubahan volatilitas return indeks harga saham gabungan dengan periode penelitian dari Januari 2001 sampai dengan Desember 2010, dengan menggunakan metode OLS, ARIMA dan GARCH terdapat beberapa hal yang dapat diambil sebagai kesimpulan. Pertama, pasar saham Indonesia tidak terintegrasi dengan pengumuman makroekonomi Amerika Serikat atau tidak ada efek news. Hal ini didasarkan atas tidak adanya koefisien variabel pengumuman makroekonomi yang signifikan pada hasil estimasi. Kedua, pengumuman makroekonomi Amerika Serikat tidak mampu memengaruhi perubahan volatilitas return IHSG pada periode penelitian. Hal ini dikarenakan variabel pengumuman makroekonomi Amerika Serikat direfleksikan sebagai persepsi dan sentimen pasar yang tidak mampu memengaruhi kondisi pasar saham Indonesia. Selain itu, kondisi pasar saham Indonesia yang tidak memenuhi pasar efisien bentuk lemah, mengindikasikan tidak mampunya pasar saham Indonesia merefleksikan informasi
baru
mengenai
pengumuman
makroekonomi. 5.2 Saran Berdasarkan penelitian yang telah dilakukan, maka terdapat beberapa saran maupun rekomendasi yang dapat diajukan.
56
Untuk penelitian lebih lanjut, analisis dilakukan dengan melihat dampak dari pengumuman makroekonomi Amerika Serikat terhadap saham sektoral di Bursa Efek Indonesia (BEI), memperhatikan leverage effect atau mengklasifikasikan news (bad news-good news atau negative news-positive news), menggunakan advanced GARCH sebagai alat analisis, memperbanyak variabel makroekonomi Amerika Serikat yang diteliti, dan mengambil kasus negara lain yang menjadi sumber pengaruh pengumuman makroekonomi contohnya di kawasan negaranegara Eropa atau Asia Pasifik. Untuk para ekonom disarankan agar menaruh perhatian yang besar terhadap penelitian event study yang menyangkut pengumuman makroekonomi negaranegara pasar modal utama dunia. Sehingga para investor dalam negeri dan masyarakat lebih memperhatikan pentingnya pengumuman makroekonomi pasar modal utama dunia, sehingga membantu mereka untuk mendapatkan keputusan investasi yang terbaik.
57
DAFTAR PUSTAKA Abimanyu, Yoopi. 2008. International Linkages to the Indonesian Capital Market: Cointegration Test. Unpublished Journal. Jakarta: Capital Market and Financial Institution Supervisory Agency. Aji, Bayu Sasono. 2009. Analisis Volatilitas Harga Buah-buahan Indonesia (Kasus Pasar Induk Kramat Jati Jakarta) [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Aufa, Fakhrul. 2010. Analisis Integrasi dan Pengaruh Variabel Makroekonomi Terhadap Kinerja Pasar Saham di Negara-negara Utama ASEAN [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Anton. 2006. Analisis Model Volatilitas Return Saham (Studi Kasus pada Saham LQ 45 di BEJ) [Tesis]. Program Studi Magister Sains Akuntansi, Universitas Diponegoro, Semarang. BAPEPAM-LK. 2011. Capital Market and NBFIs Development. Kementrian Keuangan Republik Indonesia. [Market Update Presentation 2 Mei 2011] Bursa Efek Indonesia. 2010. Sekolah Pasar Modal Kelas Basic. Jakarta: BEI. Bursa Efek Indonesia. 2010. Sekolah Pasar Modal Kelas Intermediete. Jakarta: BEI. De Goeij, Peter dan Marquering, Wesel. 2002. Do Macroeconomic Announcement Cause Asymmetric Volatility?. [unpublished] Econoday. 2011. Event Definition and Why Investor Care. http://fidweek.econoday.com/reports/rc/2011/Resource_Center/Archives/S E-Archive/08-15-11/index.html?cust=mam [ diakses pada 19 Agustus 2011] Enders, W. 1995. Applied Econometric Time Series. Iowa State University: John Wiley & Sons INC. Firdaus, Muhammad. 2006. Analisis Deret Waktu Satu Ragam. Bogor: IPB Press. Kim, Suk-Joong, McKenzie, M. D. dan Kaff, R. W. 1999. Macroeconomic News Announcement and The Role of Expectations: Evidence for US Bond, Stock and Foreign Exchange Markets. Journal of Multinational Financial Management.
58
Lestari, Esta. 2010. Dominasi Asing di Pasar Modal dalam Perekonomian Indonesia. [unpublished] Manurung, Adler Haymans. 2005. Pasar Modal Indonesia Menuju Bursa Kelas Dunia. Jakarta: PT. Elex Media Komputindo. Nikkinen, Jussi, Omran, Mohammed, Sahlström, Petri dan Äijö, Janne. 2006. Global Stock Market Reactions to Scheduled U.S. Macroeconomic News Announcements. Journal of Global Finance, 17: 92-104. Rambe, Hendra Affandi. 2005. Analisis Reaksi Saham Investor terhadap Pengumuman Dividen Sharing Bank X Pada Subsektor Perbankan: Pendekatan Event Study [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Suta, I Putu Gede Ary. 2000. Menuju Pasar Modal Modern. Jakarta: Yayasan SAP Satria Bhakti. Widoatmodjo, Sawi Dji. 2005. Cara Sehat Investasi di Pasar Modal. Jakarta: PT. Elex Media Komputindo. Wong,Wing-Keung, Penm,Jack, Terrell,Richard Deane, dan Lim,Karen Yann Ching. 2004. The Relationship Between Stock Markets of Major Developed Countries and Asian Emerging Market. Journal of Applied Mathematics and Decision Science, 8(4):201-218.
59
Lampiran 1 DAFTAR PENGUMUMAN MAKROEKONOMI AMERIKA SERIKAT CONSUMER PRICE INDEX (CPI) Tanggal Pengumuman 2001 2002 17 Januari 16 Januari 21 Februari 20 Februari 21 Maret 21 Maret 17 April 16 April 16 Mei 15 Mei 15 Juni 18 Juni 18 Juli 19 Juli 16 Agustus 16 Agustus 18 September 18 September 19 Oktober 18 Oktober 16 November 19 November 14 Desember 17 Desember
2003 16 Januari 21 Februari 21 Maret 16 April 16 Mei 17 Juni 16 Juli 15 Agustus 16 September 16 Oktober 18 November 16 Desember
2004 15 Januari 20 Februari 17 Maret 14 April 14 Mei 15 Juni 16 Juli 17 Agustus 16 September 19 Oktober 17 November 17 Desember
2005 19 Januari 23 Februari 23 Maret 20 April 18 Mei 15 Juni 14 Juli 16 Agustus 15 September 14 Oktober 16 November 15 Desember
2006 18 Januari 22 Februari 16 Maret 19 April 17 Mei 14 Juni 19 Juli 16 Agustus 15 September 18 Oktober 16 November 15 Desember
2008 16 Januari 20 Februari 14 Maret 16 April 14 Mei 13 Juni 16 Juli 14 Agustus 16 September 16 Oktober 19 November 16 Desember
2009 16 Januari 20 Februari 18 Maret 15 April 15 Mei 17 Juni 15 Juli 14 Agustus 15 September 15 Oktober 18 November 16 Desember
2010 15 Januari 19 Februari 18 Maret 14 April 19 Mei 17 Juni 16 Juli 13 Agustus 17 September 15 Oktober 17 November 15 Desember
PRODUCER PRICE INDEX (PPI) Tanggal Pengumuman 2001 2002 2003 17 Januari 16 Januari 16 Januari 21 Februari 20 Februari 21 Februari 21 Maret 21 Maret 21 Maret 17 April 16 April 16 April 16 Mei 15 Mei 16 Mei 15 Juni 18 Juni 17 Juni 18 Juli 19 Juli 16 Juli 16 Agustus 16 Agustus 15 Agustus 18 September 18 September 16 September 19 Oktober 18 Oktober 16 Oktober
2004 15 Januari 20 Februari 17 Maret 14 April 14 Mei 15 Juni 16 Juli 17 Agustus 16 September 19 Oktober
2005 14 Januari 18 Februari 22 Maret 19 April 17 Mei 14 Juni 15 Juli 17 Agustus 13 September 18 Oktober
2007 18 Januari 21 Februari 16 Maret 17 April 15 Mei 15 Juni 18 Juli 15 Agustus 19 September 17 Oktober 15 November 14 Desember
60
16 November 14 Desember
19 November 17 Desember
18 November 16 Desember
17 November 17 Desember
2006 13 Januari 17 Februari 21 Maret 18 April 16 Mei 13 Juni 18 Juli 15 Agustus 19 September 17 Oktober 14 November 19 Desember
2007 17 Januari 16 Februari 15 Maret 13 April 11 Mei 14 Juni 17 Juli 14 Agustus 18 September 12 Oktober 14 November 13 Desember
2008 15 Januari 26 Februari 18 Maret 15 April 20 Mei 17 Juni 15 Juli 19 Agustus 12 September 15 Oktober 18 November 12 Desember
2009 2010 15 Januari 20 Januari 19 Februari 18 Februari 17 Maret 17 Maret 14 April 22 April 14 Mei 18 Mei 16 Juni 16 Juni 14 Juli 15 Juli 18 Agustus 17 Agustus 16 September 16 September 20 Oktober 14 Oktober 17 November 16 November 15 Desember 14 Desember
EMPLOYMENT SITUATION (ES) Tanggal Pengumuman 2001 2002 2003 2004 5 Januari 4 Januari 10 Januari 9 Januari 2 Februari 1 Februari 7 Februari 6 Februari 9 Maret 8 Maret 7 Maret 5 Maret 6 April 5 April 4 April 2 April 4 Mei 3 Mei 2 Mei 7 Mei 1 Juni 7 Juni 6 Juni 4 Juni 6 Juli 5 Juli 3 Juli 2 Juli 3 Agustus 2 Agustus 1 Agustus 6 Agustus 7 September 6 September 5 September 3 September 5 Oktober 4 Oktober 3 Oktober 8 Oktober 2 November 1 November 7 November 5 November 7 Desember 6 Desember 5 Desember 3 Desember 2006 6 Januari 3 Februari 10 Maret 7 April 5 Mei 2 Juni 7 Juli 4 Agustus 1 September 6 Oktober 3 November 8 Desember
2007 5 Januari 2 Februari 9 Maret 6 April 4 Mei 1 Juni 6 Juli 3 Agustus 7 September 5 Oktober 2 November 7 Desember
15 November 20 Desember
2005 7 Januari 4 Februari 4 Maret 1 April 6 Mei 3 Juni 8 Juli 5 Agustus 2 September 7 Oktober 4 November 2 Desember
2008 2009 2010 4 Januari 9 Januari 8 Januari 1 Februari 6 Februari 5 Februari 7 Maret 6 Maret 5 Maret 4 April 3 April 2 April 2 Mei 8 Mei 7 Mei 6 Juni 5 Juni 4 Juni 3 Juli 2 Juli 2 Juli 1 Agustus 7 Agustus 6 Agustus 5 September 4 September 3 September 3 Oktober 2 Oktober 8 Oktober 7 November 6 November 5 November 5 Desember 4 Desember 8 Januari
61
IMPORT AND EXPORT PRICE INDICIES (IEPI) Tanggal Pengumuman 2001 2002 2003 2004 11 Januari 10 Januari 14 Januari 13 Januari 15 Februari 14 Februari 13 Februari 13 Februari 15 Maret 14 Maret 13 Maret 11 Maret 11 April 11 April 10 April 7 April 10 Mei 9 Mei 14 Mei 12 Mei 13 Juni 12 Juni 12 Juni 10 Juni 12 Juli 10 Juli 10 Juli 14 Juli 9 Agustus 7 Agustus 13 Agustus 12 Agustus 13 September 12 September 11 September 9 September 11 Oktober 10 Oktober 9 Oktober 14 Oktober 8 November 14 November 13 November 10 November 12 Desember 12 Desember 11 Desember 9 Desember
2007 2006 12 Januari 12 Januari 16 Februari 15 Februari 15 Maret 14 Maret 13 April 12 April 12 Mei 10 Mei 9 Juni 13 Juni 14 Juli 13 Juli 11 Agustus 10 Agustus 14 September 14 September 13 Oktober 11 Oktober 9 November 9 November 14 Desember 12 Desember
2008 11 Januari 15 Februari 13 Maret 11 April 13 Mei 12 Juni 11 Juli 13 Agustus 11 September 10 Oktober 14 November 11 Desember
2009 2010 14 Januari 14 Januari 18 Februari 17 Februari 13 Maret 16 Maret 9 April 13 April 13 Mei 13 Mei 12 Juni 15 Juni 10 Juli 14 Juli 13 Agustus 12 Agustus 11 September 15 September 14 Oktober 13 Oktober 13 November 10 November 11 Desember 10 Desember
EMPLOYMENT COST INDEX (ECI) Tanggal Pengumuman 2001 2002 2003 2004 25 Januari 31 Januari 30 Januari 29 Januari 26 April 25 April 29 April 29 April 25 Juli 31 Juli 29 Juli 26 Juli 25 Oktober 31 Oktober 30 Oktober 29 Oktober
2006 31 Januari 28 April 28 Juli 31 Oktober
2007 31 Januari 27 April 31 Juli 31 Oktober
2008 31 Januari 30 April 31 Juli 31 Oktober
2005 13 Januari 17 Februari 18 Maret 15 April 13 Mei 10 Juni 13 Juli 12 Agustus 9 September 13 Oktober 10 November 14 Desember
2009 30 Januari 30 April 31 Juli 30 Oktober
2005 28 Januari 29 April 29 Juli 28 Oktober
2010 29 Januari 30 April 30 Juli 29 Oktober
62
GROSS DOMESTIC PRODUCT (GDP) Tanggal Pengumuman 2001 2002 2003 31 Januari 30 Januari 30 Januari 28 Februari 28 Februari 28 Februari 29 Maret 28 Maret 27 Maret 27 April 26 April 25 April 25 Mei 24 Mei 29 Mei 29 Juni 27 Juni 26 Juni 27 Juli 31 Juli 31 Juli 29 Agustus 29 Agustus 28 Agustus 28 September 27 September 26 September 31 Oktober 31 Oktober 30 Oktober 30 November 26 November 25 November 21 Desember 20 Desember 23 Desember
2004 30 Januari 27 Februari 25 Maret 29 April 27 Mei 25 Juni 30 Juli 27 Agustus 29 September 29 Oktober 30 November 22 Desember
2005 28 Januari 25 Februari 30 Maret 28 April 26 Mei 29 Juni 29 Juli 31Agustus 29 September 28 Oktober 30 November 21 Desember
2006 27 Januari 28 Februari 30 Maret 28 April 25 Mei 29 Juni 28 Juli 30 Agustus 28 September 27 Oktober 29 November 21 Desember
2007 31 Januari 28 Februari 29 Maret 27 April 31 Mei 28 Juni 27 Juli 30 Agustus 27 September 31 Oktober 29 November 20 Desember
2008 30 Januari 28 Februari 27 Maret 30 April 29 Mei 26 Juni 31 Juli 28 Agustus 26 September 30 Oktober 25 November 23 Desember
2009 30 Januari 27 Februari 26 Maret 29 April 29 Mei 25 Juni 31 Juli 27 Agustus 30 September 29 Oktober 24 November 22 Desember
2010 29 Januari 26 Februari 26 Maret 30 April 27 Mei 25 Juni 30 Juli 27 Agustus 30 September 29 Oktober 18 November 22 Desember
RETAIL SALES (RS) Tanggal Pengumuman 2001 2002 12 Januari 15 Januari 13 Februari 13 Februari 13 Maret 13 Maret 12 April 12 April 11 Mei 14 Mei 13Juni 13Juni 13 Juli 12 Juli 14 Agustus 13 Agustus 14 September 13 September 12 Oktober 11 Oktober 14 November 14 November 13 Desember 12 Desember
2003 14 Januari 13 Februari 13 Maret 11 April 14 Mei 12 Juni 15 Juli 13 Agustus 12 September 15 Oktober 14 November 11 Desember
2004 15 Januari 12 Februari 11 Maret 13 April 13 Mei 14Juni 14 Juli 12 Agustus 14 September 15 Oktober 12 November 13 Desember
2005 13 Januari 15 Februari 15 Maret 13 April 12 Mei 14Juni 14 Juli 11 Agustus 14 September 14 Oktober 15 November 13 Desember
63
2006 13 Januari 14 Februari 14 Maret 13 April 11 Mei 13Juni 14 Juli 11 Agustus 14 September 13 Oktober 14 November 13 Desember
2007 12 Januari 14 Februari 13 Maret 16 April 11 Mei 13 Juni 13 Juli 13 Agustus 14September 12 Oktober 14 November 13 Desember
2008 15 Januari 13 Februari 13 Maret 14 April 13 Mei 12Juni 15 Juli 13 Agustus 12 September 15 Oktober 14 November 12 Desember
CONSUMER CONFIDENCE INDEX (CCI) Tanggal Pengumuman 2001 2002 2003 30 Januari 29 Januari 28 Januari 27 Februari 26 Februari 25 Februari 27 Maret 26 Maret 25 Maret 24 April 30 April 29 April 29 Mei 28 Mei 27 Mei 26 Juni 25 Juni 24 Juni 31 Juli 30 Juli 29 Juli 28 Agustus 27 Agustus 26 Agustus 25 September 24 September 30 September 30 Oktober 29 Oktober 28 Oktober 27 November 26 November 25 November 28 Desember 31 Desember 30 Desember 2006 31 Januari 28 Februari 28 Maret 25 April 30 Mei 27 Juni 25 Juli 29 Agustus 26 September 31 Oktober 28 November 28 Desember
2007 30 Januari 27 Februari 27 Maret 24 April 29 Mei 26 Juni 31 Juli 28 Agustus 25 September 30 Oktober 27 November 27 Desember
2008 29 Januari 29 Februari 25 Maret 29 April 27 Mei 24 Juni 29 Juli 26 Agustus 30 September 28 Oktober 25 November 30 Desember
2009 14 Januari 12 Februari 12 Maret 14 April 13 Mei 11Juni 14 Juli 13 Agustus 15 September 14 Oktober 16 November 11 Desember
2010 14 Januari 12 Februari 12 Maret 14 April 14 Mei 11 Juni 14 Juli 13 Agustus 14 September 15 Oktober 15 November 14 Desember
2004 27 Januari 24 Februari 30 Maret 27 April 25 Mei 29 Juni 27 Juli 31 Agustus 28 September 26 Oktober 30 November 28 Desember
2005 25 Januari 22 Februari 29 Maret 26 April 31 Mei 28 Juni 26 Juli 30 Agustus 27 September 25 Oktober 29 November 28 Desember
2009 27 Januari 24 Februari 31 Maret 28 April 26 Mei 30 Juni 28 Juli 25 Agustus 29 September 27 Oktober 24 November 29 Desember
2010 26 Januari 23 Februari 30 Maret 27 April 25 Mei 29 Juni 27 Juli 31 Agustus 28 September 26 Oktober 30 November 28 Desember
64
MANUFACTURING (MAN) Tanggal Pengumuman 2001 2002 2003 2 Januari 2 Januari 2 Januari 1 Februari 1 Februari 3 Februari 1 Maret 1 Maret 3 Maret 2 April 1 April 1 April 1 Mei 1 Mei 1 Mei 1 Juni 3 Juni 2 Juni 2 Juli 1 Juli 1 Juli 1 Agustus 1 Agustus 1 Agustus 4 September 3 September 2 September 1Oktober 1 Oktober 1 Oktober 1 November 1 November 3 November 3 Desember 2 Desember 1 Desember
2004 2 Januari 2 Februari 1 Maret 1 April 3 Mei 1 Juni 1 Juli 2 Agustus 1 September 1Oktober 1 November 1 Desember
2005 3 Januari 1 Februari 1 Maret 1 April 2 Mei 1 Juni 1 Juli 1 Agustus 1 September 3Oktober 1 November 1 Desember
2006 3 Januari 1 Februari 1 Maret 3 April 1 Mei 1 Juni 3 Juli 1 Agustus 1 September 2 Oktober 1 November 1 Desember
2009 2 Januari 2 Februari 2 Maret 1 April 1 Mei 1 Juni 1 Juli 3 Agustus 1 September 1 Oktober 2 November 1 Desember
2010 4 Januari 1 Februari 1 Maret 1 April 3 Mei 1 Juni 1 Juli 2 Agustus 1 September 1 Oktober 1 November 1 Desember
2004 6 Januari 4 Februari 3 Maret 5 April 5 Mei 3 Juni 6 Juli 4 Agustus 3 September 5 Oktober 3 November 3 Desember
2005 5 Januari 3 Februari 3 Maret 5 April 4 Mei 3 Juni 6 Juli 3 Agustus 6 September 5 Oktober 3 November 5 Desember
2007 3 Januari 1 Februari 1 Maret 2 April 1 Mei 1 Juni 2 Juli 1 Agustus 4 September 1 Oktober 1 November 3 Desember
2008 2 Januari 1 Februari 3 Maret 1 April 1 Mei 2 Juni 1 Juli 1 Agustus 2 September 1Oktober 3 November 1 Desember
NON MANUFACTURING (NON_MAN) Tanggal Pengumuman 2001 2002 2003 4 Januari 4 Januari 6 Januari 5 Februari 5 Februari 5 Februari 5 Maret 5 Maret 5 Maret 4 April 3 April 3 April 3 Mei 3 Mei 5 Mei 5 Juni 5 Juni 4 Juni 5 Juli 3 Juli 3 Juli 3 Agustus 5 Agustus 5 Agustus 6 September 3 September 4 September 3 Oktober 3 Oktober 3 Oktober 5 November 5 November 5 November 5 Desember 4 Desember 3 Desember
65
2006 5 Januari 3 Februari 3 Maret 5 April 3 Mei 5 Juni 6 Juli 3 Agustus 6 September 4 Oktober 3 November 5 Desember
2007 4 Januari 5 Februari 5 Maret 4 April 3 Mei 5 Juni 5 Juli 3 Agustus 6 September 3 Oktober 5 November 5 Desember
2008 4 Januari 5 Februari 5 Maret 3 April 5 Mei 4 Juni 3 Juli 5 Agustus 4 September 3 Oktober 5 November 3 Desember
2009 6 Januari 4 Februari 4 Maret 3 April 5 Mei 3 Juni 6 Juli 5 Agustus 3 September 5 Oktober 4 November 3 Desember
2010 6 Januari 3 Februari 3 Maret 5 April 5 Mei 3 Juni 6 Juli 4 Agustus 3 September 5 Oktober 3 November 3 Desember
Lampiran 2 UJI STASIONERITAS Null Hypothesis: RETURN has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=27)
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-45.53678 -3.432665 -2.862449 -2.567299
0.0001
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(RETURN) Method: Least Squares Date: 06/01/11 Time: 23:51 Sample (adjusted): 1/04/2001 12/31/2010 Included observations: 2607 after adjustments Variable
Coefficient
Std. Error
t-Statistic
Prob.
RETURN(-1) C
-0.886299 0.000849
0.019463 0.000287
-45.53678 2.954827
0.0000 0.0032
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.443209 0.442996 0.014642 0.558510 7313.367 2073.598 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
4.54E-06 0.019619 -5.609027 -5.604527 -5.607397 2.001455
66
Lampiran 3 PLOT KORELOGRAM
Lampiran 4 Model ARIMA (2,0,3) Dependent Variable: RETURN Method: Least Squares Date: 06/02/11 Time: 01:31 Sample (adjusted): 1/05/2001 12/31/2010 Included observations: 2606 after adjustments Convergence achieved after 18 iterations White Heteroskedasticity-Consistent Standard Errors & Covariance MA Backcast: 1/02/2001 1/04/2001 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C AR(1) AR(2) MA(1) MA(2) MA(3)
0.000951 0.947593 -0.985216 -0.839033 0.889271 0.110661
0.000320 0.006807 0.006648 0.029883 0.028712 0.029495
2.966702 139.2108 -148.1919 -28.07741 30.97185 3.751854
0.0030 0.0000 0.0000 0.0000 0.0000 0.0002
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.017634 0.015745 0.014620 0.555771 7316.467 9.334106 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.000954 0.014737 -5.610489 -5.596984 -5.605596 1.996317
67
Inverted AR Roots Inverted MA Roots
.47+.87i .48-.88i
.47-.87i .48+.88i
-.11
Lampiran 5 UJI AUTOKORELASI Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared
0.544668 1.092217
Prob. F(2,2598) Prob. Chi-Square(2)
0.5801 0.5792
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 06/01/11 Time: 23:58 Sample: 1/05/2001 12/31/2010 Included observations: 2606 Presample missing value lagged residuals set to zero. Variable
Coefficient
Std. Error
t-Statistic
Prob.
C AR(1) AR(2) MA(1) MA(2) MA(3) RESID(-1) RESID(-2)
1.07E-06 0.000701 0.000807 0.000157 -0.000509 0.000654 0.000572 0.016199
0.000320 0.003952 0.004043 0.001600 0.001145 0.002421 0.020154 0.019899
0.003331 0.177399 0.199647 0.098173 -0.444623 0.269986 0.028377 0.814076
0.9973 0.8592 0.8418 0.9218 0.6566 0.7872 0.9774 0.4157
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.000419 -0.002274 0.014623 0.555538 7317.013 0.155617 0.993241
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
2.309427 13.82020 53.65420
Prob. F(6,2599) Prob. Chi-Square(6) Prob. Chi-Square(6)
1.15E-06 0.014606 -5.609373 -5.591367 -5.602850 1.999382
Lampiran 6 UJI WHITE Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
Test Equation: Dependent Variable: RESID^2
0.0316 0.0317 0.0000
68
Method: Least Squares Date: 06/01/11 Time: 23:59 Sample: 1/05/2001 12/31/2010 Included observations: 2606 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C GRADF_01^2 GRADF_02^2 GRADF_03^2 GRADF_04^2 GRADF_05^2 GRADF_06^2
0.000962 -0.000959 0.002478 0.000373 8.54E-06 7.36E-06 -1.58E-05
0.003671 0.004595 0.000867 0.000872 4.81E-06 4.84E-06 8.15E-06
0.262086 -0.208704 2.857324 0.427452 1.775608 1.522797 -1.935851
0.7933 0.8347 0.0043 0.6691 0.0759 0.1279 0.0530
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.005303 0.003007 0.000595 0.000920 15661.01 2.309427 0.031589
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
Lampiran 7 PLOT KORELOGRAM RESIDUAL KUADRAT
Lampiran 8 MODEL GARCH GARCH (1,1) Dependent Variable: RETURN Method: ML - ARCH (Marquardt) - Normal distribution Date: 06/02/11 Time: 01:33
0.000213 0.000596 -12.01382 -11.99807 -12.00812 1.655347
69
Sample (adjusted): 1/05/2001 12/31/2010 Included observations: 2606 after adjustments Convergence achieved after 58 iterations Bollerslev-Wooldridge robust standard errors & covariance MA Backcast: 1/02/2001 1/04/2001 Presample variance: backcast (parameter = 0.7) GARCH = C(7) + C(8)*RESID(-1)^2 + C(9)*GARCH(-1) Variable
Coefficient
Std. Error
z-Statistic
Prob.
C AR(1) AR(2) MA(1) MA(2) MA(3)
0.001586 -0.449392 -0.837637 0.549251 0.891733 0.081695
0.000251 0.212107 0.144570 0.213731 0.159326 0.031638
6.317720 -2.118700 -5.793992 2.569826 5.596918 2.582157
0.0000 0.0341 0.0000 0.0102 0.0000 0.0098
2.402437 3.802732 19.96455
0.0163 0.0001 0.0000
Variance Equation C RESID(-1)^2 GARCH(-1)
9.29E-06 0.106090 0.850901
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.012471 0.009429 0.014667 0.558692 7559.029 4.099648 0.000072
Inverted AR Roots Inverted MA Roots
-.22+.89i -.10
3.87E-06 0.027898 0.042621 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
-.22-.89i -.23-.89i
0.000954 0.014737 -5.794343 -5.774086 -5.787004 1.970181
-.23+.89i
Lampiran 9 HASIL ESTIMASI AKHIR Dependent Variable: D_LOG_VARIANCE Method: Least Squares Date: 06/02/11 Time: 00:45 Sample (adjusted): 1/08/2001 12/31/2010 Included observations: 2604 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C CC CPI ECI ES GDP IEPI MAN
-0.000288 -0.002214 0.007877 -0.004532 -0.005227 -0.001156 0.002797 0.000516
0.001730 0.005582 0.007433 0.009868 0.005605 0.005905 0.005684 0.005114
-0.166800 -0.396741 1.059671 -0.459207 -0.932458 -0.195771 0.492152 0.100917
0.8675 0.6916 0.2894 0.6461 0.3512 0.8448 0.6227 0.9196
70
NON_MAN PPI RS
0.010464 0.007891 -0.009515
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.002789 -0.001057 0.069075 12.37216 3269.945 0.725241 0.701321
0.007224 0.007689 0.005148
1.448504 1.026322 -1.848161
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.1476 0.3048 0.0647 0.000164 0.069039 -2.503030 -2.478255 -2.494054 1.985197
