1
ANALISIS PENGARUH PERKEMBANGAN PASAR MODAL TERHADAP PERTUMBUHAN EKONOMI INDONESIA
Oleh GILMAN PRADANA NUGRAHA H14103024
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
2
RINGKASAN GILMAN PRADANA NUGRAHA. Analisis Pengaruh Perkembangan Pasar Modal Terhadap Pertumbuhan Ekonomi Indonesia (dibimbing oleh NUNUNG NURYARTONO). Pelaksanaan pembangunan ekonomi suatu negara, terutama negara-negara berkembang atau less-developed countries (LDC) seringkali terbentur oleh ketersediaan modal yang terbatas dan hal ini menjadi salah satu hambatan utama bagi negara-negara tersebut untuk melaksanakan pembangunannya. Tingkat akumulasi kapital yang rendah di negara-negara berkembang mendorong pemerintah negara bersangkutan mencari alternatif pembiayaan pembangunan, salah satunya ialah dengan pengembangan pasar modal. Pasar modal merupakan suatu lembaga keuangan non bank yang bertujuan untuk meningkatkan mobilisasi dana masyarakat dalam usaha mencapai pertumbuhan ekonomi yang lebih tinggi. Selama periode 2005-2007, pasar modal Indonesia khususnya pasar saham mengalami peningkatan yang luar biasa dan IHSG sebagai lead indicator dari pasar saham mencapai rekor tertinggi sepanjang berdirinya bursa saham Indonesia. Penelitian ini bertujuan untuk menganalisis pengaruh indikatorindikator perkembangan pasar modal terhadap pertumbuhan ekonomi Indonesia. Data yang digunakan dalam penelitian ini adalah data time series bulanan dari Januari tahun 1999 sampai Desember tahun 2006 yang terdiri dari data produk domestik bruto riil, investasi riil, kapitalisasi pasar saham, indeks harga saham gabungan, nilai saham yang diperdagangkan, dan nilai tukar riil. Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah metode analisis Vector Autoregression (VAR) yang dikombinasikan dengan metode Vector Error Correction Model (VECM). Terdapat dua persamaan yang digunakan dalam penelitian ini yaitu persamaan investasi riil dan persamaan pertumbuhan ekonomi. Analisis pengaruh indikator pasar modal terhadap investasi riil dan pertumbuhan ekonomi dapat dilihat berdasarkan hasil signifikansi, hasil impulse response, dan hasil variance decomposition. Hasil pengujian akar unit pada level menunjukkan bahwa semua variabel kecuali nilai saham yang diperdagangkan (NSP) belum stasioner pada taraf 1%, 5%, dan 10%. Pengujian akar unit dilanjutkan dengan melakukan uji akar unit pada tingkat first difference dan hasilnya semua data stasioner pada tingkat first difference. Hasil estimasi persamaan investasi menunjukkan bahwa dalam jangka pendek hanya kapitalisasi pasar saham yang signifikan dalam mempengaruhi investasi riil pada taraf nyata 10%, sedangkan dalam jangka panjang seluruh variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) signifikan dalam mempengaruhi investasi riil pada taraf nyata 10%. Pada hasil Variance Decomposition persamaan investasi riil menunjukkan bahwa indikator pasar modal memiliki pengaruh yang relatif kecil terhadap investasi riil di Indonesia. Hal ini terkait perkembangan pasar modal Indonesia lebih banyak didorong oleh perubahan harga (inflasi atas saham itu sendiri) sehingga tidak memiliki dampak yang besar bagi reinvestasi ataupun ekspansi korporasi pada sektor riil. Pada jangka pendek peran variabel-variabel
3
pasar modal terhadap investasi riil cenderung meningkat sampai pada periode 11. Setelah periode tersebut, peran variabel-variabel pasar modal terhadap investasi riil mengalami penurunan pada jangka panjang. Dari hasil Impulse Response Function persamaan investasi, dapat diketahui bahwa inovasi atau guncangan variabel investasi riil, produk domestik bruto riil dan nilai tukar riil memiliki pengaruh yang lebih besar terhadap investasi riil dibandingkan dengan inovasi atau guncangan variabel-variabel pasar modal. Hasil estimasi persamaan pertumbuhan ekonomi menunjukkan bahwa dalam jangka pendek variabel kapitalisasi pasar saham dan nilai saham yang diperdagangkan berpengaruh signifikan terhadap output riil atau pertumbuhan ekonomi. Sedangkan dalam jangka panjang seluruh variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) signifikan mempengaruhi pertumbuhan ekonomi pada taraf nyata 10%. Sementara hasil Variance Decomposition persamaan pertumbuhan ekonomi memperlihatkan bahwa pengaruh varians variabel-variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) terhadap pertumbuhan ekonomi relatif rendah pada jangka pendek, tetapi pengaruh varians variabel-variabel pasar modal tersebut terhadap pertumbuhan ekonomi mengalami peningkatan secara konsisten, hingga pada jangka panjang varians dari kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan dapat mempengaruhi pertumbuhan ekonomi sebesar 10.65%, 3.32%, dan 4.03%. Dari hasil Impulse Response Function pertumbuhan ekonomi, dapat diketahui bahwa inovasi atau guncangan dari investasi riil terhadap GDPR memiliki pengaruh yang sangat besar. Inovasi atau guncangan kapitalisasi pasar saham merupakan variabel pasar modal yang memiliki pengaruh terbesar terhadap pertumbuhan ekonomi. Inovasi atau guncangan kapitalisasi pasar saham memberikan respon positif terhadap pertumbuhan ekonomi. Oleh karena itu, pengembangan dan pembangunan pasar modal yang lebih berfokus pada peningkatan sektor riil sangat diperlukan mengingat keterkaitannya yang semakin besar terhadap irama pertumbuhan ekonomi Indonesia baik dalam jangka pendek maupun dalam jangka panjang.
4
ANALISIS PENGARUH PERKEMBANGAN PASAR MODAL TERHADAP PERTUMBUHAN EKONOMI INDONESIA
Oleh GILMAN PRADANA NUGRAHA H14103024
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
5
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN ILMU EKONOMI Dengan ini menyatakan bahwa skripsi yang disusun oleh, Nama Mahasiswa
: Gilman Pradana Nugraha
Nomor Registrasi Pokok
: H14103024
Program Studi
: Ilmu Ekonomi
Judul Skripsi
: Analisis Pengaruh Perkembangan Pasar Modal Terhadap Pertumbuhan Ekonomi Indonesia
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Menyetujui, Dosen Pembimbing
Dr. Ir. Nunung Nuryartono, MS. NIP. 132 104 952
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872 Tanggal Kelulusan :
6
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, Agustus 2007
Gilman Pradana Nugraha H14103024
7
RIWAYAT HIDUP Gilman Pradana Nugraha. Dilahirkan di Bogor pada hari Rabu tanggal 14 Agustus 1985 dari pasangan Bapak Soebardja Wiradiredja dan Ibu Ida Farida. Penulis merupakan putra pertama dari lima bersaudara. Penulis menjalani kehidupan yang bahagia dari kecil sampai dewasa di kota kelahirannya, kota Bogor. Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1991 sampai dengan tahun 1997 di SDN Pengadilan V Bogor. Selanjutnya meneruskan ke pendidikan lanjutan tingkat pertama dari tahun 1997 sampai tahun 2000 di SLTP N 4 Bogor. Setelah itu, penulis melanjutkan pendidikan menengah umum di SMUN 5 Bogor dan lulus pada tahun 2003. Pada tahun 2003 penulis diterima sebagai mahasiswa Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) dan terdaftar sebagai mahasiswa Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen (FEM). Selama mengikuti pendidikan di bangku kuliah, penulis aktif sebagai asisten dosen Mata Kuliah Ekonomi Umum (2005-2007) serta terlibat sebagai pengurus dalam beberapa organisasi kemahasiswaan, seperti Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (HIPOTESA), IPB Debating Club (IDC), dan pernah menjadi ketua Forum Silaturahmi Mahasiswa (FOSMA) ESQ Bogor pada tahun 2005-2006. Penulis juga menjadi finalis pada IPB English Debating Competition 2005. Penulis juga menjadi Runner Up Young Economist Icon 2006.
8
KATA PENGANTAR Assalamu’alaikum Wr. Wb. Segala puji hanya untuk Allah SWT, pencipta dan pemelihara alam semesta beserta isinya. Berkat rahman dan rahiim-Nya penulis mendapat kemudahan dan kemampuan dalam setiap langkah penyusunan skripsi ini. Salawat serta salam semoga tercurah kepada Nabi Muhammad SAW yang telah menunjukkan jalan Islam sebagai pedoman hidup. Skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi Manajemen IPB. Adapun judul skripsi ini adalah
Analisis
Pengaruh
Perkembangan
Pasar
Modal
Terhadap
Pertumbuhan Ekonomi Indonesia. Penulis mengucapkan terima kasih kepada berbagai pihak yang telah memberikan bantuan, perhatian, dan dorongan semangat sehingga penulis dapat menyelesaikan skripsi ini dengan baik. Untuk itu, ucapan terima kasih dan penghargaan penulis sampaikan kepada: 1. Dr. Ir. Nunung Nuryartono, MS., selaku dosen pembimbing skripsi yang telah memberikan ilmu dan membimbing penulis dengan sabar dalam proses panjang penyusunan skripsi ini sehingga dapat diselesaikan dengan baik. 2. Dr. Ir. Rina Oktaviani, MS., dan Fifi Diana Thamrin, Msi., selaku dosen penguji utama dan komisi pendidikan, yang telah memberi saran-saran dan ilmu yang bermanfaat. 3. Ibu Sahara, Ibu Tanti Novianti, Mbak Lindawati, serta seluruh civitas Departemen Ilmu Ekonomi atas pengalaman yang berharga selama penulis masih menjadi asisten. 4. Bapak Ary Ginanjar Agustian dan Bapak Antonio Syafi’i yang telah memberikan ilmu-ilmu berharga yang penulis tidak dapatkan selama duduk di bangku kuliah. 5. Kak Irfan yang telah banyak berkontribusi dalam keberhasilan kuliah penulis.
9
6. Kedua orang tua penulis yaitu Bapak Soebardja Wiradiredja dan Ibu Ida Farida atas doa dan dukungannya. Untuk seluruh keluarga penulis yang telah membantu. Terima kasih juga kepada Anggi Destria sekeluarga atas doa dan perhatian besar yang diberikan selama ini. 7. Teman-teman seperjuangan Arie JFAF, Giri, Wawan, Beri, Ratih, Tanti, Rico, Rama, Nur, Dian V, seluruh mahasiswa angkatan 41, 42, dan 43 yang pernah menjadi praktikan penulis dan seluruh teman-teman angkatan 40, 41 dan 42 Ilmu Ekonomi. Teman-teman FOSMA ESQ, HIPOTESA, dan tim KKP Tegal yang banyak memberikan warna dan pengalaman berharga bagi penulis. Penulis menyadari bahwa dalam menyusun skripsi ini masih banyak kekurangan. Dengan kerendahan hati, penulis meminta maaf dan mengharapkan kritik dan saran yang membangun bagi perbaikan skripsi penulis. Semoga hasil dari skripsi ini dapat memberikan manfaat bagi penulis maupun semua pihak yang membutuhkan. Wassalamu’alaikum Wr.Wb. Bogor, Agustus 2007
Gilman Pradana Nugraha H14103024
10
DAFTAR ISI Halaman DAFTAR TABEL.......................................................................................... iii DAFTAR GAMBAR ..................................................................................... iv DAFTAR LAMPIRAN.................................................................................. I.
v
PENDAHULUAN 1.1. Latar Belakang ............................................................................
1
1.2. Perumusan Masalah..................................................................... 12 1.3. Tujuan Penelitian......................................................................... 15 1.4. Kegunaan Penelitian.................................................................... 15 II.
TINJAUAN PUSTAKA 2.1. Teori Investasi ............................................................................. 16 2.2. Pasar Modal dan Bursa Efek ...................................................... 17 2.3. Obligasi dan Saham …………………………………………..... 20 2.4. Indeks Harga Saham Gabungan ……………………………….. 23 2.5. Pertumbuhan Ekonomi ……………………………………….... 24 2.6. Perkembangan Pasar Modal dan Model Solow ……………….. 25 2.7. Penelitian Sebelumnya ………………………………………… 26 2.8. Kerangka Pemikiran ................................................................... 30 2.9. Hipotesis ………………………………………………………. 32
III.
METODE PENELITIAN 3.1. Jenis dan Sumber Data ................................................................ 34 3.2. Metode Pengolahan dan Analisis Data ....................................... 34 3.2.1
Uji Stasioneritas .............................................................
36
3.2.2
Model Umum Vector Autoregression (VAR) ................ 37
3.2.3
Penentuan Lag Optimal .................................................. 38
3.2.4
Uji Kointegrasi ............................................................... 38
3.2.5
Vector Error Correction Model (VECM) ...................... 39
3.2.6
Innovation Accounting ...................................................
3.2.7
The Cholensky Decomposition ....................................... 41
39
3.3. Model Penelitian .......................................................................... 42
11
IV.
HASIL DAN PEMBAHASAN 4.1. Hasil Estimasi VAR .. ................................................................. 44 4.1.1. Unit Root Test (Pengujian Akar-Akar Unit) ................... 44 4.1.2. Penentuan Lag Optimum Menggunakan Schwarz Information Criteria …………………………. 45 4.1.3. Kointegrasi …………………………………………….
46
4.2. Pengaruh Indikator Pasar Modal terhadap Pembentukan Investasi Riil …………………………………….. 47 4.2.1. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Pendek........................................................ 48 4.2.2. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Panjang .............................................. ...... 53 4.2.3.
Pengaruh Indikator Pasar Modal terhadap Investasi Riil (Analisis Variance Decomposition dan Impulse Response Function) .......................................... 56
4.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi Indonesia ……………………………… 63 4.3.1. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Pendek............................................. ................................
64
4.3.2. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Panjang ..................................... .....................................
69
4.3.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi (Analisis Variance Decomposition dan Impulse Response Function) ...................................
72
KESIMPULAN DAN SARAN ...........................................................
79
5.1. Kesimpulan .................................................................................
79
5.2. Saran ...........................................................................................
80
DAFTAR PUSTAKA ....................................................................................
82
LAMPIRAN...................................................................................................
85
V.
12
DAFTAR TABEL
Nomor
Halaman
1.1.
Perbandingan Regional Sektor Keuangan.......................................... 10
3.1.
Data, Satuan, Simbol dan Sumber Data ............................................ 34
4.1.
Hasil Pengujian Akar Unit pada Level .............................................. 44
4.2.
Hasil Pengujian Akar Unit Pada First Difference............................. 45
4.3.
Perhitungan Schwarz Information Criteria....................................... 46
4.4.
Johansen Cointegration Test............................................................. 47
4.5.
Hasil Estimasi VECM Persamaan Investasi Riil .............................. 48
4.6.
Hasil Variance Decomposition (%) Persamaan Investasi Riil.......... 59
4.7.
Hasil Estimasi VECM Persamaan Pertumbuhan Ekonomi............... 63
4.8.
Perbandingan Kepemilikan Saham (2005-2007) .............................. 70
4.9.
Hasil Variance Decomposition (%) Persamaan Pertumbuhan Ekonomi...................................................................... 75
13
DAFTAR GAMBAR Nomor
Halaman
1.1. Rasio Tabungan dan Investasi Indonesia terhadap Gross Domestik Product (GDP) .......................................................... 2 1.2. Perkembangan Produk Domestik Bruto Riil Indonesia ....................... 3 1.3. Perbandingan Total Tabungan, Total Kredit, dan Total Kredit Investasi pada Perbankan Nasional ...............................
6
1.4. Indeks Harga Saham Gabungan (1999-2006)....................................... 11 1.5. Perkembangan Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan .......................................................................... 12 2.1
Model Solow ....................................................................................... 26
2.2. Kerangka Pemikiran Penelitian............................................................. 30 4.1. Perubahan Jumlah Emiten, Jumlah Saham yang Ditawarkan, dan Perubahan Harga Saham 1999-2006 (dalam persentase) ..............
51
4.2. Grafik Impulse Response Function (Persamaan Investasi Riil)............ 62 4.2. Grafik Impulse Response Function (Persamaan Pertumbuhan Ekonomi)..................................................... 78
14
DAFTAR LAMPIRAN
Nomor
Halaman
1.
Data Penelitian .......................................................................................
86
2.
Uji Stasioneritas pada Level ...................................................................
88
3.
Uji Stasioneritas pada First Difference ..................................................
91
4.
Korelasi Matriks ....................................................................................
95
5.
Uji Stabilitas VAR ............................................................................ ....
95
6.
Uji Lag Optimal ....................................................................................
96
7.
Uji Kointegrasi 1 .................................................................................. .
96
8.
Uji Kointegrasi 2 ...................................................................................
97
9.
Hasil Estimasi VECM (Persamaan Investasi Riil) ................................
101
10. Variance Decomposition VECM (Persamaan Investasi Riil) ...............
103
11. Impulse Response Function VECM (Persamaan Investasi Riil) ...........
110
12. Hasil Estimasi VECM (Persamaan Pertumbuhan Ekonomi) ............... .
110
13. Variance Decomposition VECM (Persamaan Pertumbuhan Ekonomi) .....................................................
112
14. Impulse Response Function VECM (Persamaan Pertumbuhan Ekonomi) .....................................................
119
15
I. PENDAHULUAN 1.1.
Latar Belakang Pelaksanaan pembangunan ekonomi suatu negara, terutama negara-negara
berkembang atau less-developed countries (LDC) seringkali terbentur oleh ketersediaan modal yang terbatas dan hal ini menjadi salah satu hambatan utama bagi negara-negara tersebut untuk melaksanakan pembangunannya. Umumnya negara berkembang memiliki tingkat pendapatan dan tabungan yang rendah. Tabungan yang rendah tersebut tentu akan berdampak terhadap rendahnya dana yang disediakan untuk investasi sehingga menghasilkan tingkat akumulasi kapital yang rendah, hal ini menyebabkan tingkat pendapatan nasional di negara tersebut juga menjadi rendah. Fenomena tersebut menurut Irawan dan Suparmoko (1999) disebut lingkaran yang tak berujung pangkal atau vicious circle. Pembangunan dan pertumbuhan ekonomi dapat terhambat apabila terdapat kesenjangan antara tingkat tabungan dengan tingkat investasi. Pada periode sebelum krisis ekonomi tahun 1997, rasio tabungan Indonesia terhadap Gross Domestik Product (GDP) berada diatas 30 persen tetapi ketika krisis ekonomi melanda, rasio tersebut mencapai titik terendahnya yaitu menjadi sekitar 19 persen. Demikian halnya dengan rasio investasi terhadap GDP dimana sebelum krisis ekonomi persentasenya diatas 30 persen tetapi ketika krisis ekonomi terjadi, persentase tersebut menurun tajam menjadi sekitar 15 persen. Rasio tabungan dan investasi terhadap GDP mulai meningkat pada periode tahun 1999-2001, tetapi persentasenya kembali menurun pada periode tahun 2002-2003. Hal ini dapat dilihat pada Gambar 1.1.
16
persentase terhadap GDP 40% Rasio Investasi Rasio Tabungan
35% 30% 25% 20% 15% 10% 5% 0% 1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
periode
Sumber : Badan Pusat Statistik, estimasi oleh Bank Dunia (2003)
Gambar 1.1.
Rasio Tabungan dan Investasi Indonesia terhadap Gross Domestic Product (GDP) (Berdasarkan tahun dasar 1993)
Rendahnya akumulasi kapital merupakan hambatan bagi suatu negara untuk melaksanakan pembangunan ekonomi sehingga harus dicari alternatif penyelesaiannya agar pembangunan bisa dapat terus berjalan. Tingkat akumulasi kapital yang rendah di negara-negara berkembang mendorong pemerintah negara bersangkutan mencari alternatif pembiayaan pembangunan, salah satunya ialah dengan pengembangan pasar modal. Pada negara-negara sedang berkembang, kapitalisasi pasar modal tumbuh dari 4 triliun USD menjadi 15,2 triliun USD dalam periode antara 1985-an sampai dengan periode 1994-an. Jumlah saham yang ditransaksikan juga meningkat dari 4 persen menjadi sekitar 13 persen dari total saham yang diperdagangkan di seluruh negara pada periode tahun 1985 sampai dengan tahun 1994. Aktivitas perdagangan pada negara-negara berkembang tergolong sangat cepat terlihat dari nilai saham-saham yang diperdagangkan pada pasar-pasar modal di negara-negara berkembang tersebut
17
meningkat, yang pada awalnya 3 persen dari 1,6 triliun USD total nilai saham dunia pada tahun 1985 menjadi 17 persen dari 9,6 triliun USD nilai seluruh saham dunia yang ditransaksikan pada tahun 1994. Keadaan ini menunjukkan tingkat pertumbuhan pasar modal dunia khususnya di negara berkembang yang sangat pesat. Pasar modal merupakan salah satu instansi yang bertujuan dan bisa juga menjadi salah satu usaha untuk mendemokrasikan ekonomi Indonesia. Perubahan produk domesik bruto riil yang mencerminkan pertumbuhan ekonomi Indonesia mengalami kenaikan secara bertahap dan mulai menunjukkan tanda-tanda pemulihan dalam struktur perekonomian Indonesia khususnya sektor finansial setelah sebelumnya dihantam krisis ekonomi yang berawal dari krisis finansial yang menjalar menjadi krisis multidimensi dan memporakporandakan fundamental ekonomi bangsa pada tahun 1997-1998. Perkembangan Produk Domestik Riil Indonesia pascakrisis dapat dilihat pada Gambar 1.2. miliar Rp 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 1999
2000
2001
2002
2003
2004
2005
2006
Periode
Sumber : Bank Indonesia, Statistik Ekonomi Keuangan Indonesia (1999-2006)
Gambar 1.2. Perkembangan Produk Domestik Bruto Riil Indonesia (Berdasarkan tahun dasar 2000) Perkembangan perekonomian dunia yang semakin cepat dan arus globalisasi dalam perekonomian yang semakin cepat memaksa pelaku ekonomi untuk memiliki respon yang jauh lebih cepat. Perkembangan teknologi
18
telekomunikasi dan perkembangan kapital membuat suatu perubahan besar dalam struktur perekonomian dunia yang bergerak ke arah internalisasi sistem perekonomian dunia termasuk sistem keuangannya. Kegiatan pasar modal merupakan kegiatan swasta yang mencari jalan keluar dalam menghadapi masalah-masalah pembiayaan usahanya. Politik ekonomi harus selalu diarahkan pada keadilan ekonomi, adil dan layak apabila masyarakat juga diberi kesempatan untuk ikut memiliki perusahaan dan industri melalui pasar modal. Pembangunan nasional memerlukan dana yang tidak sedikit. Dana yang diperlukan itu harus bertolak pada sumber-sumber dalam negeri untuk menunjukkan kemandirian suatu negara, sedangkan dana yang berasal dari luar negeri hanyalah sebagai pelengkap saja. Sumber dana dari dalam negeri berasal dari tabungan pemerintah maupun tabungan masyarakat. Sektor keuangan yang terdiversifikasi dengan baik merupakan kunci untuk mendukung tujuan pembangunan yang telah diuraikan oleh pemerintah Indonesia, yaitu peningkatan pertumbuhan ekonomi, penciptaan lapangan kerja yang lebih luas, dan perbaikan taraf hidup bagi rakyat Indonesia. Bank dan LKNB (Lembaga Keuangan Non Bank) merupakan kunci pokok untuk mencapai sistem keuangan yang sehat dan stabil, saling melengkapi dan menawarkan sinergi bagi stabilitas perekonomian Indonesia. Pembentukan pasar modal merupakan suatu usaha ke arah penghimpunan dana masyarakat untuk pembangunan sekaligus meningkatkan sumber-sumber tabungan masyarakat dengan demikian menambah sumber penghasilan secara nyata. Dalam melaksanakan pembangunan, sebagian besar kebutuhan dana pada prinsipnya harus bersumber dari potensi dalam negeri. Peranan swasta dalam
19
pembangunan diharapkan semakin membesar dalam pembangunan ekonomi sementara peran pemerintah hanyalah sebagai regulator. Tujuan utama pasar modal ialah sebagai sarana pembentukan modal dan akumulasi dana bagi pembiayaan pembangunan. Pasar modal merupakan salah satu sumber bagi pembangunan nasional selain tabungan pemerintah, kredit perbankan, penanaman modal asing (PMA), penanaman modal dalam negeri (PMDN), dan bantuan luar negeri. Pasar modal khususnya pasar saham memiliki beberapa tujuan diantaranya yaitu meningkatkan likuiditas dari aset finansial, membuat suatu diversifikasi resiko global yang lebih mudah bagi investor, keputusan kebijakan investasi yang lebih efektif dan bijaksana dikarenakan saving surplus berdasarkan informasi yang tersedia, menekan manajemen untuk bekerja lebih keras, dan penyaluran tabungan yang lebih besar untuk perusahaan. Pasar modal selain sebagai sumber dana bagi pembangunan yang berpotensi besar namun juga salah satu sarana investasi bagi masyarakat maupun dunia perbankan. Dengan bentuk investasi demikian akan mengurangi excess fund dan excess liabilities. Dengan demikian jumlah dana dari pasar modal untuk membiayai pembangunan akan meningkat dan pada gilirannya tingkat pertumbuhan ekonomi yang tinggi dapat tercapai dan mengurangi dana bantuan luar negeri. Pasar modal harus dapat dikembangkan dalam rangka menggairahkan partisipasi masyarakat dalam pengerahan dan penghimpunan dana untuk digunakan secara produktif dalam pembiayaan pembangunan nasional. Hal tersebut dijelaskan dalam Keppres No.52 Tahun 1976 tentang Pasar Modal, dan merupakan tonggak baru perkembangan pasar modal di Indonesia setelah sebelumnya selama 18 tahun dinyatakan tidak aktif. Pengaktifan
20
pasar modal tersebut dilatarbelakangi atas pertimbangan bahwa pasar modal ialah salah satu cara atau alat yang dapat dipergunakan untuk meningkatkan taraf hidup bangsa. Dunia perbankan pascakrisis jelas belum memiliki dampak yang besar terhadap perluasan investasi dan proses pembangunan pascakrisis tahun 1997 selain hanya menghabiskan 50 persen dari PDB untuk proses rekapitalisasi perbankan yang mengalami collapse. Selain itu ekspansi kredit investasi yang diberikan perbankan bagi dunia usaha tergolong lebih kecil dibandingkan masa sebelum krisis. Perbandingan total tabungan yang terhimpun pada perbankan, besarnya kredit investasi perbankan, dan total kredit yang diberikan oleh perbankan menunjukkan bahwa meskipun total kredit yang disalurkan meningkat setelah masa krisis dan rekapitalisasi perbankan, jumlah kredit untuk investasi cenderung tetap dan tidak mengalami perubahan yang berarti. Hal tersebut dapat dilihat pada Gambar 1.3. miliar Rp 1200000 Tabungan Kredit Investasi Total Kredit
1000000 800000 600000 400000 200000 0
99 19
00 20
01 20
02 20
03 20
04 20
05 20
06 20
07 20
periode
Sumber : Bank Indonesia (1999-2006)
Gambar 1.3. Perbandingan Total Tabungan, Total Kredit, dan Total Kredit Investasi pada Perbankan Nasional (1999-2006) Perbankan
lebih
memilih
memberikan
kredit
untuk
konsumsi
dibandingkan kredit untuk investasi. Selain pengalaman pahit masa krisis, belum
21
pulihnya fundamental ekonomi dan ketidakpastian juga menjadi pertimbangan utama perbankan dalam memberikan kreditnya untuk investasi. Keadaan ini membuat
korporasi
mengembangkan
sulit
usahanya
untuk
mendapatkan
sehingga
usaha
kredit
untuk
perbankan
untuk
mempercepat
proses
pembangunan terhambat. Untuk itu diperlukan suatu pembangunan peran lembaga keuangan non bank seperti pasar modal untuk mengatasi kebuntuan investasi. Menciptakan iklim yang sehat bagi dunia usaha mempunyai korelasi yang sangat luas terhadap pemerataan pendapatan, lapangan kerja, produktivitas nasional yang meningkatkan perluasan usaha baru untuk mengolah sendiri sumber-sumber kekayaan alam yang akan memperkokoh struktur ekonomi secara nasional dan mandiri. Pasar modal atau bursa saham Indonesia adalah suatu sumber potensi untuk pengembangan dunia usaha nasional. Pasar modal di dalam situasi dunia usaha yang berkembang baik mampu memobilisasi dana dan berperan dalam mendistribusikan kekayaan melalui mekanisme yang mampu berkembang dengan melipatgandakan transaksi jual beli saham atau obligasi di pusat maupun daerah. Pasar modal akan memberikan perusahaan suatu insentif kapital untuk mengembangkan perusahaannya yang dapat menyerap tenaga kerja dalam jumlah yang relatif besar sehingga tingkat pengangguran dapat ditekan dan bermuara pada pertumbuhan ekonomi yang lebih tinggi dan tingkat kesejahteraan yang lebih baik. Pasar modal adalah sarana mempertemukan pembeli dana dan penjual dana. Dalam masa pembangunan, salah satu masalah pokok yang dihadapi pemerintah, dalam rangka menjamin kesinambungan pembangunan nasional, adalah
bagaimana
mengusahakan
tersedianya
dana
bagi
pembiayaan
22
pembangunan nasional. Masalah tersebut jelas menyangkut satu hal penting yang juga
dihadapi oleh para
pengusaha
dalam
rangka
meningkatkan dan
mengembangkan usahanya. Hampir 80 persen sistem keuangan di Indonesia didominasi oleh sistem perbankan. Kehancuran perbankan pada periode krisis ekonomi tahun 1997 yang disebabkan rush (pengambilan dana secara besarbesaran) dan
tingginya NPL (non performing loan), menunjukkan bahwa
perlunya mengembangkan pasar modal dan sistem keuangan non bank lainnya untuk menghindari resiko yang sama pada saat periode krisis. Dengan adanya pasar modal minimal ekspansi kredit dapat diperkecil, sebab perusahaan yang memerlukan dana dapat mencarinya melalui penjualan saham atau pengeluaran obligasi. Sedang untuk masyarakat, daya tarik dan manfaat yang diperoleh ialah upaya untuk menambah nilai uang. Oleh karenanya pasar modal di Indonesia merupakan salah satu sumber pembangunan di samping sumber-sumber lain seperti tabungan pemerintah, kredit perbankan, PMA, PMDN, bantuan luar negeri dan reinvestasi dalam perusahaan. Pasar saham atau bursa efek memiliki peran yang besar dalam menentukan perkembangan pasar modal karena sebagian besar aktivitas pasar modal ialah dalam bentuk transaksi saham sehingga dapat disimpulkan bahwa pasar modal identik dengan pasar saham. Perkembangan pasar saham secara teoritis memiliki korelasi yang positif terhadap pertumbuhan ekonomi. Likuiditas, diversifikasi resiko dan investasi yang lebih produktif akan membawa pada pertumbuhan ekonomi yang lebih tinggi. Selain itu, harga saham merepresentasikan performa ekonomi dari suatu perusahaan, oleh karena itu manajemen perusahaan akan berusaha mengurangi inefisiensi, agency problem dan memaksimumkan
23
kesejahteraan pemegang saham. Hal ini mengindikasikan pula bahwa keuntungan dari perusahaan-perusahaan mempunyai dampak bagi pertumbuhan ekonomi. Kehadiran pasar saham di Indonesia harus dapat didayagunakan untuk memberikan manfaat bagi pemerintah, perusahaan, dan masyarakat. Bagi pemerintah
dampak
positifnya
ialah
pemupukan
modal
dalam
negeri,
memperkecil kemungkinan pelarian modal ke luar negeri dan disamping itu bermanfaat pula dalam hubungan dengan perbankan dalam mengendalikan ekspansi kredit yang selalu meningkat. Hingga pertengahan tahun 2005, jumlah investor pada pasar saham di Indonesia baru sekitar 300 ribu orang menurut laporan Kustodian Sentral Efek Indonesia (KSEI) dari 2 juta investor (1 persen dari 200 juta penduduk Indonesia) yang menjadi target Bursa Efek Jakarta untuk periode 2005-2008. Berbeda dengan negara-negara ASEAN lainnya seperti Singapura yang dihuni hanya 3.6 juta jiwa, sekitar satu juta penduduknya ialah investor yang aktif pada pasar saham. Malaysia dengan 25 juta jiwa penduduknya, tenyata memiliki 3.6 juta investor yang berinvestasi pada pasar saham dan Cina dengan 1.2 miliar penduduknya, ternyata memiliki sekitar 60 juta investor pada pasar sahamnya. Pasar Saham Indonesia merupakan pasar yang kurang aktif karena memiliki nilai transaksi perdagangannya yang relatif masih tergolong rendah yaitu sebesar US$ 130 juta pada Mei 2005. Feldman dan Kumar (1995) menyatakan bahwa pasar saham Indonesia merupakan pasar saham yang mempunyai kategori volatility (daya gejolak) yang lebih kecil dibandingkan dengan bursa saham di negara-negara lain. Pasar saham Indonesia memiliki kapitalisasi pasar saham terendah kedua dan paling rendah dalam hal persentase terhadap gross domestik product pada tahun
24
2005 dibandingkan negara-negara lain di Asia Tenggara seperti Malaysia, Thailand, dan Singapura. Perbandingan regional sektor keuangan beberapa negara di Asia Tenggara tersebut dapat dilihat pada Tabel 1.1. Tabel 1.1. Perbandingan Regional Sektor Keuangan
Sumber : Bank Dunia (2005)
Salah satu penyebab rendahnya kapitalisasi pasar tersebut adalah hancurnya bursa saham di Thailand menyebabkan contagion effect (dampak yang menjalar) pada bursa saham regional termasuk Indonesia sehingga terjadi aksi penjualan saham besar-besaran oleh investor asing sehingga berakibat pada penurunan harga saham secara drastis dan banyak perusahaan yang mengalami delisting dari bursa saham karena mengalami kebangkrutan. Tingginya capital outflow (pelarian modal dari dalam negeri) dari pasar saham menjadi awal krisis nilai tukar dan menyebabkan krisis ekonomi berkepanjangan di Indonesia Setelah tahun 1999, pasar saham secara bertahap menunjukkan peningkatan yang berarti yang ditandai dengan meningkatnya indeks harga saham gabungan. Peningkatan IHSG pada awal tahun 1999 disebabkan oleh beberapa faktor yaitu mulai menurunnya tingkat suku bunga, kepercayaan pasar yang mulai meningkat, dan boomingnya bursa-bursa saham regional. Selain itu masuknya Soros Fund Management, rasionalnya RAPBN, dan pencairan bantuan IMF
25
sebesar 1 miliar USD membawa dampak positif tersendiri bagi pasar saham. Perubahan indeks harga saham pascakrisis dapat dilihat pada Gambar 1.4. Indeks Harga Saham Gabungan (1999-2006) 2000
indekss
1500 1000 500 0 1999
2000
2001
2002
2003
2004
2005
2006
periode
Sumber : Bursa Efek Jakarta
Gambar 1.4. Indeks Harga Saham Gabungan (1999-2006) Dari Gambar 1.4, diketahui bahwa setelah periode krisis, IHSG sebagai lead indicator dari pasar saham mengalami tren naik sampai menembus level 1000 pada akhir periode 2004 bahkan menembus level 2000 pada kuartal pertama tahun 2007, yang merupakan rekor baru bagi Bursa Efek Jakarta. Peningkatan indeks harga saham tersebut mengindikasikan kepercayaan investor asing dan domestik yang meningkat terhadap kinerja perekonomian Indonesia dan merupakan efek dari pertumbuhan ekonomi tinggi yang dialami China dan India dalam beberapa tahun terakhir yang berpengaruh pada derasnya aliran dana internasional masuk ke kawasan Asia khususnya Asia Timur dan Asia Tenggara. Selain IHSG, kinerja pasar saham pascakrisis juga dapat dilihat dari perkembangan kapitalisasi pasar dan nilai saham yang diperdagangkan yang cenderung mengalami peningkatan sampai saat ini. Kapitalisasi pasar saham mengalami peningkatan pada awal periode tahun 1999 kemudian mengalami penurunan antara 2001-2003 yang salah satunya disebabkan oleh isu-isu politik
26
dan keamanan seperti isu terorisme yang mengguncang Amerika Serikat yang menimbulkan
dampak
negatif
terhadap
perekonomian di
negara-negara
berkembang seperti Indonesia. Tetapi setelah masa tersebut, kapitalisasi mengalami peningkatan yang kontinu hingga mencapai lebih dari 2000 triliun rupiah pada pertengahan tahun 2007, yang berarti ukuran pasar saham Indonesia mengalami peningkatan yang luar biasa. Likuiditas pasar saham pun mengalami peningkatan setelah tahun 2003 yang terlihat dari perbandingan nilai saham yang diperdagangkan dengan kapitalisasi pasar saham. Walaupun terjadi peningkatan, likuiditas dan volatilitas pasar saham Indonesia masih tergolong rendah bila dibandingkan pasar atau bursa saham lainnya. Hal tersebut dapat dilihat pada Gambar 1.5. Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan
Miliar Rpp
1400000 1200000
Nilai Perdagangan
1000000
Kapitalisasi
800000 600000 400000 200000 2006
2005
2004
2003
2002
2001
2000
1999
0
periode
Sumber : Bursa Efek Jakarta
Gambar 1.5. Perkembangan Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan 1.2.
Perumusan Masalah Kebijakan pengembangan pasar modal dipercaya dapat menstimulus
pertumbuhan ekonomi. Modal yang diperoleh dari pasar modal diharapkan dapat meningkatkan investasi negara yang bersangkutan, sehingga Gross Domestik Product (GDP) juga diharapkan meningkat. Kondisi pasar modal yang mengalami
27
pasang surut menunjukkan bahwa aktivitas bisnis di pasar modal memiliki keterkaitan erat dengan irama ekonomi makro. Dalam kegiatan ekonomi makro terkandung aspek produksi, pendapatan, pengeluaran, anggaran nasional, jumlah uang beredar dan neraca pembayaran. Perkembangan pasar modal di Indonesia akan membawa pada stabilitas aspek-aspek ekonomi makro. Pertumbuhan ekonomi makro biasanya, pertama, diukur dari pertumbuhan produk domestik bruto. Besarnya tingkat pertumbuhan ekonomi menunjukkan besarnya pertumbuhan dalam produksi barang dan jasa. Kegiatan investasi khususnya pada pasar modal sangat diperlukan untuk menunjang peningkatan dalam produksi dan pengembangan usaha yang selanjutnya memberikan dampak yang kontributif bagi pertumbuhan ekonomi yang berkelanjutan. Sebaliknya jika tingkat investasi di pasar modal rendah, maka akan memberikan dampak yang negatif bagi perkembangan usaha di Indonesia sehingga akan berpengaruh pada pertumbuhan ekonomi yang berkelanjutan. Sebagai contoh, dapat terlihat dari kasus yang dialami oleh Thailand dimana indeks bursa Thailand terus mengalami penurunan dimulai tahun 1996 dan menyebabkan pertumbuhan ekonomi Thailand yang mengalami penurunan drastis. Walaupun pasar modal pada negara-negara berkembang memiliki porsi yang kecil terhadap perekonomian negara-negara tersebut tetapi memiliki dampak yang besar bagi stabilitas makroekonomi karena tingkat mobilitas dana yang tinggi pada pasar modal dapat berpengaruh secara langsung pada indikator-indikator makro lainnya seperti nilai tukar, inflasi, neraca perdagangan, neraca pembayaran, dan produk nasional bruto. Tingkat perkembangan pasar modal mengindikasikan tingkat kepercayaan investor atau pemilik dana terhadap perekonomian suatu negara. Oleh karena itu perkembangan
28
pasar modal sangat diperlukan dalam mendorong pertumbuhan ekonomi. Peran pemerintah sebagai regulator juga sangat diperlukan untuk menunjang terselenggaranya pasar modal yang atraktif, modern, dan berkontribusi besar bagi peningkatan fundamental ekonomi bangsa. Perkembangan pasar modal dapat menambah ketersediaan modal bagi dunia usaha, tetapi dalam beberapa periode terakhir terlihat secara kasat mata bahwa meningkatnya aktivitas pada sektor finansial khususnya pasar modal belum mampu mendorong sektor riil untuk ikut meningkat. Bahkan sektor riil semakin terpuruk ditengah boomingnya sektor finansial. Terlihat hubungan yang semakin terpisah antara sektor riil yang merupakan fundamental ekonomi bangsa dengan sektor finansial sebagai penyedia jasa keuangan untuk sektor riil. Perkembangan sektor finansial khususnya pasar modal yang cenderung pesat memang diikuti dengan pertumbuhan ekonomi yang juga meningkat akan tetapi apabila dilihat kualitasnya, pertumbuhan ekonomi yang meningkat tersebut lebih dari 60 persen didominasi oleh aktivitas konsumsi bukan aktivitas investasi yang merupakan aktivitas turunan dari pasar modal. Sehingga pertumbuhan ekonomi Indonesia dapat dikatakan masih memiliki horizon jangka pendek. Berdasarkan uraian diatas terdapat beberapa permasalahan yang menarik untuk dikaji lebih lanjut, diantaranya : 1. Bagaimana pengaruh perkembangan pasar modal terhadap investasi riil di Indonesia? 2. Bagaimana pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi Indonesia?
29
1.3.
Tujuan Berdasarkan latar belakang dan perumusan masalah, maka tujuan dari
penelitian ini adalah sebagai berikut : 1. Menganalisis pengaruh perkembangan pasar modal terhadap investasi riil di Indonesia. 2. Menganalisis pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi Indonesia.
1.4.
Kegunaan Penelitian ini diharapkan dapat memberikan manfaat bagi para pemegang
kebijakan dan masyarakat pada umumnya. Manfaat atau kegunaan yang diharapkan dari penelitian ini diantaranya yaitu memberikan masukan kepada pemegang kebijakan mengenai dampak perkembangan pasar modal terhadap investasi dan pertumbuhan ekonomi, selain itu penelitian ini juga diharapkan dapat memberikan gambaran mengenai karakteristik dari pasar modal di Indonesia. Manfaat dan kegunaan lain yang diharapkan dari penelitian ini adalah memberikan informasi kepada para pemegang kebijakan dalam mengeluarkan alat kebijakan yang tepat dalam meningkatkan perkembangan pasar modal.
30
II. TINJAUAN PUSTAKA
2.1.
Teori Investasi Investasi adalah penempatan sejumlah dana dengan harapan dapat
memelihara, menaikkan nilai, atau memberikan return yang positif (Sutha, 2000). Investasi adalah penanaman uang dengan harapan mendapat hasil dan nilai tambah (Webster, 1999). Menurut Lypsey (1997), investasi adalah pengeluaran barang yang tidak dikonsumsi saat ini dimana berdasarkan periode waktunya, investasi terbagi menjadi tiga diantaranya adalah investasi jangka pendek, investasi jangka menengah, dan investasi jangka panjang. Investasi merupakan komitmen sejumlah dana pada suatu periode untuk mendapatkan pendapatan yang diharapkan di masa yang akan datang sebagai unit kompensasi. Unit yang diinvestasikan mencakup waktu yang digunakan, tingkat inflasi yang diharapkan dan ketidakpastian masa mendatang. Menurut Sumanto (2006), investasi merupakan komitmen sejumlah dana suatu periode untuk mendapatkan pendapatan yang diharapkan di masa yang akan datang sebagai kompensasi unit yang diinvestasikan. Sedangkan Husnan dalam Anoraga dan Pakarti (2006) mendefinisikan investasi sebagai penggunaan uang dengan maksud memperoleh penghasilan. Investasi merupakan penanaman modal di dalam perusahaan, dengan tujuan agar kekayaan suatu korporasi atau perusahaan bertambah. Investasi juga didefinisikan sebagai barang-barang yang dibeli oleh individu ataupun perusahaan untuk menambah persediaan modal mereka (Mankiw, 2000).
31
2.2.
Pasar Modal dan Bursa Efek Pasar modal adalah suatu bidang usaha perdagangan surat-surat berharga
seperti saham, sertifikat saham dan obligasi (efek-efek). Motif utama dari pasar modal tersebut adalah masalah kebutuhan modal bagi perusahaan yang ingin lebih memajukan usahanya dengan menjual sahamnya kepada pemilik dana, investor, baik perorangan maupun lembaga usaha. Wai dan Patrick dalam Departemen Penerangan (1984) dengan sebuah paper IMF yang berjudul “Such or Bond Investment and Capital Markets on Less Developed Countries” menjelaskan beberapa pengertian pasar modal, yaitu : 1. Definisi luas Pasar modal ialah kebutuhan sistem keuangan yang terorganisir, termasuk bank-bank komersil dan semua perantara di bidang keuangan, serta surat-surat kertas berharga atau klaim, jangka panjang dan pendek, primer dan yang tidak langsung. 2. Definisi dalam arti menengah Pasar modal ialah semua pasar yang terorganisir dan lembaga-lembaga yang memperdagangkan warkat-warkat kredit (biasanya berjangka lebih dari 1 tahun) termasuk saham-saham, obligasi-obligasi, pinjaman berjangka hipotik dan tabungan serta deposito berjangka. 3. Definisi dalam arti sempit Pasar modal adalah tempat pasar terorganisir yang memperdagangkan saham-saham dan obligasi-obligasi dengan memakai jasa makelar, komisioner, dan para underwriter
32
Secara umum pengertian pasar modal ialah pasar abstrak yang juga sekaligus konkrit dimana yang diperjualbelikan adalah dana-dana jangka panjang (abstrak) yakni, dana-dana yang berjangka lebih dari satu tahun, dalam bentuk surat-surat berharga di bursa efek (konkrit). Bogen dalam Departemen Penerangan (1984) dalam bukunya ”Financial Handbook” mengatakan yang dimaksud dengan bursa efek adalah suatu sistem yang terorganisir dengan mekanisme resmi untuk temukan penjual dan pembeli efek secara langsung atau melalui wakil-wakilnya. Selain itu Leffler dalam Departemen Penerangan (1984) dengan bukunya ”Stockmarket” menjelaskan beberapa fungsi dari bursa efek dan pasar saham ialah, 1. Menciptakan pasar secara terus menerus bagi efek yang telah ditawarkan kepada masyarakat (efek yang telah dimiliki umum), 2. Untuk menciptakan harga yang wajar bagi efek yang bersangkutan melalui mekanisme penawaran dan permintaan, 3. Untuk membantu pembelanjaan dunia usaha. Pasar modal adalah pasar atau tempat bertemunya pihak yang menawarkan dan memerlukan dana jangka panjang lebih dari satu tahun (Anoraga dan Pakarti, 2006) mengatakan bahwa pasar modal adalah pasar untuk berbagai instrumen keuangan (sekuritas) jangka panjang yang dapat diperjualbelikan, baik dalam bentuk utang maupun modal sendiri, baik yang diterbitkan pemerintah, public authorities maupun perusahaan swasta. Tujuan pasar modal diantaranya mempercepat proses ikut sertanya masyarakat dalam kepemilikan saham perusahaan swasta menuju pemerataan pendapatan masyarakat, dan menggairahkan partisipasi masyarakat dalam
33
pergerakan dana dan penggunaannya secara produktif untuk pembiayaan pembangunan nasional (Rusdin, 2006). Pasar modal menjalankan fungsi ekonomi yaitu menyediakan fasilitas untuk memindahkan dana dari pihak yang memiliki dana kepada pihak yang memerlukan dana, sedangkan fungsi keuangan dari pasar modal yaitu menyediakan sarana bagi pihak yang memerlukan dana dan pihak yang berkelebihan dana tanpa harus terlibat langsung dalam kepemilikan aktual riil yang diperlukan untuk investasi. Pasar modal memiliki dua daya tarik, yaitu pasar modal diharapkan menjadi alternatif penghimpunan dana selain sistem perbankan dan pasar modal memungkinkan para pemodal mempunyai berbagai pilihan investasi yang sama dengan preferensi resiko mereka (Husnan dalam Anoraga dan Pakarti, 2006). Undang-Undang No.8 Tahun 1995 menjelaskan bahwa bursa efek adalah pihak yang menyelenggarakan dan menyediakan sistem dan atau sarana untuk mempertemukan penawaran jual dan beli efek kepada pihak-pihak lain dengan tujuan memperdagangkan efek diantaranya. Menurut Putra (2002), bursa efek adalah sistem yang terorganisasi dengan mekanisme resmi untuk mempertemukan penjual dan pembeli secara langsung atau melalui wakil-wakilnya. Menurut Darmadji dan Fakhrudin (2006) , bursa efek mempunyai tugas yang harus dilakukan pada calon investor agar dapat menjadikan bursa efek lebih dikenal oleh publik, yaitu : 1. Menyediakan sarana perdagangan efek, 2. Mengupayakan likuiditas instrumen yaitu mengalirnya dana secara cepat pada efek-efek yang dijual, 3. Menyebarluaskan informasi bursa ke seluruh lapisan masyarakat,
34
4. Memasyarakatkan pasar modal untuk menarik investor dan perusahaan yang go public, dan 5. menciptakan instrumen dan jasa baru. Sedangkan sebagai Self Regulatory Organization (SRO), menurut Darmadji dan Fakhrudin (2006), bursa efek memiliki tugas sebagai berikut: 1. Membuat peraturan yang berkaitan dengan kegiatan bursa, 2. Mencegah praktek transaksi yang dilarang melalui pelaksanaan fungsi pengawasan, dan 3. Ketentuan bursa efek mempunyai kekuatan hukum yang mengikat bagi pelaku pasar modal.
2.3.
Obligasi dan Saham Menurut Rusdin (2006), obligasi adalah sertifikat yang berisi kontrak
antara investor dan perusahaan, yang menyatakan bahwa investor tersebut atau pemegang obligasi telah meminjamkan sejumlah uang kepada perusahaan. Perusahaan yang menerbitkan obligasi mempunyai kewajiban untuk membayar bunga secara reguler sesuai dengan jangka waktu yang telah ditetapkan serta pokok pinjaman pada saat jatuh tempo. Obligasi merupakan surat utang yang berjangka waktu lebih dari satu bulan dan memiliki tingkat suku bunga yang berubah-ubah. Surat hutang ini dikeluarkan oleh perusahaan dengan tujuan menarik dana dari masyarakat yang dapat digunakan untuk pembiayaan perusahaan atau oleh pemerintah untuk keperluan anggaran belanja. Saham adalah bukti kepemilikan bagian modal perseroan yang memberikan berbagai hak menurut ketentuan undang-undang. Menurut Rusdin
35
(2006), saham ialah sertifikat yang menunjukkan bukti kepemilikan status perusahaan, dan pemegang saham memiliki hak klaim atas penghasilan dan aktiva perusahaan. Dalam prakteknya terdapat beberapa saham yang diperdagangkan, dibedakan menurut cara peralihan dan manfaat yang diperoleh bagi pemegang saham. Nilai saham terbagi atas 3 jenis, yaitu: 1. Nilai Nominal (Nilai Pari), yaitu nilai yang tercantum dalam sertifikat saham yang bersangkutan, di Indonesia saham yang diterbitkan harus memiliki nilai nominal dan untuk satu jenis saham yang sama pada suatu perusahaan harus memiliki satu jenis nilai nominal. 2. Nilai Dasar, yaitu nilai yang ditentukan dari harga perdana saat saham tersebut diterbitkan, harga dasar ini akan berubah sejalan dengan dilakukannya berbagai tindakan emiten yang berhubungan dengan saham, antara lain : Right Issue, Stock Split, ataupun Waran. 3. Nilai Pasar, yaitu harga suatu saham pada pasar yang sedang berlangsung, jika bursa sudah tutup maka harga pasar saham tersebut adalah harga penutupannya. Berdasarkan atas cara peralihan, saham dibedakan menjadi dua, yaitu saham atas unjuk (Bearer Stock) dan saham atas nama (Registered stock). 1. Saham atas unjuk (Bearer Stock), adalah saham yang tidak ditulis nama pemiliknya, agar mudah dipindahtangankan dari satu investor ke investor yang lain. 2. Saham atas nama (Registered Stock), adalah saham yang ditulis dengan jelas siapa pemiliknya. Dimana cara pengalihannya harus melalui prosedur tertentu, yaitu dengan dokumen peralihan dan kemudian nama pemiliknya dicatat
36
dalam buku perusahaan yang khusus membuat daftar nama pemegang saham. Apabila terjadi kehilangan, pemegang saham tersebut dengan mudah mendapat penggantinya. Berdasarkan manfaat yang diperoleh pemegang saham, saham dibedakan menjadi : 1. Saham biasa (Common Stock) Saham biasa merupakan jenis efek yang paling sering dipergunakan oleh emiten untuk memperoleh dana dari masyarakat dan juga merupakan jenis yang paling popular di pasar modal. 2. Saham Preferen (Preferred Stock) Saham preferen adalah bentuk gabungan antara obligasi dan saham biasa. Jenis saham ini sering disebut dengan sekuritas campuran. Saham preferen sama dengan saham biasa karena tidak memiliki tanggal jatuh tempo dan juga mewakili kepemilikan dari modal. Di lain pihak saham preferen sama juga dengan obligasi karena jumlah atas devidennya tetap selama masa berlaku dari saham, memiliki klaim atas laba dan aktiva sebelumnya, memiliki hak tebus, dan dapat dipertukarkan dengan saham biasa. 3. Participating Preferred Stock Saham ini disamping memperoleh deviden tetap seperti yang telah ditentukan juga memperoleh extra deviden apabila perusahaan dapat mencapai sasaran yang telah ditetapkan. Besaran deviden jenis ini lebih kecil dari jenis saham preferen lainnya.
37
2.4. Indeks Harga Saham Gabungan Kegiatan pasar modal tidak terlepas dari apa yang disebut dengan indeks harga saham. Menurut Sutha (2000), harga saham merefleksikan seluruh informasi yang tersedia dan hal ini mengurangi kebutuhan yang mahal dan pengamatan yang rumit untuk mendapatkan informasi tambahan. Informasi yang tersedia dan efisien akan menghasilkan harga saham yang akurat dan hal ini akan memicu investasi yang lebih baik sebagai akibat dari perilaku investor yang lebih rasional dan selanjutnya akan menyebabkan pengalokasian dana perusahaan yang lebih baik dan pertumbuhan ekonomi yang lebih tinggi. Menurut Anoraga dan Pakarti (2006), indeks harga adalah suatu angka yang digunakan untuk membandingkan suatu peristiwa dengan suatu peristiwa lainnya. Demikian juga dengan indeks harga saham, indeks disini akan membandingkan perubahan harga saham dari waktu ke waktu. Apakah suatu harga saham mengalami penurunan atau kenaikan dibandingkan dengan suatu waktu tertentu. Penentuan indeks harga saham, bisa dibedakan menjadi dua, yaitu yang disebut dengan Indeks Harga Saham Individu dan Indeks Harga Saham Gabungan. Indeks Harga Saham Individu hanya menunjukkan perubahan dari suatu harga saham suatu perusahaan. Indeks ini tidak bisa untuk mengukur harga dari suatu saham perusahaan tertentu apakah mengalami perubahan, kenaikan, atau penurunan. Atau bisa dikatakan bahwa indeks individual saham merupakan suatu nilai yang mempunyai fungsi mengukur kinerja kerja suatu saham tertentu terhadap harga dasarnya. Sedangkan untuk Indeks Harga Saham Gabungan (IHSG) akan menunjukkan pergerakan harga saham secara umum yang tercatat di bursa efek. Indeks inilah yang paling banyak digunakan dan dipakai sebagai acuan
38
tentang perkembangan kegiatan pasar modal. IHSG ini bisa untuk menilai situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan. Indeks harga ini melibatkan seluruh harga saham yang tercatat di bursa.
2.5.
Pertumbuhan Ekonomi Menurut
Irawan
dan
Suparmoko
(1999),
istilah
pertumbuhan,
perkembangan dan pembangunan sering digunakan secara bergantian, tetapi mempunyai maksud yang sama, terutama dalam pembicaraan-pembicaraan mengenai masalah ekonomi. Apabila kedua istilah itu digunakan bersama maka akan mempunyai pengertian masing-masing yang lebih khusus. Dikatakan ada pertumbuhan ekonomi apabila terdapat lebih banyak output, dan terjadinya perkembangan atau pembangunan ekonomi bila tidak hanya terdapat lebih banyak output, tetapi juga perubahan-perubahan dalam kelembagaan dan pengetahuan teknik dalam menghasilkan output yang lebih banyak. Pertumbuhan dapat meliputi penggunaan input lebih banyak dan lebih efisien, yaitu adanya kenaikan output per satuan input, dengan kata lain, dengan kesatuan input dapat menghasilkan output yang lebih banyak. Pembangunan atau perkembangan ekonomi menunjukkan perubahan-perubahan dalam struktur output dan alokasi input pada berbagai sektor perekonomian disamping kenaikan output. Pada umumnya perkembangan atau pembangunan selalu disertai dengan pertumbuhan, tetapi
pertumbuhan
perkembangan.
belum
tentu
disertai
dengan
pembangunan
atau
39
Menurut Arsyad (1999), pada umumnya para ekonom memberikan pengertian yang sama untuk istilah pembangunan ekonomi dan pertumbuhan ekonomi. Mereka mengartikan pertumbuhan atau pembangunan ekonomi sebagai kenaikan GDP atau GNP saja. Dalam penggunaan yang lebih umum, istilah pertumbuhan ekonomi biasanya digunakan untuk menyatakan perkembangan ekonomi di negara-negara maju, sedangkan istilah pembangunan ekonomi untuk menyatakan perkembangan ekonomi di negara sedang berkembang. Namun ada beberapa ekonom yang membedakan pengertian pembangunan ekonomi (economic development) dengan pertumbuhan ekonomi (economic growth). Para ekonom yang membedakan kedua pengertian tersebut mengartikan istilah pembangunan ekonomi sebagai peningkatan pendapatan per kapita masyarakat yaitu tingkat pertumbuhan GDP atau GNP pada suatu tahun tertentu adalah melebihi tingkat pertumbuhan penduduk, atau perkembangan GDP atau GNP yang terjadi dalam suatu negara dibarengi oleh perombakan dan modernisasi struktur ekonominya, sedangkan pertumbuhan ekonomi diartikan sebagai kenaikan GDP atau GNP tanpa memandang apakah kenaikan itu lebih besar atau lebih kecil dari tingkat pertumbuhan penduduk, atau apakah perubahan struktur ekonomi terjadi atau tidak.
2.6.
Perkembangan Pasar Modal dan Model Solow Perkembangan pasar modal ditujukan untuk menstimulus investasi yang
dapat meningkatkan akumulasi kapital di dalam negeri sehingga dapat meningkatkan perekonomian nasional. Modal yang diperoleh dari pasar modal, tentunya dapat meningkatkan modal di dalam negeri. Peningkatan modal di dalam
40
negeri tentunya dimanfaatkan oleh perusahaan-perusahaan tersebut untuk melakukan ekspansi sehingga dapat meningkatkan output nasional dan tentunya akan mendorong pertumbuhan ekonomi. Berdasarkan Gambar 2.1, ketika ada modal masuk yang diperoleh dari perkembangan pasar modal akan pembentukan modal tetap dalam negeri meningkat dari k1 ke k2 (diasumsikan perkembangan pasar modal disebabkan oleh peningkatan penawaran saham baru). Peningkatan modal ini tentunya akan meningkatkan kemampuan perusahaan untuk berinvestasi lebih besar pada sektorsektor yang produktif sehingga terjadi efek yang positif pada pembangunan perekonomian dalam negeri. Peningkatan pada pembangunan ekonomi tentunya akan meningkatkan output nasional, dan peningkatan output tentunya akan mendorong pertumbuhan ekonomi (Mankiw, 2000). Investasi & Penyusutan Penyusutan, δk Output, f(k) Investasi, s2f(k) Investasi, s1f(k)
k1
k2
Modal per Pekerja, k
Sumber : (Mankiw, 2000)
Gambar 2.1. Model Solow
2.7.
Penelitian Sebelumnya Menurut penelitian yang dilakukan Levine dan Zervos (1998), menyatakan
bahwa ada hubungan positif dan korelasi yang signifikan antara pengembangan
41
pasar saham dan pertumbuhan ekonomi jangka panjang, bagaimanapun juga penelitiannya melalui pendekatan cross-section dan memiliki keterbatasan secara empiris dalam menangkap efek yang spesifik dari suatu negara. Penelitian yang dilakukan Goldsmith (1969), McKinnon (1973), Shaw (1973) menunjukkan bahwa intermediasi finansial baik melalui lembaga keuangan (bank) ataupun pasar saham berkorelasi dengan performa ekonomi. Menurut Levine (1991), bahwa terdapat hubungan atau korelasi yang positif antara pasar saham dengan investasi aset riil, karena peningkatan likuiditas saham akan meningkatkan minat investor untuk menanamkan dananya di pasar saham, hal ini akan memotivasi perusahaan-perusahaan untuk go-public dan pada akhirnya akan meningkatkan investasi pada barang-barang modal. Menurut Smith (1991), bahwa terdapat hubungan yang negatif antara likuiditas di pasar saham dengan proporsi tabungan (propensity to save). Semakin menariknya pasar saham karena likuiditas yang semakin meningkat akan membuat para pemilik dana lebih memilih untuk menginvestasikan dananya di pasar saham dibandingkan dengan menyimpan dana tersebut dalam bentuk tabungan atau deposito di bank. Selain itu terdiversifikasinya resiko di pasar saham juga mempunyai efek yang buruk pada tabungan domestik. Greenwood dan Smith (1996), dalam penelitiannya juga mengatakan bahwa pasar saham memperkecil biaya dari mobilisasi saving (tabungan atau dana) dan pengalokasian investasi pada sektor yang secara teknologi paling produktif. Selain itu Obstfeld (1994), menyatakan bahwa pembagian resiko secara internasional melalui pasar saham internasional yang terintegrasi dapat meningkatkan alokasi sumber daya dan mempercepat pertumbuhan. Bencivenga,
42
et. Al (1996) dan Levine(1991) telah menyatakan bahwa likuiditas pasar saham (kemampuan untuk bertransaksi lebih mudah khususnya dalam pencairan saham) merupakan salah satu kunci pertumbuhan ekonomi. Walaupun investasi yang menguntungkan membutuhkan komitmen modal jangka panjang tetapi pemilik modal (dana) lebih menyukai untuk tidak berinvestasi untuk periode yang lama. Pasar modal yang memiliki likuiditas tinggi mempermudah investor karena menyediakan aset yang mudah untuk dicairkan kapan saja, sementara itu secara bersamaan memberikan akses permanen pada modal yang meningkat atas penjualan saham tersebut. Likuiditas juga meningkatkan insentif bagi investor dalam hubungannya untuk memperoleh informasi pada perusahaan dan meningkatkan kinerja manajemen perusahaan dengan demikian pertumbuhan ekonomi dapat meningkat. Menurut Hicks (1969), penemuan teknologi baru tidak meningkatkan revolusi industri di Inggris pada abad ke-18. Sebagian besar inovasi yang terdapat pada awal tahap revolusi industri telah ditemukan jauh sebelumnya. Sehingga pasar finansial yang memiliki likuiditas yang tinggi memiliki kemungkinan kemampuan untuk mengembangkan proyek yang memerlukan suntikan modal yang besar untuk waktu yang lama sebelum proyek tersebut menghasilkan laba. Tanpa pasar modal yang liquid, pemilik dana akan tidak memiliki minat untuk berinvestasi pada proyek besar jangka panjang yang merupakan faktor penentu revolusi industri dan percepatan pertumbuhan ekonomi. Bencivenga, et.al (1996) mengatakan bahwa keberhasilan revolusi industri harus menunggu tercapainya revolusi finansial. Peran likuiditas pasar saham dalam meningkatkan asimetris
43
informasi menciptakan suatu masalah free-rider yang mengurangi insentif bagi investor untuk melakukan pengamatan yang mahal. Kunt dan Levine (1996), melakukan penelitian tentang pengaruh dari likuiditas pada pasar saham terhadap pertumbuhan ekonomi. Hasil yang didapat ialah bahwa peningkatan likuiditas dari saham akan menghambat tingkat pertumbuhan melalui tiga cara, yaitu : 1. Mengurangi tingkat tabungan melalui pendapatan dan efek substitusi, 2. Dengan mengurangi ketidakpastian yang berhubungan dengan investasi maka pasar saham yang memiliki likuiditas tinggi akan mengurangi tingkat tabungan karena lebih besarnya ketidakpastian pada tabungan, 3. Likuiditas yang tinggi pada pasar saham akan meningkatkan investor teknikal yang
akan
mengurangi
kinerja
perusahaan yang
akan
mengurangi
pertumbuhan ekonomi. Jensen dan Murphy (1990), mengatakan bahwa pada pasar saham yang sempurna (berkembang baik) akan mengikat para manajer pada tanggung jawab kompensasi atas saham sehingga menghasilkan suatu perangsang untuk terciptanya alokasi sumberdaya yang efisien sehingga akan berdampak positif pada pertumbuhan ekonomi. Penelitian lain yg dilakukan oleh Levine, Loayza, dan Beck, bertujuan untuk melihat kausalitas dan menampilkan fakta mengenai penentu
perkembangan
sektor
keuangan
dan
pengaruhnya
terhadap
perekonomian. Teknik yang digunakan adalah regresi dengan menggunakan data cross sectional 71 negara pada periode analisis 1960-1995. Selain itu, Nieuwerburgh, Buelens, dan Cuyvers (2005) melakukan penelitian yang bertujuan untuk melihat hubungan jangka panjang antara pertumbuhan pasar finansial
44
terhadap pertumbuhan ekonomi Belgia. Data yang digunakan merupakan data indikator pasar modal sebagai pendekatan dari pasar finansial agar dapat melihat dampak dari pasar finansial tersebut terhadap perekonomian. Mereka menemukan bukti yang kuat bahwa perkembangan pasar modal berpengaruh terhadap perekonomian Belgia, khususnya untuk periode antara 1873-1914.
2.8.
Kerangka Pemikiran Alur pemikiran penelitian dapat dijelaskan oleh diagram alur sebagai
berikut,
Ket : (
), tidak dibahas dalam penelitian ini
Gambar 2.2. Kerangka Pemikiran Penelitian Perkembangan pasar modal dipengaruhi oleh beberapa indikator pasar modal seperti nilai kapitalisasi, nilai saham yang ditransaksikan, dan indeks harga
45
saham. Perubahan dari variabel-variabel tersebut akan berpengaruh pada stabilitas perekonomian maupun stabilitas politik dan keamanan Indonesia yang merefleksikan tingkat kepercayaan pelaku ekonomi terhadap kondisi domestik. Perkembangan
pasar
modal
akan
berpengaruh
pada
indikator-indikator
makroekonomi seperti nilai tukar riil, investasi riil, tingkat inflasi, dan juga pertumbuhan ekonomi yang diukur berdasarkan produk domestik bruto riil. Pada perekonomian yang terbuka, perkembangan pasar modal yang positif akan direspon oleh investor asing dengan pembelian efek atau saham di bursa sehingga terjadi capital inflow yang membawa nilai tukar pada tahap apresiasi, begitupun sebaliknya. Selain itu perkembangan pasar modal yang meningkat akan membawa perusahaan-perusahaan permodalan yang lebih kuat karena dana yang terhimpun untuk kebutuhan investasi meningkat sehingga pengembangan usaha melalui investasi pada sektor-sektor yang lebih luas dapat meningkat dan hal ini mengindikasikan peningkatan investasi riil. Sebaliknya jika tingkat perkembangan pasar modal tergolong rendah maka akan menurunkan tingkat investasi riil. Peningkatan investasi riil sangat diperlukan dalam usaha meningkatkan output nasional dan mengurangi tingkat pengangguran melalui pembukaan lapangan kerja yang lebih luas. Perkembangan pasar modal juga diperlukan dalam mengurangi tingkat inflasi karena perkembangan pasar modal mengindikasikan perekonomian yang berada
pada
kondisi
derived
supply,
sehingga
bersifat
anti-inflatoir.
Perkembangan pasar modal yang tinggi akan membawa perekonomian pada surplus neraca pembayaran karena tingkat aliran dana yang berasal dari luar negeri lebih cepat dibandingkan tingkat aliran barang, sehingga terjadi balance of
46
payment surplus. Pada akhirnya perubahan nilai tukar, investasi riil, tingkat inflasi, dan neraca pembayaran akan berpengaruh pada pertumbuhan ekonomi dan menghasilkan trickle down-effect yang bermuara pada perbaikan tingkat kesejahteraan masyarakat secara keseluruhan.
2.9.
Hipotesis Penelitian mengenai Analisis Pengaruh Perkembangan Pasar Modal
Terhadap Pertumbuhan Ekonomi di Indonesia memiliki hipotesis-hipotesis yang ingin dijawab pada penelitian ini, yaitu : 1. Investasi riil memiliki hubungan positif yang signifikan terhadap pertumbuhan ekonomi Indonesia karena investasi mempunyai hubungan langsung terhadap pembentukan pendapatan nasional Indonesia. 2. Tingkat kapitalisasi pasar saham memiliki hubungan positif yang signifikan terhadap investasi riil dan pertumbuhan ekonomi Indonesia. Kapitalisasi saham dapat mengindikasikan adanya peningkatan jumlah saham maupun jumlah emiten yang berarti adanya aliran dana segar bagi investasi pada emiten-emiten tersebut yang secara agregat dapat mempengaruhi terhadap pertumbuhan ekonomi. 3. Nilai saham yang diperdagangkan memiliki hubungan positif yang signifikan terhadap investasi riil terhadap pertumbuhan ekonomi Indonesia. Perubahan nilai saham yang diperdagangkan mencerminkan likuiditas pasar saham, semakin besar likuiditas pasar saham akan meningkatkan ketertarikan investor terhadap pasar saham sehingga meningkatkan kinerja bursa, investasi dan pendapatan nasional.
47
4. Indeks Harga Saham Gabungan (IHSG) memiliki hubungan yang positif dan signifikan terhadap investasi riil dan pertumbuhan ekonomi Indonesia. IHSG sebagai lead indicator mengindikasikan stabilitas perekonomian suatu negara dan optimisme terhadap kondisi ekonomi, yang akan
membawa pada
peningkatan investasi baik secara langsung maupun pada portofolio saham sehingga pertumbuhan ekonomi dapat meningkat.
48
III. METODOLOGI PENELITIAN
3.1.
Jenis dan Sumber data Jenis data yang digunakan dalam penelitian merupakan data sekunder
berupa data time series dari bulan Januari 1999 sampai dengan Desember 2006 yang diperoleh dari berbagai sumber, antara lain data-data statistik yang berasal dari Bursa Efek Jakarta (BEJ) dan Bank Indonesia (BI). Data yang digunakan adalah produk domestik bruto riil (PDBR) yang merefleksikan pertumbuhan ekonomi, investasi riil (INVR) yang merefleksikan tingkat akumulasi kapital, kapitalisasi pasar saham (KAP) yang merefleksikan ukuran pasar saham, nilai saham yang diperdagangkan (NSP) yang merefleksikan likuiditas dari pasar saham, indeks harga saham (IHSG) yang merefleksikan perubahan harga saham secara umum dan nilai tukar riil (RER). Tabel 3.1. Data, Satuan, Simbol dan Sumber Data No 1 2 3 4 5 6
Jenis Data Produk Domestik Bruto Riil Investasi Riil Nilai Kapitalisasi Pasar Saham Nilai Saham yang Diperdagangkan Indeks Harga Saham Nilai Tukar Riil
Satuan Miliar Rupiah Miliar Rupiah Miliar Rupiah Miliar Rupiah Rp/USD
Simbol GDPR INVR KAP NSP IHSG RER
Sumber BI BI BEJ BEJ BEJ BI
Sumber : BI dan BEJ (2007) berdasarkan tahun dasar 2000 Catatan : Data PDBR, INVR, dan RER yang digunakan telah mengalami proses disagregasi (interpolasi) dalam mengakomodir fluktuasi pasar modal yang tergolong cepat.
3.2.
Metode Pengolahan dan Analisis Data Penelitian ini akan menggunakan alat analisis Vector Autoregression
(VAR) jika data yang digunakan stasioner dan tidak terkointegrasi atau dengan menggunakan alat analisis Vector Error Correction Model (VECM) jika data yang digunakan stasioner namun terkointegrasi.
49
Vector
Autoregression (VAR)
adalah salah
satu bentuk model
ekonometrika yang menjadikan suatu peubah sebagai fungsi linier dari konstanta dan lag dari peubah itu sendiri serta nilai lag dari peubah lain yang terdapat dalam suatu sistem persamaan tertentu. Keunggulan metode VAR dibandingkan dengan metode ekonometri konvensional ialah : 1. Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks (multivariat), sehingga dapat menangkap hubungan keseluruhan variabel di dalam persamaan itu. 2. Uji VAR yang multivariat bisa menghindari parameter yang bias akibat tidak dimasukkannya variabel yang relevan. 3. Uji VAR dapat mendeteksi hubungan antar variabel di dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogenous. 4. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan palsu (spurious variable endogenty and exogenty) di dalam model ekonometri konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Namun model VAR juga memiliki banyak kritik sehingga terdapat beberapa kelemahan. Menurut Gujarati (2003), kelemahan VAR antara lain: 1. Model VAR lebih bersifat teoritik karena tidak memanfaatkan informasi dari teori-teori terdahulu; 2. Karena lebih menitikberatkan pada peramalan (forecasting), maka model VAR dianggap tidak sesuai untuk implikasi kebijakan;
50
3. Tantangan terberat dalam VAR adalah pemilihan panjang lag yang tepat; 4. Semua variabel yang digunakan dalam model VAR harus stasioner; 5. Koefisien dalam estimasi VAR sulit untuk diinterpretasikan. Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah metode analisis Vector Autoregression (VAR) yang dikombinasikan dengan metode Vector Error Correction Model (VECM) dengan alat analisis software e-views 4 dan microsoft excel. Metode VAR digunakan dalam penelitian karena sesuai untuk data time series dan sesuai untuk menjawab permasalahan yang telah dirumuskan di atas dan metode VECM digunakan untuk melihat dampak jangka panjang dan jangka pendek. Tahapan-tahapan dalam analisis VAR sebagai berikut: 3.2.1. Uji Stasioneritas Uji stasioneritas sangat penting dalam analisis time series. Pengujian stasioneritas ini dilakukan dengan menguji akar-akar unit atau unit root test. Data yang tidak stasioner akan mempunyai akar-akar unit, sebaliknya data yang stasioner tidak ada akar-akar unit. Data yang tidak stasioner akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal kenyataannya tidak atau tidak sebesar regresi yang dihasilkan tersebut (Laksani, 2004). Cara yang dapat digunakan untuk mengetahui kestasioneran data adalah pengujian akar-akar unit dengan metode Dickey-Fuller (DF). Misalkan model persamaan time series sebagai berikut: yt = ρy t −1 + ε t . Dengan mengurangkan kedua sisi persamaan tersebut dengan yt-1 maka akan didapat persamaan:
51
∆yt = δ yt-1 + εt
(3.1)
dimana ∆ merupakan perbedaan pertama (first difference), dan δ = ( ρ -1), sehingga hipotesis yang diuji adalah: H0:: δ = 0 dan hipotesis alternatif H0: δ < 0. Model pengujian unit root yang digunakan dalam banyak penelitian adalah model Aughmented Dickey Fuller (ADF) test. Model umum dari ADF adalah sebagai berikut: ∆yt = k + αyt-1 + c1∆yt-1 + c2∆yt-2 + ..... + cp∆yt-p + Trend + εt Hipotesis yang diuji pada uji ADF adalah apakah
(3.2)
H0:: δ = 0 dengan
hipotesis alternatif H0: δ < 0. Jika nilai ADF statistiknya lebih kecil dari Mac Kinnon Critical Value maka hipotesis nol yang menyatakan bahwa data tidak stasioner ditolak terhadap hipotesis alternatifnya dengan kata lain dengan menolak H0 berarti data stasioner. Solusi yang dapat dilakukan apabila data tidak stasioner pada uji ADF adalah dengan melakukan difference non stasionary processes. Test tersebut dilakukan untuk meningkatkan akurasi dari analisis apabila data yang diamati stasioner. Test ini hanya merupakan pelengkap dari analisis VAR, karena tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel yang diamati. 3.2.2. Model Umum Vector Autoregression (VAR) VAR dengan ordo p dengan peubah n buah peubah tak bebas pada waktu ke-t dapat dimodelkan sebagai berikut: yt = A0 + A1yt-1 + A2yt-2 + ... + Apyt-p + ε t dimana: yt = vektor peubah tak bebas (yt.1, yt.2, ..., yn.t), A0 = vektor intersep berukuran n x 1, A1 = matrik parameter berukuran,
ε t = vektor sisaan ( ε 1.t, ε 2.t,..., ε n.t).
(3.3)
52
3.2.3. Penentuan Lag Optimal Uji lag optimal dilakukan untuk mengetahui berapa jumlah lag yang sesuai untuk diamati. Penetapan tingkat lag yang optimal dapat dilakukan dengan menggunakan fungsi kriteria informasi (information criterion) sebagai berikut: (a) Kriteria uji Likelihood Ratio (LR); (b) Final Prediction Criterion (FPE); (c) Akaike Information Criterion (AIC); (d) Schwarz Information Criterion (SIC); dan (e) Hannan-Quinn Criterion. Penentuan lag optimal dalam analisis VAR sangat penting dilakukan karena dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen (Enders, 2004). Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Penelitian ini menggunakan Schwarz Information Criterion (SIC) untuk menentukan lag optimal. Model VAR diestimasi dengan tingkat lag yang berbeda-beda kemudian dibandingkan nilai SIC-nya. Nilai SIC yang terkecil dipakai sebagai patokan nilai lag yang optimal. 3.2.4. Uji Kointegrasi Metode kointegrasi yang dapat digunakan diantaranya metode kointegrasi Engle-Granger dan metode kointegrasi Johansen. Dalam penelitian ini digunakan metode kointegrasi Johansen untuk memperoleh hubungan jangka panjang antara variabel-variabel dalam model. Metode kointegrasi Johansen digunakan karena dalam penelitian ini menggunakan metode analisis VAR. Metode kointegrasi Johansen ini berbeda dengan metode Engle-Granger yang biasanya digunakan untuk satu persamaan saja.
53
3.2.5. Vector Error Correction Model (VECM) Model VECM digunakan jika dalam persamaan terdapat kointegrasi antar variabel atau rank kointegrasi (r) lebih dari nol. Model VECM ordo p dan rank r dituliskan sebagai: p −1
∆ y t = A 0 + π y t −1 +
∑φ
* i
∆ y t −1 + ε t
(3.4)
i =1
dimana: π = αβ, β = vektor kointegrasi berukuran rx1, α = vektor adjustment berukuran rx1, p
φ i* = − ∑ A j . j =i +1
3.2.6. Innovation Accounting Test ini dilakukan untuk menguji struktur dinamis dari sistem variabel dalam model yang diamati yang dicerminkan oleh variabel inovasi (innovation variable). Test ini terdiri dari The Impulse Response Function (IRF) dan The Cholesky Decomposition (The Variance Decomposition). Impulse Response Function (IRF) adalah metode yang digunakan untuk melihat bagaimana respon suatu variabel endogen terhadap guncangan (shock) varabel tertentu. Selain itu, IRF juga digunakan untuk mengetahui shock dari satu variabel terhadap variabel yang lain dan berapa lama pengaruh tersebut terjadi. Sebagai ilustrasi, dengan menggunakan fungsi VAR dua variabel yang dikemukakan oleh Sims dalam Enders (2004) sebagai berikut: y t y ∞ a11a12 z = + ∑ t z i =0 a 21a 22
i
e1t −i e 2 t −i
(3.5)
54
persamaan 3.6 merupakan persamaan persamaan VAR dengan dua variabel. Persamaan tersebut menunjukkan bahwa yt dan zt adalah istilah untuk {e1t} dan {e2t}. Berdasarkan model Sims, vektor dari error dapat dituliskan sebagai berikut: e1t 1 − b21 ε yt 1 e = 2t 1 − b12 b21 − b211 ε zt
(3.6)
Sehingga persamaan 3.6 dan 3.7 dapat dikombinasikan sebagai berikut:
yt yt 1 z = + t z t 1 − b12 b21
∞
∑ i =0
a11a12 a a 21 22
i
1 − b12 ε yt −i − b 1 21 ε zt −i
(3.7)
Matriks di atas dapat disederhanakan dengan mendefinisikan matriks φ ordo i 2.2 dengan elemen φ jk (i ) , sehingga:
A1i φ= 1 − b12 b21
1 − b12 − b 1 21
(3.8)
karena persamaan 3.6 dan 3.7 dapat ditulis dengan istilah {e1t} dan {e2t}, naka:
y t y ∞ φ 11 (i )φ12 (i ) ε yt −i z = + ∑ φ (i )φ (i ) 22 ε zt −i t z i = 0 21
(3.9)
atau secara ringkas dapat ditulis sebagai berikut: ∞
xt = µ + ∑ φ i ε t − i
(3.10)
i =0
Koefisien φ i dapat digunakan untuk mengeneralisasi pengaruh guncangan (shock)
ε yt , ε zt
terhadap perubahan {yt} dan {zt} secara keseluruhan.
IRF dalam penelitian ini untuk mengetahui respon dinamik variabel GDPR terhadap variabel guncangan variabel investasi riil (INVR), kapitalisasi saham (KAP), indeks harga saham gabungan (IHSG), nilai saham yang diperdagangkan (NSP), dan nilai tukar riil (RER). Selain itu, IRF bertujuan untuk mengisolasi suatu guncangan agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi
55
oleh shock atau guncangan tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.
3.3.6. The Cholensky Decomposition The Cholensky Decomposition atau biasa disebut dengan Forecast Error Variance Decomposition (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Tes ini dilakukan untuk memberikan informasi mengenai bagaimana hubungan dinamis antara variabel yang di analisis. Selain itu, FEVD ini dilakukan untuk melihat seberapa besar pengaruh acak guncangan (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masingmasing inovasi acak (random innovation structural disturbance) atau seberapa kuat komposisi dari peranan variabel tertentu terhadap lainnya. Berdasarkan Sims dalam Enders (2004), dengan menggunakan persamaan 3.11 untuk meramalkan (forecast) xt+1, maka one step forecast error dapat ditulis: ∞
x t + n = µ + ∑ φ i ε t + n −i
(3.11)
i=0
Jadi , forecast error untuk periode ke-n xt + n − Et xt + n
adalah:
n −1
x t + n − E t x t + n = ∑ φ i ε t + n −i
(3.12)
i=0
dengan hanya semata-mata fokus pada {yt}, maka n-step-ahead forecast error adalah: y t + n − Et y t + n = φ11 (0 )ε yt + n + φ11 (1)ε yt + a −1 + ... + φ11 (n − 1)ε yt +1 + φ12 (0 )ε zt + n + φ12 (1)ε zt + n −1 + ... + φ12 (n − 1)ε zt +1
(3.13)
dengan menotasikan n-step-ahead forecast error variance dari yt+n sebagai σ y (n )2
56
maka:
[
]
σ y (n )2 = σ y2 φ11 (0)2 + φ11 (1)2 + ... + φ11 (n − 1)2 +
[
σ z2 φ12 (0) + φ12 (1) + ... + φ12 (n − 1) 2
2
proporsi dari σ y (n )
2
]
terhadap shock ε yt , ε zt
2
(3.14)
dapat dilihat pada persamaan
berikut:
[
σ y2 φ11 (0 )2 + φ11 (1)2 + ... + φ11 (n − 1)2
]
(3.15)
σ y (n )2
[
σ z2 φ12 (0 )2 + φ12 (1)2 + ... + φ12 (n − 1)2 σ y (n )2
]
(3.16)
Peramalan Error Variance Decomposition dalam penelitian ini untuk melihat seberapa besar inovasi dari variabel investasi riil (INVR), kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham (IHSG), dan nilai tukar riil (RER) dalam menjelaskan produk domestik bruto riil (GDPR) sebagai variabel endogen. Dengan demikian, dari peramalan ini dapat diketahui peran relatif setiap shock dalam menjelaskan suatu variabel makroekonomi yang yang berkaitan dengan pertumbuhan ekonomi.
3. 3.
Model Penelitian Model VAR adalah sebuah model yang memperkecil model struktural
yang tidak teridentifikasi atau unidentified dan dapat memberikan informasi tentang perilaku dinamis dari kegiatan ekonomi (Woglom, 2000). Pasar saham Indonesia merupakan pasar yang masih tergolong kecil, maka diperlukan suatu analisis yang seksama dalam menentukan pengaruhnya terhadap
57
pertumbuhan ekonomi. Penelitian ini akan menggunakan variabel produk domestik bruto riil (GDPR), investasi riil (INVR), kapitalisasi pasar saham (KAP), indeks harga saham gabungan (IHSG), nilai saham yang diperdagangkan (NSP), dan nilai tukar riil (RER). Dengan demikian, model penelitian ini adalah: ln_ gdpr a 0 a11 ln_ invr b a 0 21 ln_ kap c0 a31 = + ln_ ihsg d 0 a 41 ln_ nsp e0 a51 ln_ rer f 0 a 61
a12 a 22 a32
a13 a 23 a33
a14 a 24 a 34
a15 a 25 a 35
a 42 a52
a 43 a53
a 44 a 54
a 45 a 55
a 62
a 63
a 64
a 65
a16 a 26 a36 a 46 a56 a 66
ln_ gdprt −i e1t ln_ invr e t −i 2t ln_ kapt −i e3t + ln_ ihsg t −i e4t ln_ nspt −i e5t ln_ rert −i e6t
dimana, GDPR = produk domestik riil bruto (miliar Rp) INVR = investasi riil (miliar Rp) KAP = Kapitalisasi Pasar Saham (miliar Rp) IHSG = Indeks Harga Saham Gabungan NSP = Nilai saham yang diperdagangkan (miliar Rp) RER = Nilai tukar Riil (Rp/US$) Untuk melihat seberapa pentingnya variabel VAR tersebut dalam ekonomi dapat diukur dari jumlah koefisien estimasi, yang dilihat dari FEVD dan IRF. Dari hasil analisis model VAR diatas akan dapat disimpulkan variabel pasar modal apakah yang paling mempengaruhi pertumbuhan ekonomi berdasarkan hasil signifikansi, hasil impulse response, dan hasil variance decomposition.
58
IV. HASIL DAN PEMBAHASAN
4.1.
Hasil Estimasi VAR
4.1.1. Unit Root Test (Pengujian Akar-Akar Unit) Pengujian akar-akar unit dilakukan untuk menganalisis apakah suatu variabel stasioner atau tidak stasioner. Pengujian akar-akar unit ini dilakukan terhadap semua variabel yang digunakan dalam analisis Vector Autoregression (VAR). Hal ini berarti bahwa data yang digunakan dalam penelitian harus bersifat stasioner memiliki ragam yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati rata-ratanya. Uji kestasioneran data merupakan tahap yang paling penting dalam menganalisis data time series untuk melihat ada tidaknya unit root yang terkandung diantara variabel sehingga hubungan antar variabel dalam persamaan menjadi valid. Pengujian akar unit variabel dalam model penelitian didasarkan pada Aughmented Dickey Fuller (ADF) test pada tingkat level. Hasil Pengujian dapat dilihat pada tabel 4.1.
Tabel 4.1. Hasil Pengujian Akar Unit pada Level Variabel LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
ADF Statistic -1.916633 -0.683058 1.742668 2.404226 -3.569023 -1.242251
Nilai Kritis Mc Kinnon
1%
5%
-3.506484 -3.504727 -3.505595 -3.500669 -3.500669 -3.505595
-2.894716 -2.893956 -2.894332 -2.892200 -2.892200 -2.894332
10% -2.584529 -2.584126 -2.584325 -2.583192 -2.583192 -2.584325
Keterangan Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Stasioner Tidak Stasioner
Sumber: Lampiran 2
Hasil pengujian akar unit pada level menunjukkan bahwa semua variabel kecuali nilai saham yang diperdagangkan (NSP) belum stasioner pada taraf nyata
59
yang digunakan yaitu 10%. Hal ini karena nilai ADF statistik lebih besar dari Mc Kinnon Critical Value. Penelitian yang menggunakan data yang belum stasioner ini akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang menggambarkan hubungan antara dua variabel atau lebih yang nampak signifikan secara statistik tapi kenyataannya tidak atau tidak sebesar yang nampak dari regresi yang dihasilkan tersebut sehingga dapat mengakibatkan misleading dalam penelitian terhadap suatu fenomena ekonomi yang sedang terjadi. Oleh karena itu, pengujian akar unit dilanjutkan dengan melakukan uji akar unit pada tingkat first difference. Hasil pengujiannya dapat dilihat pada tabel 4.2.
Tabel 4.2. Hasil Pengujian Akar Unit Pada First Difference Variabel LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
ADF Statistic -6.475249 -3.435211 -4.318340 -8.691806 -11.57156 -4.477035
Nilai Kritis Mc Kinnon 1% 5% 10% -4.063233 -3.460516 -3.156439 -4.066981 -3.462292 -3.157475 -4.066981 -3.462292 -3.157475 -4.058619 -3.458326 -3.155161 -4.058619 -3.458326 -3.155161 -4.066981 -3.462292 -3.157475
Keterangan Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner
Sumber: Lampiran 3
Pengujian akar unit pada tingkat first difference menunjukkan bahwa semua data sudah stasioner. Hal ini terlihat dari nilai ADF statistik kurang dari Mc Kinnon Critical Value pada taraf nyata yang digunakan yaitu 10%. Dengan demikian, dapat dijelaskan bahwa seluruh variabel yang akan diestimasi dalam penelitian ini telah stasioner pada derajat yang sama, yaitu pada derajat integrasi satu I(1).
4.1.2. Penentuan Lag Optimum Menggunakan Schwarz Information Criteria Penentuaan lag optimum sangat diperlukan karena variabel eksogen yang digunakan tidak lain adalah lag dari variabel endogen dan juga variabel
60
eksogennya. Untuk menetapkan lag optimum digunakan nilai Schwarz Information Criteria (SC) pada Tabel 4.3. diperoleh lag optimum adalah 2.
Tabel 4.3. Perhitungan Schwarz Information Criteria Lag 0 1 2 3 4 5 6 7 8
SC -18.63611 -21.55921 -24.74418* -24.37174 -23.22988 -22.93776 -21.94967 -21.04436 -20.29076
4.1.3. Kointegrasi Keberadaan variabel yang tidak stasioner meningkatkan kemungkinan adanya hubungan kointegrasi antar variabel. Untuk itu perlu dilakukan uji kointegrasi untuk mengetahui ada tidaknya hubungan kointegrasi tersebut dan memperoleh hubungan jangka panjang antar variabel pendapatan nasional riil, investasi riil, kapitalisasi pasar saham, nilai saham yang diperdagangkan, indeks harga saham, dan nilai tukar riil Semua variabel stasioner pada derajat yang sama, yaitu derajat satu (Lampiran 3). Oleh karena itu uji kointegrasi dapat dilakukan melalui uji Johansen Cointegration Test dengan menggunakan panjang lag optimum 2. Tabel 4.4. menunjukkan hasil Johansen Cointegration Test yang digunakan untuk mengetahui jumlah persamaan kointegrasi yang terdapat di dalam sistem. Jika Trace Statistic > Critical Value maka persamaan tersebut terkointegrasi. Dengan demikian H0 = non kointegrasi dengan hipotesis alternatifnya H1= kointegrasi.
61
Jika Trace Statistic > Critical Value maka kita tolak H0 atau terima H1 yang artinya terjadi kointegrasi
Tabel 4.4. Johansen Cointegration Test Hypothesized Eigenvalue No. of CE(s) None ** At most 1 At most 2 At most 3 At most 4 At most 5
0.498592 0.2576 0.215982 0.133122 0.080994 0.069421
Trace Statistic 142.3638 78.16256 50.46087 27.83181 14.54616 6.691181
5 Percent Critical Value 114.9 87.31 62.99 42.44 25.32 12.25
1 Percent Critical Value 124.75 96.58 70.05 48.45 30.45 16.26
Sumber : Lampiran 7 Catatan: **signifikan pada tingkat 5% dan 1% * signifikan pada tingkat 5% E-views tidak dapat menampilkan hasil tes dengan taraf nyata 10% sehingga digunakan taraf nyata 5% khusus untuk uji kointegrasi Johansen
Hasil Uji Johansen Cointegration Test menunjukkan terdapat satu persamaan kointegrasi (r =1) yaitu saat nilai Trace Statistic lebih besar daripada nilai kritisnya. Diketahui r = 1 maka model yang digunakan ialah Vector Error Correction Model (VECM).
4.2.
Pengaruh Indikator Pasar Modal terhadap Pembentukan Investasi Riil Dari hasil estimasi VECM didapat hubungan jangka pendek dan jangka
panjang antara investasi riil (INVR) dengan produk domestik bruto riil (GDPR), nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER). Pada estimasi ini yang menjadi variabel dependennya ialah investasi riil (INVR), sedangkan yang menjadi variabel independennya ialah produk domestik bruto riil (GDPR), nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER).
62
Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan jangka pendek pengaruh variabel-variabel perkembangan pasar modal terhadap tingkat pertumbuhan ekonomi dapat dilihat pada tabel 4.5.
Tabel 4.5. Hasil Estimasi VECM Persamaan Investasi Riil Variabel
Koefisien
T-statistik
Jangka Pendek D(LN_INVR(-1)) D(LN_INVR(-2)) D(LN_GDPR(-1)) D(LN_GDPR(-2)) D(LN_KAP(-1)) D(LN_KAP(-2)) D(LN_IHSG(-1)) D(LN_IHSG(-2)) D(LN_NSP(-1)) D(LN_NSP(-2)) D(LN_RER(-1)) D(LN_RER(-2)) C CointEq1
1.504248 -0.816812 0.142242 0.091813 -0.042981 0.029408 0.000540 -0.000864 0.000100 -0.000352 -0.022203 0.005149 0.000912 -0.007301
22.0315* -10.4349* 1.47560 0.94927 -2.56228* 1.91186* 0.05672 -0.09143 0.09941 -0.36553 -1.32765 0.31241 1.32327 -0.76684
Jangka Panjang LN_GDPR(-1) LN_KAP(-1) LN_IHSG(-1) LN_NSP(-1) LN_RER(-1) @TREND(99:01) C
-1.214709 -0.711030 0.625667 -0.059638 0.318556 0.016934 -29.00068
-3.75713* -5.91840* 4.90333* -5.82332* 3.08077* 7.27354*
Sumber : Lampiran 9 Keterangan : * , Signifikan pada taraf 10 %
4.2.1. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Pendek Pada analisis jangka pendek untuk investasi riil (INVR), terdapat dugaan parameter koreksi kesalahan persamaan kointegrasi pertama sebesar -0.007301 persen yang signifikan secara statistik. Investasi riil pada lag pertama secara positif mempengaruhi investasi riil secara signifikan pada taraf 10 persen yaitu sebesar 1.504248, yang artinya apabila terjadi kenaikan investasi riil pada lag
-
63
pertama sebesar 1 persen maka investasi riil akan meningkat sebesar 1.504248 persen. Hal ini sesuai dengan fakta yang terjadi bahwa investasi riil periode sebelumnya menentukan optimisme pada investasi riil pada periode yang berjalan. Selanjutnya, investasi riil pada lag kedua memiliki hubungan negatif terhadap investasi riil pada periode berjalan yang secara statistik signifikan pada taraf nyata 10 persen sebesar -0.816812 yang berarti bahwa apabila terjadi kenaikan pertumbuhan investasi riil pada lag kedua sebesar 1 persen maka investasi riil pada periode yang berjalan akan mengalami penurunan sebesar 0.816812 persen. Produk domestik bruto riil (GDPR) pada lag pertama memiliki hubungan positif dengan investasi riil (INVR) yang tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.142242, yang artinya saat terjadi kenaikan produk domestik bruto riil pada lag pertama sebesar 1 persen maka investasi riil akan meningkat sebesar 0.142242 persen. Selanjutnya produk domestik bruto (GDPR) pada lag kedua memiliki hubungan positif yang secara statistik juga tidak signifikan pada taraf nyata 10 persen yaitu sebesar 0.091813, yang artinya saat terjadi kenaikan PDB riil pada lag kedua sebesar 1 persen maka investasi riil akan mengalami peningkatan sebesar 0.091813. Hal ini mengisyaratkan bahwa peningkatan pertumbuhan ekonomi tidak serta merta membawa pada perbaikan investasi di sektor riil. Banyak faktor yang menjadi pertimbangan dalam melakukan investasi di sektor riil Indonesia seperti, tingkat suku bunga, kondisi keamanan, undang-undang perburuhan, ketidakpastian, dan juga keruwetan birokrasi yang menjadi penghambat utama. Selain itu struktur perekonomian Indonesia yang masih lebih didominasi oleh sektor konsumsi menjadikan
64
pertambahan pendapatan nasional tidak serta merta membawa dampak yang besar bagi perkembangan investasi. Dari hasil estimasi jangka pendek VECM diketahui bahwa variabel kapitalisasi pasar saham pada lag pertama memiliki hubungan negatif terhadap investasi riil yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar -0.042981, yang artinya kenaikan kapitalisasi pasar saham pada lag pertama sebesar 1 persen akan menyebabkan penurunan investasi riil sebesar 0.042981 persen. Hal ini terjadi karena dana segar yang meningkat pada perusahaan belum bisa dimanfaatkan secara optimal oleh perusahaan untuk sektor-sektor produktif. Hubungan yang negatif antara kapitalisasi pasar saham terhadap investasi riil dapat disebabkan oleh pilihan investasi para pemilik dana. Meningkatnya return pada pasar modal akan menyebabkan investor lebih memilih menginvestasikan dananya pada pasar modal dibandingkan berinvestasi pada sektor riil. Selain itu kualitas kapitalisasi pasar lebih didominasi oleh kenaikan harga saham, dengan kata lain bukan karena penerbitan saham baru, yang memang tidak berkaitan dengan kegiatan reinvestasi dan pendanaan ekspansi korporasi. Kapitalisasi
pasar
saham
merupakan
nilai
saham
pada
harga
penutupannya, sehingga perubahan kapitalisasi pasar saham dapat disebabkan oleh dua faktor yaitu perubahan jumlah saham yang ditawarkan, perubahan jumlah emiten dan perubahan harga saham itu sendiri. Dominasi perubahan harga saham terhadap kapitalisasi terlihat dari perubahan jumlah emiten, jumlah saham yang terdaftar di Bursa Efek Jakarta yang lebih rendah dibandingkan perubahan harga saham, yang berarti booming-nya pasar modal lebih banyak didorong
65
meningkatnya harga-harga saham. Perubahan jumlah emiten, lembar saham yang ditawarkan, dan perubahan harga dapat dilihat pada Gambar 4.1. % perubahan 80 60 40 20 0 -20
2000
2001
2002
2003
2004
2005
2006
Jumlah Emiten Jumlah Saham IHSG
-40
2007 periode
-60
Sumber : Bursa Efek Jakarta
Gambar 4.1. Perubahan Jumlah Emiten, Jumlah saham yang ditawarkan, dan Perubahan Harga Saham 1999-2006 (dalam persentase) Sedangkan kapitalisasi pasar saham pada lag kedua mempunyai hubungan positif terhadap investasi riil yang secara statistik signifikan pada taraf nyata 10 persen yaitu sebesar 0.029408, yang artinya kenaikan kapitalisasi pasar saham pada lag kedua sebesar 1 persen akan menyebabkan peningkatan investasi riil sebesar 0.029408 persen. Hal ini menunjukkan bahwa semakin banyak perusahaan yang go public dan menerbitkan saham baik IPO (Initial Public Offering) maupun melalui penjualan saham kedua (right issue) maka semakin besar dan segar yang diperoleh perusahaan-perusahaan yang menerbitkan saham, sehingga semakin besar pula kemampuan mereka dalam melakukan investasi pada sektor riil. Variabel indeks harga saham gabungan (IHSG) pada lag pertama memiliki hubungan positif dan pada lag kedua memiliki hubungan negatif terhadap investasi riil (INVR) pada jangka pendek namun tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.000540 dan -0.000864, yang artinya
66
apabila terjadi kenaikan indeks harga saham pada lag pertama sebesar 1 persen maka investasi riil akan meningkat 0.000540 persen dan pada saat terjadi kenaikan indeks harga saham pada lag kedua sebesar 1 persen maka investasi riil akan menurun sebesar 0.000864. Indeks harga saham yang tidak signifikan terhadap investasi riil di Indonesia disebabkan oleh peran pasar modal dan pasar saham pada khususnya yang masih tergolong sangat kecil dalam sistem keuangan Indonesia. Hampir sembilan puluh persen sistem keuangan didominasi oleh sektor perbankan sehingga pengaruh indeks harga saham masih tergolong kecil apabila dibandingkan pengaruh indikator-indikator perbankan terhadap pertumbuhan ekonomi Indonesia. Pada jangka pendek, nilai saham yang diperdagangkan (NSP) pada lag pertama memiliki hubungan positif tehadap investasi riil yang tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.000100, yang artinya kenaikan nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen akan mengakibatkan investasi riil mengalami peningkatan sebesar
0.000100
persen. Selain itu, nilai saham yang diperdagangkan pada lag kedua juga memiliki hubungan negatif terhadap investasi riil yang tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar -0.000352, yang artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag kedua sebesar 1 persen maka investasi riil akan mengalami penurunan sebesar 0.000352 persen. Hubungan yang tidak signifikan antara nilai saham yang diperdagangkan dengan investasi riil Indonesia disebabkan oleh karena aktivitas perdagangan pada pasar sekunder tidak berpengaruh pada peningkatan dana investasi pada perusahaan seperti yang terjadi pasar primer saham. Hal ini juga memperlihatkan bahwa likuiditas pasar
67
saham yang diindikasikan oleh aktivitas perdagangan saham pada pasar sekunder tidak serta merta mendorong perusahaan-perusahaan untuk go-public, hal ini dikarenakan biaya yang masih tinggi untuk ber-IPO, selain itu kemampuan manajemen perusahaan untuk melakukan transparansi keuangan yang masih tergolong rendah. Pada jangka pendek, nilai tukar riil (RER) pada lag pertama memiliki hubungan negatif terhadap investasi riil yang secara statistik tidak signifikan pada taraf nyata 10 persen yaitu sebesar -0.022203, yang artinya ketika terjadi peningkatan (depresiasi) nilai tukar riil pada lag pertama sebesar 1 persen maka investasi riil akan mengalami penurunan sebesar 0.022203 persen. Depresiasi nilai tukar riil mengindikasikan biaya yang lebih besar bagi perusahaan untuk memenuhi kebutuhan alat-alat modal yang sebagian besar berasal dari luar negeri sehingga investasi riil akan mengalami penurunan. Sedangkan nilai tukar riil pada lag kedua memiliki hubungan positif terhadap investasi riil yang tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.005149, yang artinya peningkatan nilai tukar riil pada lag kedua sebesar 1 persen akan mengakibatkan investasi riil mengalami peningkatan sebesar 0.021091 persen. Hal ini disebabkan oleh daya saing yang meningkat karena terdepresiasinya nilai tukar akan berimbas pada penerimaan ekspor perusahaan, sehingga peningkatan penerimaan tersebut akan dimanfaatkan perusahaan untuk berinvestasi.
4.2.2. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Panjang Pada estimasi jangka panjang terlihat bahwa variabel produk domestik bruto riil pada lag pertama memiliki hubungan negatif terhadap investasi riil yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 1.214709, yang
68
artinya peningkatan PDB riil pada lag pertama sebesar 1 persen akan menyebabkan penurunan investasi riil pada jangka panjang sebesar 1.214709. Bila struktur perekonomian Indonesia masih tetap didominasi oleh sektor konsumsi, hal ini akan menyebabkan rendahnya akumulasi kapital dan berpengaruh buruk pada perkembangan investasi di masa datang. Kemudian, variabel kapitalisasi saham pada lag pertama juga memiliki hubungan negatif terhadap investasi riil pada jangka panjang yang secara statistik signifikan pada taraf nyata 10 persen yaitu sebesar -0.711030, yang artinya peningkatan kapitalisasi pasar saham pada lag pertama sebesar 1 persen akan menyebabkan investasi riil pada jangka panjang menurun sebesar 0.711030 persen. Hal
ini
mengindikasikan
bahwa
dalam jangka panjang perubahan kapitalisasi pasar saham lebih didorong oleh perubahan harga saham, bukan dipengaruhi oleh penerbitan saham baru baik IPO maupun right issue sehingga tidak menghasilkan dampak positif pada investasi riil. Indeks Harga Saham Gabungan (IHSG) pada lag pertama memiliki hubungan positif terhadap investasi riil pada jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.625667, yang artinya kenaikan indeks harga saham gabungan sebesar 1 persen pada lag pertama akan mengakibatkan investasi riil pada jangka panjang meningkat sebesar 0.625667 persen. Semakin tinggi IHSG mengindikasikan semakin tingginya kepercayaan investor domestik maupun investor asing terhadap perekonomian Indonesia. Tingginya kepercayaan investor ini akan mengakibatkan meningkatnya PMDN (Penanaman Modal Dalam Negeri) dan FDI (Foreign Direct Investment), sehingga investasi riil di Indonesia akan mengalami peningkatan.
69
Variabel nilai saham yang diperdagangkan (NSP) pada lag pertama memiliki hubungan negatif terhadap investasi riil pada jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.059638, yang artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen maka investasi riil akan mengalami penurunan sebesar 0.059638 persen. Nilai saham yang diperdagangkan merupakan suatu indikator yang menunjukkan tingkat likuiditas pada pasar saham. Semakin likuidnya pasar saham akan mengindikasikan semakin atraktifnya investasi portofolio saham dan selanjutnya menyebabkan investor baik asing maupun domestik lebih memilih investasi portofolio yang dinilai lebih menguntungkan dan beresiko rendah. Hal ini akan berdampak pada penurunan investasi riil di sektor usaha. Investor lebih memilih untuk menginvestasikan dananya pada pasar saham dibandingkan investasi langsung pada sektor usaha. Ketidakpastian yang bersumber dari birokrasi yang rumit, law enforcement yang tidak berjalan dan infrastruktur yang kurang baik menjadi faktor yang paling menentukan keputusan investor untuk tidak berinvestasi di sektor usaha (riil) ditengah geliat pasar modal yang semakin likuid dan menjanjikan return yang relatif lebih tinggi dalam waktu yang relatif lebih singkat. Variabel nilai tukar riil pada lag pertama memiliki hubungan yang positif terhadap investasi riil jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.318556, yang artinya pada saat terjadi kenaikan nilai tukar riil (depresiasi) pada lag pertama sebesar 1 persen maka investasi riil akan mengalami peningkatan sebesar 0.318556 persen. Hasil estimasi tersebut sesuai dengan teori ekonomi dimana terdepresiasinya nilai tukar domestik akan
70
menyebabkan meningkatnya daya saing produk-produk domestik di pasar internasional sehingga terjadi peningkatan nilai ekspor dan meningkatnya penerimaan perusahaan-perusahaan domestik, sehingga keuntungan ini akan mendorong perusahaan untuk berekspansi dan meningkatkan investasinya pada sektor usaha yang menguntungkan sehingga investasi riil secara agregat meningkat. Selain itu terdapat terdapat trend yang positif dari investasi riil yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.016934.
4.2.3. Pengaruh Indikator Pasar Modal terhadap Investasi Riil (Analisis Variance Decomposition dan Impulse Response Function) Pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi juga dapat dilihat melalui analisis Variance Decomposition (VD). Analisis ini dapat menjelaskan sejauh mana peranan suatu variabel ekonomi dalam menjelaskan guncangan variabel ekonomi lainnya. Analisis Variance Decomposition (VD) dapat pula dipakai untuk melihat kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang. Hasil VD menunjukkan varians INVR dan GDPR dominan mempengaruhi INVR, dengan kata lain investasi riil itu sendiri dan pertumbuhan ekonomi memiliki pengaruh yang paling besar terhadap investasi riil. Pada periode awal sampai periode 10 varians INVR menurun hingga sebesar 73.08 persen pada periode 60. Kemudian pengaruh varians INVR tersebut mengalami peningkatan sampai dengan periode akhir. Varians INVR
memiliki dominasi tertinggi dalam
mempengaruhi pertumbuhan ekonomi sampai dengan periode 60.
Kemudian
varians produk domestik riil (GDPR) memiliki pengaruh terbesar kedua dalam mempengaruhi investasi riil (INVR). Pada periode awal sampai dengan periode 10, varians GDPR mengalami peningkatan dalam mempengaruhi INVR yaitu
71
menjadi
20.69 persen pada periode 10. Untuk selanjutnya varians GDPR
mengalami penurunan dalam mempengaruhi INVR sampai dengan periode 60 yaitu sebesar 19.193 persen pada akhir periode. Varians kapitalisasi pasar saham (KAP) pada periode awal relatif mengalami peningkatan hingga mencapai 2.861101 persen sampai dengan periode 11. Kemudian terjadi peningkatan pengaruh varians kapitalisasi pasar (KAP) terhadap investasi riil (INVR) berlangsung sampai dengan periode terakhir. Pada periode terakhir (periode 60) varians kapitalisasi (KAP) berpengaruh terhadap investasi riil (INVR) sebesar 1.127 persen. Varians indeks harga saham gabungan (IHSG) pada awal periode sampai dengan periode 60 mengalami peningkatan dalam mempengaruhi investasi riil (INVR). Pada periode 4 varians IHSG hanya mampu mempengaruhi 0.0916 persen, peningkatan pengaruh varians IHSG berlangsung sampai dengan periode 11 menjadi 0.577 persen. Selanjutnya terjadi penurunan pengaruh varians IHSG terhadap investasi riil (INVR) hingga periode 60 yaitu sebesar 0.509 persen pada akhir periode. Pengaruh varians nilai saham yang diperdagangkan (NSP) terhadap investasi riil (INVR) mengalami peningkatan dari awal periode sampai dengan periode 11, untuk kemudian mengalami penurunan sampai dengan akhir periode (periode 60). Pada periode 4, pengaruh varians NSP mampu mempengaruhi INVR sebesar 0.196 persen kemudian meningkat menjadi 0.577 persen pada periode 11 dan mengalami penurunan sampai dengan periode terakhir yaitu sebesar 0.093 persen pada periode 60. Pengaruh varians nilai tukar riil (RER) terhadap INVR juga memiliki kecenderungan yang lebih berfluktuatif dibandingkan dengan variabel-variabel sebelumnya. Pengaruh varians RER relatif mengalami
72
peningkatan pada periode awal periode sampai dengan periode 8, yaitu varians RER mampu mempengaruhi INVR hingga sebesar 2.983 persen pada periode 8. Setelah itu pengaruh varians RER mengalami fluktuasi sampai dengan akhir periode observasi. Pengaruh varians RER terhadap INVR menjadi 2.662 persen pada akhir periode (periode 60). Dari hasil VD (Variance Decomposition) yang telah dibahas dapat diambil suatu konklusi bahwa variabel yang paling mempengaruhi investasi riil (INVR) sesuai dengan urutan pengaruh terbesar ialah INVR itu sendiri, GDPR, RER, KAP, IHSG, dan NSP. Variabel pasar modal yang paling mempengaruhi pertumbuhan ekonomi ialah kapitalisasi pasar saham (KAP). Kapitalisasi terbentuk dari penerbitan saham baik IPO maupun right issue karena kebutuhan likuiditas bagi perusahaan atau emiten untuk berekspansi termasuk pembelian barang modal baru yang berpengaruh kepada keputusan investasi perusahaan yang pada akhirnya secara agregat dapat meningkatkan investasi riil. Variabel IHSG memiliki pengaruh yang relatif kecil terhadap GDPR, hal ini mengindikasikan bahwa indeks harga saham sebagai lead indicator dalam perekonomian modern belum dapat mempengaruhi investasi riil Indonesia secara langsung sehingga dapat dikatakan bahwa pasar saham di Indonesia belum mencapai taraf welldeveloped market. Sama halnya dengan IHSG, NSP secara langsung juga memiliki pengaruh yang relatif kecil bagi investasi riil. Hasil VD ini memberikan suatu pemahaman bahwa untuk kasus Indonesia indikator perkembangan pasar saham belum memiliki pengaruh yang besar bagi investasi riil di Indonesia. Jumlah emiten korporasi yang relatif sedikit dan hanya sebagian kecil dari korporasi-korporasi yang ada di Indonesia menyebabkan
73
perkembangan pasar modal kurang memiliki pengaruh bagi investasi riil. Investasi riil di Indonesia juga masih dipengaruhi oleh indikator lain di luar pasar modal seperti indikator-indikator makroekonomi. Hasil VD dari persamaan investasi riil dapat dilihat pada Tabel 4.6.
Tabel 4.6. Hasil Variance Decomposition (%) Persamaan Investasi Riil Period
S.E.
LN_INVR
1 0.004844 100.000000 4 0.033913 92.481300 8 0.066463 75.258960 10 0.075035 73.077130 11 0.077884 73.265630 15 0.085700 74.626520 20 0.097638 75.510400 25 0.109535 75.442780 30 0.118550 75.768520 35 0.127676 75.989660 40 0.136191 76.070800 45 0.143961 76.196470 50 0.151503 76.286640 55 0.158644 76.349090 60 0.165452 76.413260 Sumber : Lampiran 10
LN_GDPR
LN_KAP
LN_IHSG
LN_NSP
LN_RER
0.000000 4.741970 19.872180 20.696260 20.438310 19.527080 19.228270 19.462760 19.321240 19.271840 19.275860 19.237450 19.220340 19.209950 19.193920
0.000000 1.579914 1.370141 2.683731 2.861101 2.439491 1.986002 1.747938 1.595244 1.449259 1.362283 1.284434 1.220245 1.171262 1.127666
0.000000 0.091653 0.382007 0.573432 0.577033 0.536598 0.513637 0.521354 0.518410 0.513428 0.513308 0.512110 0.510442 0.510024 0.509160
0.000000 0.196064 0.132909 0.168081 0.160528 0.140194 0.134663 0.121670 0.114922 0.108557 0.104039 0.100837 0.097728 0.095509 0.093548
0.000000 0.909100 2.983807 2.801363 2.697400 2.730112 2.627026 2.703497 2.681657 2.667261 2.673707 2.668700 2.664604 2.664165 2.662446
Selain analisis Variance Decomposition, ada analisis lain yang dapat menunjukkan pengaruh masing-masing variabel terhadap investasi riil Indonesia yaitu analisis Impulse Response Function. Analisis ini menunjukkan respon dinamis jangka panjang setiap variabel apabila ada suatu shock (guncangan) tertentu sebesar satu standar deviasi pada setiap persamaan. Hasil IRF menunjukkan bahwa pengaruh inovasi (guncangan) dari GDPR terhadap INVR pada awal periode mengalami peningkatan sampai dengan periode 7, kemudian mengalami penurunan sampai dengan periode 16. Setelah itu pengaruh guncangan investasi mengalami peningkatan sampai periode 20 dan selanjutnya pada periode 36 pergerakan cenderung persistent (tetap) sampai akhir periode inovasi (periode 60). Pengaruh guncangan (inovasi) dari kapitalisasi pasar
74
saham (KAP) terhadap INVR pada awal periode cenderung fluktuatif. Pada awal periode sampai dengan periode 6, pengaruh guncangan (inovasi ) KAP terhadap INVR meningkat dengan arah yang negatif, kemudian pada periode selanjutnya sampai dengan periode 10 mengalami peningkatan. Peningkatan pengaruh guncangan KAP tersebut mengalami penurunan sampai dengan periode 14, dan setelah periode 35 pergerakan pengaruh inovasi KAP cenderung tetap (persistent) atau stabil sampai pada akhir periode inovasi (periode 60). Hasil IRF menunjukkan bahwa respon positif yang diberikan oleh INVR terhadap inovasi dari IHSG menunjukkan peningkatan sampai dengan periode 3, kemudian pengaruh negatif inovasi IHSG meningkat pada periode berikutnya sampai dengan periode 8, untuk selanjutnya mengalami penurunan respon sampai dengan periode 13. Pada periode 33, respon negatif yang diberikan oleh INVR terhadap inovasi (guncangan) IHSG telah cenderung tetap (persistent) sehingga dapat dikatakan bahwa dalam jangka panjang IHSG mampu mempengaruhi investasi riil (INVR). Pengaruh inovasi (guncangan) nilai saham yang diperdagangkan (NSP) terhadap INVR cenderung mengalami peningkatan respon negatif sampai dengan periode 3, kemudian menurun dan respon positif meningkat sampai dengan periode 9. Untuk selanjutnya respon INVR terhadap inovasi NSP cenderung berfluktuatif tetapi tetap dengan arah yang positif. Pada periode 26 sampai dengan akhir periode respon positif yang diberikan INVR terhadap guncangan (inovasi) NSP telah cenderung persistent (tetap) sehingga dalam jangka panjang likuiditas pasar saham yang tercermin dari nilai saham yang diperdagangkan mampu mempengaruhi investasi riil Indonesia.
75
Pengaruh guncangan (inovasi) nilai tukar riil (RER) terhadap investasi riil (INVR) mengalami peningkatan sampai dengan periode 6, kemudian respon negatif INVR terhadap guncangan RER tersebut mengalami penurunan sampai dengan periode 12. Pengaruh guncangan RER terhadap investasi riil (INVR) cenderung mengalami kondisi persistent (tetap) dimulai pada periode 39 sampai dengan periode akhir (periode 60). Dari hasil Impulse Response Function dapat diketahui bahwa inovasi atau guncangan dari GDPR terhadap investasi riil (INVR) memiliki pengaruh yang sangat besar. Dari ketiga variabel perkembangan pasar modal yang digunakan, inovasi atau guncangan dari kapitalisasi pasar saham (KAP) memiliki pengaruh yang paling besar terhadap investasi riil (INVR) karena secara langsung berhubungan dengan kemampuan perusahaan yang meningkat untuk berinvestasi pada sektor usaha. Hal ini mengindikasikan bahwa INVR memiliki respon dinamis yang kuat apabila variabel pertumbuhan ekonomi (GDPR) dan kapitalisasi pasar saham (KAP) diguncang atau mengalami shock. Hal ini dapat terjadi karena kapitalisasi saham dan GDPR berhubungan langsung dengan kemampuan pembentukan modal dalam negeri sehingga berpengaruh pada investasi riil (INVR).
76
Response to Cholesky One S.D. Innovations Response of LN_INVR to LN_INVR
Response of LN_INVR to LN_GDPR
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
Response of LN_INVR to LN_KAP
20
30
40
50
60
Response of LN_INVR to LN_IHSG
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
Response of LN_INVR to LN_NSP
20
30
40
50
60
Response of LN_INVR to LN_RER
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
20
30
40
50
60
Sumber : Lampiran 11
Gambar 4.2. Grafik Impulse Response Function Persamaan Investasi Riil
77
4.3.
Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi Indonesia Dari hasil estimasi VECM didapat hubungan jangka pendek dan jangka
panjang antara produk domestik bruto riil (GDPR) dengan investasi riil (INVR), nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER). Pada estimasi ini yang menjadi variabel dependennya ialah produk domestik bruto riil (GDPR), sedangkan yang menjadi variabel independennya ialah investasi riil (INVR), nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER) (Lampiran 12). Hasil Estimasi VECM persamaan pertumbuhan ekonomi dapat dilihat pada Tabel 4.7.
Tabel 4.7. Hasil Estimasi VECM Persamaan Pertumbuhan Ekonomi Variabel D(LN_GDPR(-1)) D(LN_GDPR(-2)) D(LN_INVR(-1)) D(LN_INVR(-2)) D(LN_KAP(-1)) D(LN_KAP(-2)) D(LN_IHSG(-1)) D(LN_IHSG(-2)) D(LN_NSP(-1)) D(LN_NSP(-2)) D(LN_RER(-1)) D(LN_RER(-2)) C CointEq1 LN_INVR(-1) LN_KAP(-1) LN_IHSG(-1) LN_NSP(-1) LN_RER(-1) @TREND(99:01) C
Koefisien Jangka Pendek 1.548137 -0.989754 0.264866 -0.196413 0.042560 -0.008776 0.012202 0.003987 -0.002029 -0.001585 -0.019183 0.021091 0.001061 0.046647 Jangka Panjang -0.823242 -0.585350 0.515076 -0.049097 0.262249 0.013941 -23.87458
Sumber : Lampiran 12 Keterangan : * , Signifikan pada taraf 10 %
T-statistik 18.2933* -11.6561* 4.41867* -2.85810* 2.88997* -0.64984 1.45898 0.48060 -2.28604* -1.87492* -1.30659 1.45762 1.75365* 4.59421* -4.56208* -5.83064* 4.89798* -5.10426* 3.78413* 9.35926* -
78
4.3.1. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Pendek Pada analisis jangka pendek untuk produk domestik bruto riil (GDPR), terdapat dugaan parameter koreksi kesalahan persamaan kointegrasi pertama (GDPR) sebesar 1.548 persen yang signifikan secara statistik. Pertumbuhan ekonomi pada lag pertama secara positif mempengaruhi pertumbuhan ekonomi secara signifikan pada taraf 10 persen yaitu sebesar 1.548137, yang artinya apabila terjadi kenaikan pertumbuhan pertumbuhan ekonomi pada lag pertama sebesar 1 persen maka pertumbuhan ekonomi akan meningkat sebesar 1.548137 persen. Hal ini sesuai dengan fakta yang terjadi bahwa pertumbuhan ekonomi periode sebelumnya menentukan optimisme pada pertumbuhan ekonomi pada periode yang berjalan. Selanjutnya, pertumbuhan ekonomi pada lag kedua memiliki hubungan negatif terhadap pertumbuhan ekonomi pada periode berjalan yang secara statistik signifikan pada taraf nyata 10 persen sebesar yang berarti bahwa apabila terjadi kenaikan pertumbuhan ekonomi pada lag kedua sebesar 0.989754, yang artinya apabila terjadi kenaikan pertumbuhan ekonomi pada lag kedua sebesar 1 persen maka pertumbuhan ekonomi pada periode yang berjalan akan mengalami penurunan sebesar 0.989754. Investasi riil yang dihitung berdasarkan pemebentukan modal tetap bruto domestik pada lag pertama memiliki hubungan positif dengan pertumbuhan ekonomi yang secara signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.264866, yang artinya saat terjadi kenaikan investasi riil sebesar 1 persen maka pertumbuhan ekonomi akan meningkat sebesar 0.264866 persen. Hal ini sesuai dengan struktur perekonomian Indonesia dimana investasi riil sangat diperlukan untuk memperluas lapangan kerja dan mengurangi pengangguran
79
sehingga kenaikan investasi riil akan berpengaruh pada tingkat pendapatan per kapita dan pertumbuhan ekonomi. Tetapi investasi pada lag kedua memiliki hubungan negatif yang secara statistik signifikan pada taraf nyata 10 persen yaitu sebesar 0.196413, yang artinya saat terjadi kenaikan investasi riil pada lag kedua sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0.196413. Hal ini terjadi karena kegiatan investasi merupakan kegiatan menahan atau mengurangi konsumsi dengan harapan mendapatkan nilai tambah dari aset yang diinvestasikan sehingga kenaikan investasi dapat berarti penurunan konsumsi. Dengan struktur perekonomian Indonesia yang sekitar 60 persen didominasi oleh kegiatan konsumsi, maka penurunan konsumsi akibat kenaikan investasi dapat menyebabkan pertumbuhan ekonomi pun menurun secara signifikan. Dari hasil estimasi jangka pendek VECM diketahui bahwa variabel kapitalisasi pasar saham pada lag pertama memiliki hubungan positif terhadap pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.042560, yang artinya kenaikan kapitalisasi pasar saham pada lag pertama sebesar 1 persen akan menyebabkan peningkatan pertumbuhan ekonomi sebesar 0.042560 persen. Hal ini menunjukkan bahwa semakin banyak perusahaan yang go public dan menerbitkan saham baik IPO (Initial Public Offering) maupun melalui penjualan saham kedua (right issue) maka semakin besar kapitalisasi pasar saham sehingga pertumbuhan ekonomi dapat meningkat secara signifikan. Penerbitan saham melalui IPO dan right issue akan meningkatkan dana segar bagi perusahaan yang dapat dimanfaatkan untuk keperluan ekspansi perusahaan, hal ini berarti semakin besar produk yang dihasilkan oleh perusahaan dan perluasan
80
lapangan pekerjaan yang secara agregat akan membawa kepada peningkatan investasi riil dan pertumbuhan ekonomi. Sedangkan kapitalisasi pasar saham pada lag kedua secara statistik tidak signifikan pada taraf nyata 10 persen dan berhubungan negatif dengan pertumbuhan ekonomi yaitu sebesar 0.008776. Hal ini terjadi karena dana segar yang meningkat pada perusahaan belum bisa dimanfaatkan secara optimal oleh perusahaan untuk sektor-sektor produktif. Perusahaan lebih memilih untuk memanfaatkan dana segar yang didapatkan dari pasar saham untuk kegiatan spekulasi yang menjanjikan return yang relatif lebih besar dan cepat apabila dibandingkan berinvestasi di sektor riil yang memiliki tingkat uncertainty yang tinggi dan tingkat pengembalian yang tidak pasti dan relatif lebih lama. Variabel indeks harga saham gabungan (IHSG) pada lag pertama dan lag kedua memiliki hubungan positif pada jangka pendek namun tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.012202 dan 0.003987, yang artinya apabila terjadi kenaikan indeks harga saham pada lag pertama sebesar 1 persen maka pertumbuhan ekonomi akan meningkat 0.012202 persen dan pada saat terjadi kenaikan indeks harga saham pada lag kedua sebesar 1 persen maka pertumbuhan ekonomi akan meningkat 0.003987. Variabel harga saham merupakan salah satu variabel kunci bagi perekonomian di negara-negara maju yang mencerminkan suatu perkembangan pasar modal yang dilihat dari perkembangan harga-harga saham yang terdaftar pada pasar saham tersebut. Indeks harga saham yang tidak signifikan di Indonesia disebabkan oleh peran pasar modal dan pasar saham pada khususnya yang masih tergolong sangat kecil dalam sistem keuangan Indonesia. Hampir sembilan puluh persen sistem
81
keuangan didominasi oleh sektor perbankan sehingga pengaruh indeks harga saham masih tergolong kecil apabila dibandingkan pengaruh indikator-indikator perbankan terhadap pertumbuhan ekonomi Indonesia. Pada jangka pendek, nilai saham yang diperdagangkan pada lag pertama memiliki hubungan negatif tehadap pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.002029, yang artinya kenaikan nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen akan mengakibatkan pertumbuhan ekonomi mengalami penurunan sebesar 0.002029 persen. Selain itu, nilai saham yang diperdagangkan pada lag kedua juga memiliki hubungan negatif terhadap pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.001585, yang artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag kedua sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0.001585 persen. Hubungan yang negatif antara nilai saham yang diperdagangkan dengan pertumbuhan
ekonomi
Indonesia
disebabkan
oleh
masih
tingginya
ketidakpercayaan investor terhadap stabilitas perekonomian Indonesia. Perubahan nilai saham yang diperdagangkan merupakan suatu ukuran likuiditas suatu pasar saham. Semakin tinggi nilai saham yang diperdagangkan maka pasar saham tersebut semakin likuid dan investor akan semakin tertarik untuk berinvestasi pada pasar saham tersebut untuk mendapatkan capital gain yang lebih tinggi dan kemampuan untuk menghindari resiko. Secara teoritis kenaikan investasi pada sektor keuangan akan diikuti oleh kenaikan investasi pada sektor-sektor usaha karena tingkat kepercayaan investor yang lebih tinggi pada kondisi perekonomian. Akan tetapi yang terjadi di Indonesia ialah adanya trade-off antara investasi sektor
82
keuangan dengan investasi pada sektor usaha (sektor riil), sehingga saat terjadi booming pada nilai saham yang diperdagangkan maka investor akan memilih menginvestasikan dananya pada pasar saham dibandingkan pada sektor riil. Hal ini menyebabkan pertumbuhan ekonomi menurun akibat penurunan investasi pada sektor riil. Pada jangka pendek, nilai tukar riil (RER) pada lag pertama memiliki hubungan negatif terhadap pertumbuhan ekonomi yang secara statistik tidak signifikan pada taraf nyata 10 persen yaitu sebesar -0.019183, yang artinya ketika terjadi peningkatan (depresiasi) nilai tukar riil pada lag pertama sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0.019183 persen. Depresiasi nilai tukar riil mengindikasikan biaya yang lebih besar bagi perusahaan untuk memenuhi kebutuhan alat-alat modal yang sebagian besar berasal dari luar negeri. Sedangkan nilai tukar riil pada lag kedua memiliki hubungan positif terhadap pertumbuhan ekonomi yang tidak signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.021091, yang artinya peningkatan nilai tukar riil pada lag kedua sebesar 1 persen akan mengakibatkan pertumbuhan ekonomi mengalami peningkatan sebesar 0.021091 persen. Hal ini disebabkan oleh daya saing yang meningkat karena terdepresiasinya nilai tukar akan berimbas pada produk-produk domestik yang relatif menjadi lebih murah pada pasar internasional.
83
4.3.2. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Panjang Pada estimasi jangka panjang terlihat bahwa variabel investasi riil pada lag pertama memiliki hubungan negatif terhadap pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.823242, yang artinya peningkatan investasi riil pada lag pertama sebesar 1 persen akan menyebabkan penurunan pertumbuhan ekonomi pada jangka panjang sebesar 0.823242. Hal ini disebabkan oleh banyaknya kegiatan investasi yang berfokus pada usaha-usaha yang tidak berbasis sumber daya lokal yang mengakibatkan sebagian besar alat-alat modal dan tenaga kerja terampil yang berasal dari luar negeri yang secara agregat pada jangka panjang akan menyebabkan neraca pembayaran menjadi defisit dan pertumbuhan ekonomi akan mengalami penurunan. Kemudian, variabel kapitalisasi saham pada lag pertama juga memiliki hubungan negatif terhadap pertumbuhan ekonomi pada jangka panjang yang secara statistik signifikan pada taraf nyata 10 persen yaitu sebesar 0.585350, yang artinya peningkatan kapitalisasi pasar saham pada lag pertama sebesar 1 persen akan menyebabkan pertumbuhan ekonomi pada jangka panjang menurun sebesar 0.585350 persen. Ekses likuiditas yang besar pada pasar keuangan internasional, ditengah ancaman resesi terhadap perekonomian Amerika Serikat, mendorong investorinvestor asing untuk mengalirkan dananya pada pasar-pasar modal di Asia Timur dan Asia Tenggara. Kepemilikan asing pada pasar modal telah mencapai 73.40 persen pada tahun 2006 dan hal ini memang berpengaruh kepada nilai kapitalisasi pasar modal Indonesia yang meningkat drastis pada jangka pendek. Perbandingan kepemilikan saham tersebut dapat dilihat pada Tabel 4.8.
84
Tabel 4.8. Perbandingan Kepemilikan Saham (2005-2007)
Sumber : KSEI (2005-2007)
Masuknya dana-dana asing ke dalam pasar modal Indonesia membawa dampak positif bagi perkembangan pasar modal, namun dominasi kepemilikan asing pada pasar modal Indonesia membuat pasar modal Indonesia memiliki kelemahan yaitu sangat rentan terhadap guncangan eksternal dan pada jangka panjang akan menyebabkan neraca pembayaran akan mengalami ancaman defisit akibat pembayaran deviden terhadap luar negeri, sehingga pertumbuhan ekonomi akan mengalami efek pembalikan pada jangka panjang.
Selain itu dominasi
perusahaan-perusahaan emiten yang tidak berbasis sumber daya lokal pada pasar saham
maupun
pada
perekonomian
secara
keseluruhan
menyebabkan
sustainability dari perusahaan tersebut diragukan pada jangka panjang dan dapat berdampak buruk pada perekonomian secara agregat. Indeks Harga Saham Gabungan (IHSG) pada lag pertama memiliki hubungan positif terhadap pertumbuhan ekonomi pada jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.515076, yang artinya kenaikan indeks harga saham gabungan sebesar 1 persen pada lag pertama akan mengakibatkan pertumbuhan ekonomi pada jangka panjang meningkat
85
sebesar 0.515076 persen. Indeks harga saham merupakan salah satu lead indicator dalam perekonomian negara-negara maju dan pada saat ini telah dapat dilihat bahwa indeks pasar saham di negara-negara berkembang khususnya Indonesia mengalami peningkatan secara signifikan. Aliran dana-dana internasional secara deras masuk ke pasar modal Indonesia sebagai akibat bangkitnya perekonomian China yang membawa dampak pada stabilitas perekonomian regional Asia. Indeks Harga Saham Gabungan merupakan salah satu ukuran trust atau kepercayaan terhadap perekonomian Indonesia di masa yang akan datang. Semakin tinggi IHSG mengindikasikan semakin tingginya kepercayaan pelaku ekonomi domestik maupun asing terhadap perekonomian Indonesia. Tingginya kepercayaan pelaku ekonomi ini akan berdampak pada investasi secara langsung maupun tidak langsung meningkat dan pertumbuhan ekonomi pun meningkat. Variabel nilai saham yang diperdagangkan (NSP) pada lag pertama memiliki hubungan negatif terhadap pertumbuhan ekonomi pada jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.049097, yang artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0.049097 persen. Seperti yang telah diuraikan sebelumnya pada keseimbangan jangka pendek, nilai saham yang diperdagangkan merupakan suatu indikator yang menunjukkan tingkat likuiditas pada pasar saham. Untuk kasus Indonesia, semakin likuidnya pasar saham akan menyebabkan penurunan di sektor usaha. Investor lebih memilih untuk menginvestasikan dananya pada pasar saham dibandingkan investasi langsung pada sektor usaha. Ketidakpastian yang bersumber dari birokrasi yang rumit, law enforcement yang tidak berjalan dan
86
infrastruktur yang kurang baik menjadi faktor yang paling menentukan keputusan investor untuk tidak berinvestasi di sektor usaha (riil) ditengah geliat pasar modal yang semakin likuid dan menjanjikan return yang relatif lebih tinggi dalam waktu yang relatif lebih singkat. Bila hal ini terus berlanjut maka peningkatan likuiditas pasar modal akan menurunkan investasi langsung pada sektor riil yang pada jangka panjang akan menurunkan pendapatan nasional dan pertumbuhan ekonomi. Variabel nilai tukar riil pada lag pertama memiliki hubungan yang positif terhadap pertumbuhan ekonomi jangka panjang yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.262249, yang artinya pada saat terjadi kenaikan nilai tukar riil (depresiasi) pada lag pertama sebesar 1 persen maka pertumbuhan ekonomi akan mengalami peningkatan sebesar 0.262249 persen. Hasil estimasi tersebut sesuai dengan teori ekonomi dimana terdepresiasinya nilai tukar domestik akan menyebabkan meningkatnya daya saing produk-produk domestik di pasar internasional sehingga terjadi peningkatan nilai ekspor dan meningkatnya pertumbuhan ekonomi. Selain itu terdapat terdapat tren yang positif dari pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.013941.
4.3.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi (Analisis Variance Decomposition dan Impulse Response Function) Pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi juga dapat dilihat melalui analisis Variance Decomposition (VD). Analisis ini dapat menjelaskan sejauh mana peranan suatu variabel ekonomi dalam menjelaskan guncangan variabel ekonomi lainnya. Analisis Variance Decomposition (VD) dapat pula dipakai untuk melihat kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
87
Hasil VD menunjukkan varians GDPR dan INVR dominan mempengaruhi GDPR, dengan kata lain investasi riil dan pertumbuhan ekonomi itu sendiri memiliki pengaruh yang paling besar terhadap pertumbuhan ekonomi. Pada periode 4 sampai periode terakhir varians GDPR terus menurun hingga sebesar 59,55 persen pada periode 60. Walaupun begitu varians GDPR masih paling dominan dalam mempengaruhi pertumbuhan ekonomi sampai dengan periode 60. Kemudian varians Investasi Riil (INVR) memiliki pengaruh terbesar kedua dalam mempengaruhi pertumbuhan ekonomi (GDPR). Pada periode 4 sampai dengan periode 8, varians INVR mengalami peningkatan drastis dalam mempengaruhi GDPR yaitu 7.79 persen menjadi 23,35 persen pada periode 8. Untuk selanjutnya varians INVR mengalami penurunan dalam mempengaruhi pertumbuhan ekonomi (GDPR) sampai dengan periode 60 yaitu sebesar 18,74 persen pada periode terakhir. Varians kapitalisasi pasar saham (KAP) pada periode awal mengalami peningkatan sampai dengan periode 10, yaitu 5.74 persen pada periode 4 menjadi 10.02 persen pada periode 8. Peningkatan pengaruh varians kapitalisasi pasar (KAP) terhadap pertumbuhan ekonomi (GDPR) masih berlanjut sampai periode 13 menjadi 10.91 persen. Pada periode terakhir (periode 60) varians kapitalisasi (KAP) berpengaruh terhadap pertumbuhan ekonomi (GDPR) sebesar 10.65 persen. Hal ini menunjukkan bahwa kapitalisasi pasar sebagai salah satu variabel perkembangan pasar modal memiliki peranan yang besar dalam mempengaruhi pertumbuhan ekonomi. Varians indeks harga saham gabungan (IHSG) pada awal periode sampai dengan periode 60 mengalami peningkatan dalam mempengaruhi pertumbuhan ekonomi (GDPR). Pada periode 4 varians IHSG hanya mampu mempengaruhi
88
1.53 persen, tetapi pada periode 13 varians IHSG meningkat menjadi 3.31 persen. Peningkatan pengaruh varians IHSG terhadap GDPR terus meningkat hingga periode 60 yaitu sebesar 4.03 persen pada akhir periode. Pengaruh varians nilai saham yang diperdagangkan (NSP) terhadap pertumbuhan ekonomi (GDPR) mengalami peningkatan dari awal periode sampai dengan akhir periode (periode 60). Pada periode 4, pengaruh varians NSP mampu mempengaruhi GDPR sebesar 0.26 persen kemudian meningkat menjadi 2.133 persen pada periode 13 dan terus mengalami peningkatan sampai dengan periode terakhir yaitu sebesar 3.32 persen pada periode 60. Pengaruh varians nilai tukar riil (RER) terhadap GDPR secara umum mengalami peningkatan selama periode observasi. Pengaruh varians RER mengalami peningkatan pada periode awal periode sampai dengan periode 8, yaitu varians RER mampu mempengaruhi GDPR hingga sebesar 3.61 persen pada periode 8. Setelah itu pengaruh varians RER mengalami penurunan menjadi 3.51 persen pada periode 13 dan meningkat kembali yaitu sebesar 3.69 persen sampai dengan periode 20. Pengaruh varians RER terhadap GDPR mengalami kenaikan hingga menjadi 3.80 persen pada akhir periode (periode 60). Dari hasil VD (Variance Decomposition) yang telah dibahas dapat diambil suatu konklusi bahwa variabel yang paling mempengaruhi pertumbuhan ekonomi (GDPR) selain variabel GDPR itu sendiri ialah investasi riil (INVR). Investasi riil merupakan pembentukan modal tetap bruto domestik yang mengukur PMDN, PMA, dan pembentukan modal pada sektor UMKM, sehingga memiliki peran yang signifikan dalam pembentukan output riil (GDPR). Variabel pasar modal yang paling mempengaruhi pertumbuhan ekonomi ialah kapitalisasi pasar saham (KAP). Kapitalisasi dapat terbentuk dari penerbitan saham baik IPO maupun right
89
issue karena kebutuhan likuiditas bagi perusahaan/emiten untuk berekspansi termasuk pembelian barang modal baru yang berpengaruh kepada keputusan investasi perusahaan. Variabel IHSG memiliki pengaruh yang relatif kecil terhadap GDPR, hal ini mengindikasikan bahwa indeks harga saham sebagai lead indicator dalam perekonomian modern belum dapat mempengaruhi pertumbuhan ekonomi Indonesia secara langsung sehingga dapat dikatakan bahwa pasar saham di Indonesia belum mencapai taraf well-developed market. Sama halnya dengan IHSG, NSP secara langsung juga memiliki pengaruh yang relatif kecil bagi pertumbuhan ekonomi. Hasil VD ini memberikan suatu pemahaman bahwa untuk kasus Indonesia likuiditas pasar saham belum memiliki pengaruh yang besar bagi pertumbuhan ekonomi. Walaupun begitu, secara umum dapat dikatakan bahwa semua variabel perkembangan pasar modal (KAP, IHSG, dan NSP) memiliki pengaruh yang semakin meningkat secara konsisten sampai dengan akhir perode, yang berarti bahwa pengaruh perkembangan pasar modal semakin besar bagi pertumbuhan ekonomi pada jangka panjang (Lampiran 13).
Tabel 4.9. Hasil Variance Decomposition (%) Persamaan Pertumbuhan Ekonomi Period
S.E.
LN_GDPR
LN_INVR
LN_KAP
LN_IHSG
1 4 8 13 20 25 30 35 40 45 50 55 60
0.004253 0.026632 0.046665 0.060090 0.073687 0.083062 0.090735 0.098178 0.105088 0.111442 0.117547 0.123327 0.128833
100.000000 82.924940 59.506670 60.600270 60.289700 59.859340 59.824740 59.736700 59.671290 59.641390 59.601190 59.572810 59.551870
0.000000 7.799530 23.354190 19.516430 19.383650 19.290550 18.930160 18.915670 18.826150 18.745470 18.703450 18.661960 18.623950
0.000000 5.747328 10.024670 10.914460 10.416850 10.688390 10.711700 10.647280 10.674050 10.664410 10.661180 10.661460 10.659710
0.000000 1.531749 2.348764 3.316723 3.574268 3.681964 3.811797 3.863674 3.917080 3.957518 3.987292 4.013474 4.034823
Sumber : Lampiran 13
LN_NSP LN_RER 0.000000 0.260427 1.147757 2.133761 2.642032 2.799249 2.993480 3.073598 3.146203 3.207962 3.252190 3.289403 3.321246
0.000000 1.736029 3.617940 3.518349 3.693496 3.680511 3.728114 3.763079 3.765236 3.783256 3.794700 3.800898 3.808410
90
Selain analisis Variance Decomposition, ada analisis lain yang dapat menunjukkan pengaruh masing-masing variabel terhadap pertumbuhan ekonomi yaitu analisis Impulse Response Function. Analisis ini menunjukkan respon dinamis jangka panjang setiap variabel apabila ada suatu shock (guncangan) tertentu sebesar satu standar deviasi pada setiap persamaan. Hasil IRF menunjukkan bahwa pengaruh inovasi (guncangan) dari investasi riil terhadap GDPR pada awal periode mengalami peningkatan sampai dengan periode 7, kemudian mengalami penurunan sampai dengan periode 16. Setelah itu pengaruh guncangan investasi mengalami peningkatan sampai periode 20 dan selanjutnya pada periode 36 pergerakan cenderung persistent (tetap) sampai akhir periode inovasi (periode 60). Pengaruh guncangan (inovasi) dari kapitalisasi pasar saham (KAP) terhadap GDPR pada awal periode cenderung fluktuatif. Pada awal periode sampai dengan periode 6, pengaruh guncangan (inovasi ) KAP terhadap GDPR meningkat, kemudian pada periode selanjutnya sampai dengan periode 14 mengalami penurunan. Peningkatan pengaruh guncangan KAP tersebut kembali meningkat sampai dengan periode 18, dan setelah periode 27 pergerakan pengaruh inovasi KAP cenderung tetap (persistent) atau stabil sampai pada akhir periode inovasi (periode 60). Hasil IRF menunjukkan bahwa respon negatif yang diberikan oleh GDPR terhadap inovasi dari IHSG menunjukkan peningkatan sampai dengan periode 5, kemudian pengaruh negatif inovasi IHSG menurun pada periode berikutnya sampai dengan periode 8, untuk selanjutnya mengalami peningkatan sampai dengan periode 14. Pada periode 23, respon negatif yang diberikan oleh GDPR terhadap inovasi (guncangan) IHSG telah cenderung tetap (persistent) sehingga
91
dapat dikatakan bahwa dalam jangka panjang IHSG mampu mempengaruhi pertumbuhan ekonomi (GDPR). Selanjutnya, pengaruh inovasi (guncangan) nilai saham yang diperdagangkan (NSP) terhadap GDPR cenderung mengalami peningkatan sampai dengan periode 13, kemudian menurun sampai dengan periode 17. Pada periode 28 sampai dengan akhir periode respon positif yang diberikan GDPR terhadap guncangan (inovasi) NSP telah cenderung persistent (tetap) sehingga dalam jangka panjang likuiditas pasar saham yang tercermin dari nilai saham yang diperdagangkan mampu mempengaruhi pertumbuhan ekonomi. Pengaruh guncangan (inovasi) nilai tukar riil (RER) terhadap pertumbuhan ekonomi (GDPR) mengalami peningkatan sampai dengan periode 6, kemudian respon negatif GDPR terhadap guncangan RER tersebut cenderung mengalami penurunan sampai dengan periode 17. Pengaruh guncanan RER terhadap pertumbuhan ekonomi (GDPR) cenderung mengalami kondisi persistent (tetap) dimulai pada periode 36 sampai dengan periode akhir (periode 60). Dari hasil Impulse Response Function dapat diketahui bahwa inovasi atau guncangan dari investasi riil terhadap GDPR memiliki pengaruh yang sangat besar. Dari ketiga variabel perkembangan pasar modal yang digunakan, inovasi atau guncangan dari kapitalisasi pasar saham memiliki pengaruh yang paling besar terhadap pertumbuhan ekonomi karena secara langsung berhubungan dengan pembentukan modal sehingga dapat mempengaruhi pertumbuhan output riil Indonesia. Hal ini mengindikasikan bahwa GDPR respon dinamis yang kuat apabila variabel Investasi riil dan kapitalisasi pasar saham diguncang atau mengalami shock. Hal ini dapat terjadi karena kapitalisasi saham dan invetasi riil
92
berhubungan langsung dengan pembentukan modal dalam negeri yang akan menentukan pembentukan output riil dan pertumbuhan ekonomi.
Response to Cholesky One S.D. Innovations Response of LN_GDPR to LN_GDPR Response of LN_GDPR to LN_INVR Response of LN_GDPR to LN_KAP .020
.020
.020
.016
.016
.016
.012
.012
.012
.008
.008
.008
.004
.004
.004
.000
.000
.000
-.004
-.004
-.004
-.008
-.008 10
20
30
40
50
60
Response of LN_GDPR to LN_IHSG .020 .016 .012 .008 .004 .000 -.004 -.008 10
20
30
40
50
60
-.008 10
20
30
40
50
60
10
20
30
40
50
60
Response of LN_GDPR to LN_NSP
Response of LN_GDPR to LN_RER
.020
.020
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004
-.008 10
20
30
40
50
60
-.008
Sumber : Lampiran 14
Gambar 4.3. Grafik Impulse Response Function
10
20
30
40
50
60
93
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan Berdasarkan penelitian yang telah dilakukan, maka dapat dibuat kesimpulan sebagai berikut : 1. Hasil estimasi VECM menunjukkan bahwa pada dalam jangka pendek, kapitalisasi pasar saham (KAP) signifikan berpengaruh terhadap investasi riil (INVR) dan produk domestik bruto riil (GDPR). Hal ini mengindikasikan perkembangan pasar modal dalam jangka pendek mampu mempengaruhi perilaku investasi riil dan pertumbuhan ekonomi Indonesia. Variabel perkembangan pasar modal yang paling besar pengaruhnya terhadap investasi riil (INVR) dan pertumbuhan ekonomi Indonesia (GDPR) ialah kapitalisasi pasar modal (KAP). Hal ini mengindikasikan bahwa variabel pasar modal yang paling dominan mempengaruhi investasi riil dan pertumbuhan ekonomi ialah tingkat kapitalisasi pasar saham (KAP). 2. Hasil estimasi VECM menunjukkan bahwa pada persamaan pertumbuhan ekonomi, seluruh variabel yang digunakan (INVR, KAP, IHSG, NSP, RER) signifikan mempengaruhi pertumbuhan ekonomi pada jangka panjang. Selain itu pada persamaan investasi riil, seluruh variabel yang digunakan (GDPR, KAP, IHSG, NSP, RER) signifikan mempengaruhi investasi riil Indonesia jangka panjang. Kedua hasil estimasi jangka panjang tersebut menunjukkan bahwa perkembangan pasar modal berpengaruh terhadap investasi riil dan pertumbuhan ekonomi Indonesia jangka panjang. Dari ketiga variabel pasar modal yang digunakan hanya variabel IHSG memiliki hubungan yang positif
94
terhadap investasi riil (INVR) dan pertumbuhan ekonomi (GDPR) jangka panjang. 3. Hasil estimasi VECM menunjukkan adanya trade-off antara perkembangan pasar modal dengan perkembangan investasi riil dan pertumbuhan ekonomi. Kinerja pasar modal Indonesia meningkat bukan karena peningkatan penawaran saham baru tetapi lebih kepada peningkatan harga saham sehingga menimbulkan dampak yang kontraproduktif terhadap investasi pada sektor riil. Perkembangan pasar modal yang didominasi oleh perubahan harga saham tersebut akan berdampak buruk terhadap kondisi perekonomian baik dalam jangka pendek maupun jangka panjang.
5.2 Saran 1. Berdasarkan penelitian, diketahui bahwa fluktuasi dari investasi riil dan produk domestik bruto riil sangat dipengaruhi perkembangan pasar modal khususnya kapitalisasi pasar saham. Selain itu terdapat trade-off antara kapitalisasi pasar saham dan investasi riil. Oleh karena itu hal yang paling mungkin dilakukan ialah mendorong perusahaan-perusahaan yang ada di Indonesia untuk go public sehingga meningkatkan penawaran saham baru dan aliran dana segar bagi korporasi untuk keperluan investasi pada sektor riil sehingga perkembangan pasar modal terbentuk bukan karena perubahan harga saham semata dan trade-off antara perkembangan pasar modal dan investasi riil dapat diminimalisasi. 2. Selain itu pembenahan tata kelola korporasi, perluasan kewenangan Bapepam, pengembangan infrastruktur pasar modal harus bisa menjadi prioritas kebijakan dalam mempercepat pengembangan pasar modal yang sudah
95
mendesak sehingga efisiensi pasar modal dapat tercapai dan menjadi penggerak investasi riil dan pertumbuhan ekonomi. Pemerintah Indonesia juga harus dapat menjaga stabilitas keamanan dan politik dalam negeri, melakukan law enforcement, dan juga pembangunan infrastruktur karena hal tersebut sangat berpengaruh kepada tingkat kepercayaan investor, kepastian (certainty) dan perkembangan pasar modal yang positif terhadap perekonomian.. 3. Untuk penelitian selanjutnya, sebaiknya menganalisis lebih jauh tentang peranan perkembangan pasar modal terhadap variabel makroekonomi lainnya seperti inflasi, neraca perdagangan, dan neraca pembayaran Indonesia. Perbaikan data sangat dianjurkan untuk menunjang penelitian selanjutnya mengingat data yang telah penulis gunakan mengalami proses disagregasi (interpolasi).
96
DAFTAR PUSTAKA
Anoraga, P. dan P. Pakarti. 2006. Pengantar Pasar Modal. Rineka Cipta, Jakarta. Arestis, P. dan P. Demetriades. 1997. Financial Development and Economic Growth: Assessing The Evidence. Royal Economic Society : Blackwell Arsyad, L. 1999. Ekonomi Pembangunan. Yogyakarta : STIE Yayasan Keluarga Pahlawan. Auerbach, P. dan J.U. Siddiki. 2004. Financial Liberalisation and Economic Development: An Assessment. Journal of Economic Surveys Vol.18 No.3 Bank Indonesia. Berbagai Edisi. Statistik Ekonomi Keuangan Indonesia. Bank Indonesia, Jakarta Bursa Efek Jakarta. Berbagai Edisi. Statistik Pasar Modal. Bursa Efek Jakarta, Jakarta Batiz, F. L. R. dan L. A. R. Batiz. 1994. International Finance and Open Economy, Macroeconomics. Mcmillan Publishing co. New York. Blackburn, K., N. Bose, dan S. Capasso. 2005. Financial Development, Financing Choice, and Economic Growth. Review of Development Economics, 9(2), 135-149 _________________.2003. Rasio Tabungan dan Investasi Indonesia terhadap Gross Domestik Product (GDP) (Berdasarkan tahun dasar 1993). Badan Pusat Statistik, Jakarta. Capasso, S. 2003. Stock Market Development and Economic Growth : A Matter of Informational Problems. University of Manchester, Manchester Capasso, S. 2004. Financial Markets, Development and Economic Growth: Tales of Informational Asymmetries. Journal of Economic Surveys Vol.18, No.3 Darmadji, T dan H. M. Fakhruddin. 2006. Pasar Modal di Indonesia Pendekatan Tanya Jawab. Salemba Empat, Jakarta. Delfin, S dan M. Pradeep. 1998. Trade Liberalization, Fiscal Adjustment and Exchange Rate Policy In India. Paper was Presented at Conference on Trade, Growth and Development at Yale University. Departemen Penerangan. 1984. Pasar Modal dan Pembangunan Nasional. Departemen Penerangan, Jakarta
97
Enders, W. 2004. Applied Econometric Time Series (Second Edition). John Willey & Sons, Inc, Alabama Gujarati, D.N. 2003. Basic Econometrics, Fourth Edition. McGraw Hill, USA. Haugen, R. A. 1990. Modern Investment Theory. New Jersey : Prentice Hall International Irawan dan Suparmoko M. 1999. Ekonomi Pembangunan. Yogyakarta : BPFE. Levine, R. 1996. Stock Markets : A Spur to Economic Growth. Journal of Economic Surveys Vol. 5, No.6 Lypsey R.G, P.N. Courant, D.D. Purvis dan P.O. Steiner. 1997. Pengantar Makroekonomi. Bina Rupa Aksara, Jakarta. Mankiw NG. 2000. Teori Makroekonomi. Terjemahan dari : Imam N. Erlangga, Jakarta. Manurung, A.H. 2005. Pasar Modal Indonesia Menjadi Bursa Kelas Dunia. Elex Media komputindo, Jakarta. Mishkin, F. S. 1999. The Economics of Money, Banking, and Financial Market. Columbia University, Boston. Muslumov, A. 1998. Stock Markets and Economic Growth: A Causality Test. Istanbul Technical University Nicholson, W.1998. Microeconomic Theory : Basic Principles and Extensions. Forthworth: The Dryden Press Nieuwerburgh, S.V, F. Buelens, L. Cuyvers. 2005. Stock Market Development and Economic Growth in Belgium. University of Antwerp, Antwerp Riyanto J.E., J. Hur, dan M. Raj. 2006. Finance and Trade: A Cross-Country Empirical Analysis on the Impact of Financial Development and Asset Tangibility on International Trade. World Development Vol.34 : Elsevier Rusdin. 2006. Pasar Modal : Teori, Masalah, dan Kebijakan dalam Praktek. Alfabeta, Jakarta. Sugema, I. 2001. Restrukturisasi Perbankan dan Instabilitas Fiskal dan Moneter. Bisnis dan Ekonomi Politik, 4(4):21-32 Sumanto, E. 2006. Analisis Pengaruh Perkembangan Pasar Modal Terhadap Perekonomian Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
98
Sutha, I.P.G.A. 2000. Menuju Pasar Modal Modern. Jakarta: Yayasan SAD Satria Bhakti Sutha, I.P.G.A. 2000. Foundation of Our Capital Market. Jakarta: Yayasan SAD Satria Webster, E. 1999. The Economics of Intangible Investment. Edward Elgar Publishing : Cheltenham
99
100
Lampiran 1. DATA PENELITIAN PERIODE 1999:01 1999:02 1999:03 1999:04 1999:05 1999:06 1999:07 1999:08 1999:09 1999:10 1999:11 1999:12 2000:01 2000:02 2000:03 2000:04 2000:05 2000:06 2000:07 2000:08 2000:09 2000:10 2000:11 2000:12 2001:01 2001:02 2001:03 2001:04 2001:05 2001:06 2001:07 2001:08 2001:09 2001:10 2001:11 2001:12 2002:01 2002:02 2002:03 2002:04 2002:05 2002:06 2002:07 2002:08 2002:09 2002:10 2002:11 2002:12
GDPR 274812.01 278085.59 280814.71 280130.14 278406.82 278960.05 283335.50 288990.76 291613.78 289722.24 286886.99 289508.57 301431.96 318179.11 332716.37 338759.45 340199.84 341678.35 347126.76 353870.14 358524.50 358772.27 356838.65 356015.27 359603.13 365961.14 373457.58 379499.99 384423.85 387603.88 388216.64 386475.68 382396.40 377242.26 371629.59 367422.80 366181.62 366821.51 367953.22 368718.68 370078.10 373522.86 378489.69 383205.62 383843.02 379053.52 371990.53 368286.71
INVR 57632.46 57195.81 57245.42 56863.06 56326.47 55732.03 55584.82 56041.02 57665.53 60255.94 63146.16 64902.81 64610.38 63244.50 62298.67 63204.61 65184.66 67399.38 68897.89 70044.19 71090.86 72335.76 73675.24 75050.95 76415.21 77802.56 79258.19 80377.62 80913.39 80168.33 78104.35 75399.58 73391.22 73192.09 74021.42 74874.02 74693.03 73955.20 73085.55 72719.52 72749.80 73279.45 74366.03 75935.23 77867.20 79527.20 80717.70 80726.28
NSP 5415.60 3287.90 2949.70 8765.80 17220.30 21034.40 18406.90 11591.20 10696.10 19056.60 13271.20 16184.40 23508.64 16578.80 15255.60 6773.80 10476.20 10457.40 6258.70 7493.30 5595.10 8687.70 7233.70 4465.12 5410.50 10387.30 7118.90 4723.90 9327.60 8787.40 13883.40 7216.30 8001.80 26437.80 6376.10 6614.10 30498.80 88946.00 97647.00 182822.00 144968.00 99545.00 103294.00 70075.00 60587.00 59876.00 59767.00 102004.00
IHSG 411.93 396.00 393.62 495.22 585.24 662.02 597.87 572.66 547.94 593.86 583.80 676.92 636.37 576.54 583.27 526.73 454.32 515.11 492.19 466.38 421.33 405.34 429.21 416.32 425.61 428.30 381.05 358.23 405.86 437.62 444.08 435.55 392.47 383.74 380.31 392.03 392.03 453.25 481.86 544.85 530.79 505.01 463.67 456.40 412.43 371.14 390.42 424.94
KAP 162733.22 146442.39 167267.00 243616.05 344283.54 416062.00 418241.35 383674.06 357710.00 378918.86 421235.61 451815.00 440723.23 405838.65 367951.00 349049.98 339340.65 330228.00 314068.56 295635.62 280654.00 272660.15 267697.47 259621.00 246248.88 232635.15 227797.00 236788.74 253120.36 266339.00 265545.29 255742.41 241487.00 232783.14 230076.21 239259.00 261444.87 291297.72 318702.00 330186.82 329132.25 315563.00 296211.45 274419.07 260235.00 259807.69 266162.23 268423.00
RER 7590.22 8075.66 8560.58 8430.02 8001.58 7602.92 7547.27 7663.53 7766.15 7676.47 7490.74 7312.12 7288.11 7389.32 7630.69 7948.37 8295.50 8546.43 8626.76 8624.93 8680.64 8877.66 9118.20 9248.54 9237.56 9223.43 9466.92 9999.52 10576.19 10722.59 10166.95 9247.69 8505.82 8441.35 8763.31 9139.74 9155.93 8936.47 8523.19 8099.23 7714.30 7559.45 7635.02 7750.16 7523.32 6817.61 5946.13 5466.63
101
2003:01 371993.59 79308.49 51138.00 388.44 260652.70 5781.17 2003:02 379504.27 77054.54 35003.00 399.22 250758.29 6533.05 2003:03 385630.75 75022.65 40406.00 398.00 251585.00 7209.88 2003:04 386095.63 74259.13 74381.00 435.04 272639.77 7304.35 2003:05 383948.24 74228.93 74867.00 494.78 305830.80 7075.19 2003:06 383148.52 74385.15 101334.00 497.81 339728.00 6786.20 2003:07 386277.01 74281.01 97268.00 508.70 362465.57 6725.59 2003:08 390664.06 74240.06 109609.00 530.86 379540.73 6773.67 2003:09 392260.59 74686.03 149033.00 599.84 396015.00 6835.16 2003:10 388532.32 75816.46 183140.00 629.05 416759.62 6810.38 2003:11 382261.16 77306.41 98287.00 617.08 439148.68 6744.79 2003:12 377743.83 78604.76 167466.00 679.30 460366.00 6679.44 2004:01 378959.26 79180.39 220492.00 752.93 476127.09 6658.32 2004:02 383600.23 79318.84 216703.00 761.08 487105.88 6662.38 2004:03 389041.76 79325.61 205084.00 735.67 492508.00 6675.50 2004:04 392839.49 79845.06 214133.00 783.41 494174.76 6725.23 2004:05 396396.25 80893.83 182130.00 733.99 493821.19 6841.46 2004:06 401295.49 82827.39 13387.00 732.40 495798.00 7097.79 2004:07 407833.50 85601.18 15168.40 756.98 507305.28 7359.65 2004:08 414574.98 88837.48 11060.50 746.76 527592.38 7486.20 2004:09 418797.47 91758.53 20583.30 819.82 558758.00 7128.48 2004:10 418871.15 93443.38 24741.70 860.35 597792.88 6261.92 2004:11 416703.56 94209.31 27707.40 977.77 641093.66 5223.20 2004:12 415294.91 94230.41 30052.80 1000.23 679949.00 4673.41 2005:01 417622.74 94113.65 35213.90 1045.44 705737.55 5095.85 2005:02 422175.65 93988.42 30814.60 1073.83 722859.99 6071.05 2005:03 427419.61 94416.99 70170.90 1080.17 735807.00 7001.76 2005:04 432252.01 95958.64 28042.80 1080.17 748875.12 7289.90 2005:05 437655.59 98330.73 53933.00 1088.17 759721.97 7233.68 2005:06 445044.52 101247.63 27752.10 1122.37 765811.00 7130.51 2005:07 453637.75 103766.66 28174.80 1182.30 765946.46 7258.61 2005:08 461630.59 105702.12 37052.90 1050.09 762066.99 7459.74 2005:09 465023.17 106211.29 31197.60 1079.27 757452.00 7556.45 2005:10 461489.17 104793.75 25959.40 1058.26 760818.83 7390.95 2005:11 453865.36 102042.03 16056.00 1017.73 773246.76 7061.76 2005:12 446662.06 98890.98 24234.20 1162.63 801253.00 6687.01 2006:01 444685.19 96787.90 27237.10 1229.70 840882.16 6423.62 2006:02 445827.38 95521.59 23093.90 1216.14 883639.33 6231.93 2006:03 448276.80 95393.30 35109.50 1322.97 910557.00 6111.05 2006:04 450388.70 96398.28 39487.50 1464.40 911625.21 6042.93 2006:05 453152.50 98232.89 61110.72 1330.00 900806.51 6019.41 2006:06 457724.70 100287.48 241885.32 1310.26 901021.00 6015.15 2006:07 463915.10 101775.82 198122.84 1351.65 935180.23 5992.89 2006:08 470472.11 102914.43 290644.00 1444.49 991819.86 5959.35 2006:09 474797.50 103743.25 27967.68 1534.62 1059467.00 5909.32 2006:10 474500.23 104375.51 31222.72 1582.63 1122927.88 5840.67 2006:11 470983.05 104827.86 37755.90 1718.96 1186078.50 5757.56 2006:12 465855.90 105190.26 49080.00 1805.52 1249074.00 5667.21 Sumber : BI dan BEJ (2007) berdasarkan tahun dasar 2000 Catatan : Data PDBR, INVR, dan RER yang digunakan telah mengalami proses disagregasi (interpolasi) dalam mengakomodir fluktuasi pasar modal yang tergolong cepat
102
Lampiran 2.UJI STASIONERITAS PADA LEVEL Null Hypothesis: GDPR has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.916633 -3.506484 -2.894716 -2.584529
0.3234
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDPR) Method: Least Squares Date: 07/04/07 Time: 23:52 Sample(adjusted): 1999:09 2006:12 Included observations: 88 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
GDPR(-1) D(GDPR(-1)) D(GDPR(-2)) D(GDPR(-3)) D(GDPR(-4)) D(GDPR(-5)) D(GDPR(-6)) D(GDPR(-7)) C
-0.004432 1.948566 -1.213505 -0.720414 1.458221 -0.492909 -0.428936 0.286213 2057.351
0.002312 0.107936 0.242980 0.275146 0.233537 0.274933 0.239440 0.105759 926.1987
-1.916633 18.05301 -4.994251 -2.618301 6.244078 -1.792834 -1.791411 2.706283 2.221284
0.0589 0.0000 0.0000 0.0106 0.0000 0.0768 0.0771 0.0083 0.0292
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.960869 0.956907 976.1735 75280265 -725.8798 1.969944
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
2009.831 4702.418 16.70181 16.95518 242.4834 0.000000
Null Hypothesis: INVR has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INVR) Method: Least Squares Date: 07/04/07 Time: 23:57
t-Statistic
Prob.*
-0.683058 -3.504727 -2.893956 -2.584126
0.8450
103
Sample(adjusted): 1999:07 2006:12 Included observations: 90 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
INVR(-1) D(INVR(-1)) D(INVR(-2)) D(INVR(-3)) D(INVR(-4)) D(INVR(-5)) C
-0.001969 1.900429 -1.303211 -0.188056 0.738069 -0.361293 272.5620
0.002883 0.101209 0.214104 0.251272 0.208465 0.098126 234.3039
-0.683058 18.77730 -6.086829 -0.748418 3.540500 -3.681943 1.163284
0.4965 0.0000 0.0000 0.4563 0.0007 0.0004 0.2480
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.940265 0.935947 353.4173 10367013 -652.1493 1.860671
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
549.5359 1396.430 14.64776 14.84219 217.7468 0.000000
Null Hypothesis: KAP has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
1.742668 -3.505595 -2.894332 -2.584325
0.9997
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KAP) Method: Least Squares Date: 07/04/07 Time: 23:58 Sample(adjusted): 1999:08 2006:12 Included observations: 89 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
KAP(-1) D(KAP(-1)) D(KAP(-2)) D(KAP(-3)) D(KAP(-4)) D(KAP(-5)) D(KAP(-6)) C
0.004731 2.005817 -1.411826 -0.420437 1.561730 -1.135569 0.304506 -1031.115
0.002715 0.100184 0.198741 0.190712 0.194766 0.194016 0.094352 1164.951
1.742668 20.02138 -7.103863 -2.204570 8.018480 -5.852960 3.227341 -0.885115
0.0852 0.0000 0.0000 0.0303 0.0000 0.0000 0.0018 0.3787
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.964314 0.961230 4514.477 1.65E+09 -871.0332 1.696859
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
9335.198 22927.79 19.75355 19.97725 312.6890 0.000000
104
Null Hypothesis: IHSG has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
2.404226 -3.500669 -2.892200 -2.583192
1.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG) Method: Least Squares Date: 07/04/07 Time: 23:56 Sample(adjusted): 1999:02 2006:12 Included observations: 95 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
IHSG(-1) C
0.037423 -11.76985
0.015565 12.22090
2.404226 -0.963092
0.0182 0.3380
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.058517 0.048393 51.95773 251063.3 -509.0794 1.854241
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
14.66937 53.26249 10.75957 10.81333 5.780304 0.018189
Null Hypothesis: NSP has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.569023 -3.500669 -2.892200 -2.583192
0.0082
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(NSP) Method: Least Squares Date: 07/04/07 Time: 23:59 Sample(adjusted): 1999:02 2006:12 Included observations: 95 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
NSP(-1) C
-0.237815 13653.07
0.066633 5703.481
-3.569023 2.393814
0.0006 0.0187
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
0.120467 0.111010 42333.46 1.67E+11 -1145.855
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic
459.6253 44898.85 24.16537 24.21914 12.73792
105
Durbin-Watson stat
2.126642
Prob(F-statistic)
0.000569
Null Hypothesis: RER has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-1.242251 -3.505595 -2.894332 -2.584325
0.6531
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(RER) Method: Least Squares Date: 07/05/07 Time: 00:00 Sample(adjusted): 1999:08 2006:12 Included observations: 89 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
RER(-1) D(RER(-1)) D(RER(-2)) D(RER(-3)) D(RER(-4)) D(RER(-5)) D(RER(-6)) C
-0.011032 1.967796 -1.580502 -0.215392 1.424901 -1.154671 0.373776 78.24593
0.008881 0.100218 0.195267 0.202859 0.189666 0.177319 0.093727 67.27272
-1.242251 19.63518 -8.094046 -1.061783 7.512704 -6.511820 3.987915 1.163115
0.2177 0.0000 0.0000 0.2915 0.0000 0.0000 0.0001 0.2482
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.945148 0.940408 88.68122 637013.0 -521.2635 2.054973
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-21.12427 363.2773 11.89356 12.11726 199.3875 0.000000
Lampiran 3.UJI STASIONERITAS PADA FIRST DIFFERENCE Null Hypothesis: D(GDPR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDPR,2)
t-Statistic
Prob.*
-6.475249 -4.063233 -3.460516 -3.156439
0.0000
106
Method: Least Squares Date: 07/04/07 Time: 23:55 Sample(adjusted): 1999:07 2006:12 Included observations: 90 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(GDPR(-1)) D(GDPR(-1),2) D(GDPR(-2),2) D(GDPR(-3),2) D(GDPR(-4),2) C @TREND(1999:01)
-0.267054 1.182781 -0.174683 -0.501128 0.648867 791.3466 -5.415710
0.041242 0.080783 0.127681 0.118852 0.083511 265.2877 4.232212
-6.475249 14.64147 -1.368120 -4.216394 7.769831 2.982975 -1.279641
0.0000 0.0000 0.1750 0.0001 0.0000 0.0037 0.2042
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.904386 0.897474 1030.676 88170335 -748.4782 1.754843
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-63.11533 3218.881 16.78840 16.98283 130.8452 0.000000
Null Hypothesis: D(INVR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-3.435211 -4.066981 -3.462292 -3.157475
0.0534
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INVR,2) Method: Least Squares Date: 07/04/07 Time: 23:57 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(INVR(-1)) D(INVR(-1),2) D(INVR(-2),2) D(INVR(-3),2) D(INVR(-4),2) D(INVR(-5),2) D(INVR(-6),2) D(INVR(-7),2) C @TREND(1999:01)
-0.173380 1.185532 -0.167534 -0.760003 0.704280 0.216280 -0.652082 0.393594 51.14912 0.617254
0.050471 0.098901 0.141130 0.142927 0.152099 0.137911 0.133915 0.098165 81.68999 1.322196
-3.435211 11.98708 -1.187090 -5.317437 4.630397 1.568264 -4.869353 4.009499 0.626137 0.466840
0.0010 0.0000 0.2388 0.0000 0.0000 0.1209 0.0000 0.0001 0.5331 0.6419
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.866538 0.850938 308.8089 7342948. -616.8831 1.701402
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-14.50701 799.8467 14.41111 14.69454 55.54911 0.000000
107
Null Hypothesis: D(KAP) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.318340 -4.066981 -3.462292 -3.157475
0.0047
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KAP,2) Method: Least Squares Date: 07/04/07 Time: 23:58 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KAP(-1)) D(KAP(-1),2) D(KAP(-2),2) D(KAP(-3),2) D(KAP(-4),2) D(KAP(-5),2) D(KAP(-6),2) D(KAP(-7),2) C @TREND(1999:01)
-0.173905 1.225741 -0.078663 -1.077927 1.090206 -0.008429 -0.481682 0.332834 -2890.460 87.63423
0.040271 0.097381 0.152439 0.127176 0.133251 0.137154 0.124548 0.082365 1034.829 21.93807
-4.318340 12.58704 -0.516027 -8.475901 8.181588 -0.061458 -3.867435 4.040956 -2.793176 3.994619
0.0000 0.0000 0.6073 0.0000 0.0000 0.9512 0.0002 0.0001 0.0066 0.0001
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.919477 0.910065 3677.088 1.04E+09 -832.3954 1.899755
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1022.524 12261.40 19.36541 19.64885 97.69420 0.000000
Null Hypothesis: D(IHSG) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG,2) Method: Least Squares Date: 07/04/07 Time: 23:56
t-Statistic
Prob.*
-8.691806 -4.058619 -3.458326 -3.155161
0.0000
108
Sample(adjusted): 1999:03 2006:12 Included observations: 94 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(IHSG(-1)) C @TREND(1999:01)
-0.911872 -9.395760 0.477635
0.104912 11.01196 0.203909
-8.691806 -0.853232 2.342386
0.0000 0.3958 0.0213
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.453677 0.441670 51.89081 245031.8 -503.0751 1.978173
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1.090319 69.44564 10.76756 10.84872 37.78407 0.000000
Null Hypothesis: D(NSP) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-11.57156 -4.058619 -3.458326 -3.155161
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(NSP,2) Method: Least Squares Date: 07/04/07 Time: 23:59 Sample(adjusted): 1999:03 2006:12 Included observations: 94 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(NSP(-1)) C @TREND(1999:01)
-1.191143 2965.046 -49.73473
0.102937 9463.103 170.2777
-11.57156 0.313327 -0.292080
0.0000 0.7547 0.7709
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.595380 0.586487 44777.78 1.82E+11 -1138.546 1.963822
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
143.1043 69633.45 24.28821 24.36937 66.95111 0.000000
Null Hypothesis: D(RER) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-4.477035 -4.066981 -3.462292 -3.157475
0.0029
109
*MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RER,2) Method: Least Squares Date: 07/05/07 Time: 00:00 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(RER(-1)) D(RER(-1),2) D(RER(-2),2) D(RER(-3),2) D(RER(-4),2) D(RER(-5),2) D(RER(-6),2) D(RER(-7),2) C @TREND(1999:01)
-0.305649 1.285734 -0.107029 -0.995056 1.233692 -0.078884 -0.463251 0.436001 7.235305 -0.284371
0.068270 0.102353 0.150704 0.145232 0.150058 0.138358 0.125978 0.090599 19.77488 0.346763
-4.477035 12.56174 -0.710195 -6.851501 8.221421 -0.570146 -3.677251 4.812405 0.365884 -0.820074
0.0000 0.0000 0.4797 0.0000 0.0000 0.5702 0.0004 0.0000 0.7155 0.4147
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.928294 0.919913 79.68125 488880.8 -499.0252 1.757491
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-2.218046 281.5624 11.70173 11.98517 110.7589 0.000000
Lampiran 4.KORELASI MATRIKS
LN_GDPR LN_IHSG LN_INVR LN_KAP LN_NSP LN_RER
LN_GDPR
LN_IHSG
LN_INVR
LN_KAP
LN_NSP
LN_RER
1.000000 0.649704 0.963710 0.686725 0.416163 -0.442446
0.649704 1.000000 0.729397 0.980560 0.340799 -0.664364
0.963710 0.729397 1.000000 0.751272 0.345354 -0.494451
0.686725 0.980560 0.751272 1.000000 0.383966 -0.667259
0.416163 0.340799 0.345354 0.383966 1.000000 -0.561549
-0.442446 -0.664364 -0.494451 -0.667259 -0.561549 1.000000
Lampiran 5.UJI STABILITAS VAR Roots of Characteristic Polynomial Endogenous variables: D(LN_GDPR) D(LN_INVR) D(LN_KAP) D(LN_IHSG) D(LN_NSP) D(LN_RER) Exogenous variables: C Lag specification: 1 2 Date: 07/05/07 Time: 00:08 Root 0.608143 - 0.683566i 0.608143 + 0.683566i 0.624663 - 0.668015i 0.624663 + 0.668015i 0.831244 + 0.373854i
Modulus 0.914931 0.914931 0.914575 0.914575 0.911446
110
0.831244 - 0.373854i 0.666500 - 0.548228i 0.666500 + 0.548228i -0.150064 - 0.492122i -0.150064 + 0.492122i -0.101721 - 0.268640i -0.101721 + 0.268640i
0.911446 0.863005 0.863005 0.514493 0.514493 0.287254 0.287254
No root lies outside the unit circle. VAR satisfies the stability condition.
Lampiran 6.UJI LAG OPTIMAL VAR Lag Order Selection Criteria Endogenous variables: D(LN_GDPR) D(LN_INVR) D(LN_KAP) D(LN_IHSG) D(LN_NSP) D(LN_RER) Exogenous variables: C Date: 07/05/07 Time: 00:08 Sample: 1999:01 2006:12 Included observations: 87 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5 6 7 8
824.0686 1031.610 1250.542 1314.727 1345.443 1413.122 1450.526 1491.532 1539.137
NA 381.6848 372.4371 100.3351 43.77856 87.12709* 42.99372 41.47684 41.58567
2.74E-16 5.32E-18 8.03E-20 4.33E-20 5.17E-20 2.75E-20* 3.09E-20 3.44E-20 3.64E-20
-18.80617 -22.74965 -26.95500 -27.60293 -27.48144 -28.20970 -28.24199 -28.35706 -28.62383*
-18.63611 -21.55921 -24.74418* -24.37174 -23.22988 -22.93776 -21.94967 -21.04436 -20.29076
-18.73770 -22.27030 -26.06477 -26.30182* -25.76947 -26.08685 -25.70827 -25.41246 -25.26836
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Lampiran 7.UJI KOINTEGRASI 1 Date: 07/05/07 Time: 00:10 Sample: 1999:01 2006:12 Included observations: 93 Series: LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER Lags interval: 1 to 2 Data Trend:
None
None
Linear
Linear
Quadratic
Rank or
No Intercept No Trend
Intercept
Intercept
Intercept
Intercept
No Trend
No Trend
Trend
Trend
No. of CEs Selected (5% level) Number of Cointegrating Relations by Model (columns)
111
Trace Max-Eig
1 1
1 2
0 0
1 1
1 1
1287.061 1310.579 1321.500 1328.170 1333.746 1336.236 1336.262
1287.061 1312.696 1330.809 1337.667 1343.869 1347.782 1349.370
1302.941 1321.135 1332.494 1339.227 1345.330 1349.160 1349.370
1302.941 1335.041 1348.892 1360.207 1366.849 1370.777 1374.123
1308.742 1340.729 1352.182 1363.496 1369.015 1372.789 1374.123
-26.13035 -26.37805 -26.35484 -26.24022 -26.10206 -25.89755 -25.64004
-26.13035 -26.40207 -26.51202 -26.37995 -26.23375 -26.03832 -25.79291
-26.34281 -26.47602 -26.46223 -26.34897 -26.22215 -26.04645 -25.79291
-26.34281 -26.75358 -26.77187* -26.73563 -26.59891 -26.40381 -26.19618
-26.33854 -26.76836 -26.75660 -26.74185 -26.60246 -26.42558 -26.19618
-24.16963 -24.09054 -23.74054 -23.29914 -22.83419 -22.30289 -21.71859
-24.16963 -24.08733 -23.84326 -23.35717 -22.85695 -22.30750 -21.70807
-24.21869 -24.02512 -23.68454 -23.24449 -22.79089 -22.28840 -21.70807
-24.21869 -24.27544* -23.93972 -23.54945 -23.05872 -22.50959 -21.94795
-24.05103 -24.15406 -23.81552 -23.47398 -23.00781 -22.50413 -21.94795
Log Likelihood by Rank (rows) and Model (columns) 0 1 2 3 4 5 6 Akaike Information Criteria by Rank (rows) and Model (columns) 0 1 2 3 4 5 6 Schwarz Criteria by Rank (rows) and Model (columns) 0 1 2 3 4 5 6
Lampiran 8.UJI KOINTEGRASI 2 Date: 07/05/07 Time: 00:10 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s) Eigenvalue
None ** At most 1 At most 2 At most 3 At most 4 At most 5
0.498592 0.257600 0.215982 0.133122 0.080994 0.069421
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
142.3638 78.16256 50.46087 27.83181 14.54616 6.691181
114.90 87.31 62.99 42.44 25.32 12.25
124.75 96.58 70.05 48.45 30.45 16.26
112
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
Hypothesized Max-Eigen 5 Percent No. of CE(s) Eigenvalue Statistic Critical Value None ** At most 1 At most 2 At most 3 At most 4 At most 5
0.498592 0.257600 0.215982 0.133122 0.080994 0.069421
64.20122 27.70168 22.62906 13.28565 7.854976 6.691181
43.97 37.52 31.46 25.54 18.96 12.25
1 Percent Critical Value 49.51 42.36 36.65 30.34 23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_GDPR -23.02251 4.210111 22.33838 -16.70946 -36.82342 -36.23350
LN_INVR -18.95310 13.76295 -9.090680 11.64840 31.55504 10.42029
LN_KAP LN_IHSG LN_NSP -13.47623 11.85833 -1.130332 -11.70185 14.26906 0.853874 -6.577893 6.273998 0.047270 -0.129877 0.671312 1.362796 -2.115837 -2.340696 -0.203018 7.166096 -8.162162 -0.007886
LN_RER 6.037624 -4.817003 2.981553 6.202677 -0.892807 13.77851
@TREND(99:02) 0.320958 -0.176215 -0.026248 0.013653 0.060999 0.149214
0.000163 -0.000971 0.002542 0.003172 0.011725 0.001152
0.000284 -0.000625 -0.001132 -0.000994 0.014820 -0.003512
LN_RER -0.262249 (0.06930)
@TREND(99:02) -0.013941 (0.00149)
Unrestricted Adjustment Coefficients (alpha): D(LN_GDPR) -0.002026 0.001045 -0.001033 -0.000276 D(LN_INVR) 0.000385 -0.000232 -0.000703 -4.03E-05 D(LN_KAP) 0.012918 -0.002936 -0.002116 0.001152 D(LN_IHSG) -0.003403 -0.025423 -0.008692 0.001504 D(LN_NSP) 0.095548 -0.072240 0.000845 -0.190231 D(LN_RER) -0.008295 0.004003 -0.001860 -0.001601 1 Cointegrating Equation(s):
Log likelihood
1335.041
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP 1.000000 0.823242 0.585350 -0.515076 0.049097 (0.18045) (0.10039) (0.10516) (0.00962) Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.046647 (0.01015) D(LN_INVR) -0.008869 (0.01157) D(LN_KAP) -0.297399 (0.04707) D(LN_IHSG) 0.078335 (0.14249) D(LN_NSP) -2.199751 (1.43319) D(LN_RER) 0.190979
113
(0.04919) 2 Cointegrating Equation(s):
Log likelihood
1348.892
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP 1.000000 0.000000 1.717935 -1.829254 -0.002644 (0.33508) (0.35266) (0.02454) 0.000000 1.000000 -1.375762 1.596345 0.062850 (0.37624) (0.39597) (0.02756)
LN_RER 0.034597 (0.20584) -0.360581 (0.23113)
@TREND(99:02) -0.004545 (0.00152) -0.011413 (0.00170)
LN_RER 0.002630 (0.07930) -0.334981 (0.10056) 0.018608 (0.12039)
@TREND(99:02) -0.005396 (0.00059) -0.010732 (0.00075) 0.000495 (0.00090)
LN_RER 0.223942 (0.13290)
@TREND(99:02) -0.004338 (0.00071)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.051045 0.052779 (0.00995) (0.00996) D(LN_INVR) -0.009846 -0.010496 (0.01174) (0.01175) D(LN_KAP) -0.309759 -0.285237 (0.04722) (0.04726) D(LN_IHSG) -0.028699 -0.285408 (0.12845) (0.12855) D(LN_NSP) -2.503891 -2.805169 (1.44448) (1.44564) D(LN_RER) 0.207832 0.212317 (0.04889) (0.04893) 3 Cointegrating Equation(s):
Log likelihood
1360.207
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP 1.000000 0.000000 0.000000 0.013894 0.017617 (0.03509) (0.00976) 0.000000 1.000000 0.000000 0.120310 0.046625 (0.04450) (0.01238) 0.000000 0.000000 1.000000 -1.072885 -0.011794 (0.05327) (0.01482) Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.027978 0.062167 0.021873 (0.01323) (0.01027) (0.00778) D(LN_INVR) -0.025547 -0.004106 0.002149 (0.01603) (0.01245) (0.00942) D(LN_KAP) -0.357038 -0.265996 -0.125807 (0.06482) (0.05034) (0.03811) D(LN_IHSG) -0.222868 -0.206390 0.400526 (0.17473) (0.13569) (0.10273) D(LN_NSP) -2.485022 -2.812848 -0.447835 (1.99683) (1.55070) (1.17397) D(LN_RER) 0.166281 0.229226 0.077180 (0.06724) (0.05222) (0.03953) 4 Cointegrating Equation(s):
Log likelihood
1366.849
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP 1.000000 0.000000 0.000000 0.000000 0.041873 (0.01543)
114
0.000000
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.256654 (0.07772) 0.000000 -1.884774 (0.73208) 1.000000 -1.745741 (0.68246)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.032582 0.058957 0.021909 (0.01485) (0.01129) (0.00776) D(LN_INVR) -0.024873 -0.004576 0.002154 (0.01804) (0.01372) (0.00942) D(LN_KAP) -0.376281 -0.252582 -0.125956 (0.07281) (0.05537) (0.03803) D(LN_IHSG) -0.247997 -0.188872 0.400331 (0.19656) (0.14949) (0.10268) D(LN_NSP) 0.693642 -5.028739 -0.423129 (2.10796) (1.60318) (1.10115) D(LN_RER) 0.193041 0.210572 0.077388 (0.07539) (0.05734) (0.03938) 5 Cointegrating Equation(s):
Log likelihood
1.581377 (0.66952) -17.07088 (6.30647) -15.92854 (5.87907)
-0.001566 (0.00356) -0.081243 (0.03354) -0.076186 (0.03127)
LN_RER -0.103356 (0.06959) -0.424763 (0.11539) -2.338529 (0.97875) -2.282932 (0.93309) 7.816508 (2.76568)
@TREND(99:02) -0.005466 (0.00039) -0.008479 (0.00064) -0.030477 (0.00546) -0.029164 (0.00520) 0.026935 (0.01542)
-0.015784 (0.00799) -0.003181 (0.00971) 0.098787 (0.03918) -0.456636 (0.10578) -0.020169 (1.13444) -0.053992 (0.04057)
1370.777
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.026576 0.064104 0.021564 (0.02109) (0.01710) (0.00780) D(LN_INVR) 0.010893 -0.035225 0.004209 (0.02502) (0.02029) (0.00925) D(LN_KAP) -0.469892 -0.172364 -0.131335 (0.10248) (0.08308) (0.03787) D(LN_IHSG) -0.364816 -0.088767 0.393619 (0.27893) (0.22613) (0.10308) D(LN_NSP) 0.261890 -4.658759 -0.447937 (2.99713) (2.42979) (1.10765) D(LN_RER) 0.150636 0.246910 0.074952 (0.10701) (0.08676) (0.03955)
-0.016166 (0.00804) -0.000908 (0.00954) 0.092836 (0.03905) -0.464062 (0.10630) -0.047613 (1.14221) -0.056688 (0.04078)
0.002725 (0.00081) -0.000525 (0.00096) -0.016155 (0.00391) -0.016868 (0.01065) -0.431272 (0.11440) 0.010290 (0.00408)
115
Lampiran 9.HASIL ESTIMASI VECM (PERSAMAAN INVESTASI RIIL) Vector Error Correction Estimates Date: 07/18/07 Time: 19:18 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_INVR(-1)
1.000000
LN_GDPR(-1)
1.214709 (0.32331) [ 3.75713]
LN_KAP(-1)
0.711030 (0.12014) [ 5.91840]
LN_IHSG(-1)
-0.625667 (0.12760) [-4.90333]
LN_NSP(-1)
0.059638 (0.01024) [ 5.82332]
LN_RER(-1)
-0.318556 (0.10340) [-3.08077]
@TREND(99:01)
-0.016934 (0.00233) [-7.27354]
C
-29.00068
Error Correction: D(LN_INVR D(LN_GDPR D(LN_KAP) D(LN_IHS D(LN_NSP D(LN_RER ) ) G) ) ) CointEq1
-0.007301 (0.00952) [-0.76684]
0.038402 (0.00836) [ 4.59421]
-0.244832 (0.03875) [-6.31822]
0.064489 -1.810928 0.157222 (0.11730) (1.17986) (0.04050) [ 0.54977] [-1.53487] [ 3.88211]
D(LN_INVR(-1))
1.504248 (0.06828) [ 22.0315]
0.264866 (0.05994) [ 4.41867]
-0.612421 (0.27789) [-2.20386]
-0.244676 -9.647905 0.832045 (0.84119) (8.46102) (0.29043) [-0.29087] [-1.14028] [ 2.86491]
D(LN_INVR(-2))
-0.816812 (0.07828) [-10.4349]
-0.196413 (0.06872) [-2.85810]
0.692278 (0.31858) [ 2.17298]
-0.171924 9.675219 -1.115569 (0.96439) (9.70024) (0.33296) [-0.17827] [ 0.99742] [-3.35043]
D(LN_GDPR(-1))
0.142242 (0.09640) [ 1.47560]
1.548137 (0.08463) [ 18.2933]
-0.583309 (0.39233) [-1.48679]
0.304152 -2.275122 1.190551 (1.18762) (11.9456) (0.41003) [ 0.25610] [-0.19046] [ 2.90354]
D(LN_GDPR(-2))
0.091813 (0.09672) [ 0.94927]
-0.989754 (0.08491) [-11.6561]
0.899803 (0.39364) [ 2.28583]
-1.456091 -5.613698 -1.062678 (1.19160) (11.9856) (0.41141) [-1.22196] [-0.46837] [-2.58301]
116
D(LN_KAP(-1))
-0.042981 (0.01677) [-2.56228]
0.042560 (0.01473) [ 2.88997]
1.133811 (0.06827) [ 16.6073]
1.100424 1.956695 0.189116 (0.20667) (2.07873) (0.07135) [ 5.32466] [ 0.94129] [ 2.65042]
D(LN_KAP(-2))
0.029408 (0.01538) [ 1.91186]
-0.008776 (0.01350) [-0.64984]
-0.610790 (0.06260) [-9.75650]
-0.349527 -0.795258 -0.136159 (0.18951) (1.90614) (0.06543) [-1.84440] [-0.41721] [-2.08102]
D(LN_IHSG(-1))
0.000540 (0.00953) [ 0.05672]
0.012202 (0.00836) [ 1.45898]
-0.080885 (0.03877) [-2.08627]
-0.311511 -1.512225 0.048195 (0.11736) (1.18048) (0.04052) [-2.65427] [-1.28103] [ 1.18940]
D(LN_IHSG(-2))
-0.000864 (0.00945) [-0.09143]
0.003987 (0.00830) [ 0.48060]
-0.004747 (0.03846) [-0.12342]
-0.241267 -0.633235 0.044635 (0.11643) (1.17109) (0.04020) [-2.07223] [-0.54072] [ 1.11038]
D(LN_NSP(-1))
0.000100 (0.00101) [ 0.09941]
-0.002029 (0.00089) [-2.28604]
0.009034 (0.00411) [ 2.19590]
-0.005016 -0.132141 -0.008345 (0.01245) (0.12527) (0.00430) [-0.40279] [-1.05487] [-1.94068]
D(LN_NSP(-2))
-0.000352 (0.00096) [-0.36553]
-0.001585 (0.00085) [-1.87492]
0.004540 (0.00392) [ 1.15826]
-0.003733 -0.025964 -0.006166 (0.01187) (0.11935) (0.00410) [-0.31460] [-0.21754] [-1.50517]
D(LN_RER(-1))
-0.022203 (0.01672) [-1.32765]
-0.019183 (0.01468) [-1.30659]
0.120995 (0.06806) [ 1.77769]
-0.060759 -1.268755 1.145255 (0.20603) (2.07237) (0.07113) [-0.29490] [-0.61223] [ 16.0999]
D(LN_RER(-2))
0.005149 (0.01648) [ 0.31241]
0.021091 (0.01447) [ 1.45762]
-0.134912 (0.06708) [-2.01123]
0.199762 1.800752 -0.731723 (0.20306) (2.04243) (0.07011) [ 0.98378] [ 0.88167] [-10.4372]
C
0.000912 (0.00069) [ 1.32327]
0.001061 (0.00060) [ 1.75365]
0.007475 (0.00280) [ 2.66558]
0.017360 0.087113 -0.003628 (0.00849) (0.08538) (0.00293) [ 2.04511] [ 1.02026] [-1.23779]
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
0.933028 0.922008 0.001854 0.004844 84.66168 371.3079 -7.684040 -7.302789 0.006542 0.017347
0.904130 0.888354 0.001429 0.004253 57.31031 383.4157 -7.944424 -7.563173 0.005443 0.012729
0.936241 0.925749 0.030711 0.019717 89.23414 240.7701 -4.876777 -4.495526 0.021619 0.072358
0.471360 0.178279 0.869202 0.384368 0.043059 0.847678 0.281416 28.47154 0.033546 0.059684 0.600333 0.020607 5.418457 1.318436 40.38343 137.7629 -76.91949 236.6648 -2.661568 1.955258 -4.788491 -2.280316 2.336509 -4.407239 0.016379 0.030234 -0.004435 0.076068 0.613690 0.052799
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
3.64E-20 1335.041 1289.522 -25.77467 -23.29653
117
Lampiran 10. VARIANCE DECOMPOSITION VECM (PERSAMAAN INVESTASI RIIL) Variance Decomposition of LN_INVR: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
0.004844 0.013018 0.023218 0.033913 0.044002 0.052885 0.060361 0.066463 0.071304 0.075035 0.077884 0.080144 0.082085 0.083892 0.085700 0.087636 0.089800 0.092231 0.094881 0.097638 0.100365 0.102949 0.105334 0.107518 0.109535 0.111430 0.113247 0.115020 0.116781 0.118550 0.120342 0.122161 0.124001 0.125847 0.127676 0.129471 0.131219 0.132918 0.134573 0.136191 0.137780 0.139346 0.140895 0.142432 0.143961 0.145485 0.147005 0.148517 0.150018 0.151503
LN_INVR LN_GDPR
LN_KAP
LN_IHSG
LN_NSP
LN_RER
100.0000 99.21153 96.67227 92.48130 87.37866 82.36267 78.19892 75.25896 73.61029 73.07713 73.26563 73.71121 74.10742 74.39124 74.62652 74.86564 75.10899 75.32220 75.46262 75.51040 75.48667 75.43859 75.40722 75.40954 75.44278 75.49645 75.56036 75.62807 75.69751 75.76852 75.83854 75.90092 75.94810 75.97664 75.98966 75.99537 76.00287 76.01805 76.04173 76.07080 76.10084 76.12859 76.15307 76.17520 76.19647 76.21765 76.23829 76.25718 76.27332 76.28664
0.000000 0.349479 1.054788 1.579914 1.552389 1.154056 0.972710 1.370141 2.109164 2.683731 2.861101 2.779771 2.650684 2.543449 2.439491 2.335087 2.242241 2.158252 2.072976 1.986002 1.905646 1.840650 1.795329 1.767242 1.747938 1.727893 1.701692 1.669108 1.632682 1.595244 1.559014 1.525636 1.496169 1.470889 1.449259 1.430214 1.412628 1.395667 1.378911 1.362283 1.345883 1.329845 1.314248 1.299111 1.284434 1.270251 1.256643 1.243724 1.231585 1.220245
0.000000 0.052276 0.103012 0.091653 0.054748 0.080040 0.207374 0.382007 0.516128 0.573432 0.577033 0.561855 0.546207 0.537020 0.536598 0.540874 0.542110 0.536227 0.525130 0.513637 0.506235 0.505139 0.509418 0.515898 0.521354 0.524158 0.524357 0.522849 0.520626 0.518410 0.516581 0.515240 0.514333 0.513759 0.513428 0.513268 0.513222 0.513242 0.513284 0.513308 0.513274 0.513146 0.512903 0.512547 0.512110 0.511645 0.511211 0.510856 0.510601 0.510442
0.000000 0.024717 0.119175 0.196064 0.197829 0.149975 0.119461 0.132909 0.159704 0.168081 0.160528 0.151610 0.144571 0.139338 0.140194 0.146659 0.151064 0.148795 0.142154 0.134663 0.128018 0.123410 0.121527 0.121511 0.121670 0.121019 0.119610 0.117908 0.116292 0.114922 0.113726 0.112530 0.111232 0.109868 0.108557 0.107400 0.106423 0.105579 0.104798 0.104039 0.103306 0.102621 0.101997 0.101415 0.100837 0.100228 0.099583 0.098926 0.098297 0.097728
0.000000 0.068500 0.352120 0.909100 1.653289 2.365514 2.830301 2.983807 2.926083 2.801363 2.697400 2.644484 2.647396 2.688616 2.730112 2.739838 2.713282 2.668842 2.633112 2.627026 2.652305 2.689566 2.714840 2.717683 2.703497 2.684271 2.670496 2.667401 2.673372 2.681657 2.685541 2.682780 2.675922 2.669577 2.667261 2.669437 2.673660 2.676636 2.676518 2.673707 2.670053 2.667462 2.666812 2.667643 2.668700 2.668885 2.667928 2.666379 2.665088 2.664604
0.000000 0.293497 1.698634 4.741970 9.163086 13.88775 17.67124 19.87218 20.67863 20.69626 20.43831 20.15107 19.90372 19.70034 19.52708 19.37190 19.24231 19.16569 19.16400 19.22827 19.32113 19.40264 19.45167 19.46813 19.46276 19.44621 19.42348 19.39466 19.35952 19.32124 19.28660 19.26289 19.25424 19.25927 19.27184 19.28431 19.29119 19.29083 19.28476 19.27586 19.26664 19.25834 19.25097 19.24409 19.23745 19.23134 19.22634 19.22293 19.22111 19.22034
118
51 52 53 54 55 56 57 58 59 60
0.152968 0.154413 0.155839 0.157249 0.158644 0.160027 0.161399 0.162759 0.164110 0.165452
Variance Decomposition of LN_GDPR: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43
0.004253 0.011081 0.018993 0.026632 0.033307 0.038778 0.043116 0.046665 0.049822 0.052790 0.055553 0.058008 0.060090 0.061866 0.063528 0.065280 0.067220 0.069326 0.071514 0.073687 0.075774 0.077745 0.079607 0.081375 0.083062 0.084676 0.086231 0.087745 0.089240 0.090735 0.092237 0.093742 0.095241 0.096721 0.098178 0.099610 0.101018 0.102401 0.103758 0.105088 0.106391 0.107672 0.108937
76.29813 76.30928 76.32133 76.33473 76.34909 76.36359 76.37743 76.39024 76.40208 76.41326
19.21979 19.21868 19.21660 19.21358 19.20995 19.20615 19.20254 19.19930 19.19645 19.19392
1.209629 1.199586 1.189938 1.180529 1.171262 1.162114 1.153117 1.144337 1.135839 1.127666
0.510351 0.510293 0.510233 0.510147 0.510024 0.509867 0.509687 0.509501 0.509323 0.509160
0.097228 0.096781 0.096358 0.095937 0.095509 0.095081 0.094666 0.094272 0.093902 0.093548
2.664877 2.665383 2.665539 2.665080 2.664165 2.663204 2.662562 2.662351 2.662408 2.662446
LN_INVR LN_GDPR
LN_KAP
LN_IHSG
LN_NSP
LN_RER
2.557855 0.669165 0.517697 2.401144 5.854556 9.636370 12.48241 13.77001 13.68928 12.89191 11.95566 11.17415 10.64768 10.38085 10.31172 10.33954 10.37357 10.36799 10.32310 10.26445 10.21714 10.18892 10.16941 10.14146 10.09365 10.02602 9.948021 9.872606 9.810664 9.767749 9.743048 9.730728 9.723246 9.714733 9.702443 9.686133 9.666689 9.645144 9.622382 9.599302 9.576980 9.556536 9.538755
0.000000 0.674532 2.729008 5.747328 8.547877 10.11906 10.41169 10.02467 9.534686 9.312649 9.571231 10.22929 10.91446 11.28701 11.28003 11.02508 10.69145 10.42953 10.33929 10.41685 10.56620 10.68507 10.73098 10.71951 10.68839 10.66803 10.66971 10.68687 10.70481 10.71170 10.70443 10.68756 10.66872 10.65428 10.64728 10.64760 10.65314 10.66108 10.66873 10.67405 10.67602 10.67482 10.67152
0.000000 0.201611 0.809605 1.531749 2.051944 2.281395 2.332232 2.348764 2.427705 2.616623 2.887166 3.145607 3.316723 3.393875 3.411131 3.407258 3.415909 3.455051 3.515900 3.574268 3.613584 3.633928 3.645537 3.659508 3.681964 3.712213 3.744827 3.773885 3.796170 3.811797 3.823002 3.832448 3.842023 3.852468 3.863674 3.875172 3.886500 3.897346 3.907553 3.917080 3.925991 3.934414 3.942469
0.000000 0.016887 0.061031 0.260427 0.593938 0.897438 1.071544 1.147757 1.208382 1.330995 1.559131 1.858306 2.133761 2.314939 2.399419 2.426635 2.442921 2.483658 2.557229 2.642032 2.709272 2.747341 2.764491 2.777170 2.799249 2.836015 2.882829 2.929437 2.967190 2.993480 3.011174 3.025289 3.039821 3.056198 3.073598 3.090427 3.105723 3.119613 3.132877 3.146203 3.159739 3.173115 3.185790
0.000000 0.236175 0.869157 1.736029 2.579899 3.189680 3.513455 3.617940 3.602689 3.553285 3.519842 3.512346 3.518349 3.524939 3.527906 3.534081 3.557623 3.603808 3.657129 3.693496 3.701825 3.689716 3.673765 3.668712 3.680511 3.703706 3.725878 3.737047 3.735779 3.728114 3.722635 3.725441 3.736837 3.751606 3.763079 3.767693 3.766495 3.763413 3.762394 3.765236 3.770993 3.777107 3.781332
97.44214 98.20163 95.01350 88.32332 80.37179 73.87606 70.18867 69.09086 69.53726 70.29454 70.50697 70.08030 69.46903 69.09838 69.06980 69.26740 69.51853 69.65996 69.60735 69.40890 69.19198 69.05502 69.01582 69.03363 69.05624 69.05401 69.02874 69.00016 68.98539 68.98716 68.99571 68.99854 68.98935 68.97072 68.94993 68.93298 68.92145 68.91340 68.90606 68.89813 68.89027 68.88401 68.88013
119
44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.110193 0.111442 0.112685 0.113919 0.115143 0.116352 0.117547 0.118728 0.119896 0.121051 0.122195 0.123327 0.124447 0.125557 0.126657 0.127749 0.128833
Variance Decomposition of LN_KAP: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
0.019717 0.046486 0.073392 0.096876 0.116994 0.134462 0.150109 0.165511 0.181941 0.199188 0.216082 0.231582 0.245252 0.257253 0.268117 0.278380 0.288354 0.298134 0.307723 0.317117 0.326354 0.335507 0.344621 0.353662 0.362530 0.371123 0.379385 0.387327 0.395016 0.402526 0.409910 0.417188 0.424361 0.431423 0.438381 0.445247
9.523750 9.510948 9.499420 9.488360 9.477418 9.466678 9.456372 9.446553 9.436979 9.427260 9.417134 9.406676 9.396292 9.386503 9.377681 9.369868 9.362797
68.87797 68.87591 68.87248 68.86721 68.86072 68.85411 68.84827 68.84345 68.83937 68.83558 68.83182 68.82809 68.82456 68.82136 68.81848 68.81575 68.81302
10.66763 10.66441 10.66248 10.66172 10.66157 10.66147 10.66118 10.66080 10.66057 10.66067 10.66103 10.66146 10.66170 10.66159 10.66114 10.66046 10.65971
3.950190 3.957518 3.964351 3.970639 3.976444 3.981931 3.987292 3.992656 3.998043 4.003376 4.008546 4.013474 4.018138 4.022568 4.026809 4.030890 4.034823
3.197411 3.207962 3.217676 3.226834 3.235617 3.244072 3.252190 3.259985 3.267527 3.274915 3.282211 3.289403 3.296411 3.303136 3.309509 3.315528 3.321246
3.783048 3.783256 3.783597 3.785234 3.788234 3.791742 3.794700 3.796559 3.797508 3.798200 3.799255 3.800898 3.802905 3.804841 3.806381 3.807496 3.808410
LN_INVR LN_GDPR
LN_KAP
LN_IHSG
LN_NSP
LN_RER
0.565317 1.303307 2.237168 3.293280 4.344413 5.403664 6.610383 8.024249 9.535910 10.94210 12.05601 12.78691 13.16506 13.29132 13.26887 13.17660 13.07071 12.98668 12.94270 12.94632 12.99679 13.08354 13.18728 13.28594 13.36297 13.41310 13.44191 13.45977 13.47494 13.49013 13.50334 13.51136 13.51355 13.51324 13.51616 13.52697
80.16559 75.96072 69.28243 59.93651 50.02915 41.86973 35.93302 31.45070 27.73656 24.57560 21.98060 19.97096 18.50511 17.47867 16.74959 16.18161 15.68670 15.23702 14.84315 14.52025 14.26155 14.03320 13.79470 13.52647 13.23853 12.95766 12.70931 12.50616 12.34539 12.21339 12.09471 11.97967 11.86618 11.75673 11.65401 11.55836
0.000000 0.322167 2.012499 4.781360 7.423990 9.176250 10.02846 10.26814 10.21982 10.17058 10.25408 10.44610 10.67422 10.89306 11.08994 11.26769 11.42872 11.56567 11.66691 11.72958 11.76357 11.78493 11.80772 11.83893 11.87730 11.91701 11.95326 11.98511 12.01450 12.04374 12.07366 12.10304 12.12972 12.15212 12.17023 12.18524
0.000000 0.480963 2.564193 7.254163 13.60059 19.33511 22.94648 24.25630 24.03148 23.36976 23.02947 23.21014 23.74564 24.37565 24.92237 25.34231 25.68158 25.99503 26.29600 26.55993 26.75595 26.87428 26.93441 26.97320 27.02314 27.09724 27.18919 27.28430 27.37111 27.44706 27.51674 27.58586 27.65604 27.72406 27.78462 27.83401
0.000000 0.538342 2.138246 4.373117 6.284996 7.233608 7.333318 7.008665 6.648768 6.542823 6.775836 7.182849 7.513426 7.637813 7.587941 7.467885 7.374716 7.364708 7.434635 7.530223 7.592126 7.598021 7.565816 7.530433 7.519603 7.539663 7.575755 7.605801 7.616696 7.610180 7.597573 7.590683 7.594892 7.607302 7.620287 7.627478
19.26910 21.39450 21.76546 20.36157 18.31686 16.98164 17.14833 18.99195 21.82746 24.39914 25.90401 26.40303 26.39655 26.32348 26.38129 26.56391 26.75757 26.85089 26.81660 26.71369 26.63000 26.62604 26.71008 26.84502 26.97846 27.07534 27.13058 27.15886 27.17736 27.19551 27.21399 27.22939 27.23962 27.24654 27.25469 27.26794
120
37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.452036 0.458755 0.465399 0.471952 0.478401 0.484738 0.490967 0.497101 0.503154 0.509138 0.515061 0.520926 0.526732 0.532478 0.538166 0.543796 0.549369 0.554887 0.560351 0.565759 0.571113 0.576413 0.581662 0.586863
Variance Decomposition of LN_IHSG: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
0.059684 0.079630 0.097932 0.119343 0.137807 0.152817 0.166142 0.178810 0.191606 0.204607 0.217156 0.228620 0.238804 0.247909 0.256373 0.264621 0.272870 0.281122 0.289285 0.297268 0.305044 0.312661 0.320173 0.327585 0.334844 0.341890 0.348691 0.355264 0.361660
13.54655 13.57144 13.59589 13.61502 13.62709 13.63369 13.63808 13.64306 13.64973 13.65746 13.66491 13.67118 13.67641 13.68152 13.68744 13.69451 13.70225 13.70975 13.71623 13.72143 13.72566 13.72950 13.73342 13.73758
27.28711 27.31003 27.33324 27.35398 27.37123 27.38550 27.39788 27.40908 27.41926 27.42828 27.43614 27.44326 27.45031 27.45790 27.46631 27.47534 27.48453 27.49335 27.50144 27.50871 27.51526 27.52131 27.52706 27.53263
11.46789 11.38022 11.29426 11.21059 11.13071 11.05591 10.98661 10.92240 10.86249 10.80616 10.75291 10.70230 10.65384 10.60697 10.56122 10.51644 10.47281 10.43071 10.39049 10.35226 10.31589 10.28106 10.24752 10.21509
12.19863 12.21148 12.22426 12.23702 12.24974 12.26250 12.27533 12.28811 12.30044 12.31187 12.32213 12.33129 12.33968 12.34772 12.35565 12.36350 12.37109 12.37828 12.38505 12.39154 12.39790 12.40427 12.41060 12.41676
LN_INVR LN_GDPR
LN_KAP
0.685147 0.384952 0.418660 0.544427 0.856189 1.370610 2.038458 2.811461 3.560680 4.128556 4.449855 4.562045 4.548223 4.484011 4.414480 4.359388 4.324207 4.306869 4.304383 4.317752 4.350393 4.402148 4.465001 4.524647 4.567552 4.588170 4.590552 4.584086 4.577820
15.94521 28.85628 36.77913 36.54214 33.41995 30.07292 27.21444 24.99991 23.26486 21.83633 20.63902 19.66420 18.92604 18.41892 18.09499 17.87710 17.69283 17.50240 17.30255 17.10871 16.93098 16.76278 16.58889 16.40155 16.20789 16.02480 15.86859 15.74685 15.65563
6.094753 8.921127 13.04126 15.90250 17.01067 17.52305 18.24296 19.57860 21.42031 23.22921 24.47729 25.03260 25.11781 25.03568 24.98563 25.03779 25.16584 25.29769 25.38093 25.41992 25.45754 25.53373 25.65927 25.81364 25.96063 26.07108 26.13744 26.17152 26.19200
27.87223 27.90278 27.93058 27.95963 27.99157 28.02582 28.06065 28.09432 28.12581 28.15493 28.18202 28.20752 28.23172 28.25467 28.27631 28.29658 28.31562 28.33372 28.35123 28.36847 28.38560 28.40257 28.41921 28.43527
7.627597 7.624059 7.621769 7.623762 7.629666 7.636586 7.641456 7.643030 7.642273 7.641306 7.641895 7.644449 7.648036 7.651223 7.653074 7.653633 7.653701 7.654194 7.655561 7.657597 7.659693 7.661284 7.662193 7.662662
LN_IHSG
LN_NSP
LN_RER
77.27489 61.79886 49.37646 45.17448 44.60244 44.79749 45.11404 44.93494 44.20206 43.36742 42.83271 42.69852 42.85811 43.14346 43.41077 43.58500 43.66399 43.68086 43.66644 43.63922 43.60714 43.57055 43.53024 43.49356 43.47009 43.46436 43.47452 43.49520 43.51971
0.000000 0.008155 0.160401 0.608271 1.737880 3.147126 4.131101 4.550569 4.611170 4.570351 4.615528 4.811338 5.104567 5.393283 5.607656 5.740331 5.825186 5.901214 5.988357 6.082806 6.168441 6.233003 6.276827 6.310474 6.346094 6.389834 6.439852 6.489727 6.533656
0.000000 0.030627 0.224089 1.228187 2.372876 3.088799 3.259000 3.124524 2.940920 2.868125 2.985602 3.231302 3.445243 3.524647 3.486472 3.400394 3.327941 3.310976 3.357340 3.431595 3.485508 3.497792 3.479766 3.456137 3.447744 3.461754 3.489042 3.512612 3.521185
121
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.367942 0.374153 0.380305 0.386390 0.392395 0.398312 0.404143 0.409896 0.415578 0.421188 0.426722 0.432175 0.437544 0.442833 0.448052 0.453210 0.458316 0.463376 0.468388 0.473352 0.478266 0.483128 0.487941 0.492706 0.497424 0.502098 0.506727 0.511312 0.515855 0.520358 0.524821
Variance Decomposition of LN_NSP: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
0.600333 0.757060 0.870739 0.969729 1.057319 1.139762 1.220458 1.300907 1.380700 1.456954 1.526941 1.590007 1.647001 1.699493 1.749461 1.798581 1.847589 1.896419 1.944702 1.992086 2.038431 2.083899
4.576790 4.581134 4.587738 4.593400 4.597309 4.601215 4.607661 4.617866 4.630677 4.643183 4.652504 4.657440 4.658885 4.658973 4.659756 4.662232 4.666140 4.670478 4.674338 4.677454 4.680203 4.683175 4.686693 4.690591 4.694362 4.697505 4.699836 4.701554 4.703073 4.704765 4.706776
26.21320 26.24088 26.27359 26.30709 26.33874 26.36910 26.40042 26.43418 26.46977 26.50483 26.53666 26.56361 26.58574 26.60443 26.62145 26.63809 26.65489 26.67177 26.68844 26.70472 26.72066 26.73641 26.75203 26.76736 26.78210 26.79594 26.80871 26.82045 26.83143 26.84196 26.85229
15.58297 15.51617 15.44768 15.37632 15.30471 15.23571 15.17020 15.10719 15.04544 14.98481 14.92648 14.87202 14.82241 14.77748 14.73621 14.69736 14.66009 14.62411 14.58939 14.55585 14.52325 14.49130 14.45988 14.42916 14.39955 14.37142 14.34492 14.31990 14.29602 14.27296 14.25051
43.54196 43.55821 43.56736 43.57015 43.56838 43.56441 43.56025 43.55687 43.55440 43.55277 43.55206 43.55263 43.55488 43.55889 43.56403 43.56912 43.57290 43.57471 43.57470 43.57373 43.57282 43.57266 43.57330 43.57435 43.57536 43.57609 43.57666 43.57735 43.57839 43.57975 43.58117
LN_INVR LN_GDPR
LN_KAP
0.224502 1.254896 2.095658 2.534105 2.849416 3.280848 4.045723 5.203782 6.509080 7.580688 8.207643 8.438128 8.451962 8.414104 8.422948 8.514102 8.668456 8.835839 8.976135 9.083739 9.178831 9.283858
0.237895 0.249603 0.199388 0.175722 0.269988 0.462351 0.671364 0.848217 0.977720 1.070000 1.145136 1.219144 1.299876 1.385605 1.465097 1.523839 1.554066 1.559518 1.551849 1.544387 1.547996 1.568111
0.019700 0.194724 0.882488 2.013262 3.247699 4.481396 5.669836 6.773063 7.769982 8.639637 9.352974 9.891506 10.26798 10.52206 10.69974 10.84135 10.97814 11.12818 11.29514 11.47399 11.65723 11.83755
6.569733 6.599920 6.627707 6.655524 6.683584 6.710468 6.734585 6.755368 6.773557 6.790619 6.807846 6.825732 6.843937 6.861695 6.878319 6.893526 6.907468 6.920530 6.933078 6.945295 6.957170 6.968586 6.979444 6.989744 6.999584 7.009107 7.018425 7.027572 7.036504 7.045137 7.053404
3.515338 3.503684 3.495926 3.497520 3.507274 3.519095 3.526883 3.528519 3.526157 3.523791 3.524452 3.528567 3.534151 3.538533 3.540236 3.539675 3.538507 3.538403 3.540058 3.542953 3.545890 3.547869 3.548663 3.548792 3.549040 3.549931 3.551454 3.553173 3.554581 3.555431 3.555846
LN_IHSG
LN_NSP
LN_RER
2.568168 2.149653 2.528050 3.513442 4.228369 4.788919 5.309046 5.742694 6.105482 6.440807 6.766817 7.087714 7.402203 7.701169 7.968788 8.191251 8.366218 8.503891 8.620832 8.732608 8.847670 8.964671
96.94973 96.12658 94.17335 90.94956 87.43598 84.02168 80.88049 77.96309 75.25181 72.89243 70.98731 69.51747 68.42521 67.64006 67.05851 66.57054 66.10175 65.61712 65.10861 64.58934 64.08096 63.59668
0.000000 0.024539 0.121066 0.813910 1.968550 2.964802 3.423544 3.469157 3.385930 3.376432 3.540122 3.846039 4.152761 4.336998 4.384920 4.358920 4.331373 4.355453 4.447433 4.575939 4.687314 4.749133
122
23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
2.128760 2.173072 2.216601 2.259029 2.300152 2.339969 2.378690 2.416653 2.454172 2.491409 2.528368 2.564959 2.601087 2.636706 2.671832 2.706516 2.740785 2.774628 2.808010 2.840911 2.873340 2.905350 2.937009 2.968376 2.999480 3.030315 3.060863 3.091107 3.121046 3.150693 3.180066 3.209174 3.238019 3.266597 3.294908 3.322959 3.350768 3.378352
Variance Decomposition of LN_RER: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0.020607 0.051183 0.081640 0.104437 0.118417 0.126279 0.130917 0.134864 0.140567 0.148682 0.157551 0.165396 0.171757 0.177060 0.182038
9.406363 9.535339 9.650225 9.735574 9.790234 9.825381 9.855785 9.891824 9.936070 9.984644 10.03168 10.07381 10.11178 10.14876 10.18727 10.22719 10.26596 10.30040 10.32889 10.35222 10.37291 10.39366 10.41593 10.43951 10.46309 10.48532 10.50566 10.52453 10.54279 10.56111 10.57951 10.59747 10.61432 10.62973 10.64385 10.65724 10.67045 10.68379
12.00880 12.16667 12.30813 12.43077 12.53377 12.61930 12.69212 12.75789 12.82152 12.88596 12.95171 13.01737 13.08106 13.14164 13.19899 13.25359 13.30584 13.35562 13.40229 13.44523 13.48437 13.52039 13.55445 13.58767 13.62074 13.65369 13.68608 13.71736 13.74719 13.77557 13.80270 13.82883 13.85408 13.87841 13.90174 13.92402 13.94537 13.96598
1.602304 1.641427 1.675346 1.698794 1.712704 1.721504 1.729687 1.739694 1.751404 1.763025 1.772748 1.780028 1.785733 1.791374 1.798145 1.806335 1.815337 1.824140 1.831946 1.838511 1.844087 1.849114 1.853929 1.858651 1.863235 1.867615 1.871804 1.875899 1.880004 1.884150 1.888273 1.892255 1.896001 1.899488 1.902764 1.905907 1.908976 1.911980
9.075880 9.174260 9.258243 9.331608 9.400417 9.469521 9.540167 9.609915 9.674817 9.732129 9.781722 9.825717 9.867027 9.907785 9.948533 9.988498 10.02656 10.06210 10.09531 10.12686 10.15742 10.18723 10.21605 10.24349 10.26930 10.29356 10.31661 10.33886 10.36053 10.38163 10.40205 10.42166 10.44046 10.45855 10.47609 10.49317 10.50978 10.52584
LN_INVR LN_GDPR
LN_KAP
4.274908 6.241348 7.992274 9.102685 9.347982 9.021204 8.622073 8.292577 8.019045 7.941893 8.054830 8.152705 8.132473 8.060042 8.040917
0.575975 2.196758 4.980566 8.576884 11.98203 14.10794 14.81820 14.64254 13.90679 13.02340 12.57222 12.67493 12.99206 13.20078 13.20636
23.65281 27.54696 30.80890 33.34061 34.73984 35.13209 35.19662 35.17920 34.76345 34.07563 33.67443 33.74104 34.07877 34.50507 34.91584
63.14036 62.71688 62.33417 61.99708 61.70482 61.45234 61.23098 61.02952 60.83770 60.64944 60.46301 60.27955 60.10144 59.93078 59.76841 59.61413 59.46773 59.32949 59.19989 59.07914 58.96675 58.86141 58.76120 58.66430 58.56957 58.47671 58.38612 58.29847 58.21425 58.13359 58.05630 57.98205 57.91061 57.84187 57.77578 57.71225 57.65109 57.59197
4.766294 4.765423 4.773890 4.806174 4.858047 4.911948 4.951258 4.971159 4.978494 4.984802 4.999122 5.023524 5.052963 5.079660 5.098654 5.110255 5.118575 5.128252 5.141679 5.158042 5.174450 5.188194 5.198440 5.206372 5.214071 5.223110 5.233718 5.244889 5.255240 5.263952 5.271172 5.277735 5.284527 5.291951 5.299776 5.307406 5.314333 5.320439
LN_IHSG
LN_NSP
LN_RER
2.279243 3.496785 4.466881 5.484746 6.437571 7.162898 7.718604 8.207891 8.612077 8.940635 9.269432 9.601055 9.882516 10.10072 10.27596
0.026557 0.070163 0.156812 0.512006 1.298331 2.436430 3.609374 4.520514 5.040262 5.280269 5.509683 5.893847 6.401969 6.906946 7.297763
69.19051 60.44798 51.59457 42.98307 36.19425 32.13944 30.03513 29.15727 29.65838 30.73817 30.91941 29.93642 28.51221 27.22644 26.26316
123
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 Cholesky Ordering: LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
0.187494 0.193795 0.200496 0.206820 0.212353 0.217175 0.221618 0.226046 0.230694 0.235526 0.240313 0.244863 0.249156 0.253305 0.257453 0.261691 0.266001 0.270270 0.274384 0.278303 0.282075 0.285783 0.289499 0.293247 0.296995 0.300690 0.304298 0.307821 0.311291 0.314742 0.318194 0.321637 0.325047 0.328401 0.331690 0.334927 0.338132 0.341320 0.344498 0.347657 0.350787 0.353880 0.356936 0.359963 0.362968
8.150819 8.397688 8.680639 8.860994 8.885729 8.803532 8.691380 8.607481 8.587185 8.631928 8.703792 8.756163 8.769624 8.755753 8.738839 8.739098 8.762481 8.798146 8.827554 8.838591 8.831924 8.817121 8.805373 8.803780 8.812486 8.825860 8.837173 8.843045 8.844488 8.844919 8.847361 8.852604 8.859104 8.864444 8.867141 8.867475 8.867019 8.867487 8.869719 8.873355 8.877279 8.880454 8.882537 8.883921 8.885315
35.18347 35.24866 35.22466 35.26257 35.39792 35.57301 35.71776 35.78182 35.75506 35.68747 35.65697 35.70550 35.81638 35.94119 36.03436 36.07526 36.07671 36.07314 36.09330 36.14138 36.20045 36.24857 36.27311 36.27711 36.27564 36.28468 36.31062 36.34798 36.38523 36.41285 36.42843 36.43677 36.44553 36.45990 36.47982 36.50119 36.51942 36.53235 36.54128 36.54951 36.56003 36.57363 36.58886 36.60335 36.61539
13.04492 12.81827 12.66396 12.65342 12.74480 12.85205 12.91903 12.93048 12.89712 12.84537 12.80145 12.77569 12.76399 12.75944 12.75812 12.75821 12.75872 12.75905 12.75835 12.75585 12.75193 12.74806 12.74545 12.74407 12.74280 12.74031 12.73603 12.73056 12.72532 12.72167 12.72007 12.72000 12.72035 12.72013 12.71895 12.71699 12.71478 12.71275 12.71104 12.70956 12.70814 12.70669 12.70523 12.70387 12.70268
10.41252 10.51340 10.60627 10.71689 10.84437 10.97484 11.09798 11.20530 11.28983 11.35439 11.41092 11.46947 11.53230 11.59636 11.65624 11.70669 11.74641 11.77973 11.81317 11.85078 11.89251 11.93527 11.97484 12.00836 12.03594 12.06019 12.08416 12.10947 12.13582 12.16167 12.18538 12.20636 12.22533 12.24366 12.26238 12.28169 12.30095 12.31926 12.33605 12.35137 12.36579 12.37992 12.39411 12.40826 12.42202
7.524337 7.616134 7.668891 7.772993 7.954339 8.180716 8.400813 8.574637 8.689647 8.764085 8.831112 8.914356 9.016448 9.124340 9.220762 9.294594 9.346945 9.389278 9.434698 9.489937 9.553350 9.617882 9.675905 9.723546 9.762325 9.797205 9.832877 9.871172 9.910795 9.948840 9.982921 10.01265 10.03964 10.06617 10.09371 10.12225 10.15057 10.17723 10.20148 10.22359 10.24453 10.26527 10.28619 10.30702 10.32716
25.68393 25.40585 25.15558 24.73313 24.17284 23.61585 23.17304 22.90029 22.78115 22.71675 22.59575 22.37883 22.10126 21.82293 21.59167 21.42615 21.30874 21.20066 21.07293 20.92346 20.76983 20.63311 20.52531 20.44313 20.37082 20.29175 20.19913 20.09778 19.99835 19.91006 19.83584 19.77162 19.71005 19.64569 19.57800 19.51040 19.44727 19.39092 19.34044 19.29261 19.24424 19.19404 19.14307 19.09358 19.04744
124
Lampiran 11. IMPULSE RESPONSE FUNCTION VECM (PERSAMAAN INVESTASI RIIL) Response to Cholesky One S.D. Innovations Response of LN_INVR to LN_INVR
Response of LN_INVR to LN_GDPR
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
Response of LN_INVR to LN_KAP
20
30
40
50
60
Response of LN_INVR to LN_IHSG
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
Response of LN_INVR to LN_NSP
20
30
40
50
60
Response of LN_INVR to LN_RER
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01 10
20
30
40
50
60
10
20
30
40
50
60
Lampiran 12. HASIL ESTIMASI VECM (PERSAMAAN PERTUMBUHAN EKONOMI) Vector Error Correction Estimates Date: 07/05/07 Time: 00:11 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_GDPR(-1)
1.000000
LN_INVR(-1)
0.823242 (0.18045) [ 4.56208]
LN_KAP(-1)
0.585350 (0.10039) [ 5.83064]
LN_IHSG(-1)
-0.515076 (0.10516) [-4.89798]
LN_NSP(-1)
0.049097 (0.00962) [ 5.10426]
125
LN_RER(-1)
-0.262249 (0.06930) [-3.78413]
@TREND(99:01)
-0.013941 (0.00149) [-9.35926]
C
-23.87458
Error Correction: D(LN_GDP D(LN_INVR) D(LN_KAP D(LN_IHS D(LN_NSP D(LN_RER R) ) G) ) ) CointEq1
0.046647 (0.01015) [ 4.59421]
-0.008869 (0.01157) [-0.76684]
-0.297399 0.078335 -2.199751 0.190979 (0.04707) (0.14249) (1.43319) (0.04919) [-6.31822] [ 0.54977] [-1.53487] [ 3.88211]
D(LN_GDPR(-1))
1.548137 (0.08463) [ 18.2933]
0.142242 (0.09640) [ 1.47560]
-0.583309 0.304152 -2.275122 1.190551 (0.39233) (1.18762) (11.9456) (0.41003) [-1.48679] [ 0.25610] [-0.19046] [ 2.90354]
D(LN_GDPR(-2))
-0.989754 (0.08491) [-11.6561]
0.091813 (0.09672) [ 0.94927]
0.899803 -1.456091 -5.613698 -1.062678 (0.39364) (1.19160) (11.9856) (0.41141) [ 2.28583] [-1.22196] [-0.46837] [-2.58301]
D(LN_INVR(-1))
0.264866 (0.05994) [ 4.41867]
1.504248 (0.06828) [ 22.0315]
-0.612421 -0.244676 -9.647905 0.832045 (0.27789) (0.84119) (8.46102) (0.29043) [-2.20386] [-0.29087] [-1.14028] [ 2.86491]
D(LN_INVR(-2))
-0.196413 (0.06872) [-2.85810]
-0.816812 (0.07828) [-10.4349]
0.692278 -0.171924 9.675219 -1.115569 (0.31858) (0.96439) (9.70024) (0.33296) [ 2.17298] [-0.17827] [ 0.99742] [-3.35043]
D(LN_KAP(-1))
0.042560 (0.01473) [ 2.88997]
-0.042981 (0.01677) [-2.56228]
1.133811 1.100424 1.956695 0.189116 (0.06827) (0.20667) (2.07873) (0.07135) [ 16.6073] [ 5.32466] [ 0.94129] [ 2.65042]
D(LN_KAP(-2))
-0.008776 (0.01350) [-0.64984]
0.029408 (0.01538) [ 1.91186]
-0.610790 -0.349527 -0.795258 -0.136159 (0.06260) (0.18951) (1.90614) (0.06543) [-9.75650] [-1.84440] [-0.41721] [-2.08102]
D(LN_IHSG(-1))
0.012202 (0.00836) [ 1.45898]
0.000540 (0.00953) [ 0.05672]
-0.080885 -0.311511 -1.512225 0.048195 (0.03877) (0.11736) (1.18048) (0.04052) [-2.08627] [-2.65427] [-1.28103] [ 1.18940]
D(LN_IHSG(-2))
0.003987 (0.00830) [ 0.48060]
-0.000864 (0.00945) [-0.09143]
-0.004747 -0.241267 -0.633235 0.044635 (0.03846) (0.11643) (1.17109) (0.04020) [-0.12342] [-2.07223] [-0.54072] [ 1.11038]
D(LN_NSP(-1))
-0.002029 (0.00089) [-2.28604]
0.000100 (0.00101) [ 0.09941]
0.009034 -0.005016 -0.132141 -0.008345 (0.00411) (0.01245) (0.12527) (0.00430) [ 2.19590] [-0.40279] [-1.05487] [-1.94068]
D(LN_NSP(-2))
-0.001585 (0.00085) [-1.87492]
-0.000352 (0.00096) [-0.36553]
0.004540 -0.003733 -0.025964 -0.006166 (0.00392) (0.01187) (0.11935) (0.00410) [ 1.15826] [-0.31460] [-0.21754] [-1.50517]
D(LN_RER(-1))
-0.019183 (0.01468)
-0.022203 (0.01672)
0.120995 -0.060759 -1.268755 (0.06806) (0.20603) (2.07237)
1.145255 (0.07113)
126
[-1.30659]
[-1.32765]
[ 1.77769] [-0.29490] [-0.61223] [ 16.0999]
D(LN_RER(-2))
0.021091 (0.01447) [ 1.45762]
0.005149 (0.01648) [ 0.31241]
-0.134912 0.199762 1.800752 -0.731723 (0.06708) (0.20306) (2.04243) (0.07011) [-2.01123] [ 0.98378] [ 0.88167] [-10.4372]
C
0.001061 (0.00060) [ 1.75365]
0.000912 (0.00069) [ 1.32327]
0.007475 0.017360 0.087113 -0.003628 (0.00280) (0.00849) (0.08538) (0.00293) [ 2.66558] [ 2.04511] [ 1.02026] [-1.23779]
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
0.904130 0.888354 0.001429 0.004253 57.31031 383.4157 -7.944424 -7.563173 0.005443 0.012729
0.933028 0.922008 0.001854 0.004844 84.66168 371.3079 -7.684040 -7.302789 0.006542 0.017347
0.936241 0.471360 0.178279 0.869202 0.925749 0.384368 0.043059 0.847678 0.030711 0.281416 28.47154 0.033546 0.019717 0.059684 0.600333 0.020607 89.23414 5.418457 1.318436 40.38343 240.7701 137.7629 -76.91949 236.6648 -4.876777 -2.661568 1.955258 -4.788491 -4.495526 -2.280316 2.336509 -4.407239 0.021619 0.016379 0.030234 -0.004435 0.072358 0.076068 0.613690 0.052799
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
3.64E-20 1335.041 1289.522 -25.77467 -23.29653
Lampiran 13.VARIANCE DECOMPOSITION VECM (PERSAMAAN PERTUMBUHAN EKONOMI) Variance Decomposition of LN_GDPR: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
0.004253 0.011081 0.018993 0.026632 0.033307 0.038778 0.043116 0.046665 0.049822 0.052790 0.055553 0.058008 0.060090 0.061866 0.063528 0.065280 0.067220 0.069326 0.071514 0.073687 0.075774 0.077745
LN_GDPR LN_INVR 100.0000 98.00450 92.04415 82.92494 73.21114 65.57596 61.12000 59.50667 59.74549 60.61406 61.12435 61.00596 60.60027 60.30382 60.24488 60.35620 60.51305 60.58546 60.49898 60.28970 60.06512 59.91196
0.000000 0.866296 3.487053 7.799530 13.01520 17.93647 21.55108 23.35419 23.48105 22.57239 21.33828 20.24849 19.51643 19.17541 19.13664 19.25074 19.37905 19.44249 19.43147 19.38365 19.34400 19.33198
LN_KAP
LN_IHSG
LN_NSP
LN_RER
0.000000 0.674532 2.729008 5.747328 8.547877 10.11906 10.41169 10.02467 9.534686 9.312649 9.571231 10.22929 10.91446 11.28701 11.28003 11.02508 10.69145 10.42953 10.33929 10.41685 10.56620 10.68507
0.000000 0.201611 0.809605 1.531749 2.051944 2.281395 2.332232 2.348764 2.427705 2.616623 2.887166 3.145607 3.316723 3.393875 3.411131 3.407258 3.415909 3.455051 3.515900 3.574268 3.613584 3.633928
0.000000 0.016887 0.061031 0.260427 0.593938 0.897438 1.071544 1.147757 1.208382 1.330995 1.559131 1.858306 2.133761 2.314939 2.399419 2.426635 2.442921 2.483658 2.557229 2.642032 2.709272 2.747341
0.000000 0.236175 0.869157 1.736029 2.579899 3.189680 3.513455 3.617940 3.602689 3.553285 3.519842 3.512346 3.518349 3.524939 3.527906 3.534081 3.557623 3.603808 3.657129 3.693496 3.701825 3.689716
127
23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.079607 0.081375 0.083062 0.084676 0.086231 0.087745 0.089240 0.090735 0.092237 0.093742 0.095241 0.096721 0.098178 0.099610 0.101018 0.102401 0.103758 0.105088 0.106391 0.107672 0.108937 0.110193 0.111442 0.112685 0.113919 0.115143 0.116352 0.117547 0.118728 0.119896 0.121051 0.122195 0.123327 0.124447 0.125557 0.126657 0.127749 0.128833
Variance Decomposition of LN_INVR: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0.004844 0.013018 0.023218 0.033913 0.044002 0.052885 0.060361 0.066463 0.071304 0.075035 0.077884 0.080144 0.082085 0.083892 0.085700
59.84958 59.84661 59.85934 59.86041 59.84712 59.83153 59.82412 59.82474 59.82481 59.81538 59.79389 59.76507 59.73670 59.71433 59.69899 59.68844 59.67974 59.67129 59.66319 59.65631 59.65096 59.64641 59.64139 59.63490 59.62685 59.61794 59.60915 59.60119 59.59425 59.58815 59.58263 59.57753 59.57281 59.56845 59.56434 59.56031 59.55617 59.55187
19.33565 19.32849 19.29055 19.21962 19.12964 19.04124 18.97194 18.93016 18.91395 18.91388 18.91871 18.92038 18.91567 18.90478 18.88915 18.87011 18.84871 18.82615 18.80406 18.78424 18.76793 18.75531 18.74547 18.73700 18.72873 18.72020 18.71164 18.70345 18.69575 18.68819 18.68021 18.67143 18.66196 18.65240 18.64352 18.63585 18.62946 18.62395
LN_GDPR LN_INVR 2.557855 1.243246 0.392655 0.927836 3.034260 5.955354 8.550621 10.10547 10.64328 10.59711 10.35612 10.10478 9.891761 9.716199 9.563588
97.44214 98.26178 97.97825 96.29543 93.50749 90.29506 87.31953 85.02567 83.64564 83.17628 83.34782 83.75750 84.11938 84.37538 84.59002
10.73098 10.71951 10.68839 10.66803 10.66971 10.68687 10.70481 10.71170 10.70443 10.68756 10.66872 10.65428 10.64728 10.64760 10.65314 10.66108 10.66873 10.67405 10.67602 10.67482 10.67152 10.66763 10.66441 10.66248 10.66172 10.66157 10.66147 10.66118 10.66080 10.66057 10.66067 10.66103 10.66146 10.66170 10.66159 10.66114 10.66046 10.65971
3.645537 3.659508 3.681964 3.712213 3.744827 3.773885 3.796170 3.811797 3.823002 3.832448 3.842023 3.852468 3.863674 3.875172 3.886500 3.897346 3.907553 3.917080 3.925991 3.934414 3.942469 3.950190 3.957518 3.964351 3.970639 3.976444 3.981931 3.987292 3.992656 3.998043 4.003376 4.008546 4.013474 4.018138 4.022568 4.026809 4.030890 4.034823
2.764491 2.777170 2.799249 2.836015 2.882829 2.929437 2.967190 2.993480 3.011174 3.025289 3.039821 3.056198 3.073598 3.090427 3.105723 3.119613 3.132877 3.146203 3.159739 3.173115 3.185790 3.197411 3.207962 3.217676 3.226834 3.235617 3.244072 3.252190 3.259985 3.267527 3.274915 3.282211 3.289403 3.296411 3.303136 3.309509 3.315528 3.321246
3.673765 3.668712 3.680511 3.703706 3.725878 3.737047 3.735779 3.728114 3.722635 3.725441 3.736837 3.751606 3.763079 3.767693 3.766495 3.763413 3.762394 3.765236 3.770993 3.777107 3.781332 3.783048 3.783256 3.783597 3.785234 3.788234 3.791742 3.794700 3.796559 3.797508 3.798200 3.799255 3.800898 3.802905 3.804841 3.806381 3.807496 3.808410
LN_KAP 0.000000 0.349479 1.054788 1.579914 1.552389 1.154056 0.972710 1.370141 2.109164 2.683731 2.861101 2.779771 2.650684 2.543449 2.439491
LN_IHSG
LN_NSP
LN_RER
0.000000 0.052276 0.103012 0.091653 0.054748 0.080040 0.207374 0.382007 0.516128 0.573432 0.577033 0.561855 0.546207 0.537020 0.536598
0.000000 0.024717 0.119175 0.196064 0.197829 0.149975 0.119461 0.132909 0.159704 0.168081 0.160528 0.151610 0.144571 0.139338 0.140194
0.000000 0.068500 0.352120 0.909100 1.653289 2.365514 2.830301 2.983807 2.926083 2.801363 2.697400 2.644484 2.647396 2.688616 2.730112
128
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.087636 0.089800 0.092231 0.094881 0.097638 0.100365 0.102949 0.105334 0.107518 0.109535 0.111430 0.113247 0.115020 0.116781 0.118550 0.120342 0.122161 0.124001 0.125847 0.127676 0.129471 0.131219 0.132918 0.134573 0.136191 0.137780 0.139346 0.140895 0.142432 0.143961 0.145485 0.147005 0.148517 0.150018 0.151503 0.152968 0.154413 0.155839 0.157249 0.158644 0.160027 0.161399 0.162759 0.164110 0.165452
Variance Decomposition of LN_KAP: Period
S.E.
1 2 3 4 5 6 7 8
0.019717 0.046486 0.073392 0.096876 0.116994 0.134462 0.150109 0.165511
9.421904 9.294580 9.200981 9.159567 9.168326 9.203247 9.235557 9.248595 9.240977 9.219559 9.191457 9.160046 9.125385 9.087179 9.047342 9.010268 8.981006 8.962704 8.954807 8.953234 8.952548 8.948620 8.940016 8.927671 8.913596 8.899611 8.886644 8.874731 8.863491 8.852662 8.842364 8.833001 8.824946 8.818263 8.812606 8.807371 8.801966 8.796042 8.789574 8.782791 8.776017 8.769520 8.763433 8.757758 8.752429
84.81564 85.05672 85.28690 85.46706 85.57035 85.60455 85.60568 85.61029 85.63669 85.68598 85.75120 85.82380 85.89735 85.96985 86.04243 86.11487 86.18281 86.23964 86.28110 86.30826 86.32713 86.34545 86.36886 86.39882 86.43307 86.46787 86.50028 86.52931 86.55579 86.58126 86.60663 86.63163 86.65517 86.67617 86.69437 86.71054 86.72599 86.74189 86.75873 86.77625 86.79372 86.81045 86.82611 86.84077 86.85475
LN_GDPR LN_INVR 17.74856 19.22761 19.10180 17.42734 15.29508 13.85805 13.71634 14.98752
2.085853 3.470197 4.900827 6.227510 7.366191 8.527258 10.04238 12.02868
2.335087 2.242241 2.158252 2.072976 1.986002 1.905646 1.840650 1.795329 1.767242 1.747938 1.727893 1.701692 1.669108 1.632682 1.595244 1.559014 1.525636 1.496169 1.470889 1.449259 1.430214 1.412628 1.395667 1.378911 1.362283 1.345883 1.329845 1.314248 1.299111 1.284434 1.270251 1.256643 1.243724 1.231585 1.220245 1.209629 1.199586 1.189938 1.180529 1.171262 1.162114 1.153117 1.144337 1.135839 1.127666
0.540874 0.542110 0.536227 0.525130 0.513637 0.506235 0.505139 0.509418 0.515898 0.521354 0.524158 0.524357 0.522849 0.520626 0.518410 0.516581 0.515240 0.514333 0.513759 0.513428 0.513268 0.513222 0.513242 0.513284 0.513308 0.513274 0.513146 0.512903 0.512547 0.512110 0.511645 0.511211 0.510856 0.510601 0.510442 0.510351 0.510293 0.510233 0.510147 0.510024 0.509867 0.509687 0.509501 0.509323 0.509160
0.146659 0.151064 0.148795 0.142154 0.134663 0.128018 0.123410 0.121527 0.121511 0.121670 0.121019 0.119610 0.117908 0.116292 0.114922 0.113726 0.112530 0.111232 0.109868 0.108557 0.107400 0.106423 0.105579 0.104798 0.104039 0.103306 0.102621 0.101997 0.101415 0.100837 0.100228 0.099583 0.098926 0.098297 0.097728 0.097228 0.096781 0.096358 0.095937 0.095509 0.095081 0.094666 0.094272 0.093902 0.093548
2.739838 2.713282 2.668842 2.633112 2.627026 2.652305 2.689566 2.714840 2.717683 2.703497 2.684271 2.670496 2.667401 2.673372 2.681657 2.685541 2.682780 2.675922 2.669577 2.667261 2.669437 2.673660 2.676636 2.676518 2.673707 2.670053 2.667462 2.666812 2.667643 2.668700 2.668885 2.667928 2.666379 2.665088 2.664604 2.664877 2.665383 2.665539 2.665080 2.664165 2.663204 2.662562 2.662351 2.662408 2.662446
LN_KAP 80.16559 75.96072 69.28243 59.93651 50.02915 41.86973 35.93302 31.45070
LN_IHSG
LN_NSP
LN_RER
0.000000 0.322167 2.012499 4.781360 7.423990 9.176250 10.02846 10.26814
0.000000 0.480963 2.564193 7.254163 13.60059 19.33511 22.94648 24.25630
0.000000 0.538342 2.138246 4.373117 6.284996 7.233608 7.333318 7.008665
129
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.181941 0.199188 0.216082 0.231582 0.245252 0.257253 0.268117 0.278380 0.288354 0.298134 0.307723 0.317117 0.326354 0.335507 0.344621 0.353662 0.362530 0.371123 0.379385 0.387327 0.395016 0.402526 0.409910 0.417188 0.424361 0.431423 0.438381 0.445247 0.452036 0.458755 0.465399 0.471952 0.478401 0.484738 0.490967 0.497101 0.503154 0.509138 0.515061 0.520926 0.526732 0.532478 0.538166 0.543796 0.549369 0.554887 0.560351 0.565759 0.571113 0.576413 0.581662 0.586863
Variance Decomposition of LN_IHSG: Period
S.E.
1
0.059684
17.10322 19.01842 20.07764 20.35284 20.26557 20.17019 20.21775 20.38966 20.57530 20.66923 20.64425 20.55096 20.46568 20.44232 20.49157 20.58583 20.68328 20.75474 20.79473 20.81380 20.82514 20.83629 20.84822 20.85861 20.86579 20.87069 20.87607 20.88435 20.89607 20.91004 20.92439 20.93770 20.94943 20.95972 20.96884 20.97688 20.98373 20.98939 20.99414 20.99851 21.00304 21.00809 21.01370 21.01964 21.02561 21.03132 21.03662 21.04148 21.04592 21.05003 21.05387 21.05751
14.26016 16.32282 17.88237 18.83711 19.29603 19.44462 19.43241 19.35085 19.25298 19.16834 19.11505 19.10905 19.16111 19.26726 19.40579 19.54513 19.65815 19.73369 19.77776 19.80483 19.82716 19.84935 19.86910 19.88214 19.88738 19.88910 19.89478 19.91056 19.93759 19.97144 20.00475 20.03130 20.04889 20.05948 20.06711 20.07526 20.08526 20.09635 20.10691 20.11594 20.12368 20.13133 20.14005 20.15021 20.16118 20.17179 20.18105 20.18866 20.19500 20.20079 20.20662 20.21269
LN_GDPR LN_INVR 6.601608
0.178291
27.73656 24.57560 21.98060 19.97096 18.50511 17.47867 16.74959 16.18161 15.68670 15.23702 14.84315 14.52025 14.26155 14.03320 13.79470 13.52647 13.23853 12.95766 12.70931 12.50616 12.34539 12.21339 12.09471 11.97967 11.86618 11.75673 11.65401 11.55836 11.46789 11.38022 11.29426 11.21059 11.13071 11.05591 10.98661 10.92240 10.86249 10.80616 10.75291 10.70230 10.65384 10.60697 10.56122 10.51644 10.47281 10.43071 10.39049 10.35226 10.31589 10.28106 10.24752 10.21509
10.21982 10.17058 10.25408 10.44610 10.67422 10.89306 11.08994 11.26769 11.42872 11.56567 11.66691 11.72958 11.76357 11.78493 11.80772 11.83893 11.87730 11.91701 11.95326 11.98511 12.01450 12.04374 12.07366 12.10304 12.12972 12.15212 12.17023 12.18524 12.19863 12.21148 12.22426 12.23702 12.24974 12.26250 12.27533 12.28811 12.30044 12.31187 12.32213 12.33129 12.33968 12.34772 12.35565 12.36350 12.37109 12.37828 12.38505 12.39154 12.39790 12.40427 12.41060 12.41676
24.03148 23.36976 23.02947 23.21014 23.74564 24.37565 24.92237 25.34231 25.68158 25.99503 26.29600 26.55993 26.75595 26.87428 26.93441 26.97320 27.02314 27.09724 27.18919 27.28430 27.37111 27.44706 27.51674 27.58586 27.65604 27.72406 27.78462 27.83401 27.87223 27.90278 27.93058 27.95963 27.99157 28.02582 28.06065 28.09432 28.12581 28.15493 28.18202 28.20752 28.23172 28.25467 28.27631 28.29658 28.31562 28.33372 28.35123 28.36847 28.38560 28.40257 28.41921 28.43527
6.648768 6.542823 6.775836 7.182849 7.513426 7.637813 7.587941 7.467885 7.374716 7.364708 7.434635 7.530223 7.592126 7.598021 7.565816 7.530433 7.519603 7.539663 7.575755 7.605801 7.616696 7.610180 7.597573 7.590683 7.594892 7.607302 7.620287 7.627478 7.627597 7.624059 7.621769 7.623762 7.629666 7.636586 7.641456 7.643030 7.642273 7.641306 7.641895 7.644449 7.648036 7.651223 7.653074 7.653633 7.653701 7.654194 7.655561 7.657597 7.659693 7.661284 7.662193 7.662662
LN_KAP 15.94521
LN_IHSG
LN_NSP
LN_RER
77.27489
0.000000
0.000000
130
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59
0.079630 0.097932 0.119343 0.137807 0.152817 0.166142 0.178810 0.191606 0.204607 0.217156 0.228620 0.238804 0.247909 0.256373 0.264621 0.272870 0.281122 0.289285 0.297268 0.305044 0.312661 0.320173 0.327585 0.334844 0.341890 0.348691 0.355264 0.361660 0.367942 0.374153 0.380305 0.386390 0.392395 0.398312 0.404143 0.409896 0.415578 0.421188 0.426722 0.432175 0.437544 0.442833 0.448052 0.453210 0.458316 0.463376 0.468388 0.473352 0.478266 0.483128 0.487941 0.492706 0.497424 0.502098 0.506727 0.511312 0.515855 0.520358
9.070513 12.61962 15.01145 15.74735 15.92051 16.27496 17.17494 18.54761 19.95437 20.94228 21.38071 21.44244 21.37462 21.34108 21.39716 21.51602 21.63238 21.69975 21.72206 21.73734 21.78190 21.86805 21.98182 22.09501 22.18321 22.23824 22.26750 22.28462 22.30078 22.32112 22.34541 22.37095 22.39559 22.41921 22.44296 22.46776 22.49343 22.51884 22.54253 22.56341 22.58125 22.59654 22.61013 22.62286 22.63529 22.64771 22.66015 22.67256 22.68485 22.69693 22.70874 22.72021 22.73123 22.74169 22.75149 22.76062 22.76915 22.77724
0.235566 0.840297 1.435477 2.119509 2.973148 4.006453 5.215119 6.433381 7.403399 7.984858 8.213932 8.223595 8.145068 8.059032 8.000014 7.974033 7.972177 7.985562 8.015611 8.070595 8.153980 8.256227 8.356458 8.433165 8.476045 8.489751 8.488109 8.485195 8.489216 8.500898 8.515909 8.529542 8.540462 8.551101 8.565115 8.584291 8.607019 8.629173 8.646635 8.657633 8.663370 8.666866 8.671072 8.677465 8.685740 8.694544 8.702624 8.709610 8.716016 8.722658 8.729977 8.737740 8.745235 8.751762 8.757055 8.761391 8.765355 8.769480
28.85628 36.77913 36.54214 33.41995 30.07292 27.21444 24.99991 23.26486 21.83633 20.63902 19.66420 18.92604 18.41892 18.09499 17.87710 17.69283 17.50240 17.30255 17.10871 16.93098 16.76278 16.58889 16.40155 16.20789 16.02480 15.86859 15.74685 15.65563 15.58297 15.51617 15.44768 15.37632 15.30471 15.23571 15.17020 15.10719 15.04544 14.98481 14.92648 14.87202 14.82241 14.77748 14.73621 14.69736 14.66009 14.62411 14.58939 14.55585 14.52325 14.49130 14.45988 14.42916 14.39955 14.37142 14.34492 14.31990 14.29602 14.27296
61.79886 49.37646 45.17448 44.60244 44.79749 45.11404 44.93494 44.20206 43.36742 42.83271 42.69852 42.85811 43.14346 43.41077 43.58500 43.66399 43.68086 43.66644 43.63922 43.60714 43.57055 43.53024 43.49356 43.47009 43.46436 43.47452 43.49520 43.51971 43.54196 43.55821 43.56736 43.57015 43.56838 43.56441 43.56025 43.55687 43.55440 43.55277 43.55206 43.55263 43.55488 43.55889 43.56403 43.56912 43.57290 43.57471 43.57470 43.57373 43.57282 43.57266 43.57330 43.57435 43.57536 43.57609 43.57666 43.57735 43.57839 43.57975
0.008155 0.160401 0.608271 1.737880 3.147126 4.131101 4.550569 4.611170 4.570351 4.615528 4.811338 5.104567 5.393283 5.607656 5.740331 5.825186 5.901214 5.988357 6.082806 6.168441 6.233003 6.276827 6.310474 6.346094 6.389834 6.439852 6.489727 6.533656 6.569733 6.599920 6.627707 6.655524 6.683584 6.710468 6.734585 6.755368 6.773557 6.790619 6.807846 6.825732 6.843937 6.861695 6.878319 6.893526 6.907468 6.920530 6.933078 6.945295 6.957170 6.968586 6.979444 6.989744 6.999584 7.009107 7.018425 7.027572 7.036504 7.045137
0.030627 0.224089 1.228187 2.372876 3.088799 3.259000 3.124524 2.940920 2.868125 2.985602 3.231302 3.445243 3.524647 3.486472 3.400394 3.327941 3.310976 3.357340 3.431595 3.485508 3.497792 3.479766 3.456137 3.447744 3.461754 3.489042 3.512612 3.521185 3.515338 3.503684 3.495926 3.497520 3.507274 3.519095 3.526883 3.528519 3.526157 3.523791 3.524452 3.528567 3.534151 3.538533 3.540236 3.539675 3.538507 3.538403 3.540058 3.542953 3.545890 3.547869 3.548663 3.548792 3.549040 3.549931 3.551454 3.553173 3.554581 3.555431
131
60
0.524821
Variance Decomposition of LN_NSP: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
0.600333 0.757060 0.870739 0.969729 1.057319 1.139762 1.220458 1.300907 1.380700 1.456954 1.526941 1.590007 1.647001 1.699493 1.749461 1.798581 1.847589 1.896419 1.944702 1.992086 2.038431 2.083899 2.128760 2.173072 2.216601 2.259029 2.300152 2.339969 2.378690 2.416653 2.454172 2.491409 2.528368 2.564959 2.601087 2.636706 2.671832 2.706516 2.740785 2.774628 2.808010 2.840911 2.873340 2.905350 2.937009 2.968376 2.999480 3.030315 3.060863 3.091107 3.121046 3.150693
22.78508
8.773989
LN_GDPR LN_INVR 0.003940 0.066350 0.506003 1.366970 2.349164 3.312914 4.179940 4.917776 5.551005 6.112588 6.607600 7.018351 7.330484 7.548696 7.693945 7.795547 7.883849 7.981438 8.097281 8.228256 8.365089 8.498040 8.620777 8.731459 8.830699 8.918851 8.995469 9.060620 9.115927 9.164491 9.210030 9.255627 9.302590 9.350275 9.397003 9.441319 9.482728 9.521643 9.558800 9.594582 9.628719 9.660567 9.689669 9.716165 9.740794 9.764542 9.788176 9.811934 9.835532 9.858444 9.880251 9.900839
0.240262 1.383270 2.472143 3.180397 3.747951 4.449330 5.535619 7.059069 8.728056 10.10774 10.95302 11.31128 11.38946 11.38747 11.42874 11.55990 11.76275 11.98258 12.17400 12.32947 12.47097 12.62337 12.79438 12.97055 13.12766 13.24749 13.32854 13.38407 13.43198 13.48522 13.54756 13.61498 13.68080 13.74090 13.79584 13.84908 13.90353 13.95914 14.01300 14.06144 14.10246 14.13688 14.16762 14.19789 14.22959 14.26264 14.29565 14.32708 14.35621 14.38344 14.40973 14.43584
14.25051
43.58117
7.053404
3.555846
LN_KAP 0.237895 0.249603 0.199388 0.175722 0.269988 0.462351 0.671364 0.848217 0.977720 1.070000 1.145136 1.219144 1.299876 1.385605 1.465097 1.523839 1.554066 1.559518 1.551849 1.544387 1.547996 1.568111 1.602304 1.641427 1.675346 1.698794 1.712704 1.721504 1.729687 1.739694 1.751404 1.763025 1.772748 1.780028 1.785733 1.791374 1.798145 1.806335 1.815337 1.824140 1.831946 1.838511 1.844087 1.849114 1.853929 1.858651 1.863235 1.867615 1.871804 1.875899 1.880004 1.884150
LN_IHSG
LN_NSP
LN_RER
2.568168 2.149653 2.528050 3.513442 4.228369 4.788919 5.309046 5.742694 6.105482 6.440807 6.766817 7.087714 7.402203 7.701169 7.968788 8.191251 8.366218 8.503891 8.620832 8.732608 8.847670 8.964671 9.075880 9.174260 9.258243 9.331608 9.400417 9.469521 9.540167 9.609915 9.674817 9.732129 9.781722 9.825717 9.867027 9.907785 9.948533 9.988498 10.02656 10.06210 10.09531 10.12686 10.15742 10.18723 10.21605 10.24349 10.26930 10.29356 10.31661 10.33886 10.36053 10.38163
96.94973 96.12658 94.17335 90.94956 87.43598 84.02168 80.88049 77.96309 75.25181 72.89243 70.98731 69.51747 68.42521 67.64006 67.05851 66.57054 66.10175 65.61712 65.10861 64.58934 64.08096 63.59668 63.14036 62.71688 62.33417 61.99708 61.70482 61.45234 61.23098 61.02952 60.83770 60.64944 60.46301 60.27955 60.10144 59.93078 59.76841 59.61413 59.46773 59.32949 59.19989 59.07914 58.96675 58.86141 58.76120 58.66430 58.56957 58.47671 58.38612 58.29847 58.21425 58.13359
0.000000 0.024539 0.121066 0.813910 1.968550 2.964802 3.423544 3.469157 3.385930 3.376432 3.540122 3.846039 4.152761 4.336998 4.384920 4.358920 4.331373 4.355453 4.447433 4.575939 4.687314 4.749133 4.766294 4.765423 4.773890 4.806174 4.858047 4.911948 4.951258 4.971159 4.978494 4.984802 4.999122 5.023524 5.052963 5.079660 5.098654 5.110255 5.118575 5.128252 5.141679 5.158042 5.174450 5.188194 5.198440 5.206372 5.214071 5.223110 5.233718 5.244889 5.255240 5.263952
132
53 54 55 56 57 58 59 60
3.180066 3.209174 3.238019 3.266597 3.294908 3.322959 3.350768 3.378352
Variance Decomposition of LN_RER: Period
S.E.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
0.020607 0.051183 0.081640 0.104437 0.118417 0.126279 0.130917 0.134864 0.140567 0.148682 0.157551 0.165396 0.171757 0.177060 0.182038 0.187494 0.193795 0.200496 0.206820 0.212353 0.217175 0.221618 0.226046 0.230694 0.235526 0.240313 0.244863 0.249156 0.253305 0.257453 0.261691 0.266001 0.270270 0.274384 0.278303 0.282075 0.285783 0.289499 0.293247 0.296995 0.300690 0.304298 0.307821 0.311291 0.314742
9.920387 9.939177 9.957412 9.975115 9.992181 10.00850 10.02408 10.03902
14.46182 14.48712 14.51099 14.53302 14.55341 14.57276 14.59175 14.61075
1.888273 1.892255 1.896001 1.899488 1.902764 1.905907 1.908976 1.911980
10.40205 10.42166 10.44046 10.45855 10.47609 10.49317 10.50978 10.52584
58.05630 57.98205 57.91061 57.84187 57.77578 57.71225 57.65109 57.59197
5.271172 5.277735 5.284527 5.291951 5.299776 5.307406 5.314333 5.320439
LN_GDPR LN_INVR
LN_KAP
LN_IHSG
LN_NSP
LN_RER
0.575975 2.196758 4.980566 8.576884 11.98203 14.10794 14.81820 14.64254 13.90679 13.02340 12.57222 12.67493 12.99206 13.20078 13.20636 13.04492 12.81827 12.66396 12.65342 12.74480 12.85205 12.91903 12.93048 12.89712 12.84537 12.80145 12.77569 12.76399 12.75944 12.75812 12.75821 12.75872 12.75905 12.75835 12.75585 12.75193 12.74806 12.74545 12.74407 12.74280 12.74031 12.73603 12.73056 12.72532 12.72167
2.279243 3.496785 4.466881 5.484746 6.437571 7.162898 7.718604 8.207891 8.612077 8.940635 9.269432 9.601055 9.882516 10.10072 10.27596 10.41252 10.51340 10.60627 10.71689 10.84437 10.97484 11.09798 11.20530 11.28983 11.35439 11.41092 11.46947 11.53230 11.59636 11.65624 11.70669 11.74641 11.77973 11.81317 11.85078 11.89251 11.93527 11.97484 12.00836 12.03594 12.06019 12.08416 12.10947 12.13582 12.16167
0.026557 0.070163 0.156812 0.512006 1.298331 2.436430 3.609374 4.520514 5.040262 5.280269 5.509683 5.893847 6.401969 6.906946 7.297763 7.524337 7.616134 7.668891 7.772993 7.954339 8.180716 8.400813 8.574637 8.689647 8.764085 8.831112 8.914356 9.016448 9.124340 9.220762 9.294594 9.346945 9.389278 9.434698 9.489937 9.553350 9.617882 9.675905 9.723546 9.762325 9.797205 9.832877 9.871172 9.910795 9.948840
69.19051 60.44798 51.59457 42.98307 36.19425 32.13944 30.03513 29.15727 29.65838 30.73817 30.91941 29.93642 28.51221 27.22644 26.26316 25.68393 25.40585 25.15558 24.73313 24.17284 23.61585 23.17304 22.90029 22.78115 22.71675 22.59575 22.37883 22.10126 21.82293 21.59167 21.42615 21.30874 21.20066 21.07293 20.92346 20.76983 20.63311 20.52531 20.44313 20.37082 20.29175 20.19913 20.09778 19.99835 19.91006
19.98213 22.86559 25.27765 27.22650 28.40584 28.86051 29.06395 29.16956 28.87794 28.27653 27.87914 27.90491 28.21109 28.61707 28.99112 29.19558 29.18306 29.08358 29.06503 29.17602 29.35752 29.52332 29.60576 29.58541 29.50999 29.46053 29.48697 29.58061 29.69540 29.78272 29.81775 29.81075 29.79594 29.80418 29.84280 29.89671 29.94336 29.96789 29.97092 29.96607 29.96935 29.98840 30.01933 30.05153 30.07542
7.945585 10.92272 13.52353 15.21679 15.68198 15.29279 14.75474 14.30222 13.90455 13.74100 13.85012 13.98884 14.00015 13.94805 13.96563 14.13871 14.46329 14.82172 15.05854 15.10763 15.01902 14.88581 14.78354 14.75683 14.80941 14.90023 14.97469 15.00539 15.00154 14.99048 14.99661 15.02844 15.07534 15.11667 15.13717 15.13567 15.12233 15.11060 15.10997 15.12205 15.14119 15.15940 15.17169 15.17818 15.18234
133
46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
0.318194 0.321637 0.325047 0.328401 0.331690 0.334927 0.338132 0.341320 0.344498 0.347657 0.350787 0.353880 0.356936 0.359963 0.362968
30.08794 30.09316 30.09842 30.10909 30.12553 30.14401 30.15993 30.17084 30.17764 30.18344 30.19121 30.20199 30.21458 30.22671 30.23667
15.18785 15.19621 15.20621 15.21526 15.22143 15.22466 15.22651 15.22900 15.23335 15.23943 15.24609 15.25209 15.25682 15.26056 15.26404
12.72007 12.72000 12.72035 12.72013 12.71895 12.71699 12.71478 12.71275 12.71104 12.70956 12.70814 12.70669 12.70523 12.70387 12.70268
12.18538 12.20636 12.22533 12.24366 12.26238 12.28169 12.30095 12.31926 12.33605 12.35137 12.36579 12.37992 12.39411 12.40826 12.42202
9.982921 10.01265 10.03964 10.06617 10.09371 10.12225 10.15057 10.17723 10.20148 10.22359 10.24453 10.26527 10.28619 10.30702 10.32716
19.83584 19.77162 19.71005 19.64569 19.57800 19.51040 19.44727 19.39092 19.34044 19.29261 19.24424 19.19404 19.14307 19.09358 19.04744
Cholesky Ordering: LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
Lampiran 14.IMPULSE RESPONSE FUNCTION VECM (PERSAMAAN PERTUMBUHAN EKONOMI)
Response to Cholesky One S.D. Innovations Response of LN_GDPR to LN_GDPR Response of LN_GDPR to LN_INVR
Response of LN_GDPR to LN_KAP
.020
.020
.020
.016
.016
.016
.012
.012
.012
.008
.008
.008
.004
.004
.004
.000
.000
.000
-.004
-.004
-.004
-.008
-.008 10
20
30
40
50
60
Response of LN_GDPR to LN_IHSG .020 .016 .012 .008 .004 .000 -.004 -.008 10
20
30
40
50
60
-.008 10
20
30
40
50
60
10
20
30
40
50
60
Response of LN_GDPR to LN_NSP
Response of LN_GDPR to LN_RER
.020
.020
.016
.016
.012
.012
.008
.008
.004
.004
.000
.000
-.004
-.004
-.008 10
20
30
40
50
60
-.008 10
20
30
40
50
60
134
