Jurnal Saintech Vol No.04-Desember 2014 ISSN No

Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681

ANALISIS KOINTEGRASI ANTARA INDEKS HARGA SAHAM GABUNGAN (IHSG), JUMLAH UANG BEREDAR (JUB), DAN INDEKS HARGA PEDAGANG BESAR (IHPB) DI INDONESIA PERIODE TAHUN 2007 - 2013 Oleh:

Drs. Bonaraja Purba, M.Si*) *) Dosen Universitas Negeri Medan

Abstract This study aims to examine the relationship of short-term and cointegration (long-term balance) between the stock price index (JCI), the money supply (JUB), and the index of wholesale prices (WPI). This study uses secondary data in the form of monthly time series data obtained from BPS and Bank Indonesia from 2007: 1 to 2013: 11. Methods of data analysis using the Granger Causality Test, Johansen Cointegration Test with Vector Error Correction Model (VECM). Data processing using software Eviews 7. Based on the analysis of data in the short term found a one-way relationship between JUB and JCI, and WPI and JCI; and in the long term is found cointegration between JCI, JUB, and IPHB in Indonesia. Keywords: JCI, JUB, WPI, VECM

I. Pendahuluan Berdasarkan laporan tahunan Bank Indonesia (2013) dalam kurun waktu tahun 2007-2012 diperoleh bahwa, rata-rata tingkat inflasi sebesar 9,26%, rata-rata jumlah uang beredar sebesar Rp 651177.56 M, dan ratarata PDB Riil sebesar Rp 2125521.15 M (BI, 2013). Pertumbuhan jumlah uang beredar cenderung mengalami peningkatan dari tahun ke tahun. Pada tahun 2009, terjadi peningkatan yang sangat signifikan hingga mencapai nilai Rp. 1.033.523 milyar. Sementara itu pada tahun 2010 jumlah uang beredar mengalami penurunan hingga mencapai Rp. 267.712,08 milyar. Peningkatan jumlah uang beredar yang melambat pada tahun 2010-2012 sejalan dengan upaya otoritas moneter untuk memelihara kestabilan nilai mata uang rupiah. Hal ini terkait dengan jumlah uang beredar di masyarakat yang cukup besar pada tahun 2009. Menurut Edi Susianto (2002) bahwa kebijakan moneter memberikan manfaat, antara lain: (1) mudah dipahami oleh masyarakat, karena masyarakat hanya akan

16

melihat ukuran keberhasilannya pada pencapaian laju inflasi, (2) dapat menciptakan ekspektasi yang rendah terhadap inflasi sehingga pada akhirnya dapat menghasilkan tingkat inflasi aktual sesuai dengan yang diinginkan, (3) dapat menghindari kemungkinan munculnya kebijakan-kebijakan yang dapat menimbulkan deviasi terhadap pencapaian target inflasi. Jumlah uang beredar merupakan salah satu indikator makroekonomi yang dapat mempengaruhi harga saham. Ketika jumlah uang beredar di masyarakat mengalami peningkatan maka orang akan cenderung berinvestasi pada saham, karena menguntungkan sesuai harapan mereka. Jika mereka menginvestasikan uangnya di Bank, maka keuntungan yang diperoleh tidak sesuai dengan harapan mereka sebab suku bunga bank akan mengalami penurunan yang signifikan. Perkembangan pasar modal di Indonesia sangat dipengaruhi oleh krisis ekonomi global yang dialami oleh USA, yang menyebabkan terjadinya perubahan nilai tukar rupiah dan indeks harga saham gabungan (IHSG)


berfluktuasi. Pergerakan IHSG dipengaruhi oleh berbagai faktor internal dan eksternal. Pengaruh eksternal diantaranya adalah tingkat suku bunga luar negeri dan indeks harga saham luar negeri, yang dipercaya sebagai faktor penentu dalam mempengaruhi IHSG. Faktor internal diantaranya adalah peristiwa-peristiwa dalam negeri seperti perubahan nilai tukar rupiah terhadap USD, tingkat inflasi, suku bunga deposito, suku bunga SBI, dan jumlah uang beredar. Memelihara kestabilan harga disamping untuk menunjang proses pertumbuhan ekonomi merupakan salah satu tugas penting kebijakan moneter. Untuk itu diperlukan pertumbuhan uang beredar yang jumlahnya sesuai dengan laju pertumbuhan sektor riil dimana hal-hal lainnya dianggap tetap (cateris paribus). Terjadinya perubahan jumlah uang beredar sebagai akibat meningkatnya penawaran uang yang dilakukan dalam rangka kebijakan moneter akan menyebabkan turunnya tingkat bunga. Dalam teori ekspektasi rasional disebutkan bahwa masyarakat melakukan kesalahan dalam mengekspektasi jumlah uang beredar sehingga menciptakan keterkaitan antara perubahan tingkat inflasi dan perubahan tingkat pendapatan riil. Studi empiris yang telah dilakukan Barro (1977, 1978) memberikan dukungan yang kuat pada hipotesa ekspektasi rasional tersebut, bahwa hanya pertumbuhan jumlah uang beredar yang mempunyai pengaruh pada variabel riil (pendapatan riil dan pengangguran) atau dengan kata lain, adanya pertumbuhan jumlah uang beredar akan menyebabkan tingkat pendapatan riil dan pengangguran akan berfluktuasi dari tingkat alamiahnya sedangkan untuk tingkat harga (IHSG) dipengaruhi pertumbuhan jumlah uang beredar. Sepanjang tahun 2007 kondisi dan kinerja pasar saham relatif baik, tetapi menjelang akhir tahun 2008 terjadi krisis ekonomi global, yang berdampak terhadap perekonomian Indonesia yang menimbulkan gejolak di pasar modal dan pasar uang. Pada bulan Desember 2008, IHSG ditutup pada level Rp. 1.355,41 dan bila dibandingkan dengan IHSG Desember 2007 sebesar Rp. 2.745,83 mengalami penurunan sangat drastis. Berdasarkan uraian yang telah dikemukakan sebelumnya, penelitian tentang

hubungan jangka pendek dan hubungan keseimbangan jangka panjang antara variabel ketiga variabel yakni IHSG, JUB, dan IHPB di Indonesia penting dilakukan. Masalah pokok dalam penelitian ini dirumuskan sebagai berikut : “Apakah terdapat kointegrasi (hubungan keseimbangan jangka panjang) antara variabel IHSG, JUB, dan IHPB di Indonesia pada periode tahun 2007 – 2013 ?” II. Kajian Teori dan Penelitian yang Relevan 1. Kajian Teori Menurut Samsul (2006), IHSG merupakan indeks gabungan dari seluruh jenis saham yang tercatat di Bursa Efek, dan diterbitkan oleh Bursa Efek. Pihak di luar bursa efek tidak tertarik menerbitkan IHSG karena masih kalah manfaatnya dengan indeks harga parsial, seperti untuk keperluan hedging. Menurut publikasi Bursa Efek Indonesia (2010), ada lima fungsi indeks harga saham di pasar modal yaitu: (1) sebagai indikator trend pasar, (2) sebagai indikator tingkat bunga, (3) sebagai tolak ukur kinerja portofolio, (4) memfasilitasi pembentukan portofolio dengan strategi pasif, dan (5) memfasilitasi berkembangnya produk derivatif. Jumlah uang beredar adalah uang yang berada di tangan masyarakat. Namun definisi ini terus berkembang, seiring dengan perkembangan perekonomian suatu negara. Cakupan definisi jumlah uang beredar di negara maju umumnya lebih luas dan kompleks dibandingkan negara sedang berkembang (NSB). Pengertian paling sempit atau biasa dikenal dengan istilah narrow money adalah daya beli yang langsung bisa digunakan untuk pembayaran atau dapat diperluas mencakup alat-alat pembayaran yang mendekati “uang” (deposito berjangka dan tabungan). Narrow money yang biasanya disimbolkan dengan M1 terdiri dari uang tunai/kartal (currency) dan uang giral (Demand Deposit). Uang kartal merupakan uang kertas dan uang logam yang ada di tangan masyarakat umum, sedangkan uang giral mencakup saldo rekening koran/giro milik masyarakat yang disimpan di bank. Dalam perekonomian modern digunakan sistem standart kertas dan sebagai sumber

17


terciptanya uang beredar adalah otorita moneter (pemerintah dan bank sentral) dan lembaga keuangan. Otorita moneter sebagai sumber penawaran uang inti dan lembaga keuangan sebagai sumber penawaran uang sekunder. JUB merupakan proses pasar, artinya hasil interaksi anatara permintaan dan penawaran, dan bukan ahanya pencetakan uang atau merupakan keputusan pemerintah saja. Apabila suatu waktu permintaan uang inti tidak sesuai dengan penawaran uang inti, maka para pelaku dalam pasar uang masing-masing akan melakukan “penyesuaian” berupa tindakan-tindakan (mengubah struktur/komposisi dari kekayaan) di sub-pasar uang inti sehingga terjadi keseimbangan antara permintaan dan penawaran. Demikian juga jika terjadi ketidakseimbangan di pasar uang sekunder. Kedua sub-pasar ini harus mencapai keseimbangan secara bersama-sama. Pembangunan ekonomi suatu negara memiliki tujuan meningkatkan kapasitas produksi baik dalam jangka pendek maupun yang berpengaruh pada pertumbuhan ekonomi yang berkelanjutan dalam jangka panjang. Dalam melaksanakan berbagai pembangunan, kondisi stabilitas ekonomi merupakan hal yang mutlak harus diwujudkan. Pemerintah harus berupaya membuat formulasi kebijakan yang tepat untuk mempertahankan stabilitas perekonomian dan menghindari fluktuasi dan inflasi. Unsur yang sangat penting dalam menjaga kestabilan ekonomi adalah pengendalian inflasi dalam tingkat yang rendah, kondisi seperti inilah yang menjadi tujuan implementasi kebijakan moneter. Dalam penelitian ini sebagai proksi dari inflasi digunakan Indeks Harga Perdagangan Besar (IHPB). 2. Penelitian yang Relevan Menurut hasil penelitian Samsul (2006) bahwa inflasi (IHPB) berpengaruh signifikan terhadap pergerakan IHSG di Bursa Efek Indonesia, temuan ini sejalan dengan teori yang menyatakan bahwa inflasi yang tinggi dapat menjatuhkan harga saham perusahaan, dan inflasi yang rendah mengakibatkan pertumbuhan ekonomi menjadi sangat lamban, yang selanjutnya harga saham juga akan bergerak dengan lamban. Menurut hasil penelitian Hardanti, Y.R, dkk,

18

( 2005) diperoleh tingkat inflasi (IHPB), APBN (pengeluaran pemerintah (G)), cadangan devisa (CDS) mempengaruhi JUB secara positif dalam jangka pendek. Dalam jangka pendek Produk Domestik Bruto rill (PDB riil) berpengaruh positif terhadap JUB tetapi tidak signifikan secara statistik. Hal ini menunjukkan bahwa PDB riil tidak terlalu efektif dalam mempengaruhi JUB. Selanjutnya Pangidoan, E.S (2009), menemukan bahwa terdapat hubungan negatif antara Interest Rate (IR), indeks harga (IHSG), dummy (DUM) terhadap permintaan uang. Sedangkan pendapatan domestik bruto (PDB) memiliki hubungan yang positif terhadap permintaan uang. Model diatas juga menghasilkan bahwa hanya pendapatan domestik bruto (PDB) memiliki pengaruh signifikan terhadap permintaan uang, sedangkan variabel-variabel bebas lainnya tidak memiliki pengaruh signifikan. 3. Hipotesis Penelitian Dalam penelitian ini dirumuskan hipotesis: “Terdapat kointegrasi (hubungan keseimbangan jangka panjang) antara variabel IHSG, JUB, dan IHPB di Indonesia pada peride tahun 2007 2013.” III. Metodologi Penelitian 1. Data dan Spesifikasi Model. Penelitian ini menggunakan data time series bulanan dalam kurun waktu 2007:1 sampai dengan 2013:11. Data IHSG, JUB, dan IHPB dipilih dari publikasi dan database Bank Indonesia dan Badan Pusat Statistik serta instansi-instansi lain yang berhubungan dengan penelitian. Persamaan (1) menggambarkan IHSG sebagai fungsi dari JUB dan IHPB yang akan digunakan dalam penelitian ini. IHSG𝑡𝑡 = 𝛽𝛽0 + 𝛽𝛽1 JUB𝑡𝑡 + 𝛽𝛽2 IHPB𝑡𝑡 + ∈𝑡𝑡

.......(1)

adalah konstanta dan dimana 𝛽𝛽0 𝛽𝛽1 … … . … 𝛽𝛽2 adalah koefisien dari model, serta ∈𝑡𝑡 adalah error term

2. Prosedur Penelitian

Untuk menganalisis masalah penelitian di atas digunakan model Vector Error Correction


Model (VECM). Model ini digunakan untuk mengetahui tingkah laku jangka pendek dari suatu variabel terhadap jangka panjangnya, akibat adanya shock yang permanen (Kostov dan Lingard dalam Shohrul R.Ajija, dkk. 2011). Asumsi yang harus dipenuhi dalam analisis VECM adalah semua variabel independen harus bersifat stasioner. Hal ini ditandai dengan semua sisaan bersifat white noise, yaitu rataan nol, ragam konstan, dan di antara variabel tak bebas tidak ada korelasi. Langkah pertama yang dilakukan adalah menguji kestasioneran data. Hal ini dimaksudkan untuk menghindari kesalahan estimasi. Menurut Walter Enders (1995), terdapat sejumlah pengujian yang dapat dilakukan untuk mengetahui apakah suatu data stasioner atau tidak. Pengolahan data dalam penelitian ini menggunakan Software EViews Versi 7. Sebagai proses awal pengujian kestasioneran data digunakan Augment Dickey Fuller Unit Root Test (ADF test) terhadap variabel IHSG. Seterusnya dilakukan proses yang sama terhadap variable JUB dan variabel IHPB. Jika nilai probabilitasnya pada level dasar < α = 5% maka tidak terjadi unit root. Sebaliknya jika nilai probabilitasnya > α = 5% maka terjadi unit root. Jika terjadi unit root maka dilakukan tes kedua yaitu tes derajat integrasi. Langkah kedua adalah menentukan lag length yang bertujuan untuk melihat sejauh mana model tersebut fit terhadap aktual datanya. Penentuan lag length ini dilakukan dalam analisis Vector Auto Reggression (VAR) yaitu metode analisis yang biasa digunakan untuk memproyeksikan system variabel-variabel runtun waktu dan untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam system variabel tersebut (Hadi, 2003). Kemudian lag length tersebut digunakan dalam uji kausalitas Granger Uji ini bermaksud untuk mengetahui apakah terjadi hubungan satu arah atau dua arah di antara variabel dalam model VECM. Langkah ketiga adalah melakukan uji kointegrasi yang bertujuan untuk melihat adanya kemungkinan keseimbangan jangka panjang antara variabel terkait. Pendekatan yang dilakukan adalah metode Johansen Cointegration Test, kemudian dilakukan estimasi VECM dengan order lag p=1, p=2, dan p=3 yang bertujuan memperoleh order

optimal untuk model VECM bagi data ini. Langkah selanjutnya adalah melakukan uji diagnostik dengan VEC Residual Portmanteau Tests for Autocorrelation. Langkah terakhir adalah melihat karakteristik model VECM yang telah diperoleh pada analisis terdahulu, yaitu melalui Analisis Variance Decomposition. IV. Hasil Penelitian dan Pembahasan 1. Hasil Uji Stasioneritas Data Hasil uji akar unit pada tingkat first difference terhadap data variabel IHSG menunjukkan bahwa nilai mutlak ADF test statistic (7.536112) > nilai mutlak t-statistical Test Critical Value 5% (2.897678), dan nilai probabilitas (0.0000) < 0,05, maka dapat disimpulkan bahwa data IHSG telah stasioner pada first difference. Hasil uji akar unit pada tingkat second difference terhadap data variabel JUB menunjukkan bahwa nilai mutlak ADF test statistic (6.758058) > nilai mutlak t-statistical Test Critical Value 5% (2.903566), dan nilai probabilitas (0.0000) < 0,05, maka dapat disimpulkan bahwa data JUB telah stasioner pada second difference. Hasil uji akar unit pada tingkat first difference terhadap data variabel IHPB menunjukkan bahwa nilai mutlak ADF test statistic (5.128493) > nilai mutlak t-statistical Test Critical Value 5% (2.897678), dan nilai probabilitas (0.0000) < 0,05, maka dapat disimpulkan bahwa data IHPB telah stasioner pada first difference. Berdasarkan hasil uji stasioneritas data dengan ADF Test diperoleh bahwa data variabel IHSG dan IHPB sudah stasioner pada tingkat first difference, sedangkan data JUB sudah stasioner pada tingkat second difference. Dengan demikian ketiga variabel tersebut telah dapat digunakan dalam analisis data statistika lebih lanjut. 2. Hasil Uji Kausalitas Granger  Untuk Variabel Dependen IHSG Ho : IHSG tidak mempengaruhi JUB dan IHPB ⟹ Nilai Prob. > α = 0.05 H1 : IHSG mempengaruhi JUB dan IHPB ⟹ Nilai Prob. < α = 0.05 Dari hasil uji kausalitas terhadap variabel independen JUB diperoleh Nilai

19


Probabilitas F-statistic (0.3846)> α = 0.05 maka terima Ho, artinya IHSG tidak mempengaruhi JUB. Selanjutnya dari hasil uji kausalitas terhadap variabel independen IHPB diperoleh Nilai Probabilitas Fstatistic (0.7368) > α = 0.05 maka terima Ho, artinya IHSG tidak mempengaruhi IHPB.  Untuk Variabel Dependen JUB Ho : JUB tidak mempengaruhi IHSG dan IHPB ⟹ Nilai Prob. > α = 0.05 H1 : JUB mempengaruhi IHSG dan IHPB ⟹ Nilai Prob. < α = 0.05 Dari hasil uji kausalitas terhadap variabel independen IHSG diperoleh Nilai Probabilitas F-statistic (0.0238) < α = 0.05 maka tolak Ho, artinya JUB mempengaruhi IHSG. Selanjutnya dari hasil uji kausalitas terhadap variabel independen IHPB diperoleh Nilai Probabilitas F-statistic (0.9551) > α = 0.05 maka terima Ho, artinya JUB tidak mempengaruhi IHPB.  Untuk Variabel Dependen IHPB Ho : IHPB tidak mempengaruhi IHSG dan JUB ⟹ Nilai Prob. > α = 0.05 H1 : IHPB mempengaruhi IHSG dan JUB ⟹ Nilai Prob. < α = 0.05 Dari hasil uji kausalitas terhadap variabel independen IHPB diperoleh Nilai Probabilitas F-statistic (0.0013) < α = 0.05 maka tolak Ho, artinya IHPB mempengaruhi IHSG. Selanjutnya dari hasil uji kausalitas terhadap variabel independen JUB diperoleh Nilai Probabilitas F-statistic (0.6291)> α = 0.05 maka terima Ho, artinya IHPB tidak mempengaruhi IHPB. Dari hasil analisis uji kausalitas Granger ditemukan hubungan satu arah antara variabel JBU dan IHSG yakni JUB mempengaruhi IHSG. Juga ditemukan hubungan satu arah antara variabel IHPB dan IHSG, yakni IHPB mempengaruhi IHSG. Selanjutnya adalah melakukan uji kointegrasi untuk melihat hubungan keseimbangan jangka panjang antara ketiga variabel tersebut. 3. Hasil Uji Kointegrasi Berdasarkan hasil analisis uji kointegrasi dengan menggunakan Johansen Cointegration Test ditemukan bahwa: (1) Nilai Trace Statistic (52.18014) > Nilai Critical Value

20

(29.79707), maka hal ini mengindikasikan adanya kointegrasi (hubungan keseimbangan antar variabel dalam jangka panjang), (2) Dari Uji Trace Statistic terindikasi ketiga variabel IHSG, JUB, dan IHPB terkointegrasi. (3) Nilai Max-Eigenvalue Statistic (26.8506) > Nilai Critical Value (21.13162), maka hal ini merupakan indikasi adanya kointegrasi, dan (4) Juga dari Uji Max-Eigenvalue Statistic mengindikasikan ketiga variabel yakni IHSG, JUB, dan IHPB terkointegrasi. Karena terdapat kointegrasi antar ketiga variabel penelitian yakni IHSG, JUB, dan IHPB, maka data ini lebih akurat diolah dengan menggunakan VECM. Bentuk vektor residual dari kedua persamaan kointegrasi adalah : ε1t = IHSGt + 113.0434 IHPBt dan ε2t = JUBt + 74776.63 IHPBt 4. Hasil Uji Vector Error Correction Estimates

Selanjutnya untuk mengestimasi bentuk persamaan VECM di antara variabel IHSG, JUB, dan IHPB, dilakukan dengan analisis uji Vector Error Estimates yang menghasilkan dua persamaan kointegrasi seperti di atas. Kedua bentuk persamaan kointegrasi dinyatakan dengan vektor residual hasil relasi kointegrasi, diberikan pada kolom CointEq1 dan CointEq2 di kanan Cointegration Eq. Sedangkan vektor konstanta hasil estimasi model VECM yang terbentuk diberikan pada tiga kolom di kanan Error Correction. Selanjutnya diperoleh persamaan VECM(1) untuk IHSG berbentuk : ∆IHSGt = φ1 + λ1 . e1,t−1 + λ2 . e2,t−1 + γ11 .∆IHSGt−1 + ω1 .∆JUBt−1 + ω2 .∆IHPBt−1

∆IHSGt = 38.64870 – 0.101438. e1,t−1 + 0.000108. e2,t−1 + 0.068449.∆IHSGt−1 – 0.000433. ∆JUBt−1 + 4.660782.∆IHPBt−1

Pada langkah pertama di atas digunakan lag p=1 untuk maksimal order diferensi dari variabel endogen dalam model. Untuk memilih nilai optimal dari p dapat dibandingkan nilainilai AIC / SIC dari model-model VECM(1), VECM(2), dan VECM(3). Output hasil estimasi dirangkum dalam tabel di bawah ini yang menunjukkan order p=1 memberikan nilai AIC dan SIC yang minimal, sehingga


merupakan order optimal untuk model VECM

bagi data ini.

Tabel Rangkuman Nilai AIC dan SIC untuk VECM(p) p=1 Akaike Information Criteria (AIC) 45.11066 Schwarz Information Criteria SIC) 45.82012 5. Hasil Uji Diagnostik Portmanteau Tahap akhir dalam analisis ini adalah melakukan uji diagnostik terhadap model VECM(1) yakni menggunakan uji Portmanteau (output analisis terlampir). Berdasarkan output uji diagnostik Portmanteau diperoleh nilai Probability-value untuk Qstatistic lebih besar dari 5%, sehingga dapat disimpulkan bahwa model VECM(1) merupakan model yang baik untuk data (IHSG, JUB, dan IHPB) hasil analisis di atas. 6. Hasil Analisis Variance Decomposition Analisis variance decomposition bertujuan mendekomposisi variasi kesalahan prediksi atau menyatakan suatu proporsi dari rangkaian perubahan disebabkan adanya kejutan atas variabel satu terhadap kejutan variabel yang lain. Analisis variance decomposition ini dibagi menjadi dua periode yaitu periode jangka pendek pada tahun ke 5, dan periode jangka panjang pada tahun ke 15. • Variance Decomposition of IHSG Dalam periode jangka pendek, perkiraan error variance dijelaskan oleh IHSG sebesar 94.73 persen, JUB sebesar 3.08 persen, dan IHPB sebesar 2.19 persen. Dalam periode jangka panjang, perkiraan error variance dijelaskan oleh IHSG sebesar 91.11 persen, JUB sebesar 3.71 persen, dan IHPB sebesar 5.18 persen. Ternyata pada periode jangka pendek dan jangka panjang, IHSG secara dominan berubah oleh IHSG itu sendiri. • Variance Decomposition of JUB Dalam periode jangka pendek, perkiraan error variance dijelaskan oleh IHSG sebesar 3.51 persen, JUB sebesar 95.81 persen, dan IHPB sebesar 0.67 persen. Dalam periode jangka panjang, perkiraan error variance dijelaskan oleh IHSG sebesar 3.16 persen, JUB sebesar 95.83 persen, dan IHPB sebesar 1.00 persen. Ternyata pada periode jangka pendek dan

p=2 45.17846 46.16105

p=3 45.33443 46.41418

jangka panjang, JUB secara dominan berubah oleh JUB itu sendiri. • Variance Decomposition of IHPB Dalam periode jangka pendek, perkiraan error variance dijelaskan oleh IHSG sebesar 6.16 persen, JUB sebesar 1.75 persen, dan IHPB sebesar 92.09 persen. Dalam periode jangka panjang, perkiraan error variance dijelaskan oleh IHSG sebesar 64.54 persen, JUB sebesar 10.87 persen, dan IHPB sebesar 24.58 persen. Ternyata pada periode jangka pendek dan jangka panjang, variabel IHPB secara dominan berubah oleh IHSG. Hal ini berarti bahwa kejutan dari variabel IHSG memiliki kemampuan yang besar terhadap pertumbuhan IHPB. V. Kesimpulan Berdasakan hasil penelitian dapat diambil kesimpulan sebagai berikut : 1. Dengan uji kausalitas Granger ditemukan adanya hubungan satu arah antara variabel JUB dengan IHSG yakni JUB mempengaruhi IHSG, juga ditemukan hubungan satu arah antara variabel IHPB dengan IHSG, yakni IHPB mempengaruhi IHSG. 2. Dengan uji Johansen Cointegration Test ditemukan adanya kointegrasi antar ketiga variabel IHSG, JUB, dan IHPB. 3. Dengan analisis variance decomposition ditemukan bahwa pada periode jangka pendek dan jangka panjang variabel IHSG secara dominan berubah oleh IHSG itu sendiri, dan JUB secara dominan berubah oleh JUB itu sendiri, serta IPHB secara dominan berubah oleh IHSG. Daftar Pustaka Bank

Indonesia. Keuangan Terbitan.

Statistik Ekonomi dan Indonesia. Berbagai

21


________. Laporan Tahunan Bank Indonesia. Berbagai Terbitan ________. Laporan Bulanan Bank Indonesia. Berbagai Terbitan Barro, Robert J, 1977. " Unanticipated Money Growth and Unemployment in the United States", The American Economic Review, V o l 67, No. 2. Barro, Robert J, 1978, " Unanticipated Money, Output, and the Price Level in the United States", Journal of Political Economy. V o l 86. No. 41 Boediono, 1982. Pengantar Ilmu Ekonomi Makro. Yogyakarta: BPFE Edi Susianto, 2002. "Menyikapi Inflation Targeting dalam Proses Pemulihan Ekonomi: Suatu Tinjauan Teori", Buletin Ekonomi Moneter dan Perbankan. Vol 5, No. 2. Gujarati, Damodar, 1995. Jakarta : Erlangga

Ekonometrika.

Hadi, S. Yonathan. 2003. Analisis Vector Auto Reggression (VAR) Terhadap Korelasi Antara Pendapatan Nasional dan Investasi Pemerintah di Indonesia 1983/1984 – 1999/2000. Jurnal Keuangan dan Moneter, Volume 6 Nomor 2, 2003. Rosadi, Dedi, 2012. Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews. Yogyakarta : Andi Samsul, Muhammad, 2006. Pasar Modal dan Manajemen Portofolio. Jakarta : Erlangga Shochrul R.Ajija, dkk, 2011. Cara Cerdas Menguasai Eviews. Jakarta : Salemba Empat Winarno, Wing Wahyu, 2009. Analisis Ekonometrika dan Statistika dengan Eviews. Yogyakarta : UPP STIM YKPN

22

Jurnal Saintech Vol No.04-Desember 2014 ISSN No

Recommend Documents