PENGARUH KURS, BI RATE, INDEKS DJIA, INDEKS HSI DAN INDEKS NIKKEI 225 TERHADAP INDEKS-INDEKS DI BURSA EFEK INDONESIA TAHUN 2008-2012 SKRIPSI Diajukan kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Syarat-syarat Guna Meraih Gelar Sarjana Ekonomi
Oleh: IKA WULANDARI NIM : 109081000040
JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1434 H/2013 M
PENGARUH KURS, BI RATE, INDEKS DJIA, INDEKS HSI DAN INDEKS NIKKEI 225 TERHADAP INDEKS-INDEKS DI BURSA EFEK INDONESIA TAHUN 2008-2012
Skripsi Diajukan kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana Ekonomi
Oleh Ika Wulandari NIM : 109081000040
Dibawah Bimbingan
Pembimbing I
Pembimbing II
Prof. Dr Ahmad Rodoni, MM
Indoyama Nasarudin SE., MAB.
NIP. 19690203 200112 1 003
NIP. 19741127 200112 1 002
JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1434 H / 2013 M
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini Selasa, 09 April 2013 telah dilakukan ujian komprehensif atas mahasiswa: Nama
: Ika Wulandari
NIM
: 109081000040
Jurusan
: Manajemen
Judul Skripsi :”Analisis Pengaruh Kurs, Tingkat Suku Bunga Bank Indonesia (BI Rate), Indeks DJIA, Indeks Hsi dan Indeks Nikkei225 Terhadap Indeks-indeks Di Bursa Efek Indonesia Tahun 2008-2012”.
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa tersebut diatas dinyatakan LULUS dan diberi kesempatan untuk melanjutan ke tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta. Jakarta, 09 April 2013
1.
Yoghi Citra Pratama, SE., M.Si. NIP: 19830717 201101 1 011 (
) Ketua
2.
Ade Suherlan, SE., MBA. NIP. 19800525 200912 1 001
(
) Sekretaris
3.
Titi Dewi Warninda, SE., M.Si NIP. 19731221 200501 2 002
(
) Penguji Ahli
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini, Senin 26 Agustus 2013 telah melakukan Ujian Skripsi atas mahasiswa : Nama
: Ika Wulandari
Nim
: 109081000040
Jurusan
: Manajemen/Keuangan
Judul Skripsi
: Analisis Pengaruh Kurs, BI Rate, Indeks DJIA, Indeks HSI, dan Indeks Nikkei225 Terhadap Indeks-indeks di Bursa Efek Indonesia Periode Tahun 2008-2012
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang bersangkutan selama Ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 26 Agustus 2013
1. Herni Ali, HT, SE.,MM.
(
NIDN : 0422125902
) Ketua
2. Titi Dewi Warninda, SE., MSi NIP: 19731221 200501 2002
(
3. Amalia, SE., M.S.M NIP: 19731221 2005 01 2 002
(
4. Prof. Dr. Ahmad Rodoni NIP: 19690203 20112 1 003
(
5. Indo Yama Nasarudin SE., MAB. NIP : 19741127 200112 1 002
(
) Sekretaris
) Penguji Ahli
) Pembimbing 1
) Pembimbing 2
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini : Nama : Ika Wulandari No. Induk Mahasiswa : 109081000040 Fakultas : Ekonomi dan Bisnis Jurusan : Manajemen Konsentrasi : Keuangan Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya: 1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan mempertanggungjawabkan. 2. Tidak melakukan plagiat terhadap naskah karya orang lain. 3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli atau tanpa ijin pemilih karya. 4. Tidak melakukan pemanipulasian dan pemalsuan data. 5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya ini. Jikalau ada tuntutan dari pihak lain atas karya saya, dan telah melalui pembuktian yang dapat dipertanggung jawabkan, ternyata memang ditemukan bukti bahwa saya telah melanggar peryataan di atas, maka saya siap untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. Demikian pernyataan ini saya buat dengan sesungguhnya.
Ciputat, Agustus 2013 Yang Menyatakan,
(Ika Wulandari)
i
DAFTAR RIWAYAT HIDUP
I.
IDENTITAS PRIBADI 1.
Nama
: Ika Wulandari
2.
Tempat tanggal lahir
: Jakarta, 18 Oktober 1991
3.
Alamat
:
Jln.
Sukarela
RT.
001
RW.
07
Paninggilan, Ciledug Tangerang Banten 15153
II.
4.
Telepon
: 085694860180
5.
E-mail
:
[email protected]
PENDIDIKAN 1.
SDN Paninggilan 4
Tahun 1997-2003
2.
SMPN 11 Tangerang
Tahun 2003-2006
3.
SMAN 3 Tangerang
Tahun 2006-2009
4.
S1 Ekonomi UIN Syarif Hidayatullah Jakarta
Tahun 2009-2013
III. LATAR BELAKANG KELUARGA 1.
Ayah
: Parno
2.
Ibu
: Waginem
3.
Alamat
: Jln. Sukarela RT. 001 RW. 07 Paninggilan, Ciledug Tangerang Banten 15153
IV.
PENGALAMAN ORGANISASI 2004
V.
: Anggota Rohis SMPN 11 Tangerang
PELATIHAN DAN SEMINAR YANG DIIKUTI 1. 20 Mei 2010
: Seminar Nasional Insurance Goes To Campus “Peran Asuransi Dalam Era Globalisasi”.
ii
2. 11 Juni 2010
: Public Discussion “Membangun Brand Image Melalui Strategi Public Relation dan Event”
3. 03 Agustus 2010
: Mata Kuliah Praktikum Qira`at dan Ibadah.
4. 10 Mei 2011
: CAFTA dan Tantangan Ekonomi Kerakyatan dalam Menghadapi Perekonomian Global”.
5. 8 Juni 2012
: A Training Course On: “Sekolah Pasar Modal” Basic Training of Fundamental & Technical Analysis.
6. 3 September 2012 : Kuliah Kerja Sosial Bebas Terkendali (KKSBT)/ Magang
iii
ABSTRACT
This Research aimed to analyzed the effect of exchange rate, BI Rate, Dow Jones Industrial Average (DJIA) Index, HangSeng Index, and Nikkei225 Index on conventional capital market (IHSG), Islamic capital market (JII), LQ45 and Kompas100. With data used time series from 2008 to 2012. The statistical test used was multiple linier regresion analysis. With significantly level 5%. The result of this result showed that exchange rate, BI Rate and DJIA significantly affect the variables IHSG, JII, LQ45 and Kompas100. Then Nikkei225 index also significantly affect the variables IHSG, LQ45 and Kompas100. While HangSeng index is not significantly affect the variables IHSG, JII, Lq45 and Kompas100. With the adjusted R2 of IHSG is 0,957 or 95,7%, JII is 0,941 or 94,1%, LQ45 is 0,951 or 95,1% and Kompas100 is 0,956 or 95,6%.
Keywords : IHSG, JII, LQ45, Kompas100, Exchange Rate, BI Rate, DJIA Index, HSI Index, and Nikkkei225 Index.
iv
ABSTRAK
Penelitian ini bertujuan untuk mengetahui pengaruh kurs, BI Rate, indeks DJIA, indeks (HangSeng) HSI dan indeks Nikkei225 terhadap indeks-indeks di Bursa Efek Indonesia yang diwakilkan oleh IHSG, JII, LQ45 dan Kompas100. Dengan menggunakan data time series pada periode tahun 2008-2012. Metode yang digunakan adalah analisis regresi berganda. Dengan tingkat signifikansi sebesar 5%. Hasil penelitian menunjukan bahwa kurs, BI Rate, indeks DJIA berpengaruh signifikan terhadap IHSG, JII, LQ45,dan Kompas100. Kemudian Indeks Nikkei 225 berpengaruh signifikan terhadap IHSG, LQ45 dan Kompas100. Sedangkan indeks HangSeng tidak bepengengaruh terhadap IHSG, JII, LQ45 dan Kompas100. Dengan nilai adjusted R2 pada IHSG sebesar 0,957 atau 95,7%, JII sebesar 0,941 atau 94,1%, LQ45 sebesar 0,951 atau 95,1% dan Kompas100 sebesar 0,956 atau 95,6%. Kata Kunci : IHSG, JII, LQ45, Kompas100, Kurs, BI Rate, Indeks DJIA, Indeks HSI, dan Indeks Nikkkei225
v
KATA PENGANTAR
Assalamu`alaikum Warahmatullahi Wabarakatuh, Alhamdulillahirobbil’alamin puji syukur kehadirat Allah SWT yang tiada hentinya melimpahkan rahmat dan hidayahnya kepada seluruh hambanya, tak terkecuali penulis. Shalawat serta salam tidak lupa kami haturkan kepada Baginda Nabi Besar Muhammad SAW beserta keluarga dan para sahabatnya yang telah membawa kita dari jaman yang gelap gulita ke jaman yang terang benderang. Atas rahmat Allah SWT penulis dapat menyelasaikan skripsi yang berjudul :” Analisis Pengaruh Kurs, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 Terhadap Indeks-Indeks di Bursa Efek Indonesia Tahun 2008-2012”. Penyusunan skripsi ini dimaksudkan untuk memenuhi persyaratan memperoleh gelar Sarjana Ekonomi. Selama menjalani masa perkuliahan sekitar empat tahun banyak sekali ilmu, pengalaman dan cerita yang penulis dapat baik dari para dosen pengajar, para staf dan karyawan FEB UIN Syarif Hidayatullah serta dari teman-teman seperjuangan yang bersama-sama menjalani masa perkuliahan dengan suka dan duka yang didapat. Pada kesempatan kali ini penulis ingin mengucapkan beribu-ribu terima kasih pada semua pihak yang telah membantu serta memberikan motivasi dan dukungan kepada penulis dalam penyusunan skripsi ini. Rasa terima kasih ini ingin penulis tujukan kepada :
vi
1.
ALLAH SWT, yang selalu memberikan rahmat dan hidayahnya kepada penulis. Terima kasih atas jalan terbaik-Nya.
2.
Kedua Orang Tuaku, bapak dan mama yang tiada henti memberikan semangat, motivasi dan dukungan baik secara materil maupun nonmateril secara ikhlas tanpa pamrih. Terima kasih buat kasih sayang, dan cinta yang selalu dicurahkan kepada penulis hingga sampai saat ini. Semoga Allah SWT selalu memberikan kesehatan dan kebahagian kepada mereka. Amin.
3.
Untuk adikku tercinta, Ilham Dwi Saputra yang telah memberikan doa dan motivasi sehingga penulis dapat menyelesaikan skripsi ini.
4.
Bapak Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang selalu memberikan motivasi kepada penulis selama menimba ilmu di FEB UIN Syarif Hidayatullah Jakarta.
5.
Bapak Prof. Dr. Ahmad Rodoni selaku dosen pembimbing I dan bapak Indoyama Nasarudin SE., MAB. Selaku dosen pembimbing II yang telah membantu penulis dalam penyelesaian skripsi ini. Terima kasih untuk semua waktu, ilmu dan motivasinya sehingga skripsi dapat terselesaikan.
6.
Seluruh Dosen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah membagikan ilmu dan pengalam kepada penulis selama kurang lebih empat tahun ini. Semoga ilmu yang disampaikan bermanfaat dan di balas oleh Allah SWT sebagai amal bakti. Amin.
vii
7.
Seluruh staf dan karyawan FEB UIN Syarif Hidayatullah Jakarta yang telah membantu penulis dalam menyelesaikan masalah administrasi dan lainlainnya.
8.
Andri Saputro yang selalu setia dan tak pernah bosan menemani penulis dalam penyusunan skripsi ini. Terima kasih untuk doa, semangat, dukungan dan motivasi yang tiada hentinya kepada penulis.
9.
Teman-teman seperjuangan : Eka Adianti Wigati, Eis Hartati, Ade Tiyar Desty, Melissa Akmal, Fitria Saraswati, Mutia Dwi Amira, Dety Inayati dan Siti Sulhah yang telah mengisi hari-hari penulis selama menuntut ilmu di FEB UIN Syarif Hidayatullah Jakarta. Banyak cerita dan pengalaman yang tak terlupakan yang telah kita lewati bersama. Semoga silahturahmi ini akan terus terjaga sampai tua nanti. Amin. Gonna miss you guys.
10. Imas Atik Aisyah yang sudah banyak membantu dan memberikan motivasi penulis dan teman seperjuangan dalam penyusunan skripsi. Terima untuk semuanya. 11. Teman- teman manajemen A dan Manajemen Keuangan yang telah melewati hari-hari penuh perjuangan selama masa perkuliahan. 12. Rima Nur Amalina yang selalu ada disetiap penulis membutuhkannya. Terima kasih untuk semua motivasi dan nasihat yang diberikan. Semoga silahturahmi ini selalu terjaga dengan baik walaupun jarak memisahkan kita. Amin. Penulis menyadari betul bahwa skripsi ini masih jauh dari kesempurnaan, maka dengan rendah hati penulis mengharapkan saran dan kritik yang
viii
membangun demi kesempurnaan skripsi ini. Penulis berharap skripsi dapat memberikan manfaat bagi perkembangan ilmu pengetahuan pada umumnya dan bagi penulis sendiri pada khususnya. Akhir kata penulis sampaikan permohonan maaf apabila dalam perjalanan panjang ini penulis melakukan kesalahan dan kekhilafan dalam bertutur maupun dalam bertindak. Wassalamu`alaikum Warahmatullahi Wabarakatuh
Jakarta,
Juli 2013
Penyusun
ix
DAFTAR ISI
HALAMAN JUDUL LEMBAR PENGESAHAN LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .......................... i DAFTAR RIWAYAT HIDUP ........................................................................... ii ABSTRACT ......................................................................................................... iv ABSTRAK .......................................................................................................... v KATA PENGANTAR ........................................................................................ vi DAFTAR ISI ....................................................................................................... x DAFTAR TABEL ............................................................................................... xiii DAFTAR GAMBAR ........................................................................................... xv DAFTAR LAMPIRAN ...................................................................................... xvi BAB I
PENDAHULUAN ............................................................................ 1 A. Latar Belakang ............................................................................ 1 B. Perumusan Masalah ...................................................................... 12 C. Tujuan dan Manfaat Penelitian ..................................................... 13
BAB II
1.
Tujuan Penelitian ................................................................... 13
2.
Manfaat Penelitian ................................................................. 14
TINJAUAN PUSTAKA ................................................................... 16 A. Pasar Modal ................................................................................. 16 B. Indeks harga Saham Gabungan ..................................................... 18 C. JII ................................................................................................ 25 D. Indeks LQ45 .................................................................................. 28 E. Indeks Kompas100 ........................................................................ 30 F. Indeks Dow Jones Industrial Average (DJIA) .............................. 31 G. Indeks HangSeng .......................................................................... 33 H. Indeks Nikkei 225 ......................................................................... 34 I. Tingkat Suku Bunga Bank Indonesia (BI Rate) ............................ 35 J. Kurs ............................................................................................... 36 x
K. Keterkaitan Antar Variabel ........................................................... 40 L. Penelitian Terdahulu ..................................................................... 42 M. Kerangka Pemikiran ..................................................................... 45 N. Perumusan Hipotesa ..................................................................... 48 BAB III
METODOLOGI PENELITIAN ..................................................... 50 A. Ruang Lingkup Penelitian ............................................................. 50 B. Metode Penentuan sampel ............................................................ 50 C. Metode Pengumpulan data ........................................................... 51 D. Metode Analisis .......................................................................... 53 1. Uji Multikolinieritas ................................................................ 53 2. Uji Heteroskedastisitas ........................................................... 54 3. Uji autokorelasi ....................................................................... 55 4. Uji Normalitas ........................................................................ 57 5. Analisis Regresi Berganda ...................................................... 58 6. Uji Adjusted R Square (R2) ..................................................... 56 7. Uji Signifikansi Simultan (Uji Statistik F) .............................. 60 8. Uji Signifikansi Individual (Uji Satistik t) .............................. 61 E. Operasional Variabel ..................................................................... 62
BAB IV
HASIL DAN PEMBAHASAN ........................................................ 66 A. Sekilas Gambaran Umum Objek Penelitian .................................. 66 B. Hasil dan Pembahasan .................................................................. 68 1. Analisis Deskriptif.................................................................. 68 2. Analisis statistik ..................................................................... 87 2.1 Uji Normalitas ................................................................ 87 2.2 Uji Heteroskedastisitas ..................................................... 92 2.3 Uji Autokorelasi ............................................................... 99 2.4 Uji Multikolinieritas ......................................................... 107 3. Uji Statistik ............................................................................ 110 3.1 Uji Statistik Persamaan I (IHSG) .................................... 110 3.2 Uji Statistik Persamaan II (JII) ........................................ 116 3.3 Uji Statistik Persamaan III (LQ45) ................................. 121
xi
3.4 Uji Statistik Persamaan IV (Kompas100) ........................ 126 C. Interpretasi ..................................................................................... 134 BAB V
KESIMPULAN DAN IMPLIKASI ................................................. 140 A. Kesimpulan ................................................................................... 140 B. Implikasi ....................................................................................... 141 C. Saran Untuk Penelitian Yang Akan Datang .................................. 142
DAFTAR PUSTAKA .......................................................................................... 143 LAMPIRAN ......................................................................................................... 147
xii
DAFTAR TABEL
No.
Keterangan
Halaman
2.1
Penelitian Terdahulu
3.1
Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson
56
4.1
Tabel Kurs Rupiah Terhadap Dolar
69
4.2
Tabel Tingkat Suku Bunga Bank Indonesia (BI Rate)
71
4.3
Tabel Indeks Dow Jones Industrial Average (DJIA)
73
4.4
Tabel Indeks HangSeng
75
4.5
Tabel Indeks Nikkei225
77
4.6
Tabel Indeks Harga Saham Gabungan
79
4.7
Tabel Jakarta Islamic Indeks
81
4.8
Tabel LQ45
83
4.9
Tabel Kompas100
85
4.10
Uji Normalitas IHSG
88
4.11
Uji Normalitas JII
89
4.12
Uji Normalitas LQ45
90
4.13
Uji Normalitas Kompas100
91
4.14
Uji Heteroskedastisitas Terhadap Variabel IHSG
93
4.15
Uji Heteroskedastisitas Terhadap Variabel JII
94
4.16
Uji Heteroskedastisitas Terhadap Variabel LQ45
96
4.17
Uji Heteroskedastisitas Terhadap Variabel Kompas100
98
4.18
Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson
100
4.19
Tabel Uji Autokorelasi Terhadap Variabel IHSG
101
4.20
Pengobatan Uji Autokorelasi Terhadap Variabel IHSG
102
4.21
Tabel Uji Autokorelasi Terhadap Variabel JII
102
4.22
Pengobatan Uji Autokorelasi Terhadap Variabel JII
104
4.23
Tabel Uji Autokorelasi Terhadap Variabel LQ45
104
4.24
Pengobatan Uji Autokorelasi Terhadap Variabel LQ45
105
42
xiii
4.25 Tabel Uji Autokorelasi Terhadap Variabel Kompas100
106
4.26 Pengobatan Uji Autokorelasi Terhadap Variabel Kompas100
107
4.27 Uji Multikolinieritas IHSG
108
4.28 Uji Multikolinieritas JII
109
4.29 Uji Multikolinieritas LQ45
109
4.30 Uji Multikolinieritas Kompas100
110
4.31 Uji F Terhadap Variabel IHSG
111
4.32 Uji t Terhadap Variabel IHSG
112
4.33 Uji Adjusted R2 Terhadap Variabel IHSG
115
4.34 Uji F Terhadap Variabel JII
116
4.35 Uji t Terhadap Variabel JII
117
4.36 Uji Adjusted R2 Terhadap Variabel JII
120
4.37 Uji F Terhadap Variabel LQ45
121
4.38 Uji t Terhadap Variabel LQ45
122
4.39 Uji Adjusted R2 Terhadap Variabel LQ45
125
4.40 Uji F Terhadap Variabel Kompas100
126
4.41 Uji t Terhadap Variabel Kompas100
127
4.42 Uji Adjusted R2 Terhadap Variabel Kompas100
130
4.43 Hasil Uji F, Uji t dan Adjusted R square Semua Model persamaan
131
xiv
DAFTAR GAMBAR
No.
Keterangan
Halaman
1.1
Grafik Pergerakan Indeks-indeks di BEJ
5
2.1
Kerangka Pemikiran
47
4.1
Grafik pergerakan Kurs Rupiah Terhadap Dolar
70
4.2
Grafik pergerakan BI Rate
72
4.3
Grafik pergerakan Indeks Dow Jones Industrial Average (DJIA)
74
4.4
Grafik pergerakan Indeks HangSeng (HSI)
76
4.5
Grafik pergerakan Indeks Nikkei225
78
4.6
Grafik pergerakan Indeks Harga Saham Gabungan
80
4.7
Grafik pergerakan Jakarta Islamic Indeks
82
4.8
Grafik pergerakan Indeks LQ45
84
4.9
Grafik pergerakan Indeks Kompas100
86
4.10
Grafik p-p Plot terhadap Variabel IHSG
88
4.11
Grafik p-p Plot terhadap Variabel JII
89
4.12
Grafik p-p Plot terhadap Variabel LQ45
91
4.13
Grafik p-p Plot terhadap Variabel Kompas100
92
4.14
Scatterplot Terhadap Variabel IHSG
94
4.15
Scatterplot Terhadap Variabel JII
95
4.16
Scatterplot Terhadap Variabel LQ45
97
4.17
Scatterplot Terhadap Variabel Kompas100
99
xv
DAFTAR LAMPIRAN
No.
Keterangan
Halaman
1.
Data Mentah
147
2.
Persamaan I (IHSG)
150
3.
Persamaan II (JII)
153
4.
Persamaan III (LQ45)
156
5.
Persamaan IV (Kompas100)
159
xvi
BAB I PENDAHULUAN
A.
Latar Belakang Investasi adalah suatu hal yang sangat dicita-citakan masyarakat pada umumnya agar bertambahlah harta yang dimiliki oleh masyarakat tersebut. Macam-macam instrumen investasi yang ada di masyarakat pada umumnya hanya berkisar pada instrumen-instrumen yang umum dan telah banyak dikenal seperti tanah, rumah, emas, deposito. Seiring dengan berkembangnya jaman, maka perkembangan di bidang keuangan khususnya di bidang investasi pun semakin marak, dengan bermunculannya macam-macam instrumen investasi yang bisa jadi malah menimbulkan kebingungan yang tentunya tidak terlalu mudah juga dipahami oleh masyarakat awam. (Antolis & Dossugi, 2008 : 142). Salah satu tempat untuk melakukan investasi adalah di pasar modal.
Pasar
modal
dibangun
dengan
tujuan
menggerakan
perekonomian suatu negara melalui kekuatan swasta dan mengurangi beban negara. Negara memiliki kekuatan dan kekuasaan untuk mengatur
bidang
perekonomian
tetapi
tidak
harus
memiliki
perusahaan sendiri. Jika kegiatan ekonomi dapat dilaksanakan oleh pihak swasta, maka negara tidak perlu ikut campur agar tidak membuang-buang biaya. Akan tetapi, negara mempunyai kewajiban
1
membuat perundang-undangan agar pihak swasta dapat bersaing dengan jujur dan tidak terjadi monopoli. (Samsul, 2006:43). Dalam pasar modal terdapat beberapa macam indeks-indeks yang di publikasikan oleh Bursa Efek Indonesia, diantaranya adalah IHSG, JII, LQ45, Kompas 100, indeks papan atas, dan berbagai macam indeks di setiap sektor. Indeks-indeks ini dapat dijadikan acuan (benchmark) atau indikator yang menggambarkan pergerakan saham. Dipasar modal sebuah indeks diharapkan memiliki lima fungsi, yaitu (Darmadji & Fakhruddin, 2001:95) : 1. Sebagai indikator trend pasar. 2. Sebagai indikator tingkat keuntungan. 3. Sebagai tolak ukur (benchmark) kinerja suatu portofolio. 4. Memfasilitasi pembentukan portofolio dengan strategi pasif. 5. Memfasilitasi berkembangnya produk derivatif. Di tahun 2009 indeks JII meningkat dari tahun sebelumnya yang terkena dampak krisis global, meningkat cukup baik sebesar 2009.993 point sehingga indeks JII meningkat kembali mencapai level 417.182 point. Indeks JII sudah sangat baik pada tahun 2010 meskipun peningkatannya hanya sebesar 115.719 point sehingga indeks JII menjadi 532.901 point. Peningkatan yang cukup baik dan stabil pada akhir tahun 2011 sebesar 537.031 point meskipun sempat terjadi penurunan di pertengahan tahun 2011. (Cholidah, 2012: 8).
2
Berdasarkan data dari situs resmi Bursa Efek Indonesia, pada penutupan akhir tahun 2011 lalu indeks JII mencapai pada posisi 537,031 poin. Sedangkan pada penutupan pada akhir tahun 2012 lalu, posisi indeks JII berada di kisaran 594,789 poin. Ini artinya indeks JII mengalami pertumbuhan kurang lebih sebesar 10 % dari tahun sebelumnya. Pertumbuhan positif yang ditorehkan oleh JII sebagai salah satu indeks saham syariah di Indonesia. Indeks Harga Saham Gabungan mengalami peningkatan yang semakin pesat sejak krisis ekonomi yang melanda Indonesia pada tahun 1998. Hal ini ditunjukkan dari perkembangan nilai IHSG dan nilai transaksi. Nilai IHSG mengalami peningkatan hingga 400 persen dari tahun 2000 hingga 2008. Kondisi ini juga diikuti nilai transaksi yang terus semakin meningkat. Nilai IHSG yang semakin tinggi merupakan bentuk kepercayaan investor atas kondisi ekonomi Indonesia yang semakin kondusif. (Pasaribu, 2009). Pada akhir tahun 2007
IHSG menunujukan pada angka
2,745.83 poin, kemudian di akhir tahun 2008 menunjukan penurunan yang cukup jauh yakni di 1,355.41 poin. Penurunan ini dikarenakan adanya krisis ekonomi yang melanda Amerika Serikat pada tahun 2008
yang
menyebabkan
keguncangan
perekonomian
global.
Peristiwa ini menyebabkan terpuruknya Wallstreet. Jatuhnya indeks saham terbesar tersebut ikut mengguncang pasar saham di beberapa negara lainnya di dunia termasuk Indonesia.
3
Pada akhir tahun 2009 IHSG terus menunjukan peningkatan yakni pada 2,534.36 poin, ini menunjukan tingkat kepercayaan masyarakat mulai kembali pada periode ini. Pada akhir tahun 2010 mencapai pada titik 3,703.51 poin. IHSG semakin hari semakin menunjukan eksistensinya. Kemudian pada akhir tahun 2011 IHSG menembus angka 3,821.99 poin. Hingga pada akhir tahun 2012 IHSG menunjukan angka 3,703.51 poin. Angka yang menggemberikan, hal ini menunjukan bahwa pasar modal Indonesia cukup menarik bagi para investor. Pada akhir tahun 2008 indeks LQ45 menunjukan angka 270,23 angka ini semakin menunjukan peningkatan hingga pada akhir tahun 2012 indeks LQ45 menembus angka 735,04. Trend yang terjadi setiap tahunnya menunjukan peningkatan yang signifikan di indeks LQ45 ini. Indeks LQ45 ini berisi emiten-emiten yang memiliki likuiditas yang tinggi, sehingga tingkat kepercayaan investor pun semakin tinggi untuk menanamkan modalnya pada bursa efek, dan pada akhirnya akan meningkatkan angka indeks LQ45 ini. Indeks Kompas100 berisikan perusahaan publik yang di perdagangakan di Bursa Efek dan secara resmi indeks kompas100 diterbitkan oleh Bursa Efek Indonesia (BEI) bekerjasama dengan koran Kompas pada hari Jumat tanggal 10 Agustus 2007. Sahamsaham yang terpilih untuk dimasukkan dalam indeks Kompas100 ini selain memiliki likuiditas yang tinggi, serta nilai kapitalisasi pasar
4
yang besar, juga merupakan saham-saham yang memiliki fundamental dan kinerja yang baik. Indeks kompas100 juga menunjukan tren yang baik. Dimana setiap tahun angka indeks ini menunjukan peningkatan. Pada akhir tahun 2008 indeks Kompas100 berada pada angka 330,86. Kemudian semakin meningkat di tiap tahunnya hingga pada akhir tahun 2012 indeks ini menembus angka 946,27 naik sekitar 3 kali lipat dari tahun 2008. Berdasarkan uraian di atas terlihat bahwa indeks harga saham gabungan (IHSG), Jakarta Islami Index (JII), indeks LQ45 dan Kompas100 mengalami pergerakan dari tahun ke tahun. Kondisi ekonomi dalam dan luar negeri memberikan pengaruhnya sendiri terhadap indeks saham di Indonesia. Berikut adalah gambaran perkembangan IHSG, JII, LQ45 dan Kompas100. Gambar 1.1 Grafik pergerakan Indeks-Indeks di BEJ 5.000,00 4.500,00 4.000,00 3.500,00 3.000,00
IHSG
2.500,00
JII
2.000,00
LQ45
1.500,00
KOMPAS100
1.000,00 500,00 0,00
2008
2009
2010
2011
2012
Sumber : yahoo finance (data diolah)
5
Banyak faktor yang dapat mempengaruhi Indeks Saham, antara lain perubahan tingkat suku bunga bank sentral, keadaan ekonomi global, tingkat harga energi dunia, kestabilan politik suatu negara, dan lain-lain (Witjaksono, 2010:18). Selain faktor tersebut, perilaku investor sendiri dan kondisi perekonomian negara tersebut juga akan memberi pengaruh terhadap pergerakan Indeks Saham. Perekonomian Indonesia yang berangsur-angsur pulih dan membaik tampaknya memberikan pengaruh yang berarti bagi pasar modal Indonesia yang beberapa tahun terakhir ini menjadi salah satu instrumen investasi yang menarik bagi investor lokal dan asing. Hal ini terlihat dari perkembangan indikator-indikator di pasar modal sendiri, seperti indeks LQ45 dan IHSG. Dalam melakukan pemilihan investasi di pasar modal, nilai harga saham menjadi pertimbangan yang tidak terlepas dari faktor-faktor yang mempengaruhi pasar saham itu sendiri. Faktor-faktor tersebut adalah lingkungan mikro ekonomi yang berasal dari dalam perusahaan penerbit seperti kinerja perusahaan, kondisi keuangan dan kebijakan finansial yang diambil. Faktor lingkungan makro ekonomi seperti perubahan kurs, tingkat inflasi, dan indeks saham di pasar Amerika yang pengaruhnya tidak dapat diabaikan sebagai dampak globalisasi pasar modal yang keadaannya diluar kendali oleh perusahaan emiten atau oleh bursa itu sendiri.
6
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, maupun memperketat lalu lintas mata uang asing. (Pasaribu, dkk. 2009). Dalam Ishomuddin (2010) pasar modal yang ada di Indonesia merupakan
pasar
yang
sedang
berkembang
yang
dalam
perkembangannya sangat rentan terhadap kondisi makroekonomi secara umum serta kondisi ekonomi global dan pasar modal dunia. Faktor ekonomi baik dalam negeri maupun luar negeri merupakan faktor di luar fundamental perusahaan yang mempunyai pengaruh terhadap keadaan pasar modal. Pengaruh makro ekonomi tersebut tidak akan dengan seketika mempengaruhi kinerja perusahaan, tetapi secara perlahan dalam jangka panjang. Sebaliknya, harga saham akan terpengaruh dengan seketika oleh perubahan faktor makroekonomi tersebut karena investor lebih cepat bereaksi. Ketika perubahan makroekonomi itu terjadi, para investor akan memperhitungkan dampaknya baik yang positif maupun negatif terhadap kinerja
7
perusahaan beberapa tahun kedepan, kemudian mengambil keputusan membeli, menjual atau menahan saham yang bersangkutan (Samsul, 2006: 65). Oleh karena itu, harga saham lebih cepat menyesuaikan diri terhadap
perubahan
variabel
makroekonomi
daripada
kinerja
perusahaan yang bersangkutan. Akibat globalisasi maka, perekonomian suatu negara akan dipengaruhi oleh kondisi perekonomian dunia. Kapitalisme dan liberalisme telah membuat posisi negara yang mempunyai sumber daya besar akan lebih memengaruhi perekonomian dunia. Dengan kata lain, baik atau buruknya kondisi perekonomian dunia lebih di tentukan oleh negara-negara “kuat” tersebut. (Nachrowi & Usman, 2006:56). Dengan semakin terbukanya pasar modal antar negara, maka beberapa emiten di Bursa Efek Jakarta juga mencatatkan sahamnya di bursa luar negeri (dual listing). Pergerakan harga saham pada sejumlah bursa internasional cenderung berfluktuasi yang tentunya akan memberikan dampak terhadap IHSG yang disebabkan karena adanya saham perusahaan Indonesia yang dual listing. Dengan keterbukaan pasar antar negara, investor asing dapat meningkatkan return tanpa adanya peningkatan dalam resiko melakukan diversifikasi portofolio internasional. Diversifikasi ini telah memberikan efek terhadap tingkat permintaan saham di Bursa Efek Jakarta. Peningkatan permintaan
saham
akan
mempengaruhi
harga
saham
yang
8
bersangkutan
dan
indeks
harga
saham
gabungan
(IHSG).
(Nurdiansyah, 2009 : 3) Fluktuasi indeks juga terjadi pada pasar modal luar negeri. Seperti pada pasar modal Amerika yang ditunjukan dengan indeks Dow Jones Industrial Average (DJIA) yang mengalami pergerakan setiap harinya. Pada akhir tahun 2008, dimana Amerika dilanda krisis ekonomi dan pada akhirnya berdampak buruk bagi pasar modal Amerika. Dimana para investor menarik dananya dari pasar modal untuk menghindari resiko kerugian sehingga menyebabkan indeks DJIA mengalami penurunan yang drastis hingga pada titik terendah di harga 7.062,93 pada bulan Februari 2009. Namun seiring berjalannya waktu perekonomian Amerika kembali membaik dan indeks DJIA juga ikut membaik hingga pada akhir tahun 2012 indeks DJIA mencapai angka 13.437,13 hampir dua kali lipat dari harga terendahnya pada tahun 2008. Terpuruknya pasar modal Amerika juga berpengaruh terhadap pasar modal negara-negara lainnya. Tidak terkecuali Indonesia, HongKong dan Jepang. Pada pasar modal HongKong yang diwakilkan oleh indeks HangSeng terjadi penurunan indeks hingga pada angka 12.811,57 pada bulan Februari 2009 sebagai akibat dari terpuruknya ekonomi Amerika. Namun ketika kondisi sudah semakin membaik indeks HangSeng juga mengalami peningkatan hingga indeks tertinggi
9
pada angka 22,656,92. Selama periode tahun 2009 hingga tahun 2012 indeks HangSeng Ini terus mengalami pergerakan tiap harinya. Indeks Jepang yang diwakilkan oleh indeks Nikkei 225 juga tak luput dari adanya krisis yang terjadi di Amerika. Pada Februari 2009 indeks Nikkei 225 mengalami titik terendahnya yaitu sebesar 7.568,42. Setelah pertengahan tahun 2009 indeks Nikkei mulai menunjukan tren yang positif dimana mulai ada peningkatan harga. Hingga akhir tahun 2012 indeks Nikkei 225 terus bergerak fluktuatif mengikuti kondisi perekonomian Jepang maupun negara-negara lainnya serta faktor-faktor lainnya. Beberapa penelitian telah dilakukan diantaranya, indeks Dow Jones dan tingkat suku bunga SBI berpengaruh terhadap IHSG, dan bentuk hubungan indeks Dow jones berbentuk hubungan positif atau searah sedangkan tingkat suku bungan SBI berbentuk hubungan negatif atau berbanding terbalik ( Toni Heryana, 2009). Variabel kurs (nilai tukar) berpengaruh signifikan terhadap IHSG sedangkan tingkat inflasi, tingkat suku bunga deposito dan jumlah uang beredar tidak berpengaruh signifikan terhadap IHSG (Jatiningsih dan Musdholifah, 2007). Penelitian dari Moh Mansur (2005) mengenai perkembangan indeks harga saham bursa global dalam hubungannya dengan besarnya indeks harga saham gabungan (IHSG) di Bursa Efek Jakarta. Penelitian ini menggunakan tujuh bursa global, yakni : KOSPI, HSI,
10
Nikkei 225, TAIEX, Dow Jones, FTSE, dan ASX. Metode yang digunakan adalah Path Analysis. Hasil penelitian menunjukan 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 indeks harga saham gabungan di BEJ. Nachrowi dan Usman (2007) melakukan penelitian terhadap indeks Dow Jones Industrial Average (DJIA), Nikkei dan SET (index Thailand) serta nilai tukar rupiah terhadap dolar menjelaskan bahwa indeks DJIA dan Nikkei menunujukan hubungan yang positif dan searah, sedangkan indeks SET dan nilai tukar rupiah terhadap dolar menunjukan hasil yang negatif dan berhubungan terbalik. Melihat fakta bahwa pergerakan indeks harga saham yang tersedia di bursa efek Jakarta yang dari hari kehari bergerak fluktuatif yang diakibatkan oleh beberapa faktor seperti faktor variabel makroekonomi, pergerakan indeks bursa internasional dan masih banyak lainnya. Dan berdasarkan hasil penelitian-penelitian terdahulu maka peneliti akan meneliti: “Analisis Pengaruh Kurs Rupiah Terhadap Dolar, BI Rate, Indeks Dow Jones, Indeks Hang seng, Indeks Nikkei 225 terhadap indeks-indeks di Bursa Efek Indonesia”. Kelebihan penelitian ini dari penelitian sebelumnya adalah bahwa penelitian ini bukan hanya melihat pengaruh faktor-faktor yang mempengaruhi perubahan indeks pasar bukan hanya dari indeks harga
11
saham gabungan (IHSG) tetapi juga melihat bagaimana pengaruhnya terhadap indeks syariah (JII), indeks LQ 45 dan indeks Kompas100. Keempat indeks ini dapat dianggap mewakili pasar modal Indonesia, karena indeks-indeks ini mencakup perusahaan-perusahaan yang mempunyai kapitalisasi besar di pasar modal Indonesia. Selain itu penelitian ini juga melihat pengaruh perubahan indeks-indeks luar negeri yang diduga memiliki pengaruh terhadap pergerakan pasar modal Indonesia. Indeks luar negeri yang digunakan adalah indeks DJIA yang dianggap mewakili indeks pasar modal Amerika dan indeks HangSeng dan indeks Nikkei 225 yang dianggap mewakili indeks Asia. Penelitian ini penting untuk dilakukan untuk sebagai acuan bagi investor yang ingin menginvestasikan dananya di pasar modal Indonesia dengan melihat indeks-indeks yang digunakan sebagai cerminan kondisi pasar modal Indonesia dan faktor-faktor yang mempengaruhi perubahan indeks-indeks tersebut.
B.
Perumusan Masalah Berdasarkan latar belakang seperti yang di jelaskan di atas maka yang menjadi masalah dalam penelitian ini dirumuskan sebagai berikut: 1. Apakah terdapat pengaruh kurs rupiah terhadap dolar, BI rate, indeks Dow Jones, indeks Hang Seng, dan indeks Nikkei 225 secara simultan terhadap IHSG, JII, LQ45 dan Kompas 100.
12
2. Apakah terdapat pengaruh kurs rupiah terhadap dolar secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. 3. Apakah terdapat pengaruh BI Rate secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. 4. Apakah terdapat pengaruh Indeks DJIA secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. 5. Apakah terdapat pengaruh Indeks HangSeng (HSI) secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. 6. Apakah terdapat pengaruh Indeks Nikkei225 secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100.
C.
Tujuan dan Manfaat Penelitian 1. Tujuan Penelitian a. Untuk menganalisis apakah terdapat pengaruh kurs rupiah terhadap dolar, BI rate, indeks Dow Jones, indeks Hang Seng, dan indeks Nikkei 225 secara simultan terhadap IHSG, JII, LQ45 dan Kompas 100. b. Untuk menganalisis apakah terdapat pengaruh kurs rupiah terhadap dolar secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. c. Untuk menganalisis apakah terdapat pengaruh BI Rate secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100.
13
d. Untuk menganalisis apakah terdapat pengaruh Indeks DJIA secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. e. Untuk menganalisis apakah terdapat pengaruh Indeks HangSeng (HSI) secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100. f. Untuk menganalisis apakah terdapat pengaruh Indeks Nikkei225 secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100.
2. Manfaat Penelitian a. Bagi Peneliti Dengan adanya penelitian ini di harapkan dapat memperdalam dan memperluas wawasan mengenai seberapa besar pengaruh dari indeks bursa internasional dan variabel makro dapat mempengaruhi indeks-indeks di Bursa Efek Indonesia. b. Bagi Investor Penelitian ini di harapkan dapat bermanfaat sebagai salah satu bahan refensi
dan penyedia informasi
sehingga dalam
melakukan investasi tidak mengalami kerugian dan juga dapat menjadi bahan pertimbangan sebelum melakukan investasi di pasar modal, khususnya dengan memperhatikan pengaruh dari indeks bursa internasional, dan variabel makro ekonomi terhadap indeks-indeks di Bursa Efek Indonesia.
14
c. Bagi Akademisi Penelitian ini dapat di jadikan bahan perbandingan terhadap penelitian. Penelitian terdahulu yang sejenis, karena penelitian tersebut menggunakan ruang, metode dan waktu yang berbedabeda sehingga dapat di jadikan sebagai bahan pembelajaran. d. Bahan Pembaca dan Pengembangan penelitian selanjutnya Sebagai sumber referensi dan tambahan pengetahuan dan kerangka pengembangan penelitian selanjutnya yang sejenis, dan dapat di jadikan sumber ilmu pengetahuan keuangan dan menambah kepekaan terhadap gejolak kondisi ekonomi makro.
15
BAB II TINJAUAN PUSTAKA
A. Pasar Modal Mohamad Samsul (2006 : 43) pasar modal adalah tempat atau sarana bertemunya antara permintaan dan penawaran atas instrumen keuangan jangka panjang, umumnya lebih dari 1 tahun. Hukum mendefinisikan pasar modal sebagai “Kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan publik yang berkaitan dengan penawaran umum dan perdagangan efek, perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi yang berkaitan dengan efek. Menurut Husnan (2001:3) mendefinisikan pasar modal sebagai pasar untuk barbagai instrumen keuangan (sekuritas) jangka panjang yang bisa diperjual belikan dalam bentuk hutang maupun modal sendiri, baik yang diterbitkan oleh pemerintah maupun perusahaan swasta. Sedangkan menurut Kamaruddin (2004:17) Pasar modal merupakan sarana pembentuk modal dan akumulasi dana yang diarahkan, untuk meningkatkan partisipasi masyarakat dalam pengarahan dana guna menunjang pembiayaan pembangunan nasional. Siamat (2004:487) pasar modal dalam arti sempit adalah suatu tempat yang terorganisasi dimana efek-efek diperdagangkan yang disebut bursa efek. Bursa efek atau Stock Exchange adalah suatu sistem
16
yang terorganisasi yang mempertemukan penjual dan pembeli efek yang dilakukan baik secara langsung maupun dengan melalui wakil wakilnya. Fungsi bursa efek ini antara lain adalah menjaga kontinuitas pasar dan menciptakan harga efek yang wajar melalui mekanisme permintaan dan penawaran. Efek –efek yang terdapat dipasar modal diperdagangakan dalam 4 (empat) kategori pasar, yakni pasar perdana, pasar sekunder, pasar ketiga dan pasar keempat. (Samsul, 2006: 46) :
Pasar perdana adalah tempat atau sarana bagi perusahaan yang untuk pertama kali menawarkan saham atau obligasi ke masyarakat umum. Emiten menawarkan efek kepada masyarakat luas melalui penjamin emisi, dan penjamin emisi menunjuk beberapa agen penjual untuk menjangkau investor yang tersebar di kota-kota besar seluruh negeri.
Pasar kedua atau pasar sekunder adalah tempat atau sarana transaksi jual-beli efek antarinvestor dan harga dibentuk oleh investor melalui perantara efek. Diakatakan tempat karena secara fisik para perantara efek berada dalam satu gedung dilantai perdagangan (trading floor), seperti di Bursa efek Jakarta.
Pasar ketiga adalah sarana transaksi jual-beli efek antara market maker serta investor dan harga dibentuk oleh market maker. Investor dapat memilih market maker yang memberi harga terbaik. Sampai saat ini, Indonesia belum memiliki pasar ketiga.
17
Pasar keempat adalah sarana transaksi jual-beli antar investor jual dan investor beli tanpa melalui perantara efek. Transaksi dilakukan secara tatap muka antar investor jual dan investor beli untuk saham atas pembawa. Dalam kegiatannya, pemerintah telah memberikan berbagai
fasilitas kepada perusahaan yang menawarkan saham atau obligasi kepada masyarakat dengan memberikan kemudahan-kemudahan dan juga memberikan peraturan-peraturan agar kepentingan masyarakat terjamin, sehingga setiap perusahaan yang akan go public diteliti kelayakannya. Pasar modal di Indonesia sudah dikenal sejak tahun 1912, tetapi karena suasana politik dan ekonomi kegiatannya terhenti dan baru bisa aktif lagi tahun 1976 (Kamaruddin, 2004:17).
B. Indeks Harga Saham Gabungan Menurut Samsul (2006: 185), Indeks Harga Saham gabungan (composite stock price indeks = CSPI) merupakan indeks gabungan dari seluruh jenis saham yang tercatat di bursa efek. Indeks Harga Saham Gabungan (IHSG) diterbitkan oleh bursa efek. Sementara itu, pihak di luar bursa efek tidak tertarik menerbitkan IHSG karena indeks tersebut masih kalah manfaatnya dengan indeks parsial, seperti untuk keperluan hedging. Abdul Halim (2005: 12-14) indeks harga saham (IHS) merupakan ringkasan dari pengaruh simultan dan kompleks dari berbagai macam
18
variabel
yang berpengaruh, terutama tentang kejadian-kejadian
ekonomi. Bahkan saat ini IHS tidak saja menampung kejadian-kejadian ekonom, tetapi juga menampung kejadian-kejadian sosial, politik, dan keamanan. Dengan demikian, IHS dapat dijadikan barometer kesehatan ekonomi suatu negara dan sebagai dasar melakukan analisis statistik atas kondisi pasar terakhir (current market). Menggunakan semua Perusahaan Tercatat sebagai komponen perhitungan Indeks. Agar IHSG dapat menggambarkan keadaan pasar yang wajar, Bursa Efek Indonesia berwenang mengeluarkan dan atau tidak memasukkan satu atau beberapa Perusahaan Tercatat dari perhitungan IHSG. Dasar pertimbangannya antara lain, jika jumlah saham Perusahaan Tercatat tersebut yang dimiliki oleh publik (free float) relatif kecil sementara kapitalisasi pasarnya cukup besar, sehingga perubahan harga saham Perusahaan Tercatat tersebut berpotensi
mempengaruhi
kewajaran
pergerakan
IHSG.
(www.idx.co.id). IHSG adalah milik Bursa Efek Indonesia. Bursa Efek Indonesia tidak bertanggung jawab atas produk yang diterbitkan oleh pengguna yang mempergunakan IHSG sebagai acuan (benchmark). Bursa Efek Indonesia juga tidak bertanggung jawab dalam bentuk apapun atas keputusan investasi yang dilakukan oleh siapapun Pihak yang menggunakan IHSG sebagai acuan (benchmark).
19
Mengapa IHS sering dikatakan merupakan cermin dari fenomena ekonomi, sosial, politik, dan keamanan suatu negara? Logika berpikirnya sebagai berikut. Sebagaimana diketahui bahwa, saham sebagai bukti kepemilikan perusahaan merupakan suatu surat berharga atau efek yang diterbitkan oleh perusahaan yang terdaftar di bursa efek (go public). Fluktuasi harga saham ditentukan oleh kemampuan perusahaan dalam memperoleh laba. Apabila laba yang diperoleh perusahaan relatif tinggi, maka kemungkinan besar bahwa dividen yang dibayarkan juga relatif tinggi. Apabila deviden yang dibayarkan relatif tinggi, akan berpengaruh positif terhadap harga saham di bursa, dan investor akan tertarik untuk membelinya. Akibatnya permintaan akan saham tersebut menjadi meningkat. Peningkatan harga saham ini akan menimbulkan capital gain bagi para pemegangnya. Sementara itu, kemampuan perusahaan dalam memperoleh laba tersebut tidak saja ditentukan oleh kemampuan manajemen dalam mengelola sumber daya yang ada, tetapi juga dipengaruhi oleh faktor lain diluar perusahaan, seperti kondisi sosial masyarakat, politik, dan keamanan. Semuanya itu akan berpengaruh terhadap kemampuan perusahaan dalam memperoleh laba, yang pada gilirannya akan berpengaruh juga terhadap fluktuasi harga saham. Disinilah fenomena ekonomi, sosial, politik, dan keamanan berperan dalam penentuan kesehatan ekonomi suatu negara.
20
Agar dapat melakukan investasi dipasar modal dengan baik, maka investor harus mengatahui IHS. Dalam Halim (2005:12-14) di BEJ terdapat 6 (enam) jenis indeks, yaitu: 1.
Indeks Harga Saham Individual (IHSI), menggunakan saham masing-masing perusahaan, dengan menggunakan rumus sebagai berikut: IHSIt =
𝑁𝑃𝑡 𝑁𝐷
× 100
Keterangan simbol : IHSIt
: indeks harga saham individual pada hari ke-t
NPt
: nilai pasar pada hari ke-t, diperoleh dari jumlah lembar saham yang tercatat dibursa dikalikan dengan harga pasar per lembar.
ND
: nilai dasar, BEJ memberi nilai dasar IHSI 100 ketika saham diluncurkan pada pasar perdana dan berubah sesuai dengan perubahan pasar.
2.
Indeks Harga Saham Sektoral (IHSS), menggunakan saham masing-masing sektor usaha. Di BEJ indeks sektoral di bagi atas 9 (sembilan) sektor usaha, yaitu: a. Sektor usaha primer (ekstraktif) meliputi : 1) Pertanian 2) Pertambangan
21
b. Sektor usaha sekunder (manufaktur) meliputi : 1) Industri dasar dan kimia 2) Aneka industri 3) Industri barang konsumsi c. Sektor usaha tersier (jasa) meliputi : 1) Properti dan real estat 2) Infrastruktur, utilitas, dan tranportasi 3) Keuangan 4) Perdagangan, jasa, dan investasi 3.
Indeks LQ45 (ILQ45), menggunakan saham yang terpilih berdasarkan likuiditas perdagangan saham dan sesuaikan setiap enam bulan sekali (setiap awal Februari dan Agustus). Dengan demikian saham yang termasuk dalam indeks tersebut akan selalu berubah.
4.
Indeks Harga Saham Gabungan (IHSG), menggunakan seluruh saham yang tercatat di bursa efek, dengan menggunakan rumus sebagai berikut:
𝐼𝐻𝑆𝐺t =
NPt × 100 ND
Keterangan simbol : IHSGt : indeks harga saham gabungan pada hari ke-t
22
NPt
: nilai pasar pada hari ke-t, diperoleh dari jumlah lembar saham yang tercatat di bursa dikalikan dengan harga pasar per lembar.
ND
: nilai dasar, BEJ memberi nilai dasar IHSG 100 pada tanggal 10 Agustus 1982.
IHSG untuk tanggal 10 Agustus 1982 selalu disesuaikan dengan kejadian-kejadian seperti: penawaran saham perdana, initial public offering-IPO), right issues, company listing, dan konversi. Rumus untuk mencari nilai dasar yang baru karena adanya kejadiankejadian tersebut adalah: NDB =
NPL +NPT NPL
× NDL
NDB : nilai dasar baru NDL : nilai dasar lama NPL : nilai pasar lama NPT : nilai pasar tambahan 5.
Indeks syariah atau Jakarta Islamic Index (JII), menggunakan saham yang memenuhi kriteria investasi dalam syariat islam. Saham-saham yang masuk dalam JII adalah emiten yang kegiatan usahanya tidak bertentangan dengan syariah islam. Usaha-usaha berikut dikeluarkan dalam perhitungan JII, antara lain :
23
a. Usaha perjudian dan permainan yang tergolong judi. b. Usaha lembaga keuangan yang konvensional (mengandung unsur riba). c. Usaha
yang
memproduksi,
mendistribusikan
serta
memperdagangkan makanan dan minuman yang tergolong haram. d. Usaha
yang
memproduksi,
mendistribusikan
dan
atau
menyediakan barang-baranga atau jasa yang merusak moral dan bersifat mudarat. 6.
Indeks papan utama atau Main Board Index (MBI) dan Indeks Papan pengembangan atau Development Board Index (DBI). MBI dibentuk dengan menggunakan saham-saham yang dipilih berdasarkan kriteria berikut. Pertama, perusahaan telah melakukan kegiatan operasional dalam usaha utama (core business) yang sama sekurang-kurangnya selama 36 (tiga puluh enam) bulan terakhir.
Kedua,
Laporan
Keuangan
Auditan
perusahaan
memperoleh pendapat Wajar Tanpa Pengecualian (WTP) selama 2 (dua) tahun terakhir. Ketiga, berdasarkan Laporan Keuangan Auditan terakhir, perusahaan memiliki Aktiva Bersih Berwujud (net tangible assets) sekurang-kurangnya Rp. 100 miliar, dan tidak mengalami
kondisi/gugatan
perkara
yang
secara
material
diperkirakan dapat mempengaruhi kelangsungan usaha. DBI
24
dibentuk dengan menggunakan saham perusahaan-perusahaan yang tidak memenuhi seluruh kriteria diatas. Secara garis besar, ada tiga faktor utama yang berpengaruh terhadap pergerakan IHSG yaitu (Pananda Pasaribu, 2009) : faktor domestik, faktor asing, dan faktor aliran modal ke Indonesia. Faktor domestik berupa faktor-faktor fundamental suatu negara seperti inflasi, pendapatan nasional, jumlah uang yang beredar, suku bunga, maupun nilai tukar rupiah. Berbagai faktor fundamental tersebut dianggap dapat berpengaruh pada ekspektasi investor yang akhirnya berpengaruh pada pergerakan Indeks. Faktor asing merupakan salah satu implikasi dari bentuk globablisasi dan semakin terintegrasinya pasar modal di seluruh dunia. Kondisi ini memungkinkan timbulnya pengaruh dari bursabursa yang maju (developed) terhadap bursa yang sedang berkembang. Krisis yang mengakibatkan jatuhnya bursa Amerika Serikat yang terjadi belakangan ini telah menyeret bursa di Asia pada krisis tahun 1997, termasuk bursa Indonesia.
C. Jakarta Islamic Indeks (JII) Jakarta
Islamic
Index
(JII)
merupakan
indeks
yang
dikembangkan oleh BEJ yang bekerja sama dengan Danareksa Invesment Management untuk merespons kebutuhan informasi yang berkaitan dengan investasi syariah. Jakarta Islamic Indeks (JII)
25
merupakan subset dari Indeks Harga Saham Gabungan (IHSG) yang diluncurkan pada tanggal 3 Juli 2000 dan menggunakan tahun 1 Januari 1995 sebagai base date (dengan nilai 100). JII melakukan penyaringan (filter) terhadap saham yang listing. Rujukan dalam penyaringannya adalah fatwa syariah yang dikeluarkan oleh Dewan Syariah Nasional (DSN). Berdasarkan fatwa inilah BEJ memilah emiten yang unit usahanya sesuai dengan syariah. (Rodoni, 2009: 52). Indeks syariah atau biasa dikenal dengan JII (Jakarta Islamic Index) merupakan salah satu indeks saham yang ada di Indonesia untuk jenis saham-saham yang memenuhi kriteria syariah dalam perhitungan indeks harga rata-rata sahamnya. JII telah dikembangkan sejak tanggal 3 Juli 2000. Pembentukan instrumen syariah ini untuk mendukung pembentukan Pasar Modal Syariah yang kemudian diluncurkan di Jakarta pada tanggal 14 Maret 2003 atas kerjasama antara Pasar Modal Indonesia (dalam hal ini PT Bursa Efek Jakarta) dengan PT Danareksa Investment Management (PT DIM). Setiap periodenya, saham yang masuk JII berjumlah 30 saham yang memenuhi kriteria syariah. JII menggunakan hari dasar tanggal 1 Januari 1995 dengan nilai dasar 100. Mekanisme Pasar Modal Syariah meniru pola serupa di Malaysia yang digabungkan dengan bursa konvensional seperti Bursa Efek Jakarta dan Bursa Efek Surabaya. (Cholidah, 2012:29). Tujuan
pembentukan
JII
adalah
untuk
meningkatkan
kepercayaan investor untuk melakukan investasi pada saham berbasis
26
syariah dan memberikan manfaat bagi pemodal dalam menjalankan syariah islam untuk melakukan investasi di bursa efek. JII juga diharapkan dapat mendukung proses transparasi dan akuntabilitas saham berbasis syariah di Indonesia. JII menjadi jawaban atas keinginan investor yang ingin menanamkan dananya secara syariah tanpa takut tercampur dengan dana ribawi. Selain itu, JII menjadi tolak ukur kinerja (benchmark) dalam memilih portofolio saham yang halal. Perbedaan mendasar antara indeks konvensional dengan indeks islam adalah indeks konvensional memasukan seluruh saham yang tercatat dibursa dengan mengabaikan aspek halal haram, yang penting saham emiten yang terdaftar (listing) sudah sesuai aturan yang berlaku. (Rodoni, 2009: 52). Karena proses penyaringan ketat. Tidak jarang emiten-emiten yang masuk kategori blue chip ditolak masuk JII, contohnya adalah saham Gudang Garam dan HM Sampurna, meskipun kedua perusahaan rokok ternama ini memiliki nilai kapitalisasi yang besar (mencapai 1720% dari total kapitalisasi pasar BEJ). Ia tidak lolos uji syariah, karena tergolong usaha produk barang yang bersifat mudharat. Contoh emiten lain adalah PT. Multi Bintang dan PT. Delta Jakarta (keduanya) produsen minuman beralkohol serta bank-bank dan asuransi-asuransi konvensional yang menganut sistem riba. Maka yang terpilih hanyalah emiten-emiten unggulan yang lulus uji untuk tiga
27
kategori : seleksi syariah, seleksi nilai kapitalisasi dan seleksi nilai Volume transaksi. (Rodoni, 2009: 57). Menurut penelitian Departemen Keuangan yang bekerja sama dengan BAPEPAM (2005), ada beberapa hal yang menjadi faktor penyebab lambatnya perkembangan pasar modal syariah, antara lain: 1. Tingkat pengetahuan dan pemahaman tentang pasar modal syariah 2. Ketersediaan informasi tentang pasar modal syariah 3. Minat pemodal atas efek syariah 4. Kerangka peraturan tentang penerbitan efek syariah 5. Pola pengawasan (dari sisi syariah) oleh lembaga terkait 6. Pra-proses (persiapan) penerbitan efek syariah 7. Kelembagaan atau institusi yang mengatur dan mengawasi kegiatan pasar modal syariah di Indonesia.
D. Indeks LQ45 Indeks LQ45 adalah indeks dengan nilai kapitalisasi pasar dari 45 saham yang paling likuid dan memiliki nilai kapitalisasi yang besar hal itu merupakan indikator likuidasi. Indeks LQ45, menggunakan 45 saham yang terpilih berdasarkan Likuiditas perdagangan saham dan disesuaikan setiap enam bulan (setiap awal bulan Februari dan Agustus). Dengan demikian saham yang terdapat dalam indeks tersebut akan selalu berubah. (www.jurnal-sdm.blogspot.com)
28
Beberapa kriteria - kriteria seleksi untuk menentukan suatu emiten dapat masuk dalam perhitungan indeks LQ45 adalah (www.bisnisindex.com) : a. Kriteria yang pertama adalah : 1. Berada di TOP 95 % dari total rata – rata tahunan nilai transaksi saham di pasar reguler. 2. Berada di TOP 90 % dari rata – rata tahunan kapitalisasi pasar. b. Kriteria yang kedua : 1. Merupakan urutan tertinggi yang mewakili sektornya dalam klasifikasi industri BEJ sesuai dengan nilai kapitalisasi pasarnya. 2. Merupakan urutan tertinggi berdasarkan frekuensi transaksi. Faktor –faktor yang berperan dalam pergerakan Indeks LQ 45, yaitu : 1. Tingkat suku bunga SBI sebagai patokan (benchmark) portofolio investasi di pasar keuangan Indonesia, 2. Tingkat toleransi investor terhadap risiko. 3. Saham – saham penggerak indeks (index mover stocks) yang notabene merupakan saham berkapitalisasi pasar besar di BEJ. Faktor – faktor yang berpengaruh terhadap naiknya Indeks LQ45 adalah :
29
1. Penguatan bursa global dan regional menyusul penurunan harga minyak mentah dunia. 2. Penguatan nilai tukar rupiah yang mampu mengangkat indeks LQ45 ke zone positif. Tujuan indeks LQ45 adalah sebagai pelengkap IHSG dan khususnya untuk menyediakan sarana yang obyektif dan terpercaya bagi analisis keuangan, manajer investasi, investor dan pemerhati pasar modal lainnya dalam memonitor pergerakan harga dari saham-saham yang aktif diperdagangkan.
E. Indeks Kompas 100 Indeks KOMPAS 100 merupakan Indeks Harga Saham hasil kerjasama Bursa Efek Indonesia dengan harian KOMPAS. Indeks ini meliputi 100 saham dengan proses penentuan sebagai berikut (Antolis dan Dossugi, 2008:148) : 1. Telah tercatat di BEJ minimal 3 bulan. 2. Saham tersebut masuk dalam perhitungan IHSG (Indeks Harga Saham Gabungan). 3. Berdasarkan pertimbangan faktor fundamental perusahaan dan pola perdagangan di bursa, BEI dapat menetapkan untuk mengeluarkan saham tersebut dalam proses perhitungan indeks harga 100 saham. Masuk dalam 150 saham dengan nilai transaksi dan frekwensi transaksi serta kapitalisasi pasar terbesar di Pasar Reguler, selama 12
30
bulan terakhir. Dari sebanyak 150 saham tersebut, kemudian diperkecil jumlahnya menjadi 60 saham dengan mempertimbangkan nilai transaksi terbesar. 4. Dari sebanyak 90 saham yang tersisa, kemudian dipilih sebanyak 40 saham dengan mempertimbangkan kinerja: hari transaksi dan frekwensi transaksi serta nilai kapitalisasi pasar di pasar reguler, dengan proses sebagai berikut : Dari 90 sisanya, akan dipilih 75 saham berdasarkan hari transaksi di pasar reguler. Dari 75 saham tersebut akan dipilih 60 saham berdasarkan frekuensi transaksi di pasar reguler. Dari 60 saham tersebut akan dipilih 40 saham berdasarkan Kapitalisasi Pasar. Daftar 100 saham diperoleh dengan menambahkan daftar saham dari hasil perhitungan butir (3) ditambah dengan daftar saham hasil perhitungan butir (4). Daftar saham yang masuk dalam KOMPAS 100 akan diperbaharui sekali dalam 6 bulan, atau tepatnya pada bulan Februari dan pada bulan Agustus.
F. Indeks Dow Jones Industrial Average (DJIA) Dow Jones & Co didirikan pada tahun 1882 oleh Charles Bergstresser. Namun indeks rata-rata pertamanya tidak dipublikasikan di Wall Street Journal melainkan dipesaingnya yaitu Customers’s
31
Afternoon Letter. Awalnya tidak mengikut sertakan saham industrial. Fokus pada saham pertumbuhan pada masa itu, mayoritas saham perusahaan transportasi. Hal ini berarti indeks Dow Jones pertama menghitung sembilan saham
perkereta
apian, perkapalan
dan
perusahaan telekomunikasi. Rata-rata harga saham ini akhirnya berevolusi menjadi rata-rata transportasi. Sampai pada 26 Mei 1896, Dow dibagi menjadi indeks transportasi dan industrial, yang menciptakan apa yang kita kenal sebagai Dow Jones Industrial Averages. (wikipedia.org) Pada awalnya, ditahun 1896 terdapat 12 perusahaan yang terdaftar di DJIA (Dow Jones Industrial Average). Jumlah tersebut diperbanyak menjadi 20 perusahaan pada tahun 1916, dan akhirnya menjadi 30 perusahaan sejak 1928 hingga sekarang. Penentuan perusahaan mana yang akan dimasukkan dan dikeluarkan dari Dow Jones Industrial Average (DJIA) ditentukan oleh editor The Wall Street Journal. Perusahaan yang termasuk di dalam DJIA diantaranya: 3M, American International Group, Boeing, Citigroup, General Electric, Intel, Microsoft, Walt Disney Company, dan lain sebagainya. (www.bisnisindex.com) Dalam duniainvestasi.com Indeks Dow Jones (Dow Jones Industrial Average/DJIA) adalah salah satu indeks pasar yang didirikan oleh editor The Wall Street Journal dan pendiri Dow Jones & Company, Charles Dow. Dow membuat indeks ini sebagai suatu cara
32
untuk mengukur performa komponen industri di pasar saham Amerika. Saat ini DJIA merupakan indeks pasar AS tertua yang masih berjalan. Sekarang, bursa saham ini terdiri dari 30 perusahaan terbesar di Amerika Serikat yang sudah secara luas go public. Pada awalnya di tahun 1896 terdapat 12 perusahaan yang terdaftar di DJIA. Jumlah keanggotaan bursa kemudian diperbanyak menjadi 20 pada tahun 1916 dan akhirnya menjadi 30 perusahaan sejak tahun 1928 hingga sekarang. Pada umumnya indikator harga saham di USA adalah the DJIA, Standard & Poor’s Composite, The New York Stock Exchange Composite index, The American Stock Exchange Market Value Index, The NASDAQ Composite. Dalam Nachrowi dan Usman (2007 : 80) pengaruh Dow Jones terhadap IHSG secara tidak langsung memberikan gambaran betapa kuatnya pengaruh kinerja ekonomi kedua negara terhadap Indonesia. Ketika Amerika mempunyai kinerja baik, maka Indonesia akan menikmati pula kinerja tersebut. Tetapi ketika keduanya mempunyai kinerja buruk, maka akan berdampak buruk pula bagi Indonesia. G. Indeks Hang Seng Indeks Hang Seng (HSI) adalah indeks yang mencatat kapitalisasi pasar indeks saham di Hong Kong. Indeks Hang Seng ini merupakan indikator utama dari keseluruhan performa pasar di Hong Kong dimana HSI sendiri mewakili sekitar 67% dari kapitalisasi pasar disemua perusahaan yang listing di Bursa saham Hong Kong. HSI di mulai pada
33
tanggal 24 November 1969 yang dikelola oleh HSI Service Limited, yang merupakan anak perusahaan dimiliki Hang Seng Bank, bank terbesar yang terdaftar di Hong Kong dalam kapitalisasi pasar. (wikipedia.org). Menurut Moh Mansur, 2005 Hang Seng Indeks (HSI) sebagai barometer terkemuka dari harga saham “blue-chip” di Hongkong, adalah salah satu indeks terkenal di kawasan Asia dan telah digunakan secara meluas oleh para manager keuangan sebagai performance benchmark mereka. Terdapat 33 perusahaan pilihan yang terdapat di Hang Seng Indeks semuanya adalah perusahaan terkemuka dan para investor institusi. Sejak diperkenalkannya Hang Seng Indeks dengan saham-saham terpilihnya telah merefleksikan kepentingan dari berbagai sektor industri. Menurut Pasaribu (2009 : 17-18) Indeks Hang Seng mempunyai pengaruh yang signifikan atas pergerakan IHSG. Ketika Indeks Hang Seng turun maka IHSG juga akan mempunyai arah yang sama. Kondisi ini yang memungkinkan Indonesia terkena dampak krisis global walaupun kondisi ekonomi Indonesia relatif baik.
H. Indeks Nikkei 225 Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari 225 saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo sebagai
indeks
pengukur
pergerakan
harga
saham.
Metode
34
penghitungan indeks Nikkei 225 menggunakan Weighted Averaged Method
seperti
halnya
perhitungan
Dow
Jones.
(www.bisnisindex.com). Dalam Nachrowi dan Usman (2007 : 80) pengaruh Nikkei terhadap IHSG secara tidak langsung memberikan gambaran betapa kuatnya pengaruh kinerja ekonomi kedua negara terhadap Indonesia. Ketika Jepang
mempunyai kinerja baik, maka Indonesia akan
menikmati pula kinerja tersebut. Tetapi ketika keduanya mempunyai kinerja buruk, maka akan berdampak buruk pula bagi Indonesia. Kemudian Moh Mansur (2006 : 217) menjelaskan bahwa indeks Nikkei 225 berpengaruh signifikan terhadap Indeks harga saham gabungan.
I.
Tingkat Suku Bunga Bank Indonesia (BI Rate) BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan kepada publik. BI Rate diumumkan oleh Dewan Gubernur Bank
Indonesia setiap
Rapat
Dewan
Gubernur
bulanan dan
diimplementasikan pada operasi moneter yang dilakukan Bank Indonesia melalui pengelolaan likuiditas (liquidity management) di pasar uang untuk mencapai sasaran operasional kebijakan moneter. (www.bi.go.id). Dengan mempertimbangkan pula faktor-faktor lain dalam perekonomian, Bank Indonesia pada umumnya akan menaikkan BI
35
Rate apabila inflasi ke depan diperkirakan melampaui sasaran yang telah ditetapkan, sebaliknya Bank Indonesia akan menurunkan BI Rate apabila inflasi ke depan diperkirakan berada di bawah sasaran yang telah ditetapkan. Tingkat
suku
bunga
dapat
didefinisikan
sebagai
tingkat
pengembalian aset yang mempunyai risiko mendekati nol. Investor dapat menggunakan tingkat bunga sebagai patokan (benchmark) untuk perbandingan bila ingin berinvestasi. Umumnya tingkat bunga mempunyai hubungan negatif dengan bursa saham. Bila pemerintah mengumumkan tingkat bunga yang lebih tinggi maka investor akan menjual sahamnya dan mengganti pada instrumen berpendapatan tetap yang memberikan tingkat bunga yang lebih tinggi. (Pasaribu, dkk. 2009 : 5).
J.
Kurs Siamat (2004:471) mengemukakan bahwa kurs adalah harga suatu mata uang yang dinyatakan dalam mata uang lain. Sukirno (2010:397) kurs valuta asing atau kurs mata uang asing menunjukan harga atau nilai mata uang sesuatu negara dinyatakan dalam nilai mata uang negara lain. Kurs valuta asing dapat juga didefinisikan sebagai jumlah uang domestik yang dibutuhkan, yaitu banyaknya rupiah yang dibutuhkan untuk memperoleh satu unit mata uang asing. Menurut Hamdy (2010: 49). Kurs mata uang suatu negara dapat mengalami devaluasi dan revaluasi. Devaluasi diartikan sebagai suatu
36
tindakan pemerintah untuk menurunkan nilai mata uangnya (domestic currency) yang bertujuan (dalam jangka waktu relatif pendek) untuk : 1.
Mendorong ekspor dan membatasi impor sehingga diharapkan dapat memperbaiki posisi BOP atau BOT menjadi equilibrium atau mendekati equilibrium.
2.
Mendorong penggunaan produksi dalam negeri.
3.
Dengan BOP yang lebih equilibrium, diharapkan kurs valas dapat menjadi relatif lebih stabil.
Revaluasi adalah turunnya nilai mata uang negara-negara lain apabila dipertukarkan dengan mata uang domestik. Dengan kata lain, nilai tukar mata uang domestik menguat terhadap mata uang asing. Revaluasi diartikan sebagai suatu tindakan pemerintah untuk menaikan nilai mata uangnya terhadap mata uang asing yang dilakukan karena perekonomiannya sudah mencukupi atau mendekati full employed atau terjadi kecendrungan inflasi. Kebijakan ini dalam jangka pendek bertujuan untuk mengurangi agregat demand dan inflasi (Hamdy, 2010: 49). Dalam Saputra (2010) fluktuasi nilai tukar mata uang biasanya hanya dipengaruhi oleh demand dan supply atas mata uang yang bersangkutan. Namun belakangan ini, pergerakan nilai tukar rupiah terhadap hard currencies (valuta asing yang nilainya kuat) dipengaruhi
37
oleh berbagai faktor yang kompleks. Faktor politik misalnya, memberi pengaruh yang signifikan. Dalam Mankiw (2006 : 128) Para ekonom membedakan kurs menjadi dua, yaitu : a) Kurs nominal (nominal exchange rate) Adalah harga relatif dari mata uang dua negara simbolnya e. Sebagai contoh, jika kurs antara dolar AS dan yen Jepang adalah 120 per dolar, maka kita bisa menukar 1 dolar untuk 120 yen di pasar uang. b) Kurs rill (real exchange rate) Adalah harga negara.
Kurs
riil
relatif dari barang-barang di antara dua menyatakan
tingkat
dimana
kita
bisa
memperdagangkan barang-barang yang dari suatu negara untuk barang-barang dari negara lain. Untuk melihat hubungan antara kurs rill dan kurs nominal, secara umum perhitungannya sebagai berikut:
𝐾𝑢𝑟𝑠 =
Kurs Nominal × Harga Barang Domestik Harga Barang Luar Negeri
Menurut Wiyani dan Wijanto (2004) dalam Harjum Muharam dan Zuraedah Nurafni MS (2008 : 25) pemicu kurs rupiah bergejolak antara lain:
38
Efek memutar krisis keuangan dan moneter Thailand. Hal ini berkaitan
dengan
tindakan
investor
asing
mengalihkan
penanaman dana keluar dari ASEAN, karena menganggap negara-negara ASEAN memiliki masalah yang sama.
Meningkatnya permintaan dollar berkaitan dengan besarnya kewajiban luar negeri pihak swasta yang jatuh tempo dan tidak dirollover, dan juga didorong oleh naiknya kebutuhan untuk melakukan hedging pinjaman swasta luar negeri.
Maraknya spekulasi pelaku pasar di dalam negeri dan luar negeri yang dapat dilakukan dengan relatif mudah,mengingat semakin berkembangnya transaksi derivatif dan pesatnya internasionalisasi rupiah.
Berkurangnya kepercayaan masyarakat terhadap prospek dan kemampuan ekonomi Indonesia dalam menghadapi gejolak keuangan.
Kecenderungan menguatnya nilai dollar terhadap hampir seluruh mata uang dunia, sehingga mendorong banyak investor mengalihkan dana mereka ke mata uana dollar
Mudahnya masayarakat termakan isu. Risiko nilai kurs merupakan risiko yang timbul akibat pengaruh
perubahan nilai tukar mata uang domestik dengan mata uang negara lain (asing). Perusahaan yang menggunakan mata uang asing dalam menjalankan aktivitas operasional dan investasi akan menghadapi
39
resiko nilai tukar (kurs). Perubahan nilai tukar yang tidak diantisipasi oleh perusahaan akan berpengaruh pada nilai perusahaan tersebut. (Pasaribu, dkk. 2009 : 6). Fluktuasi nilai tukar akan berpengaruh terhadap beberapa indikator makroekonomi demikian pula sebaliknya fluktuasi nilai tukar juga dapat dipengaruhi oleh beberapa indikator makroekonomi. Stabilisasi mata uang merupakan persoalan yang penting untuk mendorong kegiatan ekonomi dan menciptakan pertumbuhan ekonomi. Kebijakan stabilisasi nilai mata uang terkait dengan sistem devisa yang diterapkan pada suatu perekonomian. (Yuliadi, 2008:89).
K. Keterkaitan Antar Variabel Dari hasil penelitian sebelumnya di temukan keterkaitan antar variabel dependen (IHSG, JII, LQ45 dan Kompas100) dengan variabel Independen (Kurs, BI Rate, indeks Dow Jones, indeks Hang Seng dan indeks Nikkei 225). Di bawah ini dijelaskan beberapa penelitian yang sama dengan berbagai variasi variabel : 1.
Variabel kurs berpengaruh signifikan terhadap indeks indeks harga saham gabungan. Hubungan yang terjalin adalah hubungan negatif. Dimana ketika kurs Rupiah terhadap Dolar naik maka akan mengakibatkan indeks harga saham gabungan turun. Hal ini dimungkinkan oleh adanya pengalihan investasi dari pasar modal ke pasar valas, karena investor berusaha mendapatkan return yang
40
lebih besar di pasar valas. Selain itu naiknya nilai kurs US$ menjadi sinyal negatif bagi pasar modal, hal ini dikarenakan melemahnya Rupiah menyebabkan gairah investasi menurun karena investor lebih suka menanamkan modalnya keluar negeri. (Ishomuddin, 2010). 2.
Variabel BI Rate berpengaruh signifikan terhadap variabel indeks harga saham gabungan dan hubungan yang terjadi adalah hubungan negatif dimana ketika BI Rate mengalami kenaikan maka indeks saham di Indonesia akan mengalami penurunan. Hal ini dikarenakan BI Rate naik maka akan mendorong investor menjual saham dan menempatkan dananya di bank. Dana yang berada di bank lebih aman dibandingkan di bursa efek. Investasi di bank lebih aman dan berpendapatan tetap dibandingkan di bursa efek yang lebih beresiko namun menjanjikan keuntungan yang lebih besar dibandingkan yang dijanjikan oleh bank. (Nachrowi dan Usman,2007).
3.
Variabel indeks Dow Jones Industrial Average (DJIA) berpengaruh signifikan dan memiliki hubungan yang positif terhadap indeks saham di pasar modal Indonesia. Globalisasi telah memungkinkan investor dari negara lain untuk berinvestasi di Indonesia. Oleh karena itu, perubahan di satu bursa juga akan ditransmisikan ke bursa negara lain, dimana bursa yang lebih besar akan mempengaruhi bursa yang kecil. Signifikannya pengaruh DJIA
41
terhadap IHSG membuktikan bahwa terdapat integrasi antara pasar saham di Amerika Serikat dengan pasar saham di Indonesia dalam kurun waktu penelitian. (Ishomuddin, 2012). 4.
Variabel Indeks HangSeng (HSI) berpengaruh signifikan terhadap indeks saham di bursa efek Indonesia. Hubungannya adalah positif dimana ketika indeks HangSeng naik maka indeks saham di pasar modal Indonesia akan naik pula. Hal ini menunjukan bahwa ada keterkaitan antara satu bursa dengan bursa lain, khususnya bursa yang ada pada kawasan satu regional. (Pasaribu, 2009).
5.
Variabel indeks Nikkei225 menurut penelitian yang dilakukan oleh Moh Mansur (2005) dikatakan bahwa indeks Nikkei 225 berpengaruh signifikan terhadap indeks di pasar modal Indonesia. dalam penelitian tersebut juga dikatakan bahwa pasar modal regional Asia dan Australia akan lebih mempengaruhi pasar modal Indonesia dibandingkan dengan pengaruh yang diberikan dari pasar modal dari kawasan Eropa dan Amerika.
L. Penelitian Terdahulu
Tabel 2.1 Penelitian Terdahulu NO. Nama dan Judul Variabel Metode Hasil 1. Nachrowi dan X1 : Indeks GARCH dan Hasil penelitian Usman (2007). Nikkei ARIMA semua variabel bebas “ Prediksi X2 : indeks mempunyai pengaruh IHSG Dengan DJIA signifikan terhadap Model Garch X3 : indeks IHSG. Indeks Nikkei dan Model Thailand dan DJIA secara tidak
42
2.
3.
Arima”.
(SET) X4 : kurs Y : IHSG
Tegararief Ocki Prakarsa dan Budi Hartono Kusuma (2008). “ Analisis Pengaruh Tingka Bunga SBI, Kurs Tengah BI, Tingkat Inflasi, dan Indeks Saham Dow Jones di New York Stock Exchange Dalam Memprediksi IHSG di BEJ”. Pananda Pasaribu, dkk. (2009). “ Pengaruh Variabel Makroekonomi terhadap IHSG”.
X1 : suku bunga SBI X2 : kurs tengah BI X3 : inflasi X4 : indeks Dow Jones Y : IHSG
Regresi berganda (Multiple Regression)
X1: inflasi triwulan X2: SBI triwulan X3: rata2 M2 X4: Kurs X5: PDB X6: transaksi berjalan X7: rata2 cadangan devisa X8: rata2 Net Buying asing triwulan X9:HSI
Regresi berganda (Multiple Regression)
langsung menggambarkan betapa kuatnya pengaruh antara kinerja ekonomi kedua negara terhadap indonesia sedangkan indeks Thailand SET dan kurs dolar ternyata mempunyai koefisien bertanda negatif. Hasil penelitian menyatakan bahwa variabel kurs tengah BI, tingkat inflasi, dan indeks saham Dow Jones berpengaruh signifikan terhadap IHSG. Sedangkan variabel tingkat bunga SBI tidak berpengaruh terhadap IHSG.
Hasil penelitian menunjukkan bahwa sebagian besar faktor domestik, yaitu inflasi, SBI, dan kurs tengah tidak berpengaruh terhadap pergerakan IHSG. Sedangkan faktor asing dan informasi mengenai aliran modal mempunyai pengaruh yang cukup signifikan atas pergerakan IHSG.
43
X10: Dow Jones X11: Minyak dunia X12: FED rate Y: IHSG 4.
Yu Hsing (2011). “ Impacts Of Macroeconomic Variables On The Stock Market In Bulgaria And Policy Implications”.
X1: real output X2: government deficit X3: money supply X4: domestic interest rate X5: exchange rate X6: inflasi X7: indeks pasar saham US X8: euro area government bond yield Y : Bulgaria stock exchange
GARCH Model
Penelitian dengan menggunakan metode GARCH ini menunjukan bahwa real GDP, rasio M2/GDP dan US stock market berhubungan positif. Dan variabel government deficit, exchange rate, domestic interest rate, inflasi, dan euro area government bond yield berpengaruh negatif terhadap Bulgaria stock exchange
5.
Seyed Mehdi Hosseini, dkk. (2011). “The Role of Macroeconomic Variables on Stock Market Index in China and India”.
X1 : harga minyak mentah X2 : uang beredar (M2) X3 :produksi industri (IP) X4 : inflasi Y1 : indeks China Y2 : indeks India
Multivariate Cointegration dan Vector Error Correction Model (VECM)
Tulisan ini meneliti hubungan antara indeks pasar saham dan empat variabel makroekonomi, yaitu Harga minyak mentah (COP), uang beredar (M2), produksi industri (IP) dan tingkat inflasi (IR) di Cina dan India. Dalam Periode tahun 1999 sampai Januari 2009. Dengan menggunakan Multivariate
44
Cointegration dan Vector Error Correction Model, menunjukkan bahwa terdapat hubungan jangka panjang dan pendek antara variabel ekonomi makro dan indeks pasar modal di masing-masing kedua negara. Sumber : kumpulan penelitian terdahulu
Penelitian ini berbeda dari penelitian sebelumnya. Periode penelitian ini adalah Januari 2008 sampai Desember 2012. Penelitian ini menggunakan indeks harga saham luar negeri untuk melihat pengaruhnya terhadap indeks harga saham dalam negeri. Indeks harga saham yang digunakan adalah indeks saham dari saham yang kuat, seperti pasar saham di Amerika (Dow Jones), HongKong (HangSeng) dan Jepang (Nikkei225). Selain itu penelitian ini juga melihat pengaruh variabel-variabel bebasnya terhadap indeks harga saham syariah (JII) bukan hanya di lihat dari indeks konvensionalnya saja serta di lihat pula pengaruhnya terhadap indeks LQ45 dan indeks Kompas 100 yang nerupakan indeks-indeks yang terdapat di Bursa Efek Indonesia yang dapat dijadikan acuan dalam melakukan investasi. M. Kerangka pemikiran Sebelum melakukan pengolahan data, berikut ini akan dijelaskan kerangka pemikiran yang akan di lakukan dalam penelitian ini. Langkah-langkah yang akan di lakukan dalam penelitian ini, yaitu :
45
1.
Langkah pertama dalam penelitian ini adalah menginput data antara variabel independen (BI Rate, Kurs Rupiah Terhadap Dolar, Indeks Dow Jones, Indeks Hang seng, Indeks Nikkei 225) dengan variabel dependen (IHSG, JII, Indeks LQ45 dan Indeks Kompas100) kemudian dilakukan uji asumsi klasik diantaranya adalah
uji
normalitas,
multikolinieritas,
autokorelasi
dan
heteroskedastisitas. 2.
Tahap selanjutnya adalah dengan melakukan uji analisis regresi berganda, kemudian menguji koefisien determinasi, F simultan dan t parsial. Secara sistematik alur penelitian terlihat pada gambar kerangka
berfikir sebagai berikut:
46
Gambar 2.1 Kerangka Pemikiran Input Data
Variabel Independen
Variabel Dependen
Kurs BI Rate Indeks DJIA Indeks HSI Indeks Nikkei 225
IHSG JII Indeks LQ45 Indeks Kompas100
Uji Asumsi Klasik
Uji Normalitas Uji Heteroskedastisitas Uji Multikolinieritas Uji Autokorelasi
Analisis regresi Berganda
Uji F Simultan
Y1 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
....................(i)
Y2 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
....................(ii)
Y3 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
...................(iii)
Y4 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
...................(iv)
R2
Uji t Parsial
Intepretasi Hasil
Kesimpulan, Implikasi & Saran
47
N. Perumusan Hipotesa Untuk
menganalsis
apakah
variabel
tersebut
mempunyai
pengaruh terhadap Indeks Harga Saham Gabungan (IHSG), Jakarta Islamic Indeks (JII), Indeks LQ45 dan Indeks Kompas100 maka penelitian ini mengemukakan hipotesis berdasarkan teori dan penelitian sebelumnya sebagai berikut : 1.
Hipotesa Model I (IHSG) a). H0
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 tidak berpengaruh secara simultan terhadap IHSG.
b). Ha
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 berpengaruh secara simultan terhadap IHSG.
2.
Hipotesa Model II (JII) a). H0
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 tidak berpengaruh secara simultan terhadap JII.
b). Ha
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 berpengaruh secara simultan terhadap JII.
48
3.
Hipotesa Model III (LQ45) a). H0
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225
tidak
berpengaruh
secara
simultan
terhadap IHSG. b). Ha
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 berpengaruh secara simultan terhadap IHSG.
4.
Hipotesa Model IV (Kompas100) a). H0
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225
tidak
berpengaruh
secara
simultan terhadap IHSG. b). Ha
: Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks Nikkei225 berpengaruh secara simultan terhadap IHSG.
49
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian Berdasarkan latar belakang yang telah di paparkan dalam bab sebelumnya maka peneliti tertarik untuk melakukan penelitian mengenai pengaruh tingkat suku bunga Bank Indonesia (BI Rate), kurs rupiah terhadap dolar, Indeks Dow Jones, Indeks Hang seng, Indeks Nikkei 225 terhadap IHSG, JII, LQ45 dan Kompas100. Periode penelitian ini di mulai pada bulan Januari 2008 sampai dengan bulan Desember 2012. Periode tahun 2008 merupakan periode kejatuhan atau krisis yang terjadi di Amerika sehingga menyebabkan anjloknya harga saham di Amerika dan pastinya akan berpengaruh pula terhadap harga-harga saham di negara lain tidak terkecuali Indonesia.
B. Metode Penentuan Sampel Data dalam penelitian ini adalah data runtut waktu atau time series adalah data yang terdiri dari atas satu objek tetapi meliputi beberapa periode waktu. (Winarno, 2007: 2.2). Populasi dalam penelitian ini adalah seluruh aktivitas pergerakan harga saham di Indonesia yang diwakilkan oleh Indeks Harga Saham Gabungan (IHSG), Jakarta Islamic Indeks (JII), indeks LQ45 dan indeks Kompas100 sebagai variabel dependennya.
50
Sedangkan variabel independennya di batasi pada pergerakan harga saham indeks Dow Jones, pergerakan harga saham indeks Hang Seng (Hongkong), pergerakan harga saham indeks Nikkei 225 (Jepang) kemudian oleh variabel makro (Kurs rupiah terhadap Dolar dan BI Rate). Mata uang yang digunakan sebagai acuan dalam penelitian ini adalah Dollar USD, dikarenakan Dollar Amerika merupakan Hard Currency atau mata uang dunia yang selalu di pergunakan oleh berbagai negara sebagai alat bertransaksi jual beli. Sampel dalam penelitian ini adalah pergerakan harga saham (IHSG, JII, indeks LQ45 dan indeks Kompas100) selama periode Januari 2008 sampai Desember 2012. Kemudian variabel independennya adalah pergerakan indeks saham Dow Jones, HangSeng dan Nikkei 225 serta pergerakan kurs Rupiah terhadap Dolar dan BI Rate selama periode periode Januari 2008 sampai Desember 2012.
C. Metode Pengumpulan Data Menurut Muhammad Teguh (2005 : 117) langkah penting yang perlu dilakukan di dalam kegiatan penelitian sebelum peneliti sampai kepada konklusi adalah pengumpulan data. Data yang digunakan dalam penelitian ini adalah data sekunder yakni jenis data yang di peroleh dan digali melalui hasil pengolahan pihak kedua dari hasil penelitian lapangannya, baik berupa data kuantitatif maupun data kualitatif: jenis data ini sering di sebut data eksternal.
51
Metode yang digunakan dalam pengumpulan data dan sumber informasi lainnya dalam penelitian ini adalah sebagai berikut: 1.
Library Research (Riset Kepustakaan) Penelitian kepustakaan di lakukan dengan cara mengunjungi lembaga-lembaga yang terkait dalam pembuatan penelitian, seperti mengunjungi
Badan
Pengawas
Pasar
Modal
(BAPEPAM),
Perpustakaan kemudian mengumpulkan, memilih, memahami dengan cara membaca laporan atau jurnal penelitan terdahulu, seperti Jurnal, Skripsi, Thesis dan lain sebagainya yang berkaitan dengan dengan topik pembahasan penulis. 2.
Internet Research Untuk mendapatkan informasi yang lebih up to date maka penulis menggunakan teknologi yang sudah sangat berkembang dengan pesat yakni internet. Penggunaan internet ini di karenakan ilmu yang berkembang sedemikian cepat, namun terkadang bukubuku yang tersedia belum mampu memenuhi kebutuhan informasi yang selalu berkembang sehingga di gunakan internet. Data–data yang di peroleh dalam penelitian ini adalah dari www.yahoofinance.com , www.idx.go.id dan www.bi.go.id.
52
D. Metode Analisis 1. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi maka variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. (Ghazali, 2012:105). Multikolinieritas
adalah
kondisi
adanya
hubungan
linier
antarvariabel independen. Karena melibatkan beberapa variabel independen, maka multikolinieritas tidak akan terjadi pada persamaan regresi sederhana (yang terdiri atas satu variabel dependen dan satu variabel independen). (Winarno, 2011:5.1). Multikolinieritas dapt dilihat dari nilai tolerance dan lawannya variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel lainnya. (Ghazali, 2012: 106).
53
Kreteria untuk pengambilan keputusan ada atau tidaknya masalah multikolinieritas adalah: nilai Tolerance < 0.10 atau sama dengan nilai VIF > 10 maka kesimpulannya adalah model regresi terdapat masalah multikolinieritas. 2. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda maka disebut heteroskedastisitas, model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. (Ghazali, 2012:139). Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, diantaranya dengan melihat grafik scatter plot, uji park, uji glejser, dan uji white. Dalam penelitian ini untuk mendeteksi heteroskedastisitas akan digunakan uji glejser. Uji heteroskedastisitas dengan menggunakan uji Glejser dengan meregres nilai absolut (dependen) terhadap variabel independennya. Dengan persamaan regresi : |Ut| = α + βXt + vt = : Dengan hipotesis
H0
: data tidak mengandung heteroskedastisitas
Ha
: data mengandung heteroskedastisitas
54
3. Uji Autokorelasi Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul pada data yang bersifat runtut waktu (time series), karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh data pada masa-masa sebelumnya. (Winarno, 2011:5.26). Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pad aperiode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya. (Ghazali, 2012:110). Untuk mendeteksi ada atau tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson-nya. Uji D-W merupakan salah satu uji yang banyak dipakai untuk mengetahui ada tidaknya autokorelasi. Hampir semua statistik sudah menyediakan fasilitas untuk menghitung nilai d (yang menggambarkan koefisien DW). Nilai d akan berada pada kisaran 0 hingga 4. Sebelumnya tentukan nilai dU dan dL dengan melihat tabel Durbin Watson dengan α = 5% seperti tampak pada tabel 3.1 berikut ini.
55
Tabel 3.1 Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson
Tolak Tidak Tidak menolak H0, Tidak Tolak H0, dapat berarti tidak ada dapat H0, berarti diputus autokorelasi diputus berarti ada kan kan ada autokore autokore lasi lasi positif negatif 0 dL dU 4-dU 4-dL
Sumber : Wing Wahyu Winarno, 2011:5.28
Dengan hipotesis yang akan di uji adalah sebagai berikut: H0
: Tidak ada Autokorelasi
Ha
: Ada autokorelasi
Jika dalam hasil analisis terdapat masalah autokorelasi maka dilakukan pengobatan menurut imam Ghazali (2012), langkahlangkahnya adalah sebagai berikut : 1. Tentukan apakah autokorelasi yang terjadi merupakan pure autocorrelaition dan bukan karena kesalahan spesifikasi model regresi. Pola residual dapat terjadi karena adanya kesalahan spesifikasi model yaitu ada variabel penting yang tidak dimasukkan kedalam model atau dapat juga karena bentuk fungsi persamaan regresi tidak benar.
56
2. Jika yang terjadi adalah pure autocorrelation, maka solusi autokorelasi adalah dengan mentransformasi model awal menjadi model difference. Dengan asumsi ρ tidak diketahui. 3. Nilai ρ di estimasi dengan rumus Theil-Nagar d
𝜌=
𝑛2 (1 – 𝑑 / 2) 𝑘2 𝑛2 − 𝑘2
Dimana : d = nilai DW persamaan yang mengandung autokorelasi n = jumlah sampel k = jumlah variabel bebas 4. Setelah didapat nilai ρ maka langkah selanjutnya adalah melakukan transformasi nilai ρ kedalam persamaan regresi. 5. Terakhir lakukan analisis regresi berganda kembali dan hasilnya akhir dari persamaan regresi tidak mengalami masalah autokorelasi.
4. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji stastistik menjadi tidak valid untuk jumlah sampel kecil. (Ghazali, 2012:160).
57
Dalam penelitian ini akan dilakukan uji normalitas residual dengan menggunakan uji statistik non-parametrik Kolmogrov-Smirnov. Uji Kolmogrov-Smirnov dilakukan dengan membuat hipotesis (ghazali, 2012 :161) : H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal. Dalam penelitian ini juga dilakukan pengujian normalitas dengan metode grafik normal p-p plot. Kriteria pengambilan keputusannya adalah jika titik-titik data mendekati garis diagonal ditengah maka kesimpulannya adalah data berdistribusi normal. 5. Analisis regresi berganda Analisis regresi digunakan untuk mengetahui hubungan antara suatu variabel dependen dengan variabel independen. Analisis regresi berganda digunakan sebagai alat untuk mengukur seberapa besar pengaruh antara variabel independen (X) dengan variabel dependen (Y). Metode ini juga bisa dijadikan ramalan, sehingga dapat diperkirakan antara baik dan buruknya suatu variabel (X) terhadap turunnya tingkat variabel (Y), begitu juga sebaliknya. Analisis regresi ini mempunyai persamaan sebagai berikut : Y1 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
....................(i)
Y2 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
....................(ii)
Y3 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
...................(iii)
Y4 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è
...................(iv)
58
Dimana: Y1 = Indeks Harga Saham Gabungan Y2 = Jakarta Islamic Indeks Y3 = Indeks LQ45 Y4 = Indeks Kompas 100 a
= Konstanta
X1 = Kurs X2 = BI Rate X3 = Indeks Dow Jones X4
= Indeks HangSeng
X5 = Indeks Nikkei 225 b1..b5= Koefisien Regresi è
= Standar Eror
6. Uji Adjusted R Square (R2) Korfisien determinasi (Goodness of Fit), yang di notasikan dengan R2, merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi. Atau dengan kata lain, angka tersebut dapat mengukur seberapa dekatkah garis regresi yang tersetimasi dengan data sesungguhnya. (Nachrowi & Usman, 2006:20). Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
59
koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtut waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi. (Ghazali, 2012:97). Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R2 , nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model. (Ghazali, 2012:97). 7. Uji Signifikansi Simultan (Uji Statistik F) Uji hipotesis ini berguna untuk memeriksa atau menguji apakah koefisien regresi yang di dapat signifikan (berbeda nyata). Maksud dari signifikan ini adalah suatu nilai koefisien regresi yang secara stastistik tidak sama dengan nol. Jika koefisien slope sama dengan nol, berarti
60
dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas
mempunyai
pengaruh
terhadap
variabel
terikat.
Untuk
kepentingan tersebut maka semua koefisien regresi harus di uji. Ada dua jenis uji terhadap koefisien regresi yaitu, uji-F dan uji-t (Nachrowi & Usman, 2006:16). Uji statistik F pada dasarnya menunjukan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. (Ghazali, 2012:98). Pengambilan
keputusan
berdasarkan
tingkat
probabilitas
signifikansi. Jika probabilitas signifikansi >0.05, maka H0 diterima dan jika probabilitas signifikansi <0.05, maka H0 ditolak. Selain itu pengambilan keputusan juga dilakukan dengan membandingkan nilai F tabel dengan F hitungnya. Nilai F tabel di dapat dari rumus Uji F = (df(n-k-1))
Dimana n = jumlah sampel dan k = jumlah variabel bebas. Jika F hitung > F tabel maka Ho ditolak dan sebaliknya jika F hitung
61
Pengambilan keputusan berdasarkan tingkat signifikan (Rodoni, 2005:90) :
Jika probabilitas signifikan > 0.05, maka H0 diterima, berarti bahwa suatu variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen.
Jika probabilitas signifikan < 0.05 maka H0 ditolak, berarti bahwa suatu variabel independen berpengaruh secara signifikan terhadap variabel dependen. Selain
itu
pengambilan
keputusan
juga
dapat
dengan
membandingkan nilai t tabel dengan t hitungnya. t tabel di dapat dari rumus : Uji t = (df(n-k-1)) Dimana n adalah jumlah sampel penelitian dan k adalah jumlah variabel bebas. Jika t hitung > t tabel maka Ho ditolak dan sebaliknya jika t hitung
E. Operasional variabel Dalam penelitian ini peneliti menggunakan dua variabel dependen (IHSG, JII, LQ45 dan Kompas100) dan lima variabel Independen (Kurs, BI Rate, DJIA, HSI, dan Nikkei 225). Definisi dari masing-masing variabel adalah sebagai berikut :
62
1.
Indeks Harga Saham Gabungan (IHSG) Indeks Harga saham Gabungan (IHSG) adalah indeks harga yang merupakan gabungan harga semua saham yang tercatat di Bursa Efek Indonesia (BEI), pengukuran yang dilakukan adalah dalam satuan poin. Indeks ini mencakup pergerakan seluruh saham biasa dan saham preferen yang tercatat di BEI.
2.
Jakarta Islamic Indeks (JII) Jakarta Islamic Indeks (JII) merupakan salah satu indeks saham yang ada di Indonesia untuk jenis saham-saham yang memenuhi kriteria syariah dalam perhitungan indeks harga rata-rata sahamnya. Hanya emiten yang memenuhi kriteria syariah yang dapat masuk ke dalam Jakarta Islamic indeks (JII).
3.
Indeks LQ45 Indeks LQ45 adalah indeks saham yang terpilih berdasarkan likuiditas perdagangan saham dan sesuaikan setiap enam bulan sekali (setiap awal Februari dan Agustus). Dengan demikian saham yang termasuk dalam indeks tersebut akan selalu berubah.
4.
Indeks Kompas 100 Indeks Kompas100 adalah suatu indeks saham dari 100 saham perusahaan publik yang diperdagangkan di Bursa Efek Indonesia. Indeks Kompas100 secara resmi diterbitkan oleh Bursa Efek Indonesia (BEI) bekerjasama dengan koran Kompas pada hari Jumat tanggal 10 Agustus 2007. Saham-saham yang terpilih untuk
63
dimasukkan dalam indeks Kompas100 ini selain memiliki likuiditas yang tinggi, serta nilai kapitalisasi pasar yang besar, juga merupakan saham-saham yang memiliki fundamental dan kinerja yang baik. 5.
Kurs Rupiah Terhadap Dolar Kurs adalah harga suatu mata uang yang dinyatakan dalam mata uang lain. Dalam penlitian ini nilai kurs yang dipakai di ukur atas dasar harga kurs tengah rupiah terhadap dolar US $ di akhir periode tertentu (1 bulan).
6.
Suku Bunga Bank Indonesia (BI Rate) BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan kepada publik. BI Rate diumumkan oleh Dewan Gubernur Bank Indonesia setiap Rapat Dewan Gubernur bulanan dan diimplementasikan pada operasi moneter yang dilakukan Bank Indonesia melalui pengelolaan likuiditas (liquidity management) di pasar uang untuk mencapai sasaran operasional kebijakan moneter.
7.
Indeks Dow Jones Industrial Average (DJIA) Indeks Dow Jones merupakan salah satu indeks dari pasar saham Amerika yang berisikan 30 perusahaan yang menjadi salah satu indikator pergerakan pasar saham Amerika. Indeks Dow Jones merupakan indeks pasar saham Amerika yang tertua yang masih berjalan.
64
8.
Indeks HangSeng (HSI) Indeks Hang Seng (HSI) adalah indeks yang mencatat kapitalisasi pasar indeks saham di Hong Kong.
9.
Indeks Nikkei 225 Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari 225 saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo sebagai indeks pengukur pergerakan harga saham.
65
BAB IV HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian Pasar modal Indonesia dimulai ketika pemerintah Hindia Belanda mendirikan Bursa Efek di Jakarta (Batavia) pada akhir tahun 1912. Efek-efek yang diperdagangakan dalam bursa ini terdiri atas sahamsaham dan obligasi yang diterbitkan perusahaan milik Belanda yang beroperasi di Indonesia, obligasi pemerintah Hindia Belanda dan efekefek Belanda lain. Pendirian bursa efek oleh pemerintah Belanda tersebut bertujuan untuk memobilisasi dana dalam rangka membiayai perkebunan milik Belanda yang saat itu sedang dikembangkan secara besar-besaran di Indonesia. (Siamat, 2004:487) Pemerintah mulai kembali melakukan usaha pengaktifan pasar modal Indonesia sejak 10 Agustus 1977 dengan membentuk Badan Pelaksana Pasar Modal (BAPEPAM) yang sejak tahun 1991 berubah menjadi Badan Pengawas Pasar Modal. Usaha pengaktifan kembali pasar modal tersebut diharapkan akan dapat ikut berperan memacu pertumbuhan ekonomi melalui mobilisasi dana untuk memenuhi kebutuhan pembiayaan pembangunan di luar sektor perbankan. Perkembangan pasar modal dapat dikatakan cukup baik sampai 1983, dimana sebanyak 23 perusahaan telah melakukan emisi saham dan 1
66
perusahaan melakukan emisi obligasi dengan nilai emisi seluruhnya mencapai Rp 117 miliar. Pada 22 Mei tahun 1995, diresmikan penggunaan sistem JATS (Jakarta Automated Trading Systems). Sistem perdagangan baru yang terpasang dan bersifat otomatis ini memberikan fasilitas yang memungkinkan frekuensi perdagangan saham yang lebih besar dan menjadikan pasar lebih adil serta praktik pasar yang lebih transparan dibandingkan dengan sistem manual. Sejak diterapkan JATS, nilai kapitalisasi pasar BEJ meningkat pesat disamping volume, nilai dan frekuansi transaksi meningkat tajam. Hal ini terbukti dari data sampai dengan November 1996 dimana nilai transaksi telah mencapai Rp 61,63 triliun yaitu melonjak hampir 90% dibandingkan dengan tahun 1995 yang hanya mencapai Rp 32,4 triliun. (Rodoni, 2005:110-111) Perkembangan pasar modal dapat dilihat dari salah satu indikator pasar modal yaitu instrumen saham. Perkembangan transaksi harga saham dari tahun ke tahun cenderung meningkat, hal ini menunjukkan bahwa minat masyarakat untuk menanamkan investasi di pasar modal semakin besar. (Mustikaati, 2007).
Pergerakan
bursa
saham
pada
dasarnya
didasari
oleh
perkembangan harga saham yang terdaftar dan diperdagangkan di lantai bursa, oleh karena itu maka perlu untuk menganalisis hubungan antara indeks saham dengan harga saham yang tercatat di bursa secara periodik. Indeks Harga Saham Gabungan (IHSG) yang ada di Bursa Efek Indonesia (BEI) tentunya tidak terlepas dari pengaruh indeks 67
harga saham di negara-negara lain, telebih negara-negara lain yang menjadi acuan dari IHSG ini memiliki kapitalisasi yang besar dan cenderung lebih likuid. Pengaruh secara eksternal ini dapat disebabkan oleh kondisi ekonomi, lingkungan politik, dan juga sosio kultural.
B. Hasil Dan Pembahasan 1. Analisis Deskriptif Dalam bab ini penulis menganalisis data yang telah terkumpul. Data yang telah terkumpul tersebut berupa data IHSG, JII, LQ45 dan Kompas100 dari perusahaan yang listing di Bursa Efek Indonesia tahun 2008 sampai dengan tahun 2012. Kemudian data yang telah terkumpul selanjutnya adalah berupa data makro ekonomi (Kurs dan BI Rate) periode 2008 sampai dengan 2012 serta data indeks bursa luar negeri (DJIA, HSI, dan Nikkei 225) periode 2008 sampai dengan 2012. Hasil pengolahan data berupa informasi untuk mengetahui apakah variabel kurs, tingkat suku bunga Bank Indonesia (BI Rate), indeks DJIA, HSI, dan Nikkei225 memiliki pengaruh terhadap imdeks-indeks
di
Bursa efek
Indonesia (IHSG,
JII,
LQ45,
Kompas100) dan berapa besar pengaruhnya. Sesuai dengan permasalahan dan perumusan model yang telah dikemukakan, serta kepentingan pengujian hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi analisis deskriptif dan analisis statistik. Analisis statistik merupakan analisis
68
yang mengacu pada perhitungan data penelitian yang berupa angkaangka yang di analisis dengan bantuan komputer melalui program SPSS. Analisis ini digunakan untuk menguji hipotesis. Sedangkan analisis deskriptif merupakan analisis yang menjelaskan gejala-gejala yang terjadi pada variabel-variabel penelitian untuk mendukung hasil analisis statistik. Berdasarkan pengambilan sample secara purposive Sampling maka dapat diperoleh indeks harga saham sebagai berikut: 1. Perusahaan yang tercatat di Bursa Efek Indonesia periode 2008 sampai dengan 2012. 2. Saham perusahaan telah tercatat di Bursa Efek Indonesia periode 2008 sampai dengan 2012. Adapun untuk menjelaskan variabel-variabel yang terdapat dalam penelitian ini dapat ditunjukan dari tabel dibawah ini: Tabel 4.1 Tabel Kurs Rupiah Terhadap Dolar T Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 9291 9051 9217 9234 9318 9225 9118 9153 9378 10995 12151 10950
2009 11355 11980 11575 10713 10340 10225 9920 10060 9681 9545 9545 9480
2010 9365 9335 9115 9012 9180 9083 8952 9041 8924 8928 9013 8991
2011 9057 8823 8709 8574 8537 8597 8508 8578 8823 8835 9170 9068
2012 9000 9085 9180 9190 9565 9480 9485 9560 9588 9615 9605 9670
Sumber : Bank Indonesia, Berbagai tahun terbit. Data di olah 69
Pada tabel 4.1 dapat dilihat bahwa nilai kurs tertinggi terdapat pada bulan November 2008 yakni sebesar 12.151. Sedangkan nilai kurs terendah terjadi pada bulan Juli 2011 yakni sebesar 8508. Nilai kurs yang digunakan adalah nilai tengah dari kurs jual dan kurs beli. Dari tabel tersebut juga dapat dilihat bahwa nilai kurs bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan kurs maka dapat di lihat dari grafik kurs Rupiah Terhadap Dolar periode 2008 sampai dengan 2012 berikut: Gambar 4.1 Grafik Pergerakan Kurs Rupiah Terhadap Dolar
KURS 14000 12000 10000
8000 6000 KURS
4000
Mar-12
Okt-11
Mei-11
Des-10
Jul-10
Feb-10
Sep-09
Apr-09
Nop-08
Jun-08
Jan-08
0
Agust-…
2000
Sumber : Bank Indonesia, berbagai tahun terbit, data diolah
Berdasarkan gambar 4.1 secara umum terlihat bahwa nilai tukar Rupiah terhadap Dolar (Kurs) mengalami tren naik pada akhir tahun 2008 sampai pada awal tahun 2009. Pada akhir tahun memang terjadi krisis ekonomi di Amerika yang pada akhirnya berdampak pada
70
perekonomian di negara-negara lain, tidak terkecuali Indonesia. Melemahnya nilai tukar Rupiah terhadap Dolar mengakibatkan sentimen negatif terhadap pasar modal. Begitu juga dengan nilai tukar rupiah terhadap dolar yang melonjak naik pada akhir tahun 2008 hingga awal 2009, namun pada pertengahan 2009 nilai kurs Rupiah terhadap dolar sudah menunjukan penurunan. Hal ini mengindikasikan bahwa perekonomian mulai membaik. Pada pertengahan 2009 nilai tukar Rupiah terhadap Dolar (Kurs) mulai menunjukan tren yang positif. Kestabilan nilai mata uang domesttik dapat menghindarkan investor asing di pasar modal mengalami kerugian akibat perbedaan kurs valuta asing. Nilai mata uang yang labil dapat membangkrutkan usaha investor asing maupun investor lokal yang memiliki utang valuta asing. (Mohamad Samsul, 2006:32). Tabel 4.2 Tingkat Suku Bunga Bank Indonesia (BI Rate) Periode 2008 2009 2010 Januari 0,0800 0,0875 0,0650 Februari 0,0800 0,0825 0,0650 Maret 0,0800 0,0775 0,0650 April 0,0800 0,0750 0,0650 Mei 0,0825 0,0725 0,0650 Juni 0,0850 0,0700 0,0650 Juli 0,0875 0,0675 0,0650 Agustus 0,0900 0,0650 0,0650 September 0,0925 0,0650 0,0650 Oktober 0,0950 0,0650 0,0650 November 0,0950 0,0650 0,0650 Desember 0,0925 0,0650 0,0650 Sumber : Bank Indonesia berbagai tahun terbit.
2011 0,0650 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0650 0,0600 0,0600
2012 0,0600 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575
71
Pada tabel 4.2 dapat dilihat bahwa tingkat suku bunga bank Indonesia (BI Rate) tertinggi terdapat pada akhir tahun 2008 dimana pada bulan Oktober dan November mencapai angka sebesar 0,095 (9,5%). Sedangkan tingkat suku bunga bank Indonesia (BI Rate) terendah terjadi pada tahun 2012 dimana suku bungan Bank Indonesia (BI Rate) mencapai angka 0,0575 (5,75%) angka ini konsisten hingga akhir tahun 2012. Dari tabel tersebut dapat kita lihat bahwa BI Rate mengalami pergerakan di setiap tahunnya, untuk lebih jelas melihat pergerakan tingkat suku bunga bank Indonesia (BI Rate) maka dapat di lihat dari grafik tingkat suku bunga bank Indonesia (BI Rate) periode 2008 sampai dengan 2012 berikut: Gambar 4.2 Grafik Pergerakan BI Rate
BI-Rate 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 Agust-12
Mar-12
Okt-11
Mei-11
Des-10
Jul-10
Feb-10
Sep-09
Apr-09
Nop-08
Jun-08
Jan-08
BI-Rate
Sumber : Bank Indonesia, berbagai tahun terbit, data diolah
72
Pada grafik 4.2 dapat dilihat bahwa pergerakan tingkat suku bunga Bank Indonesia (BI Rate) cenderung mengalami penurunan tiap tahunnya. Karena suku bunga yang cenderung turun tiap tahunnya maka investor cenderung lebih suka membelanjakan uangnnya daripada harus menginvestasikannya dalam bentuk tabungan. Dengan investor membelanjakan uangnya maka permintaan barang dan jasa akan terus meningkat, sehingga produksi barang dan jasa juga meningkat untuk memenuhi arus permintaan yang ada. Secara teori maka investasi yang meningkat dari sektor usaha disambut dengan peningkatan permintaan akan membuat pertumbuhan ekonomi terdorong, dimana dalam proses peningkatan produksi ini akan diperlukan lebih banyak tenaga kerja sehingga pengangguran juga akan menurun. Tabel 4.3 Tabel Indeks Dow Jones Average Industrial (DJIA) Periode Januari Februari Maret April Mei S Juni Juli Agustus September Oktober November Desember
2008 12650,36 12266,39 12262,89 12820,13 12638,32 11350,01 11378,02 11543,96 10850,66 9325,01 8829,04 8776,39
2009 8000,86 7062,93 7608,92 8168,12 8500,33 8447,00 9171,61 9496,28 9712,28 9712,73 10344,84 10428,05
2010 10067,33 10325,26 10856,63 11008,61 10136,63 9774,020 10465,94 10014,72 10788,05 11118,49 11006,02 11577,51
2011 11891,93 12226,34 12319,73 12810,54 12569,79 12414,34 12143,24 11613,53 10913,38 11955,01 12045,68 12217,56
2012 12632,91 12952,07 13212,04 13213,63 12393,45 12880,09 13008,68 13090,84 13437,13 13096,46 13025,58 13104,14
Sumber : yahoo finance
73
Pada tabel 4.3 dapat dilihat bahwa nilai indeks DJIA tertinggi terdapat pada bulan September 2012 yakni sebesar 13.437,13. Sedangkan nilai indeks DJIA terendah terjadi pada bulan Februari 2009 yakni sebesar 7062,93. Dari tabel tersebut juga dapat dilihat bahwa nilai indeks DJIA bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks DJIA maka dapat di lihat dari grafik indeks DJIA periode 2008 sampai dengan 2012 berikut : Gambar 4.3 Grafik Pergerakan Indeks Dow Jones Average Industrial (DJIA)
DJIA 16000 14000
12000 10000 8000 6000
DJIA
4000 2000 Agust-12
Mar-12
Okt-11
Mei-11
Des-10
Jul-10
Feb-10
Sep-09
Apr-09
Nop-08
Jun-08
Jan-08
0
Sumber : Yahoo Finance
Pada gambar 4.3 menjelaskan bahwa indeks Dow Jones Industrial Average (DJIA) mengalami penurunan pada periode akhir tahu 2008 hingga awal tahun 2009. Krisis yang terjadi di Amerika membawa dampak buruk pada investasi di pasar modal Amerika. Penurunan angka ini mencapai pada nilai 7062,93 pada bulan Februari tahun 2009. Akibat krisis yang mendera Amerika pada tahun 2008 mengakibatkan investor menjual aset-asetnya yang ada di pasar modal
74
Amerika, hal ini dikarenakan untuk mengurang resiko yang akan terjadi akibat krisis yang terjadi. Kemudian secara perlahan kepercayaan investor kembali membaik terhadap pasar modal Amerika, hal ini ditunjukan dengan semakin membaiknya indeks DJIA yang terus menunjukan progres yang baik dan mengalami kenaikan hingga pada akhir tahun 2012 menembus angka 13104,14. Tabel 4.4 Tabel Indeks HangSeng (HongKong) Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 23455,74 24331,67 22849,2 25755,35 24533,12 22102,01 22731,1 21261,89 18016,21 13968,67 13888,24 14387,48
2009 13278,21 12811,57 13576,02 15520,99 18171 18378,73 20573,33 19724,19 20955,25 21752,87 21821,5 21872,5
2010 20121,99 20608,7 21239,35 21108,59 19765,19 20128,99 21029,81 20536,49 22358,17 23096,32 23007,99 23035,45
2011 23447,34 23338,02 23527,52 23720,81 23684,13 22398,1 22440,25 20534,85 17592,41 19864,87 17989,35 18434,39
2012 20390,49 21680,08 20555,58 21094,21 18629,52 19441,46 19796,81 19482,57 20840,38 21641,82 22030,39 22656,92
Sumber : Yahoo Finance
Pada tabel 4.4 dapat dilihat bahwa nilai indeks HangSeng (HSI) tertinggi terdapat pada bulan Desember 2012 yakni sebesar 22656,92. Sedangkan nilai indeks HangSeng (HSI) terendah terjadi pada bulan Februari 2009 yakni sebesar 12811,57. Dari tabel tersebut juga dapat dilihat bahwa nilai indeks HangSeng (HSI) bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks HangSeng (HSI) maka dapat di lihat dari grafik indeks HangSeng (HSI) periode 2008 sampai dengan 2012 berikut :
75
Gambar 4.4 Grafik Pergerakan Indeks HangSeng (HSI) HongKong
HSI 30000 25000 20000 15000 HSI
10000 5000 Sep-12
Mei-12
Jan-12
Sep-11
Mei-11
Jan-11
Sep-10
Mei-10
Jan-10
Sep-09
Mei-09
Jan-09
Sep-08
Mei-08
Jan-08
0
Sumber : yahoo finance
Pada gambar 4.4 terlihat grafik pergerakan indeks HangSeng tahun 2008 sampai 2012, pada awal 2008, Indeks Hang Seng mengalami penurunan hingga 30 persen atau sekitar 9 ribuan poin. Angka tersebut kemudian turun lagi melewati 20 ribu poin pada 5 September 2008. Dalam perdagangan Indeks Hang Seng hanya mencapai angka 19.708,39 poin dan ditutup pada angka 19.933,28 poin. Angka ini masih saja menurun pada 8 Oktober 2008 dengan angka penutupan hanya 15.431,73 poin. Ini merupakan angka terendah yang terjadi dalam dua tahun terakhir. Ternyata angka terendah itu belum berakhir, pada akhir Oktober 2008, kembali jatuh hingga 10.676,29 poin. Tapi pada tahun 2009, terjadi berbagai perbaikan yang membuat Indeks Hang Seng kembali pada angka 20 ribuan poin. Tanggal 29 Juli
76
2009, Indeks Hang Seng sudah mencapai 20.063,93 poin dan sampai saat ini pergerakannya tidak pernah turun dari angka 20 ribuan poin. Tabel 4.5 Tabel Indeks Nikkei 225 (Tokyo) Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 13592,47 13603,02 12525,54 13849,99 14338,54 13481,38 13376,81 13072,87 11259,86 8576,98 8512,27 8859,56
2009 7994,05 7568,42 8109,53 8828,26 9522,50 9958,44 10356,83 10492,53 10133,23 10034,74 9345,55 10546,44
2010 10198,04 10126,03 11089,94 11057,40 9768,70 9382,64 9537,30 8824,06 9369,35 9202,45 9937,04 10228,92
2011 10237,92 10624,09 9755,10 9849,74 9693,73 9816,09 9833,03 8955,20 8700,29 8988,39 8434,61 8455,35
2012 8802,51 9723,24 10083,56 9520,89 8542,73 9006,78 8695,06 8839,91 8870,16 8928,29 9446,01 10395,18
Sumber : yahoo finance
Pada tabel 4.5 dapat dilihat bahwa nilai indeks Nikkei 225 tertinggi terdapat pada bulan Mei 2008 yakni sebesar 14338,54. Sedangkan nilai indeks Nikkei 225 terendah terjadi pada bulan Februari 2009 yakni sebesar 7568,42. Dari tabel tersebut juga dapat dilihat bahwa nilai indeks Nikkei 225 bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks Nikkei 225 maka dapat di lihat dari grafik indeks Nikkei 225 periode 2008 sampai dengan 2012 berikut :
77
Gambar 4.5 Grafik Pergerakan Indeks Nikkei 225 (Tokyo)
N225 16000 14000 12000 10000 8000 6000
N225
4000 2000 Jan-08 Mei-08 Sep-08 Jan-09 Mei-09 Sep-09 Jan-10 Mei-10 Sep-10 Jan-11 Mei-11 Sep-11 Jan-12 Mei-12 Sep-12
0
Sumber : data diolah
Pada gambar 4.5 terlihat bahwa indeks Nikkei 225 bergerak sangat fluktuatif di taip bulannya. Pada saat krisis yang menimpa dunia indeks Nikkei 225 juga tak luput terkena imbasnya, dan dampak yang terburuk terjadi pada februari 2009 dimana indeks mencapai titik terendahnya yakni pada harga 7568,42 hal ini dikarenakan dampak wallstreet yang melemah akibat krisis. Pada awal berdirinya Tokyo Stock Exchange (TSE) telah menjadi aktifitas stock market yang paling berpengaruh di Jepang. Pada masa itu telah diperkenalkan Index Tokyo Stock Exchange market Average, yang merupakan hasil perhitungan dari keseluruhan perusahaan yang sahamnya tercatat di TSE. Pada tahun 1968, Chaiman dari TSE yaitu Morinaga, menghentikan model perhitungan Index Average TSE, dan mencoba untuk mendapatkan model
78
perhitungan yang lebih akurat. Hingga akhirnya pada Juli 1970 Nihon Keizai, Inc. mengajukan sistem perhitungan indeks yang lebih baik, yang hingga kini dikenal dengan nama Nikkei 225 Stock Index. Indeks ini merupakan gabungan dari 225 perusahaan yang memiliki kredibilitas yang baik di market dan memiliki asset yang besar. Tabel 4.6 Tabel Indeks Harga Saham Gabungan Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 2627,25 2721,94 2447,30 2304,52 2444,35 2349,11 2304,51 2165,94 1832,51 1256,70 1241,54 1355,41
2009 1332,67 1285,28 1434,07 1722,77 1916,83 2026,78 2323,24 2341,54 2467,59 2367,70 2415,84 2534,36
2010 2610,80 2549,03 2777,30 2971,25 2796,96 2913,68 3069,28 3081,88 3501,30 3635,32 3531,21 3703,51
2011 3409,17 3470,35 3678,67 3819,62 3836,97 3888,57 4130,80 3841,73 3549,03 3790,85 3715,08 3821,99
2012 3941,69 3985,21 4121,55 4180,73 3832,82 3955,58 4142,34 4060,33 4262,56 4350,29 4276,14 4316,69
Sumber : IDX Statistik, berbagai tahun terbit
Pada tabel 4.6 dapat dilihat bahwa nilai indeks harga saham gabungan (IHSG) tertinggi terdapat pada bulan Oktober 2012 yakni sebesar 4350,29. Sedangkan nilai indeks harga saham gabungan (IHSG) terendah terjadi pada bulan November 2008 yakni sebesar 1241,54. Dari tabel tersebut juga dapat dilihat bahwa indeks harga
saham gabungan (IHSG) bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks indeks harga saham gabungan (IHSG) maka dapat di lihat dari grafik indeks harga saham gabungan (IHSG) periode 2008 sampai dengan 2012 berikut :
79
Gambar 4.6 Grafik Pergerakan Indeks Harga Saham Gabungan (IHSG)
IHSG 5000,00 4500,00 4000,00 3500,00 3000,00 2500,00 2000,00 1500,00 1000,00 500,00 0,00
Sep-12
Mei-12
Jan-12
Sep-11
Mei-11
Jan-11
Sep-10
Jan-10
Mei-10
Sep-09
Mei-09
Jan-09
Sep-08
Mei-08
Jan-08
IHSG
Sumber : IDX Statistic, berbagai tahun terbit.
Dari gambar 4.6 dapat dilihat bahwa IHSG mengalami tren naik. Namun pada akhir tahun 2008 sampai awal 2009 mengalami penurunan yang cukup signifikan. Hali ini dikarenakan pada tahun 2008 di Amerika terjadi krisis ekonomi yang pada akhirnya berdampak pada perekonomian di negara-negara berkembang, tidak terkecuali di Indonesia. Krisis yang terjadi di tahun 2008, melemahnya bursa Amerika ditambah goncangan dari harga minyak dunia yang melonjak semakin memperparah penurunan IHSG. Tahun 2008 menjadi antiklimaks bagi indeks harga saham gabungan (IHSG) Bursa Efek Indonesia (BEI) setelah enam tahun berturut-turut dalam tren menguat. Kejatuhan IHSG tidak lepas dari memburuknya kinerja bursa saham di dunia akibat resesi global. gejala pelemahan pasar
80
modal mulai terlihat dari berlanjutnya imbas krisis yang mencapai puncak pada pertengahan September 2008. Tabel 4.7 Tabel Jakarta Islamic Indeks (JII) Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 476,97 508,95 448,42 428,09 441,66 430,29 387,81 356,10 286,39 193,68 195,69 216,19
2009 213,63 214,12 236,79 279,87 307,14 321,46 385,22 380,66 401,53 383,67 397,89 417,18
2010 427,68 413,73 433,67 474,80 444,60 473,79 483,32 473,79 526,52 540,29 508,78 532,90
2011 477,51 496,87 514,92 528,76 531,38 536,04 567,12 529,16 492,30 530,19 520,49 537,03
2012 562,54 566,75 584,06 575,09 525,05 544,19 573,73 569,94 600,84 619,27 588,78 594,79
Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.7 dapat dilihat bahwa nilai indeks Jakarta Islamic Indeks (JII) tertinggi terdapat pada bulan Oktober 2012 yakni sebesar 619,27. Sedangkan nilai Jakarta Islamic Indeks (JII) terendah terjadi
pada bulan Oktober 2008 yakni sebesar 193,68. Dari tabel tersebut juga dapat dilihat bahwa indeks Jakarta Islamic Indeks (JII) bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan Jakarta Islamic Indeks (JII) maka dapat di lihat dari grafik indeks Jakarta Islamic Indeks (JII) periode 2008 sampai dengan 2012 berikut :
81
Gambar 4.7 Grafik Pergerakan Indeks Jakarta Islamic Indeks (JII)
JII 700,00 600,00 500,00 400,00 300,00
JII
200,00
100,00 Jan-08 Mei-08 Sep-08 Jan-09 Mei-09 Sep-09 Jan-10 Mei-10 Sep-10 Jan-11 Mei-11 Sep-11 Jan-12 Mei-12 Sep-12
0,00
Sumber : IDX Statistic, berbagai tahun terbit.
Pada bulan Oktober 2008, krisis global semakin meperburuk kondisi bursa regional Asia yang akhirnya berdampak terhadap JII. Kekacauan di Bursa Efek Indonesia terjadi karena aksi jual investor asing yang terus berlanjut yang dampaknya penutupan sementara (suspensi) bursa pada 8 Oktober 2008, hal ini dikarenakan jumlah saham yang diperdagangkan tidak terlalu banyak tapi harga saham terus turun. Namun, pada akhir bulan Oktober 2008 terlihat bursa kembali menguat ini dipicu oleh maraknya aksi beli saham oleh investor
yang
memanfaatkan
kesempatan
sebelum
dilakukan
pemotongan tingkat suku bunga oleh The Federal Reserved Bank (AS).
82
Tabel 4.8 Tabel Indeks LQ45 Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 564,32 590,77 525,41 493,46 518,36 495,17 481,30 449,66 369,14 241,35 241,50 270,23
2009 262,56 249,01 283,08 341,73 373,07 392,12 454,42 456,27 483,96 464,20 476,26 498,29
2010 510,45 496,03 539,80 573,37 543,59 566,10 589,93 581,31 651,93 673,42 638,08 661,38
2011 597,85 614,02 659,05 680,63 682,25 690,65 729,84 676,26 622,64 675,57 656,41 673,51
2012 692,16 692,77 712,55 711,38 645,69 674,79 712,77 695,53 731,77 751,12 726,81 735,04
Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.8 dapat dilihat bahwa nilai indeks LQ45 tertinggi terdapat pada bulan Oktober 2012 yakni sebesar 751,12. Sedangkan nilai indeks LQ45 terendah terjadi pada bulan Oktober 2008 yakni sebesar 241,35. Dari tabel tersebut juga dapat dilihat bahwa indeks LQ45 bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks indeks LQ45 maka dapat di lihat dari grafik indeks LQ45 periode 2008 sampai dengan 2012 berikut :
83
Gambar 4.8 Grafik Pergerakan Indeks LQ45
LQ45 800,00 700,00 600,00 500,00 400,00 300,00
LQ45
200,00
100,00 Agust-12
Mar-12
Okt-11
Mei-11
Des-10
Jul-10
Feb-10
Sep-09
Apr-09
Nop-08
Jun-08
Jan-08
0,00
Sumber : IDX Statistic, berbagai tahun terbit.
Sama seperti IHSG, indeks LQ45 juga mengalami sentimen negatif pada akhir tahun 2008 hingga awal tahun 2009. Selain dari dampak dari sentimen negatif bursa Asia yang mengakibatkan indeks LQ45 tak luput di terpa penurunan pula, penyebab lainny adalah perlambatan pertumbuhan perekonomian dan kembali menguatnya harga minyak dunia. Hingga pada awal tahun 2009 indeks LQ45 masih mengalami penurunan. Memasuki periode pertengahan tahun 2009 indeks LQ45 mulai menunjukan tren positif, dimana mulai ada peningkatan angka di indeks LQ45. Dan hingga saat ini pergerakan indeks LQ45 masih bergerak fluktuatif cenderung naik.
84
Tabel 4.9 Tabel Indeks Kompas 100 Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
2008 661,51 688,40 614,93 575,54 606,13 579,06 565,23 531,44 443,96 299,44 299,18 330,86
2009 323,85 302,24 349,00 421,40 463,81 490,20 565,62 566,92 602,41 574,02 587,42 612,45
2010 628,29 610,83 668,75 715,67 675,34 701,91 735,15 731,89 835,41 853,36 820,08 860,70
2011 782,23 802,32 851,88 880,53 881,25 894,91 942,95 872,31 802,72 864,11 840,10 865,20
2012 891,16 897,49 927,44 932,14 841,57 874,45 919,66 895,84 945,09 967,54 941,71 946,27
Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.9 dapat dilihat bahwa nilai indeks Kompas100 tertinggi terdapat pada bulan Oktober 2012 yakni sebesar 967,53. Sedangkan nilai indeks Kompas100 terendah terjadi pada bulan November 2008 yakni sebesar 299,18. Dari tabel tersebut juga dapat dilihat bahwa indeks Kompas100 bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan indeks indeks Kompas100 maka dapat di lihat dari grafik indeks Kompas100 periode 2008 sampai dengan 2012 berikut :
85
Gambar 4.9 Grafik Pergerakan Indeks Kompas 100
Kompas100 1200,00 1000,00 800,00 600,00 400,00
Kompas100
200,00 Agust-12
Mar-12
Okt-11
Mei-11
Des-10
Jul-10
Feb-10
Sep-09
Apr-09
Nop-08
Jun-08
Jan-08
0,00
Sumber : IDX Statistic, berbagai tahun terbit
Bulan September 2008, bursa Asia anjlok dikarenakan dampak dari bangkrutnya Lehman Brothers, bank investasi terbesar di dunia. Hal ini membuat terguncangnya bursa global dikarenakan akan mengancam sistem keuangan global. Di Indonesia, Kompas 100 ikut terpuruk karena adanya panic selling investor. Kondisi yang tidak menentu berpengaruh sampai awal Desember, mejelang pertengahan Desember kondisi Keuangan global perlahan membaik, ditandai oleh pergerakan sebagian bursa regional karena pangaruh sentimen positif atas Wall Street. Januari 2009 pengaruh dari krisis yang menimpa bursa global masih berdampak, ini terlihat dari anjloknya bursa Asia sampai awal Januari. Pada Maret 2009 indeks Kompas 100 kembali menguat dan berdampak pada menguatnya bursa di Indonesia.
86
2. Analisis Statistik Dalam bab ini penulis menganalisis data yang telah terkumpul. Data yang telah dikumpulkan tersebut berupa data IHSG, JII, LQ45 dan Kompas 100 dari perusahaan yang listing di Bursa Efek Indonesia tahun 2008 sampai tahun 2012 dan juga berupa data makro ekonomi (Kurs dan BI Rate) serta indeks bursa internasional (Indeks DJIA, HSI, Nikkei225) periode 2008 sampai 2012. Hasil pengolahan data berupa informasi untuk menganalisis apakah Kurs, Tingkat Suku Bunga Bank Indonesia (BI Rate), Indeks DJIA, HSI dan Nikkei225 memiliki pengaruh terhadap IHSG, JII, Indeks LQ45 dan Kompas100 serta berapa besar pengaruhnya. 2.1 Uji Normalitas Sebelum melakukan uji statistik langkah awal yang harus dilakukan adalah screening terhadap data yang akan diolah. Salah satu asumsi penggunaan uji statistik parametrik adalah asumsi normality. Asumsi normalitas merupakan asumsi bahwa setiap variabel dan semua kombinasi linier dari variabel berdistribusi normal. Jika asumsi ini dipenuhi, maka nilai residual dari analisis juga berdistribusi normal dan independen. (Ghazali, 2012:29).
87
Tabel 4.10 Uji Normalitas IHSG
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N a Normal Parameters Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a.
60 .0000000 1.85846164E2 .070 .057 -.070 .543 .930
Test distribution is Normal.
Sumber : data diolah
Dari tabel 4.10 di dapat besarnya nilai KolmogorovSmirnov adalah sebesar 0,543 dengan tingkat signifikan pada 0,930 hal ini menunjukan H0 diterima yang berarti data residual terdistribusi normal. Gambar 4.10 Grafik P-P Plot Terhadap Variabel IHSG
88
Berdasarkan Gambar 4.10 di atas, terlihat bahwa penyebaran data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang berarti bahwa data berdistribusi normal atau model regresi memenuhi asumsi normalitas. Tabel 4.11 Uji Normalitas JII One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N a Normal Parameters Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a.
60 .0000000 26.47536180 .078 .078 -.061 .608 .854
Test distribution is Normal.
D
Sumber : data diolah
ari tabel 4.11 di dapat besarnya nilai Kolmogorov-Smirnov adalah sebesar 0,608 dengan tingkat signifikan pada 0,854 hal ini menunjukan H0 diterima yang berarti data residual terdistribusi normal. Gambar 4.11 Grafik P-P Plot Terhadap Variabel JII
89
Berdasarkan Gambar 4.11 di atas, terlihat bahwa penyebaran data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang berarti bahwa data berdistribusi normal atau model regresi memenuhi asumsi normalitas. Tabel 4.12 Uji Normalitas LQ45 One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N Normal Parameters
60 a
Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
.0000000 30.61795016 .092 .050 -.092
Kolmogorov-Smirnov Z
.711
Asymp. Sig. (2-tailed)
.693
a. Test distribution is Normal.
Sumber : data diolah
Dari tabel 4.12 di dapat besarnya nilai Kolmogorov-Smirnov adalah sebesar 0,711 dengan tingkat signifikan pada 0,693 hal ini menunjukan H0 diterima yang berarti data residual terdistribusi normal.
90
Gambar 4.12 Grafik P-P Plot Terhadap Variabel LQ45
Berdasarkan Gambar 4.12 di atas, terlihat bahwa penyebaran data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang berarti bahwa data berdistribusi normal atau model regresi memenuhi asumsi normalitas. Tabel 4.13 Uji Normalitas Kompas100 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N a Normal Parameters Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Mean Std. Deviation Absolute Positive Negative
60 .0000000 39.44027301 .090 .051 -.090 .696 .719
a. Test distribution is Normal.
91
Dari tabel 4.13 di dapat besarnya nilai KolmogorovSmirnov adalah sebesar 0,696 dengan tingkat signifikan pada 0,719 hal ini menunjukan H0 diterima yang berarti data residual terdistribusi normal. Gambar 4.13 Grafik P-P Plot Terhadap Variabel Kompas 100
Berdasarkan Gambar 4.13 di atas, terlihat bahwa penyebaran data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang berarti bahwa data berdistribusi normal atau model regresi memenuhi asumsi normalitas. 2.2 Uji Heteroskedastisitas Sebagaimana diketahui bahwa salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model regresi bersifat BLUE (Best linier Unbias Estimator) maka var (u1) harus sama dengan σ2 (konsatan), atau dengan kata lain , semua residual atau error mempunyai varian yang sama. Kondisi ini disebut dengan
homoekedastisitas.
Sedangkan
bila
varian
tidak
konsisten atau berubah-ubah disebut dengan heteroskedastisitas.
92
(Nachrowi & Usman, 2006:109). Data yang baik adalah data yang homoskedastisitas. Untuk menguji heteroskedastisitas terdapat berbagai macam cara, dan yang akan dipakai dalam penelitian ini adalah uji Glejser. Tabel 4.14 Uji Heteroskedastisitas terhadap variabel IHSG Coefficients
a
Unstandardized Coefficients Model 1
B (Constant) KURS
Std. Error 6.189
Standardized Coefficients Beta
T
4.093
Sig.
1.512
.144
.000
.000
-.374
-1.022
.317
-10.798
22.054
-.187
-.490
.629
-4.133E-5
.000
-.110
-.330
.744
HSI
.000
.000
-.743
-1.350
.189
N225
.000
.000
.419
.862
.397
BI_RATE DJIA
a. Dependent Variable: AbsUt
Sumber : data diolah
Dalam tabel 4.14 dapat di lihat hasil tampilan output SPSS dengan jelas menunjukan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai AbsUt (IHSG). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas (homoskedastisitas).
93
Gambar 4.14 Scatter Plot Terhadap Variabel IHSG
Berdasarkan tampilan pada Scatterplot dalam Gambar 4.14 di atas, terlihat bahwa plot menyebar secara acak di atas maupun di bawah angka nol pada sumbu Regression Studentized Residual.
Oleh
karena
itu
maka
berdasarkan
uji
heteroskedastisitas menggunakan metode analisis grafik, pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heteroskedastisitas. Tabel 4.15 Uji Heteroekedastisitas terhadap variabel JII Coefficients Unstandardized Coefficients Model
Std. Error
B
1 (Constant)
.038
.078
-2.460E-6
.000
.393
.340
DJIA
-2.648E-8
HSI
-1.076E-6 4.003E-7
KURS BI_RATE
N225 a.
a
Standardized Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
.482
.632
-.118
-.474
.637
.275
3.641
.273
1.157
.253
.306
3.271
.000
-.003
-.013
.990
.441
2.270
.000
-.187
-.549
.586
.146
6.847
.000
.036
.130
.897
.225
4.439
Dependent Variable: Absut
Sumber : Data diolah
94
Dalam tabel 4.15
dapat di lihat hasil tampilan output
SPSS dengan jelas menunjukan bahwa tidak ada satupun variabel
independen
yang
signifikan
secara
statistik
mempengaruhi variabel dependen nilai AbsUt (JII). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas (homoskedastisitas). Gambar 4.15 Scatter Plot Terhadap Variabel JII
Berdasarkan tampilan pada Scatterplot dalam Gambar 4.15 di atas, terlihat bahwa plot menyebar secara acak di atas maupun di bawah angka nol pada sumbu Regression Studentized Residual.
Oleh
karena
itu
maka
berdasarkan
uji
heteroskedastisitas menggunakan metode analisis grafik, pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heteroskedastisitas. 95
Tabel 4.16 Uji Heteroskedastisitas terhadap variabel LQ45 Coefficients Unstandardized Coefficients Model
B
1(Constant)
Std. Error -.008
.071
5.226E-8
.000
.524
.309
DJIA
8.951E-7
HSI
8.888E-7 -3.453E-6
KURS BI_RATE
N225
a.
a
Standardized Coefficients Beta
Collinearity Statistics T
Sig.
Toleranc e
VIF
-.109
.914
.003
.011
.991
.275
3.641
.408
1.698
.095
.306
3.271
.000
.097
.484
.630
.441
2.270
.000
.173
.499
.620
.146
6.847
.000
-.344
-1.230
.224
.225
4.439
DependentD Variable: Absut
D
Sumber : data diolah
alam tabel 4.16
dapat di lihat hasil tampilan output SPSS
dengan jelas menunjukan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai AbsUt (LQ45). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas (homoskedastisitas).
96
Gambar 4.16 Scatter Plot Terhadap Variabel LQ45
Berdasarkan tampilan pada Scatterplot dalam Gambar 4.16 di atas, terlihat bahwa plot menyebar secara acak di atas maupun di bawah angka nol pada sumbu Regression Studentized Residual.
Oleh
karena
itu
maka
berdasarkan
uji
heteroskedastisitas menggunakan metode analisis grafik, pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heteroskedastisitas.
97
Tabel 4.17 Uji Heteroskedastisitas terhadap variabel Kompas100 Coefficients Unstandardized Coefficients Model 1
B
(Constant)
Standardized Coefficients
Std. Error
Beta
Collinearity Statistics T
Sig.
Tolerance
VIF
.046
.069
.669
.507
-2.601E-6
.000
-.146
-.573
.569
.275
3.641
.371
.297
.302
1.249
.217
.306
3.271
DJIA
-1.199E-6
.000
-.136
-.673
.504
.441
2.270
HSI
1.007E-6
.000
.205
.587
.560
.146
6.847
-3.231E-6
.000
-.337
-1.196
.237
.225
4.439
KURS BI_RATE
N225
a.
a
Dependent Variable: Absut
Sumber : data diolah
Dalam tabel 4.17
dapat di lihat hasil tampilan output
SPSS dengan jela menunjukan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai AbsUt (Kompas100). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas (homoskedastisitas).
98
Gambar 4.17 Scatter Plot Terhadap Variabel Kompas 100
Berdasarkan tampilan pada Scatterplot dalam Gambar 4.17 di atas, terlihat bahwa plot menyebar secara acak di atas maupun di bawah angka nol pada sumbu Regression Studentized Residual.
Oleh
karena
itu
maka
berdasarkan
uji
heteroskedastisitas menggunakan metode analisis grafik, pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heteroskedastisitas. 2.3 Uji Autokorelasi Salah satu asumsi regresi linier adalah tidak terdapatnya autokorelasi. Autokorelasi ialah korelasi antara sesama urutan pengamatan dari waktu ke waktu. Ada beberapa alasan mengapa autokorelasi terjadi yaitu (Rodoni, 2005: 86) :
99
Inertia, yaitu adanya momentum yang masuk kedalam variabel-variabel X yang terus menerus sehingga sesuatu akan terjadi dan mempengaruhi nilai-nilai pada variabelvariabel X-nya.
Terjadi penyimpangan spesifikasi karena adanya variabel X lain yang tidak dimasukkan pada model.
Bentuk fungsi yang salah.
Adanya lags (tenggang waktu).
Manipulasi data yang mengakibatkan data tidak akurat. Untuk memeriksa adaya autokorelasi, biasanya dipakai uji
Durbin-Watson dengan hipotesis seperti di bawah ini: Tabel 4.18 Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson
Tolak Tidak Tidak menolak H0, Tidak Tolak H0, dapat berarti tidak ada dapat H0, berarti diputus autokorelasi diputus berarti ada kan kan ada autokore autokorel lasi asi positif negatif 0 dL dU 2 4-dU 4-dL 1,408 1,767 2,233 2,592 Dengan hipotesis yang akan di uji adalah sebagai berikut: H0
: Tidak ada Autokorelasi
Ha
: Ada autokorelasi
100
Tabel 4.19 Uji Autokorelasi Terhadap Variabel IHSG b
Model Summary
Model
R
1
.980
R Square a
Adjusted R Square
.960
Std. Error of the Estimate
.957
DurbinWatson
194.25971
.919
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson sebesar 0.919. Nilai ini akan di bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 60 (n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919 lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada autokorelasi positif. Oleh karena adanya autokorelasi maka nilai standard error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga diperlukan pengobatan. Pengobatan autokorelasi tergantung dari nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi dengan metode Theil-Nagar d ρ = n2 (1 – d/2) + k2 = (60)2 (1 – 0,915/2) + (5)2 = 0,5532 n2 – k2
(60)2 – (5)2
Hasil estimasi ρ kemudian di transformasikan kedalam model persamaan dan hasil
output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
101
Tabel 4.20 Pengobatan Autokorelasi Terhadap Variabel IHSG b
Model Summary
Model
R
1
Adjusted R Square
R Square
.954
a
.911
Std. Error of the Estimate
.902
Durbin-Watson 1.878
.05449
a. Predictors: (Constant), LN_N225Iit@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_IHSGit@ Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin Watson sebesar 1.878 nilai ini lebih besar dari batas atas (dU) 1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi. Tabel 4.21 Uji Autokorelasi Terhadap Variabel JII b
Model Summary
Model
R
1
.973
R Square a
.946
Adjusted R Square .941
Std. Error of the Estimate 27.67394
DurbinWatson .898
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: JII Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson sebesar 0.898. Nilai ini akan di bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 60 (n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai dL = 1.408 dan nilai dU = 1.767. Oleh karena nilai DW 0.898
102
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada autokorelasi positif. Oleh karena adanya autokorelasi maka nilai standard error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga diperlukan pengobatan. Pengobatan autokorelasi tergantung dari nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi dengan metode Theil-Nagar d :
ρ = n2 (1 – d/2) + k2 = (60)2 (1 – 0,771/2) + (5)2 = 0,6258 n2 – k2
(60)2 – (5)2
Hasil estimasi ρ kemudian di transformasikan kedalam model persamaan dan hasil
output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut : Tabel 4.22 Pengobatan Autokorelasi Terhadap Variabel JII b
Model Summary Model 1
R .924
R Square a
.853
Adjusted R Square .839
Std. Error of the Estimate Durbin-Watson .05414
2.036
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_JIIit@ Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin Watson sebesar 2.036 nilai ini lebih besar dari batas atas (dU) 1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
103
Tabel 4.23 Uji Autokorelasi Terhadap Variabel LQ45 b
Model Summary
Model
R
1
.977
R Square a
Adjusted R Square
.955
Std. Error of the Estimate
.951
DurbinWatson
32.00407
.926
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: LQ45 Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson sebesar 0.926. Nilai ini akan di bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 60 (n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919 lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada autokorelasi positif. Oleh karena adanya autokorelasi maka nilai standard error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga diperlukan pengobatan. Pengobatan autokorelasi tergantung dari nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi dengan metode Theil-Nagar d ρ = n2 (1 – d/2) + k2 = (60)2 (1 – 0,5895/2) + (5)2 = 0,6006 n2 – k2
(60)2 – (5)2
Hasil estimasi ρ kemudian di transformasikan kedalam model persamaan dan hasil
output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
104
Tabel 4.24 Pengobatan Autokorelasi Terhadap Variabel LQ45 b
Model Summary
Model
R
1
.945
Adjusted R Square
R Square a
.892
Std. Error of the Estimate
.882
DurbinWatson 1.980
.04945
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_LQ45it@ Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin Watson sebesar 1.980 nilai ini lebih besar dari batas atas (dU) 1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi. Tabel 4.25 Uji Autokorelasi Terhadap Variabel Kompas 100 b
Model Summary
Model
R
1
.980
R Square a
Adjusted R Square
.960
.956
Std. Error of the Estimate 41.22579
DurbinWatson .983
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: KOMPAS100 Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson sebesar 0.983. Nilai ini akan di bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 60 (n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919
105
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada autokorelasi positif. Oleh karena adanya autokorelasi maka nilai standard error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga diperlukan pengobatan. Pengobatan autokorelasi tergantung dari nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi dengan metode Theil-Nagar d ρ = n2 (1 – d/2) + k2 = (60)2 (1 – 0,894/2) + (5)2 = 0,5639 n2 – k2
(60)2 – (5)2
Hasil estimasi ρ kemudian di transformasikan kedalam model persamaan dan hasil
output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut : Tabel 4.26 Pengobatan Autokorelasi Terhadap Variabel Kompas100 b
Model Summary
Model
R
1
.955
R Square a
.912
Adjusted R Square .904
Std. Error of the Estimate .04987
DurbinWatson 1.978
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_KOMPAS100it@
Sumber : Data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin Watson sebesar 1.978 nilai ini lebih besar dari batas atas (dU) 1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
106
2.4 Uji Multikolinieritas Asumsi model regresi berganda yang harus dipenuhi selanjutnya adalah bahwa dalam model persamaan regresi tidak terjadi korelasi yang signifikan antar variabel bebasnya. Dalam stastistika, tidak terjadi multikolinieritas. Multikolinieritas adalah
kondisi
adanya
hubungan
linier
antarvariabel
independen. Multikolinieritas dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukan adanya multikolinieritas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10. (Ghazali, 2012:105) Tabel 4.27 Uji Multikolinieritas Terhadap IHSG Model 1 (Constant)
Collinearity Statistics Tolerance VIF
KURS BI_RATE DJIA HSI N225 Sumber : Data diolah
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
107
Pada hasil output diatas dapat dilihat bahwa nilai variabel independen yang memiliki nilai tolerance lebih dari 0,10 dan memiliki nilai VIF pada semua variabel independen kurang dari 10
jadi
dapat
disimpulkan
bahwa
tidak
ada
masalah
multikolinieritas antarvariabel independen dalam model regresi. Tabel 4.28 Uji Multikolinieritas Terhadap JII Model 1 (Constant)
Collinearity Statistics Tolerance VIF
KURS BI_RATE DJIA HSI N225 Sumber : Data diolah
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Pada hasil output diatas dapat dilihat bahwa nilai variabel independen yang memiliki nilai tolerance lebih dari 0,10 dan memiliki nilai VIF pada semua variabel independen kurang dari 10
jadi
dapat
disimpulkan
bahwa
tidak
ada
masalah
multikolinieritas antarvariabel independen dalam model regresi. Tabel 4.29 Uji Multikolinieritas Terhadap LQ45 Model 1 (Constant)
Collinearity Statistics Tolerance VIF
KURS BI_RATE DJIA HSI N225 Sumber : Data diolah
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
108
Pada hasil output diatas dapat dilihat bahwa nilai variabel independen yang memiliki nilai tolerance lebih dari 0,10 dan memiliki nilai VIF pada semua variabel independen kurang dari 10
jadi
dapat
disimpulkan
bahwa
tidak
ada
masalah
multikolinieritas antarvariabel independen dalam model regresi. Tabel 4.30 Uji Multikolinieritas Terhadap Kompas100 Model 1 (Constant)
Collinearity Statistics Tolerance VIF
KURS BI_RATE DJIA HSI N225 Sumber : Data diolah
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Pada hasil output diatas dapat dilihat bahwa nilai variabel independen yang memiliki nilai tolerance lebih dari 0,10 dan memiliki nilai VIF pada semua variabel independen kurang dari 10
jadi
dapat
disimpulkan
bahwa
tidak
ada
masalah
multikolinieritas antarvariabel independen dalam model regresi.
3. Uji Hipotesis 3.1 Uji Statistik Persamaan i (IHSG) Uji F Simultan Uji statistik F pada dasarnya menunjukan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel
109
dependen.
Pengambilan
keputusan
dilakukan
dengan
membandingkan nilai signifikansinya dengan level signifikansi sebesar 0,05. Jika sig>0.05, maka H0 diterima dan jika sig <0.05 maka H0 ditolak. Selain itu juga dapat membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka H0 ditolak dan menerima Ha. Tabel 4.31 Uji F Terhadap Variabel IHSG b
ANOVA Model 1 Regression
Sum of Squares 49460908,118
Residual
2037788,997
54
51498697,115
59
Total
Df Mean Square 5 9892181,624
F 262,136
Sig. a ,000
37736,833
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG Sumber : data diolah
Berdasarkan tabel 4.31, nilai F hasil perhitungan sebesar 262,163 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F hitung > F tabel (262,163 > 2,39), maka H0 ditolak atau Ha diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA, Indeks
HSI,
Indeks
Nikkei225
secara
bersama-sama
berpengaruh terhadap indeks harga saham gabungan (IHSG).
110
Uji t Parsial Tabel 4.32 Uji t Terhadap Variabel IHSG
Model 1 (Constant)
Coefficients Standar dized Unstandardized Coeffici Coefficients ents B Std. Error Beta 4527,534
885,748
KURS -,235 ,059 BI_RATE -23522,023 3872,209 DJIA ,330 ,023 HSI ,023 ,022 N225 -,193 ,035 a. Dependent Variable: IHSG
-,205 -,302 ,584 ,075 -,328
a
T
Sig.
5,112
,000
-3,977 -6,075 14,343 1,044 -5,547
,000 ,000 ,000 ,301 ,000
Collinearity Statistics Tolerance VIF ,276 ,297 ,442 ,144 ,210
Sumber : data diolah
a)
Uji Terhadap Variabel Kurs
Hasil yang didapat pada tabel 4.32 di atas, variabel Kurs menunjukkan nilai lebih sebesar 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel kurs = -3,977 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (3,977 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Kurs berpengaruh negatif terhadap IHSG. b)
Uji Terhadap Variabel BI Rate
Hasil yang didapat pada tabel 4.32 di atas, variabel BI Rate menunjukkan hasil yang signifikan ada nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel BI Rate = -6,075 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (6,075 > 2,00488). Maka H0
111
3,626 3,367 2,262 6,965 4,765
ditolak sehingga dapat disimpulkan bahwa variabel BI Rate berpengaruh negatif terhadap IHSG. c)
Uji Terhadap Variabel Indeks DJIA
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks DJIA menunjukan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks DJIA = 14,343 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel 14,343 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks DJIA berpengaruh positif terhadap IHSG. d)
Uji Terhadap Variabel Indeks HangSeng
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks HangSeng menunjukkan 0,301 nilai lebih besar dari α (0,301 > 0,05). Sedangkan nilai t hitung variabel indeks HSI = 1,340 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel (1,044 < 2,00488). Maka H0 diterima sehingga dapat disimpulkan bahwa variabel Indeks HangSeng tidak berpengaruh terhadap JII. e)
Uji Terhadap Variabel Indeks Nikkei 225
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks Nikkei225 menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks Nikkei225 = 5,547 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
112
0,05), sehingga t hitung > t tabel (5,547 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks Nikkei225 berpengaruh negatif terhadap IHSG. Berdasarkan tabel 4.32 dapat diperoleh model persamaan regresi sebagai berikut: IHSG= 4527,53 – 0,23kurs – 23522,02BI Rate + 0,330DJIA – 0,193N225
Adapun interpretasi terhadap model regresi tersebut adalah sebagai berikut : 1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 bernilai 0, maka nilai IHSG adalah 4527,53. 2) Kurs = -0,235 maksudnya adalah jika setiap kenaikan kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan IHSG turun sebesar 0,235. 3) BI Rate = -23522,02 maksudnya adalah jika setiap kenaikan BI Rate 1% (kurs, indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan IHSG turun sebesar 23522,02. 4) Indeks DJIA = 0,330 maksudnya adalah jika setiap indeks DJIA naik 1000 (kurs, BI Rate, indeks HSI dan
113
indeks Nikkei225 tetap) maka akan menyebabkan IHSG naik sebesar 0,330. 5) Indeks Nikkei225 = -0,193 maksudnya adalah jika setiap indeks Nikkei225 naik 1000 (kurs, BI Rate, indeks DJIA, indeks HSI tetap) maka akan menyebabkan IHSG turun sebesar 0,193. Uji Adjusted R Square (R2) Tabel 4.33 Uji Adjusted R terhadap Variabel IHSG 2
b
Model Summary Model 1
R .980
R Square a
.960
Adjusted R Square .957
Std. Error of the Estimate 194.25971
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG Sumber : data diolah
Besarnya angka Adjusted R Square adalah 0,957 atau sebesar 95,7%. Dapat disimpulkan bahwa Variabel indeks harga saham gabungan dapat dijelaskan oleh variabel kurs Rupiah terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 sebesar 95,7%. Sedangkan sisanya 4,3% (100% 95,7%) dapat dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam penelitian seperti inflasi, Produk Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun angka koefisien korelasi (R) menunjukan angka sebesar 0,980 yang menandakan bahwa hubungan antara
114
variabel independen dan variabel dependen adalah kuat karena memiliki nilai lebih dari 0,5 (0,980 > 0,5). 3.2 Uji Statistik persamaan ii (JII)
Uji F Simultan Tabel 4.34 Uji F Terhadap Variabel JII b
ANOVA Model 1 Regression Residual Total
Sum of Squares
df
Mean Square
F 188,843
723124,364
5
144624,873
41355,742
54
765,847
764480,106
59
Sig. ,000
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: JII Sumber : data diolah
Berdasarkan tabel 4.34, nilai F hasil perhitungan sebesar 188,843 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F hitung > F tabel (188,843 > 2,39), maka H0 ditolak atau Ha diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA, Indeks
HSI,
Indeks
Nikkei225
secara
bersama-sama
berpengaruh terhadap Jakarta Islamic Index (JII).
115
a
Uji t Parsial Tabel 4.35 Uji t Terhadap Variabel JII Coefficients Unstandardized Coefficients
Model 1 (Constant) KURS BI_RATE DJIA HSI N225
B Std. Error 548,357 126,182 -,028 ,008 -3565,134 551,629 ,034 ,003 ,004 ,003 -,007 ,005
a
Standardized Coefficients Beta -,202 -,375 ,501 ,112 -,097
T 4,346 -3,359 -6,463 10,521 1,340 -1,406
Sig. ,000 ,001 ,000 ,000 ,186 ,165
Collinearity Statistics Toleranc e VIF ,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
a. Dependent Variable: JII Sumber : data diolah
a) Uji Terhadap Variabel Kurs Hasil yang didapat pada tabel 4.35 di atas, variabel Kurs menunjukkan nilai 0,001 lebih kecil dari α (0,001 < 0,05). Sedangkan nilai t hitung variabel kurs = -3,359 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (3,359 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Kurs berpengaruh negatif terhadap JII. b) Uji Terhadap Variabel BI Rate Hasil yang didapat pada tabel 4.35 di atas, variabel BI Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel BI Rate = -6,463 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (6,463 > 2,00488).
116
Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel BI Rate berpengaruh negatif terhadap JII. c) Uji Terhadap Variabel Indeks DJIA Hasil yang didapat pada tabel 4.35 di atas, variabel Indeks DJIA menunjukkan 0,000 nilai lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks DJIA = 10,521 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (10,521 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks DJIA berpengaruh positif terhadap JII. d) Uji Terhadap Variabel Indeks HangSeng Hasil yang didapat pada tabel 4.35 di atas, variabel Indeks HangSeng menunjukkan 0,186 nilai lebih besar dari α (0,186 > 0,05). Sedangkan nilai t hitung variabel indeks HSI = 1,340 dan t tabel sebesar 2,00488 (df (n-k1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel (1,340 < 2,00488). Maka H0 diterima sehingga dapat disimpulkan bahwa variabel Indeks HangSeng tidak berpengaruh terhadap JII. e) Uji Terhadap Variabel Indeks Nikkei 225 Hasil yang didapat pada tabel 4.35 di atas, variabel Indeks Nikkei225 menunjukkan 0,165 nilai lebih besar
117
dari α (0,165 > 0,05). Sedangkan nilai t hitung variabel indeks Nikkei 225 = -1,406 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel (1,406 < 2,00488). Maka H0 diterima sehingga dapat disimpulkan bahwa variabel Indeks Nikkei 225 tidak berpengaruh terhadap JII. Berdasarkan tabel 4.35 dapat diperoleh model persamaan regresi sebagai berikut: JII= 548,36 – 0,28kurs– 3565,13BI Rate + 0,034DJIA
Adapun interpretasi terhadap model regresi tersebut adalah sebagai berikut : 1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 bernilai 0 maka JII sebesar 548,36. 2) Kurs = -0,28 maksudnya adalah jika setiap kenaikan kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan JII turun sebesar 0,28. 3) BI Rate = -3565,13 maksudnya adalah jika setiap BI Rate sebear 1% (kurs, indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan JII turun sebesar 3565,13.
118
4) Indeks DJIA = 0,034 maksudnya adalah jika setiap indeks DJIA naik 1000 (kurs, BI Rate, indeks HSI, dan indeks Nikkei225 tetap) maka akan menyebabkan JII naik sebesar 0,034.
Uji Adjusted R Square (R2) Tabel 4.36 Uji Adjusted R2 terhadap Variabel JII b
Model Summary Model
R
1
.973
R Square a
.946
Adjusted R Square
Std. Error of the Estimate
.941
27.67394
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS b. Dependent Variable: JII S umber : data diolah
Besarnya angka Adjusted R Square adalah 0,941 atau sebesar 94,1%. Dapat disimpulkan bahwa Variabel Jakarta islamic indeks (JII) dapat dijelaskan oleh variabel kurs Rupiah terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 sebesar 94,1%. Sedangkan sisanya 5,9% (100% 94,1%) dapat dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam penelitian seperti inflasi, Produk Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun angka koefisien korelasi (R) menunjukan angka sebesar 0,973 yang menandakan bahwa hubungan antara variabel independen dan variabel dependen adalah kuat karena memiliki nilai lebih dari 0,5 (0,973 > 0,5).
119
3.3 Uji Statistik persamaan iii (LQ45)
Uji F Simultan Tabel 4.37 Uji F Terhadap Variabel LQ45 b
ANOVA Sum of Model Squares 1 Regression 1175903,192 Residual Total
Mean Square
F
5
235180,638
229,610
55310,073
54
1024,261
1231213,265
59
df
Sig. ,000
a
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS b. Dependent Variable: LQ45 Sumber : data diolah
Berdasarkan tabel 4.37, nilai F hasil perhitungan sebesar 229,610 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F hitung > F tabel (229,610 > 2,39), maka H0 ditolak atau Ha diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA, Indeks
HSI,
Indeks
Nikkei225
secara
bersama-sama
berpengaruh terhadap indeks LQ45.
120
Uji t Parsial Tabel 4.38 Uji t Terhadap Variabel LQ45 Coefficients Unstandardized Coefficients B Std. Error
Model 1 (Constant 831,491 ) KURS -,049 BI_RATE -3518,231 DJIA ,045 HSI ,006 N225 -,019 a. Dependent Variable: S LQ45
a
Standardize d Coefficients Beta
145,926 ,010 637,942 ,004 ,004 ,006
-,278 -,292 ,510 ,115 -,211
t
Sig.
5,698
,000
-5,058 -5,515 11,755 1,515 -3,354
,000 ,000 ,000 ,136 ,001
Collinearity Statistics Tolerance VIF
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Sumber : data diolah
a) Uji Terhadap Variabel Kurs Hasil yang didapat pada tabel 4.38 di atas, variabel Kurs menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel kurs = -5,058 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (5,058 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Kurs berpengaruh negatif terhadap LQ45. b) Uji Terhadap Variabel BI Rate Hasil yang didapat pada tabel 4.38 di atas, variabel BI Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel BI Rate = -5,515 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (5,515 > 2,00488).
121
Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel BI Rate berpengaruh negatif terhadap LQ45. c) Uji Terhadap Variabel Indeks DJIA Hasil yang didapat pada tabel 4.38 di atas, variabel Indeks DJIA menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks DJIA = 11,755 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (11,755 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks DJIA berpengaruh positif terhadap LQ45. d) Uji Terhadap Variabel Indeks HangSeng Hasil yang didapat pada tabel 4.38 di atas, variabel Indeks HangSeng menunjukkan nilai 0,136 lebih besar dari α (0,136 > 0,05). Sedangkan nilai t hitung variabel indeks HSI = 1,515 dan t tabel sebesar 2,00488 (df (n-k1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel (1,515 < 2,00488). Maka H0 diterima sehingga dapat disimpulkan bahwa variabel Indeks HangSeng tidak berpengaruh terhadap LQ45. e) Uji Terhadap Variabel Indeks Nikkei 225 Hasil yang didapat pada tabel 4.38 di atas, variabel Indeks Nikkei225 menunjukkan nilai 0,000 lebih kecil
122
dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks Nikkei225 = -3,354 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (3,354 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan
bahwa
variabel
Indeks
Nikkei225
berpengaruh negatif terhadap LQ45. Berdasarkan tabel 4.38 dapat diperoleh model persamaan regresi sebagai berikut: LQ45= 831,49 – 0,049kurs – 3518,23BI Rate + 0,045DJIA– 0,019N225
Adapun interpretasi terhadap model regresi tersebut adalah sebagai berikut : 1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 bernilai 0, maka indeks LQ45 sebesar 831,49. 2) Kurs = -0,049 maksudnya adalah jika setiap kenaikan kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI, dan indeks Nikkei225 tetap) maka akan menyebabkan Indeks LQ45 turun sebesar 0,049. 3) BI Rate= -3518,23 maksudnya adalah jika setiap BI Rate naik sebesar 1% (kurs, Indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan LQ45 turun sebesar 3518,23.
123
4) Indeks DJIA = 0,045 maksudnya adalah jika setiap indeks DJIA sebesar 1000 (kurs, BI Rate, indeks HSI, dan indeks Nikkei225 tetap) maka akan menyebabkan Indeks LQ45 naik sebesar 0,045. 5) Indeks Nikkei 225 = -0,019 maksudnya adalah jika indeks nikkei225 naik 1000 (kurs, BI Rate, indeks DJIA dan indeks HSI tetap) maka akan menyebabkan Indeks LQ45 turun sebesar 0,019.
Uji Adjusted R Square (R2) Tabel 4.39 Uji Adjusted R2 terhadap Variabel LQ45 b
Model Summary Model
R
1
.977
R Square a
.955
Adjusted R Square .951
Std. Error of the Estimate 32.00407
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS b. Dependent Variable: LQ45 Sumber : data diolah
Besarnya angka Adjusted R Square adalah 0,951 atau sebesar 95,1%. Dapat disimpulkan bahwa Variabel indeks LQ45 dapat dijelaskan oleh variabel kurs Rupiah terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 sebesar 95,1%. Sedangkan sisanya 4,9% (100% - 95,1%) dapat dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam penelitian seperti inflasi, Produk Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun angka koefisien korelasi (R) menunjukan angka sebesar 0,977
124
yang menandakan bahwa hubungan antara variabel independen dan variabel dependen adalah kuat karena memiliki nilai lebih dari 0,5 (0,977 > 0,5). 3.4 Uji Statistik persamaan iv (Kompas100)
Uji F Simultan Tabel 4.40 Uji F Terhadap Variabel Kompas100 b
ANOVA Model 1 Regression Residual Total
Sum of Squares
Mean Square
Df
F
2192027,805
5
438405,561
91776,573
54
1699,566
2283804,378
59
257,951
Sig. ,000
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: KOMPAS100 Sumber : data diolah
Berdasarkan tabel 4.28, nilai F hasil perhitungan sebesar 257,951 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F hitung > F tabel (257,951 > 2,39), maka H0 ditolak atau Ha diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA, Indeks
HSI,
Indeks
Nikkei225
secara
bersama-sama
berpengaruh terhadap indeks Kompas100.
125
a
Uji t Parsial Tabel 4.41 Uji t Terhadap Variabel Kompas100 Coefficients
Model 1(Constant)
Unstandardized Coefficients B Std. Error 1113,142
a
Standardized Coefficients Beta
187,973
KURS -,063 ,013 BI_RATE -4736,767 821,760 DJIA ,061 ,005 HIS ,009 ,005 N225 -,037 ,007 a. Dependent Variable: KOMPAS100
-,259 -,289 ,516 ,129 -,300
T
Sig.
5,922
,000
-4,988 -5,764 12,586 1,792 -5,037
,000 ,000 ,000 ,079 ,000
Collinearity Statistics Tolerance VIF
,276 ,297 ,442 ,144 ,210
Sumber : data diolah
a) Uji Terhadap Variabel Kurs Hasil yang didapat pada tabel 4.41 di atas, variabel Kurs menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel kurs = -4,988 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (4,988 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Kurs berpengaruh negatif terhadap Kompas100. b) Uji Terhadap Variabel BI Rate Hasil yang didapat pada tabel 4.41 di atas, variabel BI Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel BI Rate = -5,764 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (5,574 > 2,00488).
126
3,626 3,367 2,262 6,965 4,765
Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel
BI
Rate
berpengaruh
negative
terhadap
Kompas100. c) Uji Terhadap Variabel Indeks DJIA Hasil yang didapat pada tabel 4.41 di atas, variabel Indeks DJIA menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks DJIA = 12,586 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (12,586 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks DJIA berpengaruh positif terhadap Kompas100. d) Uji Terhadap Variabel Indeks HangSeng Hasil yang didapat pada tabel 4.41 di atas, variabel Indeks HangSeng menunjukkan nilai 0,079 lebih besar dari α (0,079 > 0,05. Sedangkan nilai t hitung variabel indeks HSI = 1,792 dan t tabel sebesar 2,00488 (df (n-k1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel (1,792 < 2,00488). Maka H0 diterima sehingga dapat disimpulkan bahwa variabel Indeks HangSeng tidak berpengaruh terhadap Kompas100.
127
e) Uji Terhadap Variabel Indeks Nikkei 225 Hasil yang didapat pada tabel 4.41 di atas, variabel Indeks Nikkei225 menunjukkan nilai 0,000 lebih kecil dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel indeks Nikkei225 = -5,037 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel (5,037 > 2,00488). Maka H0 ditolak sehingga dapat disimpulkan bahwa variabel Indeks Nikkei225 berpengaruh negatif terhadap Kompas100. Berdasarkan tabel 4.41 dapat diperoleh model persamaan regresi sebagai berikut: Kompas100 = 1113,14 – 0,063kurs – 4736,77 BI Rate + 0,061DJIA– 0,037N225
Adapun interpretasi terhadap model regresi tersebut adalah 1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 bernilai 0, maka indeks Kompas 100 adalah sebesar 1113,14. 2) Kurs = -0,063 maksudnya adalah jika setiap kenaikan kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan indeks Kompas 100 turun sebesar 0,063. 3) BI Rate = -4736,77 maksudnya adalah jika setiap BI Rate naik sebesar 1% (kurs, indeks DJIA, indeks HSI
128
dan indeks Nikkei225 tetap) maka akan menyebabkan indeks Kompas 100 turun sebesar 4736,77. 4) Indeks DJIA = 0,061 maksudnya adalah jika setiap indeks DJIA sebesar 1000 (kurs, BI Rate, indeks HSI dan indeks Nikkei225 tetap) maka akan menyebabkan indeks Kompas 100 naik sebesar 0,061. 5) Indeks Nikkei225 = -0,037 maksudnya adalah jika setiap indeks Nikkei225 naik sebesar 1000 (kurs, BI Rate, indeks DJIA, dan indeks HSI tetap) maka akan menyebabkan indeks Kompas 100 turun sebesar 0,037.
Uji Adjusted R Square (R2) Tabel 4.42 Uji Adjusted R2 terhadap Variabel Kompas100 b
Model Summary
Model
R
1
.980
R Square a
Adjusted R Square
.960
.956
Std. Error of the Estimate 41.22579
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: KOMPAS100 Sumber : data diolah
Besarnya angka Adjusted R Square adalah 0,956 atau sebesar 95,6%. Dapat disimpulkan bahwa Variabel indeks Kompas100 dapat dijelaskan oleh variabel kurs Rupiah terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 sebesar 95,6%. Sedangkan sisanya 4,4% (100% - 95,6%) dapat dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan 129
kedalam penelitian seperti inflasi, Produk Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun angka koefisien korelasi (R) menunjukan angka sebesar 0,980 yang menandakan bahwa hubungan antara variabel independen dan variabel dependen adalah kuat karena memiliki nilai lebih dari 0,5 (0,980 > 0,5). Tabel 4.43 Hasil Uji F, Uji t dan Adjusted R Square Semua Model Persamaan Adjusted Konsisten Model Uji F Uji t R dengan Simultan Parsial Square penelitian α = 5% α = 5% 95,7% Kewal i (IHSG) bo = Sig =0.000 (2012), (0.000<0.05) 4527,53 Oktaria bkurs = -0,23 F hitung = (2011), bBI Rate = 262,136 dan F tabel = 2,39 23522,02 Nachrowi (F hitung > F bDJIA = dan 0,330 Usman tabel) (2007). bHSI =-0,23 Ho ditolak Bepengaruh bN225 =0,193 Sig kurs = 0,000 maka Ho ditolak Sig Bi Rate =0,000 maka Ho ditolak Sig DJIA =0,000 maka Ho ditolak Sig HSI =0,301maka Ho diterima 130
ii (JII)
iii (LQ45)
Sig =0.000 (0.000<0.05) F hitung = 188,843 F tabel = 2,39 (F hitung > F tabel) Ho ditolak Bepengaruh
Sig Nikkei225 =0,000 maka Ho ditolak bo = 548,36 bkurs = -0,28 bBI Rate = 3565,13 bDJIA = 0,034 bHSI =-0,004 bN225 = 0,007
Sig =0.000 (0.000<0.05) F hitung = 229,610 F tabel = 2,39
Sig kurs = 0,001 maka Ho ditolak Sig Bi Rate =0,000 maka Ho ditolak Sig DJIA =0,000 maka Ho ditolak Sig HSI =0,186 maka Ho diterima Sig Nikkei225 =0,165 maka Ho diterima bo = 831,49 bkurs = 0,049 bBI Rate = 3518,23
94,1%
Kewal (2012), Wasriati (2010) dan Moh Mansur (2005).
95,1%
Sukono dan Indarto (2012) dan
131
(F hitung > F tabel) Ho ditolak Bepengaruh
iv Sig =0.000 (Kompas100) (0.000<0.05) F hitung = 262,136 F tabel = 2,39 (F hitung > F tabel) Ho ditolak Bepengaruh
Prakarsa dan Kusuma (2008).
bDJIA = 0,045 bHSI =-0,006 bN225 = 0,019 Sig kurs = 0,000 maka Ho ditolak Sig Bi Rate =0,000 maka Ho ditolak Sig DJIA =0,000 maka Ho ditolak Sig HSI =0,136 maka Ho diterima Sig Nikkei225 =0,001 maka Ho ditolak bo = 1113,14 bkurs = 0,063 bBI Rate = 4736,77 bDJIA = 0,061 bHSI =-0,009 bN225 = 0,037
95,6%
Sukono dan Indarto (2012) dan Prakarsa dan Kusuma (2008).
Sig kurs = 0,000 maka
132
Ho ditolak Sig Bi Rate =0,000 maka Ho ditolak Sig DJIA =0,000 maka Ho ditolak Sig HSI =0,079 maka Ho diterima Sig Nikkei225 =0,000 maka Ho ditolak
C. Interpretasi Adapun interpretasi penulis terhadap hasil penelitian yang telah dilakukan adalah sebagai berikut : 1. Pengaruh nilai tukar Rupiah terhadap Dolar (Kurs) terhadap Indeks-indeks di Bursa Efek di Indonesia. Berdasarkan hasil penelitian yang telah dijelaskan di atas, dapat di simpulkan bahwa nilai kurs rupiah terhadap dolar memiliki pengaruh terhadap indeks-indeks yang ada di Bursa Efek Indonesia seperti indeks Harga Saham Gabungan (IHSG), Jakarta Islamic Indeks (JII), Indeks LQ45 dan indeks Kompas100. Sedangkan pengaruh antara kurs dan indeks-indeks tersebut adalah negatif. Hasil ini didukung oleh
133
penelitian kewal (2012), Oktaria (2011), Wasriati (2010) yang menyatakan bahwa kurs berpengaruh dan memiliki pengaruh yang negatif. Pengaruh antara kurs rupiah dan harga saham berlawanan arah, artinya semakin kuat kurs rupiah terhadap US $ (rupiah terapresiasi) maka akan meningkatkan harga saham, dan sebaliknya. Hasil yang diperoleh ini konsisten dengan teori, di mana menguatnya kurs rupiah terhadap US $ merupakan sinyal positif bagi perekonomian yang mengalami inflasi. Menguatnya kurs rupiah terhadap US $ akan menurunkan biaya produksi terutama biaya impor bahan baku dan akan diikuti menurunnya tingkat bunga yang berlaku, hal ini akan memberikan dampak positif pada laba perusahaan yang akhirnya menaikkan pendapatan per lembar saham (EPS) dan pada akhirnya investor akan semakin tertarik menginvestasikan uangnya di pasar modal Indonesia. Dan pada akhirnya indeks-indeks di Bursa Efek meningkat. 2. Pengaruh tingkat suku bunga Bank Indonesia (BI Rate) terhadap Indeks-indeks di Bursa Efek di Indonesia. Berdasarkan hasil penelitian yang telah dilakukan terhadap indeksindeks yang ada di Bursa Efek Indonesia di dapat hasil bahwa BI Rate memiliki berpengaruh terhadap indeks-indeks di Bursa Efek Indonesia dan pengaruh yang terjadi adalah pengaruh negatif. Penelitian ini konsisten dengan penelitian yang dilakukan oleh Nachrowi dan Usman
134
(2007) yang menyatakan bahwa kurs berpengaruh negatif terhadap indeks di pasar modal Indonesia. Penjelasannya adalah sebagai berikut, pada saat rupiah mengalami depresiasi, maka investor cenderung memilih memegang Dolar sehingga mereka segera melepas sahamnya di pasar modal Indonesia untuk dialihkan ke valuta asing. Akibatnya indeks di pasar modal Indonesia cenderung turun. Kenaikan suku bunga Bank Indonesia akan mendorong investor menjual saham dan menempatkan dananya dibank. Dana di bank lebih aman dibandingkan di bursa efek. Kenaikan suku bunga juga akan mendorong jatuhnya indeks di pasar modal Indonesia. Pengaruh negatif antara BI Rate dengan indeks-indeks di pasar modal Indonesia ini mengindikasikan bahwa ada pengaruh berlawanan arah antar keduanya. Dimana ketika pemerintah mengumumkan tingkat bunga yang lebih tinggi maka investor akan menjual sahamnya dan menggantikannya
pada
instrumen
berpendapatan
tetap
yang
memberikan tingkat bunga yang lebih tinggi. 3. Pengaruh indeks Dow Jones Average Industrial (DJIA) terhadap Indeks-indeks di Bursa Efek di Indonesia. Hasil
penelitian
menunjukan
bahwa
indeks
Dow
Jones
berpengaruh positif terhadap indeks-indeks di pasar modal Indonesia dan memiliki pengaruh yang positif, artinya apabila Indeks Dow Jones semakin meningkat, maka indeks di Pasar modal Indonesia akan
135
semakin meningkat pula. Hasil ini konsisten dengan penelitian Sukono dan Indarto (2012), Oktaria (2011), Prakarsa dan Kusuma (2008). Sebagai akibat semakin luasnya globalisasi, maka tidak menutup kemungkinan investor-investor asing menanamkan modalnya pada pasar modal Indonesia. Pasar modal merupakan salah satu cermin kondisi perekonomian suatu negara. Akibat globalisasi maka, perekonomian
suatu
negara
akan
dipengaruhi
oleh
kondisi
perekonomian dunia. Kapitalisme dan liberalisme telah membuat posisi negara yang mempunyai sumber daya besar akan lebih memengaruhi perekonomian dunia. Dengan kata lain, baik atau buruknya kondisi perekonomian dunia lebih di tentukan oleh negaranegara “kuat” tersebut. (Nachrowi & Usman, 2006:56). Perubahan ekonomi di negara Amerika sedikit banyak akan mempengaruhi negara lain. Karena indeks DJIA mewakili negara Amerika yang notabene negara super power. 4. Pengaruh indeks HangSeng (HSI) terhadap Indeks-indeks di Bursa Efek di Indonesia. Berdasarkan hasil penelitian yang telah dilakukan menunjukan bahwa indeks Hangseng (HongKong) tidak berpengaruh terhadap indeks di Bursa Efek di Indonesia. Hal ini dapat dilihat dari nilai signifikansi uji t parsial di setiap indeks pasar modal Indonesia yang selalu menunjukan hasil tidak signifikan ( t parsial > 0,05). Hasil ini konsisten dengan penelitian Moh. Mansur (2005) dan Darmawan
136
(2009) yang menyatakan bahwa indeks HangSeng tidak berpengaruh terhadap indeks di pasar modal Indonesia. Namun, Nurdiansyah (2009) dan Palina (2011) menyatakan bahwa HSI berpengaruh signifikan terhadap indeks-indeks di Bursa Efek Indonesia. Jika dilihat dari segi regional, maka indeks HangSeng akan lebih pengaruh terhadap indeks di pasar modal Indonesia, namun pada kenyataannya dari hasil penelitian yang telah dilakukan sebelumnya menjelaskan bahwa indeks HangSeng tidak mempengaruhi pasar modal Indonesia. Hal ini mungkin saja terjadi karena tidak semua pasar modal yang secara regional berdekatan maka akan mempengaruhi satu sama lainnya. 5. Pengaruh indeks Nikkei225 terhadap Indeks-indeks di Bursa Efek di Indonesia. Hasil
penelitian
menyebutkan
bahwa
indeks
Nikkei225
berpengaruh terhadap indeks di pasar modal Indonesia (IHSG,LQ45 dan Kompas100) sedangkan untuk indeks Jakarta Islamic Indeks (JII) menunjukan
nilai signifikan sebesar 0,165 yang dapat disimpulkan
bahwa indeks Nikkei225 tidak berpengaruh terhadap indeks JII (0,165 > 0,05), namun uji secara simultan menunjukan bahwa indeks Nikkei225 berpengaruh signifikan terhadap indeks JII. Hasil ini konsisten dengan penelitian Moh. Mansur (2005) dan Darmawan (2009).
137
Dengan semakin terbukanya pasar modal antar negara, maka beberapa emiten di Bursa Efek Jakarta juga mencatatkan sahamnya di bursa luar negeri (dual listing). Pergerakan harga saham pada sejumlah bursa internasional cenderung berfluktuasi yang tentunya akan memberikan dampak terhadap IHSG yang disebabkan karena adanya saham perusahaan Indonesia yang dual listing. Dengan keterbukaan pasar antar negara, investor asing dapat meningkatkan return tanpa adanya peningkatan dalam resiko melakukan diversifikasi portofolio internasional. Diversifikasi ini telah memberikan efek terhadap tingkat permintaan saham di Bursa Efek Jakarta. Peningkatan permintaan
saham
akan
mempengaruhi
harga
saham
yang
bersangkutan dan indeks harga saham gabungan (IHSG).
138
BAB V KESIMPULAN DAN IMPLIKASI
A. Kesimpulan Dari hasil penelitian yang telah dibahas pada bab sebelumnya dapat ditarik kesimpulan sebagai berikut : 1.
Berdasarkan uji secara simultan menunjukan bahwa variabel kurs, BI rate, indeks DJIA, Indeks HSI dan Indeks Nikkei225 berpengaruh secara bersama-sama terhadap IHSG, JII, LQ45 dan Kompas100.
2.
Berdasarkan hasil penelitian didapat bahwa variabel kurs rupiah terhadap dollar berpengaruh secara parsial terhadap variabel dependen IHSG, JII, LQ45 dan Kompas 100. Pengaruh yang terjadi adalah pengaruh negatif, dimana ketika kurs naik maka IHSG, JII, LQ45 dan Kompas100 akan mengalami penurunan.
3.
Berdasarkan hasil penelitian didapat bahwa variabel BI Rate berpengaruh secara parsial terhadap variabel dependen IHSG, JII, LQ45 dan Kompas 100. Pengaruh yang terjadi adalah pengaruh negatif, dimana ketika BI Rate naik maka IHSG, JII, LQ45 dan Kompas100 akan mengalami penurunan.
4.
Berdasarkan hasil penelitian didapat bahwa variabel Indeks DJIA berpengaruh secara parsial terhadap variabel dependen IHSG, JII, LQ45 dan Kompas 100. Pengaruh yang terjadi adalah pengaruh
139
positif, dimana ketika Indeks DJIA naik maka IHSG, JII, LQ45 dan Kompas100 akan mengalami kenaikan pula. 5.
Berdasarkan hasil penelitian didapat bahwa variabel Indeks HSI tidak berpengaruh terhadap variabel dependen IHSG, JII, LQ45 dan Kompas 100.
6.
Berdasarkan hasil penelitian didapat bahwa variabel Indeks Nikkei225 berpengaruh secara parsial terhadap variabel dependen IHSG, LQ45 dan Kompas 100. Sedangkan Indeks Nikkei225 tidak berpengaruh terhadap variabel JII. Pengaruh yang terjadi adalah pengaruh positif, dimana ketika Indeks DJIA naik maka IHSG, LQ45 dan Kompas100 akan mengalami kenaikan pula.
B. Implikasi 1. Bagi Akademisi Hasil penelitian ini diharapkan dapat menambah wawasan pustaka bagi ilmu pengetahuan khususnya dalam bidang pasar modal dan investasi, serta dapat digunakan sebagai bahan pertimbangan dan tambahan informasi dalam melakukan penelitian selanjutnya. 2. Bagi Investor Hasil penelitian ini diharapkan dapat memperhatikan variabel-variabel makroekonomi dan indeks luar negeri dalam pengambilan keputusan investasi. Hal ini penting dilakukan agar dapat memilih investasi yang labih tepat dan terhindar dari resiko kerugian.
140
C. Saran Untuk penelitian Yang Akan Datang Penelitian ini dibuat dengan membandingkan indeks-indeks yang ada di Bursa Efek Indonesia (IHSG,JII, LQ45 dan Kompas100) dengan variabel makro dan indeks dari tiga negara yang penulis duga memiliki pengaruh terhadap pasar modal Indonesia dan menggunakan kurun waktu penelitian dari bulan Januari 2008 sampai dengan bulan Desember 2012 (60) bulan. Penelitian lai dapat mencoba membuat model dalam kurun waktu berbeda. Penelitian lain juga dapat menggunakan indeks dari Negara-negara lainnya yang di duga memeliki pengaruh dengan indeks di pasar modal Indonesia.
141
DAFTAR PUSTAKA
Antolis, Teguh dan Dossugi, Samuel. “Pengaruh Fluktuasi IHSG, Inflasi, Dan Suku Bunga Terhadap Imbal Hasil Unitlink Berbasis Saham” Journal of Applied Finance and Accounting Vol. 1 No.1 November 2008:141-165. Bank Indonesia. “Statistik Ekonomi dan Keuangan Indonesia”. Beberapa tahun terbitan. ____________ “Statistik Ekonomi dan Perbankan Indonesia”. Beberapa tahun terbitan. Cholidah, Rizka. “Pengaruh Inflasi, Kurs dan Suku Bunga SBI Terhadap Indeks JII Periode Tahun 2007-2011”. Skripsi FEB Ilmu Ekonomi dan Studi Pembangunan, UIN Syarif Hidayatullah, Jakarta. 2012. Darmadji, Tjiptono dan Fakhruddin, Hendy M. “Pasar Modal Indonesia: Pendekatan Tanya Jawab”. Jakarta : Salemba 4. 2001. Darmawan, Fajar Budhi. “Pengaruh Indeks DJIA, FTSE 100, NKY 225 dan HSI Terhadap Indeks Harga Saham Gabungan Sebelum, Ketika Dan Sesudah subprime Mortagage pada Tahun 2006-2009”. Thesis Fakultas Ekonomika dan Bisnis, Universitas Gadjah Mada. 2009. Darmawi, Hermawan. “Pasar Finansial Dan Lembaga-Lembaga Finansial”. Jakarta : Bumi Aksara. 2006. Fatiyah, Siti. “Analisis Pengaruh Faktor Variabel Makroekonomi Luar Negeri Dan Dalam Negeri Terhadap Pergerakan IHSG di Bursa Efek Indonesia (2004-2010)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta. 2012. Ghazali, Imam. “Aplikasi analisis Multivariate dengan program IBM SPSS 20”. Semarang : Badan penerbit Universitas Diponegoro. 2012. Gujarati, N Demodar. “Dasar-Dasar Ekonometrika”. Jakarta : Penerbit Erlangga. 2006. Hady, Hamdy. “Manajemen Keuangan Internasional”. Jakarta: Mitra Wacana Media. 2010. Halim, Abdul. “Analisis Investasi”. Jakarta : Salemba Empat. 2005. Hamid, Abdul. “Pasar Modal Syariah”. Jakarta : Lembaga Penelitian UIN Jakarta. 2009.
142
Heryana, Toni. “Pengaruh Indeks Bursa Internasional Dow Jones dan Tingkat Suku Bunga Terhadap Indeks Harga Saham Gabungan di Bursa Eefek Jakarta”. Jurnal Percikan : Vol. 101 Edisi Juni 2009. Huda, Nurul dan Mustafa Edwin Nasution. “Investasi Pada Pasar Modal Syariah”. Jakarta : Kencana. 2008. Husnan,
Suad.”Dasar-dasar Teori Portofolio Yogyakarta : UPP AMP YKPN. 2001.
Dan
Analisis
Sekuritas”.
Hosseini, Seyyed Mehdi. “The Role of Macroeconomic Variables on Stock Market Index in China and India”. International Journal of Economics and Finance Vol. 3, No. 6; November 2011. Hsing, Yu. “ Impacts Of Macroeconomic Variables On The Stock Market In Bulgaria And Policy Impilcation”. Jurnal Of economic and Business Volume XIV, 2011 : 41-53. Indonesian Stock Exchange. “IDX Statisitic”. Beberapa Tahun Terbit. Ishomuddin.” Analisis Pengaruh Variabel Makroekonomi Dalam Dan Luar Negeri Terhadap IHSG di BEI Periode 199.1-2009.12”. Skripsi FE UNDIP, Semarang. 2010. Jatiningsih, Oksiana dan Musdholifah. “Pengaruh Variabel Makroekonomi Terhadap Indeks Saham Gabungan di Bursa Efek Jakarta”. Jurnal Aplikasi Manajemen. Volume 5, Nomor 1. April 2007. Kamaruddin, Ahmad. “Dasar-dasar Manajemen Investasi & Portofolio”. Jakarta : PT. Rineka Cipta. 2004. Kewal, Suramaya Suci. “Pengaruh Inflasi, Suku Bunga, Kurs, dan Pertumbuhan PDB Terhadap IHSG”. Jurnal Economia Vol.8 No.1 April 2012. Mankiw, N. Gregory. “Makroekonomi” edisi 6, Harvard University, Edisi Indonesia. Jakarta : Erlangga. 2006. Mansur, Moh. “Pengaruh Indeks Bursa Global Terhadap IHSG di BEJ Periode Tahun 2000-2002”. Bandung. Jurnal Sosiohumaniora, Vol. 7, No. 3, November 2005 : 203 – 219. Mauliano, Deddy Azhar. “Analisis faktor-faktor Yang Mempengaruhi Pergerakan Indeks Harga Saham (IHSG) di Bursa Efek Indonesia”. Skripsi, Gunadarma, Depok. 2009. Muharam, Harjum dan Nurafni Zuraedah. “ Analisis Pengaruh Nilai Tukar Rupiah dan Indeks Saham Dow Jones Industrial Average Terhadap IHSG di BEJ”. Jurnal Maksi Vol.8 No. 1 Januari 2008: 24-42.
143
Nachrowi, N.D, dan Hardius Usman. “ Prediksi IHSG Dengan Model GARCH Dan ARIMA”. Jurnal Ekonomi Dan Pembangunan Indonesia, 2007 : 7391. ______________, “Pendekatan Populer dan Praktis Ekonometrika Untuk analisis Ekonomi dan Keuangan”. Jakarta : LEMBAGA Penerbit Fakultas Ekonomi Universitas Indonesia. 2006. Nurdiansyah, Dian. “ Analisis Hubungan Indeks Harga Saham Gabungan (IHSG) Indonesia, Amerika (DJIA), Tokyo (Nikkei), Hongkong (HSI) dan Korea (KOSPI)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta. 2009. Oktaria, Sela. “Analisis Pengaruh Harga Emas Dunia, Variabel Makroekonomi, Indeks Dow Jones (DJIA) Terhadap Indeks Harga Saham Gabungan (IHSG) di Bursa Efek Indonesia (BEI)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta. 2011. Samsul, Mohamad. “Pasar Modal dan Manajemen Portofolio”. Jakarta : Penerbit Erlangga. 2006. Saputra, Handika Bepa. “ Analisis Pengaruh Fluktuasi Harga Minyak Mentah Dunia, Kurs dan Inflasi Terhadap Perdagangan Saham di Pasar Modal Syariah (JII) dan Pasar Modal Konvensional (IHSG)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta. 2010. Siamat, Dahlan. “Manajemen Lembaga Keuangan. Kebijakan Moneter dan Perbankan“. Edisi Kelima. Penerbit Fakultas Ekonomi Universitas Indonesia. 2004. Sukirno, Sadono. “Makroekonomi Teori Pengantar”. Jakarta : Rajawali Pers. 2010. Teguh,
Muhammad. “Metodologi Penelitian RajaGrafindo Persada. 2005.
Ekonomi”.
Jakarta
:
PT.
Palina, Adlin. “Analisis Hubungan Indeks Harga Saham Negara-Negara Amerika (DJIA), Hongkong (HSI), Jepang (Nikkei 225), dan Korea (KOSPI) Terhadap Indeks Harga Saham Gabungan (IHSG)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta. 2011. Pasaribu, Pananda dkk. “Pengaruh Variabel Makro Ekonomi terhadap IHSG”. Jurnal Ekonomi, Vol 14, No 2. 2009. Prakarsa, Tegararief Ocki dan Kusuma, Budi Hartono. “Analisis Pengeruh Tingkat Suku Bunga SBI, Kurs Tengah BI, Tingkat Inflasi, dan Indeks Saham Dow Jones di New York Stock Exchange Dalam Memprediksi IHSG di BEJ”. Jurnal Ekonomi, November 2008.
144
Rodoni, Ahmad. “Analisis Teknikal dan Fundamental Pada Pasar Modal”. Jakarta : Center for Social Economies Studies (CSES) Press. 2005. _____________, “Investasi Syariah”. Jakarta : Lembaga Penelitian UIN Jakarta. 2009. Winarno, Wing Wahyu. “Analisis Ekonometrika dan Statistika dengan Eviews”. Yogyakarta: UPP STIM YKPN. 2011. Witjaksono, Ardian Agung. “ Analisis Pengaruh Tingkat Suku Bunga SBI, Harga Minyak Dunia, Harga Emas Dunia, Kurs Rupiah, Indeks Nikkei 225, dan Indeks Dow Jones Terhadap IHSG”. Tesis UNDIP, Semarang. 2010. Yuliadi, Imamudin. “Ekonomi Moneter”. Jakarta : PT. Indeks. 2008.
Publikasi: www.bapepam.go.id www.bi.go.id www.bisnisindex.com www.duniainvestasi.com www.idx.co.id www.jurnal-sdm.blogspot.com www.wikipedia.org www.yahoofinance.com
145
LAMPIRAN 1 Data Mentah
Data variabel dependen
Bulan Jan-08 Feb-08 Mar-08 Apr-08 Mei-08 Jun-08 Jul-08 Agust-08 Sep-08 Okt-08 Nop-08 Des-08 Jan-09 Feb-09 Mar-09 Apr-09 Mei-09 Jun-09 Jul-09 Agust-09 Sep-09 Okt-09 Nop-09 Des-09 Jan-10 Feb-10 Mar-10 Apr-10 Mei-10 Jun-10 Jul-10 Agust-10 Sep-10 Okt-10 Nop-10 Des-10 Jan-11
IHSG 2627,25 2721,94 2447,30 2304,52 2444,35 2349,11 2304,51 2165,94 1832,51 1256,70 1241,54 1355,41 1332,67 1285,28 1434,07 1722,77 1916,83 2026,78 2323,24 2341,54 2467,59 2367,70 2415,84 2534,36 2610,80 2549,03 2777,30 2971,25 2796,96 2913,68 3069,28 3081,88 3501,30 3635,32 3531,21 3703,51 3409,17
JII 476,97 508,95 448,42 428,09 441,66 430,29 387,81 356,10 286,39 193,68 195,69 216,19 213,63 214,12 236,79 279,87 307,14 321,46 385,22 380,66 401,53 383,67 397,89 417,18 427,68 413,73 433,67 474,80 444,60 473,79 483,32 473,79 526,52 540,29 508,78 532,90 477,51
LQ45 564,32 590,77 525,41 493,46 518,36 495,17 481,30 449,66 369,14 241,35 241,50 270,23 262,56 249,01 283,08 341,73 373,07 392,12 454,42 456,27 483,96 464,20 476,26 498,29 510,45 496,03 539,80 573,37 543,59 566,10 589,93 581,31 651,93 673,42 638,08 661,38 597,85
Kompas100 661,51 688,40 614,93 575,54 606,13 579,06 565,23 531,44 443,96 299,44 299,18 330,86 323,85 302,24 349,00 421,40 463,81 490,20 565,62 566,92 602,41 574,02 587,42 612,45 628,29 610,83 668,75 715,67 675,34 701,91 735,15 731,89 835,41 853,36 820,08 860,70 782,23
146
Feb-11 Mar-11 Apr-11 Mei-11 Jun-11 Jul-11 Agust-11 Sep-11 Okt-11 Nop-11 Des-11 Jan-12 Feb-12 Mar-12 Apr-12 Mei-12 Jun-12 Jul-12 Agust-12 Sep-12 Okt-12 Nop-12 Des-12
3470,35 3678,67 3819,62 3836,97 3888,57 4130,80 3841,73 3549,03 3790,85 3715,08 3821,99 3941,69 3985,21 4121,55 4180,73 3832,82 3955,58 4142,34 4060,33 4262,56 4350,29 4276,14 4316,69
496,87 514,92 528,76 531,38 536,04 567,12 529,16 492,30 530,19 520,49 537,03 562,54 566,75 584,06 575,09 525,05 544,19 573,73 569,94 600,84 619,27 588,78 594,79
614,02 659,05 680,63 682,25 690,65 729,84 676,26 622,64 675,57 656,41 673,51 692,16 692,77 712,55 711,38 645,69 674,79 712,77 695,53 731,77 751,12 726,81 735,04
802,32 851,88 880,53 881,25 894,91 942,95 872,31 802,72 864,11 840,10 865,20 891,16 897,49 927,44 932,14 841,57 874,45 919,66 895,84 945,09 967,54 941,71 946,27
Data variabel independen
Bulan Jan-08 Feb-08 Mar-08 Apr-08 Mei-08 Jun-08 Jul-08 Agust-08 Sep-08 Okt-08 Nop-08 Des-08 Jan-09 Feb-09
Kurs BI Rate 9291 0,0800 9051 0,0800 9217 0,0800 9234 0,0800 9318 0,0825 9225 0,0850 9118 0,0875 9153 0,0900 9378 0,0925 10995 0,0950 12151 0,0950 10950 0,0925 11355 0,0875 11980 0,0825
DJIA 12650,36 12266,39 12262,89 12820,13 12638,32 11350,01 11378,02 11543,96 10850,66 9325,01 8829,04 8776,39 8000,86 7062,93
HSI 23455,74 24331,67 22849,2 25755,35 24533,12 22102,01 22731,1 21261,89 18016,21 13968,67 13888,24 14387,48 13278,21 12811,57
N225 13592,47 13603,02 12525,54 13849,99 14338,54 13481,38 13376,81 13072,87 11259,86 8576,98 8512,27 8859,56 7994,05 7568,42
147
Mar-09 Apr-09 Mei-09 Jun-09 Jul-09 Agust-09 Sep-09 Okt-09 Nop-09 Des-09 Jan-10 Feb-10 Mar-10 Apr-10 Mei-10 Jun-10 Jul-10 Agust-10 Sep-10 Okt-10 Nop-10 Des-10 Jan-11 Feb-11 Mar-11 Apr-11 Mei-11 Jun-11 Jul-11 Agust-11 Sep-11 Okt-11 Nop-11 Des-11 Jan-12 Feb-12 Mar-12 Apr-12 Mei-12 Jun-12 Jul-12
11575 10713 10340 10225 9920 10060 9681 9545 9545 9480 9365 9335 9115 9012 9180 9083 8952 9041 8924 8928 9013 8991 9057 8823 8709 8574 8537 8597 8508 8578 8823 8835 9170 9068 9000 9085 9180 9190 9565 9480 9485
0,0775 0,0750 0,0725 0,0700 0,0675 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0650 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0675 0,0650 0,0600 0,0600 0,0600 0,0575 0,0575 0,0575 0,0575 0,0575 0,0575
7608,92 8168,12 8500,33 8447 9171,61 9496,28 9712,28 9712,73 10344,84 10428,05 10067,33 10325,26 10856,63 11008,61 10136,63 9774,02 10465,94 10014,72 10788,05 11118,49 11006,02 11577,51 11891,93 12226,34 12319,73 12810,54 12569,79 12414,34 12143,24 11613,53 10913,38 11955,01 12045,68 12217,56 12632,91 12952,07 13212,04 13213,63 12393,45 12880,09 13008,68
13576,02 15520,99 18171 18378,73 20573,33 19724,19 20955,25 21752,87 21821,5 21872,5 20121,99 20608,7 21239,35 21108,59 19765,19 20128,99 21029,81 20536,49 22358,17 23096,32 23007,99 23035,45 23447,34 23338,02 23527,52 23720,81 23684,13 22398,1 22440,25 20534,85 17592,41 19864,87 17989,35 18434,39 20390,49 21680,08 20555,58 21094,21 18629,52 19441,46 19796,81
8109,53 8828,26 9522,5 9958,44 10356,83 10492,53 10133,23 10034,74 9345,55 10546,44 10198,04 10126,03 11089,94 11057,4 9768,7 9382,64 9537,3 8824,06 9369,35 9202,45 9937,04 10228,92 10237,92 10624,09 9755,1 9849,74 9693,73 9816,09 9833,03 8955,2 8700,29 8988,39 8434,61 8455,35 8802,51 9723,24 10083,56 9520,89 8542,73 9006,78 8695,06
148
Agust-12 Sep-12 Okt-12 Nop-12 Des-12
9560 9588 9615 9605 9670
0,0575 0,0575 0,0575 0,0575 0,0575
13090,84 13437,13 13096,46 13025,58 13104,14
19482,57 8839,91 20840,38 8870,16 21641,82 8928,29 22030,39 9446,01 22656,92 10395,18
LAMPIRAN 2 Persamaan i (IHSG) Uji Normalitas terhadap variabel IHSG One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
60 .0000000 1.85846164E2 .070 .057 -.070 .543 .930
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel IHSG
149
Uji Heteroskedastisitas terhadap Variabel IHSG Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant) KURS BI_RATE
Std. Error 6.189
4.093
.000
.000
Beta
t
Sig.
1.512
.144
-.374
-1.022
.317
-10.798
22.054
-.187
-.490
.629
-4.133E-5
.000
-.110
-.330
.744
HSI
.000
.000
-.743
-1.350
.189
N225
.000
.000
.419
.862
.397
DJIA
Scatterplot Terhadap Variabel IHSG
Uji Autokorelasi Terhadap Variabel IHSG Model Summaryb Model 1
R
R Square .980
a
.960
Adjusted R Square
Std. Error of the Estimate
.957
194.25971
Durbin-Watson .919
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG
150
Uji Autokorelasi Terhadap Variabel IHSG (Sesudah Pengobatan) Model Summaryb Model
R
1
R Square .954
a
Adjusted R Square
.911
Std. Error of the Estimate
.902
Durbin-Watson
.05449
1.878
a. Predictors: (Constant), LN_N225Iit@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_IHSGit@
Uji Multikolinieritas Terhdap IHSG
Model 1
Collinearity Statistics Tolerance VIF (Constant) KURS BI_RATE DJIA HSI N225
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Tabel Anova terhadap Variabel IHSG ANOVAb Model 1 Regression
Sum of Squares 49460908,118
Df 5
Mean Square 9892181,624
2037788,997
54
37736,833
51498697,115
59
Residual Total
F 262,136
Sig. ,000a
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG
151
Uji t parsial terhadap Variabel IHSG Coefficientsa Standard ized Unstandardized Coefficie Coefficients nts B Std. Error Beta
Model 1 (Constant)
4527,534
885,748
KURS -,235 BI_RATE -23522,023 DJIA ,330 HSI ,023 N225 -,193 a. Dependent Variable: IHSG
,059 3872,209 ,023 ,022 ,035
-,205 -,302 ,584 ,075 -,328
t
Sig.
5,112
,000
-3,977 -6,075 14,343 1,044 -5,547
,000 ,000 ,000 ,301 ,000
Collinearity Statistics Tolerance VIF ,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Lampiran 3 Persamaan ii (JII) Uji Normalitas terhadap variabel JII
One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N Normal Parameters
60 a
Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
.0000000 26.47536180 .078 .078 -.061 .608 .854
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel JII
152
Uji Heteroskedastisitas terhadap Variabel JII Coefficientsa Unstandardized Coefficients Model 1
B (Constant) KURS
Standardized Coefficients
Std. Error .038
.078
-2.460E-6
.000
BI_RATE
Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
.482
.632
-.118
-.474
.637
.275
3.641
.393
.340
.273
1.157
.253
.306
3.271
DJIA
-2.648E-8
.000
-.003
-.013
.990
.441
2.270
HSI
-1.076E-6
.000
-.187
-.549
.586
.146
6.847
4.003E-7
.000
.036
.130
.897
.225
4.439
N225
a. Dependent Variable: Absut
Scatterplot Terhadap Variabel JII
Uji Autokorelasi terhadap Variabel JII Model Summaryb Model
R
1
R Square .973
a
.946
Adjusted R Square
Std. Error of the Estimate
.941
Durbin-Watson
27.67394
.898
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: JII
Uji Autokorelasi terhadap Variabel JII (Sesudah Pengobatan) Model Summaryb Model 1
R
R Square .924
a
.853
Adjusted R Square .839
Std. Error of the Estimate
Durbin-Watson
.05414
2.036
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_JIIit@
153
Uji Multikolinieritas Terhdap JII
Model 1
Collinearity Statistics Tolerance VIF (Constant) KURS BI_RATE DJIA HSI N225
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
Tabel Anova terhadap Variabel JII ANOVAb Sum of Squares
Model 1 Regression
Mean Square
F
723124,364
5
144624,873
41355,742
54
765,847
764480,106
59
Residual Total
Df
Sig.
188,843
,000a
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: JII
Uji t parsial terhadap Variabel JII Unstandardized Coefficients Model 1 (Constant)
B
Coefficientsa Standardized Coefficients
Std. Error
548,357
126,182
KURS -,028 BI_RATE -3565,134 DJIA ,034 HSI ,004 N225 -,007 a. Dependent Variable: JII
,008 551,629 ,003 ,003 ,005
Beta -,202 -,375 ,501 ,112 -,097
t
Sig.
4,346
,000
-3,359 -6,463 10,521 1,340 -1,406
,001 ,000 ,000 ,186 ,165
Collinearity Statistics Toleranc e VIF ,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
154
Lampiran 3 persamaan iii (LQ45) Uji Normalitas terhadap variabel LQ45
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa
60 .0000000 30.61795016 .092 .050 -.092 .711 .693
Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel LQ45
Uji Heteroskedastisitas Terhadap Variabel LQ45 Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Standardized Coefficients
Std. Error
Beta
t
-.008
.071
5.226E-8
.000
.003
.524
.309
DJIA
8.951E-7
.000
.097
HSI
8.888E-7
.000
.173
-3.453E-6
.000
KURS BI_RATE
N225
Collinearity Statistics Sig.
Tolerance
VIF
-.109
.914
.011
.991
.275
3.641
.408 1.698
.095
.306
3.271
.484
.630
.441
2.270
.499
.620
.146
6.847
-.344 -1.230
.224
.225
4.439
a. Dependent Variable: Absut
155
Scatterplot Terhadap Variabel LQ45
Uji Autokorelasi terhadap Variabel LQ45 Model Summaryb Model
R
1
R Square .977
a
Adjusted R Square
.955
Std. Error of the Estimate
.951
Durbin-Watson
32.00407
.926
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI a.
Dependent Variable: LQ45
Uji Autokorelasi terhadap Variabel LQ45 (Sesudah Pengobatan) Model Summaryb Model 1
R
R Square .945
a
Adjusted R Square
.892
.882
Std. Error of the Estimate
Durbin-Watson
.04945
1.980
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_LQ45it@
Uji Multikolinieritas Terhdap LQ45
Model 1
Collinearity Statistics Tolerance VIF (Constant) KURS BI_RATE DJIA HSI N225
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
156
Tabel Anova terhadap Variabel LQ45 ANOVAb Model 1 Regression Residual Total
Sum of Squares
Df
Mean Square
F
1175903,192
5
235180,638
55310,073
54
1024,261
1231213,265
59
Sig.
229,610
,000a
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b.
Dependent Variable: LQ45
Uji t parsial terhadap Variabel LQ45 Unstandardized Coefficients Model B 1 (Constant 831,491 ) KURS -,049 BI_RATE -3518,231 DJIA ,045 HSI ,006 N225 -,019 a. Dependent Variable: LQ45
Coefficientsa Standardized Coefficients
Std. Error
Beta
145,926 ,010 637,942 ,004 ,004 ,006
-,278 -,292 ,510 ,115 -,211
t
Sig.
5,698
,000
-5,058 -5,515 11,755 1,515 -3,354
,000 ,000 ,000 ,136 ,001
Collinearity Statistics Toleranc e VIF
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
157
Lampiran 4 Persamaan iv (Kompas100) Uji Normalitas terhadap Variabel Kompas100 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa
60 .0000000 39.44027301 .090 .051 -.090 .696 .719
Mean Std. Deviation Absolute Positive Negative
Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a.
Test distribution is Normal.
Normal P-P Plot Untuk Variabel Kompas100
Uji Heteroskedastisitas Terhadap variabel Kompas100 Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Std. Error .046
.069
-2.601E-6
.000
.371
DJIA HSI
KURS BI_RATE
N225
Standardized Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
.669
.507
-.146
-.573
.569
.275 3.641
.297
.302
1.249
.217
.306 3.271
-1.199E-6
.000
-.136
-.673
.504
.441 2.270
1.007E-6
.000
.205
.587
.560
.146 6.847
-3.231E-6
.000
-.337
-1.196
.237
.225 4.439
a. Dependent Variable: Absut
158
Scatterplot Terhadap Variabel Kompas100
Uji Autokorelasi terhadap Variabel Kompas100 b
Model Summary Model 1
R .980
Adjusted R Square
R Square a
.960
Std. Error of the Estimate
.956
Durbin-Watson
41.22579
.983
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: KOMPAS100
Uji Autokorelasi terhadap Variabel Kompas100 (Sesudah pengobatan) b
Model Summary Model 1
R .955
R Square a
Adjusted R Square
.912
Std. Error of the Estimate
.904
.04987
Durbin-Watson 1.978
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@ b. Dependent Variable: LN_KOMPAS100it@
Uji Multikolinieritas Terhdap Kompas100
Model 1
Collinearity Statistics Tolerance VIF (Constant) KURS BI_RATE DJIA HSI N225
,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
159
Tabel Anova terhadap Variabel Kompas100 ANOVAb Model 1 Regression Residual Total
Sum of Squares
Df
Mean Square
2192027,805
5
438405,561
91776,573
54
1699,566
2283804,378
59
F
Sig.
257,951
,000a
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI c.
Dependent Variable: KOMPAS10
Uji t parsial terhadap Variabel Kompas100 Coefficientsa
Model 1 (Constant)
Unstandardized Coefficients Std. B Error 1113,142
Standardize d Coefficients Beta
187,973
KURS -,063 ,013 BI_RATE -4736,767 821,760 DJIA ,061 ,005 HSI ,009 ,005 N225 -,037 ,007 a. Dependent Variable: KOMPAS100
-,259 -,289 ,516 ,129 -,300
t
Sig.
5,922
,000
-4,988 -5,764 12,586 1,792 -5,037
,000 ,000 ,000 ,079 ,000
Collinearity Statistics Toleranc e VIF ,276 ,297 ,442 ,144 ,210
3,626 3,367 2,262 6,965 4,765
160
