ANALISIS HUBUNGAN DINAMIS ANTARA ARUS MODAL ASING, PERUBAHAN NILAI TUKAR DAN PERGERAKAN INDEKS LQ 45 (PENDEKATAN VAR)
OLEH:
WAWAN SUPRIYANTO 660400037X
TESIS Diajukan sebagai salah satu syarat guna memperoleh gelar Magister Sains Ekonomi pada Program Studi Ilmu Ekonomi Program Pascasarjana Fakultas Ekonomi Universitas Indonesia
DEPOK,2006
PERSETUJUAN TESIS
Nama N.P.M Kekhususan Judul Tesis
WAWAN SUPRIY ANTO 660400037X EKONOMI MONETER ANALISIS HUBUNGAN DINAMIS ANTARA ARUS MODAL ASING, PERUBAHAN NILAI TUKAR DAN PERGERAKAN INDEKS LQ 45
Depok, 16 Februari 2006
Pembimbing tesis,
Penguji tesis,
Dr. Sugeng Purwanto
Dr. Has Tampubolon
Ketua/ Sekretaris Program Studi,
ABSTRAKSI TESIS
ANALISIS HUBUNGAN DINAMIS ANTARA ARUS MODAL ASING, PERUBAHAN NILAI TUKAR DAN PERGERAKAN INDEKS LQ 45
WAWAN SUPRIYANTO 660400037X Program Studi Ilmu Ekonomi Program Pascasarjana Fakultas Ekonomi Universitas Indonesia.
Klasifikasi JEL : C32, F31,F 32, H89 Kata Kunci : 1. Modal Asing 2. Indeks LQ 45
3. Nilai tukar 4. Hubungan dinamis
Penelitian ini ditujukan untuk menguji hubungan dinamis antara arus modal asing, perubahan indeks harga saham dan pergerakan nilai tukar. Dengan tujuan ini, maka dilakukan serangkaian uji analisis dengan metode Vector Autoregression (VAR) menggunakan data time series harian untuk periode 1 Januari 2000 hingga 1 Desember 2005. Hasil uji menunjukkan bahwa ketiga variabel tidak stasioner pada level namun stasioner pada level satu (first difference). Meskipun mempunyai orde integrasi yang sama, dengan uji Johansen's Cointegration Test ternyata ketiga variabel tidak berkointegrasi. Dari uji Granger's Causality dinyatakan bahwa indeks harga saham menyebabkan arus modal asing dan nilai tukar. Hal ini didukung model VAR yang menyatakan bahwa indeks harga saham mempengaruhi arus modal asing dan nilai tukar. Hasil penelitian ini menyimpulkan bahwa dalam jangka pendek, nilai tukar tidak hanya dipengaruhi oleh dinamika pergerakan masa lalunya tetapi juga dipengaruhi oleh indeks harga saham dan arus modal asing. Hal ini tidak berlaku sebaliknya, karena indeks harga saham ternyata hanya dipengaruhi oleh dinamika pergerakan indeks hari-hari sebelumnya. Sementara itu, arus modal asing, selain dipengaruhi oleh dinamika pergerakan masa lalunya juga dipengaruhi oleh dinamika pergerakan indeks harga saham sehari sebelumnya. Di sisi lain, arus modal asing mempengaruhi nilai tukar. Ini menandakan bahwa untuk periode penelitian ini, indeks harga saham dapat menjadi indikator awal bagi pergerakan nilai tukar dan arus modal asing.
Ill
Berdasarkan hasil penelitian ini, adanya gejolak mata uang harus disikapi dengan hati-hati oleh pemerintah. Kesalahan pengambilan kebijakan di bidang moneter justru tidak akan menarik modal asing masuk ke dalam perekonomian. Demikian pula dengan otoritas pasar modal, kesalahan dalam menyikapi pergerakan indeks harga saham akan berakibat pada gejolak nilai tukar. Oleh karena itu, pemerintah perlu menerapkan berbagai kebijakan agar gejolak nilai tukar tidak sampai menyebabkan krisis keuangan. Kebijakan-kebijakan yang dapat diterapkan, antara lain dengan Tobin tax, pemberlakuan minimum stay period bagi investasi asing, melakukan kerja sama internasional seperti kerja sama antar bankbank sentral untuk reserve (SWAP), pendirian lembaga keuangan regina! untuk lending of last resort bagi bank-bank sentral yang mengalami kesulitan likuiditas dan pemberlakuan aturari kehati-hatian (prudential regulation) untuk Banking, Non Banking Financial Institute dan dunia usaha. Mengingat pentingnya model dinamis dalam menjelaskan hubungan antara variabel-variabel yang pergerakannya dinamis, maka penelitian selanjutnya sangat mungkin untuk mengembangkan model ini menjadi model yang lebih komprehensif dengan memasukkan variabel-variabel lain yang memiliki karakteristik dinamis. Selain itu, perlu adanya pengelompokkan yang lebih spesifik atas saham baik pengelompokkan saham per sektor atau saham individual atau yang didasarkan pada saham dengan orientasi ekspor atau impor dan perlu juga mempertimbangkan market size, aktivitas short selling, dan tingkat efisiensi bursa.
IV
KATA PENGANTAR
Tidak ada kata yang lebih pantas diucapkan kecuali ucapan tahmid kepada Allah SWT yang telah memberikan begitu banyak nikmat, tiada terhingga. Pada kesempatan ini, lebih khusus, penulis bersyukur telah dapat menyelesaikan tesis ini dengan mencurahkan segala perhatian dan mengerahkan segenap kemampuan. Pada kesempatan ini pula, penulis ingin mengucapkan terima kasih semoga Allah SWT memberi balasan dengan yang lebih baik - kepada : 1. Bapak Arindra A. Zainal, Ph.D selaku Ketua Program Pascasarjana Ilmu Ekonomi Fakultas Ekonomi Universitas Indonesia, yang selalu mengingatkan dan mengontrol penulis agar tidak terlena dengan waktu dalam masa penyusunan tesis. 2. Bapak Nachrowi Djalal Nachrowi, Ph.D selaku Sekretaris Program Pascasarjana Ilmu Ekonomi Fakultas Ekonomi Universitas Indonesia dan Ketua Tim Penguji Tesis dan Komprehensif, yang telah memotivasi penulis untuk segera menyelesaikan tesis dan tenang dalam menghadapi ujian tesis dan komprehensif. 3. Bapak Dr. Sugeng Purwanto selaku Dosen Pembimbing Tesis, yang dengan penuh kesabaran membimbing dan mengarahkan penulis dalam penyusunan tesis dan memberikan motivasi dan nasihat kepada penulis agar dapat menyajikan hasil penelitian dengan lebih baik. 4. Bapak Has Tampubolon, Ph.D selaku Dosen Penguji Tesis, yang memberikan banyak masukan kepada penulis agar kesimpulan tesis menjadi lebih baik dan mendekati dengan kondisi sebenamya. 5. Bapak Warsito dan Ibu Suramti, orang tua penulis, yang dengan penuh ikhlas mendo' akan penulis siang dan malam, demi keberhasilan studi yang sedang penulis tempuh. Semoga kebaikan dan rahmatullah selalu bersama beliau berdua.
v
6. Bapak H. Endang Syamsudin dan lbu Hj. Yoyoh Maesaroh, mertua penulis, yang dengan penuh ikhlas selalu mendo' akan dan membantu penulis mengasuh anak-anak. Semoga kebaikan dan rahmatullah selalu bersama beliau berdua. 7. Dyah "Didy" Mustika, my beloved wife, meskipun sekarang hidup terpisah di lain benua tetapi selalu memberi motivasi untuk tetap tegar menghadap i ujian. Anak-anakk u, Naura Qisthi Athifah, Ibrahim Hanif dan Mirza Faqih Mustofa, maafkan abi, mungkin perhatian untuk kalian menjadi berkurang selama masa perkuliahan ini. 8. Ternan-tern an angkatan 2004, Mas Rukhedi, Pak Yusuf, Pak Faisal, Mas Catur, Mas Narto, Mas Edi, Mas Joko Fals, Mas Harto, Ratih, Reni, Yaslu, Sari, Mbak Neni, Mbak Lis, Mbak Yayuk kuadrat, Parhah, Mas Faris, Mas Haris, Mbak Wi', Mbak Wid, Mbak Klara, dan Mas Yudi, terima kasih atas kerja sama dan dukungan kepada penulis, semoga tidak berhenti sampai di sini. 9. Para Asdos, Dr. Joni Hartono, MSE, Ferry Irawan, MSE, dan ternan-terna n angkatan 2003 yang telah banyak sharing pengetahua n kepada penulis. 10. Mbak Asti, Mbak Mirna, Mbak Yati, Mbak Denti, Mbak Dini dan Mbak Noni yang membantu segala hal terkait dengan PSIE UI. 11. lbu Suci, Wahyu, Billy, Wisnu dan ternan-terna n di perpustakaa n yang selalu ramah membantu menyediaka n bahan-baha n referensi bagi penulis. 12. Mas Arif Safarudin dan Cahya Setiawan, serta ternan-terna n di Bapepam yang membantu dalam penyediaan data dalam penelitian ini. 13. Pihak-pihak lain yang tidak dapat penulis sebutkan satu per satu. Akhir kata, penulis menyadari tesis ini masih lebih banyak kekurangan nya daripada kelebihanny a. Oleh karena itu, kritik dan saran yang membangu n sangat penulis butuhkan untuk perbaikan pada penulisan lain di masa datang.
Penulis VI
DAFfARIS I Halaman Judul........ ................ ................ ................ ................ ............ ...
1
Lembar Pengesahan Tesis........ ................ ................ ................ ................
11
Abstraksi.. ................ ................ ................ ................ ................ ............
111
Kata Pengantar. ................ ................ ................ .............. ......... .................
v
Daftar lsi............ ................ ................ ................ ................ ................ ..
v11
Daftar Diagram .......... ,............... ................ ................ ................ ...........
1x
Daftar Tabel ................ ................ .......... ,. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
x
Daftar Grafik...... ................ ................ ........ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
XI
Daftar l.ampiran.. .......... . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
x11
BAB I PENDAHU LUAN....... .. ... ................ ..... ...... ... ... . .. .. ... . . . . ... ... .. . . . ....
1
1.1
Latar Belakang... .. . . . . . . . .. . .. . .. . .. . . .. ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . ..... ..
1
1.2
Perumusan Masalah Penelitian. ................ .......... ................ ...........
6
1.3
Tujuan dan Manfaat Penelitian. ................ ................ ...... .......... .....
7
1.4
Kerangka Pikir......... ................ ................ ................ ................ ..
9
1.5
Hipotesis.. .. .. . . . . . . .. . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
1.6
Sistematika Pernbahasan .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
11
BAB II TINJAUAN LITERATU R.............. ................ ................ ................
12
2.1.
Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.2.
Teori Nilai Tukar....... ................ .......... .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.3.
Teori Indeks Harga Saham...... ................ ......... ............... ..............
16
2.4.
Transaksi Asing....... ................ ................ ................ ................ ...
19
2.5.
Hubungan Dinamis Antara Nilai Tukar dan Indeks Harga Saharn ........
21
2.6.
Hubungan Dinamis Antara Nilai Tukar dan Transaksi Asing........ .......
23
2.7.
Hubungan Dinamis Antara Indeks Harga Saham dan Transaksi Asing
25
2.8.
Penelitian Terdahulu. ......... .. . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . ..
29
BAB III METODOL OGI PENELITI AN........... ................ ............... ... . . . . . . . . . ..
34
Identifikasi Variabel Penelitian dan Spesifikasi Model. ................ ...... .
34
3.2
Vll
3.2.1
Variabel Penelitian....... ...................... .... . . . . . . . . . . . . .. . . . . . . . . ....
34
3.2.2
Sumber Data.............. ..................... ..................... ...........
35
3.2.3
Ruang Lingkup Penelitian....... ...................... ....................
36
3.2.4
Spesifikasi Model............ ..................... ......... . . . . . . . . . . . . . . . . . .
36
Uji Stasioneritas (Unit Root Test).............. ...................... .................
36
3.3.1
Augmented Dickey Fuller Test................ ...................... ..........
38
3.3.2
Philip-Peron Test............... ...................... ...................... .....
40
3.4
Uji Kausalitas (Granger Causality)....... ...................... ...................... .
41
3.5
Penentuan Panjang Lag................ ..................... ..... . . . . . . . . . . . . . . . .. . . . . .
42
3.6
Uji Kointegrasi Uohansen's Cointegration Test).............. ......................
44
3.7
Model VAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . .
47
3.8
Innovation Accounting..... ...................... ...................... ..................
49
3.8.1
Impulse Response Function ............... :.................... ...............
49
3.8.2
Variance Decomposition s..................... ....................... ..........
52
BAB IV ANALISIS DAN PEMBAHASA N................... ...................... .... .. . . .
56
4.1
Grafik Level dan First Difference Level.. ..................... .................... .
56
4.2
Uji Stasioneritas ..................... ..................... ..................... ........... .
61
4.3
Uji Kausalitas ..................... ..................... ..................... .............. .
62
4.4
Penentuan Panjang Lag ..................... ..................... ..................... . .
63
4.5
Uji Kointegrasi ..................... ..................... ..................... ........... .
65
4.6
Model Empiris dari VAR ..................... ..................... ................... .
66
4.7
Innovation Accounting ..................... ..................... ..................... ... .
72
BAB V KESIMPULAN DAN IMPLIKASI PENELITIAN. .................... ... . . . . . . . .
80
5.1
Kesimpulan ..................... ..................... ..................... ................
80
5.2
Keterbatasan Penelitian....... . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
82
5.3
Implikasi Kebijakan............. .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
83
5.4
Saran............. ..................... ..................... ..................... .............
84
Daftar Pustaka.......... ................. .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
85
3.3
Vlll
DAFfAR DIAGRAM
Diagram 3.1
Diagram Alur Metode Penelitian .. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . .
54
Diagram 3.2
Diagram Alur Uji Hiptoesis Dengan Econometric Tools.........
55
IX
DAFfAR TABEL
Tabel2.1 Tabel4.1
Tabel Perbandingan Hasil Penelitian dengan Hasil Penelitian Sebelumnya .............................................................. . . Tabel Hasil Uji Unit Root dengan ADF Test dan PP Test.......
62
Tabel4.2
Tabel Hasil Uji Granger's Causality Test..............................
62
Tabel4.3
Tabel Rekapitulasi nilai log Likelihood, LR, AIC dan SC dalam Model V AR antara ER, LQ dan LogNP .....................
64
Tabel Pengujian Kointegrasi dengan metode Johansen's Cointegration Test......................................................... .
65
Tabel4.5
Tabel Hasil Estimasi VARD . . . . . .... . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . .
67
Tabel4.6
Tabel Hasil Estimasi Variance Decomposition Model VARD......
76
Tabel4.7
Tabel Ringkasan Hasil Uji Hipotesis.................................
78
Tabel4.4
32
X
DAFfAR GRAFIK
D~fference
Grafik 4.1
Grafik Level dan First
Nilai Tukar.... .. . . . . . . . . . . . ......
56
Grafik 4.2
Grafik Level dan First D#erence Indeks LQ 45. ........ .. ........ ..
58
Garfik 4.3
Grafik Level dan First D#erence Pernbelian Bersih Investor Asing......................................................................... Grafik Impulse Response Function Model VARD................
59 73
Grafik 4.4
XI
DAFfAR LAMPIRAN
Lampiran 1A
Hasil Uji Stasioneritas Data Level dan First Difference LogNP dengan ADF Test dan PP Test........................
Lampiran 1B
Hasil Uji Stasioneritas Data Level dan First Difference LQ dengan ADF Test dan PP Test.............................
Lampiran 1C
87
88
Hasil Uji Stasioneritas Data Level dan First Difference ER dengan ADF Test dan PP Test.............................
89
Hasil Uji Kausalitas dengan Granger's Causality Test....................................................................
90
Lampiran 3
Penentuan Panjang Lag............................................
91
Lampiran4
92
Lampiran5
Hasil Uji Kointegrasi dengan Johansen 's Cointegration Test .......................................................................... . Hasil Uji dengan Model VARD..................................
Lampiran.6
Hasil Uji dengan Impulse Response Functions YARD.......
97
Lampiran 7
Hasil Uji dengan Model VARL.. ... ...... .. .... .. . ... ... .. .... ..
98
Lampiran8
Hasil Uji dengan Impulse Response Function Model VRAL
101
Lampiran 9
Hasil Uji dengan Variance Decompositions Model VARL...
102
Lampiran 10
Hasil Uji dengan Model VEC.... ... . ......... ... .. . .. . .. ... . .. ...
103
Lampiran 11
Hasil Uji dengan Impulse Response Function Model VEC...
106
Lampiran 12
Hasil Uji dengan Variance Decompositions Model VEC..... 107
Lampiran2
94
Xll
BABI PENDAHULUAN
1.1. LATAR BELAKANG
Pasar modal merupakan barometer dari perekonomian di berbagai negara. Suatu fakta bahwa pasar modal telah menjadi salah satu indikator sehat/ tidaknya perekonomian suatu negara, secara implisit mengisyaratkan betapa pentingnya kondisi pasar modal suatu negara. (Gupta, J.P., Allain Chevalier, dan Fran Sayekt, 1999). Hal ini diperkuat dengan semakin banyaknya penelitian yang berkelanjutan di kalangan para ekonom dunia mengenai keterkaitan antara perkembangan pasar modal dengan pertumbuhan ekonomi dengan berbagai model pada dekade terakhir ini (Maghyereh dan Omet, 2001). Dengan adanya kebijakan perekonomian terbuka, dan pemberlakuan pasar bebas serta perkembangan teknologi mengakibatkan investor menjadi mudah untuk mengakses pasar-pasar modal di seluruh dunia. Selain itu, dari sisi mikro ekonomi peranan pasar modal menjadi penting sebagai salah satu alternatif dalam menyalurkan dana investasi dari pihak yang memiliki dana (investor) kepada pihak yang membutuhkan dana (emiten). Pasar modal di Indonesia berdiri sejak tahun 1977. Sejak saat itu, perkembangannya semakin membaik dalam beberapa aspek. Sebagai contoh, pada tahun 1995 emiten yang terdaftar di Bursa Efek Indonesia baru sekitar 248 perusahaan sedangkan sepuluh tahun kemudian emiten yang terdaftar mencapai 417 perusahaan. Kemudian nilai kapitalisasi pasar dari seluruh emiten yang terdaftar di Bursa Efek Jakarta tahun 1995 baru sekitar Rp152,246 triliun sedangkan pada akhir tahun 2004 telah mencapai kira-kira Rp679,949 triliun atau hampir 33% Pendapatan Domestik Bruto (PDB), menunjukkan betapa pentingnya pasar modal Indonesia. Namun demikian, seperti pasar modal yang sedang berkembang (emerging market) di negara lain, masih banyak kekurangan yang harus dibenahi, seperti market share yang tidak merata dimana kurang dari 10 % perusahaan efek menguasai lebih dari
•
Tesis 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - -
1
60% pasar dan jumlah perusahaan efek yang terlalu banyak mencapa1 192 perusahaan (Annual Report Bapepam tahun 2004). Seiring dengan krisis ekonomi yang menerpa Indonesia pada pertengahan 1997, maka sejak 14 Agustus 1997 Bank Indonesia melepas batas intervensi nilai tukar rupiah. Dengan demikian, Bank Indonesia sebagai otoritas moneter tidak lagi : melakukan intervensi untuk menjaga nilai tukar, sehingga nilai tukar ditentukan I
sepenuhnya oleh mekanisme pasar. Hal ini berarti sejak saat itu Indonesia menganut sistem nilai tukar mengambang (Free Floating Exchange Rate System). Agar otoritas moneter menjadi independen, maka kebijakan nilai tukar ini selanjutnya diikuti dengan perubahan rezim devisa yang berlaku di Indonesia yaitu menjadi rezim devisa bebas dengan dikeluarkannya UU No. 24 tahun 1999. Sejalan dengan perubahan beberapa kebijakan di bidang moneter, pemerintah juga melakukan liberalisasi pasar saham nasional. Salah satunya ditandai dengan kebijakan yang memberikan kesempatan investor asing untuk lebih aktif berpartisipasi dalam aktivitas pasar modal dengan membuka kran pembatasan kepemilikan asing dari 49%
menjadi
100%
dengan
Surat
Keputusan
Menteri
Keuangan
No.455/KMK.01/1997 tanggal4 September 1997. Hal ini berarti sistem devisa bebas dengan kurs mengambang dan tidak adanya batas kepemilikan asing secara teori akan mendorong makin terintegrasinya pasar modal negara tersebut dengan pasar modal dunia. Sebagaimana kita ketahui, investor asing memiliki kriteria tertentu sebelum mengambil keputusan untuk melakukan transaksi di suatu bursa asing. Mereka perlu mengenali potensi saham-saham yang akan dibeli, sehingga mereka harus mengetahui kinerja keuangan perusahaan sebelum bertransaksi. Pada umumnya investor asing membeli saham-saham unggulan, berkapitalisasi besar, memiliki pertumbuhan yang menjanjikan dan likuiditasnya tinggi. Menurut penelitian SweeSum Lee (1995), alasan investor asing lebih suka melakukan transaksi pada saham yang likuid adalah karena dalam kondisi demikian mereka dapat dengan cepat masuk atau keluar dari suatu bursa dengan resiko perubahan harga yang minimal
(fb
Tesis 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - - -
2
(cut loss transaction). Jenis saham yang likuid menurut Sharpe (1995) adalah saham-
saham dengan nilai kapitalisasi besar dan aktif diperdagangkan di bursa. Di lain pihak, selain mempertimbangkan imbal hasil dari portofolio, investor asing yang rasional juga memperhitungkan faktor perubahan perilaku nilai tukar mata uang sebelum mereka mengambil keputusan untuk melakukan investasi pada bursa
asing.
Nilai
tukar
yang
berfluktuasi
akan
mengakibatkan
adanya
kecenderungan penurunan kegiatan transaksi di pasar modal. Dengan demikian, fluktuasi nilai tukar pada akhirnya jugCJ. akan mempengaruhi besaran nilai investasi asing pada bursa efek di Indonesia. Hal ini dapat dilihat dari beberapa indikator bursa efek seperti lndeks Harga Saham Gabungan (IHSG), nilai kapitalisasi pasar, frekuensi, nilai dan volume perdagangan, dan jumlah emiten baru. Penyebabnya antara lain kemampuan emiten dalam memenuhi kewajiban dan kemampuan menghasilkan laba berkurang, sehingga secara fundamental kondisi emiten memburuk. Situasi ini menjadi semakin buruk dengan adanya Indonesia menaikkan tingkat suku bunga
kebijakan Bank
sehingga mendorong investor untuk
menjual efeknya dan mengalihkan dananya ke bank. Disamping itu, penurunan tingkat kepercayaan investor baik dalam maupun luar negeri semakin menambah tekanan terhadap pasar modal (Setyastuti, 2004). Hal ini mengindikasikan betapa erat kaitan an tara pasar modal dan pasar uang. Interaksi antara pasar uang dan pasar modal dapat terjadi secara timbal balik. Artinya, shocks yang terjadi di pasar uang dapat mempengaruhi kinerja pasar modal atau sebaliknya. Dalam berbagai literature, hubungan timbal balik ini sering disebut sebagai hubungan dinamis. Seperti dikutip dari Novita (2004) paling tidak terdapat 2 pendekatan dalam melihat hubungan tersebut, yaitu pendekatan tradisional yang dikemukakan Dornbusch dan Fisher (1980) dan pendekatan portofolio yang dikemukan oleh Branson (1983) dan Frankel (1983). Menurut pendekatan tradisional, pergerakan nilai tukar akan mempengaruhi harga saham perusahaan melalui saluran neraca pembayaran (Balance of Payment). Sementara itu, pendekatan portofolio menekankan pada transaksi neraca modal (capital account transaction) yaitu
•
Te.ris 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - - 3
pasar modal akan mempengaruhi pergerakan nilai tukar melalui saluran permintaan dan penawaran uang. Penelitian tentang pengaruh maupun hubungan dinamis antara variable ekonomi makro khususnya nilai tukar dengan indeks harga saham telah banyak dilakukan sebelumnya. Beberapa di antaranya dilakukan dengan menggunakan
Ordinary Least Square (OLS). Sebagaimana kita ketahui, sebagian besar data ekonomi bersifat nonstasioner dan biasanya memiliki hubungan kausalitas. Estimasi koefisien regresi dengan menggunakan OLS akan memperoleh hasil estimasi yang bias. Hasil estimasi yang bias akan menyebabkan kriteria konvensional yang biasa digunakan untuk menjustifikasi kausalitas antara dua variable menjadi tidak valid. Artinya, estimasi regresi dengan menggunakan data nonstasioner dapat menghasilkan kesimpulan (forecasting) yang tidak benar karena koefisien regresi penaksir tidak efisien. Selanjutnya Indrawati (2002) menyebutkan bahwa model persamaan simultan yang terdiri atas beberapa persamaan yang saling terkait (persamaan struktural), dapat menampung
hal-hal yang tidak mungkin dinyatakan dalam persamaan
tunggal. Dengan kata lain, model persamaan simultan dapat menjelaskan hubungan interdependensi (saling ketergantungan) antar variable bebas dan antara variable bebas tersebut dengan variable lainnya. Dalam ekonometri, persamaan simultan yang dibentuk biasanya merupakan model persamaan struktural. Pendekatan model struktural pada persamaan simultan digunakan dalam teori ekonomi untuk menggambarkan hubungan an tara bebera pa variable terkait. Model kemudian diestimasi dan digunakan untuk menguji teori ekonomi secara empiris. Namun demikian, teori ekonomi kadang-kadang tidak mampu menjelaskan spesifikasi hubungan dinamis antar variable terse but. Menyikapi hal tersebut, selama ini dikembangkan berbagai teknik untuk melihat hubungan antar variable makro dengan indeks harga saham dan untuk melakukan forecasting (peramalan). Teknik regresi linier merupakan teknik yang paling sering digunakan. Cara lainnya adalah dengan menggunakan model time
$
Tesis 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - - -
4
series yang dapat dilakukan dengan cara yang lebih sederhana, cepat dan murah.
Dengan model time series, forecasting dilakukan semata-mata berdasarkan pada analisis perilaku masa lalu dari variable yang disusun menurut runtun waktu. Beberapa teknik forecasting dengan menggunakan model time series antara lain Autoregressive Moving Average (ARMA), Autoregressive Integrated Moving Average
(ARIMA), Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Teknik peramalan dengan
model ini hanya dapat menganalisis runtut waktu dari satu variable pada suatu waktu tertentu saja. Oleh karena itu, perlu dikembangkan suatu persamaan simultan yang terdiri dari dua data series atau lebih. Namun disisi lain, persamaan simultan memperlakukan variable berbeda-beda, yaitu sebagai variable bebas (exogenous variable) dan tak bebas (endogenous variable).
Kemudian Christopher Sims (1980) memberikan kritik terhadap model persamaan simultan. Sims mengatakan bahwa apabila di dalam persamaan terdapat simultanitas antar variable, seharusnya setiap variable diperlakukan sama tanpa membedakan dari awal antara variable eksogen dan variable endogen. Berdasarkan cara pandang tersebut, maka Sims mengembangkan model alternatif bersifat nonstruktural yaitu model Vector Autoregression (VAR) yang tidak tergantung pada teori ekonomi dalam pembentukan model. Dengan VAR estimasi menjadi lebih mudah karena tidak perlu bingung dalam menentukan variable endogen dan variable eksogennya. Selain itu, OLS dapat diaplikasikan dalam setiap persamaan VAR secara terpisah. Forecasting yang dihasilkan dengan menggunakan VAR dalam banyak kasus
lebih baik daripada dengan menggunakan model persamaan simultan yang kompleks. Namun demikian, koefisien-koefisien yang diestimasi dalam model VAR sering sulit diinterpretasikan. Oleh karena itu, para pemakai prosedur VAR sering melakukan estimasi dengan menggunakan Impulse Response Function dan Variance Decompositions .
•
Tesis 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - -
5
1.2. PERUMUSAN MASALAH
Beberapa penelitian di negara-negara maju mengindikasikan adanya hubungan antara perilaku nilai tukar, indeks harga saham dan transaksi asing. Namun demikian, berbagai penelitian dengan menggunakan data yang beragam dalam periode dan meliputi banyak negara belum dapat memberikan suatu pola yang pasti mengenai hubungan tersebut, bahkan beberapa penelitian menunjukkan hasil yang berbeda dengan teori. Hal ini mungkin disebabkan oleh dinamika pasar yang sangat bervariasi antar negara baik karena faktor tingkat perekonomian yang berbeda maupun faktor lain. Perubahan kondisi perekonomian dan kebijakan pemerintah sangat mempengaruhi analisis dan kesimpulan karena biasanya teori dibangun dengan menggunakan suatu pola keadaan perekonomian yang stabil dan menggunakan asumsi-asumsi tertentu. Selain itu, penggunaan metode analisis yang berbeda terhadap variabel dan data yang sama, juga dapat menghasilkan kesimpulan yang berbeda. Meskipun berbagai metode analisis telah dikembangkan oleh para ahli ekonometrik, namun selalu ada kelebihan dan kekurangan. Oleh karena
itu,
dalam
pemilihan
metode
analisis
diperlukan
pertimbangan-
pertimbangan khusus agar sesuai dengan parameter yang diinginkan. Berdasarkan pertimbangan-pertimb angan di atas, penelitian ini menjadi penting karena ketiga variable tersebut merupakan bagian dari indikator kestabilan perekonomian suatu negara. Penelitian ini dirancang dengan menggunakan 3 variabel seperti tersebut di atas dalam periode 1 Januari 2000- 1 Desember 2005. Berikut ini pertanyaan permasalahan yang akan dijawab : 1. Apakah terdapat hubungan timbal balik dan hubungan keseimbangan dalam jangka panjang antara nilai tukar, indeks LQ 45 dan nilai transaksi asing di bursa? 2. Apakah nilai transaksi asing di bursa dipengaruhi oleh nilai transaksi asing di bursa periode sebelumnya? 3. Apakah nilai transaksi asing di bursa dipengaruhi oleh indeks LQ 45 periode sebelumnya?
(at
Tesis 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - -
6
4. Apakah nilai
transaksi asing di bursa dipengaruhi oleh nilai tukar periode
sebelumnya? 5. Apakah kejutan terhadap nilai transaksi asing di bursa direspon oleh nilai transaksi asing di bursa sendiri? 6.
Apakah kejutan terhadap nilai transaksi asing di bursa direspon oleh indeks LQ 45?
7. Apakah kejutan terhadap nilai transaksi asing di bursa direspon oleh nilai tukar? 8. Apakah perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh transaksi asing di bursa sendiri? 9. Apakah perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh indeks LQ 45? 10. Apakah perubahan akibat kejutan terhadap nilai transaksi asi11g dapat dijelaskan oleh nilai tukar ?
1.3. TUJUAN DAN MANFAAT PENELITIAN Untuk menjawab permasalahan yang dirumuskan dalam pertanyaan di atas, maka tujuan dari penelitian ini adalah sebagai berikut :
1. menunjukkan secara empiris adanya hubungan timbal balik dan hubungan jangka panjang antara nilai tukar, pergerakan indeks LQ 45 dan nilai transaksi asing di bursa dengan melakukan uji kausalitas dan uji kointegrasi. 2. menemukan secara empiris bahwa nilai transaksi asing di bursa dipengaruhi oleh nilai transaksi asing di bursa periode sebelumnya dengan model VAR. 3. menemukan secara empiris bahwa nilai transaksi asing di bursa dipengaruhi oleh indeks LQ 45 periode sebelumnya dengan model VAR. 4. menemukan secara empiris bahwa nilai transaksi asing di bursa dipengaruhi oleh nilai tukar periode sebelumnya dengan model VAR. 5. menemukan secara empiris bahwa kejutan terhadap nilai transaksi asing di bursa direspon oleh transaksi asing di bursa sendiri dengan impulse response function .
•
Tesi.r2006 Chapter! - - - - - - - - - - - - - - - - - - - - - - - -
7
6. menemukan secara empiris
bahwa kejutan terhadap nilai transaksi asing di
bursa direspon oleh oleh indeks LQ 45 dengan impulse response function. 7. menemukan secara empiris bahwa kejutan terhadap nilai transaksi asing di bursa direspon oleh nilai tukar dengan impulse response function. 8. menunjukkan secara empiris bahwa perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh nilai transaksi asing di bursa sendiri dengan
variance decompositions. 9. menunjukkan secara empiris bahwa perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh indeks LQ 45 dengan variance decompositions. 10. menunjukkan secara empiris bahwa perubahan akibat kejutan terhadap nilai transaksi asing do. pat dijelaskan oleh nilai tukar dengan variance decompositions. Sementara itu, manfaat yang dapat diambil dengan adanya penelitian ini adalah sebagai berikut: 1. Bagi pemerintah khususnya regulator pasar modal, penelitian ini diharapkan dapat memberikan sumbangan pemikiran dalam menentukan kebijakankebijakan yang berkenaan dengan pasar modal terutama pada saat terjadi gejolak nilai tukar dan arus modal asing yang fluktuatif. 2. Bagi para praktisi pasar modal, penelitian ini diharapkan dapat membantu dalam penentuan strategi portofolio dan dalam pengambilan keputusan investasi, terutama terkait dengan pengaruh perubahan nilai tukar dan dampak aktivitas investor asing di bursa. 3. Bagi para akademisi, penelitian ini diharapkan dapat digunakan untuk mengevaluasi fenomena-fenom ena yang ada di pasar modal, khususnya terkait dengan arus modal asing melalui bursa dan pergerakan nilai tukar dan dinamika indeks harga saham. 4. Memberikan suatu saran kepada peneliti lain untuk melakukan penelitian lebih lanjut berdasarkan hasil penelitian ini dengan memasukkan variabel lain yang belum tercakup dalam penelitian ini .
•
Te.ris 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - -
8
1.4. KERANGKA PIKIR
Hubungan dinamis antara perubahan nilai tukar dengan pasar modal menjadi bahan penelitian yang menarik. Secara umum, terdapat 2 pendekatan dalam melihat hubungan tersebut, yaitu pendekatan tradisional dan pendekatan portofolio. Pendekatan tradisional menyatakan bahwa pergerakan nilai tukar
akan
mempengaruhi persaingan di pasar internasional sehingga mempengaruhi neraca perdagangan melalui saluran _ekspor dan impor. Perubahan neraca perdagangan pada akhimya akan mempengaruhi output negara tersebut dan berdampak pada
current dan future cash flow perusahaan dan harga sahamnya. Apabila suatu negara mengalami depresiasi mata uang, maka daya saing barang ekspor di pasar internasional akan naik karena harga barang ekspor menjadi lebih murah sehingga akan meningkatkan ekspor yang pada akhirnya akan meningkatkan permintaan output dari negara tersebut. Secara teoritis, perusahaan yang berorientasi ekspor akan mendapatkan keuntungan karena pendapatan yang berasal dari luar negeri akan meningkatkan baik akibat dari depresiasi maupun peningkatan jumlah ekspor. Keadaan sebaliknya berlaku untuk perusahaan yang didominasi impor. Perusahaan yang didominasi impor ini akan diuntungkan jika terjadi apresiasi mata uang negara tersebut. Menurut Ma dan Kao (1990), hila mata uang domestik rriengalami depresiasi maka ada kecenderungan berpengaruh tidak menguntungkan terhadap pasar saham domestik. Demikian pula dengan studi Ajayi dan Mougue (1996), menemukan bahwa penurunan nilai mata uang memiliki pengaruh yang negatif baik jangka panjang maupun jangka pendek terhadap pasar saham. Jadi pendekatan ini menyimpulkan bahwa pergerakan nilai tukar akan mempengaruhi harga saham dengan hubungan yang negatif untuk perusahaan berorientasi ekspor dan positif untuk perusahaan berorientasi impor. Pendekatan portofolio menekankan pada transaksi neraca modal (capital
account transaction) yaitu pasar modal akan mempengaruhi pergerakan nilai tukar melalui saluran permintaan dan penawaran uang. Dalam penentuan nilai tukar berlaku mekanisme pasar yaitu terjadi interaksi antara kekuatan permintaan dan
•
Tesi.r 2006 Chapter I - - - - - - - - - - - - - - - - - - - - - - - - -
9
penawaran mata uang. Apabila pasar modal suatu negara dianggap menarik sehingga investor asing berbondong-bondong menanamkan modalnya maka akan meningkatkan permintaan uang domestik. Peningkatan permintaan uang akan meningkatkan suku bunga yang selanjutnya akan berpengaruh pada peningkatan capital inflow. Peningkatan capital inflow akan mendorong terjadinya apresiasi mata
uang domestik. Kebalikannya, apabila terdapat kecenderungan penurunan harga saham, maka akan menyebabkan kekayaan riil investor akan menurun, sehingga menyebabkan
penurunan
permintaan
uang.
Penurunan
permintaan
uang
mengakibatkan penurunan suku bunga, yang berdampak pada capital outflow. Keadan ini akhirnya akan menyebabkan terjadinya depresiasi mata uang domestik.
1.5. HIPOTESIS PENELITIAN
Berdasarkan argumen yang dikembangkan dari latar belakang, identifikasi masalah dan kerangka pikir penelitian, maka hipotesis penelitian ini dapat dirumuskan sebagai berikut : 1. Terdapat hubungan timbal balik dan hubungan keseimbangan dalam jangka panjang antara nilai tukar, indeks LQ 45 dan transaksi investor asing di bursa . 2. Nilai transaksi asing di bursa dipengaruhi oleh nilai transaksi asing di bursa periode sebelumnya. 3. Nilai transaksi asing di bursa dipengaruhi oleh indeks LQ 45 periode sebelumnya. 4. Nilai transaksi asing di bursa dipengaruhi oleh nilai tukar periode sebelumnya. 5. Kejutan terhadap nilai transaksi asing di bursa direspon oleh nilai transaksi asing di bursa sendiri. 6. Kejutan terhadap nilai transaksi asing di bursa direspon oleh indeks LQ 45. 7. Kejutan terhadap nilai transaksi asing di bursa direspon oleh nilai tukar. 8. Perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh nilai transaksi asing di bursa sendiri .
•
Tesis 2006 Chapter I
--------------------------10
9. Perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh indeks LQ 45. 10. Perubahan akibat kejutan terhadap nilai transaksi asing dapat dijelaskan oleh nilai tukar.
1.6. SISTEMATIKA PEMBAHASAN
Dalam rangka mempermudah pembaca · memetakan tesis ini, berikut ini disajikan sistematika pembahasan tesis : Bab I
merupakan bab pendahuluan yang menjelaskan tentang latar belakang, perumusan masalah, tujuan dan manfaat penelitian, kerangka pemikiran, hipotesis dan sistematika pembahasan.
Babll
menyajikan
landasan teori yang terdiri dari pengantar, teori nilai
tukar, teori indeks harga saham, transaksi asing, hubungan dinamis antara nilai tukar dan indeks harga saham, hubungan dinamis antara nilai tukar dan transaksi asing, hubungan dinamis antara indeks harga saham dan transaksi asing, serta penelitian-penelitian sebelumnya. Bablll
menyajikan metodologi penelitian yang mengurai tentang identifikasi variabel penelitian dan spesifikasi model, sumber data penelitian, uji stasioneritas, uji kausalitas, penentuan panjang lag, uji kointegrasi, pembentukan model VAR, dan innovation accounting.
BabiV
menyajikan hasil analisis data dan hasil penelitian.
BabV
merupakan bab penutup yang menjelaskan tentang kesimpulan, keterbatasan penelitian, implikasi penelitian dan saran.
•
Tuis 2006 Chapter I
-------------------------11
BABII TINJAUAN LITERATUR
2.1
PENGANTAR
Dalam berinvestasi, investor mempunyai ekspektasi akan memperoleh keuntungan yang optimal (optimal benefit). lnvestasi di pasar modal dapat menghasilkan keuntungan berupa bunga, dividen, dan capital gain (selisih dari harga perolehan dengan nilai pasar saham). Disamping ingin mendapatkan keuntungan, investor seharusnya juga mempertimbangkan faktor risiko, dimana masing-masing investasi memiliki risiko potensial yang berbeda-beda tergantung pada jenis investasi. Pada prinsipnya yang harus dipahami oleh setiap investor adalah semakin tinggi keuntungan potensial dari suatu investasi, maka semakin tinggi pula risiko yang dihadapi, begitu pula sebaliknya. Dengan demikian, setiap investor akan berusaha menyusun portofolionya untuk memperoleh keuntungan optimal dengan kendala meminimumkan risiko. Perkembangan harga saham sangat dipengaruhi oleh informasi baik yang berkorelasi dengan kinerja pasar saham sendiri maupun yang tidak ada hubungannya sama sekali dengan pasar saham. Untuk mengantisipasi hal tersebut, maka terdapat beberapa pendekatan yang harus diperhatikan investor. Pertama,
Fundamental Factor yang menganalisis berdasarkan variabel-variabel fundamental seperti laporan keuangan, neraca, cash flow dan sebagainya. Kedua, Psychology Factor, terutama pada waktu krisis dimana tidak ada jaminan keamanan dan situasi politik yang tidak menentu, mempengaruhi pertumbuhan harga saham. Ketiga, Speculation
Factor, dimana pada era globalisasi ini batas antar negara menjadi tidak ada sehingga memudahkan para spekulator "mempermainkan" pasar modal negara tertentu menjadi lebih menarik dan likuid. Keempat, Technical Factor, menganalisis dengan informasi relevan dan analisis grafik dengan observasi data time series baik dari
composite index, sector index, individual index maupun variabel makro ekonomi yang lainnya. ~ Tens2006Ch~urll
___________________ ___________________ ______________ l2
2.2
TEORI NILAI TUKAR Nilai tukar adalah perubahan nilai antara mata uang suatu negara dengan
mata uang negara lain. Nilai mata uang suatu negara diukur dari nilai satu unit mata uang terhadap mata uang negara lain. Apabila kondisi ekonomi suatu negara mengalami perubahan, maka biasanya diikuti dengan perubahan nilai tukar secara substansial. Masalah mata uang muncul saat suatu negara mengadakan transaksi dengan negara lain, dimana masing-masing negara menggunakan mata uang yang berbeda. Jadi nilai tukar merupakan harga yang harus dibayar oleh mata uang suatu negara untuk memperoleh mata uang negara lain. Nilai tukar dipengaruhi oleh beberapa faktor, seperti tingkat suku bunga dalam negeri, tingkat inflasi, dan intervensi bank sentral terhadap pasar uang jika diperlukan sehingga senantiasa berubah. Nilai tukar yang lazim disebut kurs, mempunyai peran penting dalam rangka tercapainya stabilitas moneter dan dalam mendukung kegiatan ekonomi. Nilai tukar yang stabil diperlukan untuk terciptanya iklim yang kondusif bagi peningkatan kegiatan dunia usaha. Untuk menjaga stabilitas nilai tukar, Bank Sentral pada waktu-waktu tertentu melakukan sterilisasi di pasar val uta asing, khususnya pada saat terjadi gejolak kurs yang berlebihan. Perkiraan nilai mata uang suatu negara terhadap mata uang asing merupakan salah satu tujuan utama bagi para pelaku pasar. Hal ini disebabkan besarnya pengaruh pergerakan mata uang terhadap kegiatan bisnis dan investasi maupun pembuat kebijakan. Berikut ini terdapat beberapa teori yang mencoba menjelaskan bagaimana nilai tukar mata uang ditentukan (Sudjono, 1999) : (1)
Pendekatan Fundamental Pendekatan fundamental memberikan penjelasan tentang pergerakan atau
trend mata uang dalam jangka panjang tetapi belum berhasil menjelaskan fenomena pergerakan mata uang dalam jangka menengah dan jangka pendek. Bahkan studi empiris menyatakan bahwa pergerakan mata uang jangka pendek dan jangka menengah merupakan random walk yang sulit diramalkan .
•
TesiJ 2006 Chapter II
-------------------------13
(2)
Pendekatan Teknikal Pendekatan ini sangat praktis yaitu mencoba menjelaskan model dengan
berdasarkan trend melalui grafik yang dapat memberikan perkiraan yang lebih menguntungkan untuk jangka pendek. Metode ini sangat popular dalam transaksi valuta asing jangka pendek. (3)
Pendekatan Teori Purchaing Power Parity (PPP)
Purchasing Power ParihJ (PPP) merupakan teori awal dalam penentuan nilai tukar yang menunjukkan hubungan antara tingkat harga nasional dengan nilai tukar. Keberadaan teori PPP mensyaratkan agar tingkat depresiasif apresiasi nilai tukar sama dengan perbandingan antara harga barang dalam negeri dan luar negeri. Selain itu, PPP dapat berlaku berdasarkan hukum satu harga (the Law of One Price) yang menyatakan bahwa barang dan jasa yang diperdagangkan di antara dua negara harus memiliki harga yang sama setelah dinyatakan dalam mata uang yang sama, dengan mengabaikan biaya transaksi, bea masuk dan pajak lain. Jika syarat PPP tidak dipenuhi biasanya akan terjadi arbitrase di mana para eksportir / importir akan rnencari untung dengan memanfaatkan perbedaan harga an tar negara. Dalam perkembangannya, menurut Pardede (1999) dalam Sudjono (2002), PPP dibedakan menjadi 3 bentuk yaitu PPP absolute, PPP relatif dan PPP riil. Persamaan PPP absolut menyatakan bahwa harga-harga di antara 2 negara haruslah sama ketika dikonversikan ke dalam mata uang tertentu. 1 Misal harga domestik , P, dan harga luar negeri dikonversikan ke dalam mata uang domestik, e.P*, maka kita dapat menyatakan PPP absolut sebagai berikut :
P = e.P·
............................•............... (2.1)
Dalam praktek, ekonom menggunakan indeks harga untuk mengukur tingkat harga (P) dari suatu kelompok barang dan jasa dalam suatu perekonomian, dalam hal ini Indeks Harga Konsumen (IHK). 1 Rivera-Batiz, Fransisco L. and Rivera-Batiz, Luis A., "International Finance and Open Economy" Macroeconomics, Prentice Hal ( Second Edition, 2000) p. 553
~
Tesis 2006 Chapter II
--------------------------14
Pada kenyataannya, PPP absolut jarang dipakai sebagai penduga nilai tukar. Hal ini disebabkan oleh asumsi yang dibutuhkan sulit dicapai yaitu tidak adanya biaya transaksi, bea masuk (tariffs) dan pajak tidak langsung (indirect taxes). Selain itu, disebabkan oleh intensitas konsumsi barang dan jasa antar negara berbeda, sehingga perbandingan IHK antar negara tersebut menjadi tidak relevan (Bofinger, 2001).
Untuk mengatasi hal tersebut maka PPP absolut dimodifikasi menjadi PPP rel~tif
yang menyatakan bahwa perubahan nilai tukar harus sama dengan selisih
antara perubahan harga-harga domestik dan luar negeri. Persamaan modifikasi PPP absolut dapat dinyatakan sebagai berikut :
P
=
e.P· q
.....••••.•.................•.• .•........... (2.2)
di mana q adalah konstanta yang menyatakan biaya transaksi, bea masuk dan pajak. PPP relatif lebih fokus pada perubahan nilai tukar antar waktu, sehingga persamaan PPP relatif dapat dinyatakan sebagai berikut : l!!e
= 7t- 7t *
······························· ·· ........... (2.3)
di mana L1e adalah laju perubahan nilai tukar mata uang domestik terhadap luar negeri,
1r adalah
laju inflasi domestik dan Jr* adalah laju inflasi luar negeri. Data
empiris menunjukkan bahwa PPP relatif kemungkinan menimbulkan masalah lebih kecil. Oleh karena itu, PPP relatif banyak digunakan oleh para pengambil kebijakan (Bofinger, 2001).
Untuk memperoleh PP yang secara riil menunjukkan kekuatan mata uang, maka pendekatan PPP riil menitikberatkan pada nilai nominal mata uang disesuaikan dengan harga relative. Secara singkat dapat didefinisikan nilai riil sama dengan perkalian anatara nilai nominal dengan rasio antara harga domestic dan tingkat harga luar negeri. Secara matematis dapat dituliskan sebagai berikut:
p
e=N.-
p·
............................... ............. (2.4)
dimana N adalah nilai nominal mata uang domestik. •
Te.ris 2006 Chapter II
-------------------------15
TEORI INDEKS HARGA SAHAM
2.3
Indeks adalah suatu formula stastistik yang dapat digunakan untuk mengukur perubahan dalam pasar keuangan a tau perekonomian. Untuk mengetahui kondisi pasar modal secara umum, maka kita harus memahami indeks harga saham. Indeks harga saham dapat dikatakan sebagai konklusi dari pengaruh simultan berbagai faktor, khususnya fenomena yang terjadi pada perekonomian. Oleh karena itu, saat ini indeks harga saham sering dipakai sebagai barometer kondisi perekonomian di berbagai negara yang didasarkan pada kondisi pasar terkini (James H. Loire, Peter Dodd, and Mary Hamilton, 1973 and 1985, dalam Syahrir et all, 2000). Indeks harga saham sebenarnya bukan satu-satunya ukuran yang pasti tetapi paling tidak dapat dijadikan dasar untuk melihat perubahan atau untuk memperbandingkan dari suatu keadaan dengan keadaan sebelumnya. Penggunaan indeks harga saham memiliki berbagai manfaat antara lain : (1)
memudahkan pemantauan atas perubahan harga saham setiap hari
(2)
memberikan gambaran mengenai perkembangan dari pasar modal secara keseluruhan
bahkan
dapat
menjadi
indikator
perkembangan
perekonomian suatu negara (3)
untuk
memperkirakan
keuntungan/kerugian yang akan
diperoleh
berdasarkan ramalan atas gejala harga saham di waktu yang akan datang. Pada saat ini Bursa Efek Jakarta (BEJ) mempunyai beberapa macam indeks saham antara lain : (1)
Indeks Harga Saham Gabungan (IHSG) dengan komponen perhitungan indeks meliputi seluruh saham yang listed di BEJ.
(2)
Indeks Sektoral yang menggunakan seluruh saham yang termasuk dalam masing-masing sektor sebagai komponen perhitungan.
(3)
Indeks LQ 45 dengan komponen perhitungan meliputi 45 saham terpilih yang memenuhi kriteria likuiditas.
(4)
]akllrta Islamic Index (JII) yang menggunakan 30 saham yang memenuhi kriteria syari' ah dan kriteria likuiditas .
•
Tesis 2006 Chapter II
-------------------------16
(5)
lndeks Saham Individual yaitu harga masing-masing saham terhadap harga tahun dasarnya.
IHSG adalah indikator pasar saham yang dihitung secara menyeluruh dari total saham yang tercatat di BEJ. IHSG mulai diperkenalkan tanggal 1 April 1983 untuk seluruh saham yang tercatat di BEJ baik yang saham biasa maupun saham preferen dengan tahun dasar tanggal 10 Agustus 1982, dimana saat itu IHSG dihitung 100 dengan total saham yang tercatat sebanyak 13 saham. sebagaimana perhitungan indeks di bursa negara lain, indeks-indeks di BEJ menggunakan ratarata tertimbang dari nilai pasar (market value weighted average index). Rumus yang dipakai adalah sebagai berikut:
IHSG, = NP, xi 00 ND"
............................................ (2.5)
dimana: rata-rata tertimbang nilai pasar Gumlah lembar tercatat di bursa dikalikan dengan harga pasar per lembar) dari saham-saham pada hari ke-t rata-rata tertimbang nilai pasar saham-saham pada tanggal 10 Agustus 1982
NPt
ND*
lndeks saham sektoral yang mulai diperkenalkan tanggal 2 Januari 1996. Indeks saham sektoral merupakan sub indeks dari IHSG. Indeks saham sektoral ini sangat berguna bagi para analis dan investor untuk memahami sektor-sektor yang sedang tumbuh dan yang sedang turun, yang selanjutnya menjadi bahan pertimbangan dalam memberikan rekomendasi atau dalam menentukan kebijakan portofolio. Seluruh saham yang listed di BEJ diklasifikasikan ke dalam sepuluh sektor menurut klasifikasi yang ditetapkan BEJ, yang dikenal dengan nama Jakarta Stock
Exchange Industrial Classification dengan perincian sebagai berikut: A. Sektor Utama :
•
(1)
sektor pertanian
(2)
sektor pertambangan
Tesis 2006 Chapter II
-------------------------17
B. Sektor Kedua: (3)
sektor industri dasar dan kimia
(4)
sektor aneka ind ustri
(5)
sektor industri barang konsumen
(6)
sektor manufaktur
C. Sektor Ketiga :
(7)
sektor properti dan real estate
(8)
sektor transportasi dan infrastruktur
(9)
sektor keuangan
(10) sektor perdagangan, jasa dan investasi Karena pasar modal Indonesia termasuk pasar dengan transaksi yang tipis
(tlzin market), yaitu sebagian besar saham yang listed di bursa kurang aktif, maka sejak tanggal 1 Januari 1997 diperkenalkan alternatif indeks saham yaitu --Indeks Saham LQ 45 di BEJ. Indeks Saham LQ 45 dapat dikatakan sebagai komplemen dari IHSG dan indeks saham sektoral dengan tujuan untuk mempermudah capital market
agent seperti analis, manajer investasi, investor dalam memonitor perkembangan saham-saham yang aktif diperdagangkan di bursa. Indeks Barga Saham LQ 45 merupakan indeks harga pasar yang menggunakan 45 saham-saham unggulan dengan kriteria paling aktif diperdagangkan sebagai kalkulasi indeks. Adapun kriteria yang harus dipenuhi adalah sebagai berikut: (1) berada pada top sixties rank dari total transaksi saham di pasar regular (ratarata volume transaksi selama 12 bulan terakhir) (2) rank berdasarkan kapitalisasi pasar (rata-rata kapitalisasi pasar selama 12 bulan) (3) masih tercatat di BEJ minimum selama 3 bulan terakhir (4) performance keuangan dan prospek pertumbuhan perusahaan (5) frekuensi dan total transaksi harian di pasar regular
$
Tesis 2006 Chapter I I - - - - - - - - - - - - - - - - - - - - - - - - - 18
BEJ terus-menerus memantau perkembangan komponen saham yang masuk dalam perhitungan indeks LQ 45. setiap tiga bulan direview pergerakan ranking saham yang masuk dalam perhitungan indeks LQ 45. Penggantian saham akan dilakukan enam bulan sekali yaitu pada setiap awal bulan Februari dan Agustus. Apabila terdapat saham yang tidak memenuhi kriteria, maka saham tersebut akan dikeluarkan dari perhitungan indeks dan diganti dengan saham lain yang memenuhi kriteria. Indeks LQ dihitung mundur hingga tanggal 13 Juli 1994 sebagai hari dasar dengan nilai dasar 100. Untuk seleksi awal digunakan data harga pasar Juli 1993-Juni 1994. Hasilnya, ke-45 saham tersebut meliputi 72% total kapitalisasi pasar dan 72,5% nilai transaksi pasar regular.
2.4
TRANSAKSI ASING Sebagai bagian dari globalisasi pasar modal internasional dan dengan
diberlakukannya deregulasi oleh pemerintah di beberapa negara, bursa efek telah berkembang tanpa batasan perdagangan sekuritas antar
negara
maupun
pembatasan kepemilikian saham oleh investor asing. Hal ini punya pengaruh positif bagi investor baik lokal maupun asing, karena para investor dapat membentuk suatu portofolio sekuritas optimal yang merupakan kombinasi saham domestik maupun asing sehingga akan mereduksi tingkat resiko dari suatu portofolio saham. Aliran modal antar negara
tidak akan berhenti karena investasi dalam konteks global
berbasis internasional akan meningkatkan return dan mengurangi tingkat resiko bagi investor. Teori mengenai pembatasan kepemilikian saham oleh investor asing dikemukakan oleh Stulz dan Wasselfallen (1995) sebagai berikut :
"under certain condition, such restriction maximize firm value" Hal ini terjadi karena adanya perbedaan fungsi permintaan saham domestik antara investor lokal dengan investor asing, dimana permintaan investor asing kurang elastis dibandingkan permintaan investor lokal. Kondisi ini dapat dimanfaatkan oleh
•
Tesi1 2006 Chapter II
-------------------------19
perusahaan untuk menjual saham dengan premium pada investor asing sehingga perusahaan dapat dikatakan akan menciptakan nilai (Haryanto, 1998). Ketertarikan investor asing untuk ikut berpartisipasi dalam suatu bursa, terutama bursa yang relatif baru berkembang disebabkan oleh tingkat efisiensi bursa yang masih rendah. Penyebabnya antara lain adalah pertama, adanya asymmetric information, dimana investor asing umumnya mempunyai banyak akses pada
informasi sehingga mereka lebih banyak memanfaatkan peluang ini untuk memperoleh keuntungan. Kedua, adanya sikap,dari emiten, terutama Chief Executive Officer(CEO)nya
yang lebih tanggap pada kebutuhan investor asing juga
memberikan angin segar bagi investor asing. Transaksi asing selama ini telah menjadi leader dalam transaksi perdagangan di bursa sehingga mereka menjadi benchmark bagi investor lokal. Bahkan banyak di antara investor lokal yang menjadi follower dalam mengambil keputusan transaksi di bursa. Hal ini tidak lain disebabkan oleh berbagai faktor seperti pengetahuan bursa, dan jaringan informasi yang dimiliki. Investor asing yang pada umumnya institusi memang memiliki karakter yang berbeda jika dibandingkan investor individu maupun lokal. Secara umum karakter investor asing adalah sebagai berikut: (1)
Ukuran perusahaan, di mana investor institusi asing dengan pertimbangan
ketersediaan
informasi
yang
lebih
banyak
akan
memilih
saham
emitenjperusahaan besar. (2)
Penguasaan informasi, investor institusi asing rata-rata lebih well informed
dibanding investor individu dan lokal. Hal ini karena rendahnya marginal cost yang dipikul oleh investor institusi dalam memperoleh informasi. (3)
Analisis sekuritas, sebagai perusahaan multinasional investor asing memiliki
analis sekuritas sendiri yang berpengalaman, sehingga rekomendasinya reliable . (4)
Transaksi sekuritas. Bagi investor asing institusi, efisiensi transaksi dan lembaga
kliring bukan masalah kritis karena mereka memakai jasa global custodian untuk menangani transfer sekuritas dan kegiatan transaksi yang lain.
GD
Ttns2006Ch~krll
_____________________________________ _______________ 20
2.5
HUBUNGAN DINAMIS ANTARA NILAI TUKAR DAN HARGA SAHAM Nilai tukar mata uang suatu negara merupakan ukuran perbandingan antara
volume satu unit mata uang terhadap mata uang negara lain. Biasanya, perubahan pada perekonomian suatu negara akan diikuti dengan pergerakan pada nilai tukarnya. Adapun besarnya persentase perubahan nilai tukar terhadap mata uang asing dapat diukur dari rumus berikut ini: AS= St -St-1 st-1
............................................ (2.6)
dimana : persentase perubahan nilai tukar terhadap mata uang asing !lS : nilai spot rate St : nilai tukar mata uang periode sebelumnya St-1 Apabila nilai persentasenya positif maka dapat dikatakan mata uang tersebut mengalami apresiasi sedangkan jika nilai persentasenya negatif maka dapat dikatakan mata uang tersebut mengalami depresiasi Oeff Madura, 2000). Secara teoritis nilai tukar mata uang dipengaruhi oleh beberapa faktor fundamental seperti jumlah uang beredar, perbedaan tingkat inflasi, perbedaan tingkat suku bunga, permintaan dan penawaran aset dari 2 negara yang mata uangnya ditentukan nilai kursnya. Sejak krisis di Asia, kajian-kajian tentang keterkaitan nilai tukar dan aktivitas di pasar modal menjadi menarik. Apakah depresiasi mata uang leading terhadap penurunan kinerja di pasar modal atau malah sebaliknya. Sudah cukup banyak penelitian dilakukan untuk memperoleh jawaban yang pasti mengenai hubungan kedua variable tersebut. Namun sampai dengan saat ini masih terdapat perbedaan pendapat mengenai variable yang mana yang menjadi leader atas variable yang lain. Para praktisi ternyata lebih mampu mengambil keuntungan dari arbritase keadaan krisis ini. Apabila pasar valuta asing leading terhadap pasar modal, kebijakan pemerintah seharusnya berada pada kontrol nilai tukar. Namun apabila terjadi kondisi sebaliknya, maka kebijakan ekonomi dalam negeri seharusnya lebih memprioritaskan kestabilan pasar modal .
•
Tuu 2006 Chapter I I - - - - - - - - - - - - - - - - - - - - - - - - - 21
Dari sudut pandang mikroekonomi, seperti dinyatakan oleh Granger, Huang dan Yang (1998) dalam Novita (2004), perubahan nilai tukar akan diikuti perubahanperubahan pada portofolio perusahaan multinasional. Jika terjadi apresiasi mata uang domestik, maka akan cenderung menurunkan keuntungan perusahaan yang berarti
terjadi
penurunan
harga
saham.
Sementara
itu,
dari
perspektif
makroekonomi apresiasi mata uang domestik yang menganut flexible exchange rate
regime akan mengurangi daya saing produk ekspor dan pada akhirnya menurunkan harga saham. Dari 2 sudut pandang ini perubahan nilai tukar mata uang akan diikuti perubahan pada harga saham. Hal ini sering disebut sebagai Pendekatan Tradisional. Pasar modal mengalami perkembangan yang cukup pesat pada dekade ini. Dari sudut pandang yang lain, perubahan harga saham dan nilai tukar lebih mereflkesikan arus modal (capital flows). Hal ini dikenal dengan pendekatan portofolio
balance. Perhatian utama pada pendekatan portofolio balance adalah penurunan harga saham akan mengakibatkan penurunan kekayaan para investor domestik yang selanjutnya
akan
berdampak
pada
penurunan
permintaan
uang sehingga
menurunkan tingkat suku bunga. Penurunan suku bunga menyebabkan capital
outflows yang pada akhirnya akan menyebabkan depresiasi nilai tukar mata uang domestik. Dalam literatur yang lain, Shapiro (1996) dalam Widati (2003) menyebutkan 3 pendekatan dalam melihat hubungan antara nilai tukar dan indeks harga saham : (1) Pendekatan Neraca Pembayaran Permintaan dan penawaran dalam pasar valuta asing dipengaruhi oleh transaksi antar negara yang meliputi perdagngan barang dan jasa serta transaksi modal. Jika impor lebih besar maka neraca pembayaran akan defisit berarti permintaan akan mata uang asing akan meningkat sehingga menyebabkan depresiasi mata uang domestik dan sebaliknya. Pelemahan mata uang domestik akan diikuti dengan pelemahan daya beli yang akan berakibat pada penurunan pendapatan dan laba perusahaan. Penurunan laba perusahaan pada akhirnya akan
•
Tesis 2006 Chapter II
--------------------------22
menurunka n nilai perusahaan dan berikutnya berimbas pada penurunan harga sahamnya. (2) Pendekatan Moneter Permintaan dan penawaran dalam pasar valuta asing dipengaruh i oleh faktorfaktor moneter seperti jumlah uang beredar, pendapatan riil, perbedaan suku bunga dan inflasi di kedua negara. Kenaikan supply uang domestik akan menyebabk an kenaikan harga domestik secara proporsiona l dan lewat PPP akan mendorong , terjadinya depresiasi mata uang domestik. Penurunan mata uang domestik akhirnya akan menurunka n pendapatan perusahaan yang berarti pula penurunan harga saham perusahaan. (3) Pendekatan Keseimbang an Portofolio Dalam pendekatan ini, asset dianggap saling menggantik an sempurna (perfect
substitute) dan investor dapat menentukan pilihan investasiny a secara bebas. Perubahan kekayaan akan berdampak pada kenaikan permintaan asset financial dan pemilihan portofolio yang lebih menguntun gkan. Nilai tukar valuta asing dan suku bunga harus menyesuaik an agar tercapai keseimbang an portofolio. Berdasarka n berbagai landasan teori tersebut di atas, secara umum terdapat 2 teori yang saling berlawanan dalam mengemuka kan variabel mana yang menjadi
leader. Dalam penelitian ini, penulis cenderung untuk menggunak an teori portfolio balance dalam melakukan analisis hubungan antara kedua variabel tersebut di atas, dimana perubahan indeks akan direspon oleh nilai tukar secara cepat. Selain pertimbang an ketersediaa n data secara harian, kondisi ini lebih mencermin kan fakta yang terjadi di lapangan dibandingk an dengan perhitungan balance of payment yang memerluka n waktu lebih panjang.
2.6
HUBUNGA N DINAMIS ANTARA NILAI TUKAR DAN TRANSAK SI ASING Dalam ekonomi terbuka terdapat tiga tujuan kebijakan yang tidak dapat
berjalan bersama, yang dalam literature sering disebut sebagai trilema kebijakan
~ uns2006Ch~urll
__________ __________ __________ __________ __________ __ 23
(impossible trinity). Ketiga tujuan tersebut adalah nilai tukar yang stabil, devisa yang bebas dan harga yang stabil. Secara teoritis, ketiga tujuan tersebut tidak akan dapat diterapkan secara bersamaan. Yang dapat dilakukan hanya memilih 2 diantara tiga tujuan yang akan dicapai tersebut. Adapun alternatif solusinya adalah sebagai berikut: (1) Jika yang dituju stabilitas nilai tukar, maka kebijakan moneter yang tepat agar berdampak lebih kecil pada nilai tukar adalah rezim devisa kontrol. Namun dampaknya terhadap harga lebih tinggi, artinya kebijakan moneter tidak independen. (2) Jika yang dituju stabilitas harga, maka kebijakan moneter yan tepat agar berdampak lebih kecil terhadap harga adalah rezim devisa bebas. Namun depresiasi nilai tukar akan lebih besar (kebijakan moneter independen). Menurut Hallwood dan MacDonald (.2000) penerapan rezim devisa kontrol berakibat pada penurunan aktivitas arus modal (capital immobilihj) dan nilai tukar stabil (fixed exchange rate regime) sedangkan penerapan rezim devisa bebas akan meningkatkan aktivitas aliran arus modal (capital free mobility), dan nilai tukar tidak stabil (free exchange rate regime). Sejak adanya perubahan rezim nilai tukar di Indonesia dari manage floating
exchange rate regime menjadi free floating exchange rate system regime pada tahun 1997 dan sistem devisa yang dianut menjadi sistem devisa bebas dengan UU No. 24 tahun 1999, aliran modal dari dan ke Indonesia menjadi sangat mudah. Aliran modal ini dapat berupa direct investment maupun dalam bentuk commercial paper atau bonds. Namun dalam penelitian ini, pendekatan terhadap aliran modal asing dibatasi hanya pada portofolio asing dalam bentuk saham. Penerapan sistem devisa bebas dan rezim free floating exchange rate seharusnya mendorong peningkatan aliran modal ke dan dari suatu negara (capital flows). Jika aliran modal masuk semakin besar, maka akan meningkatkan permintaan mata uang domestik. Dengan demikian, peningkatan permintaan mata uang domestik akan menyebabkan apresiasi mata uang domestik. Begitu pula sebaliknya, jika aliran
GD
Tms2006Ch~urll
____________________________________________________ 24
modal keluar membesar, maka permintaan mata uang domestik menurun dan pada gilirannya akan menyebabkan depresiasi mata uang domestik. Hal semacam ini secara umum dapat menjadi indikator awal tentang kondisi perekonomian negara terse but.
2.7
HUBUNGAN DINAMIS ANTARA HARGA SAHAM DAN TRANSAKSI ASING Peranan investor asing diharapkan terus meningkat dari waktu ke waktu.
Aliran dana dari investor asing merupakan salah kiat dalam menarik pemasukan devisa (capital inflows) yang dapat memperkuat struktur moneter· dalam negeri sekaligus juga dapat mendorong perkembangan produksi yang pada akhimya dapat mendorong pendapatan perusahaan dan pendapatan negara. Dengan demikian, peningkatan transaksi investor asing ke bursa akan memperkuat struktur perekonomian nasional. Kehadiran investor asing juga diharapkan dapat menjadi pemacu bagi peningkatan likuiditas pasar modal domestik karena pasar modal domestik memiliki kemampuan yang terbatas dalam mendukung kebutuhan modal dunia usaha. Keterbatasan ini disebabkan oleh minat investor lokal untuk berpartisipasi di pasar modal yang masih rendah. Dengan demikian, peningkatan transaksi investor asing ke bursa juga akan meningkatkan likuiditas pasar modal domestik. Kondisi kondusif harus terus diciptakan demi pencapaian sasaran strategis di atas. Selain kestabilitan di bidang politik, pemerintah juga harus bersikap proaktif untuk lebih menggairahkan transaksi di pasar modal dengan mengeluarkan berbagai paket kebijakan. Pada tahun 1987 pemerintah mengeluarkan peraturan bahwa investor asing dapat membeli saham yang listed di BEJ hingga 49%. Hal ini telah mendorong pertambahan kepemilikan asing. Seiring dengan liberalisasi pasar saham nasional, maka pemerintah mengeluarkan kebijakan yang memberikan kesempatan investor asing untuk lebih aktif berpartisipasi dalam aktivitas pasar modal dengan
•
Tesis 2006 Chapter I I - - - - - - - - - - - - - - - - - - - - - - - - - 25
membuka kran pembatasan kepemilikan asing dari 49% menjadi 100% dengan Surat Keputusan Menteri Keuangan No.455/KMK.01/1997 tanggal4 September 1997. Pembatasan kepemilikan saham oleh investor asing di suatu bursa berkait erat dengan penciptaan nilai perusahaan. Seperti yang diungkapkan oleh Swee-Sum Lam (1995) yang melakukan penelitian di Singapore Stock Exchange bahwa pengetatan atau pelonggaran kepemilikan saham akan menurunkan atau meningkatkan nilai perusahaan (value affirm) yang sering disebut shareholder value. Di lain pihak investor asing juga memiliki kriteria tertentu sebelum mengambil keputusan untuk melakukan transaksi di suatu bursa asing. Mereka perlu mengenali potensi saham-saham yang akan dibeli, sehingga mereka harus mengetahui kinerja keuangan perusahaan sebelum bertransaksi. Pada umumnya investor asing membeli saham-saham unggulan, berkapitalisasi besar, memiliki pertumbuhan yang menjanjikan dan likuiditasnya tinggi. Menurut penelitian SweeSum Lee (1995), alasan investor asing lebih suka melakukan transaksi pada saham yang likuid adalah karena dalam kondisi demikian mereka dapat dengan cepat masuk atau keluar dari suatu bursa dengan resiko perubahan harga yang minimal (cut loss transaction). Jenis saham yang likuid menurut Sharpe (1995) adalah saham
dengan nilai kapitalisasi besar dan aktif diperdagangkan di bursa. (Haryanto, 1998) Dari perspektif ekonomi mikro, menurut Jones (1998) dan Reilly dan Brown (2000) dengan pendekatan Top-Down Analysis, terdapat 3 tahap analisis fundamental investor sebelum mengambil keputusan untuk berinvestasi di suatu bursa, yaitu : (1) Analisis Makroekonomi dan Pasar Sekuritas Tujuan dari analisis ini adalah memutuskan bagaimana mengalokasikan dana investasi ke berbagai negara dalam bentuk bonds, stocks, atau cash (Reilly dan Brown, 2000). Prospek perusahaan dalam top-down analysis diawali dari kondisi ekonomi global. Kondisi perekonomian suatu negara sangat terkait dengan kondisi makro ekonomi dunia. Artinya, kinerja ekonomi suatu negara secara makro akan dipengaruhi oleh negara-negara lain. Isu-isu politik, proteksi dan kebijakan perdagangan luar negeri merupakan faktor penting dalam menentukan
•
TuiJ 2006 Chapter II
--------------------------26
kinerja ekonomi. Dalam ekonomi global, nilai tukar menjadi variabel yang penting karena mempengaruhi daya saing melalui PPP, yang pada akhirnya akan berdampak pada kinerja ekonomi. Sementara itu, kondisi ekonomi makro suatu negara yang tercermin dalam Pendapatan Domestik Bruto (PDB), tingkat pengangguran, inflasi, suku bunga, defisit anggaran dan sentimen pasar akan mempengaruhi tingkat investasi (Bodie et al, 2001). Hal ini karena investor akan mempertimbangkan faktor-faktor tersebut dalam memutuskan investasinya. Jika kondisi ekonomi sedang resesi, maka harga saham akan sangat terpengaruh dan rentan terhadap kejutan ekonomi. Sebaliknya, jika ekonomi dalam kedaan ekspansi, maka harga saham akan cenderung meningkat. Di lain sisi, pasar saham mempengaruhi setiap investor. Investor tidak dapat melawan tren pasar. Jika pasar sedang membaik, maka sebagian besar saham akan membaik pula. Namun
~emikian,
analisis ekonomi perlu diikuti dengan analisis industri, karena
pengaruh perekonomian terhadap masing-masing industri akan berbeda-beda. (2) Analisis IndustrijSektor Ekonomi Tujuan analisis ini adalah menentukan industri apa yang menguntungkan dan dalam jangka panjang tahan terhadap kejutan ekonomi dunia dan berbagai negara (Reilly dan Brown, 2000). Secara umum, industri akan sulit untuk berkembang dengan baik jika kondisi ekonomi makro tidak kondusif. Namun demikian, industri akan memberikan respon pergerakan pasar dengan tingkatan yang bervariasi tergantung pada jenis industri, sensitivitas siklus bisnis, siklus hidup industri dan struktur industri (Bodie et al, 2001). Industri akan dipengaruhi pada berbagai tingkatan baik akibat resesi maupun ekspansi. Sebagai contoh, jenis industri barang berat akan sangat terpengaruh oleh resesi, sedangkan barang-barang konsumsi tidak akan terlalu terpengaruh. (3) Anal isis Perusahaan Seperti dikemukakan Reilly dan Brown (2000), meskipun 2 tahapan analisis sebelumnya penting, namun perhatian utama seharusnya dicurahkan pada analisis perusahaan karena dalam analisis ini investor tidak hanya menganalisis
•
Tesis 2006 Chapter II _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 27
kinerja perusahaan di masa lalu dengan rasio-rasio laporan keuangan, namun juga yang lebih penting lagi adalah memperhitungkan prospek perusahaan di masa datang. Investor harus dapat membandingkan kinerja masing-masing perusahaan yang bergerak pada industri yang sama dengan melakukan estimasi atas intrinsic value dan harga pasar masing-masing saham karena tujuan akhir analisis ini adalah menentukan perusahaan mana yang paling menguntungkan dan harganya murah (underoalued). Dalam analisis ini, para analisis biasanya menggunakan dividend discount model yang menghitung intrinsic value perusahaan sebesar nilai sekarang dari seluruh dividen yang diharapkan diterima dimasa datang dan
menggunakan price-earnings per share ratio yang mencerminkan
perbandingan harga saham dan laba per saham. Selain itu, perlu dibuat rasiorasio lain seperti price to book ratio, price to cash flow ratio dan price to sales ratio serta membuat forecasting earnings dan dividend. Apakah ketiga tahapan di atas dapat digunakan dengan baik? Berbagai hasil penelitian mendukung teknik ini. Pertama, beberapa penelitian mengindikasikan sebagian besar perubahan pada pendapatan perusahaan akan mendorong perubahan pendapatan pada indsutri meskipun relatif berbeda-beda pengaruhnya antar perusahaan. Intinya, situasi ekonomi (economic environment) mempengaruhi pendapatan perusahaan. Kedua, berbagai studi menemukan hubungan antara harga saham gabungan dengan berbagai variabel makro ekonomi seperti tingkat pengangguran, pendapatan dan produksi. Hasilnya mendukung pandangan bahwa terdapat hubungan yang erat antara harga saham dengan kondisi ekonomi kontraksi dan ekspansi. Ketiga, sebuah analisis tentang hubungan antara rates of return (ROR) untuk agregat pasar saham, industri alternatif dan saham individu menunjukkan bahwa sebagian besar perubahan ROR pada saham individu akan menjelaskan perubahan ROR pada agregat pasar saham dan akhirnya pada saham-saham industri. Berdasarkan hal-hal di atas, secara teori masuknya investor asing ke dalam suatu bursa akan meningkatkan indeks harga saham karena permintaan saham
fe
Ttsis 2006 Chapter II
--------------------------28
meningkat. Di sisi lain, investor asing juga tidak akan gegabah asal membeli saham tetapi pasti akan mempertimbangkan kondisi makroekonomi secara keseluruhan, industri dan baru kemudian jenis saham yang menguntungkan dan likuid sehingga memudahkan mereka untuk cut loss transaction jika keadaan tidak kondusif.
2.8
PENELITIAN TERDAHULU Berbagai penelitian berkaitan dengan hubungan dinamis antara nilai tukar
dengan indeks harga saham telah dilakukan oleh banyak peneliti. Namun demikian, hasil penelitian tersebut masih bervarisasi sehingga belum dapat memberikan kesimpulan yang memuaskan. Hal ini tidak lain disebabkan oleh faktor kondisi negara yang diteliti dan periode data penelitian. Ma dan Kao (1990), meneliti 6 negara
industri yaitu Kanada, Perancis,
Jerman, Italy, Jepang dan Inggris, dengan menggunakan data bulanan nilai tukar dan indeks harga, menemukan bahwa apresiasi mata uang domestik mempunyai hubungan negatif dengan indeks harga saham pada negara yang didominasi ekspor. Apresiasi mata uang ini akan mengurangi daya saing ekspor. Sementara itu, pada negara yang didominasi impor akan berlaku sebaliknya. Ajayi dan Mougoue (1996) melakukan penelitian dengan uji unit root, kointegrasi dan ECM untuk menguji hubugan dinamis antara nilai tukar dan indeks harga saham di delapan negara maju yaitu Jerman, ltali, Jepang, Belanda, Inggris, Kanada, Perancis dan Amerika Serikat. Hasilnya menyatakan bahwa indeks harga saham dan nilai tukar untuk tiap negara berkointegrasi. Kemudian hasil estimasi dengan ECM menunjukkan bahwa di negara Jerman, Italia, Jepang, Inggris,Perancis dan Amerika Serikat terdapat hubungan bidirectional dari pasar valas ke pasar saham. Manurung (1996) menemukan hubungan yang negatif antara indeks harga saham dengan nilai tukar di BEJ. Begitu juga dengan investasi asing dengan hasil empiris yang menyatakan bahwa neto volume saham pembelian asing pada lag 4 yang signifikan menjelaskan variasi indeks harga saham dengan hubungan negatif.
•
Tesii 2006 Chapter II
-------------------------29
Asmila (200 1) melakukan penelitian terhadap hubungan antara harga saham dengan nilai tukar untuk 4 negara di Asia masing-masing Indonesia, Singapura, Thailand dan Filipina. Data yang dipakai adalah data time series harian dari tahun 1998 sampai dengan Oktober 2000. Berdasarkan penelitian empiris ini, Asmila menyimpulkan bahwa nilai tukar lebih berpengaruh terhadap harga saham di 3 negara yaitu Indonesia, Thailand dan Singapura sedangkan di Filipina terjadi hubungan kausalitas, saling mempengaruhi. Sulistyo (2002) meneliti hubungan antara keseimbangan jangka panjang dan pendek di antara indeks saham dan nilai tukar rupiah terhadap beberapa mata uang negara-negara di kawasan Asia Pasifik yang terkena krisis (antara lain Amerika, Jepang, Malaysia dan Thailand) dengan menggunakan data pekanan dari 5 Januari 1996 sampai dengan 7 Desember 2001. dalam penelitian tersebut, Sulistyo menemukan bahwa terdapat hubungan jangka panjang antara IHSG dan nilai tukar rupiah terhadap dollar Amerika, yen, ringgit dan bath. Hubungan IHSG dengan dolar Amerika bersifat negatif sedangkan dengan ketiga mata uang negara yang lain bersifat positif. Sudjono (2002) yang meneliti keseimbangan jangka panjang dan hubungan simultan antara variable ekonomi makro dengan IHSG di BEJ, menyimpulkan bahwa dengan data bulanan peride waktu Januari 1990 sampai dengan Desember 2000, hanya terdapat 4 variabel yang memiliki hubungan kausalitas yaitu IHSG, Deposito 1 bulan, SBI dan nilai tukar. Selain itu, uji kointegrasi periode 1990:1-2000:12 lebih mampu menunjukkan keseimbangan jangka panjang dibandingkan dengan uji kointegrasi periode sebelum maupun pada masa krisis. Dengan metode VAR dan ECM, secara empiris terbukti bahwa variable nilai tukar lebih andal dalam menjelaskan pengaruhnya terhadap 3 variabellainnya. Indrawati (2002) meneliti hubungan dinamis antara variable ekonomi makromoneter dan indeks pasar saham dengan pendekatan Granger Noncausality (GNC) dalam VAR dan VEC untuk 4 negara yaitu Indonesia, Thailand, Korea Selatan dan Taiwan. Data yang digunakan adalah data time series bulanan dari bulan Desember
~
Tesii 2006 Chapter II
-------------------------30
1991 sampai dengan November 2001. Berdasarkan penelitiannya, Indrawati berkesimpulan bahwa khusus untuk Indonesia, terdapat pengaruh positif indeks saham terhadap nilai tukar. Hal ini berarti bahwa indeks harga saham dapat menjadi
leading indicator untuk menganalisis nilai tukar. Novita (2004) melakukan penelitian tentang hubungan dinamis antara indeks harga saham dan nilai tukar di Indonesia dengan data harian sejak tanggal24 Januari 2001 sampai dengan 18 Juni 2004. Novita menemukan bahwa kedua variable tidak terkointegrasi sehingga digunakan model V ARD. Dengan VARD, pergerakan nilai tukar rupiah dipengaruhi oleh dinamika dari nilai tukar sendiri dan dinamika dari indeks harga saham sedangkan indeks harga saham hanya dipengaruhi oleh dinamika dari indeks sendiri. Hal ini menunjukkan bahwa indeks harga saham menjadi leading indicator bagi nilai tukar. Berikut ini disajikan matriks perbandingan antar penelitiari. tersebut:
Tabel2.1 Matriks Perbandingan Penelitian-Penelitian Sebelumnya dengan Penelitian ini Peneliti
Topik Penelitian
Ajayi dan hubugan dinamis Mougoue antara nilai tukar (1996) dan indeks harga saham di delapan negara maju yaitu Jerman, !tali, Jepang, Belanda, Inggris, Kanada, Perancis dan Amerika Serikat As mila (2001)
•
hubungan antara harga saham dengan nilai tukar untuk 4 negara di Asia masing-masing Indonesia, Singapura, Thailand dan Filipina
Tesis 2006 Chapter II
Metodologi
Peri ode Hasil Penelitian Penelitian Uji unit root, April 1985 s.d Indeks harga saham Juli 1991 (data dan nilai tukar untuk UJI kointegrasi, harian) setiap negara berkointegrasi dan Model dan ECM terdapat hubungan bidirectional antara pasar valas dan pasar saham
Uji unit root, Januari 1998 s.d Oktober UJI kointegrasi, 2000 (harian) dan Model ECM
nilai tukar lebih berpengaruh terhadap harga saham di 3 negara yaitu Indonesia, Thailand dan Singapura sedangkan di Filipina terjadi hubungan kausalitas
--------------------------31
Peneliti
Topik Penelitian
Periode Penelitian Uji unit root, 5 Januari 1996 uji s.d 7 Desember kointegrasi, dan Model 2001 ECM (pekanan) Metodologi
Sulistyo (2002)
hubungan antara keseimbangan jangka panjang dan pendek di antara indeks saham dan nilai tukar rupiah terhadap beberapa mata uang negaranegara di kawasan Asia Pasifik yang terkena krisis (antara lain Amerika, Jepang, Malaysia dan Thailand)
Sudjono (2002)
keseimbangan jangka panjang dan hubungan simultan antara variable ekonomi makro dengan IHSG di BEJ
Uji unit root, Januari 1990 uji s.d Desember kointegrasi, 2000 dan Model (bulanan) VARL dan ECM
Indrawati (2002)
hubungan dinamis an tara variable ekonomi makromoneter dan indeks pasar saham untuk 4 negara yaitu Indonesia, Thailand, Korea Selatan dan Taiwan.
pendekatan Granger NoncausalihJ (GNC) dalam VARdanVEC
S
Hasil Penelitian terdapat hubungan jangka panjang antara IHSG dan nilai tukar rupiah terhadap dollar Amerika, yen, ringgit dan bath. Hubungan IHSG dengan dolar Amerika bersifat sedangkan negatif dengan ketiga mata uang negara yang lain bersifat positif
hanya terdapat 4 variabel yang memiliki hubungan kausalitas yaitu IHSG, Deposito 1 bulan, SBI dan nilai tukar. variable nilai tukar lebih andal dalam menjelaskan pengaruhnya terhadap 3 variabel lainnya.
Desember khusus untuk 1991 s.d Indonesia, terdapat November pengaruh positif 2001 indeks saham (bulanan) terhadap nilai tukar. Pasar saham Indonesia tidak efisien secara informasional karena adanya kointegrasi dan lag nilai tukar granger cause indeks saham.
Tesis 2006 Chapter I I - - - - - - - - - - - - - - - - - - - - - - - - - - - 32
Peneliti Novita (2004)
Supriyanto (2006)
Hasil Penelitian Peri ode Penelitian Januari kedua variable tidak 24 root, unit Uji dinamis hubungan 2001 s.d Juni terkointegrasi. antara indeks harga uji nilai pergerakan 2004 saham dan nilai kointegrasi, rupiah tukar Model dan tukar di Indonesia oleh dipengaruhi dan VARD dinamika dari nilai forecasting tukar sendiri dan dinamika dari indeks saham harga indeks sedangkan harga saham hanya oleh dipengaruhi dinamika dari indeks sendiri. Topik Penelitian
Metodologi
hubungan ~s antara arus modal perubahan asing, indeks LQ45 dan nilai pergerakan tukar di Indonesia
Uji unit root, uji granger's causality, uji kointegrasi, Model VARD dan Innovation
Accounting dengan
Impulse Response Function dan Variance Decomposition
•
2 Januari 2000 1 s.d Desember 2005
ketiga variabel tidak ada hubungan timbal tidak dan balik berkointegrasi. nilai Pergerakan rupiah tukar oleh dipengaruhi dinamika dari nilai sendiri, tukar dinamika dari indeks LQ 45 dan pembelian bersih asing. Indeks harga saham hanya oleh dipengaruhi dinamika dari indeks sedangkan sendiri bersih pembelian dipengaruhi asing dinamika oleh dirinya sendiri dan dinamika indeks LQ 45. Jadi, Indeks LQ 45 terhadap leading bersih pembelian asing dan nilai tukar .
Tesir 2006 Chapter I I - - - - - - - - - - - - - - - - - - - - - - - - - - - 33
BAB III METODOLOGI PENELITIAN
Data penelitian sebelurn dapat digunakan untuk estirnasi, perlu dilakukan tahapan-tahapan pengujian dengan tujuan agar estirnasi regresi dapat memberikan hasil estimasi yang efisien dan terbebas dari kesalahan-kesalahan. Dalam bab ini akan disajikan prosedur pelaksanaan penelitian dari identifikasi variable penelitian dan spesisfikasi model, uji kausalitas, uji stasioneritas, penentuan panjang lag, uji kointegrasi, pembentukan model VAR dan VEC serta innovation accounting.
3.1
IDENTIFIKASI V ARIABEL PENELITIAN DAN SPESIFIKASI MODEL
3.1.1
V ARIABEL PENELITIAN Sebagairnana telah diuraikan di BAB II, variabel-variabel yang akan
digunakan dalarn penelitian ini adalah sebagai berikut: 1. Nilai tukar rupiah terhadap dolar Arnerika Serikat 2. Indeks LQ 45 pada BEJ 3. Net Purchase (pernbelian bersih) investor asing pada BEJ Pemilihan ketiga variabel di atas sebagai variabel penelitian didasarkan atas dugaan adanya hubungan saling keterkaitan antara nilai tukar, indeks LQ 45 dan pernbelian bersih investor asing. Seperti yang diuraikan di Bab II, secara teori pergerakan indeks harga saham akan meningkatkan kekayaan riil para investor sehingga akan meningkatkan pula daya belinya. Peningkatan daya beli akan rneningkatkan pula permintaan uang dornestik. Peningkatan permintaan uang akan rnendorong peningkatan suku bunga yang selanjutnya akan menarik arus modal asing. Adanya peningkatan permintaan uang dan arus modal asing yang masuk akan menyebabkan apresiasi rnata uang domestik. Penggunaan indeks LQ 45 rnewakili saharn-saham yang aktif dan likuid sebagai saham pilihan investor asing, penggunaan pembelian bersih investor asing •
Tesis 2006 Chapter III
----------------------------------------------- 34
dimaksudkan untuk menggambarkan seberapa besar arus modal asing keluar dan masuk ke dalam perekonomian domestik secara cepat melalui bursa efek dan penggunaan dolar Amerika sebagai ukuran nilai tukar karena mata uang tersebut merepresentasikan kekuatan perekonomian dunia dimana dolar Amerika menjadi anchor money untuk mengukur nilai tukar mata uang berbagai negara.
Transformasi time series:
/lER, =In[ ERr ] adalah perubahan tingkat (Iaju) nilai tukar ERr-l MHSLQ, =In[ IHSLQ, ] adalah imbai hasil indeks saham unggulan LQ 45 IHSLQr-l ANPFt =In[ NPF, ] adalah perubahan laju net purchnse transaksi investor NPFt-l
asing
3.1.2
SUMBERDATA Data yang digunakan adalah data runtut (time series) waktu harian dari 1
Januari 2000 sampai dengan 1 Desember 2005. Data indeks harga saham diambii dari indeks harga saham LQ 45 BEJ, pada harga penutupan (closing price) akhir hari. Data transaksi asing didapat dari niiai pembelian bersih harian investor asing di BEJ. Data niiai tukar rupiah diambil dari data harian kurs tengah uang kertas rupiah terhadap dolar Amerika. Sumber data indeks harga saham LQ 45 dan transaksi pembelian bersih asing diperoleh dari BEJ, sedangkan data nilai tukar dari Bank Indonesia. Ketiga data diakses dari penyedia data Bloomberg. Periode tahun 2000-2005 dipilih sebagai salah satu tolak ukur kondisi perekonomian pemerintahan baru pasca krisis yang melanda Indonesia. Penggunaan data harian diharapkan dapat lebih merepresentasikan kondisi riil jika dibandingkan dengan data pekanan, bulanan, kuartalan atau tahunan, sehingga akan memberikan gambaran yang lebih baik atas dinamika pergerakan variabel-variabel yang diteliti.
(I)
Te.ris2006Chapteriii
------------------------35
3.1.3 RUANG LINGKUP PENELITIAN Penelitian ini dilakukan secara makro dengan menjadikan Indonesia sebagai unit analisis. Pada penelitian ini akan dibuktikan secara empiris bahwa teori
Portofolio Balance Approach sesuai dengan kondisi perekonomian Indonesia, yang menyatakan bahwa dalam jangka pendek, indeks harga saham akan menjadi leading
indicator bagi pergerakan nilai tukar dan aliran modal asing (capital flows) khususnya yang melalui bursa efek di Indonesia.
3.1.4 SPESIFIKASI MODEL Pemodelan VAR untuk variable nilai tukar dan indeks harga saham mengikuti penelitian yang telah dilakukan oleh Ajayi dan
Mou~oue
(1996) dalam
Novita (2004). Sebagai tambahan variabel penelitian, digunakan pembelian bersih investor asing yang secara teori memiliki hubungan dinamis dengan variabel nilai tukar dan indeks harga saham. Dengan demikian, ketiga variabel di atas dibentuk 3 persamaan VAR menjadi sebagai berikut :
E R1
=
a 1o + a
LQ1
=
a
20
LogNPt = a
3.2
11 E R 1
- ;
+
a
12
L Q1 - ;
+ a 21LQt - ; + a 22ER1 - ; 30
+ a
31
a
+ +
ERt - ; + a 32LQt - ;
13 Log N P 1
- ;
+ E 11
a 23LogNP1 - ; +
a 33LogNP1 - ;
+
+
................ (3 .1)
Elt ............... (3.2) E3t .............. (3.3)
UJI STASIONERITAS (UNIT ROOT TESI) Dalam analisis time series, informasi tentang stasioneritas suatu data series
merupakan hal yang sangat penting karena mengikutsertakan variable yang nonstasioner ke dalam persamaan estimasi koefisien regresi akan mengakibatkan
standard error yang dihasilkan menjadi bias. Adanya bias ini akan menyebabkan kriteria konvensional yang biasa digunakan untuk menjustifikasi kausalitas antara dua variable menjadi tidak valid. Artinya, Estimasi regresi dengan menggunakan suatu variable yang memiliki unit root (data nonstasioner) dapat menghasilkan kesimpulan (forecasting) yang tidak benar karena koefisien regresi penaksir tidak
fe
Tesis 2006 Chapter III
_________________ _________________ ____________ 36
efisien. Banyak ditemukan koefisien hasil regresi dari variable nonstasione r menunjukk an nilai signifikan yang ditandai dengan nilai R2 tinggi, namun sebenarnya variable-var iabel tersebut tidak ada hubungan sama sekali karena nilai statistik Durbin-Watsonnya rendah. Dalam literatur, fenomena ini dikenal dengan nama Spurious Regression (Engle dan Granger, 1987). Namun demikian, Spurious
Regression tidak akan terjadi jika terdapat kombinasi dengan variable lain yang juga non stasioner sehingga membentuk hubungan yang bersifat stasioner terkointegra si (Granger dan Newbold, 1974). Suatu data time series dikatakan stasioner jika mean, variance dan autocovariance untuk berbagai lag yang berbeda nilainya konstan, tidak melihat dari titik mana perhitungan dimulai atau tidak tergantung waktu (time invariant). Misalkan suatu time series, Yt, dapat dikatakan stasioner jika memenuhi beberapa kriteria sebagai berikut (Gujarati, 2003): J.1
...........•.... ..•.•..•.......• ....•....... (3.4)
Mean
E
Variance
Var(Yr) = E(Yr- p) 2 = CY~
Covariance
Yk
( y
I
)
=
•..•.•.•..••• •••••••••••••••• ••••••.••••• (3.5)
= E[(Yr- Ji)(Yr + k - Jl)] ................ ................ ......... (3.6)
Persamaan (3.4) dan (3.5) mensyaratk an proses dengan mean dan variance yang konstan, sedangkan persamaan (3.6) mensyaratk an covariance dua nilai dalam deret hanya tergantung pada interval waktu antara dua nilai tersebut (k) dan bukan pada waktu (t). Uji stasionerita s dapat dilakukan dengan berbagai cara baik informal maupun formal. Pengujian secara informal dapat dilakukan dengan correlogram dan pengamatan grafis sedangkan pengujian secara formal dapat dilakukan dengan menggunak an unit root test dengan berbagai metode uji diantaranya Dickey-Fuller
Test, Augmented Dickey-Fuller Test, Plzillips-Peron Test., Dickey-Fuller GLS, dan Kwiatkowski-Phillips-Schmidt-Shin (KPSS Test). Dalam penelitian ini akan diuraikan pengujian stasionerita s secara formal yang dibatasi pada penggunaan 2 metode uji yaitu metode Augmented Dickey Fuller Test dan Phillips-Peron Test .
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
37
3.2.1 AUGMENTED DICKEY-FULLER (ADF) TEST Uji stasioner dengan metode ADF Test merupakan pengembangan dari Dickey-Fuller (DF) Test. Meskipun critical value dari DF Test merupakan aproksimasi yang baik namun terdapat beberapa kelemahan pada DF Test diantaranya sebagai berikut:
-
Low Power Rejection of Null Hyplzotesis
-
Untuk sampel yang kecil atau sampel yang "noisy"
(volatilita~
sangat tinggi), DF
Test tidak dapat mendeteksi data yang bersifat near stationerity dan trend
stationerity. Kedua data tersebut akan terdeteksi sebagai data yang nonstasioner. -
Critical value DF Test sangat sensitive terhadap perubahan-perubahan properties dari proses pembentukan data time series tersebut.
Menurut Gonzalo dan Lee (1995), beberapa metode uji stasioneritas juga mengalami hal yang sama. Mengingat kelemahan DF Test di atas, hasil uji DF Test akan bias bila terdapat korelasi antar residual dalam suatu series (serial correlation). Karena bias dalam pengujian merupakan masalah yang paling penting, maka DF Test dimodifikasi menjadi ADF Test. Ide dasarnya adalah dengan cara menggunakan sejumlah lag variable dependen dalam prosedur standar DF Test agar korelasi antar residual dapat dihilangkan. Pengujian stasioneritas data series, Yt, dengan menggunakan ADF Test dengan mempertimbangkan sejumlah lag dapat dituliskan sebagai berikut: uA
y
,
; •
A
'-'
y
I
=
. y p .u
L r y , - • + ""'
--
a
0
+ y y
I
I
-
A
, -
,. • •
+
£
,
I
+
£
• • • • • • • • •• • • • • •• • ••• • • • • • • • •••• • • • • ••• • • • • • .. (3.7)
:!
L + ~
p
A
lu
y
I
-
i
•
I
•••••••• ••••••••• • •• ••• • •• • •• • ••• •••• • ••• • .(3.8)
; • !
!:J.
y = I
a
0
+
rY
I -
I
+ a
2 (
+
t
p ;!J,.
Y
1
-
I +
I
+
£
1
• • • • • • • • •• "• • • • •" • • • • • • • • • • • • • • • " • • • • •
.(3.9)
I= 2
Tabel critical value dapat digunakan untuk menguji apakah y = 0. DickeyFuller juga menambahkan 3 tabel statistik yaitu ¢11, {h,dan (P., untuk menguji hipotesis dari koefisien-koefisien dari 3 persamaan di atas.
•
Tesis 2006 Chapter III
_________________________________ ___________ 38
Dengan persamaan (3.8) kita dapat menguji apakah y = 0 dan a.o = 0, yaitu apakah data Y terbentuk dari proses stasioner tanpa drfit, maka Hipotesis Nolnya adalah Ho: y = a.o = 0. Statistik yang digunakan adalah ¢I . Dengan persamaan (3.9) kita dapat menguji apakah a.o = y = a2 = 0, yaitu apakah data Y terbentuk dari proses stasioner, tanpa drift dan tanpa deterministic
trend. Hipotesis Nolnya adalah Ho: a.o = y = a2 = 0. Statistik yang digunakan adalah ¢2. Dengan persamaan (3.7) kita dapat menguji apakah y = a2 = 0, yaitu apakah data Y terbentuk dari proses stasioner dan tanpa deterministic trend. Hipotesis Nolnya adalah Ho: y = a2 = 0. Statistik yang digunakan adalah ¢13. Statistik ¢1, f/Jl,dan ¢13 dihitung dengan cara yang sama dengan menghitung statistik F yaitu :
¢; = [RSSrestricted- RSSunrestricted I r] ..................... (3.lC') RSSunrestricted I(T- k)
RSSrestricted dan RSSunrestricted = the residuals sum of the squares dari restricted dan unrestricted model r = jumlah restriksi T = jumlah observasi yang digunakan k = jumlah parameter yang diestimasi di dalam unrestricted model T-k = degree offreedom dari unrestricted model Dengan membandingkan nilai
tA hitung dengan tA Tabel, maka dapat ditentukan
apakah restriksi yang digunakan pada model berbeda signifikan. Ho: parameter dari model restricted H1: parameter dari model unrestricted Jika restriksi tidak signifikan, maka nilai RSS restricted model seharusnya mendekati nilai RSS unrestricted model sehingga nilai seharusnya
tA kecil. Nilai tA yang besar
menunjukkan bahwa Ho ditolak, artinya ada perbedaan antara model terestriksi dengan yang tidak terestriksi.
•
Te.ris 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
39
Dengan demikian, jika nilai
tA hitung lebih kecil daripada nilai tA table, maka
model terestriksi tidak ditolak. Artinya, model terestriksi ternyata berbeda signifikan dengan model yang tidak terestriksi. Sementara itu, jika nilai daripada nilai
tA
tA
hitung lebih besar
table, maka model terestriksi ditolak, karena tidak ada perbedaan
antara model terestriksi dengan model yang tidak terestriksi.
3.2.2
PHILLIPS-PERON (PP) TEST Alternatif uji stasioneritas secara formal adalah uji stasioneritas yang
diusulkan Phillips dan Peron (1998). Metode ini memodifikasi test statistik yang digunakan OF Test sedemikian rupa sehingga tidak perlu ada tambahan lag variable dependen untuk menghilangkan pengaruh serial korelasi yang ada pada error termnya. Pengujian dengan PP Test menggunakan metode non parametrik untuk mengendalikan korelasi serial dalm suatu time series. PP Test merupakan proses AR(1) yang dapat dinyatakan sebagai berikut : .................................. (3.11)
Hipotesis nolnya adalah p = 1. Jika
p = 1, maka variable stokhastik Yt memiliki
unit root atau random walk, artinya data nonstasioner. Untuk melakukan uji stasioner,
PP statistic dibandingkan dengan nilai PP Tabel. Jika nilai absolut PP statistik lebih besar dari nilai absolut PP Tabel, maka hipotesis nol ditolak, artinya data time series bersifat stasioner. Kelebihan metode ini adalah PP Test mengasumsikan bahwa proses terbentuknya error term dari suatu variable tidak mengikuti suatu fungsi tertentu. Hal ini berarti prosedur PP Test dapat secara luas diterapkan sepanjang tidak ada keharusan mengasumsikan bahwa error term memiliki bentuk fungsional tertentu. Namun demikian, PP Test ternyata masih tergantung pada asymptotic theonJ yang berarti bahwa semakin besar sampel yang digunakan, validitas PP Test dalam mendeteksi stasioneritas pada data time series menjadi semakin akurat.
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
40
Namun demikian, secara umum masalah yang muncul dalam uji ADF adalah penentuan panjang lag. Jika lag terlalu panjang akan mengurangi kemampuan untuk menolak hipotesis karena lag yang terlalu panjang menambah parameter estimasi disertai hilangnya degree of freedom. Sebaliknya, jika lag terlalu pendek, maka sulit mengungkapkan the actual error process sehingga standar error tidak dapat diestimasi (Pyndik dan Rubinfeld, 1998).
3.3
UJI KAUSALITAS (GRANGER'S CAUSALITY) Uji kausalitas dilakukan untuk mengetahui apakah suatu variabel endogen
dapat diperlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan keterpengaruhan antar variabel. Jika ada dua variabel x dan y, maka apakah x menyebabkan y atau y menyebabkan x atau berlaku keduanya atau tidak ada hubungan keduanya. Variabel x menyebabkan variabel y artinya berapa banyak nilai y pada periode sekarang dapat dijelaskan oleh nilai y pada periode sebelumnya dan nilai x pada periode sebelumnya. Uji kausalitas dapat dilakukan dengan berbagai metode diantaranya metode Granger's Causality dan Error Correction Model Causality. Pada penelitian ini,
digunakan metode Granger's Causality. Pengujian dengan Granger's CausalihJ hanya menguji hubungan diantara variabel dan tidak melakukan estimasi terhadap model. Pengujian hubungan kausalitas dengan metode Granger's Causality dikembangkan oleh Granger (1969). Berikut ini diberikan contoh hubungan kausalitas antara 2 variable y dan z :
n
Y, =
z, =
Ia,y,_; + LfJjzt-j + J.L., i=l
j=l
m
m
,L:...t,y,_; + ,L:rjzt-j + J12t i=l
•
n
......................................... (3.12)
......................................... (3.13)
j=l
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - - 41
Adapun langkah-langkah penggunaan metode Granger's Causality adalah sebagai berikut : 1. lakukan regresi antara 2 variabel, misal y dan z dengan memasukkan beberapa variasi lag. Dari regeresi ini akan diperoleh restricted residual sum of squares (RSSrestricted).
2. hipotesis nolnya adalah Ho: 3. untuk menguji hipotesis, digunakan uji F. 4.
jika nilai absolute F lebih besar daripada nilai kritis F table, maka hipotesis nol ditolak yang berarti terdapat hubungan kausalitas.
5. langkah ini diulang-ulang untuk beberapa variable penelitian yang lain dengan lag yang berbeda. Dari pengujian tersebut nkan diketahui variable-variabel mana yang memiliki hubungan kausalitas, sehingga selanjutnya dapat dimasukkan dalam analisis dengan metode VAR. Sementara itu, variable-variabel yang tidak memiliki hubungan kausalitas dikeluarkan dari persamaan VAR.
3.4
PENENTUAN PANJANG LAG
Sebelum melakukan uji kointegrasi, dan membentuk model VAR atau VEC perlu dilakukan penentuan panjang lag. Karena uji kointegrasi, dan model VAR a tau VEC sangat peka terhadap panjang lag, maka penentuan lag yang optimal menjadi salah satu prosedur penting yang harus dilakukan dalam pembentukan model (Enders, 1995). Pemilihan lag seringkali dilakukan secara trial and error untuk mendapatkan hasil yang optimal. Namun dalam pemilihan lag, selain mempertimbangkan optimalitas seharusnya juga mempertimbangkan adanya kemungkinan korelasi serial dan degree of freedom. Korelasi serial biasanya disebabkan oleh pemilihan lag yang terlalu pendek sedangkan lag yang terlalu panjang akan menyebabkan
e
Tests 2006 Chapter III
-------------------------------------------------------------------------------------------42
penurunan degree of freedom dari persamaan yang dihasilkan dan jumlah parameter yang diestimasi menjadi semakin banyak sehingga menjadi tidak efisien. Secara umum terdapat beberapa parameter yang dapat digunakan untuk menentukan panjang lag yang optimal, antara lain AIC (Akaike Information Criterion), SC (Sclrwart Criterion) dan LR (Likelihood Ratio). Penentuan panjang lag yang optimal didapat dari persamaan VAR a tau VEC dengan nilai AIC, SC a tau LR yang terkecil. Sebagaimana dinyatakan Enders (1995), perhitungan dari AIC dan SC adalah sebagai berikut : AIC(k) =Tine SSR(k))+ 2n
T SC(k)
= T Inc SSR(k)) + n In(T) T
..................................... (3.14) ..................................... (3.15)
dimana T
= jumlah observasi yang digunakan
k
= panjang lag
SSR
= the Residual Sum of Squares
n
= jumlah parameter yang diestimasi
sedangkan dengan menggunakan LR sebagai berikut : LR=-2(r -r)
.................................... (3.16)
dimana I = log likelihood r
= restrictive regression
u = unrestrictive regression Jika terdapat perbedaan dalam memilih nilai minimal dari AIC, SC dan LR, maka panjang lag dipilih berdasarkan LR karena dengan AIC jumlah lag sering terlalu panjang sedangkan dengan SC sering terlalu pendek. Giles (2000) menyatakan AIC overestimate of k dan SC overly parsimonious infinite sample (Indrawati,2002) .
•
Te.ris 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - -
43
3.5
UJI KOINTEGRASI UOHANSEN'S COINTEGRATION TES1) Pendekatan kointegrasi merupakan isu statistik model dinamis yang cukup
penting. Pada prinsipnya pendekatan kointegrasi berkaitan erat dengan pengujian terhadap kemungkinan adanya hubungan keseimbangan jangka panjang antara variabel-variabel yang diuji. Kointegrasi merupakan kombinasi hubungan linear dari variable-variabel yang nonstasioner dan semua variabel terintegrasi pada orde yang sama. Secara teoritis, jika
Xt
tersebut harus
mempunyai n komponen
nl.aka jumlah vektor kointegrasi maksimal n-1. Jadi jika
Xt
hanya terdiri dari 2
variabel, maka hanya terdapat 1 vektor kointegrasi. Banyaknya vektor kointegrasi ini disebut rank kointegrasi (Enders, 1995). Variabel-variabel yang terintegrasi akan menunjukkan bahwa variabel tersebut mempunyai trend stokhastik yang sarr.a dan selanjutnya mempunyai arah pergerakan yang sama dalam jangka panjang. Dalam penelitian ini, pengujian kointegrasi menggunakan metode Johansen's Cointegration Test. Metode ini muncul sebagai reaksi atas ketidakmampuan Engel-
Granger dalam menangani kasus multivariate
dimana estimasi pada kasus
multivariate pada hubungan jangka panjang yang umumnya menjadi masalah serius,
dengan adanya kemungkinan pada derajad integrasi yang pertama
a tau
1(1 ),
variable terpotong oleh lebih dari satu vektor kointegrasi. Metode yang ditemukan Johansen (1988) ini menggunakan Maximum Likelilzood. menggunakan vektor.
Uji ini dilakukan dengan
M:etode ini merupakan uji kointegrasi yang berhubungan
dengan konteks VAR (Vector Autoregression) dan VEC (Vector Error Correction). Sebelum uji kointegrasi dilakukan, syarat yang harus terpenuhi adalah bahwa variable-variabel yang diuji harus berintegrasi pada derajad yang sama. Syarat tersebut dapat terpenuhi dari hasil pengujian sebelumnya yaitu uji unit root dan uji integrasi. Bentuk umum VECM dengan intersep, tanpa variable eksogen (Ender, 1995:301) sebagai berikut: k-1
L\Y,
•
+aP'Y,-k + J.l, +c, = ~['i.l\Y,_i j=l
.............................................. (3.17)
Te.ris 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
44
dimana: Vektor n x 1 variabel-variabel endogen I(d) Vektor n x 1 konstanta menyatakan tren linier dalam sistem Struktur lag, cukup besar untuk membuat E, white noise Vektor n x 1 residual Gaussian white noise Matriks n x n yang menyatakan penyesuaian jangka pendek di antara variable-variabellag ke-j dalam n persamaan Matriks berdimensi n x r Kecepatan penyesuaian(loading) Vektor kointegrasi Order dari kointegrasi Gumlah persamaan kointegrasi) Error correction term
adanp
a
Jika ada n variable endogen, maka persamaan kointegrasi antara 0 sampai dengann-1: (1) jika tidak ada persamaan kointegrasi, VAR dalam first difference merupakan
most restricted model dengan jumlah parameter paling sedikit. (2) Jika ada satu persamaan kointegrasi dalam sisi kanan setiap persamaan VAR dimasukkan Error correction temz (ECT) yang melibatkan level dari series
(3) Setiap tambahan satu persamaan kointegrasi, mengkontribusikan ECT lain yang melibatkan level dari series
(4) Jika ada n persamaan kointegrasi berarti tidak ada series yang betul-betul terintegrasi dan VAR diformulasikan kembali dalam level semua series Johansen (1991), VECM menggunakan metode Full Information Maximum
Likelihood dengan langkah-langkah : (1) uji apakah semua variable terintegrasi pada 1(1) dengan uji unit root·
(2) temukan truncated lag (k) agar s, dalam setiap persamaan VECM tidak berhubungan (white noise) (3) regresikan persamaan di atas (3.17) dan estimasikan vektor kointegrasi dari
korelasi kanonikal sehimpunan residual dari persamaan regresi
(4) tentukan order kointegrasi dengan uji statistik unit root n
a. Atrace(r) = -T
L ln(l + ~;)
.......................................... (3.18)
i=r+l
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
45
Ho :
sebanyak-banyaknya
terdapat
r
hubungan
relasional
kointegrasi antara variable-variabel dalam Yt
H1 : lebih dari r hubungan relasional kointegrasi b. Amax(r,r+t)=-Tln(l+~;)
(3.19)
Ho : sebanyak-banyaknya terdapat r hubungan relasional kointegrasi antara variable-variabel dalam Yt I
H1 : lebih dari r+ 1 hubungan relasional kointegrasi dimana: ~;: eigenvalue yang diestimasi T : jumlah observasi N : jumlah variable endogen R : jumlah hubungan kointegrasi
Menurut Circir dan Parikh (1995) dalam Sudjono (2002) jika order kointegrasi ada 2 atau lebih maka dipilih satu persamaan kointegrasi yang punya tanda-tanda sesuai dengan yang diharapkan berbasis pada persamaan kointegrasi. Mengacu pada Giles dan Mirza (1999) dalam Indrawati (2002) estimasi rank kointegrasi dengan prosedur Johansen: (1) jika r
=
0 maka estimasi dengan VARD (k-1) model
(2) jika 0 < r < n, maka estimasi dengan VECM (k-1) (3) jika r
=
n, maka estimasi dengan VARL (k)
Metode proses dimulai dengan uji persamaan hipotesis r
=
0, dimana tidak
ada vektor kointegrasi. Jika hipotesis tersebut tidak dapat ditolak, maka prosedur dihentikan karena variable-variabelnya tidak berkointegrasi. Jika r
=
0 ditolak, masih
ada kemungkinan untuk melakukan uji pada hampir 1 vektor kointegrasi (r Apabila hipotesis ini juga ditolak, maka dilanjutkan ke r hipotesis tidak ditolak. Misalkan, kita dapat menolak r pada r
~
~
~
2, r
~
3, ... r
~
~
1).
s, sampai
r* - 1 tetapi tidak menolak
r*, maka implikasinya bahwa ada r* vektor kointegrasi. Artinya, estimasi
Maximum Likelihood pada r* vektor dapat diperoleh. Indikasi bahwa uji tersebut
$
Tesis 2006 Chapter III
______________________________________________ 46
signifikan adalah dengan melihat nilai dari likelihood ratio-nya. Pernyataan signifikan diperoleh hila likelihood ratio lebih besar daripada nilai kritis.
3.6
MODEL VAR (VECTOR AUTOREGRES SION) DAN VEC (VECTOR
ERROR CORRECTION ) Pendekatan struktural model persamaan simultan digunakan dalam teori ekonomi untuk menggambarka n hubungan antara beberapa variable terkait. Model kemudian diestlmasi dan digunakan untuk menguji teori ekonomi secara empiris. Namun demikian, teori ekonomi sering tidak mampu menjelaskan spesifikasi hubungan dinamis antar variable tersebut. Hal ini memunculkan alternatif berupa model non struktural, yaitu sebuah pendekatan untuk memodelkan hubungan antara beberapa variable. Dalam hal ini digunakan analisis model V AR a tau VEC. Model VAR yang dikembangkan oleh Sims (1980) dalam (Enders, 1995) mengasumsikan bahwa seluruh variable dalam persamaan simultan adalah variable endogen. Asumsi ini diterapkan karena seringkali penentuan variable eksogen dalam persamaan simultan bersifat subyektif. Dalam VAR, semua variable tak bebas dalam persamaan juga akan muncul sebagai variable bebas dalam persamaan yang sama. Sebagai contoh, untuk memodelkan hubungan perilaku pasar uang dan pasar modal dalam penelitian ini, variable endogen yang relevan antara lain nilai tukar, indeks harga saham dan transaksi asing. Ketiga variabel tersebut juga dapat menjadi variabel eksogen, artinya dengan
menggunakan lagnya, maka ketiga variabel
tersebut akan muncul sebagai variabel endogen dan eksogen. VAR biasanya digunakan untuk peramalan suatu sistem yang saling terkait secara runtun waktu dan untuk menganalisis dampak dinamik variable random error dalam sistem variable serta untuk melakukan uji kausalitas. Hal ini berarti V AR tidak mementingkan estimasi persamaan. Pendekatan VAR merupakan permodelan setiap variable endogen dalam sistem sebagai fungsi dari lag semua variable endogen dalam sistem. Hal ini berarti bahwa kita hanya perlu menspesifikasik an 2 hal yaitu:
•
Te.rir 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
47
(1) variable (endogen dan eksogen) yang diyakini berinteraksi (2) jumlah lag terbanyak yang diperlukan untuk menangkap pengaruh-peng aruh yang dimiliki masing-masing variable terhadap variable yang lain. Berikut ini adalah model umum dari V AR : ..................... ............. (3.20)
dimana: Matriks n x 1 dari variable endogen Matriks m x 1 dari variable eksogen Matriks koefisien yang diestimasi Matriks n x n dari koefisien variable endogen yang diestimasi Matriks n x m dari koefisien variable eksogen yang diestimasi Matriks n x 1 dari error term
Yt Xt
At, .. Ap,B Ai B
Berdasarkan standard form dalam model V AR, bentuk umum untuk kasus
multi"mriate (Enders, 1995:301) menjadi sebagai berikut: ......... ····················· ····· ........ (3.21) dimana:
Yt Ao Ai Et
vektor (n x 1) yang berisi n dari masing-masing variable dalam VAR vektor (n x 1) intersep Koefisien matrik (n x n) vektor (n x 1) dari error term
Berdasarkan bentuk umum di atas, dalam penelitian ini penulis akan menggunakan model standar VAR sebagai berikut : a12 (L) 11 11 ] (L) [a 10 ] a13 (L)J[ ER1 ] + [& ............... (3.22) & 21 = a2o + a21 (L) a22 (L) a23 (L) LQ1 [ LQI & 31 a31 (L) a32(L) a33 (L) LogNP, a 30 LogNP, ER1
]
[a
dimana: ERt LQt LogNPt
•
Nilai tukar rupiah terhadap USD IndeksLQ45 Beda nilai pembelian bersih investor asing
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
48
Namun demikian salah satu kelemahan dalam analisis model VAR adalah kesulitan dalam menginterpretasikan koefisien , misalnya dalam persamaan VAR, variabel X dipengaruhi oleh lag X masa lalu sampai lag ke 5. Setelah dilakukan regresi ternyata hanya lag ke-1 dan ke-5 yang signifikan. Dalam hal ini sulit untuk memberikan
interpretasi
mengapa lag kedua,
ketiga
dan
keempat
tidak
mempengaruhi X. Kelemahan ini ditutupi dengan analisis impulse response function dan variance decomposition. 3.7
INNOVATION ACCOUNTING
3.7.1
IMPULSE RESPONSE FUNCTION(IRF) IRF menunjukkan dampak slwck satu standar deviasi dari satu inovasi
terhadap nilai-nilai variable endogen pada periode sekarang dan di masa yang akan datang. Suatu shock pada variable endogen ke-i secara langsung akan mempengaruhi variable itu sendiri dan akan menjalar ke variable-variabel endogen yang lain melalui struktur dinamis VAR. Jika antara interpretasi IRF adalah langsung.
€1
€1, €2
adalah inovasi ER,
dan €2
€3
tidak berkorelasi,
adalah inovasi LQ dan
€3
adalah inovasi NP. Hal ini berarti jika semua variable 1(0), maka IRF akan konvergen menuju nol dan menunjukkan sistem stabil. Terkait dengan IRF, Sims (1980) dalam Enders (1995) memodelkan dampak
slzock periode sekarang dan di masa depan (misalkan e1t dan e2t) dengan menggunakan vector moving average (VMA). Untuk memberikan ilustrasi, berikut ini disajikan· persamaan standar dari VAR dalam bentuk matriks ................................. (3.23) a tau dengan menggunakan standard form model yang diiterasi dengan the brute method untuk memecahkan sistem menjadi sebagai berikut :
<e
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
49
································· (3.24) dimana:
I = matriks identitas (2x2) setelah dilakukan n iterasi, maka diperoleh hasil sebagai berikut : n
x, =(l+Al +~")Ao + L~;et-1 +Aln+lx,_,_l
................................ (3.25)
i=O
selanjutnya, dilakukan iterasi dengan menghilangkan
~"
dan mengganti n dengan
pendekatan tak terbatas, sehingga akan diperoleh persamaan sebagai berikut : ao
x, = p+ L~;e,_l
································· (3.26)
i=O
dimana: J.L = [y z]'
dan
y=[a
10 (I
- a 22 ) + a 12 a 22 ] I ll
; = [a20 {l-a11 )+a21 a 10 ]Ill
sehingga jika dinyatakan dalam bentuk matrik menjadi
.................................. (3.27)
persamaan di atas menunjukkan adanya movzng average yang selanjutnya vector
erromya dapat ditulis sebagi berikut : ······························· (3.28) kemudian kedua persamaan di atas dapat dikombinasikan menjadi
•
Tesis2006Chapterlll
-----------------------50
-b12 1
J(cY,J ...................... (3.29) Czt
karena notasi persamaan di atas terlalu besarl maka untuk menyederh anakannya dibuat matriks
rpjk(iJ
berukuran (2x2) sebagai berikut: ................ ................ (3.30)
sehigga persamaan (3.28) dapat ditulis berurutan dalam term cY, dan cz, menjadi :
C. J~ (;-J
f
Y
Y,
fP11
+ ,,, ( (021(1)
fPt2
(022(1)) (
c,.t-t
................ ................ . (3.31)
E,_, J
a tau dalam bentuk compact-nya sebagai berikut : x, = J.i +
I"'
................ ................ .. (3.32)
f/J; ct-1
i=O
Keempat koefisien
rp1w> I qJ12 <;> 1 rp21 u> I
rp22 u> dinamakan sebagai the impuls response
function (Enders 1995). Plotting IRF (penggamba ran koefisien 1
rpjkU>
terhadap i)
menunjukk an perilaku Yt dan Zt atas sejumlah shocks yang terjadi. Masalah lain yang muncul ialah kesulitan dalam menginterp retasikan IRF karena pada umumnya errors secara total tidak pernah berkorelasi. Alternatif untuk menyelesaik an masalah ini adalah dengan metode Choleski Decompotition walaupun metode
1ru
dilakukan
secara
arbitrary
atas
perubahan- perubahan
guna
menginterp retasikan IRF. Dari vector error terms di atas dapat didekompo sisikan sebagai berikut:
................ ................ (3.33) ................ ................ (3.34)
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
51
3.7.2
VARIANCE DECOMPOSffiONS (VD)
VD memberikan pendekatan yang berbeda dalam menggambarkan dinamika yang ada dalam sistem. Jika IRF dapat melacak sejauh mana pengaruh dari suatu
shock yang terjadi pada endogenus variable yang ada dalam sistem, maka VD memisahkan (mendekomposisi) varian yang ada dalam variable endogen menjadi komponen-komponen shocks pada variabel endogen yang ada dalam VAR. Dengan demikian, VD dapat memberikan informasi tentang arti penting dari setiap shocks (inovasi random) terhadap variable yang ada dalam VAR. Jika forecast error periode ke-n dapat dinyatakan dalam persamaan berikut : Yt +n- Etyt +n = Bu(O)&yt+n+Bn(l)&yt +n-1 + ... +Bu(n-I)&yt + 1 + 812(0)&zr +n +B12(I)&zt +n -I+ ... +B12(n -I)&zt +I
...... ············ (3.35)
maka variance dari forecast error Yt+n dapat dinyatakan sebagai berikut:
J ...................................... (3.36)
uy(n) 2 = u: [ 811 (0) 2 + 811 {1) 2 + ... + 811 (n-1) 2 +
2[ o.2(0) 2+ (},
(Jz
12(1)
2+ ... + (},
12(n-l)
2]
selanjutnya dapat dicari proporsiforecast error yang berasal dari error tenn dari y(cy) sendiri serta yang berasal dari shock z(cz), masing-masing dengan rumus sebagai berikut: ................................ (3.37)
dan
................................ (3.38)
Dengan demikian sebagaimana yang tampak pada persamaan di atas, forecast
error dari VD menjelaskan tentang proporsi dari varians suatu variable yang terdiri dari varians variable itu sendiri dan varians variable lainnya. Jika tidak ada satupun
shock Ezt dari forecast error variance atas Yt pada semua ramalan di masa depan, maka
<e
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
52
dapat dikatakan bahwa Yt adalah eksogenus. Dalam hal demikian, Yt akan mengarah independen atas shock
Ezt
dan
Zt..
Begitu pula sebaliknya, jika shock
Ezt
dapat
menjelaskan semua forecast error variance pada Yt pada semua ramalan di masa depan, maka Yt adalah endogenus (Enders, 1995) .
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
53
DIAGRAM3.1 DIAGRAM ALUR METODE PENELITIAN
ldentifikasi Masalah
Tujuan Penelitian Kerangka Pemikiran
!
Hipotesis
Model Empiris VAR
I Econometric Tools
Uji Hipotesis
I
I
I
Data
I
Anal isis
lo
Implikasi Kebijakan
•
Tesis 2006 Chapter III - - - - - - - - - - - - - - - - - - - - - - - -
54
DIAGRAM3.2 DIAGRAM ALUR UJI HIPOTESIS DENGAN ECONOMETRIC TOOLS
Data
Uji Stasioneritas
Ya
Uji Kausalitas
Tidak Uji Kointegrasi
Transfonnasi
Ya
Tidak V AR Estimation Model
VEC Estimation Model
Innovation Accounting
•
Tesis2006Chapteriii
------------------------55
BABIV ANALISIS DAN PEMBAHASAN
4.1
GRAFIK LEVEL DAN FIRST DIFFERENCE LEVEL Untuk mengetahui fluktuasi pergerakan nilai tukar rupiah terhadap dolar
Amerika, indeks LQ 45, dan pembelian bersih investor asing pada pasar skunder BEJ digunakan metode analisis deskriptif berupa grafik time series baik pada data level maupun first difference-nya. Jadi penyajian secara grafis ini sama sekali tidak dimaksudkan untuk melakukan uji stasioneritas. Berikut ini adalah gambaran pergerakan masing-masing variabel penelitian :
14000 12000 10000 8000 6000 4000 2000 0~~~. .~~~~~~----~--~~~----~
-2 000
..L.rrT'T"rT'T",..,-TTT"T"T TT"TTTTT"TTTT"T'T"T"T' T"T'T"T'T'T"T'T'T'T"T'T'T" T'T'T"T'T'T"T"I""'rT"I""'r.., .....J
2001
2002
2003
2004
2005
I-DEA - E R I
Gambar 4.1 Grafik level dan first difference data series nilai tukar
•
Tesis2006ChapterW
---------------------56
Gambar 4.1 di atas memperlihatkan grafik level dan first difference dari variabel nilai tukar. Pada grafik level terlihat bahwa nilai tukar berfluktuasi dengan trend melemah dimana sejak awal 2000 cenderung melemah meski sempat menguat pada kuartal ketiga. Memasuki tahun 2001, pelemahan rupiah semakin tajam hingga menembus level psikologis pada kurs Rp12.000,00 per $US yang kemudian menguat kembali pada kuartal ketiga pada tahun yang sama pada level Rp8.500 per $US. Menurut catatan Annual Report Bank Indonesia, tahun 2001 merupakan tahun yang sulit bagi perekonornian Indonesia dimana kebijakan-kebijakan
pembangunan
ekonorni
Indonesia
masih
sangat
dipengaruhi oleh pihak asing. Pada tahun 2002, nilai tukar rupiah relatif stabil dengan volatilitas yang lebih rendah dibanding tahun sebelurnnya pada persekitaran level Rp8.500 hingga Rp9.200 per $US, meskipun sempat ada pengaruh sesaat yang tidak dapat diamati secara mendetail dari data closing price harian ini, sebagai akibat peristiwa born Bali pada bulan Oktober 2002. Pada kuartal pertama tahun 2003, rupiah sempat menyentuh level Rp9.000an, namun kemudian menguat pada kuartal kedua hingga mampu bertengger pada nilai Rp8.175 per US$. Menurut catatan Bank Indonesia, nilai tukar rupiah mencapai penguatan yang tertinggi pasca krisis ekonorni dan moneter tahun 1997 pada level ini. Namun hal ini tidak bertahan lama, karena memasuki kuartal ketiga tahun 2003 hingga kuartal pertama tahun 2004 rupiah berada pada kisaran Rp8400,- hingga Rp8.600,- per US $. Selanjutnya menginjak kuartal kedua trend rupiah terus melemah hingga menembus angka Rp9.400,- per US$. Pelemahan ini berlanjut hingga akhir tahun 2004 dimana rupiah masih berada pada level di
atas Rp9.000,-an per US$. Selama tahun 2005, rupiah cenderung terus melemah hingga menjelang kuartal ketiga melewati batas psikologis sebesar Rp10.775,per US$. Hal ini kurang lebih karena tekanan harga minyak dunia yang pada akhirnya memaksa pemerintah mencabut kebijakan subsidi BBM sejak 1 Oktober 2005. Akibatnya memunculkan kondisi yang "menggoyang" perekonornian nasional. Keadaan ini bertahan hingga akhir tahun 2005.
Q
Tesis 2006 Chapter Il" - - - - - - - - - - - - - - - - - - - - - -
57
300
200 150 100 50 0~. .~~~--~~~~~~~~~~~~~~~. .~
-50
~--~~~~~~~--~~--~~~~~~~--~
2001
2002
2003
, _ DLQ
-
2004
LQ
2005
I
Gambar 4.2 Grafik level dan first difference data series LQ 45
Gambar 4.2 di atas memperlihatkan grafik level dan first difference dari variable indeks LQ 45. Grafik level memperlihatkan indeks LQ 45 yang sangat fluktuasi dengan kecenderungan meningkat. Selama tahun 2000, indeks LQ 45 cenderung melemah dari posisi 150an hingga menyentuh posisi 80an. Keadaan ini terus berlanjut hingga kuartal pertama tahun 2001 dimana LQ 45 turun pada posisi 67,275. Memasuki kuartal kedua dan ketiga tahun 2001, LQ 45 cenderung stabil pada kisaran 72,108 hingga 97,598. Berdasarkan catatan Bank Indonesia, penurunan LQ 45 pada level yang rendah pada periode tersebut disebabkan oleh kegiatan produksi dan investasi yang masih sangat terbatas sebagai akibat dari krisis serta masih tingginya risiko dan tingkat ketidakpastian, dan ditambah lagi dengan lambannya proses restrukturisasi utang perusahaan. Pada tahun 2002, tepatnya tanggal14 Oktober 2002, LQ 45 sempat anjlok ke posisi terendah yaitu pada level 69,086. Sentimen negatif ini terjadi pada pembukaan bursa hari pertama sebagai akibat langsung dari peristiwa aksi born Bali I pada tanggal 12 Oktober 2002. Keterpurukan ini tidak berlangsung lama, pada pertengahan
8
Tesis 2006 OJapur W
----------------------
58
kuartal ketiga tahun 2002, LQ 45 kembali mengalami trend peningkatan hingga menembus level 90, mesk.ipun pada kuartal pertama tahun 2004 sempat stagnan pada kisaran 80 hingga 87 dimana pada saat itu para pelaku pasar masih wait and see atas pelaksanaan pemilu legeslatif di Indonesia. Setelah pemilu legeslatif dan
pemilihan presiden dan wakil presiden secara langsung berjalan dengan aman dan damai, laju peningkatan LQ 45 tak tertahan, hingga menembus batas psikologis di levellOO pada awal Mei 2003 yang hingga akhir tahun 2003, LQ 45 terus meningkat dan mencapai angka tertinggi 152. Pada dua kuartal pertama tahun 2004, LQ 45 berfluktuasi pada rentang 142 hingga 179. Memasuki kuartal terakhir tahun 2004, LQ 45 menunjukkan keperkasaannya dengan trend meningkat hingga akhir tahun mencapai level tertinggi 218,58. Kondisi ini terus berlanjut hingga awal kuartal ketiga pertama tahun 2005, dimana LQ 45 sempat berada di atas level 250. Namun memasuki akhir kuartar ketiga hingga akhir tahun 2005, LQ 45 menurun dan selanjutnya bergerak stagnan pada kisaran 216 hingga 243.
2001
2002
1- LOGNP
2003
2004
2005
- - DLOGNP
Gambar 4.3 Grafik level dan first difference data series pembelian bersih investor asing
•
Tesis20060JapterW
----------------------59
Gambar 4.3 di atas memperlihatkan grafik level dan first difference dari variabel NP. Grafik level memperlihatkan NP dengan trend meningkat. Pada tahun 2000, transaksi asing relatif stabil dengan hanya 1 transaksi bernilai hampir Rp350 miliar pada bulan Mei 2000. Memasuki tahun 2001, transaksi asing juga relatif stabil, dimana terdapat transaksi pembelian bersih asing yang sangat signifikan di akhir tahun 2001 lebih dari Rp2,6 triliun. Pada kuartal terakhir 2002, secara umum terdapat penurunan transaksi asing sebagai dampak peristiwa born Bali I, namun masih terdapat satu NP yang signifikan hampir senilai Rp4,8 triliun. Selama 2 kuartal pertama tahun 2003, hanya terjadi 2 NP yang menonjol namun tidak signifikan yaitu pada akhir Januari sebesar Rp190 miliar dan akhir Juni sebesar Rp44 miliar. Sementara itu, pada 2 kuartal terakhir tahun 2003, terdapat 2 NP yang bernilai lumayan besar masing-masing senilai Rp702 miliar pada akhir Juli dan Rp650 miliar pada akhir Oktober, namun terdapat pula 2 NP bernilai negatif yaitu sebesar Rp92 miliar pada akhir Juli dan Rp115 miliar pada awal Agustus. Memasuki kuartal pertama tahun 2004, mulai terdapat NP yang bemilai besar masing-masing sebesar Rp296 miliar dan Rp481 miliar pada awal Januari, Rp730 miliar dan hampir Rp1,2 triliun pada akhir Februari serta hampir Rp2 triliun pada awal Maret. Namun demikian, terdapat juga NP bemilai negatif yang menonjol sebesar Rp211 miliar dan Rp257 miliar pada awal Maret 2004. Pada kuartal kedua tahun 2004, NP fluktuatif pada kisaran negatif Rp448 miliar hingga Rp589miliar. Sementara itu, pada 2 kuartal terakhir paling tidak terjadi 4 NP yang bernilai di atas Rp500 miliar yaitu sebesar Rp560 pada awal Oktober, sebesar Rp1,256 triliun dan Rp1,427 triliun pada awal November serta sebesar Rp655 miliar pada awal Desember. Sedangkan NP yang bernilai negatif terjadi pada awal Desember senilai Rp260 miliar. Selama semester pertama tahun 2005, terdapat 2 NP bemilai negatif yang sangat signifikan masing-masing sebesar Rp18,5 triliun pada pertengahan Maret dan Rp19,2 triliun sedangkan yang bernilai positif sebesar Rp862 miliar pada awal Januari dan Rp735 miliar pada akhir bulan Maret. Sementara pada semester
G
Te.ris 2006 Chapter W
----------------------
60
terakhirnya, terdapat 4 NP besar masing-masing senilai Rp2,169 triliun pada awal Agustus, Rp2,131 triliun pada akhir September, Rp1,095 triliun pada pertengahan Oktober dan Rp4,424 triliun pada akhir Oktober.
4.2
UJI STASIONERITAS
Suatu data time series dikatakan stasioner jika mean, varzance dan autocovariance untuk berbagai lag yang berbeda nilainya konstan, tidak melihat
dari titik mana perhitungan dimulai atau tidak tergantung waktu (time invariant). Suatu penelitian dengan data time series yang dapat diestimasi dengan metode estimasi biasa (OLS) didasarkan pada suatu asumsi bahwa data tersebut stasioner pada level, artinya data konstan dan independen sepanjang waktu (Gujarati,2003). Namun pada kenyataannya, sebagian besar data time series merupakan data nonstasioner. Hal ini berarti penggunaan metode estimasi OLS dengan data nonstasioner dapat berakibat pada kegagalan estimasi dalam menunjukkan nilai-nilai yang sebenarnya (spurious regression) meskipun ukuran sample diperbesar. Oleh karena itu, sebelum dilakukan analisis lebih lanjut perlu dilakukan uji stasioneritas yang dapat dilakukan dengan unit root test. Jika suatu variable Yt pada data level mempunyai satu unit root, maka variable tersebut nonstasioner. Selanjutnya, dilakukan pengujian pada first difference dan seterusnya hingga diperoleh data yang stasioner.
Metode yang lazim digunakan untuk melakukan unit root test adalah Augmented Dickey-Fuller Test (ADF Test). Untuk menentukan bahwa suatu series
mempunyai unit root a tau tidak, maka perlu dilakukan perbandingan antara nilai t statistik ADF atau PP Test dengan nilai ADF Tabel. Apabila nilai t statistik ADF atau PP Test lebih kecil daripada nilai kritis ADF Tabel dengan tingkat signifikansi tertentu, maka series tersebut tidak stasioner. Berdasarkan hasil uji unit root sebagaimana terlihat pada tabel 4.1 di bawah ini ditemukan bahwa ketiga variable asal memiliki unit root yang berarti data asli penelitian tidak stasioner. Hasil ini konsisten dengan Ajayi dan •
Tesi1 2006 Chapter IV
----------------------------------------------------------------------------------61
Mougoue (1996), Asmila (2001), Indrawati (2002), Sudjono (2002), Sulistyo (2002) serta para peneliti yang lain. Tabel4.1 Hasil Uji Unit Root dengan Metode ADF Test dan PP Test PPTest (t-stat) -2.546028 -35.25351
Order Integrasi
ER D(ER)
ADFTest (t-stat) -2.608058 -35.32174
LQ D(LQ)
0.282157 -32.63501
0.282843 -32.54433
I (1)
LogNP D(LogNP)
-2.114474 -17.41338
-2.162783 -239.8823
I (1)
Varia bel
I (1)
Untuk mendapatkan data yang stasioner, maka pada tahap berikutnya dilakukan pengujian unit root pada data first difference. Hasil uji dengan menggunakan ADF Test dan PP Test seperti terlihat pada table 4.1 menunjukkan bahwa data stasioner dengan tingkat signifikansi 1 %. Hal ini berarti bahwa seluruh variable ekonomi tersebut di atas stasioner pada first difference sehingga variable dapat dikatakan terintegrasi pada derajat 1 atau I(1).
4.3
UJI GRANGER'S CAUSALI1Y Pengujian dengan Granger's Causality hanya untuk menguji hubungan
diantara variabel dan tidak melakukan estimasi terhadap model. Berikut ini hasil rekapitulasi uji kausalitas dengan metode Granger's Causality: Tabel4.2 Hasil Uji Kausalitas dengan Granger's Causality Test Hipotesis DLQ does not Granger Cause DLOGNP DLOGNP does not Granger Cause DLQ DER does not Granger Cause DLOGNP DLOGNP does not Granger Cause DER DER does not Granger Cause DLQ DLQ does not Granger Cause DER •
Signifikansi 5%
Signifikansi 10%
Ho ditolak Ho tidak ditolak Ho tidak ditolak Ho tidak ditolak Ho tidak ditolak Ho tidak ditolak
Ho ditolak Ho tidak ditolak Ho tidak ditolak Ho tidak ditolak Ho tidak ditolak Ho ditolak
Tuis 2006 Chapter IV - - - - - - - - - - - - - - - - - - - - -
62
Berdasarkan tabel 4.2 di atas, dari seluruh uji kausalitas terhadap seluruh variabel penelitian pada tingkat signifikansi 5% diperoleh basil bahwa ternyata hanya hipotesis LQ does not granger cause terhadap LogNP yang ditolak sedangkan hipotesis yang lainnya tidak dapat ditolak. Hasil ini menunjukkan bahwa hanya indeks LQ 45 yang berpengaruh terhadap pembelian bersih investor asing. Sementara itu, pada tingkat signifikansi 10% terdapat 2 hipotesis yang ditolak, masing-masing mengandung pengertian bahwa indeks LQ 45 berpengaruh terhadap pembelian bersih investor asing dan indeks LQ 45 berpengaruh pada nilai tukar. Hal ini tidak konsisten dengan penelitian sebelumnya yang dilakukan oleh Sudjono (2002) yang menemukan adanya hubungan kausalitas antara indeks harga saham dengan nilai tukar.
4.4
PENENTUAN PANJANG LAG Sebelum melakukan uji kointegrasi, dan membentuk model VAR a tau
VEC perlu dilakukan penentuan panjang lag. Karena uji kointegrasi, dan model VAR a tau VEC sangat peka terhadap panjang lag, maka penentuan lag yang optimal menjadi salah satu prosedur penting yang harus dilakukan dalam pembentukan model. Beberapa penelitian sebelumnya menggunakan berbagai panjang lag yang berbeda-beda. Ajayi dan Mougoue (1996) menggunakan panjang lag yang beragam untuk masing-masing negara yang diteliti mulai dari lag 3 hingga lag 13. Asmila (2001) dengan data harian menggunakan lag 8 untuk Indonesia, lag 5 untuk Filipina, lag 6 untuk Thailand dan Singapura. Penelitian Sudjono (2002) dengan data bulanan menggunakan lag 9 untuk seluruh perode data Oanuari 1990-Desember 2000), lag 3 untuk periode sebelum krisis dan lag 2 untuk periode setelah krisis, sedangkan penelitian lndrawati (2002) dengan data bulanan menggunakan lag 3 untuk Indonesia. Sementara itu, Sulistyo (2002) dengan data pekanan menggunakan lag 7 dan Novita (2004) dengan data harian menggunakan lag 5 untuk Indonesia. Berdasarkan penelitian-penelitian tersebut (t Tesis 2006 Chapter IV -------------------------------------------------------------------------------------63
di atas, penentuan panjang lag sangat bergantung pada periode data (sebelum atau sesudah krisis), panjang data (banyaknya sample) dan sifat data (bulanan, pekanan,dan harian.). Secara umum terdapat beberapa parameter yang dapat digunakan untuk menentukan panjang lag yang optimal, antara lain AIC (Akaike Information
Criterion), SC (Sclzwart Criterion) dan LR (Likelihood Ratio). Penentuan panjang lag yang optimal didapat dari persamaan VAR a tau VEC dengan nilai AIC, SIC a tau LR terkecil. Namun apabila terdapat perbedaan dalam memilih nilai minimal dari AIC, SC dan LR, maka panjang lag dipilih berdasarkan LR karena dengan AIC jumlah lag sering terlalu panjang sedangkan dengan SC sering terlalu pendek. Giles (2000) menyatakan AIC overestimate of k dan SC overly parsimonious
infinite sample (lndrawati,2002). Berikut ini disajikan tabel rekapitulasi perbandinga-n nilai log likelihood dan kriteria yang digunakan dalam penentuan panjang lag untuk model VAR mulai panjang lag 1 s.d 10 : Tabel4.3 Rekapitulasi nilai log Likelihood, LR, AIC dan SC dalam Model VAR an tara ER, LQ dan LogNP Lag
LogL
LR
AIC
sc
0 1 2 3 4 5 6 7 8 9 10
-21974.29 -13903.81 -13854.75 -13814.35 -13791.68 -13777.46 -13767.18 -13751.74 -13739.00 -13727.12 -13721.25
NA 16095.25 97.63441 80.22018 44.93060 28.11299 20.28032 30.39290 25.03435 23.28433* 11.48474
31.12931 19.71077 19.65403 19.60956 19.59019 19.58280 19.58099 19.57187 19.56657 19.56250* 19.56693
31.14047 19.75541 19.73215 19.72116* 19.73528 19.76137 19.79304 19.81740 19.84558 19.87498 19.91290
Berdasarkan Tabel4.3 di atas, terlihat bahwa ketiga kriteria memberikan hasil yang berbeda-beda, yaitu LR dan AIC dengan panjang lag 9, sedangkan SC dengan panjang lag 3. Oleh karena itu, dalam penelitian ini setelah
4'
Tesis 2006 Chapter IV
----------------- ----------------- -------64
mempertimbangkan penelitian terdahulu dan karakteristik data harian, maka akan digunakan panjang lag sesuai dengan kriteria LR dan AIC yaitu lag 9.
4.5
UJI KOINTEGRASI Uji kointegrasi dilakukan untuk mengetahui apakah akan terjadi
keseimbangan dalam panjang, yaitu terdapat kesamaan pergerakan dan stabilitas hubungan diantara variable-variable yang digunakan atau tidak. Agar dapat dilakukan uji kointegrasi untuk mengetahui apakah suatu series terkointegrasi atau tidak, maka series tersebut harus memenuhi 2 syarat yaitu memiliki unit root (nonstasioner) dan terintegrasi pada orde yang sama. Menurut Enders (1995) kointegrasi merupakan kombinasi hubungan linear dari variable-variabel yang nonstasioner dan semua variabel harus terintegrasi pada orde yang sama. Secara teoritis, jika
Xt
tersebut
mempunyai n
komponen maka jumlah vektor kointegrasi maksimal n-1. Jadi jika
Xt
hanya
terdiri dari 2 variabel, maka hanya terdapat 1 vektor kointegrasi. Banyaknya vektor kointegrasi ini disebut rank kointegrasi. Dalam penelitian ini, uji kointegrasi dilakukan dengan menggunakan metode Johansen's Cointegration Test. Berikut ini disajikan tabel hasil uji kointegrasi dengan metode Johansen's Cointegration Test: Tabel4.4 Pengujian Kointegrasi dengan metode Johansen's Cointegration Test Hypothesized No. ofCE(s) Eigenvalue None* Atmost1 Atmost2
0.021018 0.005608 0.001535
Trace Statistic 40.10412 10.11005 2.168958
5 Percent 1 Percent Critical Value Critical Value 34.91 19.96 9.24
41.07 24.60 12.97
Dari table 4.4 di atas dapat dilihat bahwa nilai trace statistic pada r = 0 lebih kecil dari critical value dengan tingkat signifikansi 1 %. Hal ini berarti hipotesis nol yang menyatakan bahwa tidak ada kointegrasi tidak dapat ditolak dan hipotesis alternatif yang menyatakan ada kointegrasi ditolak. Sementara itu, •
Te.ris 2006 Chapter IV
__________________________________ ________ 65
pada r = 0 nilai trace statistic lebih besar dari critical value dengan tingkat signifikansi 5 %, artinya hipotesis nol yang menyatakan bahwa tidak ada kointegrasi ditolak dan hipotesis alternatif yang menyatakan ada kointegrasi tidak dapat ditolak sedangkan pada r
:s: 1 nilai trace statistic lebih kecil dari
critical value dengan tingkat signifikansi 5 %, artinya hipotesis nol
yang
menyatakan bahwa tidak ada kointegrasi tidak dapat ditolak dan hipotesis alternatif yang menyatakan ada kointegrasi ditolak. Berdasarkan analisis ekonometrik di atas dapat dilihat bahwa di antara ketiga variabel dalam penelitian ini, terdapat 1 kointegrasi pada tingkat signifikansi 5 % dan tidak ada kointegrasi pada tingkat signifikansi 1%. Dalam penelitian ini, penulis dengan keyakinannya akan menggunakan tingkat signifikansi 1% dalam menentukan ada tidaknya hubungan jangka panjang diantara ketiga variabel penelitian. Hal ini dilakukan mengingat data harian merupakan data dengan tingkat keakuratan yang tinggi sehingga dengan tingkat signifikansi 1% diharapkan memberikan hasil yang lebih akurat. Dengan demikian, secara intuitif dari hasil uji kointegrasi dapat disimpulkan bahwa di antara nilai tukar, indeks LQ 45 dan pembelian bersih investor asing tidak memiliki hubungan stabilitasfkeseimbanga n dan kesamaan pergerakan dalam jangka panjang. Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Novita (2004), namun berbeda dengan penelitian yang dilakukan sebelumnya oleh Asmila (2001 ), lndrawati (2002), Sudjono (2002) dan Sulistyo (2002). Perbedaan ini sangat mungkin disebabkan oleh perbedaan kurun waktu (periode) pengambilan data, perbedaan jangka waktu data penelitian dan karakteristik data penelitian (bulanan, pekanan, atau harian).
4.6
MODEL EMPIRIS DARIVAR Setelah menentukan panjang lag dan melakukan uji kointegrasi, maka
tahap berikutnya adalah membentuk model VAR a tau VEC. Menurut Enders, •
Tesis 2006 Chapter IV
----------------- ----------------- --------66
jika terdapat hubungan kointegrasi diantara variabel penelitian, maka estimasi dilakukan dengan VEC, sedangkan jika tidak ada kointegrasi, maka estimasi dilakukan dengan VAR Difference
01ARD)
Karena hasil uji kointegrasi pada
penelitian ini menunjukkan tidak ada kointegrasi diantara ketiga variabel di atas maka estimasi dilakukan dengan VARD. Tabel berikut ini menyajikan hasil estimasi dengan VARD: Table 4.5 Hasil Estimasi VARD () untuk standar error dan [] untuk t-statistik
•
DER
DLQ
DLOGNP
DER(-1)
0.055731 (0.02738) [ 2.03522]
6.47E-05 (0.00069) [ 0.09320]
0.000119 (0.00050) [ 0.23936]
DER(-2)
-0.054402 (0.02740) [-1.98556]
0.000786 (0.00069) [ 1.13187]
7.50E-05 (0.00050) [ 0.15045]
DER(-3)
-0.054561 (0.02743) [-1.98889]
0.000161 (0.00070) [ 0.23101]
-0.000522 (0.00050) [-1.04665]
DER(-4)
0.074842 (0.02742) [ 2.72945]
-0.000554 (0.00069) [-0.79729]
-0.000250 (0.00050) [-0.50128]
DER(-5)
0.035396 (0.02746) [ 1.28907]
-0.000147 (0.00070) [-0.21091]
0.000177 (0.00050) [ 0.35475]
DER(-6)
-0.023777 (0.02738) [-0.86839]
-0.000404 (0.00069) [-0.58272]
9.79E-05 (0.00050) [ 0.19663]
DER(-7)
-0.015196 (0.02731) [-0.55635]
-3.01E-06 (0.00069) (-0.00435]
0.000129 (0.00050) [ 0.26009]
DER(-8)
0.031901 (0.02726) [ 1.17024]
0.001260 (0.00069) [ 1.82378]
0.000624 (0.00050) [ 1.25756]
DER(-9)
0.067110 (0.02724) [ 2.46340]
-0.000113 (0.00069) [-0.16404]
0.000269 (0.00050) [ 0.54345]
DLQ(-1)
-2.451545 (1.08383) [-2.26194]
0.169142 (0.02747) [ 6.15758]
0.063183 (0.01972) [ 3.20474]
Ten1 2006 Chapter IV - - - - - - - - - - - - - - - - - - - - -
67
•
DLQ(-2)
-0.034943 (1.09802) [-0.03182]
-0.069752 (0.02783) [-2.50647]
0.016928 (0.01997) [ 0.84753]
DLQ(-3)
-1.594196 (1.09810) [-1.45178)
0.053810 (0.02783) [ 1.93350]
0.008939 (0.01998) [ 0.44749]
DLQ(-4)
-0.065659 (1.09667) [-0.05987]
0.003470 (0.02779) [ 0.12486]
0.024273 (0.01995) [ 1.21675]
DLQ(-5)
-0.309467 (1.09724) [-0.28204]
0.018587 (0.02781) [ 0.66838)
0.007014 (0.01996) [0.35140]
DLQ(-6)
-0.729766 (1.09792) [-0.66468]
0.008287 (0.02783) [ 0.29783)
-0.019216 (0.01997) [-0.96217]
DLQ(-7)
0.054416 (1.09653) [ 0.04963]
-0.010941 (0.02779) [-0.39369]
-0.017728 (0.01995) [-0.88879]
DLQ(-8)
1.209391 (1.09128) [1.10824]
-0.022678 (0.02766) [-0.81995)
-0.019762 (0.01985) [-0.99553]
DLQ(-9)
0.047108 (1.07558) [ 0.04380)
-0.011476 (0.02726) [-0.42098)
0.003400 (0.01957) [ 0.17380]
DLOGNP(-1)
-1.113044 (1.47836) [-0.75289]
0.047471 (0.03747) [ 1.26697]
-0.788596 (0.02689) [-29.3243]
DLOGNP(-2)
-3.684345 (1.86916) [-1.97112]
0.001807 (0.04737) [0.03815]
-0.737867 (0.03400) [-21.7012]
DLOGNP(-3)
-3.271237 (2.13180) [-1.53450]
0.008328 (0.05403) [0.15414]
-0.616417 (0.03878) [-15.8958]
DLOGNP(-4)
-3.345142 (2.24773) [-1.48823)
-0.029809 (0.05697) [-0.52327]
-0.507915 (0.04089) [-12.4222]
DLOGNP(-5)
-1.437984 (2.27288) [-0.63267]
0.085241 (0.05760) [1.47975]
-0.448553 (0.04135) [-10.8490]
DLOGNP(-6)
-1.871592 (2.24478) [-0.83375]
0.040034 (0.05689) [0.70368]
-0.380253 (0.04083) [-9.31221]
Tms 2006 Chapter IV
68
DLOGNP(-7)
DLOGNP(-8)
DLOGNP(-9)
c
-0.264960 (0.03870)
-0.959848 (2.12734) [-0.45120]
0.099156 (0.05392) [1.83909]
-1.285615 (1.86023) (-0.69111]
0.006193 (0.04715) [ 0.13136]
-1.652208 (1.47771) [-1.11809]
0.000119 (0.03745) [ 0.00318]
[-2.12911]
1.948733 (2.19047) [ 0.88964]
0.055379 (0.05552) [ 0.99754]
-0.005159 (0.03985) [-0.12948]
[-6.84694]
-0.158639 (0.03384) [-4.68811]
-0.057231 (0.02688)
Ketiga persamaan dalam VAR di atas masing-masing terdiri dari variabelvariabel yang sama pada sisi kanan. Berdasarkan tabel 4.5 di atas tidak semua lag signifikan dalam setiap persamaan. Keadaan ini merupakan tipikal dalam VAR (Pindyck dan Rubinfeld, 1998). Untuk persamaan pertama dengan variabel dependen nilai tukar, variabel-variabel yang berpengaruh secara signifikan adalah nilai tukar dari empat hari sampai satu hari sebelumnya dan hari kesembilan sebelumnya, dan indeks LQ 45 sehari sebelumnya serta pembelian bersih investor asing pada dua hari sebelumnya. Pola hubungan nilai tukar dengan dirinya sendiri berselangseling awalnya positif lalu negatif dan akhirnya positif lagi sedangkan dengan indeks LQ 45 dan pembelian investor asing hubungannya negatif. Hal ini konsisten dengan penelitian Manurung (1996) dan penelitian Sulistyo (2002) namun berbeda dengan penelitian lndrawati (2002). Dengan demikian, pola hubungan nilai tukar dengan indeks LQ 45 dan pembelian investor asing berlawanan arah, yaitu ketika indeks LQ 45 dan pembelian bersih investor asing mengalami peningkatan maka nilai tukar mata uang domestik akan mengalami apresiasi. Hal ini dapat dijelaskan bahwa pada saat indeks LQ 45 naik maka kekayaan riil investor akan meningkat sehingga akan meningkatkan daya beli. Peningkatan daya beli berarti akan menaikkan permintaan mata uang domestik sehingga tingkat suku bunga pun turut naik. Peningkatan suku bunga akan •
Tesis 2006 Chapter IV
--------------------------------------------------------------------------------69
menarik arus modal asing masuk (capital inflows) yang pada akhirnya akan menyebabkan apresiasi mata uang domestik. Untuk persamaan kedua dengan variabel dependen indeks LQ 45, variabel yang berpengaruh secara signifikan hanya indeks LQ 45 itu sendiri sejak dua hari sebelumnya. Pola hubungan indeks LQ 45 dengan dirinya sendiri bervariasi diawali dengan hubungan positif lalu diakhiri dengan hubungan negatif sedangkan dengan nilai tukar hubungannya secara umum negatif dan dengan pembelian bersih investor asing hubungannya positif. Hasil penelitian ini berbeda dengan penelitian Manurung (1996) di BEJ yang menjelaskan bahwa pembelian bersih investor asing dapat menjelaskan secara signifikan varians indeks harga saham dengan hubungan negatif. Penyebabnya adalah perbedaan penggunaan metode estimasi. Meskipun dalam penelitian ini hasilnya tidak signifikan, secara umum dapat dikatakan bahwa pada saat nilai tukar mengalami depresiasi maka indeks LQ 45 akan mengalami penurunan begitu pula hila terjadi penurunan pembelian bersih investor asing maka akan menurunkan indeks LQ 45. Untuk persamaan ketiga dengan variabel dependen pembelian bersih investor asing, variabel-variabel yang berpengaruh secara signifikan adalah pembelian bersih investor asing selama 9 hari sebelumnya, dan indeks LQ 45 sehari sebelumnya. Pola hubungan pembelian bersih investor asing dengan dirinya sendiri positif begitu pula dengan indeks LQ 45 hubungannya positif sedangkan dengan nilai tukar negatif. Indeks LQ 45 sehari sebelumnya memberikan pengaruh yang positif terhadap pembelian bersih investor asing yang berarti bahwa setiap ada kenaikan indeks LQ 45, maka akan meningkatkan pembelian bersih investor asing pada hari berikutnya. Sementara itu, meskipun pengaruh nilai tukar tidak signifikan, jika terjadi depresiasi nilai tukar, maka cenderung akan menyebabkan peningkatan arus modal asing masuk ke dalam perekonomian domestik. Hal ini disebabkan harga dalam negeri menjadi lebih murah, sehingga dengan modal yang sama, investor asing akan mendapatkan
e
Tesis 2006 Chapter IV
____________________________________________ 70
barang yang lebih banyak. Dari sisi lain, depresiasi mata uang domestik akan meningkatkan daya saing produk perusahaan-perusahaan yang berorientasi ekspor sehingga keuntungan perusahaan tersebut akan menaikkan nilai fundamental sahamnya dan hal ini akan menarik investor asing untuk membeli saham-sahamnya. Dari ketiga persamaan di atas terlihat bahwa nilai tukar tidak hanya dipengaruhi oleh dinamika pergerakan masa lalunya tetapi juga dipengaruhi oleh indeks LQ 45 dan pembelian bersih investor asing. Hal ini ternyata tidak berlaku sebaliknya, karena indeks LQ 45 ternyata hanya dipengaruhi oleh dinamika pergerakan indeks LQ 45 hari-hari sebelumnya. Hasil penelitian ini konsisten dengan penelitian Indrawati (2002) dan Novita (2004). Sementara itu, pembelian bersih investor asing, selain dipengaruhi oleh dinamika pergerakan masa lalunya juga dipengaruhi oleh dinamika pergerakan indeks LQ 45 sehari sebelumnya. Ini menandakan bahwa untuk periode penelitian ini lndeks LQ 45 dapat menjadi leading indicator bagi pergerakan nilai tukar dan pembelian bersih investor asing. Hasil ini sejalan dengan hasil uji granger's causality dimana perubahan indeks LQ 45 mempengaruhi perubahan pembelian bersih investor asing dan pergerakan nilai tukar. Dari sudut pandang ekonomi mikro, kemungkinan terjadinya fenomena ini dapat dijelaskan dengan teori Top-Down Analysis yang menyatakan bahwa sebelum investor melakukan investasi pada bursa asing, mereka akan mempertimbangkan kondisi ekonomi global dan kondisi makroekonomi negara asing tersebut. Salah satu yang dipertimbangkan adalah pergerakan nilai tukar. Jika kondisi memungkinkan untuk berinvestasi, pertimbangan berikutnya adalah industri apa yang dipilih untuk investasi. Selanjutnya, jika kedua pertimbangan di atas sudah memenuhi kriteria, maka pertimbangan berikutnya adalah perusahaan mana yang dipilih untuk berinvestasi. Pada saat investor asing telah mempertimbangkan ketiga faktor di atas dan melihat ada potensi keuntungan dan harganya murah (underoalued), maka mereka akan berbondong•
Tnis 2006 Chapttr W
-------------------------------------------------------------------------------71
bondong berinvestasi (capital inflows/hot money). Sebelum investor asing melakukan transaksi bursa, investor domestik yang melihat gelagat investor asing mau masuk, melakukan pembelian dalam jumlah yang tidak terlalu besar. Pembelian investor domestik ini kemudian mendorong indeks LQ 45 naik. Kemudian investor asing juga melakukan transaksi dalam jumlah besar, sehingga indeks LQ 45 semakin meningkat sementara nilai tukar belum terpengaruh karena investor asing baru akan menukar mata uangnya ke mata , uang domestik pada tanggal penyelesaian transaksi bursa. Jadi indeks LQ 45 mengalami sedikit kenaikan sebagai akibat pembelian investor domestik, selanjutnya diikuti kenaikan pembelian bersih investor asing yang akan semakin mendorong kenaikan indeks LQ 45. Pada akhirnya, kenaikan indeks LQ 45 dan pembelian investor asing akan diikuti apresiasi mata uang domestik akibat peningkatan permintaan mata uang domestik pada saat investor asing mertukar mata uangnya ke mata uang domestik untuk penyelesaian transaksi bursa. Sementara itu, dari perspektif makro ekonomi dengan berdasarkan analisis model VAR di atas, secara garis besar hasil penelitian ini sesuai dengan pendekatan portofolio balance yang menyatakan bahwa pergerakan indeks harga saham akan mempengaruhi pergerakan nilai tukar mata uang domestik melalui saluran arus modal asing. Hasil penelitian ini konsisten dengan penelitian Indrawati (2002) dan Novita (2004).
4.7
INNOVATION ACCOUNTING Secara umum, innovation accounting ini mencoba untuk menguraikan
bagaimana dan seberapa besar pengaruh shock atau impulse atau innovation atau disturbance
terhadap variabel-variabel yang dibentuk dalam persamaan.
innovation accounting terdiri dari Impulse Response Function (IRF) dan Variance Decompositions (VD)
IRF akan memperlihatkan bagaimana pengaruh kontemporer dari satu standar deviasi suatu inovasi terhadap nilai-nilai variabel endogen pada waktu •
Tesis 2006 Chapter IV
_________________________________ ________ 72
sekarang dan yang akan datang. Suatu shock pada variable endogen ke-i secara langsung akan mempengaruhi variable itu sendiri dan akan menjalar ke variable-variabel endogen yang lain melalui struktur dinamis VAR. IRF memberikan arah hubungan besarnya pengaruh antar varia bel endogen. Dengan demikian, shocks atas suatu variabel dengan adanya informasi baru akan mempengaruhi variabel itu sendiri dan variabel-variabellain dalam sistem VAR. Response 1D Cholesky One S.D. k"!novations :1:2 S.E. , . _ . . of DER to DER
~ofDERioDLQ
~·of
DER 1o DLOGN>
100·-r-----------,
. --- -----------;::.;:;------- --
0
'~~----
z
1
~ofDLQtoDER
2.5,-----------,
3
..
5
6
7
•
'
10
RMpcnse of DLQ to DLQ 2.5,..------------.
~onse
I.S 1.')
__ ------
1
M
-o.s
·O.S 2
3
..
5
6
7
•
•
10
of DLQ to DLOGN>
o.s
__ ......
--
~:-:.··-::::
--=
•..
1.<>
0.
:::--::-~:::::---
l.S,-----------,
1.5
0.5
-:::___
·20+-T""--r-r-r-r--r--.--......-f 1 2 3 • s & 1 • t ro
·::.-.:..:::~-
--:.::::-_---:_----_
0.5
·l ..<>f----r---r---r---r---r---r---r---r-, 1 2 3 .. 5 6 1 • • 1€'
Aetpor.e of DLOGN> to DER
·t.•+-T"""--r-r-r-r--r--r--......-1 1
, . _ . . ol DLOGN> lo DLQ
2
3
~
4
5
6
1
I
I
W
ol DLOGN> 1o DLOGNP
2.0•..------------,
1.0.,....-----------,
1.5
1.5
I.S
1.<>
1.0
~-~--------~
0.5
0.5
_______..._____
-----------------
=-----:-
0.
...... ____
---------
-o.s
·0.5 ·1.0.
·t.o-
·I.S·+-,...-,----r---r--r--r-,...--,r--1
·t.S+-,----r---r--r--r--..---,.---,...--1
1'134!.671.10
,
·1.0
2
3
..
s
8
1
•
•
10
Gambar 4.4 Impulse Response Function Model VARD
Gambar 4.4 di atas memvisualisasikan IRF untuk model VARD dalam 10 periode mendatang Bila dilihat gambar 4.4 dapat ditunjukkan bahwa response D(ER) terhadap satu standar deviasi dari shock D(LQ) menunjukkan respon yang •
Tesis 2006 Chgpur fi/
_________________ _________________ _________ 73
negatif hingga hari kedelapan kemudian positif menuju konvergen pada dua hari berikutnya. Namun hal ini tidak berlaku sebaliknya, dimana respon D(LQ) terhadap satu standar deviasi dari shock D(ER) bervariasi dari negatif akhirnya menjadi positif. Begitu pula response D(ER) terhadap satu standar deviasi dari
shock D(LogNP) pada secara umum menunjukkan respon negatif. Sementara itu, response D(LogNP) terhadap standar deviasi dari shock D(ER) bervariasi diawali dari negatif kemudian positif dan berakhir negatif. Secara umum, response D(LogNP) terhadap shock D(ER) relatif kecil. Hal ini menunjukkan sistem telah stabil. Sementara itu, response D(LQ) terhadap satu standar deviasi dari shock D(LogNP) menunjukkan respon bervariasi dari positif lalu negatif dan berakhir positif. Hal ini berlaku sebaliknya, dimana respon D(LogNP) terhadap satu standar deviasi dari shock D(LQ) menunjukkan respon bervariasi dari positif lalu negatif dan berakhir positif. Sementara itu, hasil perhitungan IRF antara D(ER), D(LQ) dan D(LogNP) disarikan dalam Lampiran 6. Uji dilakukan dalam 3 tahap, pertama mengetahui pengaruh kontemporer dari variabel D(ER) terhadap variabel D(LQ) dan D(LogNP), kedua digunakan untuk melihat pengaruh kontemporer dari variabel D(LQ) terhadap variabel D(ER) dan D(LogNP) dan ketiga digunakan untuk melihat pengaruh kontemporer dari variabel D(LogNP) terhadap variabel D(ER) dan D(LQ). Tabel tersebut menunjukkan bahwa bahwa pada periode pertama, -satu standar deviasi dari D(ER) sebesar 1.53753 tidak membawa dampak apapun terhadap variabel D(LQ) maupun D(LogNP). Hal ini terlihat dari standar deviasi kedua variabel sama dengan nol yang berarti tidak ada kejutan. Setelah satu periode ,standar deviasi dari D(ER) menjadi
2.19720 diatas rata-ratanya,
membawa pengaruh terhadap penurunan standar deviasi dari variabel D(LQ) sebesar 2.19724 dan D(LogNP) sebesar 2.19295 dibawah rata-rata. Di sisi lain, satu standar deviasi dari variabel D(LQ) sebesar 0.03816 menyebabkan dampak negatif terhadap variabel D(ER) sebesar 0.05454 dan tidak memberi pangaruh kepada variabel D(LogNP). Setelah periode kedua, penurunan standar deviasi •
Tesis 2006 Chapter IV
____________________________________________ 74
dari variabel D(LQ) sebesar 0.05632 menyebabkan kenaikan standar deviasi dari variabel D(ER) menjadi 0.05634 diatas rata-ratanya dan variabel D(LogNP) sebesar 0.05588 di bawah rata-ratanya. Sementara itu, satu standar deviasi dari variabel D(LogNP) sebesar 0.02791 menyebabkan dampak negatif terhadap variabel D(ER) sebesar 0.03954 dan dampak positif terhadap variabel D(LQ) sebesar 0.03950. Memasuki periode kedua, kenaikan standar deviasi dari variabel D(LogNP) sebesar 0.05064 menyebabkan kenaikan standar deviasi dari variabel D(ER) ,menjadi 0.05059 diatas rata-ratanya dan variabel D(LQ) sebesar 0.04556 di bawah rata-ratanya. Jika dikaji lebih dalam, kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam D(ER) akan berpengaruh baik terhadap D(ER) sendiri maupun terhadap D(LQ) dan D(LogNP). Demikan juga kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam D(LQ) akan berpengaruh baik terhadap D(LQ) sendiri maupun terhadap D(ER) dan D(LogNP). Begitu pula jika kejutan dengan datangnya informasi baru dalam D(LogNP) akan berpengaruh baik terhadap D(LogNP) maupun terhadap 2 variabellainnya. Cara lain untuk memahami karakteristik dari perilaku dinamis adalah dengan VD. VD digunakan untuk menyusun forecast error variance suatu varia bel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik
shock yang berasal dari diri sendiri maupun shock dari variabel lain atau untuk melihat pengaruh relatif variabel-variabel penelitian terhadap variabel lainnya. Prosedurnya dengan mengukur persentase kejutan-kejutan atas masing..;masing variabel. Misalnya bila ada shock terhadap D(ER), perubahan yang terjadi dapat dijelaskan berapa persen oleh D(ER) sendiri dan berapa persen lagi oleh D(LQ dan D(LogNP). Lebih penting menurut Sims (1982) VD menunjukkan kekuatan hubungan Granger Causality yang mungkin ada diantara variabel-variabel. Dengan kata lain , jika suatu variabel menjelaskan porsi yang besar dari forecast
error variance dari variabel lain atau sebaliknya, mengindikasikan hubungan Granger Causality yang kuat. •
Tesii 2006 Chapter IV
_________________________________ ________ 75
Tabel4.6 Hasil Estimasi Variance Decomposition Model VARD Variance Decomposition of DER: DLOGNP DLQ DER S.E. Period 81.70632 100.0000 0.000000 0.000000 1 82.07387 99.58029 0.379254 0.040460 2 82.29400 99.25736 0.412951 0.329689 3 82.48075 99.09834 0.571094 0.330566 4 82.70060 99.08972 0.579909 0.330375 5 82.84894 99.00659 0.588467 0.404941 6 82.88695 98.94413 0.642045 0.413822 7 82.92316 98.94011 0.643294 0.416592 8 82.99144 98.83281 0.750485 0.416706 9 83.24188 98.80832 0.755637 0.436047 10 Variance Decomposition of DLQ: DLOGNP DLQ DER S.E. Period 1 2 3 4 5 6 7 8 9 10
2.070790 2.101885 2.105588 2.106864 2.108173 2.110711 2.111246 2.112714 2.119259 2.119785
95.87467 0.000000 95.77693 0.112213 95.58473 0.160386 95.56126 0.184056 95.47085 0.207864 95.26191 0.408406 95.22274 0.429220 95.10051 0.555584 94.58020 0.818115 94.56096 0.833658
4.125327 4.110853 4.254885 4.254683 4.321283 4.329685 4.348041 4.343909 4.601686 4.605386
Variance Decomposition of DLOGNP: DLQ DLOGNP S.E. DER Period 1.486286 0.157024 0.255293 99.58768 1 1.892822 0.121293 0.289870 99.58884 2 1.901077 0.126845 0.368409 99.50475 3 1.903468 0.170804 0.403396 99.42580 4 1.904199 0.170691 0.458704 99.37061 5 1.905867 0.229073 0.515129 99.25580 6 1.906469 0.232452 0.573330 99.19422 7 1.908956 0.234864 0.571850 99.19329 8 1.909553 0.274550 0.571500 99.15395 9 1.910231 0.278518 0.612693 99.10879 10
-
•
Ttsii2006 Chapter IV - - - - - - - - - - - - - - - - - - -
76
Dari Table 4.6 di atas dapat dilihat bahwa pada periode pertama forecast
error variance dari D(ER) dapat dijelaskan oleh D(ER) sebesar 100%, sedangkan D(LQ) dan D(LogNP) tidak menjelaskan apapun. Sampai dengan period ke-10,
forecast error variance yang dapat dijelaskan D(ER) sendiri sebesar 98,81%, sedangkan dampak dari fluktuasi D(LQ) sampai 10 periode hanya dapat menjelaskan 0,75% dan fluktuasi D(LogNP) hanya 0,44%. Hasil ini menunjukkan bahwa fluktuasi nilai tukar lebih banyak dipengaruhi nilai tukar sendiri daripada faktor indeks LQ 45 dan pembelian bersih investor asing. Sementara itu, pada periode pertama forecast error variance dari D(LQ) dapat dijelaskan oleh D(LQ) sebesar 95,87%, dan D(ER) sebesar 4,13% sedangkan D(LogNP) tidak menjelaskan apapun. Sampai dengan 10 periode ke depan ternyata porsi D(LQ) masih cukup besar dalam menjelaskan D(LQ) yaitu sebesar 94,56% sedangkan D(ER) sebesar 4,60% dan D(LogNP) hanya sebesar 0,83%. Hal ini juga menunjukkan bahwa fluktuasi indeks LQ 45 juga masih lebih banyak dipengaruhi pergerakan indeks LQ 45 sendiri dibandingkan faktor nilai tukar dan pembelian bersih investor asing. Kondisi serupa juga terjadi pada periode pertama forecast error variance dari D(LogNP) yang dapat dijelaskan oleh D(LogNP) sebesar 99, 59%, D(ER) sebesar 0,16% sedangkan D(LQ) sebesar 0,25%. Namun demikian, pada perode ini ternyata sudah ada pengaruh dari 2 variabel yang lain meskipun sangat kecil. Pada 10 periode berikutnya ternyata tidak ada perubahan yang signifikan yaitu
forecast error variance dari D(LogNP) yang dapat dijelaskan oleh D(LogNP) sebesar 99,11%, D(ER) sebesar 0,28% sedangkan D(LQ) sebesar 0,61 %. Hal ini mencerminkan pengaruh yang besar dari pembelian bersih investor asmg terhadap dirinya sendiri dibanding faktor nilai tukar dan indeks LQ 45. Berdasarkan hasil analisis terhadap IRF dan VD, secara umum dapat disimpulkan bahwa adanya kejutan dengan datangnya informasi baru pada satu variabel akan direspon oleh variabel itu sendiri maupun variabel-variabel penelitian yang lain dengan tingkatan yang berbeda-beda. Hal ini menunjukkan •
Tesis 2006 Chapter IV - - - - - - - - - - - - - - - - - - - - - -
77
bahwa ketika ada informasi baru berkenaan dengan indeks LQ 45 maka akan direspon oleh indeks LQ 45 sendiri maupun nilai tukar mata uang dan pembelian bersih investor asing. Begitu pula jika informasi itu berkenaan dengan pembelian bersih investor asing, maka juga akan direspon oleh pergerakan indeks LQ 45 dan nilai tukar mata uang domestik. Selain itu, dapat disimpulkan bahwa masing-masing variable dapat saling menjelaskan apabila terjadi shock terhadap salah satu variabel, namun porsi penjelasan masing-masing variabel masih didominasi oleh dirinya sendiri. Hal ini ditunjukkan pada saat terjadi shock pada nilai tukar, maka yang memberikan penjelasan paling dominan adalah perubahan nilai tukar itu sendiri sementara indeks LQ 45 dan pembelian
~ersih
investor asing hanya menjelaskan dengan
porsi yang relatif kecil. Berikut ini disajikan hasH uji hipotesis dengan alat ekonometri : Tabel4.7 Ringkasan Hasil Uji Hipotesis dengan Econometric Tools Uji Hipotesis
Nilai t-statistik
Hasil uji
Kesimpulan
Uji Johansen's Cointegrastion Test Terdapat hubungan keseimbangan jangka panjang antara pembelian bersih investor asing, nilai tukar dan indeks LQ 45 Uji Granger;s Causality Pembelian bersih investor asing mempengaruhi nilai tukar Nilai tukar mempengaruhi pembelian bersih investor asing Indeks LQ 45 mempengaruhi nilai tukar Nilai tukar mempengaruhi indeks LQ45 Indeks LQ 45 mempengaruhi pembelian bersih investor asing Pembelian bersih investor asing mempengaruhi indeks LQ 45
S
Tesis 2006 Chapter IV
40.10412)* 10.11005)* 2.168958)**
Ho tidak ditolak Ho ditolak Ho ditolak
Tidak ada kointegrasi (keseimbangan jangka panjang)
1.28675)***
Ho tidak dapat ditolak Ho tidak dapat ditolak Ho ditolak
Tidak mempengaruhi Tidak mempengaruhi Mempengaruhi
Ho tidak dapat ditolak Ho ditolak
Tidak mempengaruhi Mempengaruhi
Ho tidak dapat ditolak
Tidak mempengaruhi
0.39889)*** 2.62323)** 0.52003)*** 3.64032)*** 1.39657)***
__________________________________ ________ 78
Uji Hipotesis Analisis Model V AR Nilai tukar dipengaruhi oleh nilai tukar sebelurnnya
Nilai tukar dipengaruhi oleh indeks LQ 45 sebelurnnya Nilai tukar dipengaruhi oleh pembelian bersih investor a sing sebelurnnya Indeks LQ 45 dipengaruhi oleh indeks LQ periode sebelurnnya Indeks LQ 45 dipengaruhi oleh nibi tukar periode sebelurnnya Indeks LQ 45 dipengaruhi oleh pembelian bersih investor a sing pt:!riode sebelurnnya Pembelian bersih investor a sing dipengaruhi oleh pembelian bersih investor asing periode sebelurnnya
Nilai t-statistik
Tesis 2006 Chapter IV
Kesimpulan
[ 2.03522])** [-1.98556])** [-1.98889])** [ 2.72945])** [ 2.46340])** [-2.26194])**
DER(-1) DER(-2) DER(-3) DER(-4) DER{-9) DLQ(-1)
Menjelaskan
[-1.97112])**
DLOGNP(-2)
Menjelaskan
[ 6.15758])* [-2.50647])** [1.82378])**
DLQ(-1) DLQ(-2) DER(-8)
Menjelaskan
[1.83909])**
DLOGNP(-7)
[-29.3243])* [-21.7012])* [-15.8958])* [-12.4222])* [-10.8490])* [-9.31221])* [-6.84694 ])* [-4.68811])* [-2.12911])** [ 3.20474])**
DLOGNP(-1) DLOGNP(-2) DLOGNP(-3) DLOGNP(-4) DLOGNP(-5) DLOGNP(-6) DLOGNP(-7) DLOGNP(-8) DLOGNP(-9) DLQ(-1)
Pembelian bersih investor asing dipengaruhi oleh Indeks LQ 45 periode sebelurnnya Pembelian bersih investor asing [ 1.25756])** dipengaruhi oleh nilai tukar periode sebelurnnya Keterangan : )* signifikan pada a = 1% )** signifikan pada a= 5% )*** signifikan pada a = 10%
G
Hasil uji
DER(-8)
Menjelaskan
Tidak menjelaskan Tidak menjelaskan Menjelaskan
Menjelaskan
Tidak menjelaskan
_________________________________________ 79
BABV KESIMPULAN DAN IMPLIKASI PENELITIAN
5.1
KESIMPULAN
Setelah melakukan analisis hubungan dinamis antara nilai tukar, dan indeks harga saham LQ 45, maka dapat ditarik suatu kesimpulan: 1.
Berdasarkan uji stasioneritas dengan unit root test dapat disimpulkan bahwa nilai tukar terhadap dolar Amerika, indeks LQ 45 dan pembelian bersih investor asing memiliki unit root artinya tidak stasioner pada data level, tetapi stasioner pada level satu (first difference).
2.
Berdasarkan uji hubungan kausalitas dengan metode Granger Causality, dapat ditarik kesimpulan bahwa terdapat hubungan searah antara indeks LQ 45 dengan pembelian bersih investor asing dan indeks LQ 45 dengan nilai tukar. Artinya, pergerakan indeks LQ 45 dapat mempengaruhi pergerakan pembelian bersih investor asing dan indeks LQ 45 juga mempengaruhi
pergerakan nilai tukar, namun hal ini tidak berlaku
sebaliknya. 3.
Berdasarkan uji kontergrasi dengan Johansen's Cointegration Test diperoleh kesimpulan bahwa ketiga variabel tersebut tidak berkointegrasi artinya tidak terdapat kesamaan dinamika pergerakan masing-masing variabel dan tidak ada keseimbangan antar variabel dalam jangka panjang.
4.
Dalam model VAR, dari sudut pandang ekonomi makro, nilai tukar tidak hanya dipengaruhi oleh dinamika pergerakan masa lalunya tetapi juga dipengaruhi oleh indeks LQ 45 dan pembelian bersih investor asing. Hal ini tidak berlaku sebaliknya, karena indeks LQ 45 ternyata hanya dipengaruhi oleh dinamika pergerakan indeks hari-hari sebelumnya. Sementara itu, pembelian bersih investor asing, selain dipengaruhi oleh dinamika
~
Tesis 2006 Chapter V - - - - - - - - - - - - - - - - - - - - - - -
80
pergerakan masa lalunya juga dipengaruhi oleh dinamika pergerakan indeks LQ 45 sehari sebelumnya. Hal ini sesuai dengan teori portfolio
balance. Namun dari perspektif investor, kemungkinan terjadinya fenomena ini dapat dijelaskan dengan teori Top-Down Analysis. Setelah investor asing mempertimbangkan faktor kondisi makroekonomi, faktor industri dan faktor perusahaan serta melihat ada potensi keuntungan, maka mereka akan berbondong-bondong berinvestasi (capital inflocos). Sebelum investor asing melakukan transaksi bursa, investor domestik yang melihat gelagat investor asing mau masuk, melakukan pembelian dalam jumlah yang tidak terlalu besar. Pembelian investor domestik ini kemudian mendorong indeks LQ 45 naik. Kemudian investor asing juga melakukan transaksi dalam jumlah besar, sehingga indeks LQ 45 semakin meningkat sementara nilai tukar belum terpengaruh karena investor asing baru akan menukar mata uangnya ke dalam mata uang domestik pada tanggal penyelesaian transaksi bursa. Jadi indeks LQ 45 mengalami sedikit kenaikan sebagai akibat
pembelian
investor
domestik,
selanjutnya
diikuti
kenaikan
pembelian bersih investor asing yang juga semakin mendorong kenaikan indeks LQ 45. Pada akhirnya, kenaikan indeks LQ 45 dan pembelian investor asing akan diikuti apres1as1 mata uang domestik akibat peningkatan permintaan mata uang domestik pada saat investor asing menukar mata uangnya ke dalam mata uang domestik untuk penyelesaian transaksi bursa. 5.
Berdasarkan innovation accounting dalam model V AR baik dengan impulse
response function maupun variance decomposition dapat dsimpulkan bahwa adanya shock berupa informasi baru pada satu variabel akan direspon oleh variabel itu sendiri maupun variabel-variabel penelitian yang lain dengan tingkatan yang berbeda-beda. Selain itu, masing-masing variable dapat saling menjelaskan apabila terjadi shock terhadap salah satu variabel, namun porsi penjelasan masing-masing variabel masih didominasi oleh
~ uns2006Ch~urV
---------------------------------------------- 81
dirinya sendiri. Jadi secara umum, ternyata dinamika masing-masing variabel baik nilai tukar, indeks LQ 45 maupun pembelian bersih investor asing dipengaruhi oleh dinamika dari pergerakan variabel-variabel itu sendiri, terlepas dari adanya kejadian non moneter yang mempengaruhi.
5.2
KETERBAT ASAN PENELITIAN
Hasil penelitian ini belum dapat menggambarkan fakta yang memadai karena memiliki keterbatasan-keterbatasan yang tidak dapat dilakukan. Keterbatasan penelitian ini antara lain: 1.
Tidak mengukur tingkat efisiensi bursa, sehingga arus modal asing yang masuk melalui bursa kemungkinan besar tidak hanya disebabkan oleh pergerakan nilai tukar dan indeks LQ 45 tetapi juga efisiensi bursa yang rendah dan faktor-faktor lain.
2.
Belum mempertimbangkan market size bursa efek di Indonesia dan tidak dapat melihat investor asing yang masuk ke pasar, sehingga pada praktiknya, apa yang terjadi di pasar tidak selalu sesuai dengan teori ekonomi yang ada.
3.
Tidak mempertimbangkan secara spesifik aktivitas short selling karena selain sulit melakukan pengukuran aktivitas tersebut, juga karena aturan rentang waktu short selling di Indonesia tidak memungkinkan investor asing untuk mengambil keuntungan.
4.
Belum memasukkan foreign direct investment (FDI) dan loans sebagai bagian dari arus modal asing secara keseluruhan. Padahal dalam kenyataan, FDI memiliki jumlah yang relatif besar dan stabil dibandingkan portofolio maupun loans.
5.
Belum memasukkan variabel-variabel yang bersifat kualitatif dan tidak terukur ke dalam model, seperti faktor politik, faktor keamanan, isu terorisme dan korupsi, rumor dan sentimen pasar yang berasal dari subyektifitas
•
para
pelaku
pasar.
Variabel-variabel
tersebut
Tesis 2006 Chapter V - - - - - - - - - - - - - - - - - - - - - - -
bisa
82
berpengaruh besar dalam aktivitas transaksi perdagangan di bursa, terutama di pasar modal yang belum efisien seperti Indonesia. 6.
Pemilihan indeks LQ 45 sebagai variabel yang mewakili saham-saham pilihan investor asing. Dalam praktek setiap saham memiliki karakteristik yang beragam, baik ditinjau dari kelompok saham, besar kecilnya perusahaan dan faktor-faktor lain.
5.3
IMPLIKASI PENELITIAN Implikasi penelitian ini dapat dibedakan menjadi 3 kelompok :
1. Bagi perrierintah adalah adanya gejolak mata uang harus disikapi dengan hati-hati. Kesalahan pengambilan kebijakan di bidang moneter justru tidak akan menarik modal asing masuk ke dalam perekonomian. Demikian pula dengan otoritas pasar modal, kesalahan dalam menyikapi pergerakan indeks harga saham akan berakibat pada gejolak nilai tukar. 2. Bagi akademisi adalah penggunaan model VAR tidak selalu sesuai dengan kenyataan yang ada. Oleh karena itu, perlu ada penjelasan tambahan sehingga apa yang dihasilkan oleh VAR dapat diterima dan sejalan dengan teori yang berlaku. 3. Bagi praktisi pasar modal, khususnya investor, adanya gejolak mata uang, arus modal asing yang masuk ke Indonesia dan pergerakan indeks LQ 45 harus menjadi bahan pertimbangan yang penting sebelum mengambil keputusan investasi baik di pasar uang maupun di pasar modal.
5.4
SARAN Saran yang dapat diberikan untuk pemerintah, investor dan peneliti-
peneliti lainnya antara lain : 1. Pemerintah perlu menerapkan berbagai kebijakan agar gejolak nilai tukar tidak sampai menyebabkan krisis keuangan. Kebijakan-kebijakan yang dapat diterapkan, antara lain :
•
Tesis2006 ChapterV - - - - - - - - - - - - - - - - - - - - - -
83
a. Tobin tax b. Pemberlakuan minimum stay period bagi investasi asing c. Melakukan kerja sama intemasional seperti kerja sama antar bankbank sentral untuk reserve (SWAP) d. Bila memungkinan pendirian lembaga keuangan regina! untuk lending of last resort bagi bank-bank sentral yang mengalami kesulitan
likuiditas e. Pemberlakuan aturan kehati-hatian (Prudential Regulation) untuk Banking, Non Banking Finandal Institute dan dunia usaha
2. Mengingat pentingnya model dinamis dalam menjelaskan hubungan antara variabel-variabel yang pergerakannya dinamis, maka peneliti-peneliti selanjutnya sangat mungkin untuk mengembangkan model ini menjadi model yang lebih komprehensif dengan memasukkan
variabl~-variabel
lain
yang memiliki karakteristik dinamis. 3. Perlu adanya pengelompokkan yang lebih spesifik atas saham baik pengelompokkan saham per sektor atau saham individual atau yang didasarkan pada saham dengan orientasi ekspor atau impor. 4. Perlu mempertimbangkan market size, tingkat efisiensi bursa dan aktivitas short selling di bursa.
5. Memperlebar jangka waktu data penelitian, sehingga dapat memberikan gambaran yang mendekati fakta sebenarnya.
Gf)
Tesis 2006 Chapter V - - - - - - - - - - - - - - - - - - - - - - -
84
DAFfAR PUSTAKA
Ajayi, Richard A. dan Mougoue, Mbodja, "On The Dynamic Relations Between Stock Prices and Exchange Rates" The Journal of Financial Research, Vol. XIX No.2193-207, Summer 1996 Bofinger, Peter Monetray PoliClj : Goals, Institutions, Strategies And Instruments, 1st edition, Oxford University Press Inc., New York, 2001 - - - - - - , "Laporan Tahunan Tahun 2004," Tlze Annual Report, Bapepam, Jakarta, 2005 Bodie, Zvi, Kane, Alex and Marcus, Alan J., Essensial of Investnzensts, 4th edition, McGraw-Hill, Inc. New York, 2001 Enders, Waters, Applied Econometric Time Series, John Wiley and Sons Inc, New York, 1995 Granger, W.J.Clive, Huang, Nung Bwo dan Yang, Wei Chin, "Bivariate Causality Between Stock Prices & Exchange Rate", Discussion Paper, University of California, San Diego, April 1998 Greene, William H, Econometrics Analysis, 5·.n edition, Prentice Hall, New Jersey, 2003 Gujarati, Damodar N., Basic Econometrics, 4th edition, McGraw-Hill, Inc. New York, 2003 Gupta, J.P., Allain Chevalier dan Fran Sayekt, "The Causality Between Interest Rate, Exchange Rate and Stock Price in Emerging Market: The Case of The Jakarta Stock Exchange", 1999 Hallwood, C. Paul dan MacDonald, Ronald, Intenzational Money and Finance, 3rd edition, Blackwell Publisher, Massachussetts, USA, 2000 Harsono, Margaretha, Analisis Potensi Keuntungan dan Resiko Atas Saham Bank Pilihan Investor Asing", Tesis, Univesitas Indonesia, Jakarta, 1995 Haryanto, Ronny, Analisis Minat Investor Asing Terhadap Saham-Saham di Bursa Efek Jakarta dengan Metode Diskriminan", Tesis, Univesitas Indonesia, Jakarta, 1998 Ika, Syahrir, Patriadi, Pandu and Pramadi, Yudi, "Profile LQ 45 : Benefit And Analysis", Badan Analisa Keuangan dan Moneter, Departemen Keuangan, Jakarta, 2000 lndrawati, Titik, "Hubungan Dinamis Antara Variable Ekonomi Makro-Moneter dan lndeks Pasar Saham dengan Pendenkatan Granger Non Causality (GNC) dalam VAR dan VEC", Disertasi, Universitas Indonesia, Jakarta, 2002 Jones, P. Charles, Investment: Analysis and Management, 6th edition, John Wiley and Sons Inc, New York, 1998 Lam, Swee-Sum, "Control Versus Firm Value: The Impact of Restriction on Foreign Share Ownership", Financial Management, Vol26 No.1 Spring, 1997 I
11
11
85
Maghyereh, Akhtam dan Omet, Ghassan, " Electronic Trading and Market Efficiency in Emerging Market: The Case of The Jordanian Capital Market", The Journal of Economic, The Hashemite University, Jordan, 2002 Ma, Christoper and Kao, G Wenchi," On Exchange Rate Changes and Stock Price Reaction", Journal of Finance and Accounting, Summer 1990 Madura, Jeff, International Financial Management, 7th edition, Thomson South Western, Ohio, 2003 Manurung, Adler Haymans, "Pengaruh Variabel Makro, Investor Asing, Bursa Yang Telah Maju Terhadap Indeks BEJ", Tesis, Univesitas Indonesia, Jakarta, 1996 Nasution, Asmila Denga, "Analisis Hubungan Antara Harga Saham dan Nilai Tukar", Tesis, Universitas Indonesia, Jakarta, 2001 Novita, Mila, " Analisis Dinamis lndeks Harga Saham dan Nilai Tukar Dengan Metode Vector Autoregression (VAR): Studi Empiris Bursa Efek Jakarta", Tesis, Universitas Indonesia, Jakarta, 2004 Pyndick, R.S dan Rubinfeld, Daniel L., Econometric Models and Econometrics Forecast, 4th edition, McGraw-Hill Inc., New York, 1998 Reilly, Frank K. & Brown, Keith C., Investment Analysis and Portfolio Management, 6th edition, Thomson South Western, Ohio, 2000 Rivera-Batiz, Fransisco L. & Rivera-Batiz, Luis A., International Finance and Open Economy Macroeconomics, Second Edition, Prentice Hall, 2000 Sakhowi, Ahmad," Analisis Pengaruh Perubahan Nilai Tukar Rupiah, Inflasi Dan Tingkat Suku Bunga Terhadap Return Saham di Bursa Efek Jakarta", Tesis, Universitas Indonesia, Jakarta, 1999 Setyastuti, Rini, "Krisis Ekonomi dan Kausalitas Antara Fluktuasi Nilai Tukar, Tingkat Suku Bunga dan lndeks Harga Saham di Indonesia", Paper diskusi, Universitas Atmajaya, Yogyakarta, 2004 Stulz, RM dan Wasselfallen, W, "Foreign Equity Investment Restriction, Capital Flight And Shareholder Wealth Maximization: Theory and Evidence" Revie·w of Financial Studies, Winter 1995 Sudjono, "Analisis Keseimbangan dan Hubungan Simultan Antara. Variable Ekonomimakro Terhadap lndeks Harga Saham di Bursa Efek Jakarta dengan Metode VAR dan ECM", Disertasi, Univesitas Indonesia, Jakarta, 2002 Sulistyo, Herman, "Hubungan antara Keseimbangan Jangka Panjang dan Pendek di antara lndeks Saham dan Nilai Tukar Rupiah terhadap Beberapa Mata Uang Negara-Negara di Kawasan Asia Pasifik yang Terkena Krisis (antara lain Amerika, Jepang, Malaysia dan Thailand), Disertasi, Universitas Indonesia, Jakarta, 2002 Widati, "Analisis Pengaruh Perubahan Suku Bunga SBI dan Nilai Tukar Rupiah-US Dollar Terhadap Tingkat Return Saham di BEJ" Tesis, Univesitas Indonesia, Jakarta , 2003
86
Lampiran lA Hasil Uji Stasioneritas Data Level dan First Difference LogNP dengan ADF Test dan PP Test
Null Hypothesis: LOGNP has a unit root Exogenous: Constant Lag Length: 20 (Automatic based on AIC, MAXLAG=23) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-2.114474 -3.434845 -2.863413 -2.567816
0.2391
Adj. t-Stat
Prob.*
-2.162783 -2.566580 -1.941 045 -1.616550
0.0295
*MacKinnon (1996) one-sided p-values. Null Hypothesis: LOGNP has a unit root Exogenous: None Bandwidth: 34 (Newey-West using Bartlett kernel) Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: DLOGNP has a unit root Exogenous: Constant Lag Length: 13 (Automatic based on SIC, MAXLAG=23) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level
t-Statistic
Prob.*
-17.41338 -3.434805 -2.863395 -2.567806
0.0000
*MacKinnon (1996) one-sided p-values. Null Hypothesis: DLOGNP has a unit root Exogenous: Constant Bandwidth: 259 (Newey-West using Bartlett kernel) Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level
Adj. t-Stat
Prob.*
-239.8823 -3.434721 -2.863358 -2.567786
0.0001
*MacKinnon (1996) one-sided p-values.
87
Lampiran lB Hasil Uji Stasioneritas Data Level dan First Difference LQ dengan ADF Test dan PP Test
Null Hypothesis: LQ has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=23) Augmented Dickey-Fuller test statistic 1% level Test critical values: 5%1evel 10% level
t-Statistic
Prob.*
0.282157 -3.434714 -2.863355 -2.567785
0.9774
Adj. t-Stat
Prob.*
0.282843 -3.434705 -2.863351 -2.567783
0.9774
Null Hypothesis: LQ has a unit root Exogenous: Constant Bandwidth: 7 (Newey-West using Bartlett kernel) Phillips-Perron test statistic 1% level Test critical values: 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: DLQ has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=23) t-Statistic Augmented Dickey-Fuller test statistic 1% level Test critical values: 5% level 10% level
Prob.*
-32.63501 -3.434708 -2.863352 -2.567783
0.0000
Adj. t-Stat
Prob.*
-32.54433 -3.434708 -2.863352 -2.567783
0.0000
*MacKinnon (1996) one-sided p-values. Null Hypothesis: DLQ has a unit root Exogenous: Constant Bandwidth: 3 (Newey-West using Bartlett kernel) Phillips-Perron test statistic 1% level Test critical values: 5% level 10% level *MacKinnon (1996) one-sided p-values.
88
Lampiran lC Hasil Uji Stasioneritas Data Level dan First Difference ER dengan ADF Test dan PP Test
Null Hypothesis: ER has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=23) Augmented Dickey-Fuller test statistic 1% level Test critical values: 5% level 10% level
t-Statistic
Prob.*
-2.608058 -3.434708 -2.863352 -2.567783
0.0915
Adj. t-Stat
Prob. *
-2.546028 -3.434705 -2.863351 -2.567783
0.1048
*MacKinnon (1996) one-sided p-values. Null Hypothesis: ER has a unit root Exogenous: Constant Bandwidth: 3 (Newey-West using Bartlett kernel) Phillips-Perron test statistic 1% level Test critical values: 5% level 10% level *MacKinnon (1996) one-sided p-values. Null Hypothesis: DER has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=23) Augmented Dickey-Fuller test statistic 1% level Test critical values: 5% level 10% level
t-Statistic
Prob.*
-35.32174 -3.434708 -2.863352 -2.567783
0.0000
Adj. t-Stat
Prob.*
-35.25351 -3.434708 -2.863352 -2.567783
0.0000
*MacKinnon ( 1996) one-sided p-values. Null Hypothesis: DER has a unit root Exogenous: Constant Bandwidth: 4 (Newey-West using Bartlett kernel) Phillips-Perron test statistic 1% level Test critical values: 5% level 10% level *MacKinnon (1996) one-sided p-values.
89
Lampiran 2 Hasil Uji Kausalitas dengan Granger's Causality Test
Pairwise Granger Causality Tests Date: 02/08/06 Time: 22:06 Sample: 1 1434 La s:2 Null Hypothesis:
Obs
F-Statistic
Probability
DLOGNP does not Granger Cause DER DER does not Granger Cause DLOGNP
1426
1.28675 0.39889
0.27649 0.67114
DLQ does not Granger Cause DER DER does not Granger Cause DLQ
1431
DLQ does not Granger Cause DLOGNP DLOGNP does not Granger Cause DLQ
1426
2.62323
0.07292
0.52003
0.59461
3.64032
0.02649
1.39657
0.24778
90
Lampiran 4 Hasil Uji Kointegrasi dengan Johansen's Cointegration Test
Date: 01/09/06 Time: 17:51 Sample(adjusted): 11 1434 Included observations: 1412 Excluded observations: 12 after adjusting endpoints Trend assumption: No deterministic trend (restricted constant) Series: ER LQ LOGNP Lags interval (in first differences): 1 to 9 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None* At most 1 At most 2
0.021018 0.005608 0.001535
40.10412 10.11005 2.168958
34.91 19.96 9.24
41.07 24.60 12.97
*(**)denotes rejection of the hypothesis at the 5%(1 %) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no co integration at the 1% level
Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None** At most 1 At most 2
0.021018 0.005608 0.001535
29.99407 7.941097 2.168958
22.00 15.67 9.24
26.81 20.20 12.97
'"('"'")denotes rejection of the hypothesis at the 5%(1 %) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11 *b=l): ER 7.64E-05 0.001191 -0.000171
LQ 0.015603 -0.002300 -0.007690
LOGNP -0.877802 0.078834 0.097012
c 5.601535 -11.53919 0.713523
Unrestricted Adjustment Coefficients (alpha): D(ER) D(LQ) D(LOGNP)
-3.915457 -0.006106 0.201627
-5.426208 0.079151 -0.025619
-0.933533 -0.068838 -0.013231
92
1 Cointegrating Equation(s):
Log likelihood
-13726.31
Normalized cointegrating coefficients (std.err. in parentheses) C LOGNP LQ ER 73323.69 -11490.37 204.2413 1.000000 (16357.5) (2130.45) (59.9461) Adjustment coefficients (std.err. in parentheses) -0.000299 D(ER) (0.00017) -4.66E-07 D(LQ) (4.2E-06) 1.54E-05 D(LOGNP) (3.0E-06)
2 Cointegrating Equation(s):
Log likelihood
-13722.34
Normalized cointegrating coefficients (std.err. in parentheses) C LOGNP LQ ER -8911.877 -42.05406 0.000000 1.000000 (1882.45) (192.852) 402.6392 -56.05288 1.000000 0.000000 (74.0041} (7.58150) Adjustment coefficients (std.err. in parentheses) -0.048613 -0.006761 D(ER) (0.03419} (0.00259) -0.000277 9.38E-05 D(LQ) (0.00087} (6.6E-05) 0.003205 -1.51 E-05 D(LOGNP) (0.00062) (4.7E-05)
93
Lampiran 5 Hasil Uji dengan Model VARD
Vector Autoregression Estimates Date: 02/02/06 Time: 21:02 Sample(adjusted): 11 1434 Included observations: 1412 Excluded observations: 12 after adjusting endpoints Standard errors in ~ & t-statistics in [
l
1
DER
DLQ
DLOGNP
DER(-1)
0.055731 (0.02738) [ 2.03522]
6.47E-05 (0.00069) [ 0.09320)
0.000119 (0.00050) [ 0.23936)
DER(-2)
-0.054402 (0.02740) [-1.98556)
0.000786 (0.00069) [ 1.131_87)
7.50E-05 (0.00050) [ 0.15045]
DER(-3)
-0.054561 (0.02743) [-1.98889]
0.000161 (0.00070) [ 0.23-101]
-0.000522 (0.00050) [-1.04665]
DER(-4)
0.074842 (0.02742) [ 2.72945]
-0.000554 (0.00069) [-0.79729)
-0.000250 (0.00050) [-0.50128)
DER(-5)
0.035396 (0.02746) [ 1.28907]
-0.000147 (0.00070) [-0.21091]
0.000177 (0.00050) [ 0.35475]
DER(-6)
-0.023777 (0.02738) [-0.86839]
-0.000404 (0.00069) [-0.58272]
9.79E-05 (0.00050) [ 0.19663]
DER(-7)
-0.015196 (0.02731) [-0.55635]
-3.01 E-06 (0.00069) [-0.00435]
0.000129 (0.00050) [ 0.26009]
DER(-8)
0.031901 (0.02726) [ 1.17024]
0.001260 (0.00069) [ 1.82378]
0.000624 (0.00050) [ 1.25756)
DER(-9)
0.067110 (0.02724) [ 2.46340]
-0.000113 (0.00069) [-0.16404]
0.000269 (0.00050) [ 0.54345)
DLQ(-1)
-2.451545 (1.08383) [-2.26194]
0.169142 (0.02747) [ 6.15758]
0.063183 (0.01972) [ 3.20474]
DLQ(-2)
-0.034943 (1.09802)
-0.069752 (0.02783)
0.016928 (0.01997)
94
[-0.03182] [-2.50647] [ 0.84753] OLQ(-3)
-1.594196 0.05381 0 0.00893 9 (1.09810) (0.02783) (0.01998) [-1.45178] [ 1.93350] [ 0.44749]
DLQ(-4)
-0.065659 0.00347 0 0.02427 3 (1.09667) (0.02779) (0.01995) [-0.05987] [0.12486 ] [ 1.21675]
OLQ(-5)
-0.309467 0.01858 7 (1.09724) (0.02781) [-0.28204] [ 0.66838]
DLQ(-6)
-0.729766 0.00828 7 -0.019216 (1.09792) (0.02783) (0.01997) [-0.66468] [ 0.29783] [-0.96217]
OLQ(-7)
0.05441 6 -0.010941 -0.017728 (1.09653) (0.02779) (0.01995) [ 0.04963] [-0.39369] [-0.88879]
OLQ(-8)
1.209391 -0.022678 -0.019762 (1.09128) (0.02766) (0.01985) [ 1.10824] [-0.81995] [-0.99553]
OLQ(-9)
0.04710 8 -0.011476 0.00340 0 (1.07558) (0.02726) (0.01957) [ 0.04380] [-0.42098] [ 0.17380]
DLOGNP(-1)
-1.113044 0.047471 -0.788596 (1.47836) (0.03747) (0.02689) [-0.75289] [ 1.26697] [-29.3243]
DLOGNP(-2)
-3.68434 5 (1.86916) [-1.97112]
0.00180 7 -0.737867 (0.04737) (0.03400) [0.03815] [-21.7012]
DLOGNP(-3)
-3.271237 (2.13180) [-1.53450]
0.00832 8 -0.616417 (0.05403) (0.03878) [0.15414] [-15.8958]
DLOGNP(-4)
-3.345142 -0.02980 9 -0.50791 5 (2.24773) (0.05697) (0.04089) [-1.48823] [-0.52327] [-12.4222]
DLOGNP(-5)
-1.437984 (2.27288) [-0.63267]
0.085241 -0.448553 (0.05760) (0.04135} [1.47975] [-10.8490]
OLOGNP(-6)
-1.871592 (2.24478} [-0.83375]
0.04003 4 -0.38025 3 (0.05689} (0.04083) [0.70368] [-9.31221]
DLOGNP(-7}
-0.95984 8 (2.12734}
0.09915 6 -0.26496 0 (0.05392} (0.03870}
0.00701 4 (0.01996) [0.35140]
95
[-6.84694]
[-0.45120]
[1.83909]
DLOGNP(-8)
-1.285615 (1.86023) [-0.69111]
0.006193 -0.158639 (0.04715) (0.03384) [0.13136] [-4.68811]
DLOGNP(-9)
-1.652208 0.000119 -0.057231 (1.47771) (0.03745) (0.02688) [-1.11809] [ 0.00318] [-2.12911]
c
1.948733 (2.19047) 0.88964J
l R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood AkaikeAIC SchwarzSC Mean dependent S.D. deeendent
0.055379 (0.05552) [ 0.99754J
-0.005159 (0.03985) l-0.12948J
0.037712 0.045990 0.395680 0.018939 0.027379 0.383891 9239477. 5934.829 3057.322 81.70632 2.070790 1.486286 2.008868 2.471059 33.56217 -8206.622 -3017.238 -2548.949 11.66377 4.313368 3.650069 11.76793 4.417531 3.754232 1.949717 0.067414 0.001316 82.49122 2.099733 1.893537
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
60380.68 -13782.57 19.64104 19.95352
96
Lampiran 6 Hasil Uji dengan Impulse Response Functions V ARD
Response of DER: Period DER 1 2 3 4 5 6 7 8 9 10
81.70632 (1.53753) 5.650222 (2.19720) -3.763095 (2.20202) -4.441279 (2.20614) 5.949621 (2.20692) 4.316101 (2.20879) -1.394614 (2.19951) -2.380221 (2.19501) 1.953675 (2.18797) 6.280766 (2.18225)
DLQ
DLOGNP
0.000000 (0.00000) -5.054404 (2.19724) -1.555410 (2.20075) -3.299338 (2.19279) -0.900181 (2.19262) -0.854308 (2.19909) -1.928215 (2.20577) -0.352688 (2.20191) 2.730528 (2.19565) 0.818149 (2.17362)
0.000000 (0.00000) -1.650889 (2.19295) -4.427425 (2.18440) -0.401420 (2.16996) -0.327047 (2.14248) 2.280202 (2.13013) -0.797267 (2.11724) 0.464032 (2.07621) -0.234578 (2.00480) -1.230324 (1.96264)
Response of DLOGNP: Period DER 1 2 3
4 5 6 7 8 9 10
-0.058896 (0.03954) 0.029613 (0.05059) 0.015448 (0.05096) -0.040053 (0.05097) -0.000811 (0.05095) 0.046168 (0.05085) 0.011317 (0.05080) -0.010485 (0.05059) 0.038111 (0.05051) -0.012326 (0.05017)
DLQ
Response of DLQ: Period DER 1 2 3 4 5 6 7 8 9 10
-0.420596 (0.05454) -0.068651 (0.05631) 0.083822 (0.05634) 0.014825 (0.05639) -0.056522 (0.05633) -0.028930 (0.05633) -0.030265 (0.05606) 0.009232 (0.05598) 0.113051 (0.05591) 0.016402 (0.05575)
DLQ
DLOGNP
2.027627 (0.03816) 0.346521 (0.05604) -0.080011 (0.05632) 0.064011 (0.05608) 0.035416 (0.05602) 0.030202 (0.05609) 0.020150 (0.05619) -0.021207 (0.05614) -0.054508 (0.05606) -0.035313 (0.05562)
0.000000 (0.00000) 0.070409 (0.05559) -0.046403 (0.05588) -0.032547 (0.05540) : -0.032685 (0.05444) -0.094639 (0.05385) 0.030610 (0.05335) -0.075279 (0.05211) 0.109292 (0.05003) 0.026770 (0.04880)
DLOGNP
0.075097 1.483219 (0.03950) (0.02791) 0.068890 -1.169660 (0.05064) (0.04556) -0.054122 -0.167778 (0.05093) (0.05080) -0.036072 0.078689 (0.05091) (0.05095) 0.044907 0.027662 (0.05058) (0.05096) -0.045593 -0.046336 (0.05056) (0.05096) -0.046122 0.006325 (0.05065) (0.05101) 0.000678 0.096838 (0.05074) (0.05098) -0.000513 0.028760 (0.05046) (0.05091) 0.030342 0.038961 (0.04974) (0.05077)
97
Lampiran 7 Hasil Uji dengan Model VARL
Vector Autoregression Estimates Date: 01/09/06 Time: 17:55 Sample(adjusted): 10 1434 Included observations: 1414 Excluded observations: 11 after adjusting endpoints Standard errors in ~ & t-statistics in ~
1
1
ER
LQ
LOGNP 0.000228 (0.00049) [ 0.46076]
ER(-1)
1.053322 0.000108 (0.02739) (0.00069) [ 38.4501) [ 0.15608]
ER(-2)
-0.113122 0.000709 -5.51E-05 (0.03979) (0.00101) (0.00072) [-2.84295) [ 0.70344] [-0.07682]
ER(-3)
-0.002686 -0.000541 -0.000603 (0.03985) (0.00101) (0.00072) [-0.06739] [-0.53586] [-0.83917]
ER(-4)
0.135806 -0.000796 0.000280 (0.03973) (0.001 01) (0.00072) [ 3.41815] [-0.79030] [ 0.39111]
ER(-5)
-0.035845 (0.03987) [-0.89900]
0.000417 (0.00101) [ 0.41263]
0.000447 (0.00072) [ 0.62225]
ER(-6)
-0.067940 -0.000262 (0.03970) (0.00101) [-1.71154] [-0.26002]
-0.000141 (0.00072) [-0.19658]
ER(-7)
0.007875 0.000471 (0.03968) (0.00101) [ 0.19845] [ 0.46875]
4.16E-05 (0.00072) [ 0.05808]
ER(-8)
0.053128 (0.03951) [ 1.34469]
0.001189 (0.00100) [ 1.18758]
0.000473 (0.00071) [ 0.66332]
ER(-9)
-0.036724 -0.001198 -0.000681 (0.02719) (0.00069) (0.00049) [-1.35089] [-1.73843] [-1.38912]
LQ(-1)
-2.193673 1.164478 0.065587 (1.07847) (0.02733) (0.01945) [-2.03407] [ 42.6011] [ 3.37247]
LQ(-2)
2.286580
-0.237781
-0.043523
98
(1.64947) (0.04181) (0.02974) [ 1.38625] [-5.68758] [-1.46322] LQ(-3)
-1.871101 0.127870 -0.012151 (1.66178) (0.04212) (0.02997) [-1.12596] [ 3.03593] [-0.40548]
LQ(-4)
1.734835 -0.052584 0.018967 (1.66389) (0.04217) (0.03000) [ 1.04264] [-1.24688] [ 0.63213]
LQ(-5)
-0.369686 0.015658 -0.033487 (1.66440) (0.04219) (0.03001) [-0.22211] [ 0.37117] [-1.11573]
LQ(-6)
-0.334646 -0.012377 -0.010018 (1.66638) (0.04224) (0.03005) [-0.20082] [-0.29304] (-0.33337]
LQ(-7)
0.754216 -0.014665 0.000676 (1.66092) (0.04210) (0.02995) [ 0.45410] [-0.34837] [ 0.02258]
LQ(-8)
1.106820 -0.019223 -0.002040 (1.63737) (0.04"i50) (0.02953) [ 0.67598] [-0.46320] [-0.06908]
LQ(-9)
-1.150010 0.028807 0.019409 (1.07532) (0.02725) (0.01939) [-1.06946] [ 1.05696] [ 1.00091]
LOGNP(-1)
-0.503052 0.051388 0.196253 (1.48148) (0.03755) (0.02672) [-0.33956] [ 1.36855] [ 7.34611]
LOGNP(-2)
-2.142950 -0.047453 (1.50421) (0.03813) [-1.42464] [-1.24468]
LOGNP(-3)
0.940636 -0.005987 0.107454 (1.50071) (0.03804) (0.02706) [ 0.62679] [-0.15741] [ 3.97065]
LOGNP(-4)
0.366449 -0.019568 0.092644 (1.50762) (0.03821) (0.02719) [ 0.24307] [-0.51209] [ 3.40773]
LOGNP(-5)
2.203405 -0.054357 0.043896 (1.51242) (0.03833) (0.02727) [ 1.45687] [-1.41802] [ 1.60951]
LOGNP(-6)
-0.009495 (1.51200) [-0.00628]
LOGNP(-7)
0.036758 (0.02712) [ 1.35513]
0.045119 0.054077 (0.03832) (0.02727) [ 1.17736] [ 1.98335]
1.469803 -0.059038
0.101473
99
(1.50399) (0.03812) (0.02712) [ 0.97727] [-1.54876] [ 3.74146] LOGNP(-8)
0.118919 0.103724 0.089722 (1.50727) (0.03820) (0.02718) [ 0.07890) [ 2.71508] [ 3.30099]
LOGNP(-9)
0.240219 -0.005138 0.092759 (1.48170) (0.03755) (0.02672) [ 0.16212] [-0.13682] [ 3.47163]
c
37.89546 -0.962526 1.424290 (28.2932) (0.71711) (0.51020) ( 1.33938] [-1.34223] ( 2.79161]
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood AkaikeAIC SchwarzSC Mean dependent S.D. de~endent
0.990671 0.998646 0.495783 0.990489 0.998620 0.485960 9240225. 5935.949 3004.731 81.65065 2.069491 1.472384 5450.970 37865.39 50.47463 -8217.303 -3020.644 -2539.291 11.66238 4.312085 3.631247 11.76642 4.416128 3.735290 9214.705 132.2958 9.657257 837.2260 55.70442 2.053633
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
59154.86 -13787.59 19.62036 19.93249
100
Lampiran 8 Hasil Uji dengan Impulse Response Function Model VRAL
Period
Resporr;e mCIOesky 1ft SD. hiiMIIin t 2S.E. •r--------,
II
1
iiiiiMe cl ER •LOGN' •r--------,
•
II
II
II
•
•
•
J
a
a
I------------------
.;~---~
. .______ .J
1 I
I
I
I
I
I
-··=--
-·--·-·
.a
___,
I
I
···------······ ·~:~~: .... -- ____: .. -·--
1 I
W
I
I
I
I
I I
1 I
I W
I
I
I
I
I
I
I
•
Period 1
iiiiiMe af LQ • LO
~v-~--------------·-------·
1L I
,--
2 3 4 5 6 7 8 9 10
---
.. _,__
--·-··
--·-~ .... ···-·--··-- ..... ---·
1 I
I
··- ....... . I
I
I
I
I
I
2 3 4 5 6 7 8 9 10
•
Period i1111Me cl lOGih Ul 11r--------,
lllspne af UlGih ER
11
1 Ur--------, 12
"
"
I
o•l
o•
~~~ '~
. ~-_::_-----··_-,·,-_
I
c·-~
~·1 I
I
I
~
I
I
I
I
I
•
~·L--~-,------' 1 I
I
I
I
I
I
I
I
•
2 3 4 5 6 7 8 9 10
Response of ER: LQ ER
81.65065 86.94324 82.55045 77.43439 83.15843 87.62205 85.57150 82.28378 83.98111 84.45686
0.000000 -4.486126 -5.520229 -8.976712 -9.725753 -10.42912 -12.10467 -12.22171 -9.428764 -8.491084
Response of LQ: LQ ER
-0.417142 -0.479326 -0.390319 -0.366479 -0.419320 -0.445431 -0.470288 -0.451533 -0.331364 -0.303407
2.027014 2.364451 2.274776 2.339638 2.372546 2.398834 2.411201 2.389957 2.324243 2.308675
Response of LOGNP: LQ ER
-0.047128 -0.018023 -0.003263 -0.041276 -0.040133 0.010360 0.018002 0.008445 0.046395 0.010269
0.078562 0.148363 0.097839 0.053745 0.102492 0.053257 0.009145 0.010160 0.009313 0.041309
LOGNP
0.000000 -0.739250 -4.238540 -3.574299 -2.888331 0.344951 0.690560 2.609047 3.832436 4.426794 LOGNP
0.000000 0.075516 0.032943 0.002867 -0.024073 -0.113032 -0.077817 -0.148543 -0.036402 -0.004273 LOGNP
1.469531 0.288400 0.115401 0.189105 0.206190 0.152259 0.153169 0.242499 0.257031 0.285715
~· \--..-........-,---..,.--r--,-' I I I I I I I I •
101
Lampiran 9 Hasil Uji dengan Variance Decompositions Model V ARL
'Ina~ 1':1151 oRUUt:Si
,....lll...,uoiJIQf
-111-uoLO
•
I
·i
I
•
•
• •
• • •
.I
a
I
I 1
!
:
'
I
\
1 I f
I
:n
1
:
I
t
S I
-LO-uolOOII'
• e e
• •
• •
Ii
:t;
1 2 J 4 S I 7 I I I
1 I I I
,....LO..,.uoLO
-LO-uo51
el
l
:
I
I
I
.
,i-~-----!
:
;
t
§
I
I
I
I
If
I
-lOOII'-uoBI
•
:
l
4 S I
7 I
I I
• •
I
'1
i
•
li
a
,i 1 :
:!
'
5 I
1 I
I I
1 :
l
'
S I 1 I I I
Period
1 2 3 4 5 6 7 8 9 10 Period
•
el •
<·
7 I
1 2 3 4 5 6 7 8 9 10
-lOOII'-IIoiiiJIQf
-IJIQf-llalllO
•
..
I 1 J 4 S I
I I
Period
I
l
l
4 S I 1 I t I
1 2 3 4 5 6 7 8 9 10
Variance Decomposition of ER: LQ ER S.E.
81.65065 119.3592 145.2916 164.9214 184.9793 204.9484 222.4260 237.4871 252.1042 266.0474
100.0000 99.85490 99.67261 99.40267 99.22437 99.10893 98.94633 98.79883 98.77109 98.76698
0.000000 0.141264 0.239693 0.482294 0.659811 0.796442 0.972361 1.117780 1.131797 1.118135
Variance Decomposition of LQ: LQ S.E. ER
2.069491 3.179446 3.928984 4.587498 5.181749 5.728535 6.233556 6.692912 7.092834 7.465276
4.062943 3.994124 3.602469 3.280648 3.226179 3.244304 3.309101 3.325606 3.179415 3.035267
95.93706 95.94946 96.35356 96.68706 96.74635 96.69429 96.62345 96.56663 96.72200 96.87570
LOGNP
0.000000 0.003836 0.087693 0.115031 0.115818 0.094631 0.081308 0.083391 0.097111 0.114885 LOGNP
0.000000 0.056413 0.043972" 0.032293 0.027469 0.061409 0.067445 0.107763 0.098587 0.089028
Variance Decomposition of LOGNP: LOGNP LQ S.E. ER
1.472384 1.507789 1.515364 1.528620 1.546386 1.554811 1.562467 1.581229 1.602682 1.628507
0.102453 0.111987 0.111333 0.182321 0.245510 0.247296 0.258153 0.254916 0.331939 0.325471
0.284695 1.239699 1.644197 1.739422 2.138966 2.233174 2.214767 2.166650 2.112411 2.110290
99.61285 98.64831 98.24447 98.07826 97.61552 97.51953 97.52708 97.57843 97.55565 97.56424
102
Lampiran 10 Hasil Uji dengan Model VEC
Vector Error Correction Estimates Date: 02/11/06 Time: 22:30 Sample(adjusted): 11 1434 Included observations: 1412 Excluded observations: 12 after adjusting endpoints Standard errors in { ~ & t-statistics in [ ] Cointe~ratin~ E9:
CointE91
ER(-1)
1.000000
LQ(-1)
215.9129 (63.1638) [ 3.41830]
LOGNP(-1)
-12112.14 (2244.80) [-5.39564]
c
79218.00
Error Correction:
D{ER~
D{LOl
D{LOGNP~
CointEq1
-0.000271 (0.00016) [-1.71149]
-5.38E-08 (4.0E-06) [-0.01339]
1.47E-05 (2.9E-06) [ 5.16044]
D(ER(-1))
0.054064 (0.02738) [ 1.97447]
6.43E-05 (0.00069) [ 0.09263]
0.000210 (0.00049) [ 0.42497]
D(ER(-2))
-0.056072 (0.02740) [-2.04664]
0.000786 (0.00070) [ 1.13026]
0.000166 (0.00049) [ 0.33553]
D(ER(-3))
-0.056225 (0.02743) [-2.04969]
0.000160 (0.00070) [ 0.23031]
-0.000432 (0.00049) [-0.87269]
D(ER(-4))
0.073407 (0.02741) [ 2.67772]
-0.000554 (0.00070) [-0.79704]
-0.000172 (0.00049) [-0.34780]
D(ER(-5))
0.034151 (0.02745) [ 1.24418]
-0.000147 (0.00070) [-0.21111]
0.000245 (0.00050) [ 0.49458]
D(ER(-6))
-0.024960 (0.02737) [-0.91196]
-0.000405 (0.00069) [-0.58266]
0.000162 (0.00049) [ 0.32875]
D(ER(-7))
-0.016308
-3.23E-06
0.000190
103
(0.02730) [-0.59731]
(0.00069) [-0.00466]
(0.00049) [ 0.38524]
D(ER(-8))
0.030851 (0.02725) [ 1.13221]
0.001260 (0.00069) [ 1.82235]
0.000681 (0.00049) [ 1.38506]
D(ER(-9))
0.065777 (0.02723) [ 2.41518]
-0.000114 (0.00069) [-0.16430]
0.000342 (0.00049) [ 0.69578]
D(LQ(-1))
-2.425493 (1.08318) [-2.23924]
0.169147 (0.02748) [ 6.15494]
0.061766 (0.01954) [ 3.16144]
D(LQ(-2))
-0.036079 (1.09726) [-0.03288]
-0.069752 (0.02784) [-2.50558]
0.016990 (0.01979) [ 0.85846]
D(LQ(-3))
-1.584924 (1.09735) [-1.44432]
0.053812 (0.02784) [ 1.93284]
0.008434 (0.01979) [ 0.42613]
D(LQ(-4))
-0.072968 (1.09591) [-0.06658)
0.003469 (0.02780) [0.12476]
0.024670 (0.01977) [ 1.24806]
D(LQ(-5))
-0.320122 (1.09649) [-0.29195]
0.018585 (0.02782) [ 0.66805]
-0.006434 (0.01978) [-0.32533]
D(LQ(-6))
-0.755833 (1.09726) [-0.68884]
0.008282 (0.02784) [ 0.29751]
-0.017799 (0.01979) [-0.89932]
D(LQ(-7))
0.027521 (1.09588) [ 0.02511]
-0.010946 (0.02780) [-0.39370]
-0.016266 (0.01977) [-0.82289]
D(LQ(-8))
1.182741 (1.09063) [ 1.08446]
-0.022683 (0.02767) [-0.81976)
-0.018313 (0.01967) [-0.93093]
D(LQ(-9))
0.013791 (1.07501) [ 0.01283]
-0.011482 (0.02727) [-0.42100]
0.005212 (0.01939) [ 0.26882]
D(LOGNP(-1))
-4.034589 (2.25752) [-1.78718]
0.046891 (0.05728) [ 0.81868]
-0.629709 (0.04072) [-15.4647]
D(LOGNP(-2))
-6.297663 (2.41255) [-2.61038]
-0.002326 (0.06121) [-0.03800]
-0.595743 (0.04352) [-13.6904]
D(LOGNP(-3))
-5.564418
-0.008783
-0.491703
104
(2.51665) [-2.21105]
(0.06385) [-0.13756]
(0.04539) [-10.8322]
D(LOGNP( -4 ))
-5.306909 (2.52173) [-2.10447]
-0.030199 (0.06398) [-0.47201]
-0.401225 (0.04548) [-8.82115]
D(LOGNP(-5))
-3.090363 (2.46798) [-1.25218]
-0.085569 (0.06262) [-1.36658]
-0.358689 (0.04451) [-8.05773]
D(LOGNP(-6))
-3.204483 (2.37456) [-1.34951]
-0.040298 (0.06025) [-0.66890]
-0.307764 (0.04283) [-7.18573]
D(LOGNP(-7))
-1.960483 (2.20479) [-0.88919]
-0.099355 (0.05594) [-1.77616]
-0.210540 (0.03977) [-5.29424]
D(LOGNP(-8))
-1.940765 (1.89793) [-1.02257]
0.006063 (0.04815) [ 0.12592]
-0.123009 .(0.03423) [-3.59328]
D(LOGNP(-9))
-1.996849 (1.49034) [-1.33986]
-0.038488 5.08E-05 (0.03781) - (0.02688) (-1.43177] [ 0.00134)
c
1.973490 (2.18899) [ 0.90155]
0.055384 (0.05554) [ 0.99724]
-0.006506 (0.03948) [-0.16477]
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood AkaikeAIC Schwarz SC Mean dependent S.D. deeendent
0.039746 0.020305 9219949. 81.64943 2.044438 -8205.128 11.66307 11.77095 1.949717 82.49122
0.045990 0.026675 5934.828 2.071538 2.381092 -3017.238 4.314784 4.422667 0.067414 2.099733
0.407097 0.395093 2999.564 1.472713 33.91393 -2535.484 3.632413 3.740296 0.001316 1.893537
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
59251.99 -13725.30 -13769.25 19.63066 19.96547
105
Lampiran 11 Hasil Uji dengan Impulse Response Function Model VEC
•.-------,
• •
• • •
J
J
I I
•
ID.------,
I
-JL-----,-----'
-JL__ _ ___,
Zl.-------,
.
nlI
Zl
Zl
';!
IS
ll
lli
11
11
uj
u
I
~sr----
"t=:::]:
·11
... I : I I l I I I I I
.
.
I l I I I I I I I I
Zl.--------,
I
Period
ER
1
-0.421228 -0.489579 -0.405699 -0.391150 -0.448140 -0.478076 -0.509021 -0.500911 -0.388327 -0.372348
2 3 4
LJ :!-..,-.,. _..,- .,-.
r-r-,.,.-J
I l l I l I I I I I
7 8 9 10
6
·I
I Z I I I I I I I I
I l l I l I I I I I
5 6 7 8 9 10 Period
11,-,------,
11.--------,
11.---------.
uj
II
1 2
3 4
"I
II
II 1\ II
II ________ . __ ~
fl ! :
I 4 l I I I I I
I Z I I l I I I I I
Response of ER: ER LQ
81.64943 87.12518 83.15508 78.51772 84.28719 88.42813 86.85896 84.32536 86.14046 9226306
1 2 3 4 5
_______, 11'----
I
Period
5 6
7 8 9 10
0.000000 -5.096202 -6.708150 -10.02005 -10.93185 -11.77414 -13.71366 -14.07579 -11.35047 -10.55379
Response of LQ: LQ
2.028260 2.374977 2.294963 2.358968 2.394181 2.424188 2.444189 2.422815 2.368415 2.333053
Response of LOGNP: ER LQ
-0.049575 -0.018523 -0.002201 -0.040988 -0.041116 0.006192 0.018212 0.008576 0.047664 0.037417
0.077129 0.146522 0.093005 0.054913 0.100066 0.053649 0.008334 0.009462 ·o.oo8759 0.048835
LOGNP
0.000000 -1.104821 -4.876079 -4.547523 -4.080930 -0.939939 -0.802883 0.663587 1.527766 1.471616 LOGNP
0.000000 0.069881 0.022687 -0.009497 -0.041049 -0.133723 -0.100377 -0.172525 -0.060084 -0.030588 LOGNP
1.469856 0.281845 0.108259 0.180553 0.198234 0.144040 0.142161 0.228318 0.242858 0.261536
fl._,_.,--.,--.,....,......,....,.....,.l I l I I l I I I I I
106
Lampiran 12 Hasil Uji dengan Variance Decompositions Model VEC
Vlilll~ JllallllnallllO
l'niiBI-111111
l'nlllil-lllliDI'
•
•
I
I
I
I
I
•
•
•
I
I
•
I I l
l
I I I
l
I I I
I l
I l I I I I
•
I
• •
c
I
I I l
•
I I I
I
I I
"""UDI'-u•LO
• I I I I I
I I I I
Paltaill'naiiiiUDI'
• I
•
•
I
I
I I l I I I I
I I I I
I
·'
•
I. I l
I I
•I
I
I I I I
I
l'niiUDI'nalllllll
I
I I I I
l'nlllO-IIIIUDI'
•
I I I I
•
1. I l
I I
l'nlllOwilllllllO
l'nlll0-111111
:n :u
I I I
I I I
I I l I I
I I
I I I I
I l
I I
I I
I I I I
Period
1 2 3 4 5 6 7 8 9 10 Period
1 2 3 4 5 6 7 8 9 10 Period
1 2 3 4 5 6 7 8 9 10
Variance Decomposition of ER: LQ ER S.E.
81.64943 119.5183 145.8361 165.9948 186.5336
206.noo
224.6931 240.4087 255.6319 271.9811
100.0000 99.80964 99.54877 99.21229 98.98488 98.84754 98.65028 98.47741 98.45264 98.47957
0.000000 0.181813 0.333694 0.621943 0.835980 1.004606 1.223230 1.411335 1.445397 1.427420
Variance Decomposition of LQ: LQ ER S.E.
2.071538 3.190040 3.950736 4.618023 5.221183 5.777879 6.295007 6.765931 7.179250 7.558065
4.134739 4.098922 3.726941 3.445119 3.431822 3.487002 3.591477 3.657033 3.540649 3.437328
95.86526 95.85309 96.23847 96.52915 96.54187 96.43795 96.31987 96.20121 96.32644 96.44111
LOGNP
0.000000 0.008545 0.117531 0.165770 0.179138 0.147856 0.126486 0.111251 0.101967 0.093005 LOGNP
0.000000 0.047987 0.034584 0.025735 0.026313 0.075051 0.088653 0.141761 0.132913 0.121561
Variance Decomposition of LOGNP: LOGNP LQ ER S.E.
1.472713 1.506695 1.513442 1.525713 1.542336 1.549989 1.556623 1.573330 1.592701 1.615204
0.113314 0.123375 0.122489 0.192697 0.259634 0.258672 0.270160 0.267424 0.350517 0.394483
0.274285 1.207761 1.574661 1.678971 2.063907 2.163378 2.147843 2.106086 2.058193 2.092657
99.61240 98.66886 98.30285 98.12833 97.67646 97.57795 97.58200 97.62649 97.59129 97.51286
107
