ANALISIS VOLATILITY SPILLOVER ANTARA HARGA MINYAK DUNIA DENGAN LIMA INDEKS SAHAM SEKTORAL DI INDONESIA, SINGAPURA, KOREA, DAN HONG KONG

ANALISIS VOLATILITY SPILLOVER ANTARA HARGA MINYAK DUNIA DENGAN LIMA INDEKS SAHAM SEKTORAL DI INDONESIA, SINGAPURA, KOREA, DAN HONG KONG Muhammad Ali Ridwan Program Studi S1 Reguler, Departmen Manajemen, Fakultas Ekonomi Universitas Indonesia Abstrak : Penelitian ini bertujuan untuk menganalisis ada tidaknya volatility spillover antara harga minyak dengan lima saham sektoral, yaitu sektor basic material, sektor financial, sektor consumer service, sektor telecommunication, dan sektor oil & gas. Penelitian ini dirancang untuk melihat volatility spillover tersebut di Indonesia, Singapura, Korea, dan Hong Kong. Selain itu, penelitian ini juga ingin melihat keterkaitan antar pasar saham di Indonesia, Singapura, Korea, dan Hong Kong. Model penelitian ini menggunakan model multivariate BEKK GARCH yang dikembangkan oleh Kroner dan Engle(1995). Keywords : Volatility spillover, GARCH, BEKK Model

1.Pendahuluan Pada tahun 2008 lalu, harga minyak dunia mencapai level tertinggi sebesar $ 144 / barrel dan masih pada tahun yang sama harga minyak dunia kemudian turun drastis hingga mencapai level harga $ 32 / barrel. Menurut survei yang dilakukan oleh Seismic Micro Technology pada tahun 2009, sebagian besar geolog percaya bahwa harga minyak dunia lima tahun mendatang akan mencapai kisaran $100 - $150 / barrel (Huffman, 2009) Kondisi harga minyak dunia yang fluktuatif sudah pasti berpengaruh terhadap perekonomian suatu negara yang memiliki tingkat ketergantungan akan minyak dunia yang cukup tinggi seperti Indonesia. Salah satu indikator yang dapat diamati dari fluktuatifnya pergerakan harga minyak dunia tersebut adalah Indeks Harga Saham Gabungan (IHSG). Pada tahun 2008 lalu IHSG menurun tajam dari level tertinggi saat itu di kisaran Rp 2.800 mengalami penurunan drastis hingga mencapai level di kisaran Rp 1.100 di akhir tahun. Hal ini mengindikasikan bahwa pergerakan harga minyak dunia memiliki korelasi yang cukup besar dengan pergerakan pasar modal di Indonesia.

Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013

Sejak pemulihan ekonomi global berlangsung di tahun 2009, banyak perusahaan – perusahaan di Indonesia mendiversifikasi usahanya ke sektor komoditas. Sehingga sektor – sektor selain pertambangan juga berpotensi terpengaruh oleh fluktuatifnya harga minyak dunia (Sidarta, 2010). Kondisi ini menyebabkan pentingnya bagi investor untuk mengetahui sektor – sektor mana saja terpengaruh sangat besar oleh fluktuatifnya harga minyak dunia, serta sektor mana saja yang memiliki pengaruh yang kecil terhadap fluktuatifnya harga minyak dunia. Seperti negara – negara lainnya, ketergantungan Indonesia dengan minyak sebagai sumber energi cukup besar. Berikut tabel konsumsi minyak mentah dunia di Indonesia dan beberapa negara di Asia Pasifik dari tahun 2005 sampai tahun 2011, serta perbandingannya dengan tingkat konsumsi di kawasan Asia dan Oceania, serta Dunia. Tabel 1.1 Tingkat Konsumsi Minyak Mentah dalam ribuan barrel per hari

Dunia Asia & Oceania Hong Kong Indonesia Korea Selatan Singapura

2005

2006

2007

2008

2009

2010

2011

84.105,34

85.161,78

85.847,31

85.559,15

84.765,47

87.360,82

87.421

23.973,52 331,3004 1.279,15 2.191,337 808,5758

24.646,94 318,4815 1.256,492 2.179,904 828,9589

25.022,79 327,5262 1.226,943 2.240,51 889,5878

25.345,98 306 1.290 2.142,309 1.006,518

26.086,58 353,2686 1.300,889 2.188,26 1.169,607

27.513,12 382,5478 1.384,363 2.268,353 1.380,063

27.901,71 366 1.119 2.230,167 896

Sumber : Energy Information Administration (EIA) Pada tahun 2005 tingkat konsumsi minyak mentah di dunia sebesar 84.105,78, sedangkan tingkat konsumsi di Asia dan Oceania pada tahun yang sama sebesar 23.973,52 atau 28,50% dari total konsumsi minyak mentah di dunia dan terbesar kedua setelah Amerika Utara yang mengkonsumsi minyak mentah sebanyak 25.242,8 atau 30,01% dari total konsumsi di dunia. Hal ini memperlihatkan kebutuhan negara – negara di kawasan Asia akan minyak mentah yang sangat besar. Hal ini dimungkinkan karena mayoritas negara – negara di kawasan Asia merupakan negara berkembang yang sedang menggiatkan aktivitas industrinya di berbagai sektor, dimana dibutuhkan sumber energi yang cukup besar seperti minyak bumi. Pemilihan negara Singapura, Hong Kong, dan Korea dikarenakan majunya perekonomian ketiga negara tersebut di kawasan Asia Pasifik, selain itu bursa saham Singapura, Hong Kong, dan Korea merupakan bursa saham yang paling aktif di Asia Pasifik (Vrugt, 2009). Dengan demikian, peneliti dapat melihat berapa besar pengaruh perekonomian negara maju di kawasan Asia terhadap negara berkembang seperti Indonesia.


Kling (1985) mempelajari hubungan antara harga minyak mentah dunia dengan perilaku pasar saham Amerika Serikat dan menunjukkan hubungan yang negatif antara keduanya. Huang et al (1996), Sadorsky (1999), Park and Ratti (2008), dan Apergis and Miller (2009) mengacu pada Auto Regressive Model, internasional multifactor asset pricing model, cointegration test, dan vector error correction models menyimpulkan bahwa pada pasar berkembang (emerging market) harga minyak mentah dunia berkorealsi secara signifikan terhadap return saham baik dalam jangka pendek maupun jangka panjang. Dengan menggunakan metode BEKK-GARCH Malik and Hmmoudeh (2007) menunjukkan bahwa pasar ekuitas di negara – negara teluk sangat sensitif terhadap volatilitas pada pasar minyak mentah dunia walaupun volatility spillover antara harga minyak dan saham hanya berlaku di Arab Saudi. Malik dan Ewing (2009) menginvestigasi volatility spillover harga minyak mentah dengan lima sektor saham di Amerika Serikat ( financial, industrial, consumer service, health care, and technology) dan menyimpulkan bahwa secara signifikan terdapat volatilitas antara harga saham dan minyak mentah dunia. Penemuan lain yang dilakukan oleh Arouri, Jouini, Nguyen (2011) menyimpulkan bahwa terjadi volatility spillover antara harga minyak mentah dengan tujuh sektor saham (automobile&parts, financial, industrial, basic material, technology, telecommunication, utilities) pada pasar saham eropa dan Amerika serikat. Hasil penelitiannya menyimpulkan bahwa terjadi volatility spillover satu arah antara harga minyak mentah terhadap saham sektoral di eropa, dan volatility spillover dua arah di pasar saham Amerika serikat. Beranjak dari masalah yang ada, maka penelitian ini dilakukan untuk mengetahui volatility spillover antara harga minyak dunia dengan indeks sektoral di Indonesia, Hong Kong, Korea, dan Singapura. Penelitian akan dilakukan pada periode Januari 2005 – Desember 2011 2. Tinjauan Teoritis 2.1 Contagion 2.1.1 Definisi Contagion Menurut Dombusch, Park, dan Claessens (2000), Contagion dapat didefinisikan sebagai peningkatan yang signifikan pada hubungan antar pasar setelah terjadi guncangan terhadap satu atau beberapa negara, yang diukur dengan tingkat harga aset atau aliran keuangan yang bergerak secara bersama – sama pada pasar yang berbeda. Peningkatan pada


comovement tidak membutuhkan sikap irasional yang tercermin pada seorang investor. Saat suatu negara terkena guncangan, hambatan likuiditas dapat memaksa investor untuk meminjam uang dari negara lain. 2.1.2 Penyebab terjadinya contagion Penyebab dari contagion dapat dibagi menjadi dua kategori yaitu spillover dan krisis keuangan (Masson 1998 ; Wolf 1999 ; Forbes dan Rigobon 2000 ; Pritsker 2000) : a. Spillover Penyebab ini merupakan hasil dari ketergantungan normal antar pasar ekonomi. Ketergantungan ini berarti bahwa guncangan tersebut, entah bersifat global maupun lokal, dapat ditransmisikan antar negara karena adanya real linkage dan financial linkage. Calvo dan Reinhart (1996), mengelompokkan krisis ini sebagai fundamental – based contagion. Bentuk comovement ini tidak akan menegaskan contagion secara normal, tapi jika hal ini berlangsung selama periode krisis dan efeknya merugikan, hal ini akan dikategorikan sebagai contagion. b. Krisis keuangan Penyebab contagion ini tidak berhubungan dengan perubahan makroekonomi yang diobservasi atau fundamental lainnya, namun semata – mata merupakan hasil dari perilaku investor atau agen keuangan lainnya. Dalam definisi ini, contagion muncul pada saat comovement terjadi, walaupun tidak ada guncangan dan ketergantungan global. Krisis di suatu negara mungkin dapat menyebabkan investor menarik investasi mereka dari pasar lainnya tanpa memperhatikan perbedaan fundamental ekonominya.

2.2 Risiko Risiko dalam bidang keuangan dapat didefinisikan sebagai kemungkinan kerugian yang ditanggung dalam berinvestasi pada suatu aset (Megginson, 1997). Aset – aset dengan kemungkinan kerugian yang lebih besar, dikatakan lebih berisiko daripada aset – aset dengan kemungkinan

kerugian

yang

lebih

kecil.

Dalam

berinvestasi,

investor

harus

mempertimbangkan risiko dan imbal hasil yang diterima agar tujuan investasi dapat tercapai. Tingkat risiko dalam suatu portofolio dapat diukur dengan variance dan deviasi standar. Variance merupakan ukuran statistik dari penyebaran imbal hasil dimana variance yang tinggi menggambarkan penyebaran yang luas. Deviasi standar (volatilitas) yang


merupakan akar kuadrat dari variance, merupakan alat yang digunakan untuk mengukur tingkat penyebaran dari imbal hasil yang diekspektasikan. Jika volatilitas dari imbal hasil saham tinggi, maka dapat dikatakan bahwa saham tersebut memiliki risiko yang tinggi. Dalam bidang keuangan, volatilitas dapat dinyatakan dengan deviasi standar dari imbal hasil instrumen keuangan. Volatilitas digunakan untuk mengukur risiko dari suatu instrumen keuangan. Pemodelan dan peramalan volatilitas pasar saham telah menjadi subjek penelitian empiris dan teoritis penting selama beberapa dekade terakhir ini oleh para akademisi dan praktisi, tentunya dengan tujuan dan motivasi yang berbeda beda Volatilitas adalah salah satu konsep yang paling penting dalam dunia keuangan. Volatilitas, yang dapat diukur dengan deviasi standar atau variance imbal hasil suatu aset, sering digunakan sebagai ukuran dari total risiko aset keuangan. Sebagai contoh, model Value at Risk (VaR) yang digunakan untuk mengukur risiko pasar memerlukan estimasi atau proyeksi parameter volatilitas. Volatilitas dari harga saham juga dapat masuk langsung ke dalam rumus Black Scholes dan digunakan untuk menghitung harga opsi. 3. Metode Penelitian 3.1 Data Seperti yang telah dijelaskan oleh Arouri dan Nguyen (2010), penelitian ini menggunakan data mingguan karena mampu menangkap interaksi antara harga minyak dan saham. Selain itu, data mingguan yang digunakan dalam penelitian ini juga dapat menangkal bias yang biasanya terjadi pada data harian (bid-ask-effect dan non-synchronous trading days)serta data bulanan (agregat waktu dan kompensasi yang tinggi atas dampak positif atau negatif dari guncangan) Data indek sektoral yang dipilih merupakan Dow Jones Global Index (DJGI), indeks ini dipilih karena pelaku pasar lebih banyak menggunakan indeks ini dibandingkan yang lain dalam mengikuti pergerakan industri, selain itu indeks Dow Jones digunakan secara luas dalam mengukur performa sektoral (Hasan dan Malik, 2006). Terdapat 10 sektor industri yang di sediakan Dow Jones yaitu Basic Matrials, Consumer Goods, Consumer Services, Financial, Healthcare, Industrial, Oil & Gas, Technology, Telecommunication, Utilities Namun karena keterbatasan dan kelayakan data di masing – masing negara, peneliti hanya menggunakan lima sektor dari sepuluh sektor yang tersedia, yaitu basic materials, consumer service, financial, oil & gas, dan telecommunication.


Untuk harga minyak Dunia, peneliti menggunakan acuan harga minyak mentah Brent yang di produksi di laut utara dan saat ini di perdagangkan di dua pertiga negara – negara di dunia. Data harga minyak mentah diperoleh dari Energy Information Administration (EIA) Indeks pasar yang digunakan dalam penelitian ini adalah data mingguan indeks pasar saham di Indonesia, Singapura, Hongkong, dan Korea pada periode januari 2005 hingga desember 2011. Berikut adalah indeks – indeks yang digunakan sebagai representasi pasar saham negara - negara tersebut yang digunakan dalam penelitian Indeks Harga Saham Gabungan (IHSG), Strait Times Index (STI), Hang Seng Index (HSI), Kospi Index (KOSPI200) 3.2 Pembenrukan Model ARMA Box dan Jenkins (1976) menemukan cara yang spesifik untuk mengestimasi model ARMA. Cara ini merupakan cara yang praktikal dan pragmatis, yang mengikuti tiga langkah berikut (Brooks, 2008) 1. Identifikasi Identifikasi yang dimaksud adalah menemukan order autoregressive dan moving average pada model yang mampu menangkap karakter – karakter pada data. Tahap ini dilakukan dengan cara melihat hasil plot atas autocorrelation function dan partial autocorrelation function pada correlogram. 2. Estimasi Hal ini terkait dengan estimasi atas parameter autoregressive dan moving average yang telah dipilih pada langkah identifikasi. Estimasi dapat dilakukan dengan berbagai cara, seperti ordinary least square atau maximum likelihood 3. Model Checking Tahap ini adalah tahap menentukan apakah parameter yang dipilih merupakan parameter yang sesuai. Salah satu cara yang disarankan oleh Box dan Jenkins adalah melakukan residual diagnostic. Residual diagnostic dilakukan dengan melihat residual pada autocorrelation function dan partial autocorrelation function untuk membuktikan masih adanya hubungan linier antara residual dan variabel dependen.


3.3 Generalized Auto Regressive Conditional Heteroscedasticity (GARCH) GARCH (Generalized Auto Regressive Conditionally Heteroscedasticity) merupakan model ARCH yang telah di generalisasi. Model ini dikembangkan secara independen oleh Bollerslev (1986) dan Taylor (1986). Peramalan volatilitas dengan GARCH berdasar pada konsep bahwa volatilitas saat ini dipengaruhi oleh volatilitas (

-

) dan varians (

) pada

periode sebelumnya. Model GARCH dapat dinyatakan dengan persamaan: ∑

-

∑

Dengan asumsi tambahan bahwa (

). Dalam model GARCH (

(3.1)

-

≥ 0, persamaan di atas disebut juga model GARCH ), (

) adalah notasi standar dimana angka pertama

menunjukkan berapa banyak autoregressive lags (ARCH terms) dan angka kedua menunjukkan berapa banyak moving average lags (GARCH terms) yang muncul dalam persamaan. 3.4 Model Multivariate BEKK GARCH Ada beberapa model multivariate GARCH yang tersedia, yang dapat menghasilkan estimasi yang berbeda dari conditional correlation yang sama. Namun, penelitian ini hanya akan membatasi penjelasan mengenai model bivariate BEKK GARCH(1,1). Model ini juga pernah digunakan sebelumnya oleh Malik dan Ewing (2009) untuk melihat volatility spillover antara harga minyak mentah dunia dengan lima indek saham sektoral (financial, industrial, consumer service, health care, dan technology) di Amerika Serikat. Dalam model bivariate BEKK GARCH,

harus bernilai definit positif. Hal ini

diharuskan agar setiap parameterisasi menjadi lebih wajar. Model bivariate BEKK GARCH dapat dilihat dengan persamaan berikut: ∑

∑ Dimana

,

, dan

(3.2)

adalah matriks n x n.

Dari Persamaan (3.2), kita mendapatkan persamaan model bivariate BEKK GARCH(1,1) sebagai berikut:


(3.3) merupakan matriks conditional variance, parameter, sedangkan

adalah matriks 2x2 dengan tiga

adalah matriks 2x2 yang merupakan sebuah parameter yang dapat

melihat hubungan antara conditional variance masa lalu terhubung variance saat ini yang mana.

dengan conditional

adalah matriks 2x2 yang dapat melihat dan mengukur

hubungan antara conditional variance masa lalu terhubung dengan error masa lalu yang juga dapat melihat efek guncangan dari sebuah volatilitas.

mana.

Perbedaan model unrestricted bivariate BEKK GARCH(1,1) dengan model bivariate BEKK GARCH(1,1) terletak pada matriks

dan

yang tidak bernilai nol pada sisi

diagonalnya. Sehingga, jika Persamaan (3.3) dijabarkan ke dalam model unrestricted bivariate BEKK GARCH(1,1), persamaannya menjadi: [ [

]

][

]

[

]

[

][

][

]

(3.4)

Bila Persamaan (3.4) kita sederhanakan, maka persamaan untuk melihat volatility spillover antara harga minyak mentah dunia dengan indek saham sektoral adalah sebagai berikut:

(3.5)

Sedangkan untuk melihat volatility spillover antara indek pasar saham Singapura, Hong Kong, dan Korea terhadap indek pasar saham Indonesia, persamaan (3.7) dapat disederhanakan kedalam persamaan berikut


(3.6) Untuk melihat ada tidaknya volatility spillover antara harga minyak mentah brent dan indeks saham sektoral, koefisien yang digunakan adalah atau

dan

. Jika salah satu dari

memiliki nilai yang berbeda dari nol, maka dapat dikatakan bahwa volatilitas

minyak mentah brent berpengaruh terhadap volatilitas suatu indeks saham sektoral di suatu negara. Sedangkan untuk melihat ada tidaknya volatility spillover antara indek pasar saham Singapura, Hong Kong, dan Korea dan indek pasar saham Indonesia, digunakan adalah

dan

. Jika salah satu dari

atau

koefisien yang

memiliki nilai yang

berbeda dari nol, maka dapat dikatakan bahwa volatilitas indek pasar saham Singapura, Hong Kong, dan Korea berpengaruh terhadap volatilitas indek pasar saham Indonesia 4.Hasil dan Pembahasan Penelitian Dalam pemodelan dengan GARCH, ada syarat yang harus dipenuhi, yaitu semua data harus mean stationery. Dari semua sektor yang ada, ternyata masih terdapat sektor – sektor yang memiliki autokorelasi yang signifikan. Metode yang digunakan dalam pemodelan ARMA adalah metode Box-Jenkins, dan berikut hasil pemodelan ARMA terhadap sektor – sektor yang sebelumnya masih terdapat autokorelasi. Tabel 4.1 Pemodelan ARMA rid_finance rid_ogas rsg_basic rkr_finance rhk_finance rhk_ogas ARMA(4,4) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1) P-value AR P-value MA Adjusted Rsquared AIC SIC

0,0347

0,0000

0,0000

0,0000

0,0000

0,0011

0,0239

0,0000

0,0000

0,0000

0,0000

0,0081

0,006343 -3,220702 -3,188384

0,023282 -2,543040 -2,510921

0,007613 -2,813690 -2,781570

0,013522 -2,997890 -2,965771

0,006052 -3,610980 -3,578860

0,011449 -2,804228 -2,772108


Sumber : Data diolah sendiri menggunakan Eviews 6 Setelah dilakukan pemodelan ARMA terhadap sektor – sektor pada tabel 4.9, sudah tidak ditemukan lagi autokorelasi, dan pemodelan dengan menggunakan GARCH pun dapat dilakukan. 4.1 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham Sektoral di indonesia Tabel 4.2 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks Sektoral di Indonesia Service – Brent (0,564068) (0,301770) (0,356791) (0,140282) 3,370332 6,103338 3,168428 6,768479 0,0008 0,0000 0,0015 0,0000 -0,079846 (-0,101111) -0,050461 0,275426 -1,774808 -2,346858 -1,937715 1,153835 0,0759 0,0189 0,0527 0,2486 Basic - Brent Financial- Brent z-Statistic Prob. z-Statistic Prob.

Tele – Brent

OGas – Brent 0,930883 1,095056 0,0000 (0,649441) 2,336220 0,0195

Sumber : Data diolah sendiri menggunakan Eviews 6 Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia, hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. Bisa dilihat dalam tabel 4.2, koefisien lihat nilai koefisien

dan dan

berturut – turut adalah 0,3017770 dan -0,079846 . jika kita masing – masing koefisien, dapat disimpulkan bahwa

berbeda dari nol dan

tidak berbeda dari nol, sehingga dapat dikatakan

terdapat volatility spilloover antara harga minyak mentah dan sektor basic material di Indonesia.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial Dapat dilihat pada tabel 4.2, koefisien Jika kita lihat

dan

sebesar 0,0356791 dan -0,10111.

kedua koefisien, masing – masing memiliki nilai berbeda dari nol

yang artinya terdapat volatility spillover antara harga minyak dengan sektor keuangan di indonesia.


Penemuan ini juga selaras dengan hasil penelitian yang dilakukan oleh Arouri et al (2011), dimana terdapat volatility spillover dua arah antara minyak Brent dengan sektor financial. Arouri menyebutkan bahwa kenaikan atau penurunan harga minyak dapat mempengaruhi sentimen konsumen dan investor terhadap produk keuangan.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication Dapat dilihat pada tabel 4.2, koefisien Jika kita lihat sedangkan

kedua koefisien,

dan

sebesar 0,140282 dan -0,050461.

memiliki nilai yang berbeda dengan nol,

tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat

volatility spillover antara harga minyak dengan sektor telekomunikasi di indonesia. Industri telekomunikasi merupakan salah satu industri yang memiliki performa baik dalam sepuluh tahun terakhir, dengan tingginya penggunaan teknologi yang aplikatif dan tepat guna baik bagi konsumen individu maupun bisnis, perusahaan – perusahaan telekomunikasi di Indonesia terus meningkatkan pelayanan dengan dasar infrastruktur yang terus dibangun dan diperbaiki.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service Dapat dilihat pada tabel 4.2, koefisien Jika kita lihat sedangkan

kedua koefisien,

dan

sebesar 0,564068 dan 0,275426.



volatility spillover antara harga minyak dengan sektor consumer service di indonesia Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009). Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas Dapat dilihat pada tabel 4.2, koefisien Jika kita lihat sedangkan

kedua koefisien,

dan

sebesar 0,930883 dan 0,649441.

memiliki nilai yang tidak berbeda dengan nol,

kebalikannya, yaitu berbeda dengan nol. Dengan demikian, dapat disimpulkan

terdapat volatility spillover antara harga minyak dengan sektor oil & gas di indonesia


Sektor oil & gas di Indonesia, merupakan sektor yang paling besar memberikan keuntungan bagi negara, serta menempati urutan nomor satu dalam sepuluh komoditas ekspor utama Indonesia. Jumlah produksi minyak mentah Indonesia pada tahun 2009 sebesar 2.369.000 barrel/day, sedangkan pada tahun 2010 sebesar 2.327.716 barrel/day. Data ini dikumpulkan oleh BP Migas, yang merupakan jumlah produksi dari seluruh perusahaan – perusahaan atau kontraktor oil & gas di Indonesia. 4.2 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham Sektoral di Singapura Tabel 4.3 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks Sektoral di Singapura

z-Statistic Prob. z-Statistic Prob.

Basic – Brent 0,130625 1,689841 0,0911 -0,058040 -1,287911 0,1978

FinancialBrent (0,085242) 2,066600 0,0388 -0,034053 -1,403799 0,1604

Service Brent (-0099077) (0,119309) -2,071,322 4,843463 0,0383 0,0000 (0,062781) -0,033420 2,189179 -1,920960 0,0286 0,0547 Tele – Brent

OGas Brent 0,088734 1,185967 0,2356 -0,054756 -1,058501 02898

Sumber : Data diolah sendiri menggunakan Eviews 6 Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material Dapat dilihat pada tabel 4.3, koefisien Jika kita lihat

kedua koefisien,

dan dan

sebesar 0,130625 dan -0,58040. memiliki nilai yang tidak berbeda

dengan nol, sehingga dapat dikatakan bahwa volatility spillover tidak terjadi antara minyak mentah dengan sektor basic material di Singapura. Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa di Amerika Serikat dan Eropa, terdapat volatility spillover antara harga minyak dengan indek saham sektor basic material. Hal ini dapat terjadi pada negara Singapura, karena untuk pemenuhan kebutuhan dalam negeri akan produk – produk dasar kimia dan material pertambangan lainnya, Singapura mengimpor dari negara tetangga seperti Indonesia, Vietnam, dan Thailand. Mayoritas perusahaan – perusahaan yang bergerak di bidang hilir sektor ini adalah perusahaan internasional, sehingga sangat mungkin tidak terjadi volatility spillover antara harga minyak dunia dengan sektor basic material di Singapura.


Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial Dapat dilihat pada tabel 4.3, koefisien Jika kita lihat sedangkan

dan

kedua koefisien,

sebesar 0,085242 dan -0,034053.


kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat

disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor financial di Singapura Singapura merupakan negara maju yang terus melakukan pembangunan di dalam negerinya pada sektor jasa dan pariwisata, serta real estate. Sehingga diperlukan investasi yang besar dalam sektor – sektor tersebut, perusahaan keuangan lah yang berperang penting dalam pemenuhan kebutuhan modal dan pelayanan jasa keuangan lainnya, sehingga dalam praktiknya, sektor keuangan di Singapura akan terpengaruh oleh pergerakan harga minyak yang digunakan untuk pembangunan yang sedang dilaksanakan. Menurut Arouri et al (2011), negara – negara yang memiliki tingkat ketergantungan yang tinggi terhadap minyak mentah dunia, sektor keuangan negara – negara tersebut akan sangat sensitif terhadap volatilitas harga minyak mentah dunia.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication Dapat dilihat pada tabel 4.3, koefisien Jika kita lihat

kedua koefisien,

dan

dan

sebesar -0,099077 dan 0,062781. memiliki nilai yang berbeda dengan

nol, sehingga dapat dikatakan terjadi volatility spillover antara minyak mentah dengan sektor telekomunikasi di Singapura. Hal ini selaras dengan penelitian yang dilakukan oleh Arouri et al (2011) yang menemukan adanya volatility spillover antara harga minyak dnegan sektor telekomunikasi di Amerika Serikat dan Eropa, walaupun efeknya tidak terlalu besar.


kedua koefisien,

dan

sebesar 0,119309 dan -0,033240.



disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor consumer service di Singapura.


Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas Dapat dilihat pada tabel 4.3, koefisien Jika kita lihat

kedua koefisien,

dan dan

sebesar 0,088734 dan -0,054756. memiliki nilai yang tidak berbeda

dengan nol, sehingga tidak terdapat volatility spillover antara harga minyak mnetah dengan sektor oil & gas di Singapura. Hasil ini bertentangan dengan penelitian yang telah dilakukan oleh Arouri dan Nguyen (2010) yang menemukan adanya volatility spillover dua arah antara harga minyak dengan imbal hasil sektor oil & gas di Eropa. Namun sama seperti Hong Kong dan Korea, Singapura tidak memiliki cadangan minyak bumi dan gas alam. Dalam pemenuhan kebutuhan akan minyak dan gas, negara tersebut mengimpor dari negara – negara penghasil minyak dan gas di asia. Tidak terdapatnya volatility spillover antara harga minyak dunia dengan sektor oil & gas di Singapura dikarenakan mayoritas perusahaan refinery atau penyaringan minyak mentah merupakan perusahaan minyak internasional, dan sedikit sekali perusahaan lokal yang berkecimpung dalam sektor ini. 4.3 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham Sektoral di Hong Kong Tabel 4.4 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks Sektoral di Hong Kong


Basic – Brent (0,106321) 1,956433 0,0504 -0,032514 -1,069382 0,2849

FinancialBrent (0,090623) 2,386332 0,0170 -0,029473 -1,596701 0,1103

Service – Brent (0,124787) (0,120812) 2,973855 3,400260 0,0029 0,0007 -0,033400 -0,030295 -1,538928 -1,448540 0,1238 0,1475 Tele - Brent

OGas – Brent (0,181421) 2,622150 0,0087 -0,022777 -0,412179 0,6802

Sumber : Data diolah sendiri menggunakan Eviews 6 Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material Dalam tabel 4.4, koefisien 0,032514. Jika kita lihat nilai disimpulkan bahwa koefisien

dan

berturut – turut adalah 0,106321 dan -

dan berbeda dari nol dan

masing – masing koefisien, dapat tidak berbeda dari nol, sehingga

dapat dikatakan terdapat volatility spilloover antara harga minyak mentah terhadap sektor basic material di Hong Kong


Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial Dapat dilihat pada tabel 4.4, koefisien Jika kita lihat sedangkan

kedua koefisien,

dan

sebesar 0,096023 dan -0,029473.

memiliki nilai yang berbeda dnegan nol,

tidak berbeda dengan nol, sehingga terjadi volatility spillover antara harga

minyak mentah dengan sektor keuangan di Hong Kong.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication Pada tabel 4.4, koefisien 0,033400. Jika kita lihat nol, sedangkan

dan

menunjukkan angka sebesar 0,124787 dan -

kedua koefisien,

memiliki nilai yang berbeda dengan


volatility spillover antara harga minyak dengan sektor telekomunikasi di Hong Kong.


kedua koefisien,

dan

sebesar 0,120812 dan -0,030295.



volatility spillover antara harga minyak dengan sektor consumer service di Hong Kong


kedua koefisien,

dan

sebesar 0,181421 dan -0,022777.



disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di Hong Kong Walaupun tidak memiliki sumber daya minyak bumi di dalam negeri, namun banyak perusahaan minyak dan gas baik lokal maupun internasional yang beroperasi dan menyediakan energi minyak bumi bagi masyarakat Hong Kong, mulai dari proses impor, penyaringan, hingga penjualan langsung kepada konsumen.


4.4 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham Sektoral di Korea Tabel 4.5 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks Sektoral di Korea Basic – Brent 0,109071 1,630893 0,1029 0,020567 0,349607 0,7266


FinancialBrent (0,195351) 2,802821 0,0051 (-0,086325) -2,310586 0,0209

Service – Brent (0,108815) (0,166559) 3,926392 3,231695 0,0001 0,0012 -0,031670 -0,044792 -1,189237 -1,016892 0,2343 0,3092 Tele - Brent

OGas -Brent (0,133053) 2,127538 0,0334 -0,044761 -1,247898 0,2121

Sumber : Data diolah sendiri menggunakan Eviews 6 Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia, hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. dalam tabel 4.5, dan

koefisien dan

berturut – turut adalah 0,109071 dan 0,020567. Jika jika lihat nilai masing – masing koefisien, dapat disimpulkan bahwa koefisien

dan

tidak berbeda dari nol, sehingga dapat dikatakan tidak terdapat volatility spilloover antara harga minyak mentah dengan sektor basic material di Korea. Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa terdapat volatility spillover antara harga minyak dengan indek saham sektor basic material. Hal ini cukup mnegherankan, mengingat Korea merupakan konsumen minyak mentah terbesar di antara Indonesia, Singapura, dan Hongkong yang menjadi objek penelitian ini. Namun, sebagai salah satu negara maju di Asia, Korea memiliki preferensi dalam penggunaan minyak mentah tersebut. minyak mentah yang dikonsumsi, lebih banyak digunakan pada sektor – sektor consumer goods, industrial, utilities, atau consumer service.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial Pada tabel 4.5, koefisien kedua koefisien,

dan dan

sebesar 0,195351 dan -0,086325. Jika kita lihat berbeda dengan nol, sehingga terjadi volatility

spillover antara harga minyak mentah dengan sektor keuangan di Korea.


Sebagai negara dengan tingkat konsumsi minyak bumi yang besar di Asia, perekonomian Korea ikut terpengaruh oleh volatilitas dari harga minyak bumi tersebut, termasuk sektor keuangan, hal ini dikarenakan tingkat ketergantungan Korea terhadap minyak mentah dalam perekonomiannya.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication Dapat dilihat pada tabel 4.5, koefisien Jika kita lihat sedangkan

kedua koefisien,

dan

sebesar 0,108815 dan -0,031670.



volatility spillover antara harga minyak denagn sektor telekomunikasi di Korea

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service Pada tabel 4.5, koefisien lihat

kedua koefisien,

dan

sebesar 0,166559 dan -0,044792. Jika kita

memiliki nilai yang berbeda dengan nol, sedangkan

tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor consumer service di Korea Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009). Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.


kedua koefisien,

dan

sebesar 0,133053 dan -0,044761.



disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di Korea Walaupun Korea merupakan konsumen minyak bumi terbesar di antara tiga negara lainnya, namun Korea tidak memiliki sumber minyak duni di dalam negerinya. Kebutuhan minyak bumi Korea di dapat melalui impor dari negara – negara penghassil minyak bumi seperti negara Arab. Pada tahun 2010 jumlah minyak bumi yang di import oleh Korea sebesar


3.100.000 barrel/day, sekaligus menempatkan Korea sebagai negara terbesar kelima pengimpor minyak mentah. 4.5 Analisis Pengaruh Volatilitas Indeks Saham di Singapura, Hong Kong, dan Korea Terhadap Volatilitas Indeks Saham di Indonesia Tabel 4.6 Output Bivariate BEKK GARCH(1,1) Indeks Saham Indonesia dengan Indeks Saham Hong Kong, Korea, dan Singapura


Indonesia – Hongkong 0,341692 5,846762 0,0000 -0,062721 -1,962402 0,0497

Indonesia – Korea -0,205006 -3,702189 0,0002 0,021354 0,575510 0,5649

Indonesia – Singapura 0,227241 3,963083 0,0001 -0,088887 -3,197982 0,0014

Sumber : Data diolah sendiri menggunakan Eviews 6 Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan Hangseng Tabel 4.6 memberikan penjelasan mengenai hubungan volatilitas indeks saham di Hong Kong terhadap volatilitas indeks saham Indonesia. Koefisien masing bernilai 0,341692 dan -0,062721 dengan

dan

masing-

sebesar 5,846762 dan -1,962402.

Hal tersebut menunjukkan bahwa volatilitas indeks saham yang lebih maju seperti indeks saham Hong Kong (Hangseng), memiliki pengaruh terhadap volatilitas indeks saham Indonesia. Dengan kata lain, terjadi volatility spillovers dari indeks saham Hong Kong ke indeks saham Indonesia. Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan KOSPI200 indeks saham Korea dikategorikan sebagai indeks saham yang maju di kawasan Asia. Indeks saham yang terbilang maju dalam suatu kawasan atau regional tertentu, biasanya memiliki pengaruh terhadap indeks saham pada emerging market seperti Indonesia. Pengaruh indeks saham Korea terhadap indeks saham Indonesia dapat dilihat pada Tabel 4.6. Dalam tersebut, koefisien

dan

yang digunakan sebagai parameter ada tidaknya volatility

spillovers, masing-masing bernilai -0,205006 dan -0,062721 dengan

sebesar -

3,702189 dan 0,575510. Berdasarkan hasil tersebut, dapat dikatakan bahwa koefisien memiliki nilai yang berbeda dari nol, artinya volatilitas indeks saham Korea memiliki pengaruh

terhadap volatilitas indeks saham Indonesia. Hal ini sesuai dengan anggapan


bahwa indeks saham pada pasar yang telah mature memiliki pengaruh terhadap indeks saham pada emerging market. Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan STI Berdasarkan Tabel 4.6, koefisien -0,088887 dengan nilai

dan

masing-masing bernilai 0,2227241 dan

masing-masing bernilai 3,963083 dan -3,197982. sehingga

dapat dikatakan bahwa indeks saham Singapura mempengaruhi indeks Saham Indonesia.

5. Kesimpulan Tujuan utama dari penelitian adalah melihat volatility spillover antara harga minyak dunia dengan indek saham sektoral di Indonesia, Singapura, Hong Kong , dan Korea. Dengan menggunakan model BEKK-GARCH, ditemukan adanya volatility spillover tersebut. walaupun untuk beberapa sektor di negara tertentu seperti Singapura dan Korea, tidak ditemukan adanya volatility spillover antara harga minyak dunia dengan sektor basic material dan sektor oil & gas Dalam penelitian ini pula ditemukan adanya volatility spillover antara indeks pasar saham di Hong Kong, Singapura ,dan Korea terhadap indeks pasar saham Indonesia. Hal ini menunjukkan indek saham Indonesia belum mencapai kedewasaan karena pergerakannya banyak dipengaruhi oleh variabel – variabel eksternal seperti fluktuasi harga minyak mnetah dan volatilitas indek saham di negara lain.

6. Kepustakaan Agnolucci, P., (2009). Volatility in crude oil futures: a comparison of the predictive ability of GARCH and implied volatility models. Energy Economics ,31, 316–321. Apergis, N., Miller, S.M., (2009). Do structural oil-market shocks affect stock prices? Energy Economics ,31, 569–575. Arouri, M., Dinh, T.H., Nguyen, D.K., (2010). Time-varying predictability in crude oil markets: the case of GCC countries. Energy Policy ,38 (8), 4371–4380. Arouri, M., Nguyen, D.K., (2010). Oil prices, stock markets and portfolio investment: evidence from sector analysis in Europe over the last decade. Energy Policy, 38 (8), 4528–4539.


Basher, S.A., Sadorsky, P., (2006). Oil price risk and emerging stock markets. Global Finance Journal,17, 224–251. Boyer, M.M., Filion, D., (2007). Common and fundamental factors in stock returns of Canadian oil and gas companies. Energy Economics ,29, 428–453. Bodie, Kane., Kane, Alex., Marcus, Alan., (2005). Investmens. New York : McGraw Hill Bollerslev, T., (1990). Modelling the coherence in short-run nominal exchange rates: a multivariate generalized ARCH approach. Review of Economics and Statistics, 72, 498–505. Cameron, K., Schulenburg, O., (2009). Oil prices, SUVs, and Iraq: an investigation of automobile manufacturer oil price sensitivity. Energy Economics ,31, 375–381. Elder, J., Serletis, A., (2008). Long memory in energy futures prices. Review of Financial Economics ,17, 146–155. El-Sharif, I., Brown, D., Burton, B., Nixon, B., Russell, A., (2005). Evidence on the nature and extent of the relationship between oiland equity value in UK. Energy Economics 27 Engle, R.F., (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica ,50, 987–1007. Engle, R.F., (2002). Dynamic conditional correlation: a simple class of multivariate GARCH models. Journal of Business and Economic Statistics , 20, 339–350 Geman, H., Kharoubi, C., (2008). WTI crude oil futures in portfolio diversification: the timeto-maturity effect. Journal of Banking and Finance ,32, 2553–2559. Hamilton, J.D., (1983). Oil and the macroeconomy since world war II. Journal of Political Economy, 92, 228–248. Hamilton, J.D., (2003). What is an oil shock? Journal of Econometrics ,113, 363–398. Hammoudeh, S., Yuan, Y., McAleer, M., (2009). Shock and volatility spillovers among equity sectors of the Gulf Arab stock markets. Quarterly Review of Economics and Finance ,49, 829–842. Hammoudeh, S., Yuan, Y., McAleer, M., Thompson, M.A., (2010). Precious metals– exchange rate volatility transmissions and hedging strategies. International Review of Economics and Finance, 19, 633–647. Hassan, H., Malik, F., (2007). Multivariate GARCH model of sector volatility transmission. Quarterly Review of Economics and Finance, 47, 470–480. Engle, R.F., Kroner, K.F., (1995). Multivariate simultaneous generalized ARCH. Econometric Theory ,11, 122–150.



ANALISIS VOLATILITY SPILLOVER ANTARA HARGA MINYAK DUNIA DENGAN LIMA INDEKS SAHAM SEKTORAL DI INDONESIA, SINGAPURA, KOREA, DAN HONG KONG

Recommend Documents