GARCH dan VAR

ABSTRAK Penelitian ini dilakukan dengan tujuan untuk menganalisa hubungan kausalitas pasar saham global terhadap pasar saham Indonesia (IHSG) serta untuk mengetahui besarnya pengaruh pasar saham global yang diwakili oleh sembilan pasar saham global terhadap pasar saham Indonesia (IHSG). Adapun ke sembilan pasar saham global tersebut adalah Nikkei yang mewakili bursa saham Jepang, STI yang mewakili pasar saham Singapore, KLCI yang mewakili pasar saham Malaysia, Hang Seng yang mewakili pasar saham China, FTSE yang mewakili pasar saham London Inggris, ASX yang mewakili pasar saham Australia, NASDAQ yang mewakili pasar saham Amerika, KSE yang mewakili pasar saham Kuwait. Data yang digunakan adalah data time series bulanan indeks harga saham periode 1999-2009. Penelitian dilakukan menggunakan model ekonometrika uji kausalitas granger, AutoRegresion Condition Heteroscedasticity (ARCH) / Generalized AutoRegresion Condition Heteroscedasticity (GARCH) dan Vector AutoRegresion (VAR). Berdasarkan hasil penelitian ini NASDAQ tidak mempunyai hubungan terhadap IHSG, IHSG tidak mempunyai hubungan terhadap NASDAQ. Nikkei, STI, FTSE, ASX, dan KSE memiliki pengaruh yang signifikan terhadap IHSG tetapi IHSG tidak memiliki pengaruh yang signifikan terhadap Nikkei, STI, FTSE, ASX, dan KSE. IHSG memiliki pengaruh yang signifikan terhadap KLCI, tetapi KLCI tidak memiliki pengaruh signifikan terhadap IHSG. Hang Seng memiliki pengaruh negatif terhadap IHSG dan IHSG memiliki pengaruh yang signifikan terhadap Hang Seng. Kata kunci : Pasar Saham, Kausalitas Granger, ARCH/GARCH dan VAR.

ii

KATA PENGANTAR

Bismillaahirrahmaanirrohiim Assalamu’laikum warrahmatullahi Wabarakatuh Segala puji bagi Allah, Salawat dan salam semoga tercurah kepada Nabi Muhammad SAW, para keluarganya, sahabatnya, dan seluruh umatnya. Penulis menyadari bahwa dalam skripsi ini masih banyak kekurangan karena keterbatasan baik dalam pengetahuaan maupun dalam teknik penulisan, namun Alhamdulillah berkat do’a dan motivasi dari orang tua tercinta akirnya akirnhya skripsi ini dapat juga terselesaikan. Penulis juga menyadari terselesaikannya skripsi ini tidak lepas dari do’a, dukungan dan kerja sama dari berbagai pihak baik secara langsung ataupun tidak langsung. Oleh karena itu dengan rendah hati dan lapang dada penulis mengharapkan saran dan kritik yang bersifat membangun dari semua pihak. Akhir kata penulis juga ingin mengucapkan terima kasih yang sebesarbesarnya kepada semua pihak yang telah membantu dalam menyelesaikan skripsi ini: 1. ALLAH SWT yang maha berilmu, atas limpahan Rahmat dan Ilmu pengetahuan yang tak terhingga. 2. Kedua orang tuaku tercinta Ayahanda Nastom Dt. Pangulu Basa terimakasih untuk kasih sayang yang tak terhingga, Pengalaman hidup yang beliau berikan kepada penulis. Ibunda tercinta Bariati, terimakasih untuk kesetiaan, kasih sayang, do’a, semangat, kepercayaan, dan perhatian yang tak pernah berhenti beliau berikan kepada penulis (I always do the best). 3. Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. 4. Prof. Dr. Ahmad Rodoni, MM selaku Pembantu Dekan 1 sekaligus Pembimbing satu yang telah meluangkan waktunya untuk berbagi ilmunya dalam membimbing sehingga skripsi ini bisa terselesaikan.

iii

5. Indoyama Nasaruddin, SE, MAB selaku Ketua Jurusan Manajemen dan Dosen Pembimbing dua yang telah meluangkan waktun, pikiran, dan ilmunya sehingga membantu penulis dalam menyelesaikan skripsi ini. 6. Seluruh Dosen Fakultas Ekonomi dan Sosial, yang telah memberikan bekal ilmu yang tak terhingga nilainya kepada penulis selama menjadi mahasiswi, semoga menjadikan ilmu yang bermanfaat bagi penulis kelak. 7. Terimakasih untuk Angku H. Juli & bu Hj. Nasna yang telah memberikan doa, dukungan dan motivasi pada penulis. 8. Untuk kakak-kakakku uni nini, dajimi, danto, dajon, daboy, bang nonong, bang eri, kawira, danovi, daniko, mulyati, yang tak lelah memberikan dukungan moril maupun materil. Adik-adikku nanda dan ilham tersayang, dan semuanya yang selalu mendukung setiap langkahku. 9. Untuk K’dian yang telah membantu dalam penyelesaian skripsi ini, makasih telah megajarkan Eviews, memberikan semangat, dukungan, dan mendengarkan segala keluh kesah yang dihadapi dalam penyelesaian skripsi ini. Firman, yang telah memberikan jurnal dan selalu mau berbagi pengalaman dan memberikan masukan-masukannya. 10. Untuk MyBest Friend Ripqi n Wastriati, yang slalu setia mendengarkan curahan hati dan selalu menemani dalam susah maupun senang (tetap semangat yah untuk skripsi mu...). Untuk Ilman, makasi banget kerjasamanya penyelesaian skipsi ini (akirnya qt wisuda juga ya.. sukses bwt Ilman...) 11. Untuk anak Manajemen D’troc Iresna, Noen, Noris, Ijank, Ryo, Rivan, Arifin, Jamil, Riza dan semuanya yang tak bisa di sebutkan satu persatu. Semua anak keuangan A dan B dan untuk spesialis editor daim donk selalu siap direpotkan (semoga Allah SWT membalas semua kebaikannya).

Semoga Allah SWT memberikan balasan yang setimpal atas segala bantuan dan kebaikan yang telah mereka berikan kepada penulis, Aamiien.

iv

DAFTAR ISI ABSTRACT………………………………………………………………….

i

ABSTRAK…………………………………………………………………...

ii

KATA PENGANTAR……………………………………………………….

iii

DAFTAR ISI…………………………………………………………………

v

DAFTAR TABEL……………………………………………………………

vii

DAFTAR GAMBAR………………………………………………………...

vii

DAFTAR LAMPIRAN……………………………………………………...

viii

BAB I

BAB II

PENDAHULUAN A. Latar Belakang ............................................................................

1

B. Perumusan Masalah ....................................................................

9

C. Tujuan dan Manfaat Penelitian ...................................................

9

TINJAUAN PUSTAKA A. Pasar Modal................................................................................. 11 B. Diversifikasi Internasional .......................................................... 13 C. Indeks Harga Saham ................................................................... 15 1. Pengertian Indeks Harga Saham ........................................... 15 2. Pergerakan Indek Saham....................................................... 16 3. Indek Harga Saham di Indonesia, Jepang, Singapore, Malaysia, China, Korea, Amerika, London, Kuwait............. 19 D. Pengaruh Indeks Bursa Global Terhadap IHSG ......................... 26 E. Contagion Efek Theory (Efek Domino)...................................... 28 F. Teori Pasar Kuat Terhadap Pasar yang Lemah ........................... 29 G. Penelitian Terdahulu ................................................................... 29 H. Kerangka Pemikiran.................................................................... 33 I. Hipotesis...................................................................................... 35

v

BAB III METODELOGI PENELITIAN A. Ruang Lingkup Penelitian........................................................... 36 B. Metode Penentuan Sampel.......................................................... 36 C. Metode Pengumpulan Data ......................................................... 36 D. Metode Analisis .......................................................................... 37 E. Operasional Variabel Penelitian.................................................. 45

BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian ............................................ 49 B. Penemuan dan Pembahasan ........................................................ 50 1. Deskriptif Data ....................................................................... 50 2. Langkah-langkah Penelitian................................................... 53 3. Pembahasan............................................................................ 53 C. Interpretsi .................................................................................... 88

BAB V

KESIMPULAN DAN IMPLIKASI A. Kesimpulan ................................................................................. 92 B. Implikasi...................................................................................... 94 C. Saran............................................................................................. 94

DAFTAR PUSTAKA ........................................................................................ 95 LAMPIRAN....................................................................................................... 99

vi

DAFTAR TABEL

Nomor

Keterangan

Halaman

4.1

Output Granger Kausalitas IHSG dan Hang Seng

54

4.2

Output Granger IHSG dan Nikkei

55

4.3

Output Granger IHSG dan STI

55

4.4

Output Granger IHSG dan KOSPI

56

4.5

Output Granger IHSG dan FTSE

56

4.6

Output Granger IHSG dan ASX

57

4.7

Output Granger IHSG dan KLCI

57

4.8

Output Granger IHSG dan Nasdaq

58

4.9

Output Granger IHSG dan KSE

58

4.10

Hasil Uji Akar Unit Level dan Difference

59

4.11

Output Regresi untuk IHSG dan Nikkei

61

4.12

Uji White Heteroskedastisitas

61

4.13

Output Regresi untuk IHSG dan Nikkei

62

4.14

Uji Lagrange Multiplier

63

4.15


63

4.16

ARCH (1) untuk IHSG dan Nikkei

64

4.17

GARCH (1) untuk IHSG dan Nikkei

65

4.18

Output Regresi untuk IHSG dan STI

67

4.19


67

4.20


68

4.21

ARCH (1) untuk IHSG dan STI

68

4.22

GARCH (1) untuk IHSG dan STI

69

4.23

Output Regresi untuk IHSG dan KOSPI

71

4.24


72

4.25


72

4.26

ARCH (1) untuk IHSG dan KOSPI

73

vii

Nomor

Keterangan

Halaman

4.27

GARCH (1) untuk IHSG dan KOSPI

74

4.28

Output Regresi untuk IHSG dan FTSE

76

4.29


76

4.30


76

4.31

ARCH (1) untuk IHSG dan FTSE

77

4.32

Output Regresi untuk IHSG dan ASX

79

4.33


79

4.34


80

4.35

ARCH (1) untuk IHSG dan ASX

81

4.36

Output Regresi untuk IHSG dan KSE

83

4.37


83

4.38


83

4.39

Output Regresi untuk KLCI dan IHSG

85

4.40


85

4.41


85

4.42

VAR untuk IHSG dan Hang Seng

87

viii

DAFTAR GAMBAR

Nomor

Keterangan

Halaman

1.1

Pergerakan IHSG Tahun 1996-2008

3

2.1

Kerangka Pemikiran

34

ix

DAFTAR LAMPIRAN

Nomor

Keterangan

Halaman

1

Tabel data-data Variabel

95

2

Output residual Q-statistik ARCH (1) IHSG dan Nikkei

100

3

Grafik Uji Normalitas ARCH (1) IHSG dan Nikkei

101

4

Output residual Q-statistik GARCH (1) IHSG dan Nikkei 102

5

Grafik Uji Normalitas GARCH (1) IHSG dan Nikkei

103

6

Output residual Q-statistik ARCH (1) IHSG dan STI

104

7

Grafik Uji Normalitas ARCH (1) IHSG dan STI

105

8

Output residual Q-statistik GARCH (1) IHSG dan STI

106

9

Grafik Uji Normalitas GARCH (1) IHSG dan STI

107

10

Output residual Q-statistik ARCH (1) IHSG dan KOSPI

108

11

Grafik Uji Normalitas ARCH (1) IHSG dan KOSPI

109

12

Output residual Q-statistik GARCH (1) IHSG dan KOSPI 110

13

Grafik Uji Normalitas GARCH (1) IHSG dan KOSPI

111

14

Output residual Q-statistik ARCH (1) IHSG dan FTSE

112

15

Grafik Uji Normalitas ARCH (1) IHSG dan FTSE

113

16

Output residual Q-statistik ARCH (1) IHSG dan ASX

114

17

Grafik Uji Normalitas ARCH (1) IHSG dan ASX

115

18

Uji Unit Root Tingkat Level

116

19

Uji Unit Root Tingkat Difference

126

x

BAB I PENDAHULUAN A. Latar Belakang Dalam abad ke 21 ini, Dunia mengalami dampak globalisasi serta revolusi dalam informasi dan teknologi. Pengaruh kejadian pada belahan dunia yang satu dapat cepat berpengaruh terhadap belahan dunia lain. Globalisasi dari sudut pandang ekonomi merupakan proses pengintegrasian ekonomi nasional bangsa-bangsa ke dalam sebuah sistim ekonomi global, atau globalisasi juga dapat diartikan sebagai suatu perluasan hubungan ekonomi diantara negara-negara yang berbeda dalam membuat sebuah tatanan ekonomi dunia yang di dalamnya terdapat ketergantungan satu sama lain di setiap bidang perekonomian nasionalnya, sehingga dapat disimpulkan bahwa globalisasi adalah suatu proses di mana ekonomi semua negara saling berinteraksi secara timbal balik antara satu negara dengan negara lain. Dan dengan demikian memberikan peluang bagi masing-masing negara untuk mengembangkan dan meningkatkan kemajuan ekonominya (Ludovicius S Wondabio, 2006). Proses globalisasi pada fase sekarang terdiri dari dua fenomena yang berbeda, yakni globalisasi bisnis produk dan globalisasi bisnis keuangan dimana proses globalisasi bisnis keuangan telah memiliki signifikasi dan kekuatan yang lebih besar daripada globalisasi bisnis produk dalam tanda kutip. Bisnis keuangan meliputi bisnis valas (valuta asing) serta investasi

1

langsung dan investasi tidak langsung. Investasi melalui pasar modal sebagai bentuk investasi bisa langsung dilakukan dimana saja diseluruh dunia. Pasar modal Indonesia melalui Bursa Efek Indonesia merupakan bagian tak terpisahkan dari kegiatan bursa saham global. Selain itu biasanya untuk bursa-bursa saham yang berdekatan lokasinya, seringkali memiliki investor yang sama. Fenomena yang terjadi karena globalisasi serta Indonesia sebagai anggota World trade organization telah membuka bursa saham bagi invetor asing yang berinvestasi diseluruh dunia. Oleh karena itu, perubahan di satu bursa juga akan ditransmisikan ke bursa negara lain. Dalam hal ini, biasanya bursa yang lebih besar akan mempengaruhi bursa yang lebih kecil (Moh Mansur, 2005). Pada bursa di Indonesia, salah satu indikator indeks yang berlaku di Bursa Efek Indonesia (BEI) adalah Indeks Harga Saham Gabungan (IHSG). Persentase perubahan angka IHSG dalam suatu periode mencerminkan ratarata tertimbang dari imbalan hasil (return) saham-saham di BEI dalam periode tersebut. Dalam era globalisasi BEI sudah terintegrasi dengan beberapa bursabursa negeri lain, sehingga masa depan BEJ ikut ditentukan oleh prospek pasar global (Siti Amalia 2009). Indeks Harga Saham Gabungan (IHSG) pertama kali diperkenalkan pada tanggal 1 April 1983, sebagai indikator pergerakan harga saham yang tercatat di bursa. Hari dasar perhitungan indeks adalah tanggal 10 Agustus 1982 dengan nilai 100. Jumlah emiten yang tercatat pada waktu itu adalah

2

sebanyak 13 emiten. Pada akhir tahun 2008 jumlah emiten yang tercatat di Bursa Efek Indonesia sudah mencapai 396 emiten. Seiring dengan perkembangan dan dinamika pasar, IHSG mengalami periode naik dan turun. Pada tanggal 9 Januari 2008, IHSG mencapai level tertinggi sepanjang sejarah pasar modal Indonesia yaitu ditutup pada level 2.830,263. Indeks Harga Saham Gabungan mengalami peningkatan yang semakin pesat sejak krisis ekonomi yang melanda Indonesia pada tahun 1998. Hal ini ditunjukan dengan perkembangan nilai IHSG dan nilai transaksi. Nilai IHSG mengalami peningkatan 400 persen dari tahun 2000 hingga 2008. Kondisi ini juga diikuti dengan nilai transaksi yang meningkat. Nilai IHSG yang semakin tinggi merupakan bentuk kepercayaan dari investor atas kondisi ekonomi Indonesia yang semakin kondusif (Supraptono, 2008).

Gambar 1.1 Pergerakan IHSG Tahun 1996-2008

3

Namun krisis ekonomi global mulai pertengahan tahun 2008 telah mendorong jatuhnya nilai IHSG sebesar 50 persen dalam kurun waktu yang relatif singkat (satu tahun). Krisis yang berasal dari Amerika Serikat telah meruntuhkan perekonomian di benua Eropa dan Asia, khususnya negara berkembang. Indonesia sebagai negara berkembang mendapat pengaruh yang cukup besar dari krisis finasial global. Berbagai kebijakan diambil pemerintah untuk meredam pengaruh buruk dari krisis, mulai dari menaikkan tingkat suku bunga, menaikkan bahan bakar minyak, menstabilkan nilai tukar, dan juga memperkuat aliran modal asing untuk melakukan investasi di Indonesia. Pasar modal memegang peranan penting dalam perekonomian Indonesia, dimana nilai Indeks Harga Saham Gabungan dapat menjadi leading indicator economic pada suatu negara. Pergerakan indeks sangat dipengaruhi oleh ekspektasi investor atas kondisi fundamental negara maupun global. Adanya informasi baru akan berpengaruh pada ekspektasi investor yang akhirnya akan berpengaruh pada IHSG. Salah satu indikator keberhasilan ekonomi makro suatu negara adalah Indeks Harga Saham (IHSG) selain faktor tingkat bunga (interest rate), nilai tukar (exchange rate) dan GNP. Telah terbukti secara empiris bahwa variabel ekonomi makro berpengaruh signifikan terhadap return saham pada emiten yang terdaftar di BEI (Lestari Murti, 2005). Bila kondisi ekonomi suatu negara baik maka IHSG tentunya juga menunjukkan adanya trend yang meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan turun

4

maka akan berpengaruh juga terhadap IHSG tersebut. Dengan adanya revolusi informasi, investor dimanapun dapat mengamati IHSG pada waktu yang bersamaan. Ketika kondisi suatu negara dalam keadaan menurun maka IHSG juga akan mengalami penurunan yang berakibat investor akan keluar dari pasar (Anoraga Panji dan Pakarti Piji, 2006). Masalah integrasi bursa saham antar negara telah dipelajari sajak akir decade 80-an, khususnya setelah jatuhnya wall street 1987, sejak saat itu beberapa ahli melakukan penelitian sejenis di berbagai belahan dunia. Pada umumnya para ahli sepakat bahwa bursa-bursa saham internasional saling terkait satu sama lain. Bursa saham di USA mempengaruhi bursa saham di negara-negara lainnya, tetapi tidak sebaliknya. Beberapa penelitian para ahli juga berpendapat bahwa perekonomian suatu negara banyak dipengaruhi oleh perkembangan perekonomian negara lain. Ekonomi negara yang lebih kuat mempunyai kecenderungan untuk mendominasi negara yang perekonomiannya lebih lemah. Berdasarkan kajian ini maka diperkirakan negara yang kuat selalu menang dalam persaingan, sehingga negara yang lemah akan cenderung mengalami kerugian. Hal ini dapat diartikan juga bahwa ketergantungan negara yang lemah terhadap negara yang kuat akan semakin nyata. Pengaruh suatu bursa terhadap yang bursa lain terjadi karena terintegrasi (Eiteman Stonehill dan Moffet 1995. 565 ) Apleyard (2001. 474) Integrasi pasar modal terjadi karena adanya transaksi jual beli saham antar negara yang semakin meningkat terus menurus melibatkan investor asing

5

yang membeli saham di pasar modal dalam negeri dan investor domestic membeli saham dipasar luan negeri. Oleh karena itu, jika transaksi saham antar negara naik maka pergerakan indeks harga saham antar negara tersebut akan naik secara bersamaan (co-movement). Penelitian sebelumnya tentang pengaruh Indeks saham bursa global dalam hubungannya dengan besarnya indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia BEI dilakukan Moh Mansur (2005) . Penelitian ini menggunakan tujuh bursa saham global. Adapun ketujuh bursa saham global tersebut adalah KOPSI yang mewakili bursa saham Korea, Hang Seng (HSI) yang mewakili bursa saham Hong Kong, NIKKEI 225 yang mewakili bursa saham Jepang, TAIEX yang mewakili bursa saham Taiwan, Dow Jones yang mewakili bursa saham New York, FTSE yang mewakili bursa saham Inggris, ASX yang mewakili bursa saham Australia. Metode penelitian yang digunakan adalah Path Analisis. Hasil penelitian menunjukkan bahwa pengaruh ketujuh indeks bursa saham global secara bersama-sama berpengaruh secara signifikan tetapi secara individual hanya indeks bursa KOSPI, Nikkei 225, TAIEX, dan ASX saja yang mempengaruhi IHSG BEI. Penelitian selanjutnya mengenai analisa hubungan Indeks Harga Saham Gabungan (IHSG) Jakarta (JSX), London (FTSE), Tokyo (NIKKEI) dan Singapura (SSI) (Ludovicus Sensi Wondabio. 2006), menguji pengaruh IHSG 3 negara (London, Tokyo, Singapura) terhadap kondisi pasar modal di Indonesia yang tercermin dalam IHSG. Periode penelitian 66 bulan yaitu mulai Januari 2000 sampai dengan Juni 2005. Dalam penelitian ini

6

menggunakan

metode

Heteroscedasticity

satatistik,

(ARCH)

/

yaitu:

Generalized

Autocorrelation

Condition

Autocorrelation

Condition

Heteroscedasticity (GARCH) Dan Vector Autoregression (VAR). hasil penelitiaan ini menunjukan bahwa (a) Pola hubungan antara JSX dan FTSE, NIKEI dan SSI ternyata memiliki hubungan yang berbeda-beda. (b) FTSE dan NIKKEI ternyata mempunyai pengaruh terhadap JSX,

tetapi JSX tidak

mempunyai pengaruh terhadap FTSE dan NIKKEI. Ini menunjukkan bahwa kondisi perekonomian negara maju akan berpengaruh terhadap perekonomian negara berkembang. (c) Hubungan FTSE dan NIKKEI terhadap JSX adalah negatif atau berbalik dimana jika FTSE / NIKKEI naik maka JSX turun. Ini menandakan bahwa kenaikan FTSE dan NIKKEI justru menekan JSX. Hal ini dapat diduga adanya pengalihan investasi oleh para investor. (d) JSX dan SSI berhubungan simultan tetapi JSX mempengaruhi SSI secara positif sedangkan SSI mempengaruhi JSX secara negatif. Artinya jika JSX naik maka SSI naik. Sedangkan jika SSI naik maka JSX malah turun. Penelitian lain mengenai Pengaruh nilai tukar mata uang dan indeks harga saham global terhadap pergerakan IHSG dilakukan Ali Fikri Hasibuan (2009). Penelitian ini bertujuan Untuk menggambarkan pengaruh Nilai Tukar Mata Uang dan Indeks Harga Saham Global (Indeks Nasdaq, Taiex, Nikkei dan Kospi) terhadap pergerakan Indeks Harga Saham Gabungan baik secara simultan maupun parsial di BEI. Hasil penelitian menggunakan regresi linier berganda menunjukan secara simultan ditemukan terdapat pengaruh yang signifkan antara nilai tukar mata uang dan indeks harga saham global

7

(Nasdaq, Taiex, Nikkei dan Kospi) terhadap pergerakan IHSG. Dan secara parsial tidak terdapat pengaruh yang sigifikan variabel indeks Taiex terhadap pergerakan IHSG, tetapi terdapat pengaruh yang signifikan antara nilai tukar mata uang dan indeks harga saham global (Nasdaq, Nikkei dan Kospi) terhadap IHSG yang signifikannya dibawah 5%. Penelitain lainnya mengenai pengaruh pasar saham dunia (Jakarta Stock Exchange JKSE), (Straits Times STI), Hongkong (Hangseng-HSI), Jepang (Nikkei), Amerika Serikat (New York Stock Exchange-NYSE) terhadap pasar saham Indonesia dilakukan juga Chandra Utama (2008). Penelitian ini bertujuan untuk mengetahi hubungan masing-masing pasar dunia terhadap pasar saham Indonesia serta mengetahui arah pengaruh gerakan pasar saham dunia terhadap pasar saham Indonesia. Hasil penelitian menggunakan korelasi pearson dan Granger Causality Test menunjukkan terdapat hubungan saling mempengaruhi antar pasar saham Singapura, Hongkong, dan Jepang terhadap pasar saham Indonesia. Berarti terdapat interdependensi antar pasar saham. Interdependensi ini menyebabkan ada gerakan bersamasama antar pasar saham di Asia. Sedangkan pasar saham Amerika Serikat yang dalam penelitian ini dianggap mewakili pasar saham dunia

lebih

memberikan

pengaruh

kepada

pasar

saham

Indonesia

dibandingkan pengaruh pasar saham Indonesia terhadap pasar saham Amerika Serikat.

8

Berdasarkan latar belakang inilah penulis mencoba untuk menganalisa tentang “ Analisis Hubungan Kausalitas Pasar Saham Global terhadap Pasar Saham Indonesia ”

B. Perumusan Masalah Berdasarkan latar belakang permasalahan yang telah dijelaskan, maka permasalahan yang akan dibahas adalah: 1. Bagaimana hubungan yang terjadi antara pasar saham global (NIKKEI, STI, KLCI, HANGSENG, FTSE, ASX, NASDAQ, KSE) dengan pasar saham Indonesia (IHSG). 2. Apakah ada pengaruh dari pasar saham global (NIKKEI, STI, KLCI, HANGSENG, FTSE, ASX, NASDAQ, KSE) terhadap pasar saham Indonesia (IHSG).

C. Tujuan dan Manfaat Penelitian 1. Tujuan Penelitian Sejalan dengan masalah yang telah dirumuskan di atas, maka tujuan penulisan dalam melakukan penelitian ini adalah sebagai berikut: a. Untuk menganalisa hubungan yang terjadi antara pasar saham global (Nikkei, STI, KLCI, Hang Seng, FTSE, ASX, NASDAQ,

KSE)

dengan pasar saham Indonesia (IHSG).

9

b. Untuk menganalisa pengaruh pasar saham global (Nikkei, STI, KLCI, Hang Seng, FTSE, ASX, NASDAQ, KSE) terhadap pasar saham Indonesia (IHSG). 2. Manfaat Penelitian Adapun hasil dari penelitian ini diharapkan dimanfaatkan untuk, sebagai berikut: 1. Bagi penulis penelitian ini memberikan kesempatan bagi penulis untuk menselaraskan ilmu yang telah diperoleh selama proses perkuliahan, mengembangkan pengetahuan penulis di bidang pasar modal yang telah menjadi ketertarikan penulis, meningkatkan kompetensi diri, kecerdasan intelektual, dan emosional. 2. Bagi Universitas merupakan sumbangan pemikiran dalam rangka meningkatkan pengembangan intelektualitas mahasiswa. Hasil dari penelitian ini dapat digunakan sebagai suatu gambaran dan informasi bagi sahabat – sahabat lainya yang ingin melakukan penelitian selanjutnya di masa depan. 3. Bagi Investor, Hasil penelitian ini dapat dipakai sebagai bahan referensi untuk penelitian selanjutnya dan juga dapat sebagai bacaan yang bermanfaat bagi yang memerlukan. 4. Bagi Pemerintah, Hasil studi ini dapat dipergunakan sebagai bahan referensi bagi pemerintah dalam menentukan suatu kebijakan strategis dalam menghadapi permasalahan di pasar modal.

10

BAB II TINJAUAN PUSTAKA A. Pasar Modal A stock market or equity market is a public market (a loose network of economic transactions, not a physical facility or discrete entity) for the trading of company stock and derivatives at an agreed price; these are securities listed on a stock exchange as well as those only traded privately (wikipedia). Pasar modal dalam arti sempit adalah suatu tempat dalam pengertian fisik yang terorganisasi dengan efek-efek yang diperdagangkan yang disebut bursa efek (Rodoni, 2006:158). Dalam arti luas pasar modal adalah kebutuhan sistem keuangan yang terorganisisr, termasuk bank-bank komersial dan semua perantara di bidang keuangan serta surat-surat berharga jangka panjang dan jangka pendek, primer, dan tidak langsung (Anoraga Pandji dan Piji Pakarti, 7:2006). Pengertian pasar modal menurut kamus pasar uang dan modal adalah pasar kongkret atau abstrak yang mempertemukan pihak yang menawarkan dan pihak yang memerlukan dana jangka panjang. Abstrak dalam pengertian pasar modal berarti transaksi dilakukan melalui mekanisme over the counter (OTC). Sedangkan menurut Undang-Undang No. 8 Tahun 1995 tentang pasar modal, dinyatakan bahwa pasar modal adalah kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan

11

public yang berkaitan dengan efek yang diterbitkan, serta lembaga profesi yang berkaitan dengan efek. Dari defenisi tersebut diatas dapat disimpulkan bahwa pasar modal (Capital Market) merupakan pasar untuk berbagai instrument keuangan jangka panjang yang diperjualbelikan, baik surat utang (obligasi), equity (saham), reksadana, instrument derivatife maupun instrument lainnya. Pasar modal merupakan sarana pendanaan bagi perusahaan maupun institusi lain (misalnya pemerintah), dan sebagai sarana bagi kegiatan berinvestasi. Instrument keuangan yang diperdagangkan di pasar modal merupakan instrument jangka panjang (jangka waktu lebih dari 1 tahun) saperti saham, obligasi, waran, right, reksa dana, dan berbagai fungsi instrument derivative saperti option, futures, dan lain-lain. Pada hakikatnya pasar modal adalah jaringan tatanan yang memungkinkan pertukaran klaim jangka panjang, penambahan financial assets (dan hutang) pada saat yang sama, memungkinkan investor untuk mengubah dan menyesuaikan portofolio investasi. Berlangsungnya fungsi pasar modal adalah meningkatkan dan menghubungkan aliran dana jangka panjang dengan kriteria pasarnya secara efesien yang akan menunjang pertumbuhan riil ekonomi secara keseluruhan (Anoraga Pandji dan pakarji, 5:2006). Pasar modal merupakan indikator untuk menilai perekonomian suatu negara karena pasar modal menjalankan fungsi ekonomi dan fungsi keuangan. Disebut sebagai fungsi ekonomi karena pasar modal

12

menyediakan fasilitas yang mempertemukan dua kepentingan, yaitu pihak yang memiliki kelebihan dana dengan pihak yang memerlukan dana. Sebagi fungsi keuangan karena pasar modal membuka kemungkinan dan kesempatan bagi pemilik dana untuk memperoleh imbalan (return), sesuai karakteristik investasi. Pasar modal sendiri terdiri dari pasar primer dan pasar sekunder. Pasar primer adalah pasar untuk surat-surat berharga yang baru diterbitkan. Pada pasar ini dana berasal dari pembeli sekuritas kepada perusahaan yang menerbitkan sakuritas tersebut (sektor investasi). Sedangkan dalam pasar sekunder terjadi jual beli sekuritas yang sudah ada. (Van Home dan Wachowicz, 1997, 528) dalam Ludovicus Sensi Wondabio (2006). Transaksi pada pasar sekunder tidak memberikan tambahan dana bagi investasi keuangan. Pasar sekunder dikenal sebagai bursa efek.

B. Diversifikasi Internasional Konsep diversifikasi berawal dari disertasi Harry Markowitz pada 1952. Dia menurunkan manfaat utama diversifikasi secara kuantitatif dengan menggunakan portofolio yang terdiri atas dua aset berisiko. Dengan matematika sederhana, Markowitz berhasil membuktikan kalau risiko portofolio dapat menjadi minimum jika kedua aset itu mempunyai koefisien korelasi negatif sempurna yaitu -1. Markowitz juga menemukan bahwa

13

diversifikasi selalu dapat menurunkan risiko portofolio sepanjang koefisien korelasi tidak positif sempurna atau lebih kecil dari satu. Diversifikasi adalah sebuah strategi investasi dengan menempatkan dana dalam berbagai instrument investasi dengan tingkat risiko dan potensi keuntungan yang berbeda, atau strategi ini biasa disebut dengan alokasi aset (asset allocation). Alokasi aset ini lebih fokus terhadap penempatan dana di berbagai instrumen investasi. Bukan menfokuskan terhadap pilihan saham dalam portofolio. Dari hasil studi, perbedaan performa lebih banyak dikarenakan oleh alokasi aset (asset allocation) bukannya pilihan investasi (investment selection). Diversifikasi bertujuan untuk mengurangi tingkat risiko dan tetap memberikan potensi tingkat keuntungan yang cukup. Menurut Rodoni (2008: 91) faktor yang penting dalam diversifikasi ialah korelasi yang rendah antara keuntungan. Semakin rendah korelasi ini, maka semakin besar manfaat diversifikasi portofolio. Lessard (1973) telah menujukan bahwa koefisien determinasi berhubungan secara terbalik dengan keinginan menginvestasikan di satu negara. Dampak globalisasi yang terjadi pada abad 21 terhadap ekonomi menyebabkan pengintegrasian ekonomi nasional bangsa-bangsa kedalam sebuah sistim ekonomi global. Semangat globalisasi ini mendorong para investor di berbagai negara melakukan diversifikasi internasional yang menyebabkan adanya portofolio internasional. Diversifikasi internasional memberikan manfaat lebih besar bagi investor dibanding hanya berinvestasi pada pasar lokal. Dalam jangka

14

panjang, kontribusi return melalui diversifikasi internasional yang diperoleh investor akan lebih tinggi dibanding investasi investasi yang hanya dilakukan pada pasar modal lokal. Dengan melakukan diversifikasi internasional, investor akan memperoleh manfaat pengurangan resiko pada tingkat keuntungan tertentu. Besarnya manfaat yang akan diperoleh investor akan sangat tergantung dari koefisien korelasi, resiko dan tingkat return di masingmasing pasar modal tersebut (Eduardus Tandelilin, 2010). Faktor-faktor yang mempengaruhi pemodal asing untuk menanamkan modalnya di pasar modal (Rawley, 1987) dalam Rodoni (2008: 93) antara lain:

a. Nilai kapitalisasi sekuritas yang terdapat disuatu bursa. b. Likuiditas sekuritas yang terdapat di bursa. c. Peraturan yang melindungi pemodal dari kecurangan. d. Mutu dan penyebaran informasi.

C. Indeks Harga Saham 1. Pengertian Indeks Harga Saham Menurut Downes dan Goodman (1994:251) dalam Mansur (2003:206), indeks adalah "gabungan statistik yang mengukur perubahan dalam ekonomi atau dalam pasar finansial, dan seringkali dinyatakan dalam perubahan persentase dari suatu tahun dasar atau bulan sebelumnya". Karena indeks ini menyangkut sejumlah fakta maupun

15

besaran tertentu yang menggambarkan perubahan-perubahan harga saham dimasa lalu yang dipandang merupakan suatu bentuk informasi historis yang sangat tepat untuk menggambarkan pergerakan harga saham dimasa lalu serta memberikan deskripsi harga-harga saham pada suatu saat tertentu maupun dalam periode tertentu pula, maka indeks ini dapat disebut sebagai indeks harga saham. Indeks harga saham adalah suatu indikator yang menunjukan pergerakan harga saham. Indeks harga saham merupakan indikator yang secara umum mencerminkan kecendrungan pergerakan harga saham dibursa efek. Perhitungan harga saham dilakukan secara terus menerus dengan berpatokan pada harga saham terakir yang terjadi di bursa efek yang bersangkutan ( Anoraga Pandji 2006:100). Ada beberapa macam pendekatan atau metode perhitungan yang digunakan untuk menghitung indeks, yaitu: (1) menghitung rata-rata (arithmetic mean) harga saham yang masuk dalam anggota indeks, (2) menghitung (geometric mean) dari indeks individu saham yang masuk anggota indeks, (3) menghitung rata-rata tertimbang nilai pasar, umumnya semua indeks harga saham gabungan (composite) menggunakan rata-rata tertimbang termasuk di Bursa Efek Jakarta. 2. Pergerakan Indeks Saham Indeks saham merupakan indikator utama untuk menggambarkan pergerakan harga dari sekuritas-sekuritas. Indeks harga saham setiap hari dihitung menggunakan harga saham terakir yang terjadi di bursa.

16

Pergerakan indek secara signifikan dipengaruhi oleh pergerakan atau perubahan harga saham-saham dengan kapitalisasi besar, dan sebaliknya dalam indeks yang dihitung berdasarkan rata-rata tertimbang nilai pasar, perubahan harga saham-saham dengan kapitalisasi kecil tidak telalu berdampak terhadap indeks. Untuk menggambarkan pergerakan seluruh saham disatu bursa maka sampel yang diambil harus representatif, meskipun tidak harus besar. Dibeberapa bursa saham yang jumlah emitennya belum banyak, maka indeks dihitung dari seluruh saham seperti di Bursa Taiwan, Korea, Copenhagen dan IHSG. Di sebagian besar bursa saham lainnya, indeks agregat sahamnya tidak menganbil seluruh populasi tetapi menngunakan sampel yang refresentatif (indek LQ 45 dan indeks 100 saham) itu telah terpilih. Dalam menetukan sampel atau populasi untuk menghitung indeks ada beberapa bobot yang ditentukan. Ada empat cara untuk pembobotan yang bisa digunakan, yaitu berdasarkan harga, nilai kapitalisasi, saham yang beredar di public (free float), dan tidak tertimbang (J. Soedradjad Dwiwandono) dalam (Dian Nurdiansyah, 2009) a. Berdasarkan Harga Indeks saham berdasarkan harga yang paling popular dalah Dow Jones Industrial Average (DJIA). DJIA sebagai indeks pertama yang berdasarkan harga yang merupakan harga rata-rata dari 30 saham industri besar dan terkenal. Selain DJIA, indeks saham lain yang

17

berdasarkan harga adalah Nikkei 225 dari bursa Tokyo. Perhitungan indeks ini menyebabkan saham yang berharga tinggi mempunyai pengaruh yang besar. b. Berdasarkan Nilai Berbeda dengan indeks berdasarkan harga, indeks berdasarkan nilai memberikan bobot yang lebih besar pada saham yang berkapitalisasi pasar besar dan bukan pada saham berharga tinggi. Kapitalisasi pasar adalah jumlah saham tercatat dikalikan dengan harga pasarnya. Indeks berdasarkan nilai digunakan di Bursa Efek Indonesia (BEI) untuk menghitung Indeks Harga Saham Gabungan (IHSG). Indeks LQ 45, Jakarta Islamic Indeks, dan sekitar 10 indeks sektoral di BEI. Indeks berdasrkan kapitalisasi ini juga digunakan untuk indeks S&P 500, indeks NYSE, Nasdaq, dan Hang Seng. Keunggulan indeks berdasarkan nilai adalah perubahan indeks mencerminkan perubahan nilai kapitalisasi pasar jika mencakup seluruh saham di suatu bursa. Jika suatu indeks naik maka nialai kapitalisasi pasar pada bursa tersebuat akan naik. Perhitungan indeks berdasrkan nilai menyebabkan saham yang mempunyai kapitalisasi besar lebih menentukan pergerakan indeks dibandingakan dengan saham berkapitalisasi kecil.

18

c. Indeks Tak Tertimbang Indeks tak tertimbang atau indeks yang memberikan bobot sama kepada semua saham tanpa melihat harga atau kapitalisasi pasar saham itu. Model ini relative jarang digunakan, indeks tak ter timbang digunakan untuk bursa saham Singapura, Milan, dan Value Line. d. Saham Beredar Indeks berdasarkan saham beredar di publik berusaha untuk mengoreksi indeks berdasarkan nilai. Jika indeks berdasarkan nilai menggunakan seluruh saham tercatat sebagai dasar pembobotan, indeks ini hanya menggunakan jumlah saham yang beredar untuk menghitung nilai kapitalisasi. Penggunaan indeks ini menyebabkan saham yang mempunyai saham beredar dengan kapitalisasi terbesar yang paling menentukan pergerakan indeks. 3. Indeks Harga Saham di Indonesia, Jepang, Singapore, Malaysia, China, Korea, Amerika, London, Australia, Kuwait a. Indeks Harga Saham Gabungan (IHSG) Indeks Harga Saham Gabungan diperkenalkan pertama kali pada April 1983, yang digunakan sebagai indikator utama untuk memantau pergerakan harga saham secara keseluruhan di bursa saham Indonesia (Bursa Efek Indonesia). Indeks ini mencakup semua saham biasa maupun saham preferen. Indeks Harga Saham Gabungan (IHSG) sebenarnya merupakan angka indeks harga saham yang sudah disusun dan dihitung sehingga menghasilkan tern, diman angka indeks adalah

19

angka yang diolah sedemikian rupa sehingga dapat digunakan membandingkan kejadian yang dapat berupaa perubahan harga saham dari waktu ke waktu. Rumus yang digunakan adala metode value weighted dan mengambil hari dasar pada tanggal 10 Agustus 1982. Dalam perhitungan angka indeks ini digunakan, yaitu waktu dasar (base period) dan waktu yang sedang berjalan (given parent period). Waktu dasar adalah waktu yang dimana suatu peristiwa dipergunakan sebagai dasar perbandingan dengan waktu yang berjalan, sedangkan waktu berjalan adalah waktu dimana suatu kegiatan atau peristiwa akan dibandingkan dengan waktu dasarnya. Dasar perhitungan IHSG adalah jumlah Nilai Pasar dari total saham yang tercatat pada tanggal 10 Agustus 1982. Jumlah Nilai Pasar adalah total perkalian setiap saham tercatat (kecuali untuk perusahaan yang berada dalam program restrukturisasi) dengan harga di BEI pada hari tersebut. Formula perhitunagn indeks menurut (Iskandar Z. Alwi 2003: 89).

IHSG

= Indeks Harga Saham Gabungan

Nilai Pasar

= total harga semua saham pada waktu yang berlaku

Nilai Dasar

= total harga semua saham pada waktu dasar

Perhitungan indeks dilakukan setiap hari, yaitu setelah penutupan

perdagangan

setiap

harinya.

Perhitungan

indeks

20

mempresentasikan pergerakan harga saham di pasar/bursa yang terjadi melalui sistim perdagangan lelang. Harga saham yang digunakan dalam menghitung IHSG adalah harga saham di pasar regular yang didasarkan pada harga yang terjadi berdasarkan sistim lelang (www.wapapers.com). Indeks Harga Sahan Gabungan yang digunakan dalam penelitian ini untuk mewakili bursa saham Indonesia karena Indeks Harga Saham Gabungan mencerminkan pasar modal Indonesia secara keseluruhan

yang

mempresentasikan

pergerakan

bursa

saham

Indonesia. b. Nikkei 225 Index (Indeks Bursa Jepang) Nihon Kaizui Simbun adalah indeks pasar pasar saham untuk bursa Tokyo yang merupakan lembaga yang diberi wewenang untuk melaksanakan Nikkei Stock Average yang berfungsi sebagai indikator pergerakan rata-rata harga saham. Indeks Nikkei merupakan gabungan dari 225 saham-saham blue chip yang terdaftar di papan atas bursa Tokyo sebagai indeks pengukur pergerakan harga saham. Metode perhitungan indeks Nikei 225

menggunakan

Weghted

Average

Method

seperti

halnya

perhitungan Dow Jones (www.wikipedia.com) c. Singapore Straits Times Price Indeks (STI) The staits times price indeks (STI) diluncurkan dalam rangka pengklarifikasian kembali perusahaan yang terdaftar di Singapore

21

Exchange, menggantikan Straits Times Industrial Indeks (STII), dan mulai difungsikan pada tanggal 31 Agustus 1998 pada posisi 885,26 point. Straits Times Indeks dihitung berdasarkan Market Value Weighted dari 30 saham perusahaan yang mewakili perusahaan yang terdaftar di Singapore Exchange. Indeks ini dibuat oleh Singapore Press Holding, Singapore Exchznge dan professor Tse Yiu Juen dari Singapore Manajement University dan di tinjau ulang paling tidak setahun sekali atau kapan saja bila diperlukan. Indeks tersebut mempresentasikan 78% dari ratarata nilai transaksi harian selama 12 bulan dan 61,2% dari total kapitalisasi pasar dibursa efek tersebut. Namun, sejak 18 Maret 2005, jumlah saham perusahaan yang masuk ke dalam indeks ini di tambahkan menjadi 50 perusahaan harian rata-rata dalam periode 12 bulan menjadi 60% dan menaikan total kapitalisasi pasar di bursa efek Singapore menjadi 75% (www.wikipedia.com) d. Hang Seng Index (HSI) Hang Seng Index (HSI) dalah indeks komulatif dari 40 saham blue chip dari Hong Kong Stock Market, yang merupakan salah satu index saham terpercaya, yang digunakan para investor dan fund manager untuk berivestasi. Saham-saham yang yangterdaftar di dalam indeks ini berasal dari berbagai sektor, seperti Industri, Finance, Propertis dan sebagainya.

22

Hangseng pertamakali diperdagangkan pada tanggal 24 Novenber 1969, dan dikelola oleh HIS Services limited, yang merupakan perusahaan pemilik Hang Seng Bank, bank terbesar di Hongkong dalam hal kapitalisasi pasar. Seluruh 40 saham yang terdapat pada HIS mewakili sekitar 70% dari kapitalisasi pasar di bursa saham hongkong. Karena itu naik dan turunnya indeks HIS merupakan refleksi performa dari keseluruhan saham-saham yang diperdagangkan. e. Korea Composite Stock Indeks (KOSPI) Korea Composite Stock Indeks (KOSPI) diperkenalkan pertama kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4 Januari 1980. Kospi adalah indeks harga saham untuk seluruh saham biasa yang diperdagangkan di bursa saham Korea. Indeks ini merupakan refresentatif dari indeks harga saham di Korea Selatan (Korea Exchange). Indeks ini di hitung berdasarkan kapitalisasi pasar. Kospi merupakan indeks utama di Korea Selatan yang terdiri dari 200 saham utama paling liquid yang diperdangangkan oleh bursa saham Korea (Dian Nurdiansyah, 2009). f. FTSE 100 Indeks FTSE 100 adalah indeks dari 100 perusahaan dengan nilai kapitalisasi tertinggi yang diperdagangkan di London Stock Exchange. Perusahaan yang sahamnya masuk kedalam indeks ini harus terdaftar penuh di London Stock Exchange. Perusahaan yang masuk kedalam FTSE harus memenuhi beberapa persyaratan yang ditetapkan oleh

23

FTSE Group, termasuk memiliki daftar lengkap di London Stock Exchange dengan Sterling atau harga mata uang Euro SETS, dan pertemuan tes tertentu pada kebangsaan, bebas mengambang, dan likuiditas. FTSE 100 perusahaan mewakili sekitar 81% dari kapitalisasi pasar dari seluruh London Stock Exchange.

FTSE

merupakan indikator pergerakan pasar saham inggris (www.ftse.com). g. Australian Stock Exchange 200 Index (ASX 200) Bursa efek Australia Australian Securities Exchange (ASX) adalah merupakan bursa efek utama di Australia. ASX diawali sebagai bursa swasta yang didirikan pada awal tahun 1861. Perdagangan di ASX dilakukan sepenuhnya dengan sistim perdagangan elektronik. ASX

200

Indeks

merupakan

tolok

ukur

untuk

investable Australian Securities Exchang. Mengukur kinerja terbesar 200 daftar saham yang memenuhi persyaratan indeks di bursa. Indeks tersebut meliputi sekitar 80% dari kapitalisasi pasar saham Australia. Australian Stock Exchange (ASX) adalah merupakan hasil penggabungan usaha (merger) antara Australian Stock Exchange dan Sydney Futures Exchange, dan nama perusahaan hasil penggabungan usaha tersebut adalah Australian Securities Exchange (ASX) sejak 5 Desember 2006. Berdasarkan data per 30 Juni 2007, kapitalisasi pasar domestiknya sebesar $1.63 trilyun AUD dengan jumlah perusahaan publik yang terdaftar sebanyak 2.090 perusahaan (www.asx.com).

24

h. Kuwait Stock Exchange (KSE) Kuwait Stock exchange adalah pasar saham dari The State of Kwait yang merupakan bursa saham yang terbesar di teluk Persia, dan kini memperoleh ketenaran sebagai salah satu pasar saham yang paling potensial di dunia (www.kse.com). i. Kuala Lumpur Composite Indeks (KLCI) Kuala Lumpur Composite Indeks diperkenalkan pada tahun 1986 yang merupakan indek pasar saham utama di Malaysia yang menjadi barometer pasar saham lokal yang berfungsi sebagai indikator kinerja yang akurat dari pasar saham dan keadaan ekonomi Malaysia. Klse terdiri dari 30 perusahaan terbesar yang terdaftar di Malaysia. Kuala Lumpur Composite Indeks merupkan salah satu dari tiga indeks utama yang ada di Malaysia. Kuala Lumpur Composite Indeks adalah kapitalisasi tertimbang indeks pasar saham yang memiliki nilai dasar 100 per 2 Januari 1977. Pergerakan Kualalumpur Composite Indeks merupakan indikator penting bagi para investor dalam melakukan investasi. Hal ini disebabakan karena pergerakan harga saham selalu berubah-ubah setiap waktu baik menit maupun detik. Setiap perubahan harga saham akan mencerminkan keadaan pasar saham tersebut (www.klse.com).

25

j. National Association of Securities Dealer Automated (NASDAQ) National

Association

of

Securities

Dealers

Automated

Quotations dioperasikan pada tanggal 8 februari pada tanun 1971. Nasdaq merupakan pasar elektronik pertama di dunia. Sejak yahun 1999, Nasdaq adalah bursa saham terbesar di Amerika Serikat dengan lebih dari setengah jumlah perusahaan yang diperdagangkan di AS dicatat di sini. Nasdaq terdiri dari Nasdaq National Market dan Nasdaq SmallCap Market. Bursa utamanya terletak di Amerika Serikat, dengan cabang di Kanada dan Jepang. Nasdaq juga mempunyai asosiasi dengan bursa saham di Hong Kong dan Eropa. Pada 17 Juli 1995 Nasdaq ditutup pada level di atas 1.000 poin untuk pertama kalinya. Puncaknya terjadi pada 10 Maret 2000, di mana indeks mencapai 5048,62 poin (www.wikipedia.com).

D. Pengaruh Indeks Bursa Global Terhadap IHSG BEI Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan berpengaruh terhadap kondisi perekonomian negara. Kondisi krisis negaranegara Asia tahun 1997 menurut penelitian Bank Dunia terutama disebabkan oleh adanya contagion effect (domino effect) dari negara lain (Tan, Jose Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia sebagai salah satu negara berkembang ternyata hingga saat ini masih sangat tergantung pada kondisi perekonomian luar negri terutama yang berkaitan dengan investasi. Akibatnya, kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi

26

luar negeri terutama kondisi pasar modal yang ada pada negara-negara maju (Ludovicius Wondabio, 2006). Keterkaitan pasar modal Indonesia dengan pasar modal luar negeri dimulai setelah diperbolehkannya para investor untuk ikut menguasai sahamsaham yang tercatat di BEI. Investasi portofolio asing berperan sangat penting di pasar modal manapun (Mobius, 1998:187) dalam Moh. Mansur (2005). Diperkenalkannya investor asing ke pasar tentu saja berfungsi sebagai katalis yang mendorong investasi lokal. Investasi asing berpengaruh dalam menyorot perusahaan yang memberikan informasi keuangan paling transparan dan valuasi terbaik, masuknya dana-dana asing ke pasar-pasar baru berpengaruh jelas dan menguntungkan bagi pertumbuhan dan struktur pasar. Walaupun peranan investor domestik makin meningkat akan tetapi terdapat kebiasaan dari investor domestik untuk melakukan strategi mengekor pada investor asing atau setidaknya investor domestik menggunakan perilaku investor asing sebagai acuan. Sehingga saat investor asing melepas sahamnya investor domestik pun ikut-ikutan, akibatnya indeks dapat turun semakin tajam. Investor asing menanamkan modalnya pada bursa seluruh dunia sehingga antara bursa-bursa didunia mempunyai keterkaitan secara global. Kejadian dan dinamika harga saham antara satu bursa dengan bursa yang lain saling pengaruh mempengaruhi terutama dengan bursa dari negara-negara berdekatan

misalnya

crash

yang

terjadi

di

bursa

Singapura

akan

27

mengakibatkan crash pada bursa-bursa Taiwan, Hongkong, Jepang maupun Indonesia. Demikian pula sebaliknya (Mansur 2005:206).

E. Contagion Effect Theory (Efek Domino) Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan berpengaruh terhadap kondisi perekonomian negara. Kondisi krisis negaranegara Asia tahun 1997 menurut penelitian Bank Dunia terutama disebabkan oleh adanya contagion effect (domino effect) dari negara lain (Tan, Jose Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia sebagai salah satu negara berkembang ternyata hingga saat ini masih sangat tergantung pada kondisi perekonomian luar negri terutama yang berkaitan dengan investasi. Akibatnya, kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi luar negeri terutama kondisi pasar modal yang ada pada negara-negara maju (Ludovicius Wandobio, 2006). Efek domino adalah mata rantai reaksi yang terjadi ketika sebuah perubahan, baik kecil maupun besar, yang menyebabkan perubahan yang sama didekatnya, dimana nantinya akan menyebabkan perubahan lainnya yang sam pula. Efek domino juga bisa digunakan untuk menggambarkan mata rantai reaksi perubahan pada aktivitas tertentu. Dalam pasar keuangan, termasuk pasar saham juga ada efek domino, dan dapat digunakan sebagai metode analisa dasar dari pergerakan harga. Efek domino terjadi di dunia keuangan melibatkan fakto-faktor yang berasal dari pasar-pasar yang berbeda.

28

F. Teori Pasar Kuat Terhadap Pasar yang Lemah Dalam penelitian Ludovicius Wandobio, 2006. Menurut para ahli, liberalisasi

dalam

bidang

perekonomian

cenderung

menguntungkan

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

G. Penelitian Terdahulu Beberapa penelitian yang dilakukan oleh peneliti terdahulu, yaitu: Penelitian yang dilakukan oleh Moh. Mansur (2005) mengenai perkembangan indeks harga saham bursa global dalam hubungannya dengan besarnya indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia BEI. Penelitian ini menggunakan tujuh bursa global. Adapun ketujuh bursa saham global tersebut adalah KOSPI yang mewakili bursa saham Korea, Hang Seng (HSI) yang mewakili bursa saham Hong Kong, Nikkei 225 yang mewakili bursa saham Jepang, TAIEX yang mewakili bursa saham Taiwan, Dow Jones yang mewakili bursa saham New York Amerika Serikat, FTSE yang mewakili bursa saham London Inggris, ASX yang mewakili bursa saham Australia. Model yang digunakan adalah Path Analysis. Hasil penelitian menunjukkan

29

bahwa pengaruh ketujuh indeks bursa saham global secara bersama-sama berpengaruh secara signifikan tetapi secara individual hanya indeks bursa KOSPI, Nikkei 225, TAIEX, dan ASX saja yang mempengaruhi IHSG BEJ. Penelitian dari Ludovicus Sensi Wondabio (2006) yang meneliti tentang pengaruh dari Nikkei 225, SSI (Singapura), FTSE (London) terhadap IHSG.

Metode

yang

digunakan

adalah

Granger

Causality

dan

ARCH/GARCH. Hasil penelitian menunjukan bahwa secara signifikan semua indeks yang diteliti yaitu Nikkei, SSI, FTSE berpengaruh terhadap IHSG. Hal tersebut menunjukan bahwa indeks dari negara-negara maju mempengaruhi indeks dari negara yang sedang berkembang. Penelitian yang dilakukan Chandra Utama (2008) mengenai pengaruh pasar saham dunia terhadap pasar saham Indonesia. Tujuan penelitian ini adalah untuk mengetahui hubungan masing-masing pasar dan arah pengaruh gerakan pasar saham lain terhadap pasar saham Indonesia.

Data yang

digunakan dalam penelitian ini adalah data indeks harga saham gabungan dari pasar saham Amerika Serikat, Singapura, Jepang, Hong Kong dan Indonesia periode Juli 1997 sampai Juli 2008. Metode yang digunakan yaitu korelasi pearson dan Granger Causality. Hasil penelitian menunjukan

bahwa ada

hubungan antara pasar saham dunia dengan pasar saham Indonesia. Pasar saham dunia terutama pasar saham Amerika Serikat lebih mempengaruhi pasar saham Indonesia dan hanya pada saat krisis tahun 1997 saja pasar saham Indonesia mempengaruhi pasar saham Amerika Serikat. Sebagian besar hubungan kausalitas yang ada, terutama pasar saham Asia adalah hubungan

30

kausalitas saling mempengaruhi dengan pasar saham Indonesia. Terdapat interdependensi pasar saham Indonesia dengan pasar saham Asia. Penelitian yang dilakukan oleh Bodi Frensidy (2008) mengenai analisis pengaruh aksi beli jual asing, kurs, dan Indeks Hang Seng terhadap Indeks Harga Saham Gabungan. Metode yang digunakannya adalah GARCH. Hasil dari penelitiannya menunjukan bahwa aliran dana bersih asing, perubahan kurs, dan perubahan indeks Hang Seng mampu mempengaruhi secara signifikan perubahan Indeks Harga Saham Gabungan. Hal ini menunjukan bahwa jika perubahan aliran dana bersih asing dan perubahan Indeks Hang Seng positif maka perubahan IHSG akan positif juga. Ini berarti jika perubahan aliran dana bersih asing dan perubahan Indeks Hang Seng naik maka perubahan IHSG akan naik juga. Sedangkan persentase perubahan kurs negatif yang artinya jika kurs dolar Amerika menguat maka perubahan IHSG negatif. Hal tersebut menunjukan bahwa keadaan makro luar negri juga sangat berpengaruh terdadap perubahan IHSG. Penelitian dari Adwin Surja Atmaja (2005) meneliti interaksi dinamis antara indeks harga saham yang terdapat di lima negara ASEAN, yaitu Indonesia, Malaysia, Filipina, Singapura, dan Thailand yang terjadi selama masa krisis financial Asia tahun 1997 dan periode sesudahnya. Metode yang digunakan adalah Vector Error Corection Model (VECM). Hasil dari penemuan ini adalah diversifikasi portofolio saham pada lima pasar saham tersebut agaknya tidak secara signifikan mengurangi tingkat resiko investasi.

31

Hal ini dikarenakan oleh tingginya tingkat integrasi diantara pasar saham tersebut. Penelitian yang dilakukan Ardo Ryan Dwitanto (2005) yang meneliti mengenai pengaruh indeks saham Dow Jones terhadap IHSG dan nilai tukar rupian terhadap dollar AS pada masa krisis ekonomi. Penelitian ini menggunakan VECM yang hasilnya menunjukan bahwa Dow Jones berpengaruh negatif terhadap nilai tukar rupiah namun tidak berpengaruh terhadap IHSG selama masa krisis. Penelitian lain mengenai Pengaruh nilai tukar mata uang dan indeks harga saham global terhadap pergerakan IHSG dilakukan Ali Fikri Hasibuan (2009). Penelitian ini bertujuan Untuk menggambarkan pengaruh Nilai Tukar Mata Uang dan Indeks Harga Saham Global (Indeks Nasdaq, Taiex, Nikkei dan Kospi) terhadap pergerakan Indeks Harga Saham Gabungan baik secara simultan maupun parsial di BEI. Hasil penelitian menggunakan regresi linier berganda menunjukan secara simultan ditemukan terdapat pengaruh yang signifkan antara nilai tukar mata uang dan indeks harga saham global (nasdaq, taiex, nikkei dan kospi) terhadap pergerakan IHSG. Dan secara parsial tidak terdapat pengaruh yang signifikan variabel indeks taiex terhadap pergerakan IHSG, tetapi terdapat pengaruh yang signifikan antara nilai tukar mata uang dan indeks harga saham global (Nasdaq, Nikkei dan Kospi) terhadap IHSG yang signifikannya dibawah 5%.

32

H. Kerangka Pemikiran Penelitian ini bertujuan untuk mengetahi hubungan yang terjadi antara pasar saham global terhadap pasar saham Indonesia. Data yang digunakan dalam penelitian ini berupa data time saries bulanan dari indeks tiap negara yang menjadi objek penelitian. Metode yang digunakan adalah uji akar unit, Granger Causality Test, Regresi, ARCH/GARCH dan VAR. Langkah pertama dilakukan uji akar unit yang bertujuan untuk melihat data stasioner atau tidak, biasanya data time series selalu mempunyai masalah otokorelasi dan heteroskedastisitas. Hal ini akan menyebabkan model regresi yang dihasilkan tidak memenuhi asumsi klasik. Untuk menghilangkan masalah tersebut dilakukan uji akar unit. Selanjutnya menggunakan Granger Causality Test untuk mengetahui arah pengaruh gerakan pasar lain terhadap pasar Indonesia, apakah terjadi hubungan satu arah atau dua arah (saling mempengaruhi). Jika diketahui hubungan yang terjadi tersebut adalah dua arah maka selanjutnya akan dilakukan uij VAR (Vector Autoregresive) untuk mengetahui pengaruh yang terjadi anatar variabel tersebut. Jika yang terjadi hubungan searah maka akan dilakukan uji Regresi. Langkah berikutnya adalah pengujian Heteroskedastisitas data dengan uji White Heteroskedastisitas Test, jika

data

terjadi

heteroskedastisitas

maka

akan

digunakan

model

ARCH/GARCH untuk mengetahui pengaruh yang terjadi antar variabel.

33

Kerangka Pemikiran Bursa Saham

- Nikkei Nasdaq

-KLCI

- Hang Seng -STI - FTSE

IHSG

- ASX - KOSPI

Granger Causality Test Dua Arah

Satu Arah

VAR

Regresi

a. Stasioner b. Uji Heteroskedastisita s

ARCH/GARC

Interpretasi Kesimpulan

Gambar 2.1 I. Hipotesis

34

Hipotesis yang akan di uji dalam skripsi ini adalah: 1. H0

: Tidak terdapat hubungan antara pasar modal dunia dengan pasar

modal Indonesia. H1

: Terdapat hubungan antara pasar modal dunia dengan pasar modal

Indonesia. 2. H0

: Tidak terdapat pengaruh yang signifikan antara pasar saham

global terhadap pasar saham Indonesia. H1

: Terdapat pengaruh yang signifikan antara pasar saham global

terhadap pasar saham Indonesia.

35

BAB III METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah menganalisis pengaruh pasar saham global (Nikkei, STI, KLCI, KOSPI, Hang Seng, NASDAQ, FTSE, ASX, dan KSE) terhadap pasar saham Indonesia (IHSG). Periode yang diteliti Januari 1999 sampai Desember 2009.

B. Metode Penentuan Sampel Populasi dalam penelitian ini adalah seluruh aktivitas pergerakan index-index harga saham di Negara Indonesia, Jepang, Singapore, Malaysia, Korea, China, Amerika Serikat, London, Australia, Kuwait mulai dari Januari 1999 sampai dengan Desember 2009. Sampel yang dipilih adalah IHSG, Nikkei, STI, KLCI, KOSPI, Hang Seng, NASDAQ, FTSE, ASX, dan KSE.

C. Metode Pengumpulan Data Penelitian ini menggunakan data sekunder berupa data runtun waktu (time series) dengan skala bulanan yang diambil dari sumber data antara lain BEI dan Yahoo Finance. Metode yang digunakan dalam pengumpulan data untuk melakukan penelitian ini adalah sebagai berikut :

36

1. Library Research Data yang diperoleh dari berbagai literatur seperti buku, majalah, jurnal, koran, internet dan hal lain yang berhubungan dengan aspek penelitian sebagai upaya untuk memperoleh data yang valid. 2. Field Research Data yang digunakan dalam penelitian ini adalah data yang bersifat sekunder yaitu data yang diperoleh pihak lain (yang berkaitan) dengan penulisan proposal ini, seperti pusat referensi pasar modal di Bursa Efek Indonesia. 3. Internet Research Terkadang buku referensi atau literature yang kita miliki atau pinjem diperpustakaan tertinggal selama beberapa waktu atau kadarluarsa, karena ilmu yang selalu berkembang, penulis melakukan penelitian dengan teknologi yang berkembang yaitu internet sehingga data yang diperoleh up to date seperti: www.yahoo.finance.com, www.wikipedia.com.

D. Metode Analisis Dalam penelitian ini akan dipergunakan sebagai alat analisis adalah program Eviews, dengan berbagai metode analisis yang ada dalam ekonometri, yaitu: 1. Test Granger Causality Merupakan metode untuk melihat bentuk hubungan antar variabel (searah atau dua arah). Pada Uji Granger Causalitas yang dilihat adalah

37

pengaruh masa lalu terhadap kondisi sekarang, sehingga data yang digunakan adalah data time series. Pertanyaan yang sering muncul dalam uji kausalitas granger adalah: “berapa lag yang harus digunakan?”. Lag yang kecil biasanya lebih baik karena pada umumnya pengaruh lag yang berdekatan lebih tinggi dibanding lag yang lebih jauh (Nachrowi 2006,264). Dalam penelitian ini, uji Granger Causality digunakan untuk memlihat apakah terdapat hubungan langsung maupun Bilateral Causality diantara variabel-variabel penelitian. 2. Metode Estimasi Metode yang digunakan adalah metode kuadrat kecil (Ordinary Least Square Method) yaitu metode yang berusaha meminimalkan jumlah Deviasi Kuadrat. Deviasi atau residual dari sampel (sample error) adalah selisih antara nilai prediksi dengan nilai sesungguhnya dari variabel terikat. Keakuratan dan validitas model tergantung dari 10 (sepuluh) asumsi dasar dari OLS yaitu: a. Model bersifat linier b. Variabel independen bersifat non stokastik c. Faktor disturbance atau error mempunyai nilai mean nol d. Homokedasticity atau nilai residual sama besar e. Tidaka ada otokorelasi antara sesama error dan residual f. Tidak ada korelasi antara error/residual dengan variabel bebas g. Jumlah observasi harus lebih besar dari variabel yang akan diestimasi

38

h. Nilai variabel independen tidak boleh sama dalam satu kolom i. Model dispesifikasi dengan benar j. Tidak terjadi multikolinearitas (hubungan antara variabel independen) yang sempurna. Bila seluruh asumsi terpenuhi, maka pendugaan yang diperoleh dari metode kuadrat terkecil ini memiliki karakteristik/bersifat BLUE (Best Linier Unbissed Estimator). Disebut Unbiassed karena nilai harapan dari pendugaan sama dengan nilia para meter, dan disebut best karena dengan metode ini akan diperolah varians/penyimpanan terkecil. Pengujian Asumsi Klasik Menurut Gujarati agar karakteristik BLUE dapat dicapai model harus memenuhi asumsi klasik yaitu tidak terdapat gejala Autokorelasi, Heteroskedastsitas dan Multikolinearitas. Sebelum pengujian asumsi klasik perlu dilakukan uji normalitas data, apabila data yang diuji telah berdistribusi normal, maka error/residual dari model regresi yang dibuat akan mempunyai distribusi normal yang baik pula, sehingga kesimpulan yang akan diambil secara statistic sudah benar. a. Uji Stasioneritas Data time series menyimpan banyak berbagai permasalahan salah satunya adalah masalah otokorelasi. Otokorelasi merupakan penyebab yang mengakibatkan data menjadi tidak stasioner, jika data dapat distasioneritaskan maka otokorelasi dapat diatasi. Merupakan hal yang sangat penting dalam anlisis time series. Dalam analisis time

39

series masalah stasioneritas merupakan masalah yang sangat penting. Untuk mengetahui data stasioner atau tidak dapat dilihat dari nilai ratarata varian dari data time series tidak mengalami perubahan yang sistematis (Nachrowi,2006;340). Tujuan uji stasioner adalah agar meannya stabil dan random errornya = 0, sehingga model regresi yang diperoleh mempunyai prediksi yang tidak spurious (regresi semu). Data dikatakan stasioner nilai probabilitasnya < tingkat kepercayaan

= 0,05 atau ADFtest >

nilai kritis ADF. Apabila data yang diperoleh belum stasioner pada tingkat level, maka diperlukan langkah untuk membuat data menjadi stasioner melalui proses differensi data. Uji stasioner data melalui proses differensi ini disebut dengan uji derajat integrasi. Hal ini dilakukan untuk menghilangkan setiap variabel dengan membuat selisih nilai suatu variabel terhadap nilai variabel tersebut beberapa periode sebelumnya (difference), maka variabel ini dapat disebut sebagai yang berintegrasi pada derajat satu, demikian seterusnya (Han dan Hertanto,2006;28). Pada penelitian ini akan dilakukan pengujian stasioner dengan menggunakan metode Augment Dickey Fuller (ADF) test. Adapun langkah-langkah pengujiannya adalah sebagai berikut : 1. Uji hipotesis H0 : data tidak stasioner H1 : data stasioner

40

2. Nilai ADF test statistic yang terdapat dalam output dibandingkan, jika nilai ADF test statistic < critical value pada

= 5% maka data

sudah stasioner atau tolak H0 dan sebaliknya jika ADF test statistic > critical value maka data tidak stasioner. Untuk mengatasi data tidak stasioner maka akan dilakukan 1st differene. Agar tehindar dari masalh spurious regression, maka regresi harus dilakukan pada data variabel yang telah ditransformasikan dari data non stasioner ke data yang telah stasioner. b. Uji Atokorelasi Syarat agar pendugaan OLS akan bersifat BLUE (Best Linier Unbiased estimate) salah satunya adalah jika memenuhi asumsi bebas atokorelasi. Atokorelasi adalah korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu atau individu. Umumnya kasus autokorelasi terjadi pada data time series. Deteksi autokorelasi dapat dilakuakn dengan uji Lagrenge Multiplier. Penentuan ada tidaknya masalah autokorelasi dapat dilihat dari nilai probabilitas Chi square. Jika nilai probabilitas lebih besar dari nilai á = 5% berarti tidak ada masalah autokorelasi. Sebaliknya jika nilai probabilitas lebih kecil dari nilai á = 5% berarti ada masalah autokorelasi. c. Uji Heteroskedasticity Heteroskedastisitas berarti variasi (varians) variabel tidak sama untuk semua pengamataan. Pada heteroskedastisitas kesalahan yang

41

terjadi tidak acak, tetapi menunjukan hubungan yang bersifat sistematis sesuai dengan besarnya satu variabel bebas. Pada Heteroskedastisitas terdapat fakta hubungan positif antara X dan Y, dimana nilai Y meningkat searah dengan nilai X, semakin besar nilai variabel bebas X dan variabel Y, semakin jauh koordinat (X,Y) dari garis regresi (error makin besar). Untuk

mengetahui

apakah

suatu

data

bersifat

heteroskedastisitas atau sudah homokedastisitas akan dilakukan pengujian dimana dalam penelitian ini akan digunakan uji White Heteroskedastisitas. Adapun langkah-langkah pengujiannya adalah sebagai berikut : 1. Uji Hipotesis H0 = tidak ada Heteroskedasticity H1 = ada Heteroskedasticity 2. Pada output Eviews, jika probability Obs*R-squared lebih kecil dari berarti

= 5%, maka disimpulkan untuk menolak hipotesis yang tidak

cukup

bukti

untuk

menyatakan

tidak

ada

Heteroskedastisitas (Nacrowi, Usman, 2006). 3. Model ARCH/GARCH Dalam metode OLS dikenal teorema Gauss Markov, yang salah satunya varians dari error bersifat konstan, atau tidak berubah-ubah (homoheteroskedastisitas), agar estimator yang didapat BLUE. Akan tetapi

42

dalam pembuatan model tidak jarang ditemui bahwa prasyarat tersebut tidak terpenuhi. Sekalipun keberadaan Heteroskedastisitas masih memberikan estimator OLS yang tidak bias dan konsisten, tetapi estimator tersebut sudah tidak efisien, yaitu varians dari estimator tidak minimum. Dan akibatnya uji t, interval kepercayaan, dan berbagai ukuran lainnya, menjadi tidak tepat. Oleh karena itu, masalah ini harus diatasi dalam mengestimasi dengan metode OLS. Untuk menghadapi situasi ini ada model yang dikenal yaitu ARCH (AutoRegressive

Conditional

Heteroscedasticity).

Dalam

perkembangannya muncul variasi dari model ini yang dikenal dengan GARCH (Generalized AutoRegressive Conditional Heteroscedasticity). Model ARCH dikembangkan oleh Robert Engle (1982) dan modifikasi oleh Mills (1999). GARCH dimaksudkan untuk memperbaiki ARCH dan dikembangkan oleh Tim Bollerslev (1986 dan 1994). Dalam model ARCH, varian residual data runtun waktu tidak hanya dipengaruhi oleh nilai residual variabel yang diteliti. Model ARCH menggunakan persamaan berikut:

Dengan Varian

Keterangan: = Varian Residual

43

Konstanta Komponen ARCH Agar

varian

selalu

positif

maka

harus

dipenuhi

syarat

. Sedangkan persamaan untuk model GARCH sebagai berikut:

Dengan varian:

Keterangan: Varian Residual Konstanta Komponen ARCH = Komponen GARCH 4. Model VAR Pada teori keuangan dijumpai beberapa variabel yang memiliki kausalitas dan kita membuat estimasi model simultan dari variabelvariabel yang diteliti. Pemodelan seperti ini, dapat dikategorikan sebagai pemodelan multivariate yang simultan. Pemodelan seperti ini memiliki satu tantangan yaitu defenisi eksogen dari variabel-variabel yang sedang diteliti. Menurut Sims dalam (Nachrowi D, 2006), jika terdapat hubungan yang simultan antar variabel yang diamati, maka variabel-variabel tersebut

44

perlu diperlakukan sama, sehingga tidak ada lagi variabel endogen atau eksogen. Berdasarkan pemikiran inilah Sims memperkenalkan konsep yang disebut Vector Auto Regresi (VAR). VAR merupakan model yang menggambarkan hubungan simultan (dua arah) antar variabel. Persamaan model VAR sebagai berikut:

dan

Keterangan: Variabel yang diamati pada waktu ke t Variabel yang diamati pada waktu ke t-1 adalah koefisien regresi Selain itu analisis VAR juga merupakan alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar variabel ekonomi maupun di dalam pembentukan model ekonomi berstruktur.

E. Operasional Variabel 1. Indeks Harga Saham Gabungan (IHSG) Indeks Harga Saham Gabungan (IHSG) merupakan salah satu indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI). Indeks ini mencakup pergerakan harga seluruh saham biasa dan saham preferen yang tercatat di Bursa Efek Indonesia BEI.

45

2. Nikkei 250 Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri 225 saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo sebagai indeks pengukuran pergerakan harga saham. 3. Singapore Straits Times Price Index (STI) Indeks ini dibuat oleh Singapore Press Holding, Singapore Exchznge dan professor Tse Yiu Juen dari Singapore Manajement University dan di tinjau ulang paling tidak setahun sekali atau kapan saja bila diperlukan. Straits Times Indeks dihitung berdasarkan Market value weighted dari 30 saham perusahaan yang mewakili perusahaan yang terdaftar di Singapore Exchange. 4. Hang Seng Indeks (HSI) Hangseng Indeks (HSI) dalah indeks komulatif dari 40 saham blue chip dari Hong Kong Stock Market, yang merupakan salah satu indeks saham terpercaya, yang digunakan para investor dan fund manager untuk berinvestasi. Saham-saham yang terdaftar di dalam indeks ini berasal dari berbagai sektor, seperti Industri, Finance, Propertis dan sebagainya. Hang Seng pertamakali diperdagangkan pada tanggal 24 Novenber 1969, dan dikelola oleh HIS Services limited. 5. Korea Composite Stock Indeks (KOSPI) Korea Composite Stock Indeks (KOSPI) diperkenalkan pertama kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4 Januari 1980. Kospi adalah indeks harga saham untuk seluruh saham biasa yang

46

diperdagangkan di bursa saham Korea. Indeks ini merupakan refresentatif dari indeks harga saham di Korea Selatan (Korea Exchange). Indeks ini dihitung berdasarkan kapitalisasi pasar. Kospi merupakan indeks utama di Korea Selatan yang terdiri dari 200 saham utama paling liquid yang diperdagangkan oleh bursa saham Korea. 6. FTSE 100 (UKX) FTSE 100 diambil sebagai respresentatif dari indeks Eropah, bursa saham London ini memiliki angka kapitalisasi yang paling besar bila dibandingkan dengan euronext ataupun bursa saham Belanda Deutse Borse. FTSE 100 perusahaan mewakili sekitar 81% dari kapitalisasi pasar dari seluruh London Stock Exchange. 7. Australian Stock Exchange (ASX) ASX 200 Indeks merupakan tolok ukur untuk investable Australian Securities Exchange. Mengukur kinerja terbesar 200 daftar saham yang memenuhi persyaratan indeks di bursa. Indeks tersebut meliputi sekitar 80% dari kapitalisasi pasar saham Australia. 8. Kuwait Stock Exchange (KSE) Kuwait Stock exchange adalah pasar saham dari The State of Kuwait yang merupakan bursa saham yang terbesar di teluk Persia, dan kini memperoleh ketenaran sebagai salah satu pasar saham yang paling potensial di dunia.

47

9. Kuala Lumpur Composite Indeks (KLCI) Kuala Lumpur Composite Indeks terdiri dari 30 perusahaan terbesar yang terdaftar di Malaysia. Kuala Lumpur Composite Indeks merupkan salah satu dari tiga indeks utama yang ada di Malaysia. Kuala Lumpur Composite Indeks adalah kapitalisasi tertimbang indeks pasar saham yang memiliki nilai dasar 100 per 2 Januari 1977. Pergerakan Kuala Lumpur Composite Indeks merupakan indikator penting bagi para investor dalam melakukan investasi. 10. NASDAQ Indeks National Association of Securities Dealers Automated Quotations dioperasikan pada tanggal 8 Februari pada tanun 1971. Nasdaq merupakan pasar elektronik pertama di dunia. Sejak tahun 1999, Nasdaq adalah bursa saham terbesar di Amerika Serikat dengan lebih dari setengah jumlah perusahaan yang diperdagangkan di AS dicatat di sini. Nasdaq terdiri dari Nasdaq National Market dan Nasdaq Small Cap Market.

48

BAB IV HASIL DAN PEMBAHASAN

A. Gambaran Umum Penelitian Salah satu keberhasilan ekonomi makro suatu negara adalah Indeks Harga Saham. Indeks berfungsi sebagai indikator trend pasar yang artinya pergerakan indeks menggambarkan kondisi pasar pada suatu saat. Bila kondisi ekonomi suatu negara baik maka indeks harga saham tentu akan menunjukan trend yang meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan turun maka akan berpengaruh juga terhadap indeks harga saham tersebut. Naik dan turunnya indeks harga saham dipengaruhi oleh keadaan dan kondisi ekonomi, sosial dan politik negara tersebut. Selain itu perekonomian suatu negara juga dipengaruhi oleh negara lain. Ekonomi negara yang lebih kuat mempunyai kecendrungan untuk mendominasi negara yang perekonomiannya lemah. Hal ini dapat diartikan bahwa ketergantungan negara yang lemah terhadap negara yang kuat akan semakin nyata. Pergerakan indeks menjadi indikator penting bagi para investor untuk menentukan apakah mereka akan menjual, menahan atau membeli suatu atau beberapa saham. Dengan adanya indeks, para investor dapat mengetahui trend pergerakan harga saham saat ini; apakah sedang naik, stabil atau turun. Karena harga-harga saham bergerak dalam hitungan detik dan menit, maka pergerakan indeks pun bergerak turun naik dalam hitungan waktu yang cepat pula sesuai dengan pergerakan harga-harga saham yang terdaftar di bursa.

49

Dewasa ini pasar saham Indonesia semakin terkait dengan gerakan dan gejolak pasar saham dunia. Selama enam tahun terakir IHSG terus meningkat semenjak akir tahun 2001 pada level 392.036 dan meningkat sampai akir tahun 2007 pada level 2750. Namun pada pertengahan tahun 2008 krisis keuangan yang terjadi di AS telah menimbulkan efek domino bagi perekonomian dunia. Selain Amerika, krisis juga terjadi di Eropa. Hal yang sama juga terjadi di Jepang dan Hongkong dengan merosotnya harga indeks mereka karena krisis keuangan yang terjadi di Amerika. Efek domino itu tentu saja secara kasat mata juga menerjang perekonomian Indonesia.

B. Penemuan dan Pembahasan 1. Deskripsi Data Hasil olah data yang dilakukan sebelum melakukan pengujian model akan dijelaskan mengenai data dari variabel-variabel yang terdapat pada model yang digunakan dalam penelitian ini. Data variabel tersebut dapat dihat di lampiran. Indeks Harga Saham Gabungan pertama kali dikenalkan pada tanggal 1 April 1983, yang digunakan sebagai indikator utama untuk memantau pergerakan harga saham secara keseluruhan di bursa saham Indonesia (Indonesian Stock Exchange). Indeks mencakup semua saham biasa maupun saham preferen. Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari 225 saham-saham Blue Chip yang terdaftar di papan atas bursa Tokyo

50

sebagai indeks pengukur pergerakan harga saham. Metode perhitungan indeks Nikkei 225 menggunakan Weighted Averaged Method seperti halnya perhitungan Dow Jones Indeks. The Straits Time Indeks (STI) adalah kumpulan 30 saham perusahaan yang mewakili perusahaan-perusahaan yang terdaftar di Singapore Exchange. Namun, sejak 18 Maret 2005 jumlah perusahaan yang masuk kedalam indeks ini bertambah menjadi 50 saham perusahaan. STI dihitung berdasarkan Market Value-weighted. Hang Seng Indeks (HSI) dalah indeks kumulatif dari 40 saham Blue Chip dari Hong Kong Stock Market, yang merupakan salah satu indeks saham terpercaya, yang digunakan para investor dan fund manager untuk berivestasi. Saham-saham yang terdaftar di dalam indeks ini berasal dari berbagai sektor, seperti Industri, Finance, Propertis dan sebagainya. Korea Composite Stock Indeks (KOSPI) diperkenalkan pertama kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4 Januari 1980. Kospi adalah indeks harga saham untuk seluruh saham biasa yang diperdagangkan di bursa saham Korea. Indeks ini merupakan refresentatif dari indeks harga saham di Korea Selatan (Korea Exchange). Indeks ini di hitung berdasarkan kapitalisasi pasar. FTSE 100 adalah indeks dari 100 perusahaan dengan nilai kapitalisasi tertinggi yang diperdagangkan di London Stock Exchange. Perusahaan yang sahamnya masuk kedalam indeks ini harus terdaftar penuh di London Stock Exchange. FTSE 100 perusahaan mewakili sekitar

51

81% dari kapitalisasi pasar dari seluruh London Stock Exchange. FTSE merupakan

indikator

pergerakan

pasar

saham

Inggris.

FTSE

mengguanakan metode price weighted dimana saham-saham yang menjadi sampel pada perhitungan indeks ini terdiri dari 100 perusahaan ranking tertinggi di Bursa Saham Inggris. Bursa Efek Australian Securities Exchange (ASX) adalah merupakan bursa efek utama di Australia. ASX diawali sebagai bursa swasta yang didirikan pada awal tahun 1861. Perdagangan di ASX dilakukan sepenuhnya dengan sistim perdagangan elektronik. Berdasarkan data per 30 Juni 2007, kapitalisasi pasar domestiknya sebesar $1.63 trilyun AUD dengan jumlah perusahaan publik yang terdaftar sebanyak 2.090 perusahaan. ASX memakai metode price weighted dimana bursa saham ASX ini adalah indeks utama pada bursa saham Australia dan perhitungannya menggunakan sampel seluruh saham yang listing di bursa saham ASX. Kuwait Stock Exchange adalah pasar saham dari The State of Kuwait yang merupakan bursa saham yang terbesar di teluk Persia, dan kini memperoleh ketenaran sebagai salah satu pasar saham yang paling potensial di dunia. Kuala Lumpur Composite Indeks diperkenalkan pada tahun 1986 yang merupakan indeks pasar saham utama di Malaysia yang menjadi barometer pasar saham lokal yang berfungsi sebagai indikator kinerja yang akurat dari pasar saham dan keadaan ekonomi Malaysia. Kuala

52

Lumpur Composite Indeks terdiri dari 30 perusahaan terbesar yang terdaftar di Malaysia. Kuala Lumpur Composite Indeks merupakan salah satu dari tiga indeks utama yang ada di Malaysia. Kuala Lumpur Composite Indeks adalah kapitalisasi tertimbang indeks pasar saham yang memiliki nilai dasar 100 per 2 Januari 1977. 2. Langkah-langkah Penelitian a. Granger Causality Test b. Metode Estimasi 1. Uji akar unit (Unit Root Test) 2. Uji Autokorelasi 3. Uji Heteroskedastisitas c. Metode ARCH/GARCH d. Model VAR 3. Pembahasan 1) Uji Kausalitas Granger Tes Kausalitas Granger adalah suatu pengujian untuk melihat pengujian hubungan kausalitas antar variabel. Untuk melihat hubungan kausalitas antara IHSG dengan Hang Seng, Nikkei, STI, KLCI, KOSPI, FTSE, ASX, KSE, dan NASDAQ maka penulis melakukan pengujian secara sendiri-sendiri untuk masing-masing variabel terhadap IHSG sebagai berikut:

53

a) Analisis hubungan antara IHSG dan Hang Seng Berdasarkan tabel hasil uji Kausalitas Granger di bawah menunjukan bahwa hubungan yang terjadi antara IHSG dan Hang Seng adalah hubungan dua arah atau saling mempengaruhi signifikan pada

= 5%, yaitu sebesar 0.01922 dan 0.02644 maka

model selanjutnya menggunakan VAR. Tabel 4.1 Output Granger Kausalitas IHSG dan Hang Seng Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:45 Sample: 1999:01 2009:12 Lags: 3 Null Hypothesis: HANGSENG does not Granger Cause IHSG IHSG does not Granger Cause HANGSENG

Obs 129

F-Statistic 3.43196

Probability 0.01922

3.18103

0.02644

Sumber : data diolah b) Analisis hubungan IHSG dan Nikkei Berdasarkan tabel hasil uji Kausalitas Granger menunjukan bahwa Nikkei mempengaruhi IHSG, signifikan pada

= 5%, yaitu

0.04331. Sedangkan IHSG tidak mempengaruhi Nikkei. Jadi model selanjutnya yang digunakan adalah Regresi.

54

Tabel 4.2 Output Granger Kausalitas IHSG dan Nikkei Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:54 Sample: 1999:01 2009:12 Lags: 10 Null Hypothesis: NIKKEI does not Granger Cause IHSG IHSG does not Granger Cause NIKKEI

Obs 122

F-Statistic 1.97871 0.46503

Probability 0.04331 0.90883

Sumber : data diolah c) Analisis hubungan IHSG dan STI Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini menunjukan bahwa STI mempengaruhi IHSG, signifikan pada

=

5%, yaitu 0.02802. Sedangkan IHSG tidak mempengaruhi STI. Jadi model selanjutnya yang digunakan adalah Regresi. Tabel 4.3 Output Kausalitas Granger IHSG dan STI Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:56 Sample: 1999:01 2009:12 Lags: 9 Null Hypothesis: STI does not Granger Cause IHSG IHSG does not Granger Cause STI

Obs 123

F-Statistic 2.19526 1.49220


Sumber : data diolah d) Analisis hubungan IHSG dan KOSPI Berdasarkan tabel hasil uji Kausalitas Granger menunjukan bahwa KOSPI mempengaruhi IHSG, signifikan pada

= 5%, yaitu

0.00204. Sedangkan IHSG tidak mempengaruhi KOSPI. Jadi model selanjutnya yang digunakan adalah Regresi.

55

Tabel 4.4 Output Kausalitas Granger IHSG dan KOSPI Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:48 Sample: 1999:01 2009:12 Lags: 7 Null Hypothesis: KOSPI does not Granger Cause IHSG IHSG does not Granger Cause KOSPI

Obs 125

F-Statistic 3.49036 0.65476


Sumber : data diolah e) Analisis hubungan IHSG dan FTSE Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini menunjukan bahwa FTSE mempengaruhi IHSG, signifikan pada = 5%, yaitu 0.02765. Sedangkan IHSG tidak mempengaruhi FTSE. Jadi model selanjutnya yang digunakan adalah Regresi. Tabel 4.5 Output Kausalitas Granger IHSG dan FTSE Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:43 Sample: 1999:01 2009:12 Lags: 10 Null Hypothesis: FTSE does not Granger Cause IHSG IHSG does not Granger Cause FTSE

Obs 122

F-Statistic 2.14179 0.92125


Sumber : data diolah f) Analisis hubungan IHSG dan ASX Berdasarkan tabel hasil uji kausalitas granger dibawah ini menunjukan bahwa ASX mempengaruhi IHSG, signifikan pada

=

5%, yaitu 0.02801. Sedangkan IHSG tidak mempengaruhi ASX. Jadi model selanjutnya yang digunakan adalah regresi.

56

Tabel 4.6 Output Kausalitas Granger IHSG dan ASX Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:35 Sample: 1999:01 2009:12 Lags: 7 Null Hypothesis: ASX does not Granger Cause IHSG IHSG does not Granger Cause ASX

Obs 125

F-Statistic 2.35437 0.74077


Sumber : data diolah g) Analisis hubungan IHSG dan KLCI Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini menujukan bahwa IHSG mempengaruhi KLCI, signifikan pada

=

5%, yaitu 0.04845, Sedangkan KLCI tidak mempengaruhi IHSG, maka model yang akan digunakan adalah Regresi. Tabel 4.7 Output Kausalitas Granger IHSG dan KLCI Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:46 Sample: 1999:01 2009:12 Lags: 1 Null Hypothesis: IHSG does not Granger Cause KLSE KLCI does not Granger Cause IHSG

Obs 131

F-Statistic 3.96983 0.20360


Sumber : data diolah h) Analisis hubungan IHSG dan Nasdaq Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini menunjukan bahwa IHSG dan Nasdaq tidak saling mempengaruhi, hal ini dilihat dari nilai probability dari masing-masing indek tidak signifikan pada

= 5%.

57

Tabel 4.8 Output Kausalitas Granger IHSG dan Nasdaq Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:53 Sample: 1999:01 2009:12 Lags: 1 Null Hypothesis: NASDAQ does not Granger Cause IHSG IHSG does not Granger Cause NASDAQ

Obs 131

F-Statistic 1.24480 0.03792


Sumber : data diolah i) Analisis hubungan IHSG dan KSE Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini menunjukan bahwa KSE mempengaruhi IHSG signifikan pada

=

5%, yaitu 0.26664. sedangkan IHSG tidak mempengaruhi KSE. Jadi model selanjutnya yang digunakan adalah regresi. Tabel 4.9 Output Kausalitas Granger IHSG dan KSE Pairwise Granger Causality Tests Date: 01/16/10 Time: 16:49 Sample: 1999:01 2009:12 Lags: 2 Null Hypothesis: KSE does not Granger Cause IHSG IHSG does not Granger Cause KSE

Obs 130

F-Statistic 3.94657 0.97287


Sumber : data diolah 2) Metode Estimasi a. Uji akar unit (Unit Root Test) Uji stasioneritas data dengan menggunakan uji akar unit (unit root test) dilakukan untuk menentukan stasioneritas atau tidaknya suatu data time series. Pengujian stasioneritas dilakukan terhadap seluruh variabel, model yang digunakan oleh peneliti didasarkan

58

pada Augmented Dickey Fuller Test, untuk perhitungannya digunakan komputer dengan menggunakan software Eviews 4.0. hasil dari pengujian unit root test adalah sebagai berikut: Tabel 4.10 Hasil Uji Akar Unit Level dan Difference Variabel IHSG HANGSENG NIKKEI STI KLCI KOSPI ASX KSE FTSE NASDAQ

ADFtest Level 1st Difference -0.412727 -8.142440 -1.436751 -9.798283 -1.239377 -9.781922 -1.851602 -6.047213 -1.489317 -9.535010 -0.931661 -10.56357 -1.261373 -8.525309 -1.051240 -9.851840 -1.517670 -11.11293 -1.853030 -10.54854 5% critical value -2.883753

Sumber : Data diolah Berdasarkan table hasil uji akar unit level dan difference diatas menunjukan bahwa pada data level semua nilai ADFtest seluruh indeks masih lebih besar dari nilai Prob* tidak signifikan

= 5% test critical value dan

= 5%. Kedua informasi ini

menunjukan bahwa seluruh variabel indeks tidak stasioner, sehingga perlu dilakukan proses difference. Setelah dilakukan proses difference, nilai ADFtest sudah lebih kecil dari value dan nilai Prob* signifikan pada

= 5% test critical

=5% yang berarti seluruh

variabel indeks stasioner pada order pertama atau 1st difference.

b. Metode Regresi Linier dan Metode ARCH/GARCH

59

Berdasarkan pengujian Kausalitas Granger tersebut diatas dapat ditarik kesimpulan bahwa hubungan indeks antara negara ternyata tidak saling mempengaruhi, kecuali untuk IHSG dengan Hang Seng yang saling mempengaruhi (dua arah). Berdasarkan kondisi tersebut, maka khusus untuk IHSG dan Hang Seng akan dibuat dengan pendekatan model VAR (Vector Auto Regressive) sedangkan hubungan antara IHSG dengan Nikkei, STI, KLCI, KSE, KOSPI, ASX, dan FTSE digunakan pendekatan model regresi sederhana. 1) Model regresi IHSG dan Nikkei Berdasarkan dari hasil Uji Kausalitas Granger untuk IHSG dan Nikkei model yang akan digunakan adalah regresi sederhana dengan persamaan dengan persamaan: IHSG = C(1)*NIKKEI + C(2) Model regresi antara IHSG dan Nikkei pada hasil tabel dibawah menginformasikan bahwa Nikkei berpengaruh terhadap IHSG signifikan pada

= 10%. Dan dari hasil tersebut masih

mempunyai nilai Durbin Watson (DW) sangat kecil (0.017531), maka angka tersebut berada dibawah daerah otokorelasi positif dilihat dari table 4.11, sehingga dapat disimpulkan masih mengandung otokorelasi.

Tabel 4.11

60

Output Regesi untuk IHSG dan Nikkei Dependent Variable: IHSG Method: Least Squares Date: 02/21/10 Time: 14:57 Sample: 1999:01 2009:12 Included observations: 132 Variable Coefficient NIKKEI 0.032203 C 676.1168 R-squared 0.020995 Adjusted R-squared 0.013464 S.E. of regression 724.2217 Sum squared resid 68184622 Log likelihood -1055.525 Durbin-Watson stat 0.017531

Std. Error t-Statistic 0.019287 1.669686 259.9042 2.601408 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Prob. 0.0974 0.0104 1097.119 729.1470 16.02311 16.06679 2.787852 0.097388

Sumber : Data diolah Untuk mengetahui apakah varians error dari data yang digunakan mengalami masalah heteroskedastisitas atau tidak maka dilakukan uji whiteheteroskedastisity test. Tabel 4.12 Uji White heteroskedastisitas White Heteroskedasticity Test F-statistic

1.515052

Probability

0.223682

Obs*R-squared

3.029412

Probability

0.219873

Sumber : Data diolah Berdasarkan tabel hasil uji White diatas ternyata varians errornya tidak mengalami masalah heteroskedastisitas, artinya varians errornya bersifat homoskedastisitas. Tetapi dari hasil regresi terlihat bahwa masih terjadi masalah otokorelasi, karena nilai Durbin Watson sangat kecil. Untuk menghilangkan masalah otokorelasi maka penulis mengunakan metode diferensi

61

tingkat pertama (First Difference). Metode differensi ini diaplikasikan jika koefisien autokorelasi cukup tinggi atau jika nilai statistik Durbin Watson sangant rendah. Sehingga persamaan regresi yang baru adalah : D(IHSG) = C(1)*D(NIKKEI) + C(2) Tabel 4.13 Output Regresi untuk IHSG dan Nikkei Dependent Variable: D(IHSG) Method: Least Squares Date: 02/21/10 Time: 15:00 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(NIKKEI) 0.062801 0.010629 5.908529 C 18.09671 8.026062 2.254743 R-squared 0.212986 Mean dependent var Adjusted R-squared 0.206885 S.D. dependent var S.E. of regression 91.78911 Akaike info criterion Sum squared resid 1086856. Schwarz criterion Log likelihood -776.9269 F-statistic Durbin-Watson stat 1.514743 Prob(F-statistic)

Prob. 0.0000 0.0258 16.20176 103.0678 11.89201 11.93591 34.91071 0.000000

Sumber : Data diolah Berdasarkan tabel hasil regresi diatas menginformasikan bahwa persentase perubahan Nikkei mempunyai pengaruh yang signifikan terhadap persentase perubahan IHSG, hal ini sesuai dengan hasil uji granger kausalitas. Dibandingkan dengan model regresi sebelumnya model regresi dengan first difference menghasilkan nilai R² dan Durbin Watson lebih besar dari model regresi sebelum menggunakan first difference.

Berdasarkan

tabel hasil uji LM dibawah menunjukan bahwa nilai Chi square

62

lebih kecil dari α = 5%. Ini menunjukan bahwa model regresi ini mengalami masalah otokorelasi. Tabel 4.14 Uji Lagrange Multiplier Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

4.249165 8.216198

Probability Probability

0.016358 0.016439

Sumber : Data diolah Berdasarkan tabel uji white di bawah menunjukan bahwa varians error tidak homokedastisitas, artinya varians error terjadi masalah heteroskedasrisitas. Tabel 4.15 Uji White Heteroskedastisitas White Heteroskedasticity Test: F-statistic Obs*R-squared

22.72926 34.33135


0.000000 0.000000

Sumber : Data diolah Melihat kondisi regresi yang dibuat dimana asumsi klasik bebas otokorelasi dan homokedastisitas masih dilanggar, maka pemodelan dilakukan dengan ARCH/GARCH. Dalam menentukan model ARCH/GARCH yang paling tepat harus dilakukan dengan cara coba-coba (trial and error). Pada langkah pertama akan dicoba model ARCH (1) yang merupakan model

63

yang paling sederhana. Setelah dilakukan pengolahan data maka didapatkan output sebagai berikut: Tabel 4.16 ARCH (1) untuk IHSG dan Nikkei Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 15:08 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 37 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(NIKKEI) 0.023238 0.007860 2.956426 C 9.154937 4.751198 1.926869 Variance Equation C 2012.633 486.1302 4.140111 ARCH(1) 1.160139 0.274469 4.226850 R-squared 0.122765 Mean dependent var Adjusted R-squared 0.102042 S.D. dependent var S.E. of regression 97.66772 Akaike info criterion Sum squared resid 1211451. Schwarz criterion Log likelihood -749.4942 F-statistic Durbin-Watson stat 1.388323 Prob(F-statistic)

Prob. 0.0031 0.0540 0.0000 0.0000 16.20176 103.0678 11.50373 11.59152 5.924328 0.000815

Sumber : Data diolah Dari hasil model regresi diatas, model ARCH (1) signifikan secara statistik yang berarti kesalahan prediksi (residual) indeks dipengaruhi oleh residual periode sebelumnya. Berdasarkan R² dalam model ARCH (1) relatif kecil yaitu 0.122765, hal ini terjadi karena adanya koreksi terhadap heteroskedastisitas

yang

menyebabkan

R²

mengalami

penurunan. Dari hasil ARCH (1) nilai Durbin Watsonya masih kecil 1.388323 sedangkan dari hasil uji kolegram residual menunjukan nilai Q-statistik yang jauh lebih besar pada

64

signifikan

= 5% (lampiran 1). Tetapi model ini belum cukup

baik karena nilai Jorque Bera yang masih signifikan dari

= 5%

(lampiran 2). Maka selanjutnya akan digunakan model GARCH (1.1). Tabel 4.17 GARCH (1.1) untuk IHSG dan Nikkei Dependent Variable: D(IHSG) Method: ML – ARCH (Marquardt) Date: 02/21/10 Time: 15:12 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 31 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(NIKKEI) 0.022646 0.008160 2.775183 C 9.584947 4.016561 2.386357 Variance Equation C 10.03005 92.71907 0.108177 ARCH(1) 0.157662 0.086880 1.814704 GARCH(1) 0.878726 0.096420 9.113482 R-squared 0.120855 Mean dependent var Adjusted R-squared 0.092945 S.D. dependent var S.E. of regression 98.16121 Akaike info criterion Sum squared resid 1214089. Schwarz criterion Log likelihood -737.7611 F-statistic Durbin-Watson stat 1.388253 Prob(F-statistic)

Prob. 0.0055 0.0170 0.9139 0.0696 0.0000 16.20176 103.0678 11.33986 11.44960 4.330252 0.002576

Sumber: data diolah Dari hasil estimasi yang dilakukan berkali-kali maka model GARCH secara statistik signifikan yang artinya kesalahan prediksi (residual) indeks dipengaruhi varian residual periode sebelumnya (GARCH). Berdasarkan hasil model GARCH (1.1) diatas menunjukan bahwa tidak terjadinya otokorelasi, hal ini ditunjukan dari hasil uji kolegram residualnya yang tidak

65

signifikan

= 5% (lampiran 3) dan nilai Jourque Bera yang jauh

lebih besar dari

= 5% (lampiran 4). Tetapi berdasarkan nilai R²

yang dihasilkan oleh model GARCH masih kecil 0.120855. selain menggunakan R² ada kriteria lain yang memberikan pertimbangan yang lebih besar daripada R² yaitu criteria AIC dan SIC. Menurut kriteria ini model yang baik adalah apabila nilai AIC dan SIC paling kecil. Dari hasil model GARCH (1.1) nilai AIC dan SIC yang dihasilkan lebih kecil dari model ARCH (1) yang berarti bahwa model GARCH lebih baik dari model ARCH (1). Dengan demikian hasil model yang didapat dari ouput model yang diatas adalah: D(IHSG) = 0.02264576035*D(NIKKEI) + 9.584947265 Dapat disimpulkan bahwa perubahan Nikkei dapat mempengaruhi

persentase

perubahan

IHSG

sebesar

0.02264576035 poin. Ini berarti jika Nikkei naik sebesar 1 poin maka persentase perubahan IHSG juga akan naik sebesar 0.0226457603 poin. 2) Model regresi IHSG dan STI Model regresi antara IHSG dan STI menginformasikan bahwa perubahan STI mempunyai pengaruh yang signifikan terhadap perubahan IHSG. Hal ini sesuai hasil Grangger Kausalitas. Akan tetapi model tersebut masih mempunyai

66

masalah otokorelasi. Hal ini dapat dilihat dari tabel hasil uji LM yang menunjukan nilai Chi square lebih kecil dari

= 5%.

Tabel 4.18 Output Regresi untuk IHSG dan STI Dependent Variable: D(IHSG) Method: Least Squares Date: 02/21/10 Time: 15:26 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(STI) 0.482057 0.046064 10.46486 C 10.79433 6.668234 1.618768 R-squared 0.459149 Mean dependent var SAdjusted R-squared 0.454957 S.D. dependent var S.E. of regression 76.09193 Akaike info criterion 746907.7 Schwarz criterion uSum squared resid Log likelihood -752.3577 F-statistic Durbin-Watson stat 1.625967 Prob(F-statistic)

m

Prob. 0.0000 0.1079 16.20176 103.0678 11.51691 11.56081 109.5132 0.000000

Sumber : Data diolah Tabel 4.19 Uji Lagranger Multiplier Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

3.514771 6.870649


0.032682 0.032215

Sumber : Data diolah Disamping permasalahan diatas, ternyata berdasarkan uji White Heteroskedastisitas test menujukan bahwa variance error masih heteroskedastisitas (lihat hasil output dibawah).

67

Tabel 4.20 Uji White Heteroscedastistisitas White Heteroskedasticity Test: F-statistic 18.33734 Obs*R-squared 29.17500


0.000000 0.000000

Sumber : data diolah Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan heteroskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH. Sebagaimana langkah pemodelan yang dilakukan sebelumnya, maka pada langkah pertama juga akan dicoba model ARCH (1) yang merupakan model yang paling sederhana. Setelah dilakukan pengolahan data maka didapat output sebagai berikut : Tabel 4.21 ARCH (1) untuk IHSG dan STI Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 15:32 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 24 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(STI) 0.254056 0.046309 5.486156 C 7.284510 4.783461 1.522853 Variance Equation C 2212.190 421.7997 5.244645 ARCH(1) 0.944192 0.220231 4.287280 R-squared 0.352943 Mean dependent var Adjusted R-squared 0.337658 S.D. dependent var S.E. of regression 83.88111 Akaike info criterion Sum squared resid 893577.1 Schwarz criterion Log likelihood -737.7365 F-statistic Durbin-Watson stat 1.421413 Prob(F-statistic)

Prob. 0.0000 0.1278 0.0000 0.0000 16.20176 103.0678 11.32422 11.41201 23.09112 0.000000

Sumber : data diolah

68

Dari tabel hasil regresi diatas model ARCH (1) signifikan secara statistik yang berarti kesalahan prediksi (residual) indeks dipengaruhi oleh residual periode sebelumnya, tetapi model ARCH (1) masih belum baik, dilihat dari nilai Durbin Watson yang kecil 1.421413, dan dari hasil Kolegran Residualnya menunjukan masih ada nilai Q-statistik yang signifikan pada

= 5% (lampiran 5). Selain itu nilai Jourque

Bera yang jauh lebih kecil dari

= 5% (lampiran 6). Hal ini

menunjukan data tidak normal, tetapi karena model ARCH (1) masih memiliki masalah otokorelasi, maka model selanjutnya dibuat model GARCH (1.1). Tabel 4.22 GARCH (1.1) untuk IHSG dan STI Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 15:35 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 20 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(STI) 0.254768 0.051709 4.926999 C 4.747016 4.571544 1.038384 Variance Equation C -92.73211 37.43894 -2.476889 ARCH(1) 0.028049 0.048847 0.574211 GARCH(1) 1.043929 0.063195 16.51914 R-squared 0.350065 Mean dependent var Adjusted R-squared 0.329432 S.D. dependent var S.E. of regression 84.40038 Akaike info criterion Sum squared resid 897551.5 Schwarz criterion Log likelihood -718.3972 F-statistic Durbin-Watson stat 1.414104 Prob(F-statistic)

Prob. 0.0000 0.2991 0.0133 0.5658 0.0000 16.20176 103.0678 11.04423 11.15397 16.96641 0.000000

Sumber : Data diolah

69

Dari hasil model GARCH (1.1) diatas menunjukan bahwa secara statistic signifikan yang berarti kesalahan prediksi (residual) indeks harga saham dipengaruhi oleh varian residual periode seelumnya. Berdasarkan output GARCH ternyata nilai Durbin Watson menunjukan bahwa tidak adanya masalah otokorelasi. Hal ini ditunjukan dari uji hasil Kolegram Residual yang memiliki nilai Q-statistik tidak signifikan pada

= 5%

(lampiran 7). Model GARCH (1.1) ini juga memiliki nilai Jorque Bera lebih besar dari

= 5% (lampiran 8). Hal ini menunjukan

bahwa data tersebut normal. Bedasarkan nilai AIC dan SIC yang dihasilkan oleh model GARCH (1.1) lebih kecil dari model ARCH (1), hal ini menunjukan model GARCH (1.1) lebih baik dibanding model ARCH (1). Dengan demikian hasil dari model yang di dapat adalah sebagai berikut : D(IHSG) = 0.2547684572*D(STI) + 4.747016102 Dari hasil model GARCH (1.1) dapat disimpulkan bahwa perubahan STI mempengaruhi persentase perubahan IHSG sebesar 0.2547684572 poin. Ini berarti jika hari perdagangan tertentu persentase perubahan STI naik sebesar 1 poin, maka persentase

perubahan

IHSG

juga

ikut

naik

sebesar

0.2547684572 poin. Begitu juga sebaliknya.

70

3) Model regresi IHSG dan KOSPI Model regresi antara IHSG dan KOSPI menunjukan bahwa perubahan KOSPI mempunyai pengaruh yang signifikan terhadap IHSG. Akan tetapi model tersebut masih mempunyai masalah otokorelasi, hal ini dapat dilihat dari tabel hasil uji LM bahwa nilai Chi squared lebih kecil dari α = 5%. Disamping permasalahan diatas, ternyata berdasarkan uji white heteroskedastisitas menunjukan bahwa varians error masih heteroskedastisitas (lihat hasil output dibawah). Tabel 4.23 Output Regresi untuk IHSG dan KOSPI Dependent Variable: D(IHSG) Method: Least Squares Date: 02/21/10 Time: 15:40 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. D(KOSPI) 0.757249 0.085035 8.905127 0.0000 C 9.777625 7.150472 1.367410 0.1739 R-squared 0.380705 Mean dependent var 16.20176 Adjusted R-squared 0.375904 S.D. dependent var 103.0678 S.E. of regression 81.42333 Akaike info criterion 11.65235 Sum squared resid 855238.8 Schwarz criterion 11.69625 Log likelihood -761.2289 F-statistic 79.30129 Durbin-Watson stat 1.379500 Prob(F-statistic) 0.000000


71

Tabel 4.24 Uji Lagrange Multiplier Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

8.948620 16.18070


0.000231 0.000306

Sumber : Data diolah Tabel 4.25 Uji White Heteroskedastisitas White Heteroskedasticity Test: F-statistic

16.36502

Probability

0.000000

Obs*R-squared

26.67600

Probability

0.000002

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

72

Tabel 4.26 ARCH (1) untuk IHSG dan KOSPI Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 15:47 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 38 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(KOSPI) 0.344514 0.063704 5.408048 C 6.682864 4.423569 1.510740 Variance Equation C 2217.476 453.7986 4.886477 ARCH(1) 0.935486 0.207428 4.509936 R-squared 0.263480 Mean dependent var Adjusted R-squared 0.246082 S.D. dependent var S.E. of regression 89.49221 Akaike info criterion Sum squared resid 1017125. Schwarz criterion Log likelihood -741.3880 F-statistic Durbin-Watson stat 1.302227 Prob(F-statistic)

Prob. 0.0000 0.1309 0.0000 0.0000 16.20176 103.0678 11.37997 11.46776 15.14417 0.000000

Sumber : Data diolah Berdasarkan output diatas, model ARCH signifikan secara statistik yang berarti kesalahan prediksi (residual) indeks dipengaruhi oleh residual periode sebelumnya. Disamping itu dari uji Kolegram Residualnya menunjukan bahwa model ini tidak mengandung otokorelasi walaupun nilai Durbin Watsonya masih kecil (lihat lampiran). Dan dari hasil Histogram terlihat nilai Jorque Bera yang masih lebih kecil dari

= 5% (lampiran 10). Sehingga model

ARCH masih kurang baik, selanjutnya akan dicoba dengan model GARCH (1.1).

73

Tabel 4.27 GARCH (1.1) untuk IHSG dan KOSPI Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 15:50 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 28 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(KOSPI) 0.363847 0.083665 4.348861 C 6.946124 3.999447 1.736771 Variance Equation C 8.594814 117.5871 0.073093 ARCH(1) 0.123250 0.075018 1.642932 GARCH(1) 0.906734 0.100446 9.027066 R-squared 0.274344 Mean dependent var Adjusted R-squared 0.251307 S.D. dependent var S.E. of regression 89.18153 Akaike info criterion Sum squared resid 1002122. Schwarz criterion Log likelihood -731.4066 F-statistic Durbin-Watson stat 1.302034 Prob(F-statistic)

Prob. 0.0000 0.0824 0.9417 0.1004 0.0000 16.20176 103.0678 11.24285 11.35259 11.90900 0.000000

Sumber : Data diolah Berdasarkan output diatas menunjukan bahwa model GARCH secara statistic signifikan yang berarti prediksi kesalahan residual indeks harga saham dipengaruhi oleh varian residual periode sebelumnya (GARCH). Nilai Jorque Bera juga mempunyai nilai yang sudah jauh lebih besar dari

= 5%

(lampiran 12). Selain itu dari hasil Kolegram Residual nilai Qstatistik menunjukan bahwa model ini tidak mengandung otokorelasi. Bedasarkan nilai AIC dan SIC yang dihasilkan oleh model GARCH (1.1) lebih kecil dari model ARCH (1), hal ini menunjukan model GARCH (1.1) lebih baik dibanding model

74

ARCH (1). Dengan demikian dapat dinyatakan bahwa model ini sudah baik. Berdasarkan output dari GARCH (1.1) diatas hasil dari model yang didapat adalah sebagai berikut : D(IHSG) = 0.3638466619*D(KOSPI) + 6.946123721 Dari model diatas dapat dinyatakan bahwa perubahan KOSPI mempengaruhi perubahan IHSG sebesar 0.3638466619 poin. Hal ini berarti bahwa jika pada hari perdagangan tertentu KOSPI naik sebesar 1 poin maka persentase perubahan IHSG juga naik sebesar 0.3638466619 poin, begitu juga sebaliknya. 4) Model regresi IHSG dan FTSE Model regresi antara IHSG dan FTSE menunjukan bahwa perubahan FTSE mempunyai pengaruh yang signifikan terhadap persentase perubahan IHSG. Berdasarkan tabel hasil uji LM menunjukan bahwa nilai Chi square lebih besar dari á = 5% hal ini menunjukan bahwa tidak ada masalah otokorelasi dalam model regresi ini. Dari tabel hasil uji White Heteroskedastisitas dibawah menunjukan bahwa varian erros masih heteroskedastisitas (lihat hasil output dibawah).

75

Tabel 4.28 Output Regresi untuk IHSG dan FTSE Dependent Variable: D(IHSG) Method: Least Squares Date: 02/21/10 Time: 15:55 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(FTSE) 0.213689 0.035685 5.988136 C 16.98980 7.997666 2.124344 R-squared 0.217507 Mean dependent var Adjusted R-squared 0.211441 S.D. dependent var S.E. of regression 91.52508 Akaike info criterion Sum squared resid 1080612. Schwarz criterion Log likelihood -776.5495 F-statistic Durbin-Watson stat 1.562192 Prob(F-statistic)

Prob. 0.0000 0.0355 16.20176 103.0678 11.88625 11.93015 35.85777 0.000000

Sumber : Data diolah Tabel 4.29 Uji Lagrange Multiplier Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

1.768397 7.016089


0.139349 0.135040

Sumber : Data diolah Tabel 4.30 Uji White Heteroskedastisitas White Heteroskedasticity Test: F-statistic Obs*R-squared

7.865370 14.33741


0.000600 0.000770

Sumber : Data diolah Dari hasil regresi yang dibuat diatas asumsi bebas heteroskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH. Sebagaimana langkah pemodelan yang dilakukan sebelumnya, maka pada langkah pertama juga akan

76

dicoba model ARCH (1). Setelah dilakukan pengolahan data maka didapat output sebagai berikut : Tabel 4.31 ARCH (1) untuk IHSG dan FTSE Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 16:02 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 15 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(FTSE) 0.086989 0.023326 3.729325 C 11.41762 4.553910 2.507213 Variance Equation C 2241.987 553.2954 4.052061 ARCH(1) 1.025703 0.272098 3.769606 R-squared 0.138570 Mean dependent var Adjusted R-squared 0.118222 S.D. dependent var S.E. of regression 96.78385 Akaike info criterion Sum squared resid 1189623. Schwarz criterion Log likelihood -748.5921 F-statistic Durbin-Watson stat 1.401238 Prob(F-statistic)

Prob. 0.0002 0.0122 0.0001 0.0002 16.20176 103.0678 11.48996 11.57775 6.809776 0.000271

Sumber : Data diolah Berdasarkan output diatas, terlihat bahwa koefisien perubahan FTSE sudah signifikan secara statistik pada sehingga

model

tersebut

menunjukan

bahwa

= 5%

persentase

perubahan FTSE mempunyai pengaruh terhadap perubahan IHSG. Hal ini tentunya sudah sesuai dengan uji Kausalitas Granger. Disamping itu dari hasil estimasi yang dilakukan model ARCH signifikan secara statistic yang berarti bahwa kesalahan prediksi (residual) indeks harga saham dipengaruhi oleh residual periode sebelumnya. dari hasil uji Kolegram

77

Residualnya metode ARCH (1) tidak mengandung otokorelasi , serta dari histogramnya menunjukan nilai Jorque Bera yang lebih besar dari

= 5% (lampiran 14). Tetapi dari nilai R² yang

dihasilkan model ARCH (1) lebih kecil dari model sebelumnya, hal ini disebabkan oleh adanya koreksi terhadap heteros kedastisitasyang menyebabkan R² mengalami penurunan. Selain menggunakan R² untuk menentukan apakah model yang dihasilkan sudah baik atau belum ada kriteria lain yang dapat digunakan yaitu kriteria AIC dan SIC, menurut kriteria AIC dan SIC model yang baik adalah apabila nilai AIC adan SIC yang dihasilan lebih kecil dari model sebelumnya. Dari hasil model ARCH (1) terlihat bahwa nilai AIC dan SIC lebih kecil dari model regresi sebelumnya, ini berarti model ARCH (1) lebih baik dari model sebelumnya. Dapat disimpukan berdasarkan output dari ARCH (1) diatas hasil dari model yang didapat adalah sebagai berikut : D(IHSG) = 0.0869892066*D(FTSE) + 11.41762447 Dari model diatas dapat disimpulkan bahwa persentase perubahan FTSE dapat mempengaruhi perubahan IHSG 0.0869892066 poin. Persentase perubahan FTSE mempunyai hubungan positif

terhadap persentase perubahan IHSG. Ini

berarti jika pada hari perdagangan tertentu STI naik maka perubahan IHSG juga akan naik, begitu juga sebaliknya.

78

5) Model regresi untuk IHSG dan ASX Model regresi antara IHSG dan ASX menginformasikan bahwa perubahan ASX mempunyai pengaruh yang signifikan terhadap persentase perubahan IHSG. Berdasarkan tabel uji LM menunjukan bahwa tidak terjadi outokorelasi, ini terlihat dari nilai Chi square lebih besar dari α = 5%. Tabel 4.32 Output regresi untuk IHSG dan ASX Dependent Variable: D(IHSG) Method: Least Squares Date: 02/21/10 Time: 16:05 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable D(ASX) C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 0.373083 10.53744 0.376192 0.371356 81.71948 861471.6 -761.7045 1.712205

Std. Error t-Statistic 0.042299 8.820104 7.168688 1.469926 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Prob. 0.0000 0.1440 16.20176 103.0678 11.65961 11.70351 77.79423 0.000000


1.426351 2.877907


0.244005 0.237176


79

Berdasarkan white heteroskedastisitas test menunjukan bahwa variance error masih heteroskedastisitas (lihat hasil output dibawah). Tabel 4.34 Uji White Heteroscedatisitas White Heteroskedasticity Test: F-statistic Obs*R-squared

19.59205 30.70338


0.000000 0.000000

Sumber : Data diolah Melihat kondisi regresi yang dibuat dimana asumsi bebas heteroskedastisitas masih dilanggar maka pemodelan dilanjutkan dengan menggunakan model ARCH/GARCH. Sebagaimana pemodelan yang dilakukan yang sebelumnya, maka pada langkah pertama juga akan dicoba model ARCH (1). Setelah dilakukan pengolahan maka didapat output sebagai berikut :

80

Tabel 4.35 ARCH (1) untuk IHSG dan ASX Dependent Variable: D(IHSG) Method: ML - ARCH (Marquardt) Date: 02/21/10 Time: 16:10 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Convergence achieved after 20 iterations Variance backcast: ON Coefficient Std. Error z-Statistic D(ASX) 0.246347 0.034196 7.204014 C 1.745686 4.659690 0.374636 Variance Equation C 2211.452 493.9220 4.477330 ARCH(1) 1.020511 0.236085 4.322632 R-squared 0.321888 Mean dependent var Adjusted R-squared 0.305870 S.D. dependent var S.E. of regression 85.87044 Akaike info criterion Sum squared resid 936464.1 Schwarz criterion Log likelihood -744.0325 F-statistic Durbin-Watson stat 1.544842 Prob(F-statistic)

Prob. 0.0000 0.7079 0.0000 0.0000 16.20176 103.0678 11.42034 11.50814 20.09489 0.000000

Sumber : Data diolah Berdasarkan output diatas, terlihat bahwa koefisien ASX sudah signifikan secara statistik pada

= 5% sehingga model

tersebut menunjukan bahwa ASX mempunyai pengaruh terhadap IHSG. Hal ini sudah sesuai dengan uji Kausalitas Granger. Dan berdasarkan hasil estimasi model ARCH (1) secara statistic signifikan yang artinya kesalahan prediksi (residual) indeks harga saham dipenagruhi oleh residual periode sebelumnya. Disamping itu, berdasarkan output menunjukan nilai Durbin Watson yang tinggi, dan dari hasil uji kolegram residual nilai Q-statistik dan nilai Jorque Bera lebih tinggi dari nilai signifikan pada

= 5% (lampiran 16). Tetapi dari nilai R²

81

yang dihasilkan model ARCH (1) lebih kecil dari model sebelumnya, hal ini disebabkan oleh adanya koreksi terhadap heteroskedastisitas. Berdasarkan kriteria AIC dan SIC dari hasil model ARCH (1) terlihat bahwa nilai AIC dan SIC lebih kecil dari model regresi sebelumnya, ini berarti model ARCH (1) lebih baik dari model sebelumnya. Dengan demikian hasil dari model yang didapat adalah sebagai berikut: D(IHSG) = 0.246347163*D(ASX) + 1.745686025 Dari hasil model ARCH (1) dapat disimpulkan bahwa perubahan ASX mempengaruhi perubahan IHSG adalah positif sebesar 0.246347163 poin. Hal ini menunjukan bahwa jika persentase perubahan ASX naik sebesar 1 poin maka persentase perubahan IHSG juga naik sebesar 0.246347163 poin, begitu juga sebaliknya. 6) Model regresi IHSG dan KSE Model regresi antara IHSG dan KSE menunjukan bahwa perubahan KSE memunyai pengaruh yang signifikan terhadap perubahan IHSG pada

= 10%. Berdasarkan tabel uji Lagrange

Multipier mununjukan bahwa nilai Chi square lebih besar dari α = 5% hal ini berarti tidak ada masalah outokorelasi pada model regresi IHSG dan KSE.

82

Tabel 4.36 Output Regresi IHSG dan KSE Dependent Variable: D(IHSG) Method: Least Squares Date: 03/10/10 Time: 20:26 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(KSE) 0.023528 0.014185 1.658693 C 14.67759 8.992104 1.632275 R-squared 0.020882 Mean dependent var Adjusted R-squared 0.013292 S.D. dependent var S.E. of regression 102.3805 Akaike info criterion Sum squared resid 1352149. Schwarz criterion Log likelihood -791.2325 F-statistic Durbin-Watson stat 1.451519 Prob(F-statistic)

Prob. 0.0996 0.1051 16.20176 103.0678 12.11042 12.15432 2.751261 0.099607


2.033057 11.81955


0.066170 0.066118

Sumber : Data diolah Tabel 4.38 Uji white Heteroskedastisitas White Heteroskedasticity Test: F-statistic 0.391098

Probability

0.677119

Obs*R-squared

Probability

0.671774

0.795666

Sumber: Data diolah Berdasarkan uji white menunjukan model regresi IHSG dan KSE diatas tidak terjadi masalah Heteroskedastisitas yang berarti bahwa varians error sudah homokedastisitas. Dengan demikian dapat dinyatakan bahwa model tersebut telah baik.

83

Berdasarkan output dari Regresi diatas maka model yang didapat adalah sebagai berikut: D(IHSG) = 0.02352795144*D(KSE) + 14.67758629 Dari model diatas dapat dinyatakan bahwa perubahan KSE mempengaruhi perubahan IHSG sebesar 0.02352795144 poin. Koefisien perubahan KSE mempengaruhi IHSG adalah positif. Hal ini menunjukan bahwa jika persentase perubahan KSE naik sebesar 1 poin maka persentase IHSG juka ikut naik sebesar 0.02352795144 poin, begitu juga sebaliknya. Jika persentase perubaha KSE turun maka persentase perubahan IHSG juga ikut turun. 7) Model regresi KLCI dan IHSG Model regresi antara KLSE dan IHSG menunjukan bahwa perubahan IHSG mempunyai pengaruh yang signifikan terhadap perubahan IHSG. Disamping itu dari tabel uji Lagrange Multiplier menunjukan nilai Chi square lebih besar dari α = 5%. Hal ini menunjukan bahwa tidak terjadi masalah otokorelasi pada model regresi KLCI dengan IHSG.

84

Tabel 4.39 Output Regresi KSLE dan IHSG Dependent Variable: D(KLCI) Method: Least Squares Date: 02/21/10 Time: 16:19 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(IHSG) 0.288363 0.033774 8.538134 C 0.529158 3.510562 0.150733 R-squared 0.361069 Mean dependent var Adjusted R-squared 0.356116 S.D. dependent var S.E. of regression 39.68912 Akaike info criterion Sum squared resid 203204.2 Schwarz criterion Log likelihood -667.0943 F-statistic Durbin-Watson stat 1.972603 Prob(F-statistic)

Prob. 0.0000 0.8804 5.201145 49.46154 10.21518 10.25908 72.89972 0.000000


0.200089 0.411485


0.818916 0.814043

Sumber : Data diolah Tabel 4.41 Uji White Heteroskedasticity White Heteroskedasticity Test: F-statistic Obs*R-squared

0.607352 1.231486


0.546354 0.540239

Sumber : Data diolah Disamping itu berdasarkan uji white heteroskedastisitas test diatas menunjukan bahwa model tersebut tidak mengalami heteroskedastisitas,

artinya

varians

error

bersifat

85

homoskedastisitas. Dengan demikian dapat dinyatakan bahwa model telah baik. Berdasarkan output dari Regresi diatas maka model yang didapat adalah sebagai berikut: D(KLCI) = 0.2883630214*D(IHSG) + 0.5291578049 Dari model diatas dapat dinyatakan bahwa perubahan IHSG mempengaruhi perubahan KLCI sebesar 0.2883630214 poin. Koefisien perubahan IHSG mempengaruhi KLCI adalah positif. Hal ini menunjukan bahwa jika persentase perubahan IHSG naik maka persentase KLCI juga ikut naik, begitu juga sebaliknya. Jika persentase perubahan IHSG turun maka persentase perubahan KLCI juga ikut turun. 8) Model untuk IHSG dan Hang Seng Sebagaiman telah dibuktikan dalam uji kausalitas granger bahwa hubungan antara IHSG dan Hang Seng mempunyai hubungan dua arah atau simultan maka model yang akan digunakan untuk menggambarkan hubungan kedua pasar modal tersebut adalah menggunakan model VAR.

86

Tabel 4.42 VAR untuk IHSG dan Hang Seng Vector Autoregression Estimates Date: 02/21/10 Time: 16:15 Sample(adjusted): 1999:04 2009:12 Included observations: 129 after adjusting • Endpoints Standard errors in ( ) & t-statistics in [ ] IHSG HANGSENG IHSG(-1) 1.141254 -0.630545 (0.11058) (1.34899) [ 10.3211] [-0.46742] IHSG(-2)

-0.149918 (0.16648) [-0.90050]

3.487013 (2.03104) [ 1.71686]

IHSG(-3)

0.046117 (0.10703) [ 0.43085]

-2.096556 (1.30580) [-1.60557]

HANGSENG(-1)

0.015357 (0.00901) [ 1.70401]

1.095986 (0.10995) [ 9.96839]

HANGSENG(-2)

-0.005101 (0.01247) [-0.40898]

-0.214356 (0.15217) [-1.40863]

HANGSENG(-3)

-0.017734 (0.00912) [-1.94417]

-0.031503 (0.11128) [-0.28309]

85.86100 (41.8274) [ 2.05275] R-squared 0.983215 Adj. R-squared 0.982389 Sum sq. resids 1144037. S.E. equation 96.83673 F-statistic 1191.045 Log likelihood -769.3649 Akaike AIC 12.03667 Schwarz SC 12.19185 Mean dependent 1113.318 S.D. dependent 729.7107 Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria

1521.399 (510.283) [ 2.98148] 0.938451 0.935424 1.70E+08 1181.383 310.0279 -1092.047 17.03949 17.19468 15470.29 4648.960 8.49E+09

C

-1840.697 28.75499 29.06536

Sumber : data diolah

87

Berdasarkan output dari VAR diatas, maka didapat kesimpulan sebagai berikut: IHSG = 1.141254239*IHSG(-1) - 0.1499178211*IHSG(-2) + 0.04611653421*IHSG(-3) + 0.01535683076*HANGSENG(-1) 0.005101379528*HANGSENG(-2) 0.01773447188*HANGSENG(-3) + 85.86099775 HANGSENG = - 0.6305445244*IHSG(-1) + 3.487012734*IHSG(-2) - 2.096556266*IHSG(-3) + 1.095986078*HANGSENG(-1) - 0.2143564525*HANGSENG(2) - 0.03150309976*HANGSENG(-3) + 1521.399109 Kesimpulan dari model VAR diatas adalah setiap kenaikan 1 poin Hang Seng t-3 maka akan mengakibatkan penurunan pada IHSG sebesar -0,01773447188,

sedangkan

setiap kenaikan 1 poin IHSG t-2 maka akan mengakibatkan kenaikan pada Hang Seng sebesar 3,487012734.

C. Interpretasi Berdasarkan hasil dari pengujian Kausalitas Granger menunjukan bahwa tidak semua indeks dari negara yang diuji saling mempengaruhi, dari sembilan indeks global yang di jadikan objek penelitian hanya terdapat lima indeks yang memiliki pengaruh satu arah terhadap IHSG, yaitu : Nikkei, STI, KOSPI, FTSE, dan ASX yang mempunyai pengaruh terhadap IHSG tetapi IHSG tidak mempunyai pengaruh terhadap Nikkei, STI, KOSPI, FTSE dan

88

ASX. Untuk hubungan KLCI dengan IHSG menunjukan bahwa IHSG mempengaruhi KLCI, tetapi KLCI tidak mempunyai pengaruh terhadap IHSG. Untuk hubungan IHSG Dengan NASDAQ menunjukan bahwa tidak ada hubungan antara kedua indeks tersebut. Sedangkan untuk hubungan IHSG dan Hang Seng berdasarkan uji Kausalitas Granger menunjukan hubungan yang saling mempengarui (timbal balik). Setelah pengujian Kausalitas Granger selanjutnya dilakukan uji regresi untuk masing-masing indeks yang mempunyai hubungan satu arah yang kemudian akan dilakukan uji White Heteroskedasticity untuk melihat heteroskedastisitas data dari hasil regresi yang didapat. Jika data mengalami heteroskedastisitas digunakan pemodelan ARCH/GARCH. Berdasarkan uji Regresi dan ARCH/GARCH menunjukan bahwa hubungan Nikkei, STI, KOSPI, FTSE dan ASX terhadap IHSG adalah positif dimana jika Nikkei, STI, KOSPI, FTSE dan ASX naik maka IHSG akan naik, begitu juga sebaliknya. Jika Nikkei, STI, KOSPI, FTSE dan ASX turun maka IHSG juga akan mengalami penurunan. IHSG mempengaruhi KLCI adalah positif, jika IHSG naik maka KLCI naik dan jika IHSG turun KLCI juga turun. Selanjutnya pemodelan untuk IHSG dengan Hang Seng dilakukan menggunakan metode VAR karena IHSG dengan Hang Seng memilki hubungan simultan (dua arah). Berdasarkan hasil uji VAR menunjukan bahwa arah pengaruh IHSG positif terhadap Hang Seng ini berarti setiap kenaikan IHSG akan mengakibatkan kenaikan pula terhadap Hang Seng, sedangkan

89

arah pengaruh Hang Seng terhadap IHSG negatif yang berarti setiap kenaikan pada Hang Seng akan menyebabkan penurunan terhadap IHSG. Dari hasil penelitian ini menunjukan bahwa perkembangan pasar saham Indonesia yang diwakili oleh IHSG tidak terlepas dari pengaruh indeks regional dan global. Menurut analisis Perum Pegadaian Deni Hamzah “ Indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia pada perdagangan Rabu, 3 Desember 2008 akan mengikuti pergerakan pasar regional, bila indeks regional dibuka menguat diperkirakan IHSG bakal menguat. Apalagi, jika Wall Street ditutup naik lagi pada Selasa sore waktu AS,” VIVAnews (Desember 2008). Namun dalam penelitian ini di temukan bahwa bursa saham Amerika yang diwakili oleh NASDAQ tidak mempunyai hubungan terhadap IHSG. Hal ini sesuai dengan penelitian yang dilakukan Noer Azam Achsani (2000) dalam Moh. Mansur (2005) tentang bagaimana bursa merespon terhadap shock dari bursa lain, apabila terjadi shock di Amerika Serikat maka bursa-bursa regional tidak akan terlalu meresponnya. Hanya di Singapore, Hong Kong, Jepang, dan Taiwan dan New Zealand yang akan lansung merespon. Sebaliknya jika shock di Singapore, Australia dan Hong Kong secara cepat shock tersebut ditransmisikan ke hampir semua bursa saham di Asia Pasifik, termasuk bursa saham Indonesia BEI. Menurut penelitian beberapa para ahli berpendapat bahwa pergerakan indeks sangat dipengaruhi oleh ekspetasi investor atas kondisi fundamental negara maupun global. Adanya informasi baru akan berpengaruh pada ekspetasi investor yang akirnya berpengaruh pada IHSG. Seperti halnya

90

flukstuasi pergerakan indeks regional dan global dengan ternd positif cendrung mengalami peningkatan terhadap IHSG. Sentiment positif ini muncul sebagai akibat masuknya dana asing yang tertarik melakukan investasi di Indonesia. Akibatnya, indeks mengalami apresiasi. Perbaikan kondisi makro ekonomi suatu negara menjadi faktor fundamental asing dalam melakukan investasi. Sebaliknya jika pergerakan indeks regional dan global dengan ternd negatif cendrung mengalami penurunan terhadap IHSG. Sentimen negatif ini di mungkinkan terjadi akibat melemahnya pertumbuhan ekonomi regional dan global. Sedangkan untuk hubungan yang terjadi antara Hang Seng dengan IHSG menunjukan bahwa IHSG mempunyai pengaruh positif terhadap Hang Seng sedangkan Hang Seng mempunyai pengaruh negatif terhadap IHSG. Hal ini diduga akibat terjadinya perbaikan ekonomi secara regional. Dengan demikian terlihat bahwa pengaruh Indonesia terhadap China bersifat positif dalam pengertian Indonesia bukan merupakan ancaman bagi China. Sebaliknya, pengaruh pasar saham China terhadap Indonesia bersifat negatif, dimana China mempunyai kemampuan untuk menekan pasar saham Indonesia.

91

BAB V KESIMPULAN

A. KESIMPULAN Berdasarkan hasil penemuan dan pembahasan maka kesimpulan dari penelitian ini adalah sebagai berikut: 1. Berdasarkan uji kausalitas dengan menggunakan uji Granger Causality dapat diketahui hubungan yang terjadi antar indeks di Negara-Negara yang diteliti dalam penelitian ini tidak semuanya saling mempengaruhi kecuali IHSG dengan HANGSENG. Hubungan yang terjadi antara IHSG dengan HANGSENG adalah hubungan dua arah (timbal balik). Sedangkan untuk hubungan IHSG dengan NIKKEI, IHSG dengan STI, IHSG dengan KOSPI, IHSG dengan FTSE dengan ASX dan IHSG dengan KLCI adalah hubungan satu arah dimana NIKKEI, STI, KOSPI. FTSE, dan ASX mempengaruhi IHSG, namun IHSG tidak memiliki pengaruh terhadap NIKKEI, STI, KOSPI, FTSE, dan ASX. Untuk hubungan IHSG dengan KLCI dari uji kausalitas granger menunjukan bahwa IHSG mempengaruhi KLCI, sedangkan KLCI tidak mempengaruhi IHSG. Penelitian dengan menggunakan uji Granger Causality menunjukkan bahwa tidak semua indeks yang diteliti mempunyai hubungan terhadap IHSG. Untuk hubungan IHSG dengan NASDAQ berdasarkan uji kausalitas granger menunjukan bahwa tidak ada hubungan baik satu arah maupun dua arah diantara indeks tersebut.

92

2. Berdasarkan uji regresi, ARCH/GARCH, dan VAR bisa dilihat besarnya pengaruh dari tiap variabel terhadap IHSG. Jika pada hari perdagangan tertentu indeks NIKKEI naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar 0.02264576035 poin. Jika pada hari perdagangan tertentu indeks STI naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar 0.2547684572 poin. Jika pada hari perdagangan tertentu indeks KOSPI naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar 0.3638466619 poin. Jika pada hari perdagangan tertentu indeks FTSE naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar 0.0869892066 poin. Jika pada hari perdagangan tertentu indeks ASX naik sebesar 1 poin

maka persentase perubahan IHSG naik sebesar

0.246347163 poin. Jika pada hari perdagangan tertetu indeks KSE naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar 0.02352795144 poin. Jika pada hari perdagangan tertentu IHSG naik 1 poin maka persentase perubahan KLCI naik sebesar 0.2883630214 poin. Berdasarkan uji VAR, menunjukan bahwa setiap kenaikan 3 poin Hang Seng t-3 maka akan mengakibatkan penurunan pada IHSG sebesar 0,01773447188, sedangkan setiap kenaikan 2 poin IHSG t-2 maka akan mengakibatkan kenaikan pada Hang Seng sebesar 3,487012734.

93

B. IMPLIKASI 1. Bagi akademis Hasil penelitian ini diharapkan akan menambah wawasan pustaka bagi ilmu pengetahuan khususnya dalam bidang nilai tukar valuta asing, investasi, dan diversivikasi, serta dapat di gunakan sebagai bahan pertimbangan dan tambahan informasi dalam melakukan penelitian selanjutnya. 2. Bagi Investor Hasil penelitian ini diharapkan dapat membantu para investor dalam pengambilan keputusan investasi yang tepat, terutama jika investor ingin berinvestasi di beberapa Negara yang berbeda.

C. SARAN Penelitian ini dibuat dengan membandingkan IHSG dari Sembilan negara yang penulis duga memiliki pengaruh terhadap IHSG Jakarta dan menggunakan kurun waktu penelitian Januari 1999 sampai dengan Desember 2009 (132 bulan). Penelitian lain dapat mencoba membuat model dalam kurun waktu berbeda.

94

DAFTAR PUSTAKA

Anoraga Pandji, Pakarti Piji, “Pengantar Pasar Modal”, Cetakan kelima, 2006, Rineka Cipta. Alwi, Iskandar Z. “Pasar Modal Teori dan Aplikasi” Cetakan Pertama, Yayasan Pancur Siwah. 2003. Atish Kumar Dash and Hrushikesh Mallick, “Contagion Effect of Global Financial Crisis on Stock Market in India”, Journal. Atmadja, Adwin Surya. “Are The Five ASEAN Stock Price Indicis Dynamically Interacted?” Jurnal Akuntansi & Keuangan, Vol. 7, No. 1, Mei 2005 : 43-60. Amalia, Siti. “Analisis Perubahan Nilai Tukar, Tingkat Suku Bunga, dan Pasar Saham pada Lima Negara Asia, Indonesia, Singapore, Jepang, Hong Kong, Korea”. Skripsi Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah, 2009. Bodie, Kane, Marcus. Investment”, Edisi keenam. Terjemahan, Salemba Empat. 2006. Ester Laura Kartini dan Sugiharso Safuan. “Determinan Investasi Portofolio Internasional Negara-Negara ASEAN, Amerika Serikat dan Jepang”. Jurnal. 2007. Gujarati, D, N, “Basic Econometric”, 4th Edition; McGraw Hil, Inc., 2003 Husnan, Suad. “Dasar-dasar Teori Pertofolio dan Analisis sekuritas”, Edisi Ketiga, Yogyakarta, Unit Penerbit dan percetakan AMP YKPN, 1998. Hasibuan. A Fikri. “Pengaruh Nilai Tukar Mata Uang Dan Indeks Harga Saham Global Terhadap Pergerakan IHSG”. Universitas Sumatra Utara. 2009. Ludovicius Wondabio, “Analisis Hubungan Index Harga Saham Gabungan (IHSG) Jakarta, London (FTSE), Tokyo (NIKKEI), dan Singapura (SSI)”, K-AKPM, 2006. Mobius, J. Mark, “Prospek Investasi di Pasar-Pasar Baru”, PT. Elex Media Komputindo. Jakarta. 1998.

95

Moh. Mansur, “Pengaruh Indeks Global Terhadap Indeks Harga Saham Gabungan (IHSG) pada Bursa Efek Jakarta (BEJ) Periode Tahun 2000-2002”, Junal, 2005. Nachrowi dan Hardianus Usman. “Pendekatan popular dan praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan”, Lembaga Penerbit Fakultas Ekonomi UI, Jakarta, 2006. Nurdiansyah, Dian, “Analisis Hubungan Index Harga Saham Gabungan (IHSG) Indonesia, Amerika (DJIA), Tokyo (NIKKEI), Hongkong (HSI), dan Korea (KOPSI), Skripsi Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah, 2009. Rodoni, Ahmad, “Modul Istitusi Depositori dan Pasar Modal”, FEB UIN Syarif Hidayatullah, Jakarta, 2008. Sekaran U. 2003. “Research Methode for Business: A Skill Building Appoarch”, John Willey, New York. Suad Husnan, “ Dasar-Dasar Teori Portofolio dan Analisa Sekuritas”, Edisi 3. UPP AMP YKPN. Yokyakarta, 1998. Supraptono. “ Prospek Pasar Modal Indonesia 2009”, Economic Review. No 213. 2008. Sutrisno. “Manajemen Keuangan Teori, Konsep dan Aplikasi” Penerbit EKONISIA UII Yogyakarta. 2000. Siamat, Dahlan. “Menajemen Lembaga Keuangan”, Edisi Ketiga. FE UI. 2001. Sharpe, William F., Gordon, J. Alexander dan V, Bailey, “Investment”, Prentice Hall, New York, 1995. Tandelilin, Eduardus. “ Portofolio dan Investasi”, FEB Univ Gajah Mada. Yogyakarta. 2010. Utama, Chandra. “ Pengaruh Pasar Saham Dunia terhadap Pasar Saham Indonesia”, Jurnal. 2008. Wing Wahyu Winarno, “ Analisis Ekonometrika dan Statistika dengan Eviews”, Cetakan Pertama, Sekolah Tinggi Ilmu Manajemen YKPN, 2007. ---------, Invesment Starategi. Reliance Securutis, April 2009.

96

---------, IHSG Amati Perkembangan Bursa Regional. KB Finance, 24 Februari 2009. ---------, Dana Asing Masuk, Indeks Saham Tembus 2000. Bursa Efek Indonesia, 26 April 2009. ---------, Indonesia Siap Ambil Peluang Ekonomi Timtengah. Republika, 29 April 2008. bisnisindonesia.com VIVAnews.com kontan.com google.com yahoofinance.com

97

TABEL DATA-DATA VARIABEL

DATE

IHSG

STI

KLCI

NO 1 2 3 4 5 6

1/4/1999 2/1/1999 3/1/1999 4/1/1999 5/3/1999 6/1/1999

411.93

1428.14

591.43

396.09

1411.91

542.23

393.62

1518.31

502.82

495.22

1886.19

674.96

585.24

1903.86

743.04

662.03

2167.70

811.10

7 8 9 10 11 12

7/1/1999 8/2/1999 9/1/1999 10/1/1999 11/1/1999 12/1/1999

597.87

2145.77

768.69

567.03

2117.17

767.06

547.94

2021.93

675.45

593.87

2047.15

742.87

583.80

2237.13

734.66

676.92

2479.58

812.33

13 14 15 16 17 18 19

1/4/2000 2/1/2000 3/1/2000 4/3/2000 5/1/2000 6/1/2000 7/3/2000

636.37

2230.28

922.10

576.54

2120.50

982.24

583.28

2132.59

974.38

526.74

2164.11

898.35

454.33

1795.13

911.51

515.11

2037.97

833.37

492.19

2051.21

798.83

20 21

8/1/2000 9/1/2000

466.38

2147.77

795.84

421.34

1997.03

713.51

KOSPI

NIKKEI

HANGSENG

1682.77 1555.60 1580.69 1673.14 1591.85 1557.29

14499.25 14367.54 15836.59 16701.53 16111.65 17529.74

9506.90 9858.49 10942.20 13333.20 12147.12 13532.14

900.58 926.21 1056.75 1107.02 1222.00 1054.67

2893.80 2879.90 2967.20 3101.10 2900.20 2968.90

5896.0 6175.1 6295.3 6552.2 6226.2 6318.5

2505.89 2288.03 2461.40 2542.86 2470.52 2686.12

1390.07 1395.89 1369.36 1206.26 1063.03 1162.11

17861.86 17436.56 17605.46 17942.08 18558.23 18934.34

13186.86 13482.77 12733.24 13256.95 15377.19 16962.10

1251.79 1206.51 1199.29 1189.32 1247.40 1408.91

3019.90 2951.90 2881.10 2885.10 3044.00 3152.50

6231.9 6246.4 6029.8 6255.7 6597.2 6930.2

2638.49 2739.35 2746.16 2966.43 3336.16 4069.31

1124.47 1076.07 1113.06 1448.06 1474.24 1594.67 1674.92

19539.70 19959.52 20337.32 17973.70 16332.45 17411.05 15727.49

15532.34 17169.44 17406.54 15519.30 14713.86 16155.78 16840.98

1772.84 1930.61 1999.69 1901.07 1536.65 1520.73 1554.90

3096.00 3135.70 3133.30 3085.10 3040.60 3257.60 3213.60

6268.5 6232.6 6540.2 6327.4 6359.3 6312.7 6365.3

3940.35 4696.69 4572.83 3860.66 3400.91 3966.11 3766.99

1852.02 1825.47

16861.26 15747.26

17097.51 15648.98

1518.27 1564.78

3261.70 3246.10

6672.7 6294.2

4206.35 3672.82

KSE

ASX

FTSE

NASDAQ

95

22 23 24 25

10/2/2000 11/1/2000 12/1/2000 1/2/2001

405.35

1976.54

752.36

429.21

1952.23

729.95

416.32

1926.83

679.64

425.61

1991.29

727.73

26 27 28 29 30 31

2/1/2001 3/1/2001 4/2/2001 5/1/2001 6/1/2001 7/2/2001

428.30

1947.40

709.39

381.05

1674.19

647.48

358.23

1722.72

584.50

405.86

1657.05

572.88

437.62

1726.50

592.99

470.23

1666.03

659.40

32 33 34 35 36 37

8/1/2001 9/3/2001 10/1/2001 11/1/2001 12/3/2001 1/2/2002

443.19

1619.12

687.16

392.48

1319.53

615.34

383.73

1367.84

600.07

380.31

1478.54

638.02

392.04

1623.60

696.09

451.64

1786.89

718.82

38 39 40 41 42 43

2/1/2002 3/1/2002 4/2/2002 5/1/2002 6/3/2002 7/1/2002

453.25

1715.58

708.91

481.77

1803.22

756.10

534.06

1725.37

793.99

530.79

1671.84

741.76

505.01

1552.98

725.44

463.67

1508.36

721.59

44 45 46 47 48 49

8/1/2002 9/2/2002 10/1/2002 11/1/2002 12/2/2002 1/2/2003

443.67

1488.50

711.36

419.31

1352.30

638.01

369.04

1463.37

659.57

390.42

1391.53

629.22

424.95

1341.03

646.32

388.44

1291.44

664.77

1703.99 1711.62 1624.68 1897.13

14539.60 14648.51 13785.69 13843.55

14895.34 13984.39 15095.53 16102.35

1489.32 1276.05 1507.59 1461.60

3203.90 3222.00 3154.70 3291.50

6438.4 6142.2 6222.5 6297.5

3369.63 2597.93 2470.52 2772.73

1906.00 2064.85 1946.48 1873.24 1933.27 1743.60

12883.54 12999.70 13934.32 13262.14 12969.05 11860.77

14787.87 12760.64 13386.04 13174.41 13042.53 12316.69

1423.18 1324.41 1367.05 1377.61 1366.43 1228.89

3274.10 3096.90 3270.30 3317.20 3425.20 3270.80

5917.9 5633.7 5966.9 5796.1 5642.5 5529.1

2151.83 1840.26 2116.24 2110.49 2160.54 2027.13

1700.91 1542.24 1452.55 1417.34 1360.23 1434.46

10713.51 9774.68 10366.34 10697.44 10542.62 9997.80

11090.48 9950.70 10073.97 11279.25 11397.21 10725.30

1258.43 1133.43 1406.05 1358.16 1273.06 1620.18

3217.80 2988.00 3185.30 3276.90 3359.90 3404.00

5345 4903.4 5039.7 5203.6 5217.4 5164.8

1805.43 1498.80 1690.20 1930.58 1950.40 1934.03

1432.21 1364.55 1371.41 1352.74 1297.82 1295.15

10587.83 11024.94 11492.54 11763.70 10621.84 9877.94

10482.55 11032.92 11497.58 11301.94 10598.55 10267.36

1765.95 1868.11 1898.95 1663.34 1770.11 1787.59

3358.60 3363.30 3299.50 3325.10 3163.20 3032.60

5101 5271.8 5165.6 5085.1 4656.4 4246.2

1731.49 1845.35 1688.23 1615.73 1463.21 1328.26

1317.70 1419.73 1359.60 1371.59 1399.83 1379.37

9619.30 9383.29 8640.48 9215.56 8578.95 8339.94

10043.87 9072.21 9441.25 10069.87 9321.29 9258.95

1974.58 2018.75 2278.54 2285.87 2701.41 2545.07

3073.70 2928.30 2995.00 3025.20 2975.50 2935.40

4227.3 3721.8 4039.7 4169.4 3940.4 3567.4

1314.85 1172.06 1329.75 1478.78 1335.51 1320.91

96

50 51 52 53

2/3/2003 3/3/2003 4/1/2003 5/1/2003

399.22

1273.85

646.80

398.00

1267.82

635.72

450.86

1281.33

630.37

494.78

1349.00

671.46

54 55 56 57 58 59

6/2/2003 7/1/2003 8/1/2003 9/1/2003 10/1/2003 11/3/2003

505.50

1447.89

691.96

507.98

1558.87

720.56

529.67

1599.25

743.30

597.65

1630.80

733.45

625.55

1723.71

817.12

617.08

1714.00

779.28

60 61 62 63 64 65

12/1/2003 1/2/2004 2/2/2004 3/1/2004 4/1/2004 5/3/2004

691.90

1764.52

793.94

752.93

1848.36

818.94

761.08

1888.63

879.24

735.68

1858.92

901.85

783.41

1842.03

838.21

732.52

1788.66

810.67

66 67 68 69 70 71

6/1/2004 7/1/2004 8/2/2004 9/1/2004 10/1/2004 11/1/2004

732.40

1838.00

819.86

756.98

1891.71

833.98

754.70

1918.34

827.98

820.13

1984.74

849.96

860.49

1980.69

861.14

977.77

2027.66

917.19

72 73 74 75 76 77

12/1/2004 1/4/2005 2/1/2005 3/1/2005 4/1/2005 5/2/2005

1000.23

2066.14

907.43

1045.44

2096.32

916.27

1073.83

2119.40

907.38

1080.17

2141.43

871.35

1029.61

2125.25

878.96

1088.17

2161.77

860.73

1297.44 1158.11 1221.01 1083.33

8363.04 7972.71 7831.42 8424.51

9122.66 8634.45 8717.22 9487.38

2399.14 2715.71 2902.41 3099.04

2778.40 2848.60 2970.90 2979.80

3655.6 3613.3 3926 4048.1

1337.52 1341.17 1464.31 1595.91

1111.29 1008.16 970.21 911.30 965.68 1011.36

9083.11 9563.21 10343.55 10219.05 10559.59 10100.57

9577.12 10134.83 10908.99 11229.87 12190.10 12317.47

3402.47 3933.37 4461.47 4027.34 3781.03 4068.29

2998.90 3106.70 3202.90 3176.20 3282.40 3195.70

4031.2 4157 4161.1 4091.3 4287.6 4342.6

1622.80 1735.02 1810.45 1786.94 1932.21 1960.26

932.70 895.92 878.06 834.84 835.09 803.57

10676.64 10783.61 11041.92 11715.39 11761.79 11236.37

12575.94 13289.37 13907.03 12681.67 11942.96 12198.24

4471.60 4841.33 4840.37 5106.66 5430.43 5497.79

3306.00 3283.60 3372.50 3416.40 3407.70 3456.90

4476.9 4390.7 4492.2 4385.7 4489.7 4430.7

2003.37 2066.15 2029.82 1994.22 1920.15 1986.74

735.34 785.79 803.84 862.84 880.50 883.42

11858.87 11325.78 11081.79 10823.57 10771.42 10899.25

12285.75 12238.03 12850.28 13120.03 13054.66 14060.05

5279.18 5289.92 5346.15 5217.65 5332.24 5567.79

3530.30 3546.10 3561.90 3674.70 3786.30 3942.80

4464.1 4413.1 4459.3 4570.8 4624.2 4703.2

2047.79 1887.36 1838.10 1896.84 1974.99 2096.81

848.50 810.71 796.18 782.36 697.52 759.47

11488.76 11387.59 11740.60 11668.95 11008.90 11276.59

14230.14 13721.69 14195.35 13516.88 13908.97 13867.07

6218.40 6747.39 8260.06 7770.33 7104.65 6857.67

4053.10 4106.70 4156.50 4100.60 3943.10 4070.40

4814.3 4852.3 4968.5 4894.4 4801.7 4964

2175.44 2062.41 2051.72 1999.23 1921.65 2068.22

97

78 79 80 81

6/1/2005 7/1/2005 8/1/2005 9/1/2005

1122.38

2212.66

888.32

1182.30

2352.56

937.39

1050.09

2275.43

913.56

1079.28

2305.14

927.54

82 83 84 85 86 87

10/3/2005 11/1/2005 12/1/2005 1/3/2006 2/1/2006 3/1/2006

1066.22

2216.77

910.76

1096.64

2300.25

896.13

1162.64

2347.34

899.79

1232.32

2412.08

914.01

1230.66

2481.96

928.94

1322.97

2533.40

926.63

88 89 90 91 92 93

4/3/2006 5/1/2006 6/1/2006 7/3/2006 8/1/2006 9/1/2006

1464.41

2610.71

949.23

1330.00

2383.87

927.78

1310.26

2435.39

914.69

1351.65

2445.43

935.85

1431.26

2482.39

958.12

1534.61

2568.86

967.55

94 95 96 97 98 99

10/2/2006 11/1/2006 12/1/2006 1/2/2007 2/1/2007 3/1/2007

1582.63

2701.75

988.30

1718.96

2838.53

1080.66

1805.52

2985.83

1096.24

1757.26

3125.56

1189.35

1740.97

3104.15

1196.45

1830.92

3231.24

1246.87

100 101 102 103 104 105

4/2/2007 5/1/2007 6/1/2007 7/2/2007 8/1/2007 9/3/2007

1999.17

3361.29

1322.25

2084.32

3511.13

1346.89

2139.28

3548.20

1354.38

2348.67

3547.66

1373.71

2194.34

3392.91

1273.93

2359.21

3706.23

1336.30

713.52 669.93 633.42 599.35

11584.01 11899.60 12413.60 13574.30

14201.06 14880.98 14903.55 15428.52

7450.12 7178.93 7796.86 8225.66

4229.90 4346.70 4413.50 4592.60

5113.2 5282.3 5296.9 5477.7

2056.96 2184.83 2152.09 2151.69

535.70 575.43 591.86 627.55 724.80 658.92

13606.50 14872.15 16111.43 16649.82 16205.43 17059.66

14386.37 14937.14 14876.43 15753.14 15918.48 15805.04

8247.37 9026.59 9556.61 10523.37 11456.12 11485.90

4412.70 4583.60 4708.80 4880.20 4878.40 5087.20

5317.3 5423.2 5618.8 5760.3 5791.5 5964.6

2120.30 2232.82 2205.32 2305.82 2281.39 2339.79

646.42 736.40 717.99 742.72 796.40 842.34

16906.23 15467.33 15505.18 15456.81 16140.76 16127.58

16661.30 15857.89 16267.62 16971.34 17392.27 17543.05

11342.17 9800.69 9989.41 10497.66 10063.54 10512.52

5207.00 4972.30 5034.00 4957.10 5079.80 5113.00

6023.1 5723.8 5833.4 5928.3 5906.1 5960.8

2322.57 2178.88 2172.09 2091.47 2183.75 2258.43

895.58 819.99 748.07 693.70 643.89 537.81

16399.39 16274.33 17225.83 17383.42 17604.12 17287.65

18324.35 18960.48 19964.72 20106.42 19651.51 19800.93

11327.71 10619.47 10040.50 11272.33 11180.02 11271.59

5352.90 5461.60 5644.30 5757.70 5816.50 5978.80

6129.2 6048.8 6220.8 6203.1 6171.5 6308

2366.71 2431.77 2415.29 2463.93 2416.15 2421.64

479.68 545.11 541.55 595.13 612.16 577.36

17400.41 17875.75 18138.36 17248.89 16569.09 16785.69

20318.98 20634.47 21772.73 23184.94 23984.14 27142.47

12369.70 12961.14 13772.46 13739.53 12214.26 13353.68

6158.30 6341.80 6310.60 6187.50 6248.30 6580.90

6449.2 6621.4 6607.9 6360.1 6303.3 6466.8

2525.09 2604.52 2603.23 2546.27 2596.36 2701.50

98

106 107 108 109

10/1/2007 11/1/2007 12/3/2007 1/2/2008

2643.49

3805.70

1413.65

2688.33

3521.27

1396.98

2745.83

3482.30

1445.03

2627.25

2981.75

1393.25

110 111 112 113 114 115

2/1/2008 3/3/2008 4/1/2008 5/1/2008 6/2/2008 7/1/2008

2721.94

3026.45

1357.40

2447.30

3007.36

1247.52

2304.52

3147.79

1279.86

2444.35

3192.62

1276.10

2349.10

2947.54

1186.57

2304.51

2929.65

1163.09

116 117 118 119 120 121

8/1/2008 9/1/2008 10/1/2008 11/3/2008 12/1/2008 1/2/2009

2165.94

2739.95

1100.50

1832.51

2358.91

1018.68

1256.70

1794.20

863.61

1241.54

1732.57

866.14

1355.41

1761.56

876.75

1332.67

1746.47

884.45

122 123 124 125 126 127

2/2/2009 3/2/2009 4/1/2009 5/1/2009 6/1/2009 7/1/2009

1285.48

1594.87

890.67

1434.07

1699.99

872.55

1722.77

1920.28

990.74

1916.83

2329.08

1044.11

2026.78

2333.14

1075.24

2323.24

2659.20

1174.90

128 129 130 131 132

8/3/2009 9/1/2009 10/1/2009 11/2/2009

2341.54

2592.90

1174.27

2467.59

2672.57

1202.08

2367.70

2651.13

1243.23

2415.84

2732.12

12/1/2009

2534.36

2897.62

523.22 578.10 617.91 504.62

16737.63 15680.67 15307.78 13592.47

31352.58 28643.61 27812.65 23455.74

14321.39 13998.52 14077.16 14016.94

6779.10 6593.60 6421.00 5697.00

6721.6 6432.5 6456.9 5879.8

2859.12 2660.96 2652.28 2389.86

509.23 514.48 613.22 688.62 705.97 821.22

13603.02 12525.54 13849.99 14338.54 13481.38 13376.81

24331.67 22849.20 25755.35 24533.12 22102.01 22731.10

14934.30 15125.89 15122.47 12130.51 12289.03 10583.58

5674.70 5409.70 5657.00 5773.90 5332.90 5052.60

5884.3 5702.1 6087.3 6053.5 5625.9 5411.9

2271.48 2279.10 2412.80 2522.66 2292.98 2325.55

731.88 725.39 860.94 828.38 943.88 1028.07

13072.87 11259.86 8576.98 8512.27 8859.56 7994.05

21261.89 18016.21 13968.67 13888.24 14387.48 13278.21

9208.26 9179.68 9182.88 9187.10 5865.01 5377.42

5215.50 4631.30 3982.70 3672.70 3659.30 3478.10

5636.6 4902.5 4377.3 4288 4434.2 4149.6

2367.52 2091.88 1720.95 1535.57 1577.03 1476.42

996.66 833.51 836.18 937.88 969.72 883.00

7568.42 8109.53 8828.26 9522.50 9958.44 10356.83

12811.57 13576.02 15520.99 18171.00 18378.73 20573.33

5727.46 6860.22 7202.10 7276.61 7162.18 7720.93

3296.90 3532.30 3744.70 3813.30 3947.80 4249.50

3830.1 3926.1 4243.7 4417.9 4249.2 4608.4

1377.84 1528.59 1717.30 1774.33 1835.04 1978.50

1259.11

736.02 752.59 618.98 520.06

10492.53 10133.23 10034.74 9345.55

19724.19 20955.25 21752.87 21821.50

8675.67 9349.67 9159.18 9206.21

4484.10 4739.30 4646.90 4715.50

4908.9 5133.9 5044.5 5190.7

2009.06 2122.42 2045.11 2144.60

1272.78

571.43

10546.44

21872.50

9386.92

4882.70

5412.9

2269.15

Sumber : BEI dan Yahoo Finance 99

Lampiran 1 Residual Q-statistik ARCH (1) IHSG dan NIKKEI Date: 02/21/10 Time: 15:09 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation .|* .|* .|* .|* .|. .|. .|* .|. *|. .|. *|. *|. *|. .|. *|. *|. .|. .|. .|. .|. .|* .|. *|. .|* .|. .|. .|. .|. .|* .|. .|* .|* .|. .|* .|* .|*

Partial Correlation

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

.|* .|* .|* .|* .|. .|. .|* .|. *|. .|. *|. *|. .|. .|. .|. *|. .|* .|. .|. .|. .|* .|. **|. .|. .|. .|* .|. .|. .|* .|. .|* .|* .|. .|. .|* .|*

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.104 0.100 0.111 0.153 0.039 0.006 0.128 0.013 -0.146 -0.040 -0.107 -0.123 -0.087 0.000 -0.098 -0.149 0.061 -0.005 0.000 -0.010 0.122 -0.007 -0.184 0.083 0.010 0.057 -0.001 0.017 0.073 -0.029 0.099 0.117 0.041 0.092 0.123 0.171

0.104 0.090 0.094 0.130 -0.002 -0.031 0.105 -0.027 -0.174 -0.033 -0.114 -0.088 -0.004 0.046 -0.056 -0.069 0.124 0.012 0.041 -0.008 0.067 -0.050 -0.213 0.050 -0.042 0.082 0.015 -0.019 0.098 0.040 0.087 0.084 0.024 0.016 0.074 0.124

1.4598 2.8145 4.4977 7.7302 7.9428 7.9478 10.255 10.280 13.311 13.546 15.216 17.434 18.559 18.559 20.009 23.353 23.913 23.916 23.916 23.932 26.292 26.299 31.757 32.888 32.905 33.444 33.445 33.495 34.418 34.568 36.272 38.693 38.985 40.519 43.254 48.631

0.227 0.245 0.212 0.102 0.159 0.242 0.175 0.246 0.149 0.195 0.173 0.134 0.137 0.182 0.172 0.105 0.122 0.158 0.199 0.245 0.196 0.239 0.105 0.106 0.133 0.150 0.183 0.218 0.224 0.259 0.236 0.193 0.218 0.205 0.160 0.078


100

Lampiran 2 Uji Normalitas 24 Series: Standardized Residuals Sample 1999:02 2009:12 Observations 131

20 16 12 8 4 0 -2

-1

0

1

2

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

0.151746 0.017473 3.564203 -2.531008 0.992216 0.325399 3.890304

Jarque-Bera Probability

6.638315 0.036183

3

Grafik Histogram IHSG dan NIKKEI ARCH (1) Sumber : Data diolah

101

Lampiran 3 Residual Q-statistik GARCH (1.1) Date: 02/21/10 Time: 15:23 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* .|. .|. .|. .|. .|. .|* .|. *|. .|. *|. *|. .|. .|. *|. *|. .|. .|. .|. *|. .|* .|. **|. .|. .|. .|. .|. .|. .|. *|. .|* .|* .|. .|. .|* .|*

.|* .|. .|. .|. .|. .|. .|* .|. *|. .|. *|. *|. .|. .|. *|. *|. .|* .|. .|. *|. .|* .|. **|. .|* *|. .|. .|. *|. .|* .|. .|* .|. .|. .|. .|* .|*

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.147 0.012 0.042 0.062 -0.018 0.015 0.152 0.000 -0.144 -0.007 -0.082 -0.099 -0.002 0.056 -0.098 -0.153 0.065 0.041 -0.002 -0.060 0.121 0.003 -0.212 0.045 -0.029 -0.022 0.022 -0.023 0.035 -0.062 0.169 0.101 -0.040 0.063 0.133 0.138

0.147 -0.010 0.043 0.050 -0.035 0.022 0.146 -0.047 -0.142 0.026 -0.104 -0.059 0.040 0.029 -0.100 -0.083 0.100 0.028 0.029 -0.096 0.108 -0.001 -0.209 0.070 -0.086 0.011 0.042 -0.083 0.087 0.011 0.142 0.034 -0.016 0.028 0.083 0.128

2.8947 2.9127 3.1515 3.6715 3.7163 3.7466 6.9945 6.9945 9.9662 9.9733 10.953 12.383 12.383 12.855 14.310 17.852 18.507 18.770 18.771 19.332 21.668 21.670 28.911 29.237 29.379 29.457 29.542 29.634 29.842 30.513 35.462 37.244 37.535 38.253 41.440 44.916

0.089 0.233 0.369 0.452 0.591 0.711 0.429 0.537 0.353 0.443 0.447 0.415 0.496 0.538 0.502 0.333 0.358 0.406 0.472 0.500 0.419 0.480 0.183 0.211 0.248 0.291 0.335 0.381 0.422 0.440 0.266 0.240 0.269 0.282 0.210 0.146


102


20 16 12 8 4 0 -3

-2

-1

0

1


0.094298 0.017483 2.427599 -3.309906 0.997170 -0.188817 3.608890


2.802057 0.246343

2

Grafik Histogram IHSG dan NIKKEI GARCH (1) Sumber : Data diolah

103

Lampiran 5 Residual Q-statistik ARCH (1) IHGS dan STI Date: 02/21/10 Time: 15:34 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* .|. .|* .|* .|. *|. .|* .|. *|. .|. *|. *|. .|. .|* *|. *|. .|* .|. .|. .|. .|* .|. *|. .|. .|. .|. .|. .|. .|* .|. .|* .|* .|. .|. .|* .|*

.|* .|. .|** .|* .|. *|. .|* *|. *|. .|. *|. .|. .|. .|* *|. *|. .|* .|. .|* .|. .|* .|. *|. .|. .|. .|. .|. .|. .|* .|. .|* .|. .|. .|. .|* .|.

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.121 -0.017 0.194 0.187 -0.016 -0.071 0.123 -0.032 -0.166 -0.005 -0.107 -0.140 -0.030 0.073 -0.100 -0.137 0.106 0.044 0.049 -0.001 0.172 0.046 -0.087 0.039 0.013 -0.001 -0.029 0.031 0.068 -0.052 0.139 0.103 0.006 0.019 0.140 0.104

0.121 -0.032 0.203 0.144 -0.043 -0.098 0.083 -0.082 -0.119 0.015 -0.146 -0.057 0.051 0.097 -0.068 -0.069 0.072 0.015 0.140 -0.053 0.104 -0.036 -0.086 -0.028 -0.033 0.027 -0.024 0.054 0.092 0.028 0.152 0.062 0.008 -0.034 0.079 0.029

1.9466 1.9837 7.1217 11.905 11.939 12.651 14.790 14.932 18.854 18.857 20.525 23.375 23.512 24.306 25.819 28.682 30.400 30.698 31.079 31.079 35.779 36.116 37.345 37.593 37.621 37.621 37.761 37.920 38.716 39.187 42.553 44.428 44.434 44.499 48.048 50.050

0.163 0.371 0.068 0.018 0.036 0.049 0.039 0.060 0.026 0.042 0.039 0.025 0.036 0.042 0.040 0.026 0.024 0.031 0.040 0.054 0.023 0.030 0.030 0.038 0.050 0.066 0.082 0.100 0.107 0.122 0.081 0.071 0.088 0.107 0.070 0.060


104


20 16 12 8 4 0 -2.50

-1.25

0.00

1.25


0.129756 0.071756 3.373452 -3.163128 0.995358 0.087168 4.323670


9.729451 0.007714

2.50

Grafik Histogram IHSG dan STI ARCH (1) Sumber : Data diolah

105

Lampiran 7 Residual Q-statistik GARCH (1.1) Date: 02/21/10 Time: 15:37 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* *|. .|* .|* .|. *|. .|* .|. *|. .|. *|. *|. .|. .|* *|. *|. .|. .|. .|. *|. .|* .|. *|. .|. .|. .|. .|. .|. .|. .|. .|* .|* *|. .|. .|* .|.

.|* *|. .|* .|* .|. *|. .|* .|. *|. .|. *|. .|. .|* .|* *|. .|. .|. .|. .|* *|. .|* .|. *|. .|. *|. *|. .|. .|. .|. .|* .|. .|* .|. .|. .|* .|.

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.088 -0.071 0.069 0.100 -0.047 -0.110 0.165 0.047 -0.117 0.017 -0.086 -0.062 0.026 0.110 -0.098 -0.105 0.053 0.037 0.027 -0.069 0.178 0.044 -0.108 0.043 -0.046 -0.056 -0.036 0.015 0.023 -0.020 0.115 0.085 -0.071 0.007 0.158 0.044

0.088 -0.079 0.083 0.081 -0.054 -0.094 0.171 -0.002 -0.085 0.039 -0.153 -0.027 0.085 0.078 -0.134 -0.040 0.010 0.040 0.114 -0.109 0.134 0.002 -0.061 0.065 -0.094 -0.094 0.020 -0.009 0.012 0.093 0.045 0.073 -0.020 -0.003 0.123 0.022

1.0426 1.7207 2.3601 3.7261 4.0304 5.7128 9.5525 9.8681 11.832 11.874 12.942 13.511 13.613 15.425 16.880 18.556 18.980 19.194 19.304 20.052 25.079 25.383 27.258 27.566 27.913 28.438 28.650 28.688 28.776 28.845 31.169 32.427 33.317 33.325 37.860 38.208

0.307 0.423 0.501 0.444 0.545 0.456 0.215 0.274 0.223 0.294 0.297 0.333 0.402 0.350 0.326 0.292 0.330 0.380 0.438 0.455 0.244 0.279 0.245 0.279 0.312 0.337 0.378 0.428 0.477 0.526 0.458 0.446 0.452 0.501 0.340 0.369


106


16

12

8


0.097781 0.137039 2.416647 -2.639392 0.941514 -0.248370 3.423702


2.326751 0.312430

4

0 -2

-1

0

1

2

Grafik Histogram IHSG dan STI GARCH (1) Sumber : Data diolah

107

Lampiran 9 Residual Q-statistik ARCH (1) IHSG dan KOSPI Date: 02/21/10 Time: 15:49 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* .|. .|* .|* .|. .|. .|* .|. *|. .|. *|. *|. *|. .|. *|. *|. .|. .|. .|. .|. .|* .|. *|. .|. .|. .|. .|. .|. .|. .|. .|* .|. .|. .|. .|* .|*

.|* .|. .|* .|* .|. .|. .|. *|. *|. .|. *|. *|. .|. .|. .|. *|. .|* .|. .|* *|. .|* .|. **|. .|. *|. .|. .|. .|. .|* .|* .|* .|. .|. .|. .|. .|*

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.149 0.010 0.123 0.155 0.020 0.023 0.088 -0.021 -0.102 0.007 -0.126 -0.153 -0.061 0.013 -0.101 -0.162 0.061 0.043 0.014 -0.050 0.125 0.005 -0.161 0.011 -0.018 -0.004 0.021 0.059 0.028 -0.002 0.119 0.055 0.010 0.043 0.127 0.161

0.149 -0.013 0.127 0.123 -0.018 0.013 0.054 -0.062 -0.097 0.016 -0.153 -0.093 -0.011 0.040 -0.045 -0.093 0.106 0.046 0.070 -0.071 0.110 -0.057 -0.190 -0.008 -0.088 0.047 0.017 0.064 0.071 0.078 0.095 0.009 0.047 -0.050 0.049 0.089

2.9610 2.9736 5.0434 8.3581 8.4139 8.4864 9.5672 9.6282 11.100 11.108 13.420 16.834 17.391 17.415 18.951 22.912 23.485 23.769 23.799 24.191 26.647 26.652 30.812 30.832 30.886 30.889 30.960 31.544 31.682 31.683 34.156 34.682 34.701 35.031 37.964 42.723

0.085 0.226 0.169 0.079 0.135 0.205 0.214 0.292 0.269 0.349 0.267 0.156 0.182 0.235 0.216 0.116 0.134 0.163 0.204 0.234 0.183 0.225 0.127 0.159 0.193 0.232 0.273 0.293 0.334 0.382 0.318 0.341 0.387 0.419 0.336 0.205


108


16

12

8


0.114491 0.075564 2.401502 -3.802975 0.997248 -0.529708 4.736210


22.57998 0.000012

4

0 -4

-3

-2

-1

0

1

2

Grafik Histogram IHSG dan KOSPI ARCH (1) Sumber : Data diolah

109

Lampiran 11 Residual Q-statistik GARCH (1.1) IHSG dan KOSPI Date: 02/21/10 Time: 15:53 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* *|. .|* .|* *|. .|. .|* .|. .|. .|. *|. *|. .|. .|. *|. *|. .|. .|* .|. *|. .|* .|. **|. .|. *|. .|. .|. .|. .|. .|. .|* .|. *|. .|. .|* .|*

.|* *|. .|* .|. *|. .|. .|* .|. .|. .|. *|. .|. .|. .|. *|. *|. .|* .|* .|. *|. .|* .|. *|. .|. *|. .|. .|. .|. .|. .|. .|* .|. .|. .|. .|* .|*

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.151 -0.075 0.097 0.076 -0.079 0.020 0.128 0.027 -0.051 0.038 -0.090 -0.099 -0.010 0.054 -0.081 -0.134 0.053 0.083 -0.010 -0.080 0.145 0.011 -0.218 -0.004 -0.060 -0.040 0.007 0.031 0.000 -0.004 0.138 0.006 -0.074 0.049 0.124 0.135

0.151 -0.100 0.128 0.031 -0.080 0.050 0.094 0.008 -0.035 0.026 -0.129 -0.036 -0.010 0.044 -0.077 -0.107 0.069 0.080 0.036 -0.098 0.151 -0.050 -0.173 0.030 -0.151 0.060 -0.025 -0.006 0.044 0.060 0.125 -0.033 0.008 0.002 0.077 0.111

3.0519 3.8127 5.0842 5.8681 6.7336 6.7912 9.1045 9.2102 9.5772 9.7843 10.972 12.417 12.433 12.869 13.858 16.560 16.991 18.054 18.071 19.074 22.395 22.415 30.055 30.059 30.642 30.904 30.911 31.079 31.079 31.081 34.414 34.421 35.406 35.845 38.647 41.968

0.081 0.149 0.166 0.209 0.241 0.341 0.245 0.325 0.386 0.460 0.446 0.413 0.493 0.537 0.536 0.415 0.455 0.452 0.518 0.517 0.377 0.435 0.148 0.183 0.201 0.232 0.275 0.314 0.362 0.411 0.308 0.353 0.355 0.382 0.308 0.228


110


16

12

8


0.081151 0.145109 2.391693 -3.157025 0.999447 -0.340583 3.637702


4.752308 0.092907

4

0 -3

-2

-1

0

1

2

Grafik Histogram IHSG dan KOSPI GARCH (1) Sumber : Data diolah

111

Lampiran 13 Residual Q-statistik ARCH (1) IHSG dan FTSE Date: 02/21/10 Time: 16:02 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* .|* .|* .|* .|* .|. .|* .|. *|. .|. *|. *|. *|. .|. *|. *|. .|. .|. .|. .|. .|* .|. *|. .|* .|. .|. .|. .|. .|* .|. .|* .|* .|. .|* .|* .|*

.|* .|. .|* .|* .|. *|. .|* .|. *|. .|. *|. .|. .|. .|* *|. *|. .|* .|. .|* .|. .|. .|. *|. .|* *|. .|* .|. .|. .|. .|. .|* .|. .|. .|. .|. .|*

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.131 0.066 0.174 0.126 0.077 -0.025 0.107 0.034 -0.141 -0.047 -0.086 -0.100 -0.074 0.005 -0.112 -0.188 0.048 0.014 0.009 -0.030 0.077 0.030 -0.187 0.081 0.000 0.030 0.000 0.008 0.075 0.000 0.128 0.135 0.013 0.068 0.100 0.138

0.131 0.050 0.162 0.086 0.041 -0.077 0.085 -0.012 -0.155 -0.043 -0.089 -0.056 -0.005 0.070 -0.097 -0.121 0.112 0.033 0.068 -0.034 0.044 -0.031 -0.178 0.077 -0.080 0.071 -0.017 0.025 0.055 0.061 0.119 0.053 0.009 -0.008 0.052 0.083

2.2997 2.8928 7.0186 9.1830 10.011 10.099 11.717 11.880 14.738 15.054 16.136 17.599 18.417 18.420 20.300 25.672 26.022 26.053 26.066 26.207 27.151 27.295 32.950 34.027 34.027 34.179 34.179 34.191 35.147 35.147 37.979 41.186 41.217 42.057 43.860 47.332

0.129 0.235 0.071 0.057 0.075 0.121 0.110 0.157 0.098 0.130 0.136 0.128 0.142 0.188 0.161 0.059 0.074 0.099 0.128 0.159 0.166 0.200 0.082 0.084 0.107 0.131 0.161 0.195 0.200 0.237 0.181 0.128 0.154 0.161 0.145 0.098


112


16

12

8


0.108453 0.014776 3.350516 -2.803769 0.997922 0.024878 4.015198


5.639015 0.059635

4

0 -3

-2

-1

0

1

2

3

Grafik Histogram IHSG dan FTSE ARCH (1) Sumber : Data diolah

113

Lampiran 15 Residual Q-statistik ARCH (1) IHSG dan ASX Date: 02/21/10 Time: 16:10 Sample: 1999:02 2009:12 Included observations: 131 Autocorrelation

Partial Correlation

.|* .|. .|* .|* .|. *|. .|* .|. *|. .|. *|. .|. *|. .|* *|. *|. .|* .|* .|* .|. .|* .|. **|. .|* .|. .|. .|. .|. .|. *|. .|* .|* .|. .|. .|. .|*

.|* .|. .|* .|. .|. *|. .|* *|. *|. .|. *|. .|. .|. .|* *|. *|. .|* .|* .|. .|. .|* *|. **|. .|* *|. .|. .|* .|. .|. .|. .|* .|. .|. .|. .|. .|.

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

AC

PAC

Q-Stat

Prob

0.096 0.049 0.109 0.084 0.045 -0.082 0.106 -0.050 -0.144 -0.043 -0.090 -0.029 -0.108 0.125 -0.060 -0.181 0.122 0.107 0.080 -0.030 0.147 0.033 -0.221 0.087 -0.031 -0.026 0.027 -0.034 0.047 -0.086 0.129 0.117 0.002 0.050 0.062 0.139

0.096 0.040 0.102 0.065 0.024 -0.106 0.108 -0.078 -0.132 -0.024 -0.075 0.005 -0.053 0.161 -0.084 -0.144 0.139 0.100 0.051 -0.035 0.089 -0.063 -0.200 0.088 -0.070 -0.019 0.135 -0.043 0.036 0.055 0.089 0.041 0.012 0.050 -0.009 0.055

1.2392 1.5664 3.1789 4.1531 4.4287 5.3578 6.9443 7.2959 10.270 10.531 11.712 11.838 13.561 15.896 16.431 21.410 23.683 25.458 26.452 26.597 30.024 30.194 38.088 39.310 39.463 39.574 39.700 39.893 40.273 41.553 44.471 46.886 46.887 47.338 48.042 51.578

0.266 0.457 0.365 0.386 0.489 0.499 0.435 0.505 0.329 0.395 0.386 0.459 0.405 0.320 0.354 0.163 0.128 0.113 0.118 0.147 0.091 0.114 0.025 0.025 0.033 0.043 0.055 0.068 0.080 0.078 0.056 0.043 0.055 0.064 0.070 0.045


114


20 16 12 8 4 0 -2.50

-1.25

0.00

1.25


0.185232 0.145831 3.073103 -3.448479 0.986468 -0.195825 4.519722


13.44357 0.001204

2.50

Grafik Histogram IHSG dan ASX ARCH (1) Sumber : Data diolah

115

Lampiran 17 Uji Unit Root Tingkat Level IHSG

Null Hypothesis: IHSG has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.412727 -3.481217 -2.883753 -2.578694

0.9025

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG) Method: Least Squares Date: 02/01/10 Time: 19:24 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

IHSG(-1) D(IHSG(-1)) C

-0.005034 0.319049 17.02446

0.012198 0.085358 15.78973

-0.412727 3.737770 1.078198

0.6805 0.0003 0.2830

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

0.099187 0.085001 98.93444 1243079. -780.2239 2.019956

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

16.44823 103.4278 12.04960 12.11577 6.991896 0.001316


116

Lampiran 18 Uji Unit Root Tingkat Level Hang Seng

Null Hypothesis: HANGSENG has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.436751 -3.480818 -2.883579 -2.578601

0.5624


Augmented Dickey-Fuller Test Equation Dependent Variable: D(HANGSENG) Method: Least Squares Date: 02/01/10 Time: 19:27 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

HANGSENG(-1) C

-0.032948 598.4432

0.022932 366.5454

-1.436751 1.632658

0.1532 0.1050


0.015750 0.008120 1215.430 1.91E+08 -1115.347 1.684814


94.39389 1220.395 17.05873 17.10263 2.064255 0.153210


Lampiran 19 117

Uji Unit Root Tingkat Level FTSE

Null Hypothesis: FTSE has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.517670 -3.480818 -2.883579 -2.578601

0.5217


Augmented Dickey-Fuller Test Equation Dependent Variable: D(FTSE) Method: Least Squares Date: 02/01/10 Time: 19:28 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

FTSE(-1) C

-0.033550 175.6384

0.022106 119.7662

-1.517670 1.466510

0.1315 0.1449


0.017542 0.009926 223.8263 6462667. -893.6972 1.909344


-3.687786 224.9455 13.67477 13.71866 2.303322 0.131544


Lampiran 20 Uji Unit Root Tingkat Level KLCI 118

Null Hypothesis: KLSE has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.489317 -3.481217 -2.883753 -2.578694

0.5360


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KLSE) Method: Least Squares Date: 02/01/10 Time: 19:50 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

KLSE(-1) D(KLSE(-1)) C

-0.028724 0.190281 30.37817

0.019286 0.086910 17.74963

-1.489317 2.189412 1.711482

0.1389 0.0304 0.0894


0.047196 0.032191 48.61760 300186.2 -687.8626 2.058698


5.619615 49.41954 10.62865 10.69483 3.145367 0.046424


Lampiran 21 Uji Unit Root Tingkat Level KOSPI

119

Null Hypothesis: KOSPI has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.931661 -3.480818 -2.883579 -2.578601

0.7754


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KOSPI) Method: Least Squares Date: 02/01/10 Time: 19:50 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

KOSPI(-1) C

-0.016696 25.85764

0.017921 20.04147

-0.931661 1.290206

0.3533 0.1993


0.006684 -0.001016 84.02320 910726.8 -765.3464 1.839253


8.483511 83.98053 11.71521 11.75911 0.867993 0.353252


Lampiran 22 Uji Unit Root Tingkat Level KSE

120

Null Hypothesis: KSE has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.051240 -3.480818 -2.883579 -2.578601

0.7334


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KSE) Method: Least Squares Date: 02/01/10 Time: 19:51 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

KSE(-1) C

-0.013441 144.3701

0.012786 93.74694

-1.051240 1.539998

0.2951 0.1260


0.008494 0.000808 632.7790 51652794 -1029.839 1.716639


64.78122 633.0347 15.75327 15.79717 1.105106 0.295114


Lampiran 23 Uji Unit Root Tingkat Level NASDAQ

Null Hypothesis: NASDAQ has a unit root

121

Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.853030 -3.480818 -2.883579 -2.578601

0.3536


Augmented Dickey-Fuller Test Equation Dependent Variable: D(NASDAQ) Method: Least Squares Date: 02/01/10 Time: 20:43 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

NASDAQ(-1) C

-0.051240 112.9902

0.027652 64.60640

-1.853030 1.748901

0.0662 0.0827


0.025928 0.018377 209.8116 5678695. -885.2267 1.799029


-1.807176 211.7664 13.54545 13.58934 3.433720 0.066163


Lampiran 24 Uji Unit Root Tingkat Level NIKKEI

Null Hypothesis: NIKKEI has a unit root Exogenous: Constant

122

Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.239377 -3.480818 -2.883579 -2.578601

0.6560


Augmented Dickey-Fuller Test Equation Dependent Variable: D(NIKKEI) Method: Least Squares Date: 02/01/10 Time: 20:44 Sample(adjusted): 1999:02 2009:12 Included observations: 131 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

NIKKEI(-1) C

-0.025005 297.2085

0.020175 272.2811

-1.239377 1.091550

0.2175 0.2771


0.011767 0.004107 755.8599 73700813 -1053.122 1.694767


-30.17412 757.4167 16.10874 16.15263 1.536055 0.217456


Lampiran 25 Uji Unit Root Tingkat Level STI

Null Hypothesis: STI has a unit root Exogenous: Constant

123

Lag Length: 2 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.851602 -3.481623 -2.883930 -2.578788

0.3543


Augmented Dickey-Fuller Test Equation Dependent Variable: D(STI) Method: Least Squares Date: 02/01/10 Time: 20:44 Sample(adjusted): 1999:04 2009:12 Included observations: 129 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

STI(-1) D(STI(-1)) D(STI(-2)) C

-0.038777 0.150502 0.195281 91.44052

0.020942 0.087416 0.087901 46.94761

-1.851602 1.721677 2.221612 1.947714

0.0664 0.0876 0.0281 0.0537


0.081222 0.059172 141.3639 2497968. -819.7339 1.934884


10.69233 145.7415 12.77107 12.85974 3.683449 0.013899


Lampiran 26 Uji Unit Root tingkat level ASX

Null Hypothesis: ASX has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12)

124

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

t-Statistic

Prob.*

-1.261373 -3.481217 -2.883753 -2.578694

0.6461


Augmented Dickey-Fuller Test Equation Dependent Variable: D(ASX) Method: Least Squares Date: 02/05/10 Time: 21:21 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

ASX(-1) D(ASX(-1)) C

-0.016859 0.279487 78.98529

0.013366 0.085293 55.34711

-1.261373 3.276769 1.427090

0.2095 0.0014 0.1560


0.085347 0.070943 163.9345 3413066. -845.8752 2.037543


15.40615 170.0785 13.05962 13.12579 5.925262 0.003466


Lampiran 27 Uji Unit Root Tingkat First Different IHSG

Null Hypothesis: D(IHSG) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

125


t-Statistic

Prob.*

-8.142440 -3.481217 -2.883753 -2.578694

0.0000


Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG,2) Method: Least Squares Date: 01/16/10 Time: 21:46 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(IHSG(-1)) C

-0.685899 11.60647

0.084238 8.745888

-8.142440 1.327077

0.0000 0.1868


0.341223 0.336076 98.61329 1244746. -780.3110 2.016989


1.033538 121.0253 12.03555 12.07967 66.29933 0.000000


Lampiran 28 Uji Unit Root Tingkat First Different ASX

Null Hypothesis: D(ASX) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

126


t-Statistic

Prob.*

-8.525309 -3.481217 -2.883753 -2.578694

0.0000


Augmented Dickey-Fuller Test Equation Dependent Variable: D(ASX,2) Method: Least Squares Date: 01/16/10 Time: 21:53 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(ASX(-1)) C

-0.727355 11.58555

0.085317 14.46068

-8.525309 0.801177

0.0000 0.4245


0.362171 0.357188 164.3126 3455825. -846.6844 2.031003


1.393077 204.9411 13.05668 13.10080 72.68089 0.000000


Lampiran 29 Uji Unit Root Tingkat First Different FTSE

Null Hypothesis: D(FTSE) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

127


t-Statistic

Prob.*

-11.11293 -3.481217 -2.883753 -2.578694

0.0000


Augmented Dickey-Fuller Test Equation Dependent Variable: D(FTSE,2) Method: Least Squares Date: 01/16/10 Time: 21:56 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(FTSE(-1)) C

-0.979856 -5.753789

0.088173 19.76216

-11.11293 -0.291152

0.0000 0.7714


0.491048 0.487072 225.2573 6494827. -887.6959 1.998257


-0.437692 314.5216 13.68763 13.73174 123.4971 0.000000


Lampiran 30 Uji Unit Root Tingkat First Different Hang Seng

Null Hypothesis: D(HANGSENG) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

128


t-Statistic

Prob.*

-9.798283 -3.481217 -2.883753 -2.578694

0.0000


Augmented Dickey-Fuller Test Equation Dependent Variable: D(HANGSENG,2) Method: Least Squares Date: 01/16/10 Time: 21:59 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(HANGSENG(-1)) C

-0.857008 78.87016

0.087465 107.0625

-9.798283 0.736674

0.0000 0.4627


0.428588 0.424123 1217.040 1.90E+08 -1106.997 2.015191


-2.312231 1603.763 17.06150 17.10561 96.00636 0.000000


Lampiran 31 Uji Unit Root Tingkat First Different KLCI Null Hypothesis: D(KLSE) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level

t-Statistic

Prob.*

-9.535010 -3.481217

0.0000

129

5% level 10% level

-2.883753 -2.578694


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KLSE,2) Method: Least Squares Date: 01/16/10 Time: 22:00 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(KLSE(-1)) C

-0.826002 4.725964

0.086628 4.307327

-9.535010 1.097192

0.0000 0.2746


0.415302 0.410734 48.84838 305429.0 -688.9880 2.044462


0.483615 63.63477 10.63058 10.67470 90.91641 0.000000


Lampiran 32 Uji Unit Root Tingkat First Different KOSPI

Null Hypothesis: D(KOSPI) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic

t-Statistic

Prob.*

-10.56357

0.0000

130

Test critical values:

1% level 5% level 10% level

-3.481217 -2.883753 -2.578694


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KOSPI,2) Method: Least Squares Date: 01/16/10 Time: 22:02 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(KOSPI(-1)) C

-0.937330 8.469478

0.088732 7.424331

-10.56357 1.140773

0.0000 0.2561


0.465752 0.461578 84.30319 909699.6 -759.9288 1.972873


1.373385 114.8901 11.72198 11.76610 111.5890 0.000000


Lampiran 33 Uji Unit Root Tingkat First Different KSE

Null Hypothesis: D(KSE) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level

t-Statistic

Prob.*

-9.851840 -3.481217

0.0000

131

5% level 10% level

-2.883753 -2.578694


Augmented Dickey-Fuller Test Equation Dependent Variable: D(KSE,2) Method: Least Squares Date: 01/16/10 Time: 22:05 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(KSE(-1)) C

-0.862634 56.30617

0.087561 55.70341

-9.851840 1.010821

0.0000 0.3140


0.431260 0.426816 631.9056 51110998 -1021.790 1.989524


1.192923 834.6517 15.75062 15.79474 97.05875 0.000000


Lampiran 34 Uji Unit Root Tingkat First Different NASDAQ

Null Hypothesis: D(NASDAQ) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level

t-Statistic

Prob.*

-10.54854 -3.481217 -2.883753

0.0000

132

10% level

-2.578694


Augmented Dickey-Fuller Test Equation Dependent Variable: D(NASDAQ,2) Method: Least Squares Date: 01/16/10 Time: 22:07 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(NASDAQ(-1)) C

-0.927417 0.056489

0.087919 18.59419

-10.54854 0.003038

0.0000 0.9976


0.465043 0.460864 211.9880 5752183. -879.8031 1.981235


2.633923 288.7102 13.56620 13.61032 111.2716 0.000000


Lampiran 35 Uji Unit Root Tingkat First Different NIKKEI

Null Hypothesis: D(NIKKEI) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level

t-Statistic

Prob.*

-9.781922 -3.481217 -2.883753

0.0000

133

10% level

-2.578694


Augmented Dickey-Fuller Test Equation Dependent Variable: D(NIKKEI,2) Method: Least Squares Date: 01/16/10 Time: 22:09 Sample(adjusted): 1999:03 2009:12 Included observations: 130 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(NIKKEI(-1)) C

-0.865797 -24.07276

0.088510 66.44167

-9.781922 -0.362314

0.0000 0.7177


0.427769 0.423299 756.4944 73252328 -1045.185 1.959886


10.25077 996.1627 16.11053 16.15465 95.68599 0.000000


Lampiran 36 Uji Unit Root Tingkat First Different STI

Null Hypothesis: D(STI) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level

t-Statistic

Prob.*

-6.047213 -3.481623 -2.883930

0.0000

134

10% level

-2.578788


Augmented Dickey-Fuller Test Equation Dependent Variable: D(STI,2) Method: Least Squares Date: 01/16/10 Time: 22:10 Sample(adjusted): 1999:04 2009:12 Included observations: 129 after adjusting endpoints Variable

Coefficient

Std. Error

t-Statistic

Prob.

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

-0.689737 -0.174014 7.648183

0.114059 0.087983 12.61606

-6.047213 -1.977824 0.606226

0.0000 0.0501 0.5455


0.434248 0.425268 142.7196 2566480. -821.4791 1.935729


0.458140 188.2570 12.78262 12.84913 48.35626 0.000000


135

GARCH dan VAR

Recommend Documents