DAFTAR RIWAYAT HIDUP

DAFTAR RIWAYAT HIDUP

Nama

: Rifki Febi Nur Fadillah

Jenis Kelamin : Perempuan Tempat Lahir : Jakarta Tanggal Lahir : 7 Februari 1987 Agama

: Islam

Kebangsaan

: Indonesia

Anak ke

: Pertama dari dua bersaudara

Orang Tua Ayah

: Drs. Musahir, M.Pd

Ibu

: Nurjanis

Alamat

: Jalan Talas 2 Rt. O2/01 Nomor 62 Pondok Cabe Ilir, Pamulang, Tangerang Selatan Kode Pos 15418

Telepon

: 085697091929

e-mail

: [email protected]

Pendidikan Formal : 1. 2. 3. 4. 5.

TK Aisiyah 56 Kampung Utan, Cempaka Putih, Ciputat, Tangerang SD Negeri 1 Kampung Utan, Cempaka Putih, Ciputat Tangerang MTs Negeri 3 Jakarta Selatan SMU Negeri 47 Jakarta Selatan UIN Syarif Hidayatullah Fakultas Ekonomi, Jurusan Manajemen Keuangan

1

ABSTRACT This study aimed to compare the stock performance of Islamic and conventional. Results from this study provides new evidence about risk and return performance of the Jakarta Islamic Index (JII) and LQ45. An Islamic stock market index such as the JII own shares according to Islamic law, and thus has a filtering process is more rigorous than conventional stocks, LQ45. The results of this study, provide evidence of statistically significant differences in the level of risk and Risk Adjusted Performance between Islamic and conventional stock index during 2008-2009. The analysis used in this research is Autoregresive Vector (VAR) Researchers also apply Granger causality tests and Johansen cointegration test to examine the relationship of short-term and long term between the two index. In addition to short-term relationship that is significant at a two-way causality, the long-term balance to indicate that the two indexes move together the views of the VAR model estimation results with the Vector Error Correction Model (VECM). This indicates that the motion on LQ45 give a good indication of the JII by moving towards the same in the short and long term. Keywords : Islamic and Conventional Stock Performance, Risk Adjusted Performance, Granger Causality Test, Johansen Cointegration Test, Vector Autoregresive (VAR), Vector Error Correction Model (VECM).

2

ABSTRAK Penelitian ini bertujuan untuk membandingkan kinerja saham syariah dan konvensional. Hasil dari penelitian ini memberikan bukti baru mengenai risiko dan kinerja pengembalian Jakarta Islamic Index (JII) dan LQ45. Sebuah pasar indeks saham Islam seperti JII memiliki saham menurut hukum Islam, dan tentunya memiliki proses penyaringan lebih ketat daripada saham konvensional, LQ45. Hasil penelitian ini, memberikan bukti perbedaan statistik signifikan pada resiko dan tingkat Risk Adjusted Performance antara indeks saham syariah dan konvensional selama 2008-2009. Analisis yang digunakan dalam penelitian ini adalah Vector Autoregresive (VAR) Peneliti juga menerapkan uji kausalitas Granger dan uji kointegrasi Johansen untuk memeriksa hubungan jangka pendek dan jangka panjang diantara kedua indeks tersebut. Selain hubungan jangka pendek yang signifikan pada kausalitas dua arah, keseimbangan jangka panjang mengindikasikan bahwa kedua indeks bergerak bersama-sama yang dilihat dari hasil estimasi model VAR dengan Vector Error Correction Model (VECM). Hal ini menunjukkan bahwa gerakan pada LQ45 memberikan indikasi yang baik terhadap JII dengan bergerak kearah yang sama dalam jangka pendek dan jangka panjang. Kata kunci : Kinerja Saham Syariah dan Konvensional, Risk Adjusted Performance, Uji Kausalitas Granger, Uji Konintegrasi Johansen, Vector Autoregresive (VAR), Vector Error Correction Model (VECM)

3

KATA PENGANTAR

Assalamu’alaikum Wr.Wb. Alhamdulillahirabbil’alamin, segala puji syukur bagi ALLAH SWT Tuhan seru sekalian alam. Shalawat serta salam tercurah kepada pembimbing umat manusia baginda Nabi serta Rasul, Muhammad SAW beserta keluarga dan para sahabatnya. Atas rahmat dan ridho ALLAH SWT, penulis akhirnya dapat menyelesaikan skripsi dengan judul “Analisis Perbandingan Keseimbangan Risiko dan Pengembalian (risk-return tradeoff) Saham antara Jakarta Islamic Index dengan LQ45 di Bursa Efek Indonesia”. Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi S-1 pada jurusan Manajemen di Fakultas Ekonomi dan Ilmu Sosial UIN Syarif Hidayatullah Jakarta. Dalam penyelesaian skripsi ini, peneliti telah berusaha semaksimal mungkin untuk memberikan hasil yang terbaik. Peneliti juga memiliki keterbatasan kemampuan dalam proses penulisan skripsi ini, oleh karena itu peneliti menyadari bahwa dengan adanya bimbingan, dukungan dan bantuan baik secara moril maupun materil dari berbagai pihak, maka skripsi ini dapat diselesaikan dengan baik. Pada kesempatan ini, peneliti ingin mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Kedua orang tua peneliti, Ayah Drs. Musahir M.Pd. Ibu Nurjanis yang selalu mendo’akan yang terbaik bagi putri-putrinya dan selalu mendukung peneliti dalam menyelesaikan skripsi ini.

4

2. Adik peneliti Fida Mufida dan Anharul Juhdi yang selalu mendo’akan dan memberi semangat kepada peneliti dalam menyelesaikan skripsi ini. 3. Prof. Dr. Ahmad Rodoni MM, selaku Pudek. Akademik, Dosen Metodelogi Penelitian, Seminar Manajemen Keuangan dan Pembimbing I yang selalu memberi motivasi dan solusi dalam penelitian ini. 4. Ibu Drs. Titi Dewi Warninda, SE, M.Si, selaku Dosen Manajemen Keuangan, Penganggaran Perusahaan, Manajemen keuangan Internasional dan Pembimbing II yang telah bersedia meluangkan waktunya, selalu memberi motivasi serta solusi dalam penelitian ini. 5. Bapak Indoyama Nasarudin, SE, MAB, selaku Kepala Jurusan Manajemen yang telah memberikan nasihat dan motivasi kepada peneliti dalam menyelesaikan skripsi ini 6. Ibu Leis Suzanawaty , SE, M.Si, selaku Wakil Ketua Jurusan Manajemen yang telah memberikan nasihat, pelajaran hidup dalam berproses untuk selalu berlaku jujur dan motivasi kepada peneliti dalam menyelesaikan skripsi ini. 7. Prof. Dr. Abdul Hamid MS, selaku Dekan Fakultas Ekonomi dan Ilmu Sosial yang selalu memberi motivasi dalam menyelesaikan skripsi ini. 8. Seluruh Dosen dan Civitas Akademika FEIS yang telah memberikan ilmunya yang tidak ternilai, atas motivasi dan bantuan dalam menyelesaikan studi di FEIS UIN Syarif Hidayatullah Jakarta.

5

9. Keluarga besar dari Ayah dan Ibu yang telah memberikan motivasi serta bantuan baik moril maupun materil sehingga peneliti dapat menyelesaikan studi di FEIS UIN Syarif Hidayatullah Jakarta. 10. Teman-teman Mahasiswa Manajemen khususnya Manajemen A Angkatan 2005 Maharis Syahna Saputra, Bramantio Cahyadi, Elvira Hasanah, Ristiandi, Imam Akbar, Restu Puspita Rini, Arif Fadilah, Ahmad Fauzi, Mashari, Afian Doni, Aang Hanafie, M.Ilham, Budi Santoso, Farah Zesa, Fitri Rahmayuni, Fira Rahma, Muhibbah, Martina Nova dan yang tidak bisa disebutkan satu persatu. 11. Mahasiswa Akuntansi 2005, Aziz Indrawan, Didi Rohadi dan yang tidak bisa disebutkan satu persatu. 12. Mahasiswa Ekonomi angkatan 2003-2009 Reguler dan Non-Reguler Nadya Ismaya Hardi, M.Fikri Yulianto, Ahmad Kurniawan, Ayip Tayana, Miranti, Emil dan yang tidak bisa disebutkan satu pesatu. 13. Teman-teman KMF KALACITRA UIN Syarif Hidayatullah Jakarta Arip Marzuki, M.Luthfi Rahman, Nadya Kharima, Asry Rahmita, Jauharoh Alawiyah, Emma Noor Habiebbah, Christyanto Hadiwijaya, Novita Intan Sari, Elisha Prima Agustin, Kikim, M. Vicky Al-Utsmany, Panji Prianggoro, Hilma Ayudya, Liga Pujianti, M.Iqbal, Nur Dinni Tylova, Angga Rizal, Wifqy Angga Widya, Kak Dwi Setianingsih, Kak Rani dan yang tidak bisa disebutkan satu persatu.

6

14. Teman-teman Fotografi Indonesia, Danur Priyambodo, Radian Joezar, Reza Khaisa, Om Don Hasman, Mas Feri Latief dan yang tidak bisa disebutkan satu persatu. 15. Teman-teman Unit Kegiatan Mahasiswa UIN Syarif Hidayatullah Jakarta Apriansyah Rahman, Afif Waldy, Erza, Edi Hardian dan yang tidak bisa disebutkan satu persatu. 16. Guru dan teman-teman SDN Kp.Utan I, MTS N 3 dan SMA N 47 Jakarta Bapak Eko Sarwono, Bapak Ruhimat Sanusi, Bapak Badrun Fuadi, Alm. Bapak Maikon, Ibu Zakiyah, Riski Lustiono, Intania Sari Pratiwi, Muhammad Reza Avesena, Laura Riyanti, Ellam P. Wardhana, Dwidjo Feby, Indriani, Annisa Amaia, Annyssa Rahayu, Fitri, M. Ahsanul Umam dan yang tidak bisa disebutkan satu persatu. Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari sempurna. Jika terdapat kekurangan dalam penulisan skripsi ini, di tengah keterbatasan penulis sebagai makhluk ciptaan-Nya. Penulis berharap kiranya skripsi ini dapat bermanfaat bagi pembaca. Semoga ALLAH SWT selalu membimbing dan menyertai langkah kita, Amin. Wassalamu’alaikum Wr.Wb

Jakarta, Juni 2010

Penulis 7

DAFTAR ISI

Daftar Riwayat Hidup

i

Abstact

ii

Abstrak

iii

Kata Pengantar

iv

Daftar Isi

viii

Daftar Tabel

x

Daftar Grafik

xi

Daftar Gambar

xii

Daftar Lampiran

xiii

BAB I PENDAHULUAN A. Latar Belakang B. Perumusan Masalah C. Tujuan dan Manfaat Penelitian

1 11 11

BAB II TINJAUAN PUSTAKA A. Pasar Modal Syariah 14 1. Pengertian Pasar Modal 14 2. Pasar Modal Syariah Indonesia 20 3. Indeks 27 4. Resiko dan Tingkat Pengembalian (Risk-Return Tradeoff) 31 B. Penelitian Terdahulu 34 C. Kerangka Pemikiran 39 D. Hipotesis 41 BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian 1. Deskripsi Data 2. Pemilihan Periode

42 42 43 8

B. Metode Penentuan Sampel C. Metode Pengumpulan Data D. Metode Analisa Data 1. Deskriptif Statistik 2. Analisis VAR

43 45 45 45 49

BAB IV ANALISIS DAN PEMBAHASAN A. Sekilas Gambaran Umum Indeks Pasar Modal Indonesia B. Perkembangan Pasar Modal Indonesia C. Statistik Deskriptif 1. Perbandingan Deskriptif Statistik 2. Risk Adjusted Performance D. Uji Stasionaritas Data E. Uji Kointegrasi F. Vector Error Cointegration Model (VECM) G. Analisis Dalam Model VAR H. Interpretasi

56 59 62 62 65 66 73 75 77 87

BAB V KESIMPULAN DAN IMPLIKASI A. Kesimpulan B. Implikasi

89 90

Daftar Pustaka

xiv

Lampiran-lampiran

91

9

DAFTAR TABEL

Nomor

Keterangan

Halaman

2.1

Tahapan Penyaringan Saham Syariah

26

2.2

Perbandingan Indeks Syariah

27

4.1

Deskriptif Statistik

63

4.2

Risk Adjusted Performance dan Beta dari JII dan LQ45

65

4.3

Uji ADF untuk JII dengan Konstanta Pada Tingkat Level

4.4

Uji ADF untuk LQ45 dengan Konstanta Pada Level

4.5

68

Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference

4.6

67

70

Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference

71

4.7

The Johansen and Juselius Cointegration Test

73

4.8

Vector Error Correction Estimates

75

4.9

The Impulse Responses

78

4.10

Variance Decomposition

81

4.11

Granger Causality Test

84

10

DAFTAR GRAFIK

Nomor

Keterangan

Halaman

4.1

Deskriptif Statistik

64

4.2

The Impulse Responses

80

4.3

Variance Decomposition

83

11

DAFTAR GAMBAR

Nomor

Keterangan

Halaman

2.1

Beta dan Imbal Hasil yang diharapkan

30

2.2

Risiko

32

2.3

Kerangka Pemikiran

40

12

DAFTAR LAMPIRAN

Nomor 1.

Keterangan

Halaman

Daftar Saham Perusahaan Tercatat Yang Masuk Dalam Penghitungan Indeks LQ45 Periode 2008-2009

2.

91

Daftar Saham Perusahaan Tercatat Yang Masuk Dalam Penghitungan Indeks JII Periode 2008-2009

93

3.

Return Investment JII 2008

95

4.

Return Investment JII 2009

96

5.

Return Investment LQ45 2008

97

6.

Return Investment LQ45 2009

98

7.

Ri, Mean dan Standar Deviasi JII 2008-2009

99

8.

Ri, Mean dan Standar Deviasi LQ45 2008-2009

100

9.

Rm, Mean dan Standar Deviasi IHSG 2008-2009

101

10.

Sertifikat Bank Indonesia Periode 2008-2009

102

11.

Beta Saham JII

103

12.

Beta Saham LQ45

104

13.

Uji Augmented Dicky-Fuller

105

14.

The Johansen and Juselius Cointegration Test

125

15.

Vector Error Correction Estimates

137

16.

Granger Causality Test

148

13

BAB I PENDAHULUAN

A. Latar Belakang Pasar modal merupakan salah satu tonggak penting dalam perekonomian dunia saat ini. Banyak industri dan perusahaan yang menggunakan institusi pasar modal sebagai media untuk menyerap investasi dan media untuk memperkuat posisi keuangannya. Secara faktual, pasar modal telah menjadi saraf finansial dunia, dunia ekonomi modern. Bahkan, perekonomian modern tidak akan mungkin eksis tanpa adanya pasar modal yang terorganisir dengan baik. Setiap hari terjadi transaksi triliunan rupiah melalui institusi ini. Sebagaimana institusi modern, pasar modal tidak terlepas dari berbagai kelemahan dan kesalahan. Salah satunya adalah tindakan spekulasi. Pada umumnya proses-proses transaksi bisnis yang terjadi dikendalikan oleh para spekulan. Mereka selalu memperhatikan perubahan pasar, membuat berbagai analisis dan perhitungan, serta mengambil tindakan spekulasi di dalam pembelian maupun penjualan saham. Aktivitas inilah yang membuat pasar tetap aktif. Tetapi, aktivitas ini tidak selamanya menguntungkan, terutama ketika menimbulkan depresi yang luar biasa. Dalam penelitian kinerja saham syariah dan konvensional oleh Muhamed Albaity dan Rubi Ahmad (2008 : 40) pada bursa Malaysia, dalam mengukur kinerja KLSI terhadap KLCI menggunakan pengukuran risiko dan pengembalian yang disesuaikan yang menujukkan apakah terdapat hubungan jangka panjang atau jangka pendek dari kedua indeks. Hasil statistik pada risiko dan imbal hasil 14

diukur dengan mean dan standar deviasi, masing-masing mengindikasikan bahwa KLSI memiliki kinerja yang lebih rendah dibandingkan dengan KLCI. KLCI mencakup 100 efek dari kapitalisasi pasar yang besar, sementara, KLSI meliputi 826 surat berharga. 68% dari KLCI termasuk dalam KLSI. Ukuran dan imbal hasil positif terkait. Oleh karena itu, investor yang memilih efek sesuai islami tidak substansial lebih buruk daripada mereka yang memilih non-islami untuk saham keluhan. Fleksibilitas dari kriteria penyaringan untuk KLSI dibandingkan dengan DJIMI bisa saja menjadi salah satu faktor dalam hasil kami yang menunjukkan tidak ada perbedaan yang signifikan antara return harian KLSI dan KLCI selama periode April 1999 sampai Desember 2005. Karena itu, tidak ada salahnya bagi investor berinvestasi di indeks islami. Risiko dan imbal hasil yang disesuaikan selama empat pengukuran menunjukkan bahwa KLCI memiliki keuntungan yang lebih tinggi dan beta yang lebih tinggi. Untuk KLSI, kebalikannya. Hal ini menunjukkan imbal hasil dan beta yang rendah mengikuti teori di bidang keuangan di mana semakin tinggi risiko aset akan menghasilkan hasil yang lebih tinggi dan sebaliknya. KLSI mungkin memiliki risiko yang lebih rendah dan kembali dalam jangka pendek. Namun, investasi tersebut juga menghasilkan penghargaan lain. Orang Islam berusaha untuk berinvestasi di aset yang mendapatkan hasil yang menarik serta ketenangan pikiran. Motivasi di balik investasi dalam saham Islam sangat berbeda dari investasi konvensional.

Hasil unit root menunjukkan bahwa kedua seri

memiliki akar masalah unit. Hal ini menunjukkan bahwa kedua seri mengikuti proses acak. Kedua seri ditemukan untuk diintegrasikan dalam derajat satu, yaitu, 15

untuk menjadi stasioner pada perbedaan pertama. Selanjutnya, uji kointegrasi menunjukkan bahwa kedua seri tersebut cointegrated yaitu, mereka memiliki hubungan jangka panjang. Hal ini menunjukkan bahwa pasar dalam hal seri ini tidak efisien. inefisiensi timbul dari kenyataan bahwa kesalahan satu seri dapat digunakan untuk memprediksi pergerakan yang lain. Selain itu, menunjukkan bahwa kriteria penyeleksian tidak mempengaruhi perilaku temporal KLSI sehubungan dengan gerakan untuk pasangannya. Dengan kata lain, yang menjatuhkan dan penyertaan efek sepanjang jalan tidak akan mempengaruhi KLSI menyimpang dari pergerakan KLCI. Selain itu, kausalitas jangka pendek, yang diukur dengan pengujian Granger bivariat, menunjuk ke kausalitasan dua arah antara indeks. Ini berarti bahwa dalam jangka pendek baik harga bergerak ke arah yang sama dan mereka cenderung saling menyebabkan satu sama lain. Orang mungkin berpendapat bahwa kausalitas dari KLSI untuk KLCI bersifat palsu karena KLSI yang terhitung indeks baru. Hasil VECM menunjukkan bahwa dalam hal hubungan antara KLCI dan KLSI istilah kesalahan yang signifikan dalam satu model. Koreksi kesalahan menunjukkan penyesuaian KLCI ke setiap penyimpangan dari kesetimbangan. Dengan kata lain, perlahan-lahan untuk menyesuaikan KLCI deviasi dari ekuilibrium jangka panjang. Selain itu, kausalitas Granger, diukur oleh signifikansi keseluruhan model, F-nilai, menegaskan kausalitas bivariat bidirectional. Itu adalah istilah koreksi kesalahan mengukur hubungan jangka panjang menunjukkan bahwa KLCI adalah menyesuaikan diri dengan ekuilibrium jangka panjang sementara KLSI tidak. Dinamika jangka pendek secara statistik 16

signifikan dalam kedua kasus yang menyatakan hasil awal dari uji Granger kausalitas pasangan-bijaksana.Variance Decomposition menunjukkan bahwa lebih dari 40 hari, KLSI memiliki efek pada KLCI namun tidak sebaliknya. Hal ini menunjukkan bahwa KLSI mendominasi KLCI dan mempengaruhinya. Di sisi lain, dorongan tanggapan untuk waktu yang sama mengkonfirmasi hasil dekomposisi varians mendukung pengaruh KLSI pada KLCI tetapi tidak sebaliknya. Secara keseluruhan, hasil-hasil empiris dari penelitian tersebut tidak memberikan bukti perbedaan signifikan dalam kinerja dan pergerakan kedua indeks saham pasar yaitu KLSI dan KLCI. Kedua indeks tampaknya berperilaku dalam cara yang sama baik dalam jangka pendek dan jangka panjang. Ada beberapa prinsip dasar untuk membangun sistem pasar modal yang sesuai dengan ajaran Islam. Sedangkan untuk implementasinya, memang dibutuhkan proses diskursus yang panjang. Prinsip tersebut, antara lain, tidak diperkenankannya penjualan dan pembelian secara langsung. Saat ini, jika seseorang ataupun sebuah perusahaan ingin menjual atau membeli saham, dia akan menggunakan jasa broker atau pialang. Kemudian broker tersebut akan menghubungi jobbers dan menyampaikan maksud untuk bertransaksi, baik dalam pembelian maupun penjualan saham. Kemudian para jobber ini menawarkan 2 rate harga, yaitu rate harga yang akan dibelinya yang biasanya lebih rendah dan rate harga yang akan dijualnya yang biasanya lebih tinggi. Selanjutnya para jobber berkewajiban untuk membeli saham tersebut. Transaksi model ini memberikan 2 implikasi. Yang pertama, para jobber akan melakukan pembelian saham meskipun mereka belum tentu membutuhkannya. Mereka membeli saham 17

dengan harapan akan dapat menjualnya kembali kepada pihak yang memerlukan. Hal ini akan membuka pintu spekulasi. Para spekulan mengetahui bahwa mereka dapat membeli saham yang menguntungkan dari pasar karena para jobber ini mampu menyediakan ready stock. Begitu pula bila saham tersebut ternyata kurang menguntungkan, mereka secara cepat dapat pula melepasnya. Implikasi selanjutnya adalah perubahan harga hanya ditentukan oleh kekuatan pasar, dimana tidak ada perubahan yang berarti dari nilai intrinsik saham. (Irfan Syauqi Beik, 2003 : 7) Dalam ajaran Islam, aturan pasar modal harus dibuat sedemikian rupa untuk menjadikan tindakan spekulasi sebagai sebuah bisnis yang tidak menarik. Untuk itu, prosedur pembelian/penjualan saham secara langsung tidak diperkenankan. Prosedurnya, setiap perusahaan yang memiliki kuota saham tertentu memberikan otoritas kepada agen di lantai bursa, untuk membuat deal atas sahamnya. Tugas agen ini adalah mempertemukan perusahaan tersebut dengan calon investor, dan bukan membeli atau menjualnya secara langsung. Saham-saham tersebut dijual ataupun dibeli jika memang tersedia. Jika banyak pihak yang menginginkan saham tertentu, maka mereka terlebih dahulu harus terdaftar sebagai applicant, dan saham tersebut kemudian dijual/dibeli dengan prinsip first-come-first-served (siapa datang dulu dia dilayani ) (Irfan Syauqi Beik, 2003 : 8) Saat ini, harga saham ditentukan oleh kekuatan supply dan demand. Sedangkan dalam aturan Islam, penentuan harga saham berbeda dengan penentuan harga seperti yang terjadi pada saat ini. Jika kita melihat balance sheet 18

dari joint stock company, maka terlihat bahwa aset sama dengan modal saham ditambah dengan kewajiban. Aset tersebut merupakan representasi dari modal, dimana kewajiban diasumsikan sama dengan nol. Sehingga, sertifikat sahamnya memiliki nilai tertentu, dimana nilainya akan sama dengan nilai asetnya. Setiap harga saham yang di atas atau di bawah nilai asetnya, tidak menunjukkan kondisi sesungguhnya. Tetapi kekuatan pasar mampu membuat harga saham tersebut berada di atas/di bawah nilai asetnya. Dalam pandangan Islam, untuk mencegah terjadinya distorsi ini, harga saham harus sesuai dengan nilai intrinsiknya. Adapun formula perhitungannya adalah: harga saham sama dengan modal saham + keuntungan - kerugian + akumulasi keuntungan - akumulasi kerugian, yang kesemuanya dibagi dengan jumlah saham (Muhammad Akram, Issues in Islamic Economics). Formula ini akan memberikan nilai sebenarnya dari sertifikat saham, dan akan lebih menggambarkan kondisi yang sesungguhnya. Tidak ada seorang pun yang diperbolehkan untuk membeli atau menjual pada berbagai level harga kecuali berdasarkan regulasi harga yang telah ditetapkan. (Irfan Syauqi Beik, 2003 : 9) Perkembangan pasar modal syariah menunjukkan kemajuan seiring dengan meningkatnya indeks yang ditunjukkan dalam Jakarta Islamic Index. (JII). Peningkatan indeks pada JII walaupun nilainya tidak sebesar pada Indeks Harga Saham Gabungan (IHSG) tetapi kenaikan secara prosentase indeks pada JII lebih besar dari IHSG. Hal ini dikarenakan adanya konsep halal, berkah dan bertambah pada pasar modal syariah yang memperdagangkan saham syariah. Pasar modal

19

syariah menggunakan prinsip, prosedur, asumsi, instrumentasi, dan aplikasi bersumber dari nilai epistemologi Islam. Salah satu institusi keuangan syariah yang saat ini sedang berkembang adalah pasar modal syariah, yang pertumbuhannnya tidak lepas dari perkembangan indeks keuangan syariah. Pasar modal syariah ini ada salah satunya adalah karena besarnya dana yang dimiliki oleh umat Islam atau pelaku pasar muslim yang ada di bursa-bursa seluruh dunia. Menurut Irfan Syauqi Beik (2006 : 15) dalam riset Bank Negeri Malaysia (Bank Sentral Malaysia), pada tahun 2005, dana yang dimiliki oleh umat Islam mencapai angka sekitar 1,3 Trilyun Dolar AS. Sedangkan dana yang terhimpun di pasar keuangan Islam di seluruh dunia diperkirakan mencapai 230 milliar Dolar AS dengan pertumbuhan 12-15% pertahun. Sehingga masih ada dana-dana berlebih dariumat Islam yang terdapat di pasar modal konvensional. Menurut Todi Kurniawan (2008 : 1), Islamisasi pasar modal yang telah diperjuangkan oleh beberapa kalangan akhir-akhir ini, telah memainkan beberapa peran penting yang mengubah topography dari sector keuangan. Hal ini telah menjadi sumber utama dari pertumbuhan pasar modal syariah, dimana produkperoduk dan pelayanan pasar modal telah diperhatikan untuk diubah menjadi produk-produk dan pelayanan pasar modal syariah. Indeks Islam atau indeks syariah telah mengambil tempat pada proses Islamisasi pasar modal dan menjadi awal dari pengembangan pasar modal syariah. Beberapa indeks besar Islam dunia seperti Dow Jones Islamic Market Index (DJMI), RHB Syariah Index, Kuala Lumpur Syariah Index (dll) telah berkembang dan telah mulai popular di antara 20

komunitas muslim yang memiliki komitmen dengan prinsip-prinsip Islam dalam menjalankan dan memanajemen investasi mereka. Karena indeks-indeks tersebut diciptakan dengan beberapa batasan-batasan untuk produk-produk investasi yang sesuai syariah. Bahkan Non Muslim pun ikut masuk berinvestasi di Indeks Islam ini walaupun ada batasan-batasannya. Di Indonesia dalam rangka membangun pasar modal syariah. PT. Bursa Efek Indonesia (BEI) brsama dengan PT. Danareksa Investment Management (DIM) telah meluncurkan indeks saham yang dibuat berdasarkan syariah islam, yaitu Jakarta Islamic Index (JII). Jakarta Islamic Index terdiri atas 30 jenis saham yang dipilih dari saham-saham yang sesuai dengan syariah islam. Jakarta Islamic Index dimaksudkan

untuk digunakan sebagai tolok ukur (benchmark) untuk

mengukur kinerja suatu investasi pada saham dengan basis syariah. Melalui indeks ini diharapkan dapat meningkatkan kepercayaan investor untuk mengembangkan investasi dalam ekuiti secara syariah. Pada juni tahun 2006, Karim Business Consulting juga meluncurkan indeks saham syariah bernama Karim Regional Islamic Market Index. Kegiatan operasional instrumen investasi syariah di Indonesia di tangani oleh Badan Pengawas Pasar Modal (Bapepam) sebagai regulator dan Dewan Syariah Nasional – Majelis Ulama Indonesia yang mengawasi kegiatan emiten maupun pelaku pasar modal agar tidak menyimpang dari prinsip syariah. Dalam www.islamiconomics.wordpress.com. Khusus di pasar saham, dari awal 2008 hingga tanggal 24 Desember 2008, IHSG turun sekitar 51 persen dari 2745,85 menjadi 1336,61 (sempat di 1089,33), indeks LQ 45 turun sekitar 55 21

persen dari 599,82 menjadi 265,34, sementara indeks JII turun sekitar 56 persen dari 493,01 menjadi 215,97. JII turun terendah, setelah selama 2007 meningkat tajam akibat kenaikan saham sektor komoditi hingga pertengahan 2008. Investasi keuangan syariah harus disertai dengan kegiatan sektor riil atau transaksi yang mendasari (underlying transaction). Untuk itu, penciptaan instrumen investasi syariah dalam pasar modal adalah dari sekuritasi aset/proyek (asset securitisation) yang merupakan bukti penyertaan, sekuritasi utang (debt securitisation) atau penerbitan surat utang yang timbul atas transaksi jual beli (al dayn) atau merupakan sumber pendanaan bagi perusahaan, sekuritasi modal (equity securitisation), merupakan emisi surat berharga oleh perusahaan emiten yang telah terdaftar dalam pasar modal syariah dalam bentuk saham. Menurut Harahap (2001 : 18), adapun instrumen pasar modal yang sesuai dengan syariah dalam pasar perdana adalah muqaradah/mudharabah funds, saham biasa (common stock), muqaradah/mudharabah Bonds. Karena instrumen pasar modal tersebut diperdagangkan di pasar perdana, maka prinsip dasar pasar perdana adalah semua efek harus berbasis pada harta atau transaksi riil, tidak boleh menerbitkan efek utang untuk membayar kembali utang (bay al dayn bi al dayn), dana atau hasil penjualan efek akan diterima oleh perusahaan, hasil investasi akan diterima pemodal (shohibul maal), tidak boleh memberikan jaminan hasil yang semata-mata merupakan fungsi dari waktu Menurut Harahap (2001 : 18), untuk pasar sekunder ada beberapa tambahan dari prinsip dasar pasar perdana, yaitu tidak boleh membeli efek berbasis trend (indeks), suatu efek dapat diperjual belikan namun hasil (manfaat) 22

yang diperoleh dari efek tersebut berupa kupon atau deviden tidak boleh diperjual belikan, tidak boleh melakukan suatu transaksi murabahah dengan menjadikan objek transaksi sebagai jaminan. Adapun jenis instrument pasar modal yang jelas diharamkan syariah adalah preferred stock (saham istimewa), forward contract, option. Penlitian yang dilakukan oleh Hinsa Siahaan (2007 : 15) tentang Analisa Risiko Dan Pengembalian Satu Saham Dan Analisa Portofolio Dua Saham. Pada dasarnya, proses investasi di pasar keuangan (di pasar uang dan pasar modal) adalah meliputi; tahapan menentukan tujuan investasi (set investment policy), tahapan penilaian sekuritas secara individual (perform security analysis), tahapan membentuk portfolio (construct a portfolio), tahapan merivisi portfolio, dan tahapan penilaian kinerja portofolio (Evaluate the performance of the portfolio). Apa yang dipaparkan dalam tulisan ini adalah lebih banyak menyangkut tahapan kedua tentang bagaimana menyeleksi saham-saham dengan membandingkan tingkat pengembaliannya dengan risiko kemungkinan pengembalian yang diharapkan tidak menjadi kenyataan. Selain membahas cara menghitung risiko dan pengembalian saham secara individual, tulisan ini juga membahas selintas tentang

tahap

ketiga

tentang

bagaimana

cara

menggabungkan

atau

mengkombinasikan dua aktiva (dua saham) menurut teori Markowitz, bagaimana pengaruhnya terhadap risiko dan pengembalian setelah digabungkan dengan proporsi atau alokasi dana tertentu atas masing-masing aktiva.

23

B. Perumusan Masalah Berdasarkan latar belakang penelitian, maka peneliti dapat merumuskan masalah yang menjadi titik perhatian penelitian ini sebagai berikut : 1. Apakah terdapat perbedaan keseimbangan risiko dan pengembalian (risk-return tradeoff) investasi yang antara Jakarta Islamic Index dan LQ45 pada Bursa Efek Indonesia (BEI). 2. Apakah terdapat apakah terdapat hubungan jangka panjang diantara Jakarta Islamic Index dengan LQ45. C. Tujuan dan Manfaat Penelitian 1. Tujuan Penelitian Tujuan penelitian ini adalah sebagai berikut : a. Untuk menganalisis perbedaan keseimbangan risiko dan pengembalian (risk-return tradeoff) saham dari indeks saham syariah dan konvensional yaitu Jakarta Islamic Index dan LQ45 pada Bursa Efek Indonesia (BEI). b. Untuk menganalisis hubungan jangka panjang diantara Jakarta Islamic Index dengan LQ45.

24

2. Manfaat Penelitian Manfaat dari penelitian ini adalah sebagai berikut: a. Manfaat Bagi Akademisi atau Peneliti Hasil penelitian ini diharapkan berguna bagi kalangan pelajar, mahasiswa dan akademisi lainnya yang ingin tahu lebih lanjut tentang perkembangan pasar modal syariah di Indonesia. b. Manfaat Bagi Perusahaan Hasil penelitian ini diharapkan berguna bagi para pelaku pasar modal syariah khususnya bagi investor dalam negeri maupun luar negeri untuk mempermudah dalam pemilihan investasi pada saham yang sesuai dengan syariah. c. Manfaat Bagi Pemerintah Hasil penelitian ini diharapkan dapat memberikan informasi kepada Pemerintah khususnya Bursa Efek Indonesia (BEI) dalam mengeluarkan kebijakan – kebijakan untuk mendorong perkembangan pasar modal syariah khususnya

bagi perusahaan – perusahaan yang

termasuk dalam Jakarta Islamic Index (JII). d. Manfaat Bagi Investor Mengenai manfaat yang akan investor dapatkan dari investasinya di pasar modal syariah dan seberapa besar ‘biaya’ yang harus dikeluarkan ketika investor beralih dari pasar modal konvensional ke pasar modal syariah. 25

Dalam penelitian ini, yang dimaksud dengan investor adalah investor yang memakai logika atas keputusan berinvestasi di pasar modal syariah,bukan investor yang paham bahwa pasar modal syariah adalah sesuai dengan ketentuan agama dan dapat berbuah berkah dunia akhirat. BAB II TINJAUAN PUSTAKA

A. Pasar Modal Syariah 1.

Pengertian Pasar Modal Syariah Dalam www.idx.co.id, Pasar Modal Syariah dapat diartikan

sebagai pasar modal yang menerapkan prinsip-prinsip syariah dalam kegiatan transaksi ekonomi dan terlepas dari hal-hal yang dilarang seperti: riba, perjudian, spekulasi dan lain-lain. Menurut Agustianto (2008). Dalam Islam investasi merupakan kegiatan muamalah yang sangat dianjurkan, karena dengan berinvestasi harta yang dimiliki menjadi produktif dan juga mendatangkan manfaat bagi orang lain. Al-Quran dengan tegas melarang aktivitas penimbunan (iktinaz) terhadap harta yang dimiliki (Q.S 9:33). Dalam sebuah hadits, Nabi Muhammad SAW bersabda,”Ketahuilah, siapa yang memelihara anak yatim, sedangkan anak yatim itu memiliki harta, maka hendaklah ia menginvestasikannya (membisniskannya), janganlah ia membiarkan harta itu didiamkan, sehingga harta itu terus berkurang lantaran zakat”. Untuk mengimplementasikan seruan investasi tersebut, maka 26

harus diciptakan suatu sarana untuk berinvestasi. Banyak pilihan orang untuk menanamkan modalnya dalam bentuk investasi. Salah satu bentuk investasi adalah menanamkan hartanya di pasar modal. Pasar modal pada dasarnya merupakan pasar untuk berbagai instrumen keuangan atau surat-surat berharga jangka panjang yang bisa diperjual belikan, baik dalam bentuk utang maupun modal

sendiri.

Institusi

pasar

modal

syariah

merupakan

salah

satu

pengejawantahan dari seruan Allah tentang investasi tersebut. Pasar modal merupakan salah satu pilar penting dalam perekonomian dunia saat ini. Banyak industri dan perusahaan yang menggunakan institusi pasar modal sebagai media untuk menyerap investasi dan media untuk memperkuat posisi keuangannya. Menurut Irfan Syauqi Beik (2007). Secara faktual, pasar modal telah menjadi financial nerve-centre (saraf finansial dunia) dalam dunia ekonomi modern. Bahkan, perekonomian modern tidak akan mungkin eksis tanpa adanya pasar modal yang terorganisir dengan baik. Setiap hari terjadi transaksi triliunan rupiah melalui institusi ini. Menurut Metwally (1995, 177) fungsi dari keberadaan pasar modal syariah : 1) Memungkinkan bagi masyarakat berpartispasi dalam kegiatan bisnis dengan memperoleh bagian dari keuntungan dan risikonya. 2) Memungkinkan

para

pemegang

saham

menjual

sahamnya

guna

mendapatkan likuiditas 3) Memungkinkan perusahaan meningkatkan modal dari luar untuk membangun dan mengembangkan lini produksinya

27

4) Memisahkan operasi kegiatan bisnis dari fluktuasi jangka pendek pada harga saham yang merupakan ciri umum pada pasar modal konvensional 5) Memungkinkan investasi pada ekonomi itu ditentukan oleh kinerja kegiatan bisnis sebagaimana tercermin pada harga saham.

28

Sedangkan karakteristik yang diperlukan dalam membentuk pasar modal syariah (Metwally, 1995, 178-179) adalah sebagai berikut : 1) Semua saham harus diperjualbelikan pada bursa efek 2) Bursa perlu mempersiapkan pasca perdagangan dimana saham dapat diperjualbelikan melalui pialang. 3) Semua perusahaan yang mempunyai saham yang dapat diperjualbelikan di Bursa efek diminta menyampaikan informasi tentang perhitungan (account) keuntungan dan kerugian serta neraca keuntungan kepada komite manajemen bursa efek, dengan jarak tidak lebih dari 3 bulan 4) Komite manajemen menerapkan harga saham tertinggi (HST) tiap-tiap perusahaan dengan interval tidak lebih dari 3 bulan sekali 5) Saham tidak boleh diperjual belikan dengan harga lebih tinggi dari HST 6) Saham dapat dijual dengan harga dibawah HST 7) Komite manajemen harus memastikan bahwa semua perusahaan yang terlibat dalam bursa efek itu mengikuti standar akuntansi syariah 8) Perdagangan saham mestinya hanya berlangsung dalam satu minggu periode perdagangan setelah menentukan HST 9) Perusahaan hanya dapat menerbitkan saham baru dalam periode perdagangan, dan dengan harga HST Menurut Iggi H Akhsien (2000 : 1), dalam Islam, syariah dikenal sebagai hukum Allah yang mengatur muamalah dan ibadah, dimana tujuan paling dasarnya adalah memajukan kesejahteraan manusia yang terletak pada jaminan atas keyakinan, intelektual, masa depan, dan harta milik. Kehidupan social 29

ekonomi, termasuk di dalamnya system keuangan dan instrumentasinya, tidak pula luput dari syariah. Islamic Finance adalah Sharia Based Finance, keuangan yang secara logis menggunakan prinsip,prosedur, asumsi sekaligus instrumentasi dan aplikasi dari nilai epistomologi (sumber pengetahuan) Islam. Epistomologi Islam yang utama adalah Al-Qur’an dan As-Sunnah. Islamic Equity Fund berbeda dengan fund konvensional dalam operasionalnya, dan yang paling tampak adalah proses screening dalam mengkonstruksi portfolio. Filterisasi menurut prinsip syariah akan mengeluarkan aktivitas haram seperti riba, gharar (ketidakpastian, spekulasi), minuman keras, judi, daging babi, rokok dan seterusnya. Islamic Equity Fund pertama kali di luncurkan pada tahun 1995.yang pertama adalah National Commercial Bank di Saudi Arabia, dengan bantuan Wellington. Management company of Boston Massachussets, berdasakan syariah. Equity Investment didasarkan pada system bagi hasil atau mudharaba (profitsharing-loss) dimana imbal hasil (return) secara teoritis merefleksikan profitabilitasnya baik dalam bentuk capital gain dari harga saham yang meningkat maupun dalam bentuk dividen, alih-alih membayarkan bunga kepada pemilik modal Equity funds adalah bentuk yang ideal sejalan dengan prinsip Islamic Finance yang sangat mendorong alokasi produktif sumber daya ekonomi, partisipasi modal, dan pembagian risiko. Dengan prinsip bagi hasil ini, Islam lebih mendorong surplus unit muslim untuk menjadi investor daripada menjadi kreditor. Dengan demikian, investor berhadapan dengan risiko atau ketidakpastian, berbeda dengan kreditor yang meminta certain return. 30

Menurut Iggi H Akhsien (2000 : 3), Islamic Equity Funds adalah juga intermediaries yang membantu unit surplus melakukan penempatan investasi. Islamic Equity Funds ditujukan untuk memenuhi kebutuhan kelompok investor yang peduli dengan isu public dan keadilan sosial, yang juga menginginkan memperoleh earning dari sumber yang bersih serta dapat dipertanggung jawabkan secara religius. Menurut Iggi H Akhsien (2000 : 62), secara umum bursa efek dalam ekonomi Islam harus melaksanakan fungsi-fungsi sebagai berikut12 : 1) Memungkinkan para penabung berpartisipasi penuh pada pemilikan kegiatan bisnis, dengan memperoleh bagian dari keuntungan dan risikonya. 2) Memungkinkan para pemegang saham mendapatkan likuiditas dengan menjual sahamnya sesuai dengan aturan bursa efek. 3) Memungkinkan kegiatan bisnis dari meningkatkan modal dari luar untuk membangun dan mengembangkan bisnisnya. 4) Memisahkan operasi kegiatan bisnis dari fluktuasi jangka pendek pada harga saham yang merupakan ciri umum pasar modal non islami 5) Memungkinkan investasi pada ekonomi ini ditentukan oleh kinerja kegiatan bisnis sebagaimana tercermin pada harga saham. Menurut Adiwarman Karim (2008). Perbedaan fundamental antara shariah atau Islamic index dan index-index yang lain adalah seluruh saham-saham yang yang tergabung dalam index ini harus sesuai dengan syariah atau yang lebih dikenal dengan shariah compliant . Sehingga dengan jelas dan mudah kita akan 31

mengambil kesimpulan bahwa hubungan nya ada pada saham screening. Screening ini diperlukan untuk menentukan apakah saham-saham tersebut bisa disebut dengan saham “halal”. Untuk menyeleksi suatu saham apakah saham tersebut bisa dikategorikan sebagai saham syariah, bisa dilakukan dengan 2 pendekatan. Pendekatan pertama bisa kita kategorikan sebagai pendekatan jual beli. Kita bisa mengambil pendekatan ini dengan asumsi bahwa saham adalah asset dan dalam jual beli ada pertukaran asset ini dengan uang. Atau kita juga bisa mengasumsikan dan juga bisa kita kategorikan sebagai sebagai sebuah kerja sama yang memakai prinsip bagi hasil (profit-loss sharing). Pendekatan yang kedua adalah pendekatan yang berdasarkan ciri dasar sebuah aktivitas keuangan atau produksi. Dengan menggunakan pendekatan produksi ini, sebuah saham bisa diklaim sebagai saham yang halal ketika produksi dari barang dan jasa yang dilakukan oleh perusahaan bebas dari element-element yang haram yang secara explicit disebut di dalam Al-Quran seperti riba, Judi, Minuman yang memabukkan, zina, babi dan semua turunanturunannya. Sehingga semua perusahaan yang menjalankan bisnisnya dan berhubunga dengan aktivitasaktivitas yang disebutkan diatas tidak akan pernah bisa dikategorikan sebagai perusahaan yang memiliki saham syariah. Akan tetapi pendekatan diatas adalah pendekatan yang sangat dasar dan sangat fundamental. Dan hal ini belum cukup untuk menseleksi saham saham syariah ini. Ada metode-metode lain yang ditambahkan untuk melengkapi apakah saham tersebut bisa dikategorikan sebagai saham-saham syariah.

32

2.

Pasar Modal Syariah Indonesia a) Sejarah Pasar Modal Syariah Indonesia Dalam Syari’ah News (2007 : 8), Pasar Modal yang berdasarkan pada ekonomi syariah mulai berkembang pesat dalam tujuh (7) tahun terakhir. Dimulai ketika manjemen Danareksa Securities menerbitkan Islamic Equity Funds (Reksadana Syariah) pada tahun 1997. Tiga tahun kemudian, Bursa Efek Indonesia (BEI) menerbitkan Jakarta Islamic Index (JII), yang terdiri dari perusahaan public yang mengelola perusahaan yang tidak melanggar syariah. Pada akhir tahun 2002, Indosat menunjuk AAA Securities sebagai underwriter, menerbitkan obligasi syariah berdasarkan mudharabah, yang diikuti Berlian Laju Tanker Inc., Bank Muamalat Indonesia, Bank Syariah Mandiri, dan berbagai perusahaan lain. b) Instrumen Pasar Modal Syariah di Indonesia 1) Obligasi Syariah Menurut Iggi H. Akhsien (2000 : 37). Obligasi syariah berbeda dengan obligasi konvensional. Semenjak ada pendapat bahwa bunga adalah riba, maka instrumen-instrumen yang punya komponen bunga keluar dari investasi halal. Karena itu, dimunculkan alternatif yang dinamakan obligasi syariah. Jika merujuk kepada Fatwa Dewan Syari’ah Nasional No : 32/DSN-MUI/IX/2002, “Obligasi Syariah adalah suatu surat berharga jangka panjang berdasarkan prinsip syariah yang dikeluarkan Emiten kepada pemegang Obligasi

Syariah yang mewajibkan Emiten untuk 33

membayar pendapatan kepada pemegang Obligasi Syariah berupa bagi hasil/margin/fee, serta membayar kembali dana obligasi pada saat jatuh tempo”. Tidak semua emiten dapat menerbitkan obligasi syariah. Untuk menerbitkan Obligasi Syariah, beberapa persyaratan berikut yang harus dipenuhi. 1. Aktivitas

utama

(core

business)

yang

halal,

tidak

bertentangan dengan substansi Fatwa No : 20/DSNMUI/IV/2001. Fatwa tersebut menjelaskan bahwa jenis kegiatan usaha yang bertentangan dengan syariah Islam di antaranya adalah : (i) usaha perjudian dan permainan yang tergolong judi atau perdagangan yang dilarang; (ii) usaha lembaga

keuangan

konvensional

(ribawi),

termasuk

perbankan dan asuransi konvensional; (iii) usaha yang memproduksi, mendistribusi, serta memperdagangkan makan dan minuman haram; (iv) usaha yang memproduksi, mendistribusi, dan atau menyediakan barang ataupun jasa yang merusak moral dan bersifat mudarat. 2. Peringkat Investasi : (i) memiliki fundamental usaha yang kuat; (ii) memiliki fundamental keuangan yang kuat; (iii) memiliki citra yang baik bagi publik 3. Keuangan tambahan jika termasuk dalam komponen Jakarta Islamic Index (JII) 34

2) Saham Syariah PT. Bursa Efek Indonesia (BEI) bersama dengan PT. Danareksa Investment Management (DIM) telah meluncurkan indeks saham yang dibuat berdasarkan syariah Islam, yaitu Jakarta Islamic Index (JII). Jakarta Islamic Index terdiri atas tiga puluh jenis saham yang dipilih dari sahamsaham yang sesuai dengan syariah Islam. Jakarta Islamic Index dimaksudkan untuk digunakan sebagai tolok ukur (benchmark) untuk mengukur kinerja investasi pada saham dengan basis syariah. Melalui indeks diharapkan dapat meningkatkan kepercayaan investor untuk menembangkan investasi dalam ekuiti secara syariah. Dalam www.republika.co.id (2006), Penentuan kriteria pemilihan saham dalam Jakarta Islamic Index melibatkan pihak Dewan Pengawas Syariah PT. Danareksa Investment Management. Sedangkan untuk menetapkan saham-saham yang akan masuk dalam perhitungan JII dilakukan dengan urutan seleksi sebagai berikut : 1. Memilih kumpulan saham dengan jenis usaha utama yang tidak bertentangan dengan prinsip syariah dan sudah tercatat lebih dari 3 bulan (kecuali termasuk dalam sepuluh (10) kapitalisasi besar). 2. Memilih saham berdasarkan laporan keuangan tahunan atau tengah tahun berakhir yang memiliki rasio Kewajiban terhadap Aktiva maksimal sebesar 90% 3. Memilih 60 saham dari susunan saham di atas berdasarkan urutan ratarata kapitalisasi pasar terbesar selama satu tahun terakhir. 35

4. Memilih 30 saham dengan urutan berdasarkan tingkat likuiditas ratarata nilai perdagangan regular selama satu tahun terakhir. Pengkajian ulang akan dilakukan enam bulan sekali dengan penentuan komponen indeks pada awal bulan Januari dan Juli setiap tahunnya. Sedangkan perubahan pada jenis usaha emiten akan dimonitoring secara terus menerus berdasarkan data-data public yang tersedia. Menurut Adiwarman Karim (2006 : 58), perhitungan JII dilakukan oleh Bursa Efek Indonesia dengan menggunakan metode perhitungan indeks yang telah ditetapkan Bursa Efek Indonesia, yaitu dengan bobot kapitalisasi pasar (market cap weight). Perhitungan indeks ini juga mencakup penyesuaian-penyesuaian (adjustment) akibat berubahnya data emiten yang disebabkan oleh aksi korporasi. JII menggunakan tanggal awal perhitungan 1 Januari 1995 dengan nilai awal sebesar 100. Adiwarman Karim dari Karim Business Consulting pada bulan Mei 2006 mengumumkan akan menerbitkan Karim Index di tiga Negara, dengan tahapan penyaringan yang lebih baik dibandingkan JII dan terdiri dari lima puluh saham. Menurut Adiwarman Karim (2006 : 58), pada periode Juni 2008 sampai dengan Desember 2008, Daftar perusahaan yang termasuk dalam Jakarta Islamic Index adalah sebagai berikut : 1. BUMI Bumi Resources Tbk (tetap) 2. ANTM Aneka Tambang (persero) Tbk (tetap) 36

3. TLKM Telekomunikasi Indonesia Tbk (tetap) 4. PTBA Tambang Batubara Bukit Asam Tbk (tetap) 5. ELTY Bakrieland Development Tbk (tetap) 6. UNSP Bakrie Sumatra Plantations Tbk (masuk) 7. INCO International Nickel Indonesia Tbk (tetap) 8. TINS Timah Tbk (tetap) 9. ITMG Indo Tambangraya Megah Tbk (masuk) 10. UNTR United Tractors Tbk (tetap) 11. AALI Astra Agro Lestari Tbk (tetap) 12. SGRO Sampoerna Agro Tbk (masuk) 13. LSIP PP London Sumatera Tbk (masuk) 14. TRUB Truba Alam Manunggal Engineering Tbk (tetap) 15. ELSA Elnusa Tbk (masuk) 16. KIJA Kawasan Industri Jababeka Tbk (tetap) 17. SMGR Semen Gresik (Persero) Tbk (tetap) 18. LPKR Lippo Karawaci Tbk (masuk) 19. CTRA Ciputra Development Tbk (tetap) 20. MNCN Media Nusantara Citra Tbk (masuk) 21. KLBF Kalbe Farma Tbk (tetap) 22. CTRP Ciputra Property Tbk (masuk) 23. WIKA Wijaya Karya (Persero) Tbk (masuk) 24. UNVR Unilever Indonesia Tbk (tetap) 25. BISI Bisi Internasional Tbk (masuk) 37

26. BKSL Sentul City Tbk (masuk) 27. INTP Indocement Tunggal Prakarsa Tbk (tetap) 28. ASRI Alam Sutera Realty Tbk (masuk) 29. BMTR Global Mediacom Tbk (tetap) 30. TOTL Total Bangun Persada Tbk (masuk) 3) Pasar Modal Syariah di Negara Lain Menurut Adiwarman Karim (2006 : 58), Indonesia masih jauh tertinggal dari sisi volume, baik reksadana syariah maupun obligasi syariah dibanndingkan dengan Negara tetangga Malaysia. Malaysia saat ini menguasai 62% dari seluruh obligasi syariah yang diterbitkan di dunia, sedangkan Indonesia baru 1%. Sementara itu di sisi saham syariah dimana indeks syariah dijadikan sebagai tolak ukur investasi berbasis syariah terjadi pula peningkatan di level global. Saat ini bursa global juga mulai diramaikan dengan penerbitan index syariah. Pada Februari 2006, (SGX) bekerja sama dengan FTSE Group dan Lembaga Riset Yasir meluncurkan indeks saham syariah yang bernama FTSE Global Islamic Index. Indeks syariah milik SGX tersebut dirancang menggunakan standar keuangan internasional. Selain itu, di Malaysia, Dow Jones bekerja sama dengan RHB Islamic Malaysia menyusun indeks syariah di Kuala Lumpur. Menurut Adiwarman Karim (2006 : 58). Dari sisi penyaringan saham syariah, Indonesia yang memiliki JII sebagai indeks saham syariah juga hanya melalui satu tahap dari tiga tahap yang seharusnya dijalankan. 38

Dan ini, jika dibandingkan dengan indeks syariah di Negara lain, akhirnya mengakibatkan JII kurang bersaing. Dua tahap yang tidak dijalankan oleh JII diawal terbentuknya disebabkan oleh kondisi ekonomi dan pasar modal Indonesia yang saat itu tidak memungkinkan. Tabel 2.1 Tahapan Penyaringan Saham Syariah Proses Penyaringan Saham Syariah Secara Umum Tahap I (Prinsip Syariah)

Industri Non Syariah

Tahap II (Rasio Keuangan Dan

Tahap III

Indikator Pasar)

(lainnya)

Rasio Keuangan

1. Makanan dan minuman haram

1. Likuiditas Asset (17-49%)

2. Produk berbahaya

2. Pemasukan dengan bunga (5-15%)

3. Judi

3. Rasio hutang atas modal (30-33%)

Citra

4. Lembaga keuangan konvensional

4. Indikator Pasar

Perusahaan

5. Hiburan Big Market Capital (Top 60)

39

Tabel 2.2 Perbandingan Indeks Syariah Perbandingan Antar Indeks Syariah Indeks Syariah

Tahap I

Tahap II

Tahap III

1. Jakarta Islamic Index (JII)

Ya

Tidak

Tidak

Ya

Ya

2. Securities

Commision Ya

(Malaysia) 3. Dow Jones Islamic Index

Ya

Ya

Tidak

4. FTSE Global Islamic Index

Ya

Ya

Tidak

Islamic Ya

Ya

Tidak

5. Karim

Regional

Market Index 3.

Indeks a) Konsep Kerja Indeks Pada dasarnya, kinerja indeks sama dengan kinerja portfolio, yang dapat dilihat dari dua hal : risiko dan imbal hasil atau return. Hanya saja yang menjadi perbedaan adalah bahwa portfolio, ada diversifikasi yang bisa dilakukan dan tidak pada indeks. b) Konsep Perhitungan Kinerja Indeks Dalam penelitian ini akan menggunakan CAPM, dimana saat ini masih menjadi standar perhitungan bagi imbal hasil dan risiko yang dihadapi.

40

E(Ri) = Rf + β [E(Rm) – E(Rf) Diamana E(Ri) adalah expected return dari asset dan dalam penelitian ini berarti indeks i = JII atau LQ45, Rf adalah Risk free rate yang diukur dari SBI dan Rm adalah expected return dari pasar yang diukur dari IHSG. Menurut Douglas R Emery (2004 : 299), β (beta) adalah ukuran linear dari beberapa banyak asset individu berkontribusi kepada standar deviasi pasar (resiko sistematis). Menurut Douglas R Emery (2004 : 300), beta juga mengindikasikan seberapa sensitif imbal hasil portfolio pasar. Menurut Aswath Damodaran (1996 : 33), CAPM dibangun dengan premis bahwa varians dalam imbal hasil adalah alat pengukuran yang tepat bagi risiko, tapi hanya varians yang tidak terdiversifikasi yang dihitung. Model CAPM mengukur varians yang tidak terdiversifikasi itu menggunakan estimasi beta dan berhubungan dengan imbal hasil yang diharapka. Implikasi umum dari CAPM : 1.

Semua investor akan mengalokasikan kekayaan mereka lewat dua asset-asset yang tanpa risiko dan portfolio pasar dari semua asset yang beresiko, didasarkan pada nilai pasar mereka.

2.

Risiko dari semua asset akan diukur dengan seberapa banyak risiko yang bertambah dalam portfolio pasar, dan risiko

yang

bertambah

ini

dapat

diukur

dengan 41

menggunakan kovarians antara imbal hasil asset dan imbal hasil pasar. Kovarians ini dapat distandarisasi dengan membagi varians pasar dengan beta asset. Ross et al. (2003 : 285) Yang jika dalam penelitian ini : β = Cov[Ri,Rm] Var[Rm] Di mana

βI = Beta saham Cov = Covarian Var = Varians Ri = Return saham (JII dan LQ45) Rm = Return Pasar (IHSG)

3.

Imbal hasil dari asset secara linear berhubungan dengan beta, semakin besar beta, maka semakin besar imbal hasil yang diharapkan. Menurut Aswath Damodaran (1996 : 33), hubungan antara Beta dan Imbal hasil yang diharapkan digambarkan digambarkan dalam gambar 3-1. Jika CAPM benar, semua asset harus ada di Security Market Line (SML), di mana menyediakan imbala hasil yang diharapkan untuk setiap beta yang ada. Gradient dari SML adalah nilai dari imbal hasil per unit dari risiko pasar/risiko non diversifikasi.

42

Gambar 2.1 Beta dan Imbal hasil yang diharapkan : Security Market Line Security Market Line

Rf

Beta

(Sumber: Ross, et al. 2003) Menurut Aswath Damodaran (1996 : 33), model CAPM ini juga mempunyai banyak kelemahan dan sudah hampir tiga dekade

menjadi

perdebatan.

Roll,pada

tahun

1977,

menyarankan bahwa sejak portfolio pasar tidak akan pernah bisa diobservasi,maka CAPM tidak akan pernah bisa di terapkan, sehingga semua tes yang ada di CAPM dilakukan secara joint test dan portfolio pasar digunakan dalam tes.

43

4. Resiko dan Tingkat Pengembalian (Risk – Return Tradeoff) a) Pendekatan Risiko Menurut Jogiyanto (2008 : 214) hanya menghitung return saja suatu investasi tidaklah cukup. Risiko menurut Emery (2004 : 303), Risiko secara sederhana adalah terjadinya sesuatu yang tidak kita harapkan atau tidak teradinya sesuatu yang kita harapkan. Ada dua jenis risiko yang umumnya kita ketahui : 1. Risiko Sistematis. Ini adalah risiko yang ada dalam setiap investasi yang kita lakukan dan besarnya adalah tetap. Disebut juga sebagai risiko yang tidak terdiversifikasi. 2. Risiko Tidak Sistematis. Ini adalah risiko yang ada dalam tiap investasi namun memiliki besar risiko yang berbeda-beda untuk setiap asset. Disebut juga sebagai risiko yang dapat didiversifikasi, karena semakin banyak diversifikasi jenis investasi dan investasi dalam portfolio kita, maka semakin berkurang risiko tidak sistematis yang kita hadapi.

44

Gambar 2-2 Risiko

Risiko Tidak Sistematis

Risiko Sistematis Jumlah Risiko Sistimatis

(Sumber: Ross, et al. 2003:274) Menurut Bodie (1999 : 685), metode penyesuaian menggunakan criteria mean-varians dikembangkan secara simultan dengan Capital Asset Pricing Models (CAPM). Jack Treynor (1966) termasuk ilmuwan yang sangat cepat mengaplikasikan CAPM untuk memberi rating dari kinerja manajer. dalam CAPM, varians adalah pengukur risiko. Menurut Bodie (1999 : 686), Treynor Index menunjukkan hubungan antara portfolio excess return dan risiko sistematis yang ada. Diasumsikan bahwa unsystematic risk nya minimum melalui diversifikasi portfolio, sehingga indeks ini menunjukkan risk premium per risiko sistematis.

45

Dimana : Ri : Return dari Index Harga Saham (JII atau LQ45) Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG) βi : beta dari Index Harga Saham (JII atau LQ45) Dalam penelitian ini yang dimaksud dengan portfolio adalah indeks. b) Pendekatan Imbal Hasil Imbal hasil adalah keuntungan atau selisih positif yang didapat dari perbandingan harga saat ini dengan sebelumnya. Imbal hasil secara sederhana dapat dihitung dengan dua cara : 1. Diskrit

2. Kontinu

Di mana : Pt+1 adalah harga pada waktu t + 1, Pt adalah harga pada waktu t dan ln adalah logaritma natural. Pada penelitian ini akan digunakan cara kontinu karena akan memberikan hasil yang lebih akurat dibandingkan dengan diskrit. 46

B. Penelitian Terdahulu Sesuai dengan tema dalam penelitian ini, maka pasar modal syariah akan lebih difokuskan dalam perbandingan antara indeks syariah dan indeks konvensional dalam hal kinerja risiko dan imbal hasil. Harus diakui belum banyak penelitian yang dilakukan tentang hal ini. Penelitian yang pernah dilakukan adalah sebagai berikut : Hakim dan Rashidian (2002 : 10) melihat risiko dan imbal hasil dari indeks syariah dengan melihat hubungan antara DJIMI, Wilshire 5000 dan TIBILLS 3 bulanan periode Desember 1999 sampai dengan April 2002. DJIMI adalah indeks syariah di Amerika Serikat yang dikeluarkan oleh Dow Jones dan Wilshire 5000 adalah kumpulan dari 5000 perusahaan terbesar di Amerika Serikat. DJIMI adalah bagian dari Wilshire 5000. Sekitar 75% saham di Wilshire 5000 tidak memenuhi kriteria syariah. Hakim dan Rashidian menggunakan Statistik Deskriptif, Unit Root Test, Cointegration Test, Causality Test dan VECM. Hasilnya adalah Indeks syariah memiliki karakteristik risiko dan imbal hasil yang unik, yaitu indeks syariah kurang terdiversifikasi dari pada Wilshire 5000 namun memiliki imbal hasil yang lebih kecil dan disiko yang lebih kecil pula dibandingkan Wilshire 5000. Penelitian dengan obyek pasar modal syariah dilakukan oleh Aruzzi dan Bandi (2003). Tujuan penelitian ini dilakukan untuk mengetahui sejauh mana variable tingkat suku bunga, rasio profitabilitas dan beta akuntansi dapat mempengaruhi risiko sistematik atau beta saham syariah yang tergabung dalam 47

Jakarta Islamic Index (JII) di Bursa Efek Jakarta (BEJ) secara bersama-sama ataupun secara parsial pada periode pengamatan yang diambil dalam penelitian tersebut. Adapun obyek yang diteliti adalah saham perusahaan yang termasuk ke dalam JII dalam periode Januari 2008– Desember 2009. Hasil penelitian menunjukkan bahwa secara bersama-sama maupun parsial variabel-variabel tingkat suku bunga, rasio profitabilitas dan beta akuntansi tidak mempunyai pengaruh secara signifikan terhadap beta saham syariah. Koefisien determinasi adalah sebesar 7,1% ini berarti variabel-variabel tingkat suku bunga, rasio profitabilitas dan beta akuntansi hanya dapat menjelaskan beta saham syariah sebesar 7,1%, sedangkan 92,9% dijelaskan oleh variabel-variabel lain. Hinsa Siahaan (Maret 2007 : 1), Setiap investasi selalu membandingkan besarnya risiko dengan pengembalian yang diharapkan. Investasi disebut juga sebagai the trade off between Risk and return. Hampir semua investor tidak suka dengan risiko, kalau boleh menghindarinya. Untuk mengharapkan agar investor bersedia mengambil risiko tinggi, maka kepada mereka harus ditawarkan tingkat pengembalian yang tinggi. Dengan kata lain apabila seorang investor menghendaki tingkat pengembalian yang lebih tinggi, dia harus berani atau bersedia mengambil risiko yang lebih tinggi. High risk high return. Hinsa Siahaan (Maret 2007: 15). Pada dasarnya , proses investasi di pasar keuangan (di pasar uang dan pasar modal) adalah meliputi; tahapan menentukan tujuan investasi (set investment policy), tahapan penilaian sekuritas secara individual (perform security analysis), tahapan membentuk portfolio (construct a

48

portfolio), tahapan merivisi portfolio, dan tahapan penilaian kinerja portofolio (Evaluate the performance of the portfolio). Di Malaysia, Ahmad, Z dan Haslindar Ibrahim (2002 : 33) menunjukkan tetang penelitian perbandingan Islamic Index dengan KLSE Composite Index (KLCI). Hasilnya, Islamic Index lebih baik dari KLCI tersebut. Hakim dan Rashidian (2002 : 5) juga menggunakan Rasio Sharpe dan hasilnya, DJIMI memiliki Rasio Sharpe yang lebih rendah dibandingkan dengan Wilshire 5000, ini menggambarkan DJIMI memiliki risiko per unit imbal hasil yang lebih kecil dari pada Wilshire 5000. Dan dalam pasar modal US, tidak ada hubungan jangka panjang yang stabil antara DJIMI dan Wilshire 5000. Kesimpulan lain yang ada dari penelitian ini adalah seleksi yang ada pada DJIMI tidak mempengaruhi kinerja dari indeks dan tidak mengakibatkan investasi pada DJIMI kehilangan imbal hasil jika dibandingkan dengan Wilshire 5000. DJIMI dan Wilshire 5000 sama-sama kompettif. Albaity, M dan Rubi Ahmad (2008 : 41) menganalisa imbal hasil dari saham Islamic di Malaysia. Penelitiannya menggunakan Unit Root Test, Correlation dan Cointergration Test, Granger Causality, dan Vector Error Correction Model. Data yang diambil sebagai sample observasi adalah Saham gabungan (KLCI), Indeks Syariah (KLSI) dan TBills 3 bulanan Malaysia. Periode data dari April 1999 sampai dengan Desember 2003. Hasilnya adalah TBills memiliki return tertinggi, lalu diikuti oleh KLSI dan KLCI. Diketahui pula adanya : (1) hubungan jangka panjang antara KLCI dan KLSI, (2) KLSI ternyata menyebabkan KLCI, (3) TBill 3 bulanan menyebabkan KLSI dan (4) KLSI-KLCI 49

mempunyai hubungan timbale balik dalam jangka pendek dan jangka panjang. Tbills tidak mempengaruhi dalam jangka panjang. Rulindo, R dan Todi Kurniawan (2006 : 46) meneliti tentang hubungan risiko dan imbal hasil dari IHSG dan JII, juga melihat hubungan dan pengaruh dari TBills (suku bunga Bank Indonesia) dalam IHSG dan JII dan melihat pula pengaruh yang ada antara mereka. Data dari Januati 2001 sampai dengan Desember 2004. Variable yang digunakan adalah IHSG, JII dan TBills tiga bulanan.

Analisa

menggunakan

Deskriptif

Statistik,

Unit

Root

Test,

Cointegration, dan Granger Causality. Hasil yang ada adalah terlihat perbedaan antara IHSG dan JII. Di mana JII memiliki imbal hasil yang lebih besar dibandingkan dengan IHSG. Dalam hubungan jangka panjang, tidak terjadi hubungan antara TBills,IHSG dan JII, satu sama lain saling mandiri. Ini cukup menarik karena dalam penelitian-penelitian sebelumnya, ditemukan minimal adanya satu hubungan antara variable yang ada. Dan dapat disimpulkan bahwa pasar yang terjadi adalah pasar yang efisien karena harga informasi yang ada tercermin langsung dalam harganya. Dengan hasil ini, investor dapat pindah dari IHSG ke JII tanpa perlu khawatir mengenai tingkat suku bunga. Dalam jangka pendek TBills mempengaruhi IHSG dan JII secara langsung. Ini memperlihatkan sebuah ide pada kita bahwa investor yang ada dalam IHSG dan JII termasuk investor yang bermain aman, memiliki kecenderungan pada tingkat bunga bebas resiko. Secara prilaku, investor yang berinvestasi dalam JII lebih termotivasi pada keuntungan jangka pendek, bukan pada kesadaran untuk berinvestasi di indeks syariah. Hasil lain penelitian ini yang 50

cukup penting adalah adanya seleksi secara syariah tidak mempengaruhi kinerja dari JII. Hakim dan Rashidian (2004) membandingkan dua indeks, yaitu Dow Jones Sustainibility Index (DJSI) dan Dow Jones Islamic Market Index (DJIMI). ‘Keranjang’ besar dari DJSI dan DJMI adalah Dow Jones World Index (DJW). DJSI sering disebut sebagai Green Index karena berbasiskan moral dalam penyaringannya. Jadi untuk dapat masuk dalam DJSI harus dilihat apakah memiliki keberpihakan pada nilai-nilai moral yang dianut secara umum. Indeks ini memiliki lebih dari tiga ratus saham DJSI. Hampir sama dengan DJIMI, hanya saja DJIMI memiliki criteria syariah, dimana ada seleksi yang sesuai dengan prinsip Islam dalam memasukkan saham-saham ke dalam indeks ini. DJIMI diluncurkan pada Februari 1999. Data yang digunakan adalah data mingguan, periode data adalah Januari 2000 sampai dengan Agustus 2004, dengan total 243 minggu. Dengan menggunakan dasar Capital Asset Pricing Model dalam teori, Deskriptif Statistik, metode Ordinary Least Square (OLS) dan Generalized Method of Momments (GMM) ditemukan bahwa adanya seleksi tidak mengakibatkan kinerja dari DJIMI berkurang, walaupun secara kinerja dengan menggunakan Rasio Treynor nilai DJSI jauh lebih baik dari DJIMI. Secara imbal hasil memang DJIMI memiliki imbal hasil yang lebih kecil dibandingkan dengan DJSI, namun DJIMI juga memiliki risiko (dari standar deviasi) yang lebih kecil dibandingkan DJSI. Hasil penelitian lainnya adalah DJIMI terkena tekanan risiko dua kali lipat dibandingkan DJSI, jika kita beralih dari DJSI ke DJIMI. DJIMI kurang sensitif 51

terhadap fliktuasi dalam risiko sistematis dibandingkan dengan Dow Jones World Index, artinya jika kita mengacu pada DJIMI maka kita tidak akan mendapatkan tekanan risiko lagi dibandingkan ketika kita mengacu pada DJW. Hakim dan Rashdian dalam penelitian ini menggunakan conditional CAPM dan menguji validitas dari conditional CAPM ini. Hasilnya adalah DJIMI conditional CAPM berlaku dengan terpenuhinya syarat garis potong adalah pada risk free rate, beta tunggal berlaku dan hubungan antara nilai DJIMI dapat dijelaskan secara linier oleh CAPM. Hasil yag sedikit berbeda ditunjukkan pada DJSI, dimana beta tunggal DJSI tetap ada namun DJSI tidak memiliki garis potong pada risk free rate, dan hubungan antara nilai DJSI tidak dapat dijelaskan secara linie oleh CAPM, DJSI jauh lebih rumit dibandingkan dengan DJIMI. C. Kerangka Pemikiran Kerangka pemikiran akan menjelaskan alur pengolahan data untuk mengukur keseimbangan risiko dan pengembalian sehingga dapat memberikan gambaran mengenai perbandingan keseimbangan antara JII dengan LQ45. Dalam penelitian ini, skema penelitiannya akan ditunjukkan pada Gambar 2.2.

52

Gambar 2.2 Kerangka Pemikiran Resiko dan Imbal Hasil bulanan

Saham Syariah Jakarta Islamic Indeks (JII) Periode Januari 2008 – Desember

Resiko dan Imbal Hasil bulanan

Saham Konvensional LQ45 Periode Januari 2008 – Desember 2009

Deskriptif

1. Risk Adjusted Performance 2. Analisis VAR : 1. Unit Root 2. Cointegration Test 3. VECM Granger Causality The Impulse Responses The Cholesky Decomposition

Keseimbangan Risiko dan Pengembalian Saham

53

D. Hipotesis Dalam melakukan analisis terlebih dahulu harus ditentukan hipotesis yang digunakan. Hipotesis yaitu dugaan mengenai suatu hal atu masalah. Hipotesis biasanya disajikan dalam bentuk pernyataan atau dilambangkan dengan angka. Hipotesis untuk penelitian ini yaitu : •

H0 : “terdapat perbedaan rata-rata kinerja antara saham berbasis syariah dengan saham berbasis konvensional”

•

Ha : “terdapat hubungan jangka panjang antara indeks berbasis syariah dengan saham berbasis konvensional”

54

BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian 1. Deskripsi Data Data yang digunakan dalam penelitian ini adalah data Jakarta Islamic Index, Indeks LQ45, Indeks Harga Saham Gabungan (IHSG) dan Suku Bunga Bank Indonesia. Jakarta Islamic Index (JII) adalah indeks syariah yang terdiri dari saham tiga puluh perusahaan dari perusahaan-perusahaan yang terdaftar pada Bursa Efek Indonesia. Agar tercatat dalam JII, ada kriteria-kriteria yang harus dipenuhi oleh perusahaan, seperti yang sudah dijelaskan dalam Bab II penelitian ini. Indeks LQ45 merupakan sekelompok saham pilihan yang memenuhi kriteria tertentu, seperti total transaksi dan frekuensi transaksi. Ada 45 saham rangking tertinggi yang masuk kriteria LQ45. Indeks Harga Saham Gabungan adalah indikator dari pergerakan semua saham yang ada dalam Bursa Efek Indonesia. Suku Bunga Bank Indonesia yang digunakan dalam penelitian ini adalah suku bunga harian. Periode data sebanyak 698 hari, data harian indeks dari tanggal 4 Januari 2008 sampai dengan 1 Desember 2009. Tipe data adalah Time Series.

55

2. Pemilihan Periode Periode yang ada dari tahun 2008 sampai 2009. periode ini dipilih karena JII sebagai variable utama yang akan di lihat dalam penelitian ini baru diterbitkan pada tahun 2000. Sedangkan pada tahun 2000, kondisi ekonomi Indonesia belum begitu stabil, terbukti dari sisi penyaringan JII yang tidak menggunakan rasio keuangan karena kondisi yang tidak memungkinkan. Tahun 2008 adalah tahun dimana kondisi Indonesia sudah mulai membaik, walau belum pulih dan JII sudah cukup baik sebagai sebuah indeks sehingga diharapkan akan memberi validitas hasil yang memuaskan. Data dua tahun digunakan karena mencukupi sebagai sample data. B. Metode Penentuan Sampel Teknik yang dilakukan dalam pengambilan sampel ini adalah purposive sampling yang berdasarkan judgement sampling. Purposive sampling adalah teknik pemilihan sampel secara tidak acak dan didasarkan pada tujuan tertentu (Indrianto dan Supomo, 1999). Tujuan penelitian ini adalah

untuk

menganalisis

perbedaan

keseimbangan

risiko

dan

pengembalian (risk-return tradeoff) saham yang kompetitif dari indeks saham syariah dan konvensional pada Jakarta Islamic Index dengan LQ45 dan menganalisis pengaruh secara langsung dan tidak langsung unsur kinerja saham terhadap keseimbangan risiko dan pengembalian (risk-return tradeoff) saham antara perusahaan yang termasuk dalam Jakarta Islamic Index dengan LQ45 yang tercatat di Bursa Efek Indonesia (BEI) dan 56

Bapepam. Oleh karena itu, maka sampel yang digunakan adalah dari indeks saham syariah dan konvensional pada Jakarta Islamic Index dengan LQ45 yang tercatat di Bursa Efek Indonesia (BEI). Hal tersebut sesuai dengan teknik purpose sampling metode judgement sampling. Sampel penelitian ini diambil dari perusahaan yang tercatat dalam indeks saham JII dan LQ45 pada BEI. Dari 30 saham yang terdaftar dalam JII dan 45 saham pada LQ45 periode Januari 2008 sampai Desember 2009, hanya 16 saham yang terpilih sebagai sampel penelitian. Oleh karena saham yang tercatat di BEI dimungkinkan terjadi perubahan disetiap periodenya, maka sampel penelitian ini diambil dengan kinerja : 1.

30 saham yang terdaftar dalam Jakarta Islamic Index (JII) pada Bursa Efek Indonesia (BEI) selama Januari 2008 sampai dengan Desember 2009.

2.

45 saham yang terdaftar dalam LQ45 pada Bursa Efek Indonesia (BEI) selama Januari 2008 sampai dengan Desember 2009.

3.

16 saham yang selalu ada (tetap) serta terdaftar dalam Jakarta Islamic Index (JII) dan LQ45 pada Bursa Efek Indonesia (BEI) selama Januari 2008 sampai dengan Desember 2009.

57

C. Metode Pengumpulan Data Data yang digunakan dan dianalisis dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang telah tersedia dan tidak perlu dikumpulkan lagi. Data-data sekunder yang digunakan penulis adalah datadata yang berhubungan langsung dengan penelitian yang dilaksanakan dan bersumber dari terbitan-terbitan Bursa Efek Indonesia, Bapepam dan Bank Indonesia. Informasi utama yang digunakan sebagai data penelitian adalah return dan resiko dari investasi, data mengenai tingkat suku bunga bebas resiko peneliti menggunakan tingkat suku bunga Sertifikat Bank Indonesia (SBI) berdasarkan laporan bulanan terbitan Bank Indonesia. Penelitian ini juga memilih SBI sebagai tingkat suku bunga bebas resiko dengan anggapan bahwa Bank Indonesia yang mengeluarkan SBI dapat dipastikan akan melunasi kewajibannya pada saat jatuh tempo. Jadi investasi yang dilakukan SBI benar-benar bebas resiko. Disertai dengan data perkembangan Saham pada pasar modal syariah dan konvensional periode Januari 2008 sampai dengan Desember 2009. D. Metode Analisis Data Alur pengolahan data secara umum adalah sebagai berikut : 1. Deskriptif Statistik Berdasarkan tinjauan literatur, penyaringan investasi diharapkan akan menghasilkan laba lebih rendah dari investasi non-disaring karena tingkat

58

yang lebih rendah pada diversifikasi. Oleh karena itu, hipotesis 1a pertama untuk diuji adalah H0 : “terdapat perbedaan rata-rata kinerja antara saham berbasis syariah dengan saham berbasis konvensional” Return diukur oleh perbedaan harga antara periode t dan t-1. Dengan kata lain, kita menghitung kembali dengan menggunakan rumus berikut. Statistic yang dicari adalah statistic dari imbal hasil bulanan JII, LQ45, IHSG dan SBI. Imbal hasil dicari dengan menggunakan metode kontinu :

Empat teknik pengukuran yang digunakan. Pertama, kita mengukur SR, yang merupakan rasio yang dikembangkan oleh Sharpe pemenang hadiah Nobel untuk mengukur kinerja disesuaikan risiko. Rumusnya adalah sebagai berikut:

Dimana Ri : Return dari Index Harga Saham (JII atau LQ45) Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG) σi : standar deviasi dari Index Harga Saham (JII atau LQ45)

59

Umumnya, SR lebih tinggi menunjukkan kinerja yang lebih tinggi atau superior, dan sebaliknya. kapitalisasi pasar, dengan dasar tanggal 4 Januari 2008 dan Ada 45 saham rangking tertinggi yang masuk kriteria LQ45 dan 30 saham yang masuk dalam kriteria JII. Kedua, tolok ukur kinerja TI dihitung dalam studi kasus ini. Langkahlangkah Return yang diterima itu melebihi dari apa yang telah dapat diperoleh pada investasi bebas risiko, per setiap unit risiko pasar. Semakin tinggi nilai TI, semakin tinggi pula diperoleh per unit risiko. The Treynor Rasio dihitung sebagai:

Ri : Return dari Index Harga Saham (JII atau LQ45) Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG) βi : beta dari Index Harga Saham (JII atau LQ45) Ketiga, dalam penelitian ini akan menggunakan CAPM, dimana saat ini masih menjadi standar perhitungan bagi imbal hasil dan risiko yang dihadapi. E(Ri) = Rf + β [E(Rm) – E(Rf) Diamana E(Ri) adalah expected return dari asset dan dalam penelitian ini berarti indeks i = JII atau LQ45, Rf adalah Risk free rate yang diukur dari SBI dan Rm adalah expected return dari pasar yang diukur dari IHSG.

60

Mencari β (beta) yang merupakan ukuran linear dari beberapa banyak asset individu berkontribusi kepada standar deviasi pasar (resiko sistematis) dalam penelitian ini menggunakan : β = Cov[Ri,Rm] Var[Rm] Di mana

βi = Beta saham Cov = Covarian Var = Varians Ri = Return saham (JII dan LQ45) Rm = Return Pasar (IHSG)

Pengukuran keempat Return adalah formula yang dimodifikasi SR dikembangkan oleh Statman (1987). Pengukuran ini dikenal sebagai excess standar deviasi – adjusted return dan disingkat sebagai "eSDAR." Excess yang diteliti adalah Return indeks (Syariah atau Komposit) atas Return patokan (IHSG Index), di mana indeks leverage untuk memiliki patokan standar deviasi. Secara matematika digambarkan sebagai berikut, + Dimana : suku bunga harian SBI : tingkat pengembalian indeks pasar saham (baik JII atau LQ45) : tingkat pengembalian indeks IHSG (patokan) : standar deviasi dari JII dan LQ45 : standar deviasi dari IHSG 61

2. Analisis VAR Pada dasarnya, Analisis VAR meliputi Uji Stasioneritas Data dan Estimasi Model VAR dengan VECM. a.

Uji Stasioneritas Data Untuk menguji cointegration, kita perlu melakukan Uji Akar Unit. Uji

akar unit ini digunakan untuk melihat apakah data yang diamati stasioner atau tidak stasioner. Test ini sebenarnya hanya merupakan pelengkap dari analisis VAR, mengingat tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel-variabel yang diamati, dan bukan test untuk data. Akan tetapi, apabila data yang diamati adalah stationer, hal ini akan meningkatkan akurasi dari analisis VAR. Tujuan dari test ini adalah untuk menyelidiki hipotesis berikut : Ha : “terdapat hubungan jangka panjang antara indeks berbasis syariah dengan saham berbasis konvensional.” Dalam statistik dan ekonometrik, uji akar unit digunakan untuk menguji adanya anggapan bahwa sebuah data time series tidak stasioner. Uji yang biasa digunakan adalah uji augmented Dickey–Fuller. Uji lain yang serupa yaitu Uji Phillips–Perron. Keduanya mengindikasikan keberadaan akar unit sebagai hipotesis null. Perlu diketahui bahwa data yang dikatakan stasioner adalah data yang bersifat flat, tidak mengandung komponen trend, dengan keragaman yang konstan, serta tidak terdapat fluktuasi periodik. Untuk diketahui adanya akar unit, maka dilakukan pengujian Dickey-Fuller (DF-test) sebagai berikut: 62

Jika variabel

sebagai variabel dependen, maka akan diubah menjadi Yt = ρ Yt-1 + Ut

Jika koefisien Yt-1 (ρ) adalah = 1 dalam arti hipotesis diterima, maka variabel mengandung unit root dan bersifat non-stasioner. Untuk mengubah trend yang bersifat non-stasioner menjadi stasioner dilakukan uji orde pertama (first difference) ΔYt = (ρ-1) (Yt – Yt-1) Koefisien ρ akan bernilai 0, dan hipotesis akan ditolak sehingga model menjadi stasioner. Hipotesis yang digunakan pada pengujian augmented dickey fuller adalah: H1b : ρ = 0 (Terdapat unit roots, variabel Y tidak stasioner) H1b : ρ ≠ 0 (Tidak terdapat unit roots, variabel Y stasioner) Kesimpulan hasil root test diperoleh dengan membandingkan nilai thitung dengan t-tabel pada tabel Dickey-Fuller. Keberadaan cointegration hubungan antara dua variabel menyiratkan bahwa ada setidaknya efek kausal dari satu variabel ke variabel yang lain. Namun, arah kausalitas tidak ditentukan oleh Cointergration Test. Untuk menentukan arah Keberadaan

penyebab iulah tes kausalias Granger digunakan.

kointegrasi

antara

variabel-variabel

akan

memerlukan

kausalitas Granger untuk diimplementasikan dalam Vector Error Correction Model (VECM) jika data yang diteliti tidak stasioner. Jika data yang diteliti

63

stasioner, maka model Vector Autoregresive (VAR) yang digunakan untuk menguji kausalitas. b. Vector Error Correction Model (VECM) Jika Granger menunjukkan bahwa data time series yang diuji tidak stasioner pada tingkat level atau disebut non-stasionaritas data, maka ini dikatakan bahwa data tersebut terkointegrasi. Data VECM digunakan di dalam model VAR non structural apabila data time series tidak stasoner pada level, tetapi stasioner pasa data diferensi dan terkointegrasi sehingga menunjukkan adanya hubungan teoritis antara variable. Adanya kointegrasi ini maka VECM yang merupakan model VAR non structural ini disebut model VAR yang terestriksi. Spesifikasi VECM merestriksi hubungan prilaku jangka panjang antara variable yang ada agar konvergen ke dalam hubungan kointegrasi namun tetap membiarkan perubahan-perubahan dinamis di dalam jangka pendek. Termnologi kointegrasi ini dikenal sebagai koreksi kesalahan (error correction) karena apabila terjadi deviasi terhadap keseimbangan jangka panjang akan dikoreksi secara bertahap melalui penyesuaian parsial jangka pendek secara bertahap.

64

c.

Estimasi Model VAR dengan VECM Proses estimasi ini terdiri dari : a. Granger Causality Test Granger (1969) mempostulasikan bahwa suatu variabel X dikatakan

menyebabkan variabel lain, Y, apabila Y saat ini dapat diprediksi lebih baik dengan menggunakan nilai-nilai masa lalu X. Sebagaimana yang ditulisnya: Variable X is said to cause another variable Y, with respect to a given information set that includes X and Y, if current Y can be predicted better by using past values of X than by not doing so, given all other past information in the information set is used. Terlihat bahwa teori Granger dilandasi atas asumsi sejumlah informasi yang memasukkan X dan Y saat ini dan semua informasi masa lalu. Katakanlah At adalah himpunan informasi yang telah tersedia dengan t =…, -1, 0, 1, 2, … Dengan kata lain, asumsi yang digunakan adalah A={(X, Y)}. X dan Y dianggap merupakan sepasang data runtut waktu yang memiliki kovarians linear yang stasioner (linear covariance-stationary time series). Oleh karena itu:

Di mana X = variabel independen dan Y = variabel dependen Test ini menguji apakah suatu variabel bebas (independent variable) memiliki perbandingan dari variabel tidak bebas (dependent variable). 65

Granger causality test merupakan alat pengujian yang dilakukan untuk mengetahui hubungan sebab akibat antara variabel-variabel yang sedang dianalisa.

Terkait

dengan

penelitian

ini,

granger

causality

test

memungkinkan kita membandingkan adanya hubungan satu arah atau dua arah dari variabel-variabel yang digunakan dalam penelitian yang membandingkan kinerja keseimbangan resiko dan pengembalian (RiskReturn Tradeoff) antara dua indeks yang berbeda. Sebelum melakukan granger causality test, penulis melakukan pengujian nilai lag maksimum dan nilai lag optimum dari kedua pendekatan ini dengan Likelihood Ratio Test yang telah dijabarkan sebelumnya. Nilai lag yang nantinya ditemukan , terutama nilai lag optimum, digunakan sebagai nilai lag dalam uji kausalitas granger. b. The Impulse Responses: Untuk melihat efek gejolak (shock) suatu standar deviasi dari variabel invovasi terhadap nilai sekarang (current time values) dan nilai yang akan datang (future values) dari variabel-variabel endogen yang terdapat dalam model yang diamati. Respons Terhadap Adanya Aksi ( The Impulse Responses ) adalah salah satu aksesoris pada VAR yang digunakan untuk melihat respon variable endogen terhadap adanya pengaruh inovasi (shock) variable endogen yang lain (Pindycks dan Rubinfeld, 1998; 385). Inovasi diinterpretasikan sebagai “goncangan kebijakan” (policy shock) atau juga sering disebut aksi. Secara ststistik respon terhadap aksi dirumuskan dalam 66

persamaan Sims (1980b, 256-257). Jika kita mempunyai sebuah model linier vector skolastik x yang diformulasikan sebagai berikut :

Dimana

yaitu variabel gangguan kemudian

memilih matriks triangular B sehingga menghasilkan B

yakni sebuah

kovarian diagonal matriks dan B juga mempunyai diagonalnya sendiri, oleh karena itu A perlu dipindah menjadi C = AB1 dan e menjadi f = Be, sehingga menjadi :

Dari formula di atas, koefisien C adalah respons terhadap adanya aksi atau inovasi (Responses of Innovations). c. The Cholesky Decomposition: The Cholesky Decomposition atau biasa disebut juga dengan The Variance Decomposition memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Pada dasarnya test ini merupakan metode lain untuk menggambarkan sistem dinamis yang terdapat dalam VAR. Test ini digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri maupun shock dari variabel lain.

67

Dekomposisi varian juga merupakan metode lain dari system dinamik dengan mengunakan VAR. Jika respons terhadap adanya aksi menunjukkan efek dari sebuah kebijakan (shock) variable endogen terhadap variable lain. Sebaliknya, dekomposisi varian akan menguraikan inovasi pada sebuah variable endogen terhadap komponen goncangan (shock) variable yang lain di dalam VAR. Berhubungan

dengan

persamaan

pertama

pada

The

Impulse

Responses, perlu ditetapkan terlebih dahulu matriks varian-kovarian dari pada periode k sehingga persamaannya menjadi :

Sehingga niai

inilah yang disebut sebagai dekompoisi varian.

68

BAB IV ANALISIS DAN PEMBAHASAN

A. Sekilas Gambaran Umum Indeks Pasar Modal Indonesia Aktivitas pasar modal yang merupakan salah satu potensi perekonomian nasional, memiliki peranan yang penting dalam menumbuhkembangkan perekonomian nasional. Dukungan sektor swasta menjadi kekuatan nasional sebagai dinamisator aktivitas perekonomian nasional. Pun demikian, di Indonesia, ternyata pasar modal masih didominasi oleh pemodal asing. Idealnya, dalam pasar modal perlu ada keseimbangan antara pemodal asing dengan pemodal lokal. Pasar modal Indonesia masih dianalogikan dengan arena judi, bukan sebagai sarana investasi. Akibatnya, hal ini menyebabkan peningkatan fluktuasi dan merugikan investor minoritas. Indonesia memiliki 2 bursa efek, yaitu Bursa Efek Jakarta (BEJ) dan Bursa Efek Surabaya (BES), yang masing-masing dijalankan oleh perseroan terbatas. Pada September 2007, Bursa Efek Jakarta dan Surabaya digabungkan (merger) menjadi Bursa Efek Indonesia (BEI). Melalui merger ini diharapkan dapat makin memberikan peluang bagi perusahaan ke pasar modal. Melalui penggabungan ini, biaya pencatatan menjadi lebih murah, karena hanya mencatatkan saham secara single listing, sudah terakreditasi pada BEI. Sementara itu, bagi anggota bursa, dengan menjadi anggota bursa atau pemegang saham BEI, akan langsung menembus pasar. Bagi investor penggabungan ini menjadikan makin banyaknya pilihan investasi, karena tidak ada lagi pembedaan pasar BES dan BEJ, karena produk investasi ditawarkan dalam satu atap yaitu BEI. 69

Indeks yang ada di pasar modal Indonesia yang juga tercatat pada Bursa Efek Indonesia (BEI) adalah : 1. Indeks Individual Indeks individual menggunakan indeks harga masing-masing saham terhadap harga dasarnya, atau indeks masing-masing saham yang tercatat di BEI. 2. Indeks Sektoral Indeks Sektoral menggunakan semua emiten yang termasuk dalam masing-masing sektor. Sekarang ini ada 10 sektor yang ada di BEI yaitu sektor Pertanian, Pertambangan, Industri Dasar, Aneka Industri, Barang Konsumsi, Properti, Infrastruktur, Keuangan, Perdangangan dan Jasa, dan Manufaktur. 3. Indeks Harga Saham Gabungan atau IHSG (Composite Stock Price Index) Indeks Harga Saham Gabungan atau IHSG (Composite Stock Price Index) menggunakan semua saham yang tercatat sebagai komponen penghitungan indeks. IHSG diperdagangkan pertama kali pada tanggal 1 April 1983 dengan nilai dasar 100dan jumlah emiten 12. IHSG menggunakan Market Value Indeks dalam melakukan penghitungan.

70

4. Indeks LQ45 Indeks LQ45,yaitu indeks yang terdiri dari 45 saham pilihan dengan mengacu kepada 2 variabel yaitu likuiditas perdagangan dan kapitalisasi pasar yang likuiditas perdagangan dan kapitalisasi pasar. Setiap 6 bulan terdapat saham baru yang masuk kedalam LQ45 tersebut. 5. Indeks Syariah atau JII (Jakarta Islamic Index) JII merupakan indeks yang terdiri dari 30 saham mengakomodasi syariat investasi dalam Islam atau Indeks yang berdasarkan syariah Islam. Dengan kata lain, dalam Indeks ini dimasukkan saham-saham yang memenuhi criteria investasi dalam syariat Islam. Saham-saham yang masuk dalam Indeks Syariah adalah emiten yang kegiatan usahanya tidak bertentangan dengan syariah seperti perjudia serta permainan yang tergolong judi atau perdagangan yang dilarang dan usaha lembaga keuangan konvensional (ribawi) termasuk perbankan dan asuransi konvensional. 6. Indeks Papan Utama dan Papan Pengembangan Yaitu indeks harga saham yang secara khusus didasarkan pada kelompok saham yang tercatat di BEI yaitu kelompok Papan Utama dan Papan Pengembangan.

71

7. Indeks KOMPAS 100 Merupakan Indeks Harga Saham hasil kerjasama Bursa Efek Indonesia dengan harian KOMPAS. Indeks ini meliputi 100 saham dengan beberapa poses penentuan, yaitu telah tercatat di BEI minimal 3 bulan, saham tersebut masuk dalam perhitungan IHSG (Indeks Harga Saham Gabungan). Berdasarkan pertimbangan factor fundamental perusahaan dan pola perdagangan di bursa, BEI dapat menetapkan untuk mengeluarkansaham tersebut dalam proses perhitungan indeks harga 100 saham, dan masuk dalam 150 saham dengan nilai transaksi dan frekwensi transaksi serta kapitalisasi pasar terbesar di Pasar Reguler, selama 12 bulan terakhir. B. Perkembangan Pasar Modal Indonesia Awal tahun 2009 lalu pasar modal BEI didera penurunan luar biasa tajam akibat kecemasan mendalam akan kehancuran ekonomi global yang berawal dari krisis subprime mortgage di AS dan sebagian Eropa. Krisis instrumen derivatif berlandaskan aset KPR berkualitas rendah tersebut menjalar begitu cepat sekaligus sangat dahsyat. Hampir semua pasar modal baik emerging market ataupun pasar yang sudah efisien mengalami kejatuhan luar biasa. Tingkat kejatuhan pasar modal global mencapai kisaran 60-80%. Krisis tersebut menghapus sebagian besar kekayaan para investor kakap yang telah berinvestasi selama satu dekade. Dari rakyat biasa hingga para analis keuangan, ekonom sampai dengan petinggi negara membicarakan krisis ekonomi disertai bumbu 72

politik, anti-kapitalisme, neo-liberalisme, dan berbagai penyedap lainnya sesuai dengan motif masing-masing kelompok. Perekonomian dan pasar finansial berada pada kondisi yang rentan dan penuh ketidak-pastian tanpa gairah pada saat itu, plus kerawanan isu sosial politi jelang pemilu pada paruh pertama 2009. Setiap krisis akan menciptakan berbagai peluang bisnis dan investasi. Ketika pasar modal BEI terjungkal hebat hingga level 1.100 an per Januari 2009, dunia seolah terbalik dimana investor kaya menjadi “miskin” dan terbuka peluang besar bagi para investor baru “newbie” untuk menjadi kaya. Investor baru dapat masuk pada saat harga-harga saham terdiskon sangat rendah akibat krisis ekonomi dan panic selling yang berlebihan. Ini jelas peluang langka. Untuk mendapatkan peluang investasi sebaik ini mungkin harus menunggu selama kurun 10 tahun lagi. Situasi saat itu dapat disebut maximum investment opportunity. Namun, peluang berharga tersebut kurang dimanfaatkan akibat rasa takut dan dampak psikologis yang dalam akibat kejatuhan pasar finansial dunia. Hal tersebut dapat dimaklumi, Lehman Brothers, AIG, Citigroup, JP Morgan dan sederet manajer investasi kelas dunia saja terkapar tak berdaya dihantam badai subprime mortgage tersebut. Namun kita harus memahami, bahwa fenomena tersebut hanyalah sebuah siklus yang terus berputar dari masa ke masa. Setelah mengalami krisis, kembali pasar finansial mengalami booming, kemudian kembali didera krisis dan seterusnya. Pertumbuhan yang cukup baik dimulai 2006,hingga 2007 dan paruh pertama 2008. Setelah naik 55,3% pada tahun 2006, dan naik lagi 52,1% pada tahun 2007, Indeks Harga Saham Gabungan (IHSG) menurun 50,7% selama tahun 2008. Memasuki kuartal III 2008, pasar finansial global mulai limbung dan hancur pada 73

kuartal terakhir 2008. Sampai paruh pertama 2008, BEI mencetak rekor dalam sejarah hingga level 2830. Kejatuhan BEI disebabkan terutama keluarnya hot money besar-besaran terutama pada kuartal terkahir 2008. Pada paruh pertama 2009 indikator ekonomi makro Indonesia yang cukup kuat dari terpaan krisis global dengan PDB sekitar 4,3% tersebut membuat pasar kembali memasuki wilayah optimis sekalipun senantiasa dibayangi berbagai kecemasan akan pemulihan ekonomi global yang belum jelas. Akhirnya jelang kuartal kedua 2009, IHSG kembali menujukkan kekuataannya dan berhasil up trend luar biasa hingga 50,1% pada akhir semster 2 tahun 2009. Serta merta peguatan IHSG diikuti oleh menguatnya nilai tukar IDR terhadap USD menjadi sekitar Rp. 10.200/USD pada akhir Juni 2009 setelah sempat terpuruk hingga Rp. 12.000/USD pada Desember 2008. Pemulihan tersebut juga didorong oleh penurunan tingkat suku bunga BI (BI rate) dari 9,5% hingga 6,5% saja secara periodik. Penguatan IHSG terus berlanjut pada kuartal 3, bahkan berhasil menembus level psikologis 2000 dengan mulus disertai penguatan IDR/USD pada kisaran Rp. 9500-10.000/USD. Memasuki kuartal terkhir 2009, para investor semakin percaya diri bahkan cenderung over confidence terhadap prospek investasinya. Hal tersebut, membuat IHSG kembali terbang tinggi menembus level wajarnya di 2250. Bahkan pada November dan Desember 2009, IHSG berkali-kali menembus level keramat 2500. Namun, para investor nampaknya belum berani melangkah terlalu jauh sehingga pada kuartal terkhir 2009 IHSG berfluktuasi pada kisaran 2400-2500 an. Bayangkan, pada 31 Desember 2009, Indeks Harga Saham Gabungan (IHSG) telah bertengger di atas level 2.500 atau 74

tumbuh sekitar 85,86%. Ini berarti IHSG sudah dipredikasi kembali normal hanya dalam satu tahun saja. Namun hal yang mencemaskan adalah kenaikan harga crude oil dunia yang mencapai di atas level USD 80/barrel per 5/11/10. Kenaikan harga minyak mentah dunia tersebut lebih disebabkan aktivitas spekulasi dari pada proses supply-demand. www.ekonomi.kompasiana.com (2009). C. Statistik Deskriptif 1. Perbandingan Deskripsi Statistik Deskriptif Statistik ini berfungsi untuk memberikan gambaran umum tentang data yang telah diperoleh. Gambaran umum ini bisa menjadi acuan untuk melihat karakteristik data yang kita peroleh. Proses pengumpulan data, pengolahan dan penarikan kesimpulan harus dilakukan dengan baik, cermat, teliti serta mengikuti kaidah-kaidah dan teori yang benar dan dapat dipertanggung jawabkan secara ilmiah berupa mean, median, standar deviasi hingga probability yang dimiliki oleh data.

75

Tabel 4.1 Deskriptif Statistik

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

LQ45 -0.002433 0.015785 1.028847 -1.80389 0.523276 -1.415743 7.390954

JII 0.082346 0.010861 2.805013 -1.058425 0.793296 1.558402 6.946751

Jarque-Bera Probability

27.29779 0.000001

25.29131 0.000003

Sum Sum Sq. Dev.

-0.058392 6.297809

1.9763 14.47434

Observations

24

24

Tabel 4.1 memberikan rincian lebih lanjut tentang deskriptif statistik antara kedua indeks. Uji normalitas menunjukkan bahwa tak satu pun kembali terdistribusi secara normal. The Jarque-Bera (JB) uji normalitas signifikan pada 1%, dengan nilai pada LQ45 sebesar 27.29779 dan JII sebesar 25.29131 menunjukkan bahwa hipotesis nol dari kenormalan data diterima. Tabel 4.1 juga menunjukkan statistik deskriptif dari pengembalian kedua indeks. Dilihat dari mean kedua indeks, jelas bahwa rata-rata return dari JII lebih dari LQ45 yaitu 0.082346 untuk JII dan -0.002433 untuk LQ45. Begitu juga jika dilihat dari standar deviasi, yang merupakan pengukuran risiko longgar dan menunjukkan bahwa LQ45 lebih berisiko daripada JII yaitu 0.793296 untuk JII dan 0.523276 untuk LQ45. Selanjutnya, total return jangka panjang bagi kedua indeks, yang diukur dengan jumlah semua kembali pada periode tersebut, 76

menunjukkan bahwa JII memiliki nilai laba jangka panjang sebesar 2.805013 yang lebih tinggi daripada LQ45 sebesar 1.028847. Grafik 4.1 Deskriptif Statistik

3

2

1

0

-1

-2 2008M01

2008M07

2009M01 LQ45

2009M07 JII

77

2. Risk Adjusted Performance Investasi portofolio diharapkan dapat meningkatkan keuntungan hanya dengan meningkatkan risiko sistematisnya (beta), maka dibutuhkan evaluasi Kinerja Resiko yang Disesuaikan (Risk Adjusted Performance) . Semua investor memiliki pemikiran yang sama, mereka lebih suka berinvestasi di lini bisnis berisiko rendah dibandingkan dengan berinvestasi pada sesuatu yang lebih menguntungkan tetapi lebih berisiko. Dan, jelas, investor mengalokasikan asetnya harus menyeimbangkan resiko terhadap pengembalian yang diharapkan. Dengan kata lain, setiap penilaian kinerja harus menyeimbangkan risiko dan imbal hasil. Itulah fungsi dari Risk Adjusted Performance. Risk Adjusted Performance menghitung “hadiah” yang akan di dapatkan investor dengan beberapa penyesuaian terhadap risiko. Yang peneliti maksud dengan hadiah tergantung pada aplikasi. Mungkin pendapatan, keuntungan serta pengembalian. Demikian pula dengan risiko dapat diukur sebagai volatilitas, betaserta nilai dalam resiko. Tabel 4.2 Risk Adjusted Performance dan Beta dari JII dan LQ45 Sharpe Ratio

Treynor Index

Jensen Alpha

JII

0.119190206

0.109061276

0.07599879

0.8326131 0.16513399

LQ45

0.011937073

0.007107801

-0.00742418

0.8479405 0.16100753

Indeks

Beta

eSDAR

78

Tabel 4.2 diatas menunjukkan resiko pengembalian yang disesuaikan untuk masing-masing indeks menggunakan empat pengukuran yang berbeda. Indeks utama adalah IHSG yang terdiri dari semua indeks yang ada dalam bursa efek Indonesia. Pengukuran pertama adalah sharpe ratio, yang digunakan untuk mempertimbangkan resiko sistematis dan tidak sistematis. Hasil dari penelitian ini menunjukkan LQ45 memiliki tingkat pengembalian yang disesuaikan lebih kecil dari pada JII. Dimana 0.011937073 untuk LQ45 dan 0.119190206 untuk JII. Dalam pengukuran yang kedua, yaitu Treynor Indeks, hasil penelitian menunjukkan bahwa tingkat pengembalian LQ45 sebesar 0.109061276 lebih kecil dari JII sebesar 0.007107801. Dalam kasus ini, LQ45 menghasilkan tingkat pengembalian yang lebih rendah dari JII (LQ45 sebesar -0.00742418, sedangkan JII sebesar 0.07599879. Beta menunjukkan bahwa LQ45 memiliki resiko yang lebih tinggi sebesar 0.8479405 dari pada JII yang hanya sebesar 0.8326131. Selanjutnya eSDAR memperlihatkan hasil perhitungan lainnya,dimana LQ45 menghasilkan pengembalian yang lebih redah sebesar 0.16100753 daripada JII sebesar 0.16513399. Hasil ini tidak jauh bebeda dengan hasil penelitian Mohamed Albaity dan Rubi Ahmad (2008). D. Uji Stasionaritas Data Langkah pertama dalam pembentukan model VAR adalah melakukan uji stsionaritas data. Jika data adalah stasioner pada tingkat level, maka peneliti akan menggunakan model VAR biasa (unrestricted VAR). Sebaliknya jika data tidak stasioner pada level tapi stasioner pada proses diferensi data, maka kita harus menguji apakah data mempunyai hubungan dalam jangka panjang atau tidak 79

dengan melakukan uji kointegrasi. Apabila terdapat kointegrasi maka model yang yang akan peneliti gunakan adalah model Vector Error Correction Model (VECM).. Uji Stasionaritas data yang peneliti lakukan adalah dengan menggunakan adalah uji akar unit Augmented Dickey-Fuller (ADF). Tabel 4.3 Uji ADF untuk JII dengan Konstanta pada Tingkat Level Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.074729 -4.004425 -3.098896 -2.690439

0.0718

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 09:05 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) D(JII(-7)) D(JII(-8))

-2.158358 1.097698 1.072528 0.700162 0.583522 0.631806 0.702995 0.479071 0.247148

1.040308 0.817403 0.535456 0.455466 0.443668 0.380049 0.325535 0.356091 0.285007

-2.074729 1.342909 2.003018 1.537245 1.315224 1.662433 2.159509 1.345359 0.867163

0.1297 0.2719 0.1389 0.2218 0.2799 0.1950 0.1196 0.2712 0.4496

80

D(JII(-9)) C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.212859 0.037360 0.999572 0.998146 0.373790 0.419157 4.694829 2.591842

0.183603 0.112653

1.159347 0.331638

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.3302 0.7620 -0.031056 0.730462 0.900739 1.402855 4.664590 0.115819

Pada Tabel 4.3, dalam uji ADF untuk JII dengan Konstanta pada Tingkat Level dapat kita lihat bahwa nilai statistik t pada output adalah sebesar -2.074729, masih lebih kecil daripada nilai kritik pada nilai statistik McKinon pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai Probabilitas sebesar 0.0718 masih lebih besar daripada nilai kritik α = 0,05 (0.0718 > 0,05). Hasil output tersebut menunjukkan bahwa data tidak stasioner. Tabel 4.4 Uji ADF untuk LQ45 dengan Konstanta pada Tingkat Level Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.301463 -3.959148 -3.081002 -2.681330

0.6936

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

81

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 09:06 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) D(LQ45(-7)) D(LQ45(-8)) C

-1.556639 0.667571 0.679606 0.749431 0.502725 0.648430 0.676100 0.544932 0.530143 0.060157

0.247028 0.229429 0.214125 0.213462 0.197348 0.184476 0.175087 0.156506 0.113918 0.057508

-6.301463 2.909710 3.173879 3.510839 2.547399 3.514982 3.861512 3.481864 4.653723 1.046061

0.0015 0.0334 0.0247 0.0171 0.0514 0.0170 0.0119 0.0176 0.0056 0.3434

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.964551 0.900744 0.206461 0.213131 10.62017 2.531551

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.129127 0.655328 -0.082689 0.089345 15.11654 0.004029

Dan pada table 4.4 uji ADF untuk LQ45 dengan Konstanta pada Tingkat Level, dapat kita lihat bahwa nilai statistik t pada output adalah sebesar -6.301463, masih lebih kecil daripada nilai kritik pada nilai statistik McKinon pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai Probabilitas sebesar 0.6936 masih lebih besar daripada nilai kritik α = 0,05 (0.6936 > 0,05). Hasil output tersebut menunjukkan bahwa data tidak stasioner.

82

Tabel 4.5 Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.854094 -3.886751 -3.052169 -2.666593

0.0718

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 09:07 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) C

-3.033181 1.336102 0.735725 0.367890 0.009168 -0.147295 -0.088491

1.062747 0.937434 0.764592 0.587660 0.383674 0.194409 0.168436

-2.854094 1.425275 0.962245 0.626026 0.023894 -0.757656 -0.525371

0.0171 0.1845 0.3586 0.5453 0.9814 0.4661 0.6108

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.928996 0.886393 0.689666 4.756395 -13.29531 2.455433

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.141811 2.046148 1.387683 1.730771 21.80615 0.000034

83

Sedangkan dari output yang dihasilkan pada uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference pada table 4.5, terlihat bahwa nilai statistik t sebesar -2.854094 sudah lebih besar daripada nilai t pada tabel McKinon pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitasnya sebesar 0.0008 sudah lebih kecil dari nilai kritik 0,05 (0.0008 < 0,05). Dengan demikian data telah stasioner pada diferensiasi tahap pertama (1st difference) dan hipotesis null dapat ditolak. Tabel 4.6

Uji ADF untuk LQ45 dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.069104 -4.057910 -3.119910 -2.701103

0.0002

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13

84

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 09:07 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) D(LQ45(-2),2) D(LQ45(-3),2) D(LQ45(-4),2) D(LQ45(-5),2) D(LQ45(-6),2) D(LQ45(-7),2) D(LQ45(-8),2) D(LQ45(-9),2) C

-2.684797 1.152478 1.172008 1.189882 0.951853 0.898892 0.976561 0.877278 0.803717 0.323601 0.017575

2.511260 2.073370 1.893423 1.698094 1.486851 1.141556 0.952546 0.800476 0.555740 0.432923 0.155479

-1.069104 0.555848 0.618989 0.700716 0.640181 0.787427 1.025211 1.095945 1.446212 0.747480 0.113035

0.3970 0.6342 0.5990 0.5560 0.5876 0.5135 0.4131 0.3875 0.2850 0.5327 0.9203

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.962614 0.775684 0.445996 0.397826 4.217290 2.420794

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.033830 0.941675 1.043494 1.521528 5.149591 0.173466

Dan dari output yang dihasilkan pada uji ADF untuk LQ45 dengan Konstanta pada Tingkat 1st Difference pada table 4.6, terlihat bahwa nilai statistik t sebesar -1.069104 sudah lebih besar daripada nilai t pada tabel McKinon pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitasnya sebesar 0,0002 sudah lebih kecil dari nilai kritik 0,05 (0,0002 < 0,05). Dengan demikian data telah stasioner pada diferensiasi tahap pertama (1st difference) dan hipotesis null dapat ditolak. 85

86

E. Uji Kointegrasi Sebagaimana dinyatakan oleh Engle-Granger (1983) keberadaan variabel non stsaioner menyebabkan kemungkinan besar adanya hubungan jangka panjang antara variabel di dalam sistim VAR. berkaitan dengan ini, maka langkah selanjutnyadi dalam estimasi VAR adalah uji kointegrasi unuk mengetahui keberadaan hubungan antar variabel. Pada langkah ini peneliti akan mengetahui apakah model ini merupakan VAR tingkat diferensiasi jika tidak ada kointegrasi dan VECM bila terdapat kointegrasi. Tabel 4.7 The Johansen and Juselius Cointegration Test Date: 08/06/10 Time: 09:13 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments Trend assumption: Linear deterministic trend Series: JII LQ45 Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None * At most 1 *

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

0.734407 0.221056

34.66332 5.495948

15.49471 3.841466

0.0000 0.0191

Trace test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

87

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s) None * At most 1 *

Eigenvalue

Max-Eigen Statistic

0.05 Critical Value

Prob.**

0.734407 0.221056

29.16738 5.495948

14.26460 3.841466

0.0001 0.0191

Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

Dari hasil uji kointegrasi yang peneliti lakukan, terdapat kointegrasi antara variabel JII dan LQ45 pada

=5%.. Hal ini membuktikan bahwa terdapat

hubungan jangka panjang antara JII dengan LQ45. Dengan kata lain, hanya ada satu persamaan kointegrasi atau satu persamaaan keseimbangan kointegrasi yang menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam jangka panjang. Selain itu, ini menunjukkan bahwa mekanisme penyaringan LQ45 mungkin tidak mempunyai efek pada perilaku temporal dibandingkan dengan JII. Dengan kata lain, yang menjatuhkan perusahaan yang tidak sesuai dengan proses seleksi tidak akan mempengaruhi tren bersama dengan JII. Hal ini bertentangan dengan Rudd (1981), yang menyarankan bahwa proses seleksi akan cenderung memaksakan risiko yang lebih dan biaya pada portofolio etis. Ini kembali akan menyebabkan investasi etis untuk memasukkan efek yang lebih sedikit.

88

F. Vector Error Cointegration Model (VECM) Berdasarkan hasil dari Uji Akar Unit dan Uji Kointegrasi yang telah dilakiukan, diketahui bahwa model yang tepat untuk menganalisis hubungan antara JII dan LQ45 adalah VECM. Panjang kelambanan optimal yang diperoleh berdasarkan kriteria AIC adalah 5. hasil estimasi model VECM ditampilkan pada tabel 4.8. Bagian atas merupakan hasil regresi jangka panjang hubungan JII dan LQ45 didasarkan pada uji kointegrasi. Bagian berikutnya menunjukkan hasil regresi VECM. Informasi seanjutnya merupakan informasi statistik untuk masingmasing persamaan dan bagian bawah adalah informasi statistik untuk system VAR secara menyeluruh. Angka yang dikurung pertama menunjukkan standar error dan angka kedua menunjukkan t hitung. Tabel 4.8 Vector Error Correction Estimates Vector Error Correction Estimates Date: 08/06/10 Time: 09:31 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

0.750939 (0.12271) [ 6.11959]

C

-0.115650

Error Correction:

D(JII)

D(LQ45)

89

CointEq1

D(JII(-1))

D(JII(-2))

D(JII(-3))

D(JII(-4))

D(JII(-5))

D(LQ45(-1))

D(LQ45(-2))

D(LQ45(-3))

D(LQ45(-4))

D(LQ45(-5))

C

-4.511381

0.042817

(1.57868)

(1.23637)

[-2.85770]

[ 0.03463]

3.314941

-0.209923

(1.38711)

(1.08634)

[ 2.38982]

[-0.19324]

2.638289

-0.587637

(1.20233)

(0.94163)

[ 2.19431]

[-0.62406]

1.992547

-0.656219

(0.97381)

(0.76266)

[ 2.04613]

[-0.86043]

0.836201

-0.312507

(0.72351)

(0.56663)

[ 1.15576]

[-0.55152]

0.492133

-0.232602

(0.36925)

(0.28918)

[ 1.33280]

[-0.80434]

2.202004

-1.063187

(1.16350)

(0.91122)

[ 1.89257]

[-1.16678]

1.475200

-0.529931

(0.98499)

(0.77141)

[ 1.49768]

[-0.68696]

0.738588

-0.413301

(0.59882)

(0.46897)

[ 1.23341]

[-0.88129]

-0.011734

-0.319500

(0.37053)

(0.29019)

[-0.03167]

[-1.10101]

-0.673252

-0.047556

(0.33345)

(0.26115)

[-2.01902]

[-0.18210]

-0.045308

0.047680

(0.17125)

(0.13412)

[-0.26457]

[ 0.35550]

90

R-squared

0.891355

0.816890

Adj. R-squared

0.692172

0.481188

Sum sq. resids

2.949289

1.808952

S.E. equation

0.701105

0.549083

F-statistic

4.475053

2.433378

Log likelihood

-9.261623

-4.862276

Akaike AIC

2.362403

1.873586

Schwarz SC

2.955984

2.467167

Mean dependent

0.047322

0.013660

S.D. dependent

1.263655

0.762312

Determinant resid covariance (dof adj.)

0.109740

Determinant resid covariance

0.012193

Log likelihood

-11.41997

Akaike information criterion

4.157774

Schwarz criterion

5.443867

Pada tabel 4.8 masing-masing lag yang digunakan dalam estimasi ini adalah 5 kelambanan berdasarkan kriteria informasi Akaike. Hanya signifikan lag yang dilaporkan dalam bagian ini yaitu lag 1 karena memiliki nilai absolute yang paling kecil. Karena koefisien adalah negatif, kesalahan positif cenderung menyebabkan JII menjadi negatif dan karenanya LQ45 jatuh. G. Analisis Dalam Model VAR Hasil estimasi VAR seringkali tdak memuaskan saat dilihat dari uji t. Kelambanan variabel endogen di dalam system VAR mungkin tidak signifikan secara statistic. Selain itu secara individual koefisien di dalam model VAR sulit diinterpretasikan. Oleh karenna itu, diperlukan analisis guna meminimalisir kekurangan-kekurangan dalam model VAR tersebut antara lain dengan Impulse Response, Variance Decomposition dan Granger Causality Test. 91

Tabel 4.9 The Impulse Responses

Accumulated Response of JII: Period

JII

LQ45

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

0.916816 1.145478 1.261656 1.749135 2.032278 2.308337 2.665965 2.973638 3.282733 3.609792 3.924712 4.240682 4.560561 4.877520 5.194887 5.513094 5.830604 6.148247 6.466068 6.783723 7.101418 7.419150 7.736843 8.054547

0.000000 -0.333075 -0.417575 -0.542850 -0.734619 -0.868243 -1.014245 -1.174238 -1.320516 -1.470363 -1.623088 -1.772606 -1.923107 -2.074186 -2.224520 -2.375117 -2.525825 -2.676362 -2.826968 -2.977594 -3.128181 -3.278785 -3.429393 -3.579992

JII

LQ45

-0.108131 -0.329749 -0.892847 -1.108995 -1.435446 -1.818991 -2.124490 -2.458716 -2.803906 -3.131155

0.388030 0.396843 0.576406 0.775736 0.900201 1.065095 1.232258 1.382660 1.543032 1.703299

Accumulated Response of LQ45: Period 1 2 3 4 5 6 7 8 9 10

92

11 12 13 14 15 16 17 18 19 20 21 22 23 24

-3.465847 -3.802514 -4.135092 -4.469564 -4.804358 -5.138228 -5.472573 -5.806961 -6.141142 -6.475440 -6.809741 -7.143995 -7.478279 -7.812561

1.859866 2.018862 2.177688 2.335706 2.494310 2.652841 2.811197 2.969694 3.128166 3.286601 3.445070 3.603530 3.761983 3.920444

Cholesky Ordering: JII LQ45

Karena secara individual koefisien di dalam model VAR sulit diinterpretasikan maka peneliti menggunakan Impulse Response untuk melacak respon endogen dalam sistem penghitungan VECM dari penelitian ini yang disebabkan oleh goncangan (shock) atau perubahan dalam variabel gangguan (e). Adanya shock variable gangguan

dalam nilai JII, misalnya mengalami

kenaikan sebesar satu deviasi standar, akan mempengaruhi nilai LQ45 saat ini maupun di masa mendatang. Begitu pula sebaliknya. Hasilnya dapat dilihat pada table 4.9 di atas. Nilai impulse response karena adanya shock suatu variable terhadap variable lain di dalam system VAR ditampilkan padakolom 1 dan 2. Misalnya pada bagian atas menunjukkan respon JII karena shock LQ45. Jika terjadi shock LQ45 maka nilai JII pada periode kedua sebesar -0.333075. pada bagian kedua menunjukkan respon LQ45 karena adanya shock variable JII dimana pada periode kedua nilainya sebesar 0.396843. 93

Grafik 4.1 The Impulse Responses

Accumulated Response to Cholesky One S.D. Innovations Accumulated Response of JII to JII

Accumulated Response of JII to LQ45

10

10

8

8

6

6

4

4

2

2

0

0

-2

-2

-4

-4 2

4

6

8

10 12 14 16 18 20 22 24

2

Accumulated Response of LQ45 to JII

6

8

10 12 14 16 18 20 22 24

Accumulated Response of LQ45 to LQ45

6

6

4

4

2

2

0

0

-2

-2

-4

-4

-6

-6

-8

4

-8 2

4

6

8

10 12 14 16 18 20 22 24

2

4

6

8

10 12 14 16 18 20 22 24

Setelah peneliti mengestimasi model VAR dengan VECM pada table 4.6, maka diperoleh hasil analisis respon variabel di dalam system VAR akibat shock variabel yang lain. Pada grafik 4.1 terdapat 4 grafik hasil Impulse Response dalam periode 24 bulan.

94

Tabel 4.10 Variance Decomposition

Variance Decomposition of JII: Period

S.E.

JII

LQ45

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

0.916816 1.001887 1.012134 1.130374 1.180970 1.220145 1.279831 1.325982 1.369367 1.415834 1.458454 1.499760 1.540861 1.580361 1.618908 1.656743 1.693613 1.729706 1.765099 1.799769 1.833787 1.867193 1.900006 1.932262

100.0000 88.94785 88.47349 89.53054 87.77159 87.34488 87.19630 86.61619 86.30973 86.07347 85.77893 85.55759 85.36379 85.17239 85.00777 84.85844 84.71866 84.59232 84.47600 84.36790 84.26816 84.17547 84.08899 84.00833

0.000000 11.05215 11.52651 10.46946 12.22841 12.65512 12.80370 13.38381 13.69027 13.92653 14.22107 14.44241 14.63621 14.82761 14.99223 15.14156 15.28134 15.40768 15.52400 15.63210 15.73184 15.82453 15.91101 15.99167

Variance Decomposition of LQ45: Period

S.E.

JII

LQ45

1 2 3 4 5 6 7 8 9

0.402815 0.459839 0.748848 0.804504 0.877091 0.971383 1.031920 1.095074 1.159337

7.205904 28.75680 67.38648 65.60393 69.04775 71.88362 72.46155 73.65994 74.58559

92.79410 71.24320 32.61352 34.39607 30.95225 28.11638 27.53845 26.34006 25.41441

95

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

1.215253 1.270185 1.323629 1.373983 1.422909 1.470344 1.516085 1.560569 1.603843 1.645935 1.686998 1.727087 1.766258 1.804583 1.842111

75.13128 75.71642 76.19491 76.57152 76.92171 77.22320 77.48343 77.71913 77.92864 78.11609 78.28643 78.44088 78.58163 78.71073 78.82936

24.86872 24.28358 23.80509 23.42848 23.07829 22.77680 22.51657 22.28087 22.07136 21.88391 21.71357 21.55912 21.41837 21.28927 21.17064

Cholesky Ordering: JII LQ45

Tabel 4.10 menampilkan hasil dekomposisi varians dari kedua seri selama 24 bulan. Analisis Variance Decompotition menggambarkan relatif pentingnya setiap variabel lain di dalam sistem VAR karena adanya shock. Analisis ini berguna untuk memprediksi kontribusi presentase varian setiap variabel karena adanya perbahan variabel tertentu di dalam sistim VAR. Dalam response of LQ45, LQ45 adalah yang paling eksogen karena total LQ45 memiliki nilai lebih tinggi dibandingkan dengan JII. Hal ini menunjukkan bahwa JII tidak berpengaruh, walaupun tidak signifikan secara statistic. Hasil menunjukkan bahwa, meskipun secara statistik tidak signifikan, JII adalah yang paling endogen, karena hingga 24 bulan, total pada response of JII menunjukkan bahwa JII memiliki total lebih tinggi dibandingkan dengan LQ45.

96

Pada periode 1 varian JII yang dijelaskan oleh variabel itu sendiri sebesar 100%. Periode 2 varian JII dijelaskan oleh variabelitu sendiri sebesar 88,94% sedangkan sisanya sebesar 11,05% dijelaskan oleh LQ45. Sementara itu, pada bagian kedua pada periode 1 varian LQ45 dijelaskan oleh variabel itu sendiri sebesar 92,79% sedangkan sisanya sebesar 7,20% dijelaskan oleh JII.

Grafik 4.2 Variance Decompostion Variance Decomposition Percent JII variance due to JII

Percent JII variance due to LQ45

100

100

80

80

60

60

40

40

20

20

0

0 2

4

6

8

10 12 14 16 18 20 22 24

2

Percent LQ45 variance due to JII

6

8

10 12 14 16 18 20 22 24

Percent LQ45 variance due to LQ45

100

100

80

80

60

60

40

40

20

20

0

4

0 2

4

6

8

10 12 14 16 18 20 22 24

2

4

6

8

10 12 14 16 18 20 22 24

97

Tahap terakhir adalah Uji Kausalitas Granger dengan tujuan menganalisis hubungan dua arah antar variabel. Panjang kelambanan dalam model kausalitas ini juga menggunakan kriteria Akaike hingga lag maksimum yaitu 6. Tabel 4.11 Granger Causality Test Uji Kausalitas Granger Kelambanan 1 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:44 Sample: 2008M01 2009M12 Lags: 1 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

Obs

F-Statistic

Probability

23

1.08364 2.12691

0.31031 0.16026

Obs

F-Statistic

Probability

22

1.15479 10.8464

0.33865 0.00192*

Uji Kausalitas Granger Kelambanan 2 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:45 Sample: 2008M01 2009M12 Lags: 2 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

98

Uji Kausalitas Granger Kelambanan 3 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:45 Sample: 2008M01 2009M12 Lags: 3 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

Obs

F-Statistic

Probability

21

0.70992 7.56420

0.56200 0.01302**

Obs

F-Statistic

Probability

20

0.84714 4.72593

0.52408 0.01029**

Obs

F-Statistic

Probability

19

0.98929 2.72342

0.47993 0.00924*

Uji Kausalitas Granger Kelambanan 4 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:46 Sample: 2008M01 2009M12 Lags: 4 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

Uji Kausalitas Granger Kelambanan 5 Pairwise Granger Causality Tests Date: 06/07/10 Time: 22:03 Sample: 2008M01 2009M12 Lags: 5 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

99

Uji Kausalitas Granger Kelambanan 6 Pairwise Granger Causality Tests Date: 06/07/10 Time: 22:05 Sample: 2008M01 2009M12 Lags: 6 Null Hypothesis: LQ45 does not Granger Cause JII JII does not Granger Cause LQ45

Obs

F-Statistic

Probability

18

0.04500 1.96655

0.22482 0.00079*

Obs

F-Statistic

Probability

17

7.46729 1.12648

0.12315 0.00054*

Uji Kausalitas Granger Kelambanan 7 Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:54 Sample: 2008M01 2009M12 Lags: 7 Null Hypothesis: JII does not Granger Cause LQ45 LQ45 does not Granger Cause JII *,** dan *** menunjukkan signifikansi pada

=1%

=5% dan

=10%

Tabel 4.11 merangkum hasil dari setiap variabel kausalitas dimana pada penelitian ini tujuan dari uji kausalitas yang telah dilakukan adalah untuk mencari hubungan sebab akibat antar variabel endogen dalam sistem VAR. Ada atau tidaknya kausalitas ini diuji melalui uji F atau dilihat dari nilai probabilitasnya.. Dalam penelitian ini, pada lag 1 tidak terdapat kausalitas sama sekali antara variabel. Sedangkan

pada lag 2 hingga lag 7 hasilnya sama yaitu terdapat

kausalitas satu arah dari JII ke LQ45.

100

H. Interpretasi Pada hipotesis pertama, peneliti menganalisa perbedaan keseimbangan risiko dan pengembalian (risk-return tradeoff) saham dari indeks saham syariah dan konvensional yaitu Jakarta Islamic Index dan LQ45 pada Bursa Efek Indonesia (BEI). Hasilnya adalah terdapat perbedaan keseimbangan risiko dan pengembalian (risk-return tradeoff) saham dari kedua indeks tersebut. Hal ini dibuktikan dari hasil penghitungan Risk Adjusted Performance, peneliti menemukan hasil yang menunjukkan resiko pengembalian yang disesuaikan untuk masing-masing indeks menggunakan empat pengukuran yang berbeda. Indeks utama adalah IHSG yang terdiri dari semua indeks yang ada dalam bursa efek Indonesia. Pengukuran pertama adalah sharpe ratio, yang digunakan untuk mempertimbangkan resiko sistematis dan tidak sistematis. Hasil dari penelitian ini menunjukkan LQ45 memiliki tingkat pengembalian yang disesuaikan lebih kecil dari pada JII. Dalam pengukuran yang kedua, yaitu Treynor Indeks, hasil penelitian menunjukkan bahwa tingkat pengembalian LQ45 lebih kecil dari JII. Dalam kasus ini, LQ45 menghasilkan tingkat pengembalian yang lebih rendah dari JII. Beta menunjukkan bahwa LQ45 memiliki resiko yang lebih tinggi dari pada JII. Selanjutnya eSDAR memperlihatkan hasil perhitungan lainnya,dimana LQ45 menghasilkan pengembalian yang lebih redah sebesar daripada JII sebesar.

Pada hipotesis kedua, peneliti menganalisa hubungan jangka panjang diantara Jakarta Islamic Index dengan LQ45. Dari hasil uji kointegrasi yang 101

peneliti lakukan, terdapat kointegrasi antara variabel JII dan LQ45 pada

=5%..

Hal ini membuktikan bahwa terdapat hubungan jangka panjang antara JII dengan LQ45. Dengan kata lain, hanya ada satu persamaan kointegrasi atau satu persamaaan keseimbangan kointegrasi yang menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam jangka panjang. Berdasarkan hasil dari Uji Akar Unit dan Uji Kointegrasi yang telah dilakiukan, diketahui bahwa model yang tepat untuk menganalisis hubungan antara JII dan LQ45 adalah VECM dan hasil yang didapat adalah terdapat hubungan jangka panjang diantara Jakarta Islamic Index dengan LQ45.

102

DAFTAR PUSTAKA Albaity, dan Ahmad, R. “Performance of Syariah and Composite Indices : Evidence from Bursa Malaysia.” Malaysian Management Journal, 2008. Kurniawan, Todi. “Voltalitas Saham Syariah (Analisis Atas Jakarta Islamic Index)”. KARIM Review Special Edition, January 2008. Siahaan , Hinsa. “Analisis Risiko dan Pengembalian Satu Saham dan Analisa Portofolio Dua Saham”. Badan Kebijakan Fiskal Keuangan RI, Maret 2007. Agustianto . “Pasar Modal Syaiah”. Artikel pada www.pesantrenvirtual.com, 2008. Hakim, S. dan Rashidian, M. “Risk and Return of Islamic Stock Market Indexes", Presented at the International Seminar of Nonbank Financial Institutions: Islamic Alternatives, Kuala Lumpur, Malaysia. 2002 : 10 www.idx.co.id Bodie, Kane, Marcus. “ Investments”. CFA Editions, 1991 Rodoni, A, dan Hamid, A. “Lembaga Keuangan Syariah”. Jakarta : Zikrul Hakim, 2008 Widarjono, Agus. “Ekonometrika, Teori dan Aplikasi Untuk Ekonomi dan Bisnis” Edisi Kedua. Rulindo, R, dan Kurniawan, T. “Hubungan Risiko dan Imbal Hasil dari IHSG dan JII”. Journal Riset Bisnis dan Manajemen, 2006. Ahmad, Z, dan Ibrahim, H. (2002). “ A Study of The Performance of The KLSE Syari'ah Index”. Malaysian Management Journal, 6(1), 25–34. Syauqi Beik, Irfan. “Prinsip Pasar Modal Islami”. Republika , 2003. Achsien, H Iggi.” Investai Syari’ah di Pasar Modal “. Jakarta: Gramedia, 2003. Metwally. M.M, Prof. DR. “Teori dan Model Ekonomi Islam”. PT. Bankit Daya Insana, Jakarta, 1995. Adiwarman, A. Karim, “Sejarah Pemikiran Ekonomi Islam” . Jakarata: Gema Insani Press, 2008.

103

Rodoni, Ahmad dan Yong, Othman. “Analisis Investasi dan Portfolio”. Murai Kencana, Jakarta. 2001. Suad, Husnan. “Dasar-Dasar Teori Portfolio dan Analisis”. Edisi 3, AMP YKPN, Yogyakarta. 2001. Tjahjono, Heru. K. “Pengaruh Kurs dan Suku Bunga Terhadap Indeks Harga Saham LQ45 : Pendekatan Kesalahan”. JESP, Vol.1, 2004. Wahyu, Wing, Winarno.”Analisis Ekonometrika dan Statistika Eviews”.Cetakan Pertama, STIM YKPN, Yogyakarta. 2007.

dengan

Nachrowi, dan Hardius, Usman. “Pendekatan Populer dan Prektisi Ekonometrika untuk Analisis Ekonomi dan Keuangan”.Lembaga Penerbit Fakultas Ekonom UI. Jakarta. 2006 Huda, N dan M. E. Nasution.”Investasi pada Pasar Modal Syariah”. Edisi 1. Penerbit Kencana,Jakarta. 2007 Hamid, Abdul. “Panduan Penulisan Skripsi”. Jakarta : FEIS UIN Syarif HIdayatullah Press, 2007. Suharyadi, dan Purwanto. “Statistik Untuk Ekonomi dan Keuangan Modern”. Salemba Empat. 2004. Sartono, Agus. “Manajemen Keuangan Teori dan Aplikasi”. Edisi Ke Empat, BPFE, Yogyakarta. 2001. Mulyono, Sri. “Statistika untuk Ekonomi”. Edisi 2. Lembaga Penerbit FEUI. Jakarta. 2003. Kewon, J. Arthur dkk. “Manajemen Keuangan : Prinsip-Prinsip dan Aplikasi”. Edisi 9. PT.Indeks, Jakarta, 2004. Halim, Abdul. “Analisis Investasi”.Edisi Ke-2, Salemba Empat, Jakarta, 2005. Alwi, Iskandar. “Pasar Modal Teori dan Aplikasi”. Nasindo Internusa. Jakarta. 2003. Darmaji, Tjiptono dan M. Hendy. “Pasar Modal di Indonesia”. Salemba Empat. Jakarta. 2001. Jogiyanto. “Teori Portfolio dan Analisis Investasi”. Edisi II. BPFE, Yogyakarta, 2000. Samsul, Muhammad. “Pasar Modal dan Manajemen Portfolio”. Erlangga. 2006. 104

Sartono, Agus. “Manajemen Keuangan Teori dan Aplikasi”. BPFE, Yogyakarta. 2001. Rusdin.”Pasar Modal”. Cetakan Kesatu, Bandung, Alfabeta, 2006. Bungin, Burhan. “Metodologi Penelitian Kuantitatif : Komunikasi, Ekonomi dan Kebijakan Publik serta Ilmu-Ilmu Sosial Lainnya”. Kencana : Jakarta. 2008. Charles P. Jones. “Investment Analysis and Management”. 9th Edition. New York : Johm Wiley and Sons, 2004. Fakhruddin, dan Sopian. M. Hadianto. “Perangkat dan Model Analisis Investasi di Pasar Modal”. Buku I. Elex Media Komputindo, 2001. Darmadji, Tjiptono dan Fakhruddin, H. M. “Pasar Modal di Indonesia”. Jakarta : Penerbit Salemba Empat. 2001. www.republika.co.id (2006) www.islamiconomics.wordpress.com Fatwa Dewan Syari’ah Nasional No : 32/DSN-MUI/IX/2002

105

Lampiran I

106

107

108

Return Investment JII Periode 2008

2008

AALI

ANTR

Feb

0.071920628 0.024691244

Mar

Jan

BMTR

0.1470591

BUMI

-0.03883495 0.117647

-0.01205

-0.011111111

-0.20747676

-0.09352733

-0.1066667

Apr

0.0172423

0.00729895

-0.0153846 0.056452

Mei

-0.03703549

-0.0614286 0.006249

Agu

0.001894031 0.027778015 0.022988641 0.013736346

Sep

0.36603771

Jun Jul

-0.03876136 0 -0.015625 -0.28082192

Okt

0.070797281 0.106382979

Nov

0.290076606

Des

CTRA

ELTY

INCO

-0.06494 0.068966

0.02381

-0.03145 0.128571 0.080645 0.016129 -0.15891

-0.225

-0.17593

-0.09091

-0.0101 0.052632 0.015748 -0.10909

0

-0.06154

-0.08537

-0.02469

-0.01408

-0.03306

-0.01282051 1.835499

-0.01961

-0.02677 1.051703

0.16666667 0.009174 0.011111

0 0.807691

-0.07368421

-0.1

-0.47647

-0.18421

-0.41304 0.164886

-0.07692 0.166667

0.59375

-0.08333 0.211808

0

-0.027027

-0.58776

-0.055

0 0.018691589

0.0526316

-0.02151 0.016575

-0.2

-0.04061

-0.0137 0.501677

109

Return Investment JII Periode 2009

2009

AALI

ANTR

BMTR

BUMI

INCO

0.01395317

Feb

0.061982893

Mar

0.091227656 0.061946903

0.10062893 0.071429 0.026316 0.117647 0.182796

Apr

0.085173496 0.07874016 0.040431446 0.042105263 0.002857143 -0.05853659

0.0726257 0.178295 0.178295 0.173611 0.137931

Jun Jul

0 0.085106 0.052632 0.064516129 0.012821

ELTY

Jan

Mei

0.04716981

CTRA

0.0795455

-0.0205128 0.20689655

-0.02

0.08 0.090909 0.020619 -0.03125

-0.03027 0.035714

-0.01786 0.134615 0.043478

-0.04255 0.027397 0.051724

0

-0.01408451 0.365854 0.093333 0.109375

0.02994

Agu

0.078218891 0.032407407

0.05376344

-0.0606061

Sep

0.36603771

0.05

-0.046875

Okt

0.070797281

-0.11650485

-0.18518519

Nov

0.081081081 0.055555556

0 0.073684 0.076923

Des

0.024774775 0.047619048

0

-0.03361

-0.07595

-0.01408

0

-0.06818 1.807692

-0.04054 0.038216

-0.13636

-0.15385 0.043478

-0.06593

-0.1

-0.06122

0

0 0.066298 0.028902

110

Return Investment LQ45 Periode 2008

2008 Jan

KIJA

KLBF 0 0.024996

PTBA

TLKM

-0.02979

-0.00535

TRUB

UNTR

UNSP

-0.015504

0.163974

0.068966

Feb

-0.04918

-0.08695

-0.03376

-0.0297

-0.016807

0.011868

0.011868

Mar

-0.11594

-0.0606

-0.08458

-0.0359

0.0120482

-0.17151

-0.17593

Apr

0.084906

-0.01098 0.055556 0.034682

0.0731707

0.173356

0.052632

Mei

0.007042

-0.05814

-0.044944

0.14399

0

Jun

-0.08462

-0.02354 0.118774 0.006849

-0.02439

-0.17648

-0.01408

Jul

-0.01504

-0.0129

-0.635765

-0.06704

-0.02677

Agu

0.017094

-0.04724 0.066176 0.019108

-0.05

-0.02359

0

Sep

-0.41489

-0.18462

Okt

0.06

0 0.118774 0.13913 0.034221 -0.47236

-0.09155

-0.28481

-0.35751

-0.41304

-0.09877 0.190217

-0.08475

-0.035714

-0.02326

-0.08333

Nov

0 0.037975 0.277778 0.063636

0

0

-0.2

Des

0 0.012658 0.022222 0.014706

0

0

-0.0137

111

Return Investment LQ45 Periode 2009 2009

KIJA

KLBF

PTBA

Jan

0 0.068966 0.057143

Feb

0

0

Mar

0

-0.01538

Apr

0

TLKM

TRUB

UNTR

UNSP

-0.02326

0

0.074468

0.090909

-0.04

0.008

0

0.019048

-0.03027

-0.00704

-0.05921

0

-0.08029

0.117647

0.1 0.063953 0.076389

0.0243902

0.273973

0.173611

Mei

0.136364 0.011494 0.022727 0.006757

-0.1158537

0.030457

0.134615

Jun

0.037383

-0.03797 1.131579

-0.067416

-0.00985

0.051724

0.13913 0.119342 0.046784

0.0233918

0.030457

0.109375

Jul

0.07377

Agu

-0.05263

Sep

-0.03922

-0.04724

-0.01527

-0.0289

-0.023392

-0.01471

-0.01408

-0.02222

0.07377 0.003534

-0.01156

-0.005952

-0.023569

-0.04054

Okt

-0.08594

-0.05426 0.016722

-0.0289

-0.148649

-0.0566

-0.15385

Nov

0.050847

0.016 0.136076 0.057143

0.0687023

0.041096

-0.06122

Des

0.017094

0.0413223

0.016393

0.066298

0 0.014706

-0.00571

112

Return Investment, Mean dan Standar Deviasi JII 2008-2009 Perode

Ri JII 2008

2009

Jan

0.181791722

0.375690351

Feb

0.146046274

-0.504707526

Mar

-1.05842459

-0.943693908

Apr

0.123887332

-0.040494298

Mei

-0.260951689

-0.418148947

Jun

-0.297420843

-0.042488692

Jul

2.805013199

0.400716171

Agu

0.965281636

0.056447048

Sep

-0.923618798

-0.034724128

Okt

0.98915493

0.10578983

Nov

-0.620315494

-0.13726887

Des

0.554369813

0.554369813

0.217067791

-0.052376096

Mean

0.082345847

Sdev

0.761856617

113

Return Investment , Mean dan Standar Deviasi LQ45 2008-2009 Periode

Ri LQ45 2008

2009

Jan

0.207292

0.268226

Feb

-0.143481

-0.043222

Mar

-0.5164718

-0.044273

Apr

0.3784167

0.7123162

Mei

0.15968

0.0901963

Jun

-0.112867

1.028847

Jul

-0.569124

0.4684798

Agu

-0.035546

-0.143592

Sep

-1.80389

-0.004317

Okt

-0.135607

-0.425537

Nov

0.179389

0.2577973

Des

0.035886

0.1330093

-0.196360258

0.191494242

Mean

-0.002433008

Sdev

0.504896983

114

Return Market , Mean dan Standar Deviasi IHSG 2008-2009 Rm IHSG

Periode

2008

2009

Jan

-0.54029

-0.01733

Feb

0.321207

-0.01578

Mar

-0.10178

0.122785

Apr

0.052506

0.091339

Mei

0.016463

0.178369

Jun

-0.02193

0.086238

Jul

-0.03542

0.070002

Agu

-0.06213

0.069248

Sep

-0.11829

0.028864

Okt

-0.38731

0.010223

Nov

-0.02038

-0.12878

Des

0.164335

0.034846

Average

-0.06109

0.044169

mean

-0.00846

median

-0.00846

Var

0.030236

St.Dev

0.173885

115

Sertifikat Bank Indonesia 2008-2009

SBI periode

2008

2009

Jan

0.08

0.09

Feb

0.08

0.08

Mar

0.08

0.08

Apr

0.08

0.08

Mei

0.08

0.07

Jun

0.09

0.07

Jul

0.09

0.07

Agu

0.09

0.07

Sep

0.09

0.07

Okt

0.10

0.07

Nov

0.10

0.07

Des

0.09

0.07

Mean

0.09

0.07

Sdev

0.08

116

Beta Saham JII Periode

Beta JII 2008

2009

Jan

0.7155714

0.568857143

Feb

0.9921429

0.659142857

Mar

0.9591429

0.540857143

Apr

1.0864286

0.699857143

Mei

0.9872857

0.607428571

Jun

1.0812857

0.639

Jul

1.0544286

0.638285714

Agu

1.0967143

0.675571429

Sep

1.0884286

0.673142857

Okt

1.0978571

0.686

Nov

1.1484286

0.646

Des

1.1604286

0.480428571

Average

0.8326131

Max

1.1604286

Min

0.8326131

117

Beta Saham LQ45 Beta LQ45 2008

2009

Jan

1.084

0.37785714

Feb

0.9922857

0.40142857

Mar

1.2001429

0.41457143

Apr

1.0467143

0.48071429

Mei

1.0921429

0.60028571

Jun

1.0465714

0.64914286

Jul

1.0635714

0.866

Agu

0.9985714

0.867

Sep

0.9871429

0.80514286

Okt

1.0062857

0.81857143

Nov

1.0141429

0.75657143

Des

0.9988571

0.78285714

1.0442024

0.65167857

Average

0.8479405

Max

1.2001429

Min

0.3778571

118

Uji ADF untuk JII dengan Konstanta pada Tingkat Level Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.671967 -3.769597 -3.004861 -2.642242

0.0124

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:07 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) C

-1.213415 0.154112 0.089195

0.330454 0.228700 0.184770

-3.671967 0.673859 0.482737

0.0016 0.5085 0.6348

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.533299 0.484173 0.860952 14.08354 -26.31025 1.833885

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.018560 1.198745 2.664569 2.813347 10.85565 0.000718

119

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.315018 -3.788030 -3.012363 -2.646119

0.1766

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:11 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) C

-0.994050 -0.031536 -0.167560 0.127558

0.429392 0.331412 0.229649 0.188295

-2.315018 -0.095158 -0.729637 0.677436

0.0334 0.9253 0.4755 0.5072

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.566574 0.490087 0.854064 12.40022 -24.26622 1.847740

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.076800 1.196030 2.692021 2.890978 7.407459 0.002201

120

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.909929 -3.808546 -3.020686 -2.650413

0.0619

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:12 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) C

-1.389376 0.435090 0.240213 0.398124 0.155811

0.477460 0.416664 0.321413 0.226446 0.188830

-2.909929 1.044223 0.747365 1.758137 0.825140

0.0108 0.3129 0.4664 0.0991 0.4222

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.623813 0.523497 0.827843 10.27987 -21.72333 1.870787

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.021524 1.199265 2.672333 2.921266 6.218449 0.003713

121

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.089959 -3.831511 -3.029970 -2.655194

0.2502

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:13 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) C

-1.310019 0.396978 0.131246 0.310339 -0.095744 0.182518

0.626815 0.511515 0.452528 0.343137 0.261299 0.206534

-2.089959 0.776083 0.290029 0.904416 -0.366415 0.883719

0.0568 0.4516 0.7764 0.3822 0.7199 0.3929

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.639484 0.500824 0.867755 9.788981 -20.65961 2.021766

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.042912 1.228203 2.806274 3.104518 4.611881 0.012199

122

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.596534 -3.857386 -3.040391 -2.660551

0.4638

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:14 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) C

-1.253034 0.319670 0.086939 0.229630 -0.157438 -0.074674 0.191662

0.784846 0.684128 0.566250 0.491227 0.383810 0.284329 0.234282

-1.596534 0.467267 0.153534 0.467462 -0.410197 -0.262632 0.818083

0.1387 0.6494 0.8808 0.6493 0.6895 0.7977 0.4307

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.643287 0.448716 0.938245 9.683338 -19.96121 1.371327

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.047322 1.263655 2.995690 3.341945 3.306188 0.041170

123

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.951363 -3.886751 -3.052169 -2.666593

0.3032

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:15 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) C

-1.104402 0.240253 0.174473 0.209239 0.102411 0.123290 0.283233 0.026772

0.565964 0.512272 0.448739 0.368181 0.322445 0.251195 0.185370 0.160125

-1.951363 0.468995 0.388808 0.568304 0.317607 0.490813 1.527931 0.167193

0.0828 0.6502 0.7065 0.5837 0.7580 0.6353 0.1609 0.8709

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.806393 0.655809 0.609398 3.342298 -10.29624 3.052321

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.132391 1.038727 2.152499 2.544599 5.355117 0.011665

124

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.811921 -3.920350 -3.065585 -2.673459

0.0123

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:16 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) D(JII(-7)) C

-1.834402 0.320290 0.373230 0.422464 0.286290 0.331531 0.471216 0.324234 -0.018474

0.481228 0.404975 0.369468 0.322558 0.266682 0.230980 0.181661 0.148039 0.118057

-3.811921 0.790889 1.010183 1.309732 1.073528 1.435326 2.593930 2.190200 -0.156487

0.0066 0.4550 0.3460 0.2316 0.3186 0.1943 0.0357 0.0647 0.8801

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.907076 0.800877 0.433650 1.316368 -2.721319 1.407144

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.025682 0.971805 1.465165 1.899746 8.541298 0.005242

125

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.123609 -3.959148 -3.081002 -2.681330

0.2389

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:16 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) D(JII(-7)) D(JII(-8)) C

-1.580664 0.298976 0.602738 0.626089 0.473766 0.463145 0.604829 0.390874 0.077291 0.049623

0.744329 0.493425 0.359551 0.336594 0.307571 0.245231 0.224079 0.219756 0.167145 0.105738

-2.123609 0.605920 1.676365 1.860073 1.540347 1.888607 2.699172 1.778673 0.462418 0.469305

0.0871 0.5710 0.1545 0.1220 0.1841 0.1176 0.0428 0.1354 0.6632 0.6586

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.934975 0.817929 0.368880 0.680363 1.914762 1.639419

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.098533 0.864500 1.078032 1.550065 7.988127 0.017019

126

127

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.074729 -4.004425 -3.098896 -2.690439

0.0718

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:17 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) D(JII(-7)) D(JII(-8)) D(JII(-9)) C

-2.158358 1.097698 1.072528 0.700162 0.583522 0.631806 0.702995 0.479071 0.247148 0.212859 0.037360

1.040308 0.817403 0.535456 0.455466 0.443668 0.380049 0.325535 0.356091 0.285007 0.183603 0.112653

-2.074729 1.342909 2.003018 1.537245 1.315224 1.662433 2.159509 1.345359 0.867163 1.159347 0.331638

0.1297 0.2719 0.1389 0.2218 0.2799 0.1950 0.1196 0.2712 0.4496 0.3302 0.7620

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.999572 0.998146 0.373790 0.419157 4.694829 2.591842

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.031056 0.730462 0.900739 1.402855 4.664590 0.115819

128

Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 10 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-13.22954 -4.057910 -3.119910 -2.701103

0.0578

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:18 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

JII(-1) D(JII(-1)) D(JII(-2)) D(JII(-3)) D(JII(-4)) D(JII(-5)) D(JII(-6)) D(JII(-7)) D(JII(-8)) D(JII(-9)) D(JII(-10)) C

-4.071135 2.828921 2.376137 1.595868 1.331733 1.397331 1.423566 1.107329 0.898057 0.736753 0.334953 0.116897

0.307731 0.246586 0.197195 0.155279 0.117843 0.110810 0.101740 0.099056 0.089731 0.067402 0.041900 0.024090

-13.22954 11.47236 12.04967 10.27739 11.30094 12.61012 13.99219 11.17877 10.00830 10.93076 7.994113 4.852605

0.0480 0.0554 0.0527 0.0617 0.0562 0.0504 0.0454 0.0568 0.0634 0.0581 0.0792 0.1294

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.998821 0.985857 0.070803 0.005013 32.64807 2.299072

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.090360 0.595360 3.176626 2.655134 77.04279 0.088653

129

130

Uji ADF untuk LQ45 dengan Konstanta pada Tingkat Level Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.481667 -3.769597 -3.004861 -2.642242

0.1331

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:19 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) C

-0.751388 -0.142179 -0.000723

0.302776 0.227327 0.120118

-2.481667 -0.625439 -0.006018

0.0226 0.5391 0.9953

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.450069 0.392182 0.562737 6.016789 -16.95527 1.980314

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.012568 0.721803 1.814116 1.962894 7.774902 0.003411

131

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.050979 -3.788030 -3.012363 -2.646119

0.2647

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:19 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) C

-0.736473 -0.172198 -0.008856 0.025001

0.359084 0.317929 0.241064 0.126792

-2.050979 -0.541623 -0.036739 0.197180

0.0560 0.5951 0.9711 0.8460

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.469799 0.376234 0.579977 5.718353 -16.13887 1.877995

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.030928 0.734345 1.917988 2.116944 5.021109 0.011303

132

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.100512 -3.808546 -3.020686 -2.650413

0.2464

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:20 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) C

-0.861540 -0.003898 0.196895 0.204566 0.004076

0.410157 0.373341 0.331213 0.246543 0.132859

-2.100512 -0.010442 0.594467 0.829739 0.030679

0.0530 0.9918 0.5611 0.4197 0.9759

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.472364 0.331661 0.593136 5.277158 -15.05532 2.004677

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.012270 0.725531 2.005532 2.254465 3.357171 0.037569

133

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.643891 -3.831511 -3.029970 -2.655194

0.4420

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:22 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) C

-0.817040 -0.059346 0.166359 0.173469 -0.051506 -0.009836

0.497016 0.439149 0.401190 0.356945 0.268633 0.144999

-1.643891 -0.135139 0.414663 0.485982 -0.191735 -0.067838

0.1242 0.8946 0.6851 0.6351 0.8509 0.9469

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.478846 0.278403 0.631782 5.188938 -14.62969 1.977743

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.001404 0.743738 2.171546 2.469790 2.388932 0.095620

134

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.080851 -3.857386 -3.040391 -2.660551

0.6995

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:22 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) C

-0.625540 -0.243047 0.058268 0.015629 -0.256964 -0.214100 0.010627

0.578748 0.527944 0.463514 0.428384 0.384570 0.292342 0.157549

-1.080851 -0.460366 0.125708 0.036482 -0.668186 -0.732361 0.067451

0.3029 0.6542 0.9022 0.9716 0.5178 0.4793 0.9474

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.506222 0.236888 0.665928 4.878055 -13.79027 1.933915

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.013660 0.762312 2.310030 2.656285 1.879533 0.172538

135

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.049138 -3.886751 -3.052169 -2.666593

0.7101

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:23 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) C

-0.671262 -0.226242 0.127840 0.142925 -0.226442 -0.204454 0.074391 0.056111

0.639823 0.623984 0.552689 0.489961 0.466408 0.452675 0.337470 0.167748

-1.049138 -0.362577 0.231306 0.291707 -0.485503 -0.451657 0.220437 0.334492

0.3215 0.7253 0.8223 0.7771 0.6389 0.6622 0.8305 0.7457

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.572442 0.239897 0.676912 4.123890 -12.08242 1.928844

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.041302 0.776419 2.362637 2.754738 1.721398 0.219879

136

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.161572 -3.920350 -3.065585 -2.673459

0.7454

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:24 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) D(LQ45(-7)) C

-0.871779 0.003192 0.417195 0.384670 -0.065393 0.029904 0.386343 0.279952 0.014307

0.750516 0.727949 0.690883 0.615118 0.558160 0.563604 0.522178 0.365688 0.192256

-1.161572 0.004385 0.603857 0.625360 -0.117159 0.053058 0.739870 0.765548 0.074419

0.2835 0.9966 0.5650 0.5516 0.9100 0.9592 0.4834 0.4690 0.9428

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.601016 0.145035 0.731491 3.745555 -11.08687 1.578634

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.010535 0.791106 0.367251 1.635247 1.318072 0.364376

137

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.301463 -3.959148 -3.081002 -2.681330

0.6634

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:27 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) D(LQ45(-7)) D(LQ45(-8)) C

-1.556639 0.667571 0.679606 0.749431 0.502725 0.648430 0.676100 0.544932 0.530143 0.060157

0.247028 0.229429 0.214125 0.213462 0.197348 0.184476 0.175087 0.156506 0.113918 0.057508

-6.301463 2.909710 3.173879 3.510839 2.547399 3.514982 3.861512 3.481864 4.653723 1.046061

0.0015 0.0334 0.0247 0.0171 0.0514 0.0170 0.0119 0.0176 0.0056 0.3434

0.964551 0.900744 0.206461 0.213131 10.62017 2.531551

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.129127 0.655328 2.510858 2.945439 15.11654 0.004029

138

139

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.332119 -4.004425 -3.098896 -2.690439

0.6936

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:29 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) D(LQ45(-7)) D(LQ45(-8)) D(LQ45(-9)) C

-2.068682 0.887927 0.918061 0.989509 0.781679 0.849676 0.903412 0.790507 0.749505 0.214391 0.070532

0.887040 0.422467 0.450249 0.444967 0.475981 0.364457 0.411224 0.419039 0.346347 0.319133 0.083946

-2.332119 2.101768 2.039006 2.223780 1.642247 2.331350 2.196884 1.886474 2.164028 0.671791 0.840211

0.1020 0.1264 0.1342 0.1126 0.1991 0.1020 0.1155 0.1557 0.1191 0.5498 0.4625

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.947368 0.971926 0.246883 0.182853 10.50175 2.445248

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.019187 0.516955 -0.082689 0.089345 5.399900 0.095948

140

Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 10 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-4.046990 -4.057910 -3.119910 -2.701103

0.0102

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:29 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

LQ45(-1) D(LQ45(-1)) D(LQ45(-2)) D(LQ45(-3)) D(LQ45(-4)) D(LQ45(-5)) D(LQ45(-6)) D(LQ45(-7)) D(LQ45(-8)) D(LQ45(-9)) D(LQ45(-10)) C

-4.945028 3.498906 2.133240 2.381996 2.217977 2.373258 2.053995 2.036737 2.045097 1.249544 0.867804 0.107018

1.221903 1.032893 0.536260 0.594241 0.617085 0.618435 0.503300 0.537641 0.534832 0.438030 0.328994 0.057189

-4.046990 3.387483 3.977993 4.008465 3.594282 3.837521 4.081054 3.788286 3.823809 2.852648 2.637751 1.871307

0.1542 0.1827 0.1568 0.1556 0.1728 0.1623 0.1530 0.1643 0.1628 0.2146 0.2307 0.3124

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

0.993227 0.918724 0.151302 0.022892 22.77617

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic

-0.003568 0.530717 1.657872 1.136381 13.33130

141

Durbin-Watson stat

3.551078

Prob(F-statistic)

0.210750

142

Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.593258 -3.788030 -3.012363 -2.646119

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:42 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) C

-2.193221 0.510571 0.065742

0.332646 0.195552 0.207740

-6.593258 2.610922 0.316464

0.0000 0.0177 0.7553

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.808766 0.787517 0.951882 16.30943 -27.14353 1.849045

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.090291 2.065006 2.870812 3.020030 38.06267 0.000000

143

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.020606 -3.808546 -3.020686 -2.650413

0.0500

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:43 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) C

-1.966774 0.349418 -0.090829 0.050055

0.651119 0.460142 0.242599 0.224414

-3.020606 0.759369 -0.374400 0.223049

0.0081 0.4587 0.7130 0.8263

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.798326 0.760512 1.002590 16.08299 -26.19907 1.888567

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.024534 2.048715 3.019907 3.219053 21.11198 0.000008

144

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.577732 -3.831511 -3.029970 -2.655194

0.0169

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:43 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) C

-2.817850 1.248379 0.597996 0.417477 0.070465

0.787608 0.669561 0.451508 0.235167 0.222153

-3.577732 1.864475 1.324440 1.775240 0.317190

0.0030 0.0834 0.2066 0.0976 0.7558

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.830689 0.782314 0.966512 13.07803 -23.41153 2.225244

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.056657 2.071534 2.990687 3.239224 17.17200 0.000027

145

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.218503 -3.857386 -3.040391 -2.660551

0.0356

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:44 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) C

-3.618393 1.928623 1.228748 0.867596 0.282585 0.072422

1.124247 0.954628 0.771869 0.494565 0.268571 0.235955

-3.218503 2.020289 1.591913 1.754262 1.052178 0.306931

0.0074 0.0663 0.1374 0.1049 0.3134 0.7642

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.845408 0.780995 0.996960 11.92716 -21.83691 1.481939

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.040450 2.130351 3.092990 3.389781 13.12478 0.000162

146

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.854094 -3.886751 -3.052169 -2.666593

0.0718

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:45 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) C

-3.033181 1.336102 0.735725 0.367890 0.009168 -0.147295 -0.088491

1.062747 0.937434 0.764592 0.587660 0.383674 0.194409 0.168436

-2.854094 1.425275 0.962245 0.626026 0.023894 -0.757656 -0.525371

0.0171 0.1845 0.3586 0.5453 0.9814 0.4661 0.6108

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.928996 0.886393 0.689666 4.756395 -13.29531 2.455433

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.141811 2.046148 1.387683 1.730771 21.80615 0.000034

147

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.669942 -3.920350 -3.065585 -2.673459

0.1006

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:46 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) D(JII(-6),2) C

-4.025729 2.017294 1.185997 0.625278 0.137990 -0.115049 -0.026953 -0.159177

1.507797 1.299204 1.071766 0.830251 0.622313 0.397973 0.206430 0.183967

-2.669942 1.552715 1.106582 0.753119 0.221738 -0.289088 -0.130568 -0.865250

0.0284 0.1591 0.3006 0.4730 0.8301 0.7799 0.8993 0.4121

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.904740 0.821388 0.711417 4.048912 -11.70989 1.152317

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.158211 1.683329 2.463736 2.850031 10.85443 0.001585

148

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.945748 -3.959148 -3.081002 -2.681330

0.7436

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:47 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) D(JII(-6),2) D(JII(-7),2) C

-1.323793 -0.341874 -0.259058 -0.154986 -0.182510 -0.083885 0.180454 0.195122 0.041203

1.399732 1.239331 0.987630 0.762114 0.567288 0.409928 0.261331 0.134903 0.133025

-0.945748 -0.275854 -0.262303 -0.203364 -0.321723 -0.204635 0.690520 1.446382 0.309737

0.3808 0.7919 0.8019 0.8456 0.7586 0.8446 0.5157 0.1982 0.7672

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.969523 0.928886 0.464401 1.294012 -2.906807 1.278397

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.172036 1.741471 1.587574 2.012404 23.85840 0.000528

149

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.039592 -4.004425 -3.098896 -2.690439

0.7077

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:48 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) D(JII(-6),2) D(JII(-7),2) D(JII(-8),2) C

-1.829895 0.422933 0.614050 0.551179 0.354823 0.321283 0.463252 0.306023 0.030650 7.56E-05

1.760206 1.583116 1.373785 1.097910 0.851633 0.635524 0.459630 0.316332 0.190795 0.150283

-1.039592 0.267153 0.446977 0.502026 0.416638 0.505540 1.007881 0.967411 0.160642 0.000503

0.3572 0.8026 0.6780 0.6420 0.6983 0.6398 0.3705 0.3881 0.8802 0.9996

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.963992 0.882973 0.505118 1.020578 -1.534320 1.441477

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.087224 1.476555 1.647760 2.104229 11.89837 0.014742

150

151

Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.464541 -4.057910 -3.119910 -2.701103

0.0004

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13

Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:49 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(JII(-1)) D(JII(-1),2) D(JII(-2),2) D(JII(-3),2) D(JII(-4),2) D(JII(-5),2) D(JII(-6),2) D(JII(-7),2) D(JII(-8),2) D(JII(-9),2) C

-1.479173 0.312378 0.294695 0.022962 -0.025261 0.103360 0.300631 0.188605 0.048264 0.090695 0.041073

3.184158 2.658508 2.346428 2.193172 1.787299 1.345242 1.025927 0.839993 0.534538 0.251805 0.219504

-0.464541 0.117501 0.125593 0.010470 -0.014134 0.076834 0.293033 0.224532 0.090291 0.360180 0.187117

0.6879 0.9172 0.9115 0.9926 0.9900 0.9458 0.7971 0.8432 0.9363 0.7532 0.8688

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.943565 0.661391 0.664230 0.882403 -0.960837 2.022705

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.177008 1.141483 1.840129 2.318163 3.343912 0.252072

152

Uji ADF untuk LQ45 dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-4.878114 -3.788030 -3.012363 -2.646119

0.0009

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:51 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) C

-1.921800 0.253173 0.036075

0.393964 0.227478 0.137498

-4.878114 1.112955 0.262366

0.0001 0.2804 0.7960

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.786796 0.763107 0.629520 7.133314 -18.46037 1.886074

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.011819 1.293401 2.043845 2.193062 33.21310 0.000001

153

Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.005382 -3.808546 -3.020686 -2.650413

0.0005

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:52 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) D(LQ45(-2),2) C

-1.884282 0.250964 0.022491 0.008787

0.626969 0.469801 0.244069 0.146321

-3.005382 0.534192 0.092149 0.060056

0.0084 0.6006 0.9277 0.9529

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.785247 0.744980 0.653328 6.829398 -17.63381 2.038814

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.050984 1.293732 2.163381 2.362528 19.50136 0.000014

154

Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.971083 -3.831511 -3.029970 -2.655194

0.0009

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:52 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) D(LQ45(-2),2) D(LQ45(-3),2) C

-2.398637 0.737517 0.442766 0.262057 -0.007706

0.807328 0.683561 0.485463 0.250078 0.153555

-2.971083 1.078935 0.912049 1.047898 -0.050184

0.0101 0.2989 0.3772 0.3124 0.9607

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.795260 0.736763 0.669093 6.267590 -16.42388 2.139825

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

0.004945 1.304107 2.255146 2.503682 13.59488 0.000099

155

Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.110522 -4.004425 -3.098896 -2.690439

0.0068

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:53 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) D(LQ45(-2),2) D(LQ45(-3),2) D(LQ45(-4),2) D(LQ45(-5),2) D(LQ45(-6),2) D(LQ45(-7),2) D(LQ45(-8),2) C

-1.656079 0.674042 0.617838 0.652082 0.399261 0.526881 0.553689 0.444290 0.471800 0.003560

1.491261 1.327437 1.194418 1.032760 0.850596 0.675774 0.526173 0.354427 0.179496 0.114573

-1.110522 0.507777 0.517271 0.631398 0.469390 0.779670 1.052295 1.253547 2.628467 0.031076

0.3290 0.6383 0.6323 0.5621 0.6632 0.4791 0.3520 0.2783 0.0583 0.9767

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.958038 0.863624 0.358592 0.514353 3.262174 2.420719

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.128077 0.971028 0.962547 1.419016 10.14718 0.019739

156

157

Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.069104 -4.057910 -3.119910 -2.701103

0.0002

*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:53 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LQ45(-1)) D(LQ45(-1),2) D(LQ45(-2),2) D(LQ45(-3),2) D(LQ45(-4),2) D(LQ45(-5),2) D(LQ45(-6),2) D(LQ45(-7),2) D(LQ45(-8),2) D(LQ45(-9),2) C

-2.684797 1.152478 1.172008 1.189882 0.951853 0.898892 0.976561 0.877278 0.803717 0.323601 0.017575

2.511260 2.073370 1.893423 1.698094 1.486851 1.141556 0.952546 0.800476 0.555740 0.432923 0.155479

-1.069104 0.555848 0.618989 0.700716 0.640181 0.787427 1.025211 1.095945 1.446212 0.747480 0.113035

0.3970 0.6342 0.5990 0.5560 0.5876 0.5135 0.4131 0.3875 0.2850 0.5327 0.9203

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.962614 0.775684 0.445996 0.397826 4.217290 2.420794

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

-0.033830 0.941675 1.043494 1.521528 5.149591 0.173466

158

159

Vector Error Correction Estimates Lag Interval 1 Vector Error Correction Estimates Date: 08/06/10 Time: 09:17 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

0.950426 (0.21611) [ 4.39794]

C

-0.039146

Error Correction:

D(JII)

D(LQ45)

CointEq1

-0.977941

-0.757808

(0.32361)

(0.14218)

[-3.02196]

[-5.32981]

0.126111

0.518761

D(JII(-1))

D(LQ45(-1))

C

(0.24462)

(0.10748)

[ 0.51553]

[ 4.82663]

0.071086

-0.257048

(0.32718)

(0.14375)

[ 0.21727]

[-1.78817]

0.020226

0.020681

(0.19550)

(0.08589)

[ 0.10346]

[ 0.24077]

R-squared

0.498623

0.733052

Adj. R-squared

0.415061

0.688561

Sum sq. resids

15.12994

2.920677

S.E. equation

0.916816

0.402815

F-statistic

5.967053

16.47629

-27.09861

-9.005149

Akaike AIC

2.827147

1.182286

Schwarz SC

3.025518

1.380658

Mean dependent

0.018560

0.012568

S.D. dependent

1.198745

0.721803

Log likelihood

160

Determinant resid covariance (dof adj.)

0.126560

Determinant resid covariance

0.084722

Log likelihood

-35.28110

Akaike information criterion

4.116464

Schwarz criterion

4.612392

Lag Interval 2 Vector Error Correction Estimates Date: 08/06/10 Time: 09:27 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

1.036609 (0.20015) [ 5.17916]

C

-0.039502

Error Correction:

D(JII)

D(LQ45)

CointEq1

-0.815096

-1.005193

(0.63332)

(0.26910)

[-1.28702]

[-3.73544]

0.038807

0.744917

D(JII(-1))

D(JII(-2))

D(LQ45(-1))

D(LQ45(-2))

(0.53588)

(0.22769)

[ 0.07242]

[ 3.27158]

-0.130564

0.194067

(0.39740)

(0.16885)

[-0.32855]

[ 1.14932]

0.195055

-0.193414

(0.40904)

(0.17380)

[ 0.47686]

[-1.11286]

0.387502

-0.030324

(0.37580)

(0.15968)

[ 1.03115]

[-0.18991]

161

C

R-squared

0.084801

0.044462

(0.20395)

(0.08666)

[ 0.41579]

[ 0.51307]

0.543416

0.781336

Adj. R-squared

0.391221

0.708449

Sum sq. resids

13.06276

2.358343

S.E. equation

0.933194

0.396513

F-statistic

3.570531

10.71971

-24.81276

-6.838796

Akaike AIC

2.934549

1.222742

Schwarz SC

3.232984

1.521177

Mean dependent

0.076800

0.030928

S.D. dependent

1.196030

0.734345

Log likelihood

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood

0.115387 0.058871 -29.85515

Akaike information criterion

4.176681

Schwarz criterion

4.873030

162

Lag Interval 3 Vector Error Correction Estimates Date: 08/06/10 Time: 09:30 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

0.919656 (0.18731) [ 4.90975]

C

-0.119639

Error Correction:

D(JII)

D(LQ45)

CointEq1

-2.506028

-0.633872

D(JII(-1))

D(JII(-2))

D(JII(-3))

D(LQ45(-1))

D(LQ45(-2))

D(LQ45(-3))

(0.97068)

(0.50584)

[-2.58172]

[-1.25310]

1.517165

0.386672

(0.84747)

(0.44164)

[ 1.79022]

[ 0.87554]

1.121837

-0.106518

(0.68266)

(0.35575)

[ 1.64334]

[-0.29942]

0.677499

-0.190261

(0.37994)

(0.19799)

[ 1.78318]

[-0.96094]

1.176353

-0.503819

(0.59403)

(0.30956)

[ 1.98028]

[-1.62752]

0.607263

-0.078474

(0.39534)

(0.20602)

[ 1.53607]

[-0.38091]

0.334068

0.029720

(0.35574)

(0.18538)

[ 0.93909]

[ 0.16032]

163

C

-0.072203

-0.013641

(0.19709)

(0.10271)

[-0.36634]

[-0.13282]

R-squared

0.683861

0.765429

Adj. R-squared

0.499447

0.628596

Sum sq. resids

8.638968

2.346062

S.E. equation

0.848477

0.442160

F-statistic

3.708287

5.593895

Log likelihood

-19.98428

-6.948830

Akaike AIC

2.798428

1.494883

Schwarz SC

3.196721

1.893176

Mean dependent

0.021524

-0.012270

S.D. dependent

1.199265

0.725531

Determinant resid covariance (dof adj.)

0.121820

Determinant resid covariance

0.043855

Log likelihood

-25.48896

Akaike information criterion

4.348896

Schwarz criterion

5.245055

164

Lag Interval 4 Vector Error Correction Estimates Date: 08/06/10 Time: 09:26 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

0.914359 (0.15778) [ 5.79515]

C

-0.101132

Error Correction:

D(JII)

D(LQ45)

CointEq1

-3.715198

-0.569533

D(JII(-1))

D(JII(-2))

D(JII(-3))

D(JII(-4))

D(LQ45(-1))

D(LQ45(-2))

(1.36729)

(0.80865)

[-2.71719]

[-0.70430]

2.505143

0.362411

(1.18219)

(0.69918)

[ 2.11906]

[ 0.51834]

1.880218

-0.122205

(1.02316)

(0.60512)

[ 1.83766]

[-0.20195]

1.284395

-0.185879

(0.75159)

(0.44451)

[ 1.70890]

[-0.41817]

0.173532

0.025426

(0.42709)

(0.25259)

[ 0.40631]

[ 0.10066]

2.180987

-0.517648

(1.09744)

(0.64905)

[ 1.98735]

[-0.79755]

1.044701

-0.085959

(0.71190)

(0.42104)

165

D(LQ45(-3))

D(LQ45(-4))

C

R-squared

[ 1.46748]

[-0.20416]

0.582162

-0.069829

(0.42923)

(0.25386)

[ 1.35629]

[-0.27507]

0.545872

-0.148622

(0.36856)

(0.21797)

[ 1.48111]

[-0.68184]

-0.009837

0.004357

(0.19537)

(0.11555)

[-0.05035]

[ 0.03771]

0.767531

0.778249

Adj. R-squared

0.535061

0.556499

Sum sq. resids

6.312165

2.207890

S.E. equation

0.837467

0.495299

F-statistic

3.301643

3.509571

-16.49121

-6.512016

Akaike AIC

2.788548

1.738107

Schwarz SC

3.285621

2.235180

Mean dependent

0.042912

-0.001404

S.D. dependent

1.228203

0.743738

Log likelihood

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood

0.149837 0.033620 -21.68960

Akaike information criterion

4.598905

Schwarz criterion

5.692466

166

Lag Interval 5 Vector Error Correction Estimates Date: 08/06/10 Time: 09:31 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

JII(-1)

1.000000

LQ45(-1)

0.750939 (0.12271) [ 6.11959]

C

-0.115650

Error Correction:

D(JII)

CointEq1

-4.511381

0.042817

(1.57868)

(1.23637)

[-2.85770]

[ 0.03463]

3.314941

-0.209923

D(JII(-1))

D(JII(-2))

D(JII(-3))

D(JII(-4))

D(JII(-5))

D(LQ45(-1))

D(LQ45)

(1.38711)

(1.08634)

[ 2.38982]

[-0.19324]

2.638289

-0.587637

(1.20233)

(0.94163)

[ 2.19431]

[-0.62406]

1.992547

-0.656219

(0.97381)

(0.76266)

[ 2.04613]

[-0.86043]

0.836201

-0.312507

(0.72351)

(0.56663)

[ 1.15576]

[-0.55152]

0.492133

-0.232602

(0.36925)

(0.28918)

[ 1.33280]

[-0.80434]

2.202004

-1.063187

(1.16350)

(0.91122)

[ 1.89257]

[-1.16678]

167

D(LQ45(-2))

D(LQ45(-3))

D(LQ45(-4))

D(LQ45(-5))

C

1.475200

-0.529931

(0.98499)

(0.77141)

[ 1.49768]

[-0.68696]

0.738588

-0.413301

(0.59882)

(0.46897)

[ 1.23341]

[-0.88129]

-0.011734

-0.319500

(0.37053)

(0.29019)

[-0.03167]

[-1.10101]

-0.673252

-0.047556

(0.33345)

(0.26115)

[-2.01902]

[-0.18210]

-0.045308

0.047680

(0.17125)

(0.13412)

[-0.26457]

[ 0.35550]

R-squared

0.891355

0.816890

Adj. R-squared

0.692172

0.481188

Sum sq. resids

2.949289

1.808952

S.E. equation

0.701105

0.549083

F-statistic

4.475053

2.433378

-9.261623

-4.862276

Akaike AIC

2.362403

1.873586

Schwarz SC

2.955984

2.467167

Mean dependent

0.047322

0.013660

S.D. dependent

1.263655

0.762312

Log likelihood

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood

0.109740 0.012193 -11.41997

Akaike information criterion

4.157774

Schwarz criterion

5.443867

168

Uji Kausalitas Granger Lag 8 Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:55 Sample: 2008M01 2009M12 Lags: 8 Null Hypothesis: JII does not Granger Cause LQ45 LQ45 does not Granger Cause JII

Obs

F-Statistic

Probability

16

NA NA

NA NA

Obs

F-Statistic

Probability

15

NA NA

NA NA

Obs

F-Statistic

Probability

14

NA NA

NA NA

Uji Kausalitas Granger Lag 9 Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:56 Sample: 2008M01 2009M12 Lags: 9 Null Hypothesis: JII does not Granger Cause LQ45 LQ45 does not Granger Cause JII

Uji Kausalitas Granger Lag 10 Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:57 Sample: 2008M01 2009M12 Lags: 10 Null Hypothesis: JII does not Granger Cause LQ45 LQ45 does not Granger Cause JII

169